48 lines
1.9 KiB
Python
48 lines
1.9 KiB
Python
"""Identifiant stable des étiquettes automatiques (D-131) : `<STATION>-<n>`, donné une fois, jamais changé ni réutilisé.
|
|||
|
|
|
||
|
|
python3 labeling/ids.py # donne un id aux étiquettes qui n'en ont pas, toutes les stations de labeling/auto/
|
||
|
|
python3 labeling/ids.py NORDEND # une station
|
||
|
|
|
||
|
|
Une étiquette garde son id quand on la modifie ; une étiquette ajoutée reçoit le suivant de sa station.
|
||
|
|
Le reste du fichier ne change pas (ordre, champs). Bibliothèque standard.
|
||
|
|
"""
|
||
|
|
import glob
|
||
|
|
import json
|
||
|
|
import os
|
||
|
|
import sys
|
||
|
|
|
||
|
|
|
||
|
|
def attribuer(station, etiquettes):
|
||
|
|
"""Donne un id aux étiquettes qui n'en ont pas, à la suite des ids de la station -> le nombre d'ids donnés."""
|
||
|
|
# ponytail: le suivant du plus grand id présent ; retirer la dernière étiquette puis en ajouter une réutilise
|
||
|
|
# son numéro. Un compteur par station si cela gêne.
|
||
|
|
pris = [int(e["id"].rsplit("-", 1)[1]) for e in etiquettes if "id" in e]
|
||
|
|
n = max(pris, default=0)
|
||
|
|
donnes = 0
|
||
|
|
for e in etiquettes:
|
||
|
|
if "id" not in e:
|
||
|
|
n += 1
|
||
|
|
e["id"] = f"{station}-{n}"
|
||
|
|
donnes += 1
|
||
|
|
return donnes
|
||
|
|
|
||
|
|
|
||
|
|
def fichier(station):
|
||
|
|
p = f"labeling/auto/{station}.jsonl"
|
||
|
|
es = [json.loads(l) for l in open(p, encoding="utf-8") if l.strip()]
|
||
|
|
if attribuer(station, es):
|
||
|
|
provisoire = p + ".tmp"
|
||
|
|
with open(provisoire, "w", encoding="utf-8") as f:
|
||
|
|
f.writelines(json.dumps(e, ensure_ascii=False) + "\n" for e in es)
|
||
|
|
os.replace(provisoire, p)
|
||
|
|
return es
|
||
|
|
|
||
|
|
|
||
|
|
if __name__ == "__main__":
|
||
|
|
stations = sys.argv[1:] or sorted(os.path.basename(p)[:-6] for p in glob.glob("labeling/auto/*.jsonl"))
|
||
|
|
for st in stations:
|
||
|
|
avant = sum(1 for l in open(f"labeling/auto/{st}.jsonl", encoding="utf-8") if l.strip() and '"id"' not in l)
|
||
|
|
es = fichier(st)
|
||
|
|
ids = [e["id"] for e in es]
|
||
|
|
assert len(ids) == len(set(ids)), f"{st} : ids en double"
|
||
|
|
print(f"{st} : {len(es)} étiquettes, {avant} ids donnés")
|