referencni.py

   1 #!/usr/bin/env python
   2
   3 """Modul pro praci s referencnimi tabulkami."""
   4
   5 import pickle
   6 from ocesavac import ocesat
   7 import codecs
   8 from koincidence import index_koincidence2
   9 from spolecne import ABECEDA, MABECEDA
  10
  11 def nova_tabulka(tabulka, abc=MABECEDA):
  12     """Z tabulky cetnosti vyskytu udela tabulku percentualni cetnosti."""
  13     celkem = sum(sum(tab2.values()) for tab2 in tabulka.values())
  14     if celkem != 0:
  15         for i in abc:
  16             for j in abc:
  17                 tabulka[i][j] /= float(celkem)
  18     return tabulka
  19
  20 def poradi_dle_frekvence(freq):
  21     return sorted(freq.keys(), key=freq.get, reverse=True)
  22
  23 class reference:
  24     def __init__(self, tref, komentar=''):
  25         self.abeceda = tref.abeceda
  26         self.poradi = poradi_dle_frekvence(tref.frekvence)
  27         self.tabulka = nova_tabulka(tref.tabulka, tref.abeceda)
  28         self.komentar = komentar
  29
  30 class treference:
  31     def __init__(self, mezery=True):
  32         if mezery:
  33             self.abeceda = MABECEDA
  34         else:
  35             self.abeceda = ABECEDA
  36         self.mezery = mezery
  37         self.frekvence = dict()
  38         for c in self.abeceda:
  39             self.frekvence[c] = 0
  40         self.tabulka = dict()
  41         for i in self.abeceda:
  42             self.tabulka[i] = dict()
  43             for j in self.abeceda:
  44                 self.tabulka[i][j] = 0
  45         self.soubory = []
  46
  47     def pridej(self, soubor):
  48         f = codecs.open(soubor, encoding='UTF-8')
  49         text = ocesat(f.read(), self.mezery)
  50         f.close()
  51         for i in range(len(text) - 1):
  52             self.tabulka[text[i]][text[i+1]] += 1
  53             self.frekvence[text[i]] += 1
  54         else:
  55             self.frekvence[text[i+1]] += 1
  56         self.soubory.append(soubor)
  57
  58 def uloz(co, kam):
  59     soubor = open(kam, 'w')
  60     pickle.dump(co, soubor)
  61     soubor.close()
  62
  63 def nacti(odkud):
  64     return pickle.load(open(odkud))
  65
  66 def tiskni(sref):
  67     r = nacti(sref)
  68     slovnik = dict(zip(r.abeceda, r.frekvence))
  69     for i in range(len(r.abeceda)):
  70         print "{0} {1:>6.2%}   {2} {3:>6.2%}".format(
  71             r.abeceda[i],
  72             r.frekvence[i],
  73             r.poradi[i],
  74             slovnik[r.poradi[i]] )
  75     print " "
  76     print "Index koincidence: {0:>5.2%}".format(r.index_koinc)
  77     print " "
  78     for char in r.abeceda:
  79         print char + " " + " ".join(
  80             ["{:0>5.2f}".format(r.tabulka[char][ch2] * 1000)
  81                 for ch2 in r.abeceda])
  82
  83 def prumerny_index(tref):
  84     suma = 0
  85     for soubor in tref.soubory:
  86         f = codecs.open(soubor, encoding='UTF-8')
  87         text = ocesat(f.read(), tref.mezery)
  88         f.close()
  89         suma += index_koincidence2(text[:len(text)/2], text[len(text)/2:])
  90     return float(suma)/len(tref.soubory)