Analýza rozhodnutí NS

1. Vstupní data nahrajte do složky data, na struktuře složek nezáleží. Jednotlivá rozhodnutí musí být v .txt souborech a jejich název (bez přípony) musí odpovídat spisové značce (včetně kapitalizace, tedy například 3_Nd_58_2001.txt). Tato složka též obsahuje soubory .xlsx s metadaty od soudů (sloupec E spisová značka, F datum rozhodnutí, K publikace ve sbírce pod číslem) - tyto sloupce jsou potřeba nadále. Dále někde ve složce data je třeba umístit soubor echr_cases.xlsx, ze kterého se parsují spisové značky ESLP (tento soubor je vyloučen z přípravy metadat jednotlivých rozhodnutí)
2. Následně je potřeba spustit php -d memory_limit=4096M prepare-metadata.php, který z připraví metadata z .xlsx souborů do souboru output/metadata.json, který je nezbytný pro další parsování.
3. Následně je potřeba spustit php -d memory_limit=4096M prepare-eslp-numbers.php, který z dokumentu echr_cases.xlsx sestaví seznam spisových značek ESLP do souboru output/eslp.csv, který je nezbytný pro další parsování.
4. Následně je potřeba spustit php -d memory_limit=4096M index.php

Spuštění každého ze skriptů chvíli zabere, v případě přípravných skriptů jsou to minuty, u hlavního skriptu pak jde o cca hodiny, záleží na dostupné paměti, rychlosti procesoru a v případě hlavního skriptu též rychlosti pevného disku.

Ladící poznámky

Úpravou skriptu index.php lze proces data analýzy ladit.

$limit - maximum zpracovaných souborů rozhodnutí $final - zda provádět finální analýzu, nebo analýzu rozdělovačů (liší se výstup)

Požadavky

PHP alespoň ve verzi 7.1 nainstalované na příkazové řádce Rozšíření PHP php-zip. Dostatek paměti, alespoň 4 GB volné paměti, zpracování a udržení tak velkého množství výsledků vyžaduje tolik paměti.

Omezení

• Ve spisových značkách ESLP extrahovaných z dodaného dokumentu se vyskytují ve sloupci columns.appno hodnoty jako 25-Feb, Jan-55... Zatím ponecháno tak.
• Některé spisové značky se vyskytují vícekrát, například 22 Cdo 2579/2006, která má více různých dokumentů a tudíž i ve výsledném csv se objevuje třikrát s různými výsledky. Pro sloupce zda bylo podáno se bere v potaz přítomnost hodnoty v libovolném záznamu a datum rozhodnutí se bere poslední hodnota dle času).