¿Hay un analizador GEDCOM escrito en Python?

parsing genealogy

Question

GEDCOM es un estándar para el intercambio de datos genealógicos.

He encontrado parsers escritos en

• C
• perl
• Ruby
• e incluso Factor

Pero ninguno hasta ahora escrito en Python. Lo más cerca que he llegado es el archivo libgedcom.py del proyecto GRAMPS, pero está tan lleno de referencias a los módulos GRAMPS que no me libgedcom.py útiles.

Solo quiero una biblioteca de analizador GEDCOM simple escrita en Python. ¿Existe esto?

Answer 1

Hace unos años escribí un traductor de GEDCOM a XML simplista en Python como parte de un proyecto más grande . Descubrí que tratar con los datos de GEDCOM en un formato XML era mucho más fácil (especialmente cuando el siguiente paso incluía XSLT).

No tengo el código en línea en este momento, así que pegué el módulo en este mensaje. Esto funciona para mí; No hay garantías. Espero que esto ayude sin embargo.

import codecs, os, re, sys
from xml.sax.saxutils import escape

fn = sys.argv[1]

ged = codecs.open(fn, encoding="cp437")
xml = codecs.open(fn+".xml", "w", "utf8")
xml.write("""<?xml version="1.0"?>/n""")
xml.write("<gedcom>")
sub = []
for s in ged:
    s = s.strip()
    m = re.match(r"(/d+) (@(/w+)@ )?(/w+)( (.*))?", s)
    if m is None:
        print "Error: unmatched line:", s
    level = int(m.group(1))
    id = m.group(3)
    tag = m.group(4)
    data = m.group(6)
    while len(sub) > level:
        xml.write("</%s>/n" % (sub[-1]))
        sub.pop()
    if level != len(sub):
        print "Error: unexpected level:", s
    sub += [tag]
    if id is not None:
        xml.write("<%s id=/"%s/">" % (tag, id))
    else:
        xml.write("<%s>" % (tag))
    if data is not None:
        m = re.match(r"@(/w+)@", data)
        if m:
            xml.write(m.group(1))
        elif tag == "NAME":
            m = re.match(r"(.*?)/(.*?)/$", data)
            if m:
                xml.write("<forename>%s</forename><surname>%s</surname>" % (escape(m.group(1).strip()), escape(m.group(2))))
            else:
                xml.write(escape(data))
        elif tag == "DATE":
            m = re.match(r"(((/d+)?/s+)?(/w+)?/s+)?(/d{3,})", data)
            if m:
                if m.group(3) is not None:
                    xml.write("<day>%s</day><month>%s</month><year>%s</year>" % (m.group(3), m.group(4), m.group(5)))
                elif m.group(4) is not None:
                    xml.write("<month>%s</month><year>%s</year>" % (m.group(4), m.group(5)))
                else:
                    xml.write("<year>%s</year>" % m.group(5))
            else:
                xml.write(escape(data))
        else:
            xml.write(escape(data))
while len(sub) > 0:
    xml.write("</%s>" % sub[-1])
    sub.pop()
xml.write("</gedcom>/n")
ged.close()
xml.close()

Answer 2

Otro analizador básico para el formato GEDCOM 5.5: https://github.com/rootsdev/python-gedcom-parser

Answer 3

Podría usar la herramienta SWIG para incluir bibliotecas de C a través de la interfaz del idioma nativo. Tendrás que hacer llamadas contra el api de C desde Python, pero el resto de tu código solo puede ser Python.

Puede sonar un poco desalentador, pero una vez que haya configurado la configuración, usar los dos juntos no será malo. Puede haber algunas peculiaridades dependiendo de cómo se escribió la biblioteca C, pero tendría que lidiar con algunas sin importar qué opción usó.

Answer 4

Sé que este hilo es bastante antiguo, pero lo encontré en mis búsquedas y en este proyecto https://github.com/madprime/python-gedcom/

La fuente es squeeky limpia y muy funcional.

Answer 5

Tomé el código de la respuesta de mwhite, lo extendí un poco (está bien, más que un poco) y lo publiqué en github: http://github.com/dijxtra/simplepyged . Acepto sugerencias sobre qué más agregar :-)

Answer 6

Un analizador GEDCOM de propósito general en Python está vinculado desde http://ilab.cs.byu.edu/cs460/2006w/assignments/program1.html