Page MenuHomePhabricator
Paste P13241

random-pdf-rendering-es.wikipedia.org
ActivePublic

Authored by Jgiannelos on Nov 6 2020, 2:09 PM.
In [2]: import requests
...: import io
...: from pdfminer.high_level import extract_text
...:
In [3]:
In [3]: 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://es.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: Paracas
Invalid pdf: Paracas
Random page title: Abadía_de_Saint-Sever
Valid pdf: Abadía_de_Saint-Sever
Random page title: Garganta_del_Villar
Valid pdf: Garganta_del_Villar
Random page title: Marco_Enríquez-Ominami
Invalid pdf: Marco_Enríquez-Ominami
Random page title: Emile_Griffith
Valid pdf: Emile_Griffith
Random page title: Antonio_de_Ulloa
Invalid pdf: Antonio_de_Ulloa
Random page title: Antares
Invalid pdf: Antares
Random page title: Sandy_Casar
Valid pdf: Sandy_Casar
Random page title: Olivia_Lewis
Valid pdf: Olivia_Lewis
Random page title: Robin_Hood
Invalid pdf: Robin_Hood
Random page title: Cueva_Cardiel
Valid pdf: Cueva_Cardiel
Random page title: Hylomecon
Invalid pdf: Hylomecon
Random page title: Riendas
Valid pdf: Riendas
Random page title: Charles_Baudelaire
Invalid pdf: Charles_Baudelaire
Random page title: Real_Audiencia_de_Santafé_de_Bogotá
Valid pdf: Real_Audiencia_de_Santafé_de_Bogotá
Random page title: Beocia_(región_histórica)
Valid pdf: Beocia_(región_histórica)
Random page title: Saint-Ouen_(Somme)
Valid pdf: Saint-Ouen_(Somme)
Random page title: BDZ_(álbum)
Invalid pdf: BDZ_(álbum)
Random page title: Felipe_França_Silva
Valid pdf: Felipe_França_Silva
Random page title: Bloque_del_Este
Invalid pdf: Bloque_del_Este
In [4]: valid
Out[4]: 11
In [5]: invalid
Out[5]: 9