Paseo-por-arboles-de-Madrid/scripts/medialab.py

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""
Created on Fri May 28 17:00:51 2021

"""
#NECESITAS INSTALAR:
# pip install -U spacy
# python -m spacy download es_core_news_sm

#IMPORTAMOS MÓDULOS________________________________________________________

import spacy
import random


# Cargar tokenizer en español
nlp = spacy.load("es_core_news_sm")
nlp_en = spacy.load("en_core_web_sm")

#FUNCIONES_________________________________________________________________

def limpiar_texto(fragmento):
	fragmento_limpio = fragmento.split('--')
	fragmento_limpio = ', '.join(fragmento_limpio)
	fragmento_limpio = fragmento.split('\n')
	fragmento_limpio = ' '.join(fragmento_limpio)
	return fragmento_limpio

def crear_base_datos(nombre_texto, idioma='es'):
	# Abrir el archivo de texto para crear la base de datos
	archivo = open(nombre_texto, 'r')
	fragmento = archivo.read()
	archivo.close()
	fragmento_limpio = limpiar_texto(fragmento)
	
	# Tokenización del fragmento de texto
	if idioma == 'en':
		doc = nlp_en(fragmento_limpio)
		doc_len = len(doc)
	else:
		doc = nlp(fragmento_limpio)
		doc_len = len(doc)

	palabras_arboles = {} #Verbos, sustantivos, adverbios y adjetivos
	palabras_camino = {} #El resto de palabras
	for i in range(0, doc_len-1):
		tok = doc[i]
		palabra = tok.text.lower()
		sig_palabra = doc[i+1].text.lower()
		if (tok.pos_ == 'VERB' or tok.pos_ == 'NOUN'\
			or tok.pos_ == 'ADJ' or tok.pos_ == 'ADV'):
			if palabra in palabras_arboles:
				palabras_arboles[palabra].append(sig_palabra)
			else:
				palabras_arboles[palabra] = [sig_palabra]
		else:
			if palabra in palabras_camino:
				palabras_camino[palabra].append(sig_palabra)
			else:
				palabras_camino[palabra] = [sig_palabra]
	return (palabras_arboles, palabras_camino)

#Genera la siguiente palabra en el camino según la cadena de Markov
def paso(palabra, palabras_arboles, palabras_camino):
	if palabra in palabras_arboles:
		posibilidades = palabras_arboles[palabra]
		dado = random.choice(range(0, len(palabras_arboles[palabra])))
		palabra_siguiente = palabras_arboles[palabra][dado]
		return (posibilidades, dado, palabra_siguiente)
	elif palabra in palabras_camino :
		posibilidades = palabras_camino[palabra]
		dado = random.choice(range(0, len(palabras_camino[palabra])))
		palabra_siguiente = palabras_camino[palabra][dado]
		return (posibilidades, dado, palabra_siguiente)
	else:
		pass

def camino(palabra, palabras_arboles, palabras_camino):
	i = 0
	itinerario = palabra.capitalize() + ' '
	while palabra != '.' and i < 100:
		delimitador = ' '
		_, __, palabra_siguiente = paso(palabra, palabras_arboles, palabras_camino)
		if palabra_siguiente in '.,:;!?\)':
			itinerario = itinerario[:-1]
		aliento = random.random()
		if aliento < 0.1:
			delimitador = '\n'
		itinerario += (palabra_siguiente + delimitador)
		i += 1
	return itinerario

#Genera un camino a partir de un texto y una palabra del texto
def crear_camino(nombre_archivo, palabra_inicial):
	(palabras_arboles, palabras_camino) = crear_base_datos(nombre_archivo)
	
	return camino(palabra_inicial, palabras_arboles, palabras_camino)

if __name__ == '__main__':
	#EJECUCIÓN__________________________________________________________________
	print(crear_camino('../data/emilia_prueba.txt', 'un'))