# Zieht die GalNet-Uebertragungen (3300) aus den aufbereiteten Newslettern (en/, de/) import re, sys, json from pathlib import Path NL = Path(sys.argv[1]) START = {'en': re.compile(r'^(\*\*)?(=+ )?(\*\*)?Gal[Nn]et News Transmission \d|^===== Transmission \d|^Galnet Priority'), 'de': re.compile(r'^(\*\*)?(=+ )?(\*\*)?Gal[Nn]et-Nachrichtenübertragung vom \d|^===== Übertragung vom \d')} END = {'en': re.compile(r'sponsored in part by the Bank of Zaonce|^Sports Results'), 'de': re.compile(r'teilweise von der Bank of Zaonce|^Sportergebnisse')} res = {} for nr in range(30, 41): item = {} for lang in ('en', 'de'): L = (NL / lang / f'{lang}_{nr:03d}.txt').read_text(encoding='utf-8').split('\n') s = next(i for i, l in enumerate(L) if START[lang].search(l) and not l.startswith(' *')) # Ueberschrift "**Galnet News**" direkt davor mitnehmen? nein - eigene Seite bekommt eigenen Titel e = max(i for i, l in enumerate(L) if END[lang].search(l) and i > s) # bei #34 folgt nach "Sports Results" kein Sponsor; Absatz bis Leerzeile item[lang] = '\n'.join(L[s:e + 1]).strip() item[lang + '_range'] = (s + 1, e + 1) res['%03d' % nr] = item print(nr, item['en_range'], item['de_range'], len(item['en']), len(item['de']), 'IMG' if '{{' in item['en'] else '') json.dump(res, open(sys.argv[2], 'w'), ensure_ascii=False, indent=1)