import re
# Marcelo Felipe Tanii
# http://marocero2016.blogspot.com/
# https://sinapseprotocol.blogspot.com
def le_assinatura():
print("Bem-vindo ao detector automático de COH-PIAH.")
print("Informe a assinatura típica de um aluno infectado:")
wal = float(input("Entre o tamanho medio de palavra:"))
ttr = float(input("Entre a relação Type-Token:"))
hlr = float(input("Entre a Razão Hapax Legomana:"))
sal = float(input("Entre o tamanho médio de sentença:"))
sac = float(input("Entre a complexidade média da sentença:"))
pal = float(input("Entre o tamanho medio de frase:"))
return [wal, ttr, hlr, sal, sac, pal]
def le_textos():
i = 1
textos = []
texto = input("Digite o texto " + str(i) +" (aperte enter para sair):")
while texto:
textos.append(texto)
i += 1
texto = input("Digite o texto " + str(i) +" (aperte enter para sair):")
print('le_textos()', texto)
return textos
def separa_sentencas(texto):
sentencas = re.split(r'[.!?]+', texto)
if sentencas[-1] == '':
del sentencas[-1]
return sentencas
def separa_frases(sentenca):
return re.split(r'[,:;]+', sentenca)
def separa_palavras(frase):
return frase.split()
def n_palavras_unicas(lista_palavras):
freq = dict()
unicas = 0
for palavra in lista_palavras:
p = palavra.lower()
if p in freq:
if freq[p] == 1:
unicas -= 1
freq[p] += 1
else:
freq[p] = 1
unicas += 1
return unicas
def n_palavras_diferentes(lista_palavras):
freq = dict()
for palavra in lista_palavras:
p = palavra.lower()
if p in freq:
freq[p] += 1
else:
freq[p] = 1
return len(freq)
def compara_assinatura(as_a, as_b):
i = 0
cp = 0
while i < 6:
cp = cp + abs(as_a[i]-as_b[i])
i += 1
cp = abs(cp)/6
return cp
def calcula_assinatura(texto):
sentencas = separa_sentencas(texto)
#print('|sentencas:', len(sentencas))
si = 0
frases = []
while si < len(sentencas):
frases = frases + separa_frases(sentencas[si])
si += 1
#print('|frases:', len(frases))
palavras = separa_palavras(chngcarac(texto))
#print('|palavras:', len(palavras))
unicas = n_palavras_unicas(palavras)
#print('|unicas:', unicas)
diferentes = n_palavras_diferentes(palavras)
#print('|diferentes:', diferentes)
tamPalavras = 0
for palavra in palavras:
tamPalavras = tamPalavras + len(palavra)
#print('|tamPalavras', tamPalavras)
mediaPalavras = tamPalavras/len(palavras)
#print('|1-mediaPalavras:', mediaPalavras)
typeToken = diferentes/len(palavras)
#print('|2-typeToken:', typeToken)
hapax = unicas/len(palavras)
#print('|3-hapax:', hapax)
tamSentenca = 0
si = 0
while si < len(sentencas):
for sentenca in sentencas[si]:
tamSentenca = tamSentenca + len(sentenca)
si += 1
mediaSentecas = tamSentenca/len(sentencas)
#print('|4-mediaSentecas', mediaSentecas, tamSentenca, len(sentencas))
complx = len(frases)/len(sentencas)
#print('|5-complx:', complx, len(frases))
si = 0
medFrase = 0
while si < len(frases):
medFrase = medFrase + len(frases[si])# 413/9 45.88
si += 1
mediaFrases = medFrase/len(frases)
#print('|6-medFrase:', mediaFrases)
ss = []
ss.append(mediaPalavras)
ss.append(typeToken)
ss.append(hapax)
ss.append(mediaSentecas)
ss.append(complx)
ss.append(mediaFrases)
#print(ss)
return ss
def avalia_textos(textos, ass_cp):
i = 0
ai = False
anterior = False
ss = 0
while len(textos) > i:
#print(i)
texto = textos[i]
ss = calcula_assinatura(texto)
#print('1:', ss)
cp = compara_assinatura(ass_cp, ss)
#print('2:', cp)
if not anterior or anterior > cp:
anterior = cp
ai = i
i += 1
return ai + 1
def chngcarac (texto):
carac = ['"', "'", '.', '(', ')', ';', ',', ':']
i = 0
c = 0
while c < len(carac):
out = ''
while i < len(texto):
if texto[i] != carac[c]:
out = out + texto[i]
else:
out = out + ' '
i += 1
c += 1
i = 0
texto = out
return out
def main():
textos = le_textos()
ass_cp = le_assinatura()
ai = avalia_textos(textos, ass_cp)
print('O autor do texto', ai, 'está infectado com COH-PIAH')
main()
