Script python per il calcolo dell'indice di Gulpease di un documento PDF.
Questo script si basa sul lavoro eseguito da imriccardop.
Lo script è stato creato per essere eseguito su python3.6, attualmente è stato testato solo su linux (18.04 LTS) da cmd.
Ps: funziona anche su python2 ma non è stato creato per questa versione (inoltre restituisce numeri diversi).
Per eseguire lo script è necessario il package textract, se non lo avete potete installarlo con il comando
pip3 install textract
Prima di eseguirlo bisogna inserire il path del file pdf all'interno del main del file IndiceGulpease.py:
if __name__ == "__main__":
doc = "/<PATH ASSOLUTO O RELATIVO>/doc.pdf"
Per eseguire lo script è necessario usare il comando
python3.6 IndiceGulpease.py
Dovrebbe risultarvi un output simile a questo:
Documento /<PATH ASSOLUTO O RELATIVO>/doc.pdf
numero di parole presenti nei doc : 3805
numero di lettere presenti nei doc : 19248
numero di frasi presenti nei doc : 262
indice di Gulpease restrittivo : 59.070959264126145
indice di Gulpease scarto + 15% : 62.16951379763469
indice di Gulpease scarto - 15% : 55.97240473061761
Non è garantita una precisione del 100%, ne tantomento di uno scarto del 15%. Ho strutturato il seguente script secondo le mie esigenze e basato i calcoli su i miei tipi di documenti.