abclinuxu.cz AbcLinuxu.cz itbiz.cz ITBiz.cz HDmag.cz HDmag.cz abcprace.cz AbcPráce.cz
AbcLinuxu hledá autory!
Inzerujte na AbcPráce.cz od 950 Kč
Rozšířené hledání
×
    včera 20:44 | Nová verze

    Svobodný a otevřený multiplatformní editor EPUB souborů Sigil (Wikipedie, GitHub) byl vydán ve verzi 2.5.0. Stejně tak doprovodný vizuální EPUB XHTML editor PageEdit (GitHub).

    Ladislav Hagara | Komentářů: 0
    včera 12:22 | IT novinky

    Na základě národního atribučního procesu vláda České republiky označila Čínskou lidovou republiku za zodpovědnou za škodlivou kybernetickou kampaň proti jedné z neutajovaných komunikačních sítí Ministerstva zahraničních věcí ČR. Tato škodlivá aktivita, která trvala od roku 2022 a zasáhla instituci zařazenou na seznam české kritické infrastruktury, byla provedena kyberšpionážní skupinou APT31, veřejně spojovanou se zpravodajskou službou Ministerstvo státní bezpečnosti (MSS).

    Ladislav Hagara | Komentářů: 16
    včera 00:11 | Nová verze

    Google Chrome 137 byl prohlášen za stabilní. Nejnovější stabilní verze 137.0.7151.55 přináší řadu novinek z hlediska uživatelů i vývojářů. Podrobný přehled v poznámkách k vydání. Opraveno bylo 11 bezpečnostních chyb. Vylepšeny byly také nástroje pro vývojáře.

    Ladislav Hagara | Komentářů: 1
    27.5. 19:22 | Nová verze

    Byl vydán AlmaLinux OS 10 s kódovým názvem Purple Lion. Podrobnosti v poznámkách k vydání. Na rozdíl od Red Hat Enterprise Linuxu 10 nadále podporuje x86-64-v2.

    Ladislav Hagara | Komentářů: 1
    27.5. 15:11 | Nová verze

    Byl vydán Mozilla Firefox 139.0. Přehled novinek v poznámkách k vydání a poznámkách k vydání pro vývojáře. Řešeny jsou rovněž bezpečnostní chyby. Nový Firefox 139 je již k dispozici také na Flathubu a Snapcraftu.

    Ladislav Hagara | Komentářů: 8
    27.5. 10:44 | Komunita

    Byly publikovány výsledky průzkumu mezi uživateli Blenderu uskutečněného v říjnu 2024. Zúčastnilo se více než 7000 uživatelů. Téměř 93 % z nich například používá uživatelské rozhraní v angličtině.

    Ladislav Hagara | Komentářů: 17
    26.5. 23:55 | Zajímavý článek

    Lukáš Růžička v článku RamaLama aneb vyháníme lamy na vlastní louku na MojeFedora.cz představuje open source nástroj RamaLama umožňující spouštět jazykové modely v izolovaných OCI kontejnerech, a to bezpečně, bez potřeby mít root přístup k počítači, s podporou GPU či CPU a bez zbytečných obtížností kolem.

    Ladislav Hagara | Komentářů: 2
    26.5. 22:55 | Nová verze

    Byl vydán Sublime Text 4 Build 4200. Sublime Text (Wikipedie) je proprietární multiplatformní editor textových souborů a zdrojových kódů. Ke stažení a k vyzkoušení je zdarma. Pro další používání je nutná licence v ceně 99 dolarů. Spolu se Sublime Merge je cena 168 dolarů.

    Ladislav Hagara | Komentářů: 0
    26.5. 18:00 | Nová verze

    Multiplatformní open source voxelový herní engine Luanti byl vydán ve verzi 5.12.0. Podrobný přehled novinek v changelogu. Původně se jedná o Minecraftem inspirovaný Minetest v říjnu loňského roku přejmenovaný na Luanti.

    Ladislav Hagara | Komentářů: 0
    26.5. 16:11 | Nová verze

    Armbian, tj. linuxová distribuce založená na Debianu a Ubuntu optimalizovaná pro jednodeskové počítače na platformě ARM a RISC-V, ke stažení ale také pro Intel a AMD, byl vydán ve verzi 25.5. Přehled novinek v Changelogu.

    Ladislav Hagara | Komentářů: 0
    Jaký je váš oblíbený skriptovací jazyk?
     (55%)
     (31%)
     (8%)
     (3%)
     (0%)
     (0%)
     (3%)
    Celkem 149 hlasů
     Komentářů: 12, poslední včera 18:42
    Rozcestník

    Dotaz: jak na úřední desku

    8.10.2024 17:39 vyhledávající
    jak na úřední desku
    Přečteno: 668×
    Dobrý den,

    potřebuji skript nebo nějaký příkaz, který najde informaci typu "IČO" nebo "jméno a příjmení". Na úřední desce (https://infodeska.justice.cz/subjekt.aspx?subjkod=202090) se nacházejí odkazy na další jakoby podstránky s různými usneseními, sděleními, oznámeními apod.ty jsou ve formátu pdf. Potřebuji nějaký příkaz který by ty pdf soubory, které mají hledané informace stáhl.

    Prosím odpovídejte mi polopaticky abych to pochopil, a aby to šlo v Ubuntu. Předem děkuji.

    Řešení dotazu:


    Odpovědi

    8.10.2024 19:30 X
    Rozbalit Rozbalit vše Re: jak na úřední desku
    Muzes uvest priklad? Zadne ICO, nnebo jmeno prijmeni nikde nevidim..
    8.10.2024 21:32 vyhledávající
    Rozbalit Rozbalit vše Re: jak na úřední desku

    Na té desce je třeba odkaz na tuto stránku "https://infodeska.justice.cz/vyveseni.aspx?vyveseniid=8675925";  na ní je pdf-ko (https://infodeska.justice.cz/soubor.aspx?souborid=8834213) usnesení soudu, kde soud žádá, aby se mu přihlásili lidi co viděli Jiřího V., než ho prohlásí za mrtvého.

    Mě se jedná o to, že chci na té desce soudu prohledat všechny (strojově čitelné) pdf soubory s usneseními, vyhláškami a pod., které v sobě obsahují zmínky o např. Jiřím V (v prvním pádě j.č.). Jde mi prostě o to vyhledávání, protože ručně proklikávat všechny pdf-ka je mimo mé schopnosti.

    AI mi tvrdila, že by to šlo udělat tak, že se přes wget stáhnou všechny pdf soubory na desce a pak se prohledá obsah jednotlivých souborů, a ten který nebude mít požadovaný obsah se smaže. Jí vygenerovaný kód ale neudělal nic.

    konkrétně to vyplivlo toto:

    wget -r -l1 -nd -A pdf URL_STRÁNKY

    • -r (recursive): Rekurzivní stahování.
    • -l1 (level): Nastaví hloubku rekurze na 1 (prohledá pouze aktuální stránku).
    • -nd (no directories): Uloží všechny soubory do aktuálního adresáře (ne do žádných podadresářů).
    • -A pdf: Stáhne pouze soubory s příponou .pdf
  • Já zde samozřejmš potřebuji prohledat i ty podstránky, kde jsou ta pdf-ka, ale ono to nestáhlo to pdf-ko ani na stránce, která na něj přímo odkazuje - třeba na té výše zmíněné (https://infodeska.justice.cz/vyveseni.aspx?vyveseniid=8675925).
  • Řešení 1× (Max)
    Gréta avatar 9.10.2024 02:32 Gréta | skóre: 37 | blog: Grétin blogísek | 🇮🇱==❤️ , 🇵🇸==💩 , 🇪🇺==☭
    Rozbalit Rozbalit vše Re: jak na úřední desku
    Jí vygenerovaný kód ale neudělal nic.

    wget myslimže na tudlectu stránku nepude nějak rozumě použít páč jsou tam přípony souborů skrytý a soubory jsou poskovávaný jako nějaký proměný 'souborid' strkaný do furt stejnýho nějakýho aspx windowsího skriptu kterej nám pak sype ty hotový pdfka. Nicmeně ty jednotlivý pdfka je možný pořád wgetem stáhnout když známe to souborid, jen ten wget budem muset jakože dost víst za ručičku :D ;D

    nejdřiv si stáhnem tu stránku která nás zajimá, uděláme to tak že použijem přepínadlo '-k' by nám to nepřevedlo adresy odkazů do lokální podoby ale nechalo je to v tý takzvaný absoltuní, to nám zjednoduší další dělání:

    wget -k -np https://infodeska.justice.cz/subjekt.aspx?subjkod=202090

    v dalším kroku si z toho souboru vytáhnem pomocí hele grepu všecky validní url adresy který začinaj na 'https://infodeska.justice.cz/soubor.aspx' a strčíme si je do txťáku pro další použití:

    cat subjekt.aspx?subjkod=202090 | grep -Eo "https://infodeska.justice.cz/soubor.aspx[a-zA-Z0-9./?=_-]*" > urls.txt

    vyrobíme si podsložšku a do ní si pomocí wgetu postahujem všecky ty pdfka, to už muže chvilku trvat, v zavislosti na počtu a velikosti těch souborů a jak moc se ten justicovej web bude bránit :D

    mkdir pdfka
    wget -i urls.txt -P ./pdfka
    

    tak to bysme měli stažený ty pdfka, teďko bude asi eště potřeba ňák jakože prohledat ty soubory pro ty různý iča nebo mena, todle je pro mě terra incognita ale asi by šel použít hele pdfgrep :O ;D

    jestli nemáme tak si ho v ubuntu mužeme nainstalovat asi pomocí vobligátního 'sudo apt install pdfgrep'

    složku s těma pdfkama prohledáme pdfgrepem pro výskyt nějakýho ména třeba jozef:

    pdfgrep Jozef ./pdfka/*

    ....a hele voni tam ňáký jozefové sou :O :D :O :D

    ./pdfka/soubor.aspx?souborid=8825981:Adresát : Jozef Kizek, 1994
    ./pdfka/soubor.aspx?souborid=8825982:    Adresát: Jozef Kizek, 1994
    ./pdfka/soubor.aspx?souborid=8827322:Adresát Jozef Ollé, narozený 1991
    

    takže jo, to by asi jako šlo použít :O ;D asi by to šlo eště vylepšit přesměrováním wgetu rovnou do grepu a to pak rovnou do toho druhýho grepu by se ušetřilo zbytečný zapisování na disk + další kejkle ale zatim asi jako dobrý :O ;D

    9.10.2024 10:52 vyhledávající
    Rozbalit Rozbalit vše Re: jak na úřední desku
    Mockrát díky, je to dobrý! :)
    Gréta avatar 9.10.2024 15:08 Gréta | skóre: 37 | blog: Grétin blogísek | 🇮🇱==❤️ , 🇵🇸==💩 , 🇪🇺==☭
    Rozbalit Rozbalit vše Re: jak na úřední desku

    supr :D ;D

    jestli to chceš jako skript tak asi jako takle nějak

    #!/usr/bin/env bash
    
    # první argument skriptu je stránka kterou budem prohledávat
    # druhej hledanej vyraz v těch pdfkách, třeba nějaký to méno
    prohledavanaStranka=$1
    hledanejVyraz=$2
    
    # vyrobíme si složšku kam postahujem ty pdfka
    mkdir -p PDFka
    
    # stáhnem si prohledávanou stránku a rovnou ji proženem grepem a
    # postahujem si všecky ty pdfka
    wget -q -np $prohledavanaStranka -O- | grep -Eo "soubor.aspx[a-zA-Z0-9./?=_-]*" | \
    while read url
    do
            echo "stahuje se: $url"
            # musíme si připsat ten prefix ke každýmu souboru
            # (když strkáme vystup wgetu na standartní vystup tak
            # nejde použít přepinač -k )
            wget -q -P ./PDFka "https://infodeska.justice.cz/$url" 
    done
    
    echo ""
    echo "soubory jsou stažený"
    echo ""
    echo "budeme v nich hledat $hledanejVyraz :"
    echo ""
    
    # projdem složšku s pdfkama pro hledanej vyraz
    pdfgrep $hledanejVyraz ./PDFka/*
    
    # po skončení bysme asi jako mohli smazat ty pdfka ale předpokládám
    # že snima asi jakože budeš nějak dál dělat možná, tak to necham zakomentovaný rači :O ;D
    # rm ./PDFka/*
    
    

    zapsat to třeba do souboru 'skript.sh', udělat to přikazem 'chmod +x skript.sh' spustitelný a pouštět třeba jako './skript.sh https://infodeska.justice.cz/subjekt.aspx?subjkod=123456 Jozef' :D ;D

    9.10.2024 18:28 vyhledávající
    Rozbalit Rozbalit vše Re: jak na úřední desku
    Díky, funguje to bezvadně. Jenom žádného známého jsem tam ještě nenašel ;)
    Řešení 1× (Gréta)
    8.10.2024 21:33 neal_cz | skóre: 29
    Rozbalit Rozbalit vše Re: jak na úřední desku
    Nejak tak?

    baseURL = 'https://infodeska.justice.cz/'
    URL = 'https://infodeska.justice.cz/subjekt.aspx?subjkod=202090'
    import requests
    
    headers = {'User-Agent': "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/42.0.2311.135 Safari/537.36 Edge/12.246"}
    r = requests.get(URL)
    
    from bs4 import BeautifulSoup
    obsah = BeautifulSoup(r.content, 'html5lib')
    
    import re
    def najdi_soubory(href):
        return href and re.compile('soubor.aspx').search(href)
    
    k_prohledani = []
    for odkaz in obsah.find_all(href=najdi_soubory):
        k_prohledani.append(f'{baseURL}{odkaz['href']}')
    
    from pdfquery import PDFQuery
    from io import BytesIO
    
    hledane = "Jmeno/ICO"
    
    for soubor in k_prohledani:
        f = requests.get(k_prohledani[0])
        bytes_stream = BytesIO(f.content)
        pdf = PDFQuery(bytes_stream)
        pdf.load()
        nalezeno = pdf.pq(f':contains({hledane})')
        if nalezeno:
            print(f'"{hledane}" nalezeno v souboru {soubor}')
    
    8.10.2024 22:55 X
    Rozbalit Rozbalit vše Re: jak na úřední desku
    Omezil bych to na letosni rok. Nevim jestli tazatel vubec pozna v cem je to napsane a co ma delat..
    9.10.2024 11:07 vyhledávající
    Rozbalit Rozbalit vše Re: jak na úřední desku
    Taky moc díky, ale fakt netuším, jak to pustit. Nicméně thunbergovské řešení funguje. :)

    Gréta avatar 9.10.2024 15:09 Gréta | skóre: 37 | blog: Grétin blogísek | 🇮🇱==❤️ , 🇵🇸==💩 , 🇪🇺==☭
    Rozbalit Rozbalit vše Re: jak na úřední desku
    netuším, jak to pustit

    to jeho je skript v pythonu :O ;D

    myslimže python je v ubuntu už předinstalovanej, budeš si iirc muset nainstalovat jenom pip

    sudo apt install python3-pip

    noa pak všecky potřebný knihovny, to znamená requests, BeautifulSoup a PDFQuery

    pip3 install requests pdfquery beautifulsoup4

    pak ten Nealův skript mužeš pustit třeba jako

    python3 skript.py
    9.10.2024 15:15 neal_cz | skóre: 29
    Rozbalit Rozbalit vše Re: jak na úřední desku
    ... a predtim opravit chybu ve smycce: "k_prohledani[0]" nahradit "soubor".

    Stydim se a vyprovodim se sam.

    Založit nové vláknoNahoru

    Tiskni Sdílej: Linkuj Jaggni to Vybrali.sme.sk Google Del.icio.us Facebook

    ISSN 1214-1267   www.czech-server.cz
    © 1999-2015 Nitemedia s. r. o. Všechna práva vyhrazena.