mirror of
https://github.com/catdevnull/transicion-desordenada-diablo
synced 2024-05-19 19:50:46 +00:00
102 lines
3.2 KiB
JavaScript
102 lines
3.2 KiB
JavaScript
// @ts-check
|
||
import { readFile, readdir, writeFile } from "node:fs/promises";
|
||
import { zData } from "common/schema.js";
|
||
import { join } from "node:path";
|
||
|
||
const dumpDir = process.argv[2];
|
||
generateMetadata(dumpDir);
|
||
|
||
/**
|
||
* @param {string} dumpDir
|
||
*/
|
||
async function generateMetadata(dumpDir) {
|
||
if (!dumpDir) {
|
||
console.error("Especifica una carpeta para generar los metadatos, porfa.");
|
||
process.exit(1);
|
||
}
|
||
|
||
const files = await readdir(dumpDir, { withFileTypes: true });
|
||
const sites = await Promise.all(
|
||
files
|
||
.filter((file) => file.isDirectory())
|
||
.map(async (file) => {
|
||
const path = join(file.path, file.name);
|
||
const data = await loadDataJson(path);
|
||
let url = await readFile(join(path, "url.txt"), "utf-8");
|
||
if (url.startsWith("datajson+") || url.startsWith("ckan+"))
|
||
url = url.slice(url.indexOf("+") + 1);
|
||
return {
|
||
title: data.title,
|
||
description: data.description,
|
||
url,
|
||
path: file.name,
|
||
nDatasets: data.dataset.length,
|
||
};
|
||
})
|
||
);
|
||
/** @type {import("common/schema.js").DumpMetadata} */
|
||
const dumpMetadata = { sites };
|
||
await writeFile(
|
||
join(dumpDir, "dump-metadata.json"),
|
||
JSON.stringify(dumpMetadata)
|
||
);
|
||
await writeFile(
|
||
join(dumpDir, "readme.txt"),
|
||
generateReadme(sites.map((s) => s.url))
|
||
);
|
||
}
|
||
|
||
/**
|
||
* @param {string[]} portales
|
||
*/
|
||
function generateReadme(portales) {
|
||
// basado en el readme de Patricio
|
||
return `Dumps de Portales de Datos Abiertos de la República Argentina
|
||
=============================================================
|
||
|
||
Esta carpeta contiene todo lo que se pudo descargar de los portales seleccionados, que fueron:
|
||
${portales.map((p) => `- ${p}`).join("\n")}
|
||
|
||
La carpeta está ordenada en subcarpetas cuyo nombre corresponde al ID del dataset/distribución del portal. De esta forma,
|
||
leyendo el data.json se puede programaticamente y de manera simple volver a mapear qué archivo le corresponde a cada
|
||
distribución.
|
||
|
||
Formato:
|
||
|
||
- {url de data.json sin protocolo y con / reemplazado por _}/
|
||
- data.json
|
||
- errors.jsonl: archivo con todos los errores que se obtuvieron al intentar descargar todo.
|
||
- {identifier de dataset}/
|
||
- {identifier de distribution}/
|
||
- {fileName (o, si no existe, identifier de distribution)}
|
||
|
||
Ejemplo:
|
||
|
||
- datos.gob.ar_data.json/
|
||
- data.json
|
||
- errors.jsonl
|
||
- turismo_fbc269ea-5f71-45b6-b70c-8eb38a03b8db/
|
||
- turismo_0774a0bb-71c2-44d7-9ea6-780e6bd06d50/
|
||
- cruceristas-por-puerto-residencia-desagregado-por-pais-mes.csv
|
||
- ...
|
||
- energia_0d4a18ee-9371-439a-8a94-4f53a9822664/
|
||
- energia_9f602b6e-2bef-4ac4-895d-f6ecd6bb1866/
|
||
- energia_9f602b6e-2bef-4ac4-895d-f6ecd6bb1866 (este archivo no tiene fileName en el data.json, entonces se reutiliza el identifier)
|
||
- ...
|
||
|
||
Este dump fue generado con transicion-desordenada-diablo: https://gitea.nulo.in/Nulo/transicion-desordenada-diablo
|
||
|
||
Se puede usar el frontend en esa repo para ver el dump.
|
||
`;
|
||
}
|
||
|
||
/**
|
||
* @param {string} dir carpeta del dump
|
||
*/
|
||
async function loadDataJson(dir) {
|
||
const text = await readFile(join(dir, "data.json"), "utf-8");
|
||
const json = JSON.parse(text);
|
||
const data = zData.parse(json);
|
||
return data;
|
||
}
|