-
Notifications
You must be signed in to change notification settings - Fork 1
/
Copy pathquery_grafo_autor_coauto2r.py
235 lines (181 loc) · 8.79 KB
/
query_grafo_autor_coauto2r.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
import json
from query_grafo_mais_publicado2s import Mais_publicados
from elasticsearch import Elasticsearch
#from unicodedata import normalize
import io
import timeit
class Mais_publicados_coautores:
es=Elasticsearch([{'host':'localhost','port':9200}])
print(es)
link=[]
identificador=[]
link_identificador=[]
link_identificador_completo=[]
json_agrupado=[]
def principal(self):
mais_publicados = Mais_publicados()
mp = mais_publicados.busca_grafo_mais_publicados_dept()
res_autor = self.busca_agregacao_por_autor()
#busca BUCKETS agregações em elastic
for i in range(len(mp)):
self.identificador.append({"id":i,"idlattes":mp[i]['idlattes']})
self.buscar_coautores(mp[i],res_autor)
self.atribuir_identificador(self.link,self.identificador)
#agrupar jsons
self.json_agrupado.append({"nodes":mp,"links":self.link_identificador_completo})
with io.open('json_agrupado.json', 'w',encoding='utf-8') as outfile:
json.dump(self.json_agrupado[0], outfile,ensure_ascii=False)
def atribuir_identificador(self,link,identificador):
#para SOURCE
for i in range(len(link)):
for j in range(len(identificador)):
if(link[i]['source'] == identificador[j]['idlattes']):
self.link_identificador.append({"source": identificador[j]['id'], "target": link[i]['target'],
"value":link[i]['value']})
break
#para TARGET
for i in range(len(self.link_identificador)):
for j in range(len(identificador)):
if(self.link_identificador[i]['target'] == identificador[j]['idlattes']):
self.link_identificador_completo.append({"source": self.link_identificador[i]['source'],
"target": identificador[j]['id'],
"value":self.link_identificador[i]['value']})
break
def buscar_coautores(self, mp, res_autor):
for j in range(len(res_autor['aggregations']['autor']['buckets'])):
if(mp['idlattes'] == res_autor['aggregations']['autor']['buckets'][j]['key']):
for k in range(len(res_autor['aggregations']['autor']['buckets'][j]['subaggs']['buckets'])):
if(res_autor['aggregations']['autor']['buckets'][j]['subaggs']['buckets'][k]['key'] != mp['idlattes']):
self.link.append({"source": mp['idlattes'],
"target": res_autor['aggregations']['autor']['buckets'][j]['subaggs']['buckets'][k]['key'],
"value": res_autor['aggregations']['autor']['buckets'][j]['subaggs']['buckets'][k]['doc_count']})
return
def busca_agregacao_por_autor(self):
res = self.es.search(index="ufscar", body={
"_source": ["dc.contributor.author.authority","dc.contributor.author._nomecompleto"],
"size": 0,
"aggs": {
"autor": {
"terms": {
"field": "dc.contributor.author.authority.keyword",
"size": 10000,
"order": {
"_count": "desc"
}
},"aggs": {
"subaggs": {
"terms": {
"field":"dc.contributor.author.authority.keyword" }
}
}
}
}
})
return res
#inicio = timeit.default_timer()
mpc = Mais_publicados_coautores()
mpc.principal()
#fim = timeit.default_timer()
#print ('duracao: %f' % (fim - inicio))
'''
#BUSCA PARA CADA NOME AS INFORMAÇÕES SOBRE AUTHORITY - INFO_AUTOR SERÁ PASSADO O NOME DE CADA AUTOR (50 MAIS PUBLICADOS)
def procurar_idCNPQ(nomes):
res_ids = busca_ids()
info=[]
info2=[]
info_autor=[]
for i in range(len(nomes)):
info_autor = busca_info_autor(nomes[i]['name'])
function_loops(info_autor,nomes[i],res_ids,info2)
return info2
def function_loops(info_autor,nomes,res_ids,info2):
index=-1
for j in range(len(info_autor['hits']['hits'])):
for w in range(len(info_autor['hits']['hits'][j]['_source']['dc.contributor.author'])):
try:
if(nomes["name"] == info_autor['hits']['hits'][j]['_source']['dc.contributor.author'][w]['_nomecompleto']):
index=index+1
valida = function_buscaIDS(nomes["name"],info_autor['hits']['hits'][j]['_source']['dc.contributor.author'][w]['authority'],
nomes['value'],
res_ids,info2)
if(valida):
return
else:
continue
except KeyError:
continue
return
#BUSCA OS DEPARTAMENTOS E INCLUI NO JSON
def function_buscaIDS(nome_autor,authority,valor,res_ids,info2):
existe=None
for j in range(len(res_ids['hits']['hits'])):
if(authority == res_ids['hits']['hits'][j]['_source']['idCNPq']):
info2.append({"name":res_ids['hits']['hits'][j]['_source']['nome'],
"value":valor,
"idlattes":authority,
"area":res_ids['hits']['hits'][j]['_source']['departamento']})
existe=True
break
return existe
def montar_json_grafo():
qtd_busca = 50
res_autor = busca_agregacao_por_autor(qtd_busca,"dc.contributor.author._nomecompleto.keyword")
#busca BUCKETS agregações em elastic
for i in range(len(res_autor['aggregations']['autor']['buckets'])):
nomes.append({"id":i,"name":res_autor['aggregations']['autor']['buckets'][i]['key'],
"value":res_autor['aggregations']['autor']['buckets'][i]['doc_count']})
#json autor por coautor
for j in range(len(res_autor['aggregations']['autor']['buckets'][i]['subaggs']['buckets'])):
if(res_autor['aggregations']['autor']['buckets'][i]['key'] != res_autor['aggregations']['autor']['buckets'][i]['subaggs']['buckets'][j]['key']):
autor_coautor.append({"source":res_autor['aggregations']['autor']['buckets'][i]['key'],
"target":res_autor['aggregations']['autor']['buckets'][i]['subaggs']['buckets'][j]['key'],
"value":res_autor['aggregations']['autor']['buckets'][i]['subaggs']['buckets'][j]['doc_count']})
#atribui os IDs para o TARGET
for i in range(len(nomes)):
for j in range(len(autor_coautor)):
if( (autor_coautor[j]['target'] == nomes[i]["name"])):
aux_autor_coautor.append({"source":autor_coautor[j]['source'],
"target":nomes[i]["id"],
"value":autor_coautor[j]['value']})
break
#atribui os IDs para o SOURCE
for i in range(len(nomes)):
for j in range(len(aux_autor_coautor)):
if( (aux_autor_coautor[j]['source'] == nomes[i]["name"])) :
aux2_autor_coautor.append({"source":nomes[i]["id"],
"target":aux_autor_coautor[j]["target"],
"value":aux_autor_coautor[j]['value']})
break
#CHAMA FUNCAO PARA PROCURAR IDCNPQ
aux_nomes = procurar_idCNPQ(nomes)
print(len(aux_nomes))
#agrupar jsons
json_agrupado.append({"nodes":aux_nomes,"links":aux2_autor_coautor})
with io.open('json_agrupado.json', 'w',encoding='utf-8') as outfile:
json.dump(json_agrupado[0], outfile,ensure_ascii=False)
def busca_info_autor(nome):
res = es.search(index="ufscar", body={
"_source": ["dc.contributor.author._nomecompleto","dc.contributor.author.authority"],
"query": {
"bool": {
"must": [
{
"match": {
"dc.contributor.author._nomecompleto.keyword": nome
}
}
]
}
}
})
return res
'''
'''
def busca_ids():
res = es.search(index="ufscar_ids", body={
"size": 10000,
"query": {"match_all": {}}
})
return res
montar_json_grafo()
'''