להורדה | השלמת שו"ת פרי עץ חיים

[אהרן]

דיקטה השלימו לאחרונה את השו"ת פרי עץ חיים, אני מעלה כאן את מה שחסר עדיין באוצריא, כרגע אין לי זמן לסדר את זה לאוצריא, אולי מישהו יכול לעשות את זה.

[אהרן]

השלמת שות פרי עץ חיים_123142.txt

[יום חדש מתחיל]

מהיכן המקור?
תביא קישור מדוייק.
לא ככה אנחנו עובדים.

לכל דבר יש דרך וצורה איך מורידים, ואיך מטפלים.

[י. פל.]

@אהרן
אם זה מדיקטה, ממש חבל!
אתה פשוט יכול להודיע לנו, וזה יבוצע כשאר ספרי דיקטה.

[אהרן]

למה שלא תעשו חיפוש פשוט בגוגל פרי עץ חיים דיקטה, תקבלו תשובות לשאלות שלכם.

[יום חדש מתחיל]

@אהרן אני מבין שאתה לא רוצה לעזור לנו כ"כ, חבל.
לא מבין כ"כ מה המטרה שלך בפוסט הזה, אם אתה לא רוצה לעזור לנו....

לעצם העניין, @האדם-החושב עיין כאן: https://files.dicta.org.il/books_internal.json
ולכאורה יוצא שאין שם בכלל את האפשרות להוריד את הגירסא של ה OCR מה שהיינו מורידים תמיד, אלא רק את: https://files.dicta.org.il/prietshaim/prietshaim__text_files.zip למרות שזה יורד בלי שום תגיות.
או שיש לך פתרון אחר לחידה הזו.

[האדם החושב]

@יום-חדש-מתחיל
פרי עץ חיים.rar

import io
import json
import re
import zipfile
from pathlib import Path

import requests
from tqdm import tqdm

BASE_URL = "https://files.dicta.org.il/prietshaim/"


def get_toc() -> list[dict]:
    url = BASE_URL + "pages.json"
    response = requests.get(url)
    return response.json()


def get_page_content(page: str) -> dict:
    response = requests.get(BASE_URL + page)
    if page.endswith(".zip"):
        with zipfile.ZipFile(io.BytesIO(response.content)) as z, z.open(z.namelist()[0]) as f:
            return json.loads(f.read().decode("utf-8"))

    return response.json()


def process_page(output_file: io.TextIOWrapper, content: list[dict]) -> None:
    for entry in content:
        if 'display' not in entry:
            output_file.write(entry['str'])
            continue
        for i in entry['display']:
            val = i["c"]
            heading = i.get("heading", False)
            bold = i.get("bold", False)
            if heading is True:
                output_file.write(f"<big>{val}</big>")
            elif bold is True:
                output_file.write(f"<b>{val}</b>")
            else:
                output_file.write(val)


def main() -> None:
    book_name = "פרי עץ חיים"
    author = ""
    target_file_path = Path(f"{book_name}.txt")
    toc = get_toc()
    with target_file_path.open("w", encoding="utf-8") as output_file:
        output_file.write(f"<h1>{book_name}</h1>\n{author}")
        for entry in tqdm(toc, total=len(toc)):
            if entry["type"] == "index":
                continue
            page = entry["fileName"]
            display_name = entry["displayName"]
            output_file.write(f"\n<h2>{display_name}</h2>\n")
            content = get_page_content(page)
            process_page(output_file, content["tokens"])
    with target_file_path.open("r", encoding="utf-8") as output_file:
        content = output_file.read()
        content = re.sub(r'\n+', '\n', content)
    with target_file_path.open("w", encoding="utf-8") as output_file:
        output_file.write(content)


if __name__ == "__main__":
    main()

Spoiler

אגב, בזכות זה חקרתי קצת יותר את האתר של דיקטה ויתכן שיש דרך להוריד את הספרים שעדיין לא ערכו עם ירידות שורה, הדגשות וכו'.

[יום חדש מתחיל]

@האדם-החושב מדהים!!