פורום אוצריא

https://abbreviation.dicta.org.il/

אפשר לעבוד מול הapi שלהם אם יש למישהו רשימה של ראשי תיבות בלי פיענוח.

@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

@נתנאל זה סה"כ דף html (100% קלוד) שמשמש כסייר קבצים....

@י.-פל. כתב בלהורדה | חדש! מאגר גיטאב - לספרים מותאמים לאוצריא:

בעבר היתה יוזמה ליצירת צורת הדף כHTML, שזה בעצם טקסט פשוט שמעוצב בצורת הדף, זה קל (משהו כמו אלפית מPDF), ומהיר, אבל נראה לי דהם לא התקדמו בזה.
@האדם-החושב

https://github.com/Yiddishe-Kop/Shas-Vilna

@י.-פל. אפשר לתקן ... רק תגיד מה השגיאות.
במתמחים זה עבד מצויין, הבעיה היא בחיבור המשתמש לפורום כאן, אולי שינו משהו בהגדרות אבטחה של הפורום?

@יום-חדש-מתחיל זה יהיה עד העדכון הבא של ספריא, תיאורטית אפשר לעדכן עכשיו אבל אני מחכה לראות מה יצא עם עבודתו של לא מתייאש (שתפתור את בעיית הלינקים היתומים).

@יום-חדש-מתחיל כך זה הגיע במקור.
צריך לכתוב סקריפט שימיר את הכל לתווים סטנדרטיים.

@הבל-הבלים יש שמות שלא קיימים בכלל
יש שמות שלא הובאו בצורה נכונה
השמות נשאבו משמות התיקיות, לא מהמקור.
לכאו' רוב השמות תקינים אבל צריך לשים לב.
@יום-חדש-מתחיל

@הבל-הבלים כן, אבל הבעיה היא שהשמות שם נשאבו בצורה לא תקנית.

כל הנושא הזה נהיה בלאגן אחד גדול

רשימת המחברים שצריכים בדיקה
רשימת המחברים הפסולים
רשימת המחברים הכשרים

@יום-חדש-מתחיל מבקש הספר.

מהי תוכנת אוצריא?

@יום-חדש-מתחיל כדאי להדגיש שיביאו גם לינקים למקומות שבהם יש את הספר.

בכלים ובתפריט ימני של בחירת טקסט

@הבל-הבלים כלומר?

Dictionary.txt

@צדיק-וטוב-לו @י.-פל.
יש בתיקיית ההתקנה של תורת אמת (ToratEmetInstall) תיקייה בשם Dictionaries ובתוכה קובץ בשם FinalDictionary.txt.

import json
from collections import defaultdict
from pathlib import Path

dict_source = {
    0: "מילון שיח ישראל",
    1: "מילון פשיטא",
    2: "מושגים ואישים",
    3: "מפירוש אונקלוס על התורה"
}

dict_all = defaultdict(list)

dict_path = Path(r"C:\Users\User\Documents\ToratEmetInstall\Dictionaries\FinalDictionary.txt")
output_path = Path("Dictionary.json")
with dict_path.open("r", encoding="windows-1255") as f:
    content = f.read()
lines = content.split("\n")
for line in lines:
    line = line.strip()
    if not line:
        continue
    if not line[0].isdigit():
        continue
    source = dict_source[int(line[0])]
    key, value = line[1:].strip().split("=", maxsplit=1)
    dict_all[source].append({key: value})

with output_path.open("w", encoding="utf-8") as f:
    json.dump(dict_all, f, indent=2, ensure_ascii=False)

משום מה קובץ json הוא לא אחד מסוגי הקבצים שניתן להעלות לפורום.[Dictionary.json](פורמט קובץ לא תקין. הפורמטים המורשים הם: .png, .jpg, .bmp, .txt, .webp, .webm, .mp4, .gif, .bat, .pdf, .xlsx, .xls, .docx, .doc, .jpeg)

@ע-ה-דכו-ע