[feat] add code du travail

code-travail-extract.py

@@ -0,0 +1,14 @@
+from pypdf import PdfReader
+reader = PdfReader("/home/alban/code/wokegpt/sources/code-travail-2022.pdf")
+
+full_text = ""
+for page in reader.pages:
+
+    text= page.extract_text()
+
+    full_text += "\n" 
+    full_text += text 
+
+with open("/home/alban/code/wokegpt/sources/code-travail-2022.txt", "a") as myfile:
+    myfile.write(full_text)
+

code-travail-to-yaml.py

@@ -0,0 +1,98 @@
+#! /usr/bin/env python3
+import re
+import yaml
+
+# Première partie : Les relations individuelles de travail
+re_partie = re.compile("^[^ ]+ partie")
+
+# Livre Ier : Dispositions préliminaires
+re_livre = re.compile("^Livre")
+
+# Titre Ier : Champ d'application et calcul des seuils d'effectifs
+re_titre = re.compile("^Titre")
+
+# Chapitre unique.
+re_chapitre = re.compile("^Chapitre")
+
+# Article L1111-1
+re_article = re.compile("^Article")
+
+
+class Doc():
+    content: dict = {}
+    partie: str = ""
+    livre: str = ""
+    titre: str = ""
+    chapitre: str = ""
+    article: str = ""
+    text: str = ""
+
+    def set_partie(self, arg: str):
+        self.partie = arg
+        self.livre = self.titre = self.chapitre = self.text = ""
+
+    def set_livre(self, arg: str):
+        self.livre = arg
+        self.titre = self.chapitre = self.text = ""
+
+    def set_titre(self, arg: str):
+        self.titre = arg
+        self.chapitre = self.text = ""
+
+    def set_chapitre(self, arg: str):
+        self.chapitre = arg
+        self.text = ""
+
+    def set_article(self, arg: str):
+        self.article = arg
+        self.text = ""
+
+    def set_text(self, arg: str):
+        self.text += arg + " "
+        if not self.partie in self.content:
+            self.content[self.partie] = {}
+        if not self.livre in self.content[self.partie]:
+            self.content[self.partie][self.livre] = {}
+        if not self.titre in self.content[self.partie][self.livre]:
+            self.content[self.partie][self.livre][self.titre] = {}
+        if not self.chapitre in self.content[self.partie][self.livre][self.titre]:
+            self.content[self.partie][self.livre][self.titre][self.chapitre] = {}
+        if not self.article in self.content[self.partie][self.livre][self.titre][self.chapitre]:
+            self.content[self.partie][self.livre][self.titre][self.chapitre][self.article] = ""
+        self.content[self.partie][self.livre][self.titre][self.chapitre][self.article] = self.text
+
+
+Document = Doc()
+
+
+def parse_line(line: str, doc: Doc) -> int:
+    if re_partie.match(line):
+        doc.set_partie(line)
+    elif re_livre.match(line):
+        doc.set_livre(line)
+    elif re_titre.match(line):
+        doc.set_titre(line)
+    elif re_chapitre.match(line):
+        doc.set_chapitre(line)
+    elif re_article.match(line):
+        doc.set_article(line)
+    else:
+        doc.set_text(line)
+
+
+# Read the text as list of line
+with open("./sources/code-travail-2022.txt") as fh:
+    lines = fh.readlines()
+
+doc = Doc()
+# Parse the line to get its type and value
+for line in lines:
+    line = line.rstrip()
+    if not line:
+        continue
+    parse_line(line, doc)
+
+with open("./sources/code-travail.yaml", "w") as fh:
+    yaml.safe_dump(doc.content, fh)
+
+# print(doc)