NextLogic-Test

A Python tool for parsing and validating text files into JSON format.

Bună ziua, sunt Cosmin. Aici voi scrie pașii pe care i-am parcurs pentru a finaliza testul.

1. Alegerea Limbajului și a Bibliotecilor

Am ales ca limbaj de programare Python și am folosit Tkinter pentru a crea interfața grafică:

• Tkinter este o bibliotecă standard în Python, care permite crearea de interfețe grafice ușor și rapid.
• JSON este o bibliotecă standard în Python pentru manipularea datelor în format JSON.

2. Instalarea Bibliotecilor

• Tkinter vine preinstalat cu majoritatea distribuțiilor de Python, dar poate fi instalat cu comanda pip install tk.
• JSON este o bibliotecă standard și nu necesită instalare separată.

3. Crearea Fișierului Python de Bază (main.py)

Am început prin importarea bibliotecilor necesare și definirea funcțiilor utile pentru manipularea și procesarea textului și a datelor JSON:

• import json: Pentru a lucra cu datele în format JSON.
• import re: Pentru a utiliza expresii regulate în vederea extragerii și manipulării textului.
• import tkinter as tk: Pentru a crea interfața grafică.
• from tkinter import filedialog: Pentru a deschide un dialog de selectare a fișierelor.
• from collections import Counter, defaultdict: Pentru a utiliza structuri de date specializate, cum ar fi numărătoarele și dicționarele implicite.

4. Conversia Fișierului .txt într-un JSON Valid

4.1. Eliminarea Spațiilor Inutile

• Funcția clean_text_value elimină spațiile de la începutul și sfârșitul textului și adaugă ghilimele în jurul valorilor, dacă acestea nu sunt deja acoperite de ghilimele.

4.2. Adăugarea Ghilimelelor la Chei

• Funcția convert_tags_to_json adaugă ghilimele în jurul cheilor care nu au deja ghilimele, folosind expresii regulate pentru a modifica textul JSON.

4.3. Prelucrarea Valorilor Între "text" și "boundingBox"

• Funcția convert_tags_to_json aplică clean_text_value pentru a adăuga ghilimele valorilor între "text": și "boundingBox".

4.4. Validarea JSON-ului

• Funcția validate_json încearcă să parseze textul JSON și, în caz de eroare, returnează detalii despre eroare, inclusiv poziția și un fragment al textului din jurul erorii.

5. Extracția și Curățarea Datelor

Am folosit diverse funcții pentru a extrage și curăța datele din textul JSON, asigurându-ne că datele sunt relevante și corect formatate.

5.1. Extracția Numărului Cardului

• Funcția extract_card_number utilizează o expresie regulată pentru a extrage numerele de card în formatul xxxx xxxxx x din textul JSON.

5.2. Extracția Numărului, Numele, Inițiala și Prenumele

• 5.2.a. Curățarea Datelor pentru a Păstra Doar Cifrele și Majusculele:

  • Funcția clean_text elimină literele mici, păstrând doar majusculele și cifrele.

• 5.2.b. Identificarea Celui Mai Repetitiv Cuvânt:

  • Funcția most_common_word caută și returnează cuvântul cel mai frecvent din text, considerat a fi numele de familie.

• 5.2.c. Separarea și Repoziționarea Numele de Familie:

  • Funcția extract_citizen_data separă numele de familie de restul datelor și îl poziționează la sfârșit, folosind cel mai comun cuvânt identificat anterior.

• 5.2.d. Crearea unui Pattern Regex pentru Extracția Datelor într-un Format Specific:

  • Funcția extract_citizen_data creează un pattern regex pentru a extrage datele într-un format specific, cum ar fi nr firstname initial lastname.

• 5.2.e. Preluarea Celui Mai Frecvent Nume pentru Fiecare Număr:

  • Funcția most_common_per_number grupează și identifică cel mai frecvent nume pentru fiecare număr de card, evitând derivatele necorespunzătoare.

• 5.2.f. Ștergerea Spațiilor Goale de După Sfârșitul Numele Utilizatorului:

  • Funcția clean_user_name elimină spațiile goale de la sfârșitul numelui utilizatorului.

• 5.2.g. Extracția și Păstrarea Textelor care Conțin Cel Mai Frecvent Nume pentru Fiecare Număr:

  • Funcția extract_names combină funcțiile anterioare pentru a extrage și păstra doar textele care conțin cel mai frecvent nume pentru fiecare număr de card.

5.3. Extracția Datei de Expirare:

• Am folosit formatul care caută o dată în formatul "mm/yyyy".

6. Încărcarea și Procesarea Fișierului

Am implementat funcționalități pentru încărcarea, procesarea și extragerea datelor din fișierul .txt, asigurându-ne că datele sunt corect formatate și prezentate.

6.1. Încărcarea Fișierului

• Funcția upload_file:
  • Deschide un dialog pentru selectarea fișierului .txt.
  • Citește conținutul fișierului folosind encodarea utf-8-sig.

6.2. Conversia și Validarea JSON-ului

• Conversie:
  • Funcția convert_tags_to_json transformă textul în format JSON valid.
• Validare:
  • Funcția validate_json verifică validitatea JSON-ului și returnează eventualele erori.

6.3. Extracția Datelor

• Funcția extract_text:
  • Extrage textul din JSON.
• Funcția extract_card_number:
  • Utilizează o expresie regulată pentru a extrage numerele de card în formatul xxxx xxxxx x.
• Funcția extract_names:
  • Extrage și formatează numele utilizatorilor folosind funcții de curățare și identificare a celor mai frecvente nume.
• Funcția extract_valid_to:
  • Extrage data de validitate folosind o expresie regulată.

6.4. Formatul Rezultatelor

• Rezultatul final este structurat în formatul JSON, dupa cerință:

json { "cardNumber": "0000 00000 0", "users": ["1 FirstName MiddleNameInitial LastName", ...], "validTo": "00/0000" }

7. Afișarea Rezultatelor

Am implementat funcția display_result pentru a prezenta datele extrase într-o interfață grafică, folosind Tkinter pentru a crea un layout estetic și informativ.

7.1. Funcția display_result

• Scop:

  • Afișează numărul de card, numele utilizatorilor și data de validitate într-un format structurat.

• Funcționalitate:

  • Ascunde Elementele Anterioare:
    • Funcția ascunde butonul de încărcare a fișierului și informațiile despre tipul de fișier.
  • Creare Cadru Rezultate:
    • Creează un cadru principal (result_frame) pentru afișarea rezultatelor.
  • Creare Cadru Interior:
    • Adaugă un cadru interior (inner_frame) cu un fundal diferit și bordură ridicată.
  • Afișare Număr Card:
    • Creează un cadru pentru numărul cardului (card_number_frame) și adaugă textul numărului de card sau un mesaj alternativ dacă nu a fost găsit niciun număr.
  • Afișare Nume Utilizatori:
    • Creează un cadru pentru numele utilizatorilor (users_frame).
    • Dacă există nume, le afișează într-un format tabelar. Dacă nu sunt nume, afișează un mesaj alternativ.
  • Afișare Data de Validitate:
    • Creează un cadru pentru data de validitate (valid_to_frame) și adaugă textul datei de validitate sau un mesaj alternativ dacă nu a fost găsită nicio dată.

Prin acești pași, am reușit să extrag și să afișez corect datele din fișierul .txt într-un format JSON valid și să le prezint într-o interfață grafică ușor de utilizat.