रजिस्टर से अर्क में अविश्वसनीयता के बारे में जानकारी की जाँच करें। अजगर में गोंद पीडीएफ

वर्तमान में, एक कंपनी को USRLE से केवल एक कंपनी को बाहर करने की संभावना है, कंपनी के बारे में तथाकथित गलत जानकारी "खुलासा" करके एक बहुत ही जरूरी विषय है। जैसा कि आंकड़े बताते हैं, सितंबर 2018 से, फेडरल टैक्स सर्विस ने कानूनी इकाई के प्रमुख, संस्थापक या पते के बारे में जानकारी की अशुद्धि के रिकॉर्ड के साथ एकीकृत राज्य रजिस्टर से 90,000 संगठनों को बाहर कर दिया। इस तथ्य की खोज करने के लिए कि कंपनी के बारे में गलत जानकारी है, केवल रजिस्टर से निकालकर देखा जा सकता है।

यह इस तरह दिखता है:



समस्या इस तथ्य से बढ़ जाती है कि कर प्राधिकरण के कार्यों के परिणामस्वरूप, अशुद्धि पर डेटा इच्छुक व्यक्ति और "अपने दम पर" दोनों के अनुरोध पर दिखाई दे सकता है। रजिस्टर से अचानक प्रस्थान से खुद को बचाने के लिए, अर्क को नियमित रूप से प्राप्त करने की आवश्यकता होती है। इसे जल्दी और दर्द रहित तरीके से कैसे करें अगर होल्डिंग में बड़ी संख्या में कंपनियां हैं, तो हमने पिछले पोस्ट में जांच की।

इस बार हम विश्लेषण करेंगे कि कानूनी संस्थाओं के रजिस्टर के अर्क में अविश्वसनीयता के बारे में जानकारी के लिए कैसे देखें।

हम मानते हैं कि हमारे पास एफटीएस वेबसाइट से डाउनलोड किए गए बयानों की संख्या है। विवरण में .pdf और कुछ नाम हैं।

हम सभी की आवश्यकता है कि प्रत्येक पीडीएफ फाइल में "कमी" शब्द की खोज करें।

एक बयान के साथ प्रत्येक पीडीएफ को खोलना और खोजना हमारी विधि नहीं है। इसमें अधिक समय लग सकता है। आप एब्बी फिनएडर में सभी फाइलों को गोंद कर सकते हैं, लेकिन इसमें भी पर्याप्त समय लगेगा।

हम एक प्रोग्राम लिखेंगे जो सभी पीडीएफ फाइलों को एक में गोंद देगा। अजगर आपको सेकंड में ऐसा करने देता है!

भविष्य में, हम बनाई गई फ़ाइल को खोलने और रजिस्टर से सभी अर्क पर तुरंत वांछित शब्द की खोज करने में सक्षम होंगे।

चलिए शुरू करते हैं।

* USRLE के कथन C: \ 1 निर्देशिका में स्थित हैं।
नई अजगर फ़ाइल में, हम पीडीएफ और सिस्टम के साथ काम करने के लिए मॉड्यूल आयात करते हैं:

import PyPDF2, os 

अगला, एक खाली सूची बनाएं और निर्देशिका C: \ 1 पर जाएं, जिसमें हमारे सभी कथन स्थित होंगे।

इस निर्देशिका को खाली नहीं करना है। कार्यक्रम में, हमने केवल उन्हीं फाइलों के प्रसंस्करण के लिए प्रदान किया जिनके पास पीडीएफ विस्तार है:

 pdfFiles = [] os.chdir('C:\\1') for filename in os.listdir('.'): if filename.endswith('.pdf'): pdfFiles.append(filename) pdfFiles.sort() 

अगले ब्लॉक बयानों को एक दूसरे से जोड़ते हैं, प्रत्येक बाद के बयान को अंत तक जोड़ते हैं:

 pdfWriter = PyPDF2.PdfFileWriter() # Loop through all the PDF files. for filename in pdfFiles: pdfFileObj = open(filename, 'rb') pdfReader = PyPDF2.PdfFileReader(pdfFileObj) # Loop through all the pages and add them. for pageNum in range(0, pdfReader.numPages): pageObj = pdfReader.getPage(pageNum) pdfWriter.addPage(pageObj) 

यह केवल परिणाम बचाने के लिए बनी हुई है:

 pdfOutput = open('all.pdf', 'wb') pdfWriter.write(pdfOutput) pdfOutput.close() 

इसलिए, कार्यक्रम के काम के बाद, हमें फ़ाइल all.pdf प्राप्त हुआ, जिसके द्वारा जानकारी की अशुद्धि के बारे में आवश्यक जानकारी खोजना पहले से ही संभव है।

एक में gluing के लिए प्रोग्राम डाउनलोड करें - यहां ।

11/08/2019 से जारी है

हमने प्रत्येक विवरण से पहले 4 पृष्ठों को रखते हुए रजिस्टर के विवरणों को काट दिया।
गुड़ की अविश्वसनीयता के बारे में जानकारी। व्यक्ति रजिस्टर के विभिन्न भागों में आते हैं।
अर्क के अंत में अविश्वसनीयता के रिकॉर्ड शामिल हैं, जिन्हें कर द्वारा रद्द कर दिया गया था।
इस प्रकार, यूनिफाइड स्टेट रजिस्टर ऑफ लीगल एंटिटीज से संपूर्ण अर्क के लिए कार्यक्रम चलाना मुश्किल है: कार्यक्रम में इन अप्रचलित प्रविष्टियों को भी ढूंढा जाएगा।
इसलिए, हम USRLE से डाउनलोड किए गए कथनों को काटने के लिए अजगर का उपयोग करेंगे, प्रत्येक से पहले 4 पृष्ठों को बचाएंगे। एक नियम के रूप में, ये पृष्ठ पते या एकमात्र कार्यकारी निकाय में अशुद्धि के संकेत खोजने के लिए पर्याप्त हैं।
पथ 'C: \ 1 \ 2' के साथ सशर्त फ़ोल्डर में पहले से डाउनलोड किए गए सभी (पीडीएफ फाइलों) को स्थानांतरित करें और अजगर कोड निष्पादित करें:

 #! python3 import PyPDF2, os from datetime import datetime start = datetime.now() os.chdir('C:\\1\\2') pdfFiles = [] for filename in os.listdir('.'): if filename.endswith('.pdf'): pdfFiles.append(filename) pdfFiles.sort() pdfWriter = PyPDF2.PdfFileWriter() # Loop through all the PDF files. for filename in pdfFiles: pdfFileObj = open(filename, 'rb') pdfReader = PyPDF2.PdfFileReader(pdfFileObj) # Loop through all the pages and add them. for pageNum in range(0, 4): pageObj = pdfReader.getPage(pageNum) pdfWriter.addPage(pageObj) # Save the resulting PDF to a file. pdfOutput = open('all-small.pdf', 'wb') pdfWriter.write(pdfOutput) pdfOutput.close() print(datetime.now()- start) 

बाहर निकलने पर, हम एक पीडीएफ फाइल में चिपके हुए रजिस्टर स्टेटमेंट प्राप्त करेंगे - "ऑल-स्मॉल.पीडीएफ"। इसके अलावा, प्रत्येक कथन से केवल पहले 4 पृष्ठ होंगे।

अब वाक्यांश "खामियों" की खोज करके "all-small.pdf" चलाएं:

 #!/usr/bin/python import fitz,os filename = "all-small.pdf" search_term = "" pdf_document = fitz.open(filename) for current_page in range(len(pdf_document)): page = pdf_document.loadPage(current_page) if page.searchFor(search_term): print("%s    %i" % (search_term, current_page+1)) 

कार्यक्रम 'एक्रोबेट रीडर' के माध्यम से एकल चिपके हुए पीडीएफ फाइल में खोज करने की तुलना में बहुत तेजी से काम करता है और साथ ही उन पृष्ठों को प्रदर्शित करता है जिन पर टर्मिनल में अनिश्चितता पाई गई थी।