Полное собрание сочинений И.В. Сталина¶

StalinWorks(data_dir=DEFAULT_DATASET_DIR)

Набор данных полного собрания сочинений И.В. Сталина. Для его формирования используются 16 основных томов оцифрованного полного собрания сочинений:

Том 1. Произведения 1901-1907
Том 2. Произведения 1907-1913
Том 3. Произведения 1917 (март-октябрь)
Том 4. Произведения 1917-1920
Том 5. Произведения 1921-1923
Том 6. Произведения 1924
Том 7. Произведения 1925
Том 8. Произведения 1926
Том 9. Произведения 1926-1927
Том 10. Произведения 1927
Том 11. Произведения 1928-1929
Том 12. Произведения 1929-1930
Том 13. Произведения 1930-1934
Том 14. Произведения 1934-1940
Том 15. Произведения 1941-1945
Том 16. Произведения 1946-1952

Исключения:

SourceTypeError - data_dir, который не строка и не Path.

КодРезультат

from ruts.datasets import StalinWorks

sw = StalinWorks()
sw.download()
sw.info

{'Наименование': 'stalin_works',
 'url': 'https://dataverse.harvard.edu/dataset.xhtml?persistentId=doi:10.7910/DVN/JMPSDM',
 'description': 'Полное собрание сочинений И.В. Сталина',
 'author': 'Шкарин С.С.'}

Параметры¶

Параметр	Тип	По умолчанию	Описание
`data_dir`	`str` / `Path`	`DEFAULT_DATASET_DIR`	Путь к директории с набором данных; по умолчанию `texts` в `DEFAULT_DATA_DIR`

Атрибуты¶

Атрибут	Тип	Описание
`labels`	`tuple[str]`	Кортеж номеров томов
`info`	`dict[str, str]`	Наименование набора данных и справочная информация о нем

Методы¶

download(force=False) загружает архив stalin_works_v1.tar.xz из сети с проверкой контрольной суммы и извлекает файлы в директорию stalin_works_v1.

Параметр	Тип	По умолчанию	Описание
`force`	`bool`	`False`	Загрузить набор данных, даже если он уже загружен

Архив, который не удалось загрузить или который дважды не прошел проверку контрольной суммы, дает DownloadError, архив, который не удалось извлечь, - DataFileError.

check_data() проверяет, что набор данных загружен полностью, и возвращает True; незагруженный или неполный набор дает DatasetNotFoundError с командами загрузки.

get_texts(volume=None, year=None, text_type=None, is_translation=None, source=None, subject=None, topic=None, min_len=None, max_len=None, limit=None) извлекает тексты (без заголовков) из набора данных.

Параметр	Тип	По умолчанию	Описание
`volume`	`int`	`None`	Номер тома
`year`	`int`	`None`	Год написания
`text_type`	`str`	`None`	Тип текстов: `Протокол`, `Прошение`, `Стихотворение`, `Телеграмма`, `Доклад`, `Приказ`, `Статья`, `Выступление`, `Беседа`, `Записка`, `Отчет`, `Письмо`, `Брошюра`, `Прокламация`, `Постановление`, `Резолюция` или `Комментарий`; у `Протокол`, `Прошение` и `Стихотворение` текстов в наборе нет
`is_translation`	`bool`	`None`	Признак перевода
`source`	`str`	`None`	Первоначальный источник текстов (подстрока без учета регистра и буквы ё)
`subject`	`str`	`None`	Наименование текстов (подстрока без учета регистра и буквы ё)
`topic`	`str`	`None`	Наименование подраздела текстов (подстрока без учета регистра и буквы ё)
`min_len`	`int`	`None`	Минимальная длина текста (в символах)
`max_len`	`int`	`None`	Максимальная длина текста (в символах)
`limit`	`int`	`None`	Количество текстов

Номер тома вне 1-16, неизвестный тип текстов, source, subject или topic, который не строка, граница длины, которая не целое число не меньше единицы, минимум больше максимума и limit, который не целое неотрицательное число, дают ParameterError; незагруженный набор данных - DatasetNotFoundError, файл, из которого не удалось извлечь запись, - DataFileError.

КодРезультат

for text in sw.get_texts(year=1937, text_type="Письмо", limit=1):
    print(text)

Маме – моей привет!
Как живет, как чувствует себя мама – моя? Передают, что ты здорова и бодра. Правда это? Если это правда, то я бесконечно рад этому. Наш род, видимо, крепкий род.
Я здоров.
Мои дети тоже чувствуют себя хорошо.
Желаю здоровья, живи долгие годы, мама – моя.
Твой Coco.
10. III.37 г.

get_records с теми же параметрами извлекает записи (с заголовками) из набора данных. Поля записи: volume - номер тома, year - год написания, type - тип текста, is_translation - признак перевода, source - первоначальный источник, subject - наименование, topic - подраздел, text - текст, file - путь к файлу.

КодРезультат

record = next(sw.get_records(year=1937, text_type="Письмо", limit=1))
del record["file"]
record

{'volume': 14,
 'year': 1937,
 'type': 'Письмо',
 'is_translation': False,
 'source': 'Книга "Иосиф Сталин в объятиях семьи"',
 'subject': 'Письмо матери 10 марта 1937 года',
 'topic': '',
 'text': 'Маме – моей привет!\n'
         'Как живет, как чувствует себя мама – моя? Передают, что ты здорова и бодра. '
         'Правда это? Если это правда, то я бесконечно рад этому. Наш род, видимо, '
         'крепкий род.\n'
         'Я здоров.\n'
         'Мои дети тоже чувствуют себя хорошо.\n'
         'Желаю здоровья, живи долгие годы, мама – моя.\n'
         'Твой Coco.\n'
         '10.\xa0III.37\xa0г.'}