random-pdf-rendering-es.wikipedia.org
No One
Actions

Authored By

	Jgiannelos
	Nov 6 2020, 2:09 PM

Size

2 KB

Referenced Files

None

Subscribers

None

random-pdf-rendering-es.wikipedia.org
View Options

	In [10]: import requests

	In [11]: import io

	In [12]: from pdfminer.high_level import extract_text

	In [13]: valid = 0
	...: invalid = 0
	...: for i in range(20):
	...: random = requests.get('https://es.wikipedia.org/api/rest_v1/page/random/title')
	...: title = random.json()['items'][0]['title']
	...: print('Random page title: {}'.format(title))
	...: pdf = requests.get('https://en.wikipedia.org/api/rest_v1/page/pdf/{}'.format(title))
	...: file = io.BytesIO(pdf.content)
	...: try:
	...: extract_text(file)
	...: valid += 1
	...: print('Valid pdf: {}'.format(title))
	...: except:
	...: invalid += 1
	...: print('Invalid pdf: {}'.format(title))
	...:
	Random page title: John_Maynard_Smith
	Valid pdf: John_Maynard_Smith
	Random page title: Ruta_Estatal_de_California_4
	Invalid pdf: Ruta_Estatal_de_California_4
	Random page title: Eduardo_Caballero_Calderón
	Valid pdf: Eduardo_Caballero_Calderón
	Random page title: Wavignies
	Valid pdf: Wavignies
	Random page title: Aristarj_Lentúlov
	Invalid pdf: Aristarj_Lentúlov
	Random page title: Consejo_Internacional_para_la_Ciencia
	Invalid pdf: Consejo_Internacional_para_la_Ciencia
	Random page title: Mantra
	Invalid pdf: Mantra
	Random page title: Saxifragaceae
	Valid pdf: Saxifragaceae
	Random page title: Carretera_Panamericana
	Valid pdf: Carretera_Panamericana
	Random page title: General_Conesa_(Buenos_Aires)
	Invalid pdf: General_Conesa_(Buenos_Aires)
	Random page title: Cazuela_(comida)
	Invalid pdf: Cazuela_(comida)
	Random page title: Los_Cerralbos
	Valid pdf: Los_Cerralbos
	Random page title: Puerta_de_Brandeburgo
	Invalid pdf: Puerta_de_Brandeburgo
	Random page title: Glos-la-Ferrière
	Valid pdf: Glos-la-Ferrière
	Random page title: Glucólisis
	Invalid pdf: Glucólisis
	Random page title: Joan_Crawford
	Invalid pdf: Joan_Crawford
	Random page title: Festhalle
	Valid pdf: Festhalle
	Random page title: Divisoria_de_aguas
	Invalid pdf: Divisoria_de_aguas
	Random page title: Museo_Arqueológico_Nacional_de_Tarragona
	Invalid pdf: Museo_Arqueológico_Nacional_de_Tarragona
	Random page title: Arenal_(río)
	Invalid pdf: Arenal_(río)

	In [14]: valid
	Out[14]: 8

	In [15]: invalid
	Out[15]: 12

File Metadata

Mime Type: text/plain; charset=utf-8
Storage Engine: blob
Storage Format: Raw Data
Storage Handle: 8614033
Default Alt Text: random-pdf-rendering-es.wikipedia.org (2 KB)

random-pdf-rendering-es.wikipedia.orgNo OneActions

random-pdf-rendering-es.wikipedia.orgView Options

File Metadata

Event Timeline

random-pdf-rendering-es.wikipedia.org
No One
Actions

random-pdf-rendering-es.wikipedia.org
View Options