Feat(extraction): allow to work with other dirs

4 files changed, 15 insertions, 26 deletions

diff --git a/.gitignore b/.gitignore
index 2539602..0e4adf2 100644
--- a/.gitignore
+++ b/.gitignore
@@ -1 +1,2 @@
 tutorial/
+skipped_gibberish
diff --git a/extract_text.sh b/extract_text.sh
index 7b7174c..bb22de2 100755
--- a/extract_text.sh
+++ b/extract_text.sh
@@ -2,12 +2,16 @@
 
 set -e
 
+currDir=$pwd
 framespath=${1:-}
 lang=${2:-deu}
 
 [ -z "$framespath" ] && echo "no framespath provided" && exit 1
 
-mkdir -p text result
+parentDIR=$(dirname "$framespath")
+textDIR="$parentDIR"/text
+grayDIR="$parentDIR"/gray
+mkdir -p ${textDIR} ${grayDIR}
 
 # split video on frames (every 90 seconds)
 # ffmpeg -i "$videopath" -r 0.011 frames/ffmpeg_%0d.jpg
@@ -16,13 +20,14 @@ mkdir -p text result
 # lets say we dont know extention
 # ext=".jpg"
 
+
 # convert each frame to grayscale then crop to text if any
 for img in "$framespath"/*
 do
     iname=$(basename "$img")
-    sub_img_name="frames/sub_${iname}"
-    sub_out="text/$(echo "$iname" | sed 's/.\(png\|gif\|jpg\|jpeg\|bmp\)//')"
-    magick convert "frames/$img" -chop 220x0 -gravity East -chop 220x0 \
+    sub_img_name=$"${grayDIR}/sub_${iname}"
+    sub_out="$textDIR/$(echo "$iname" | sed 's/.\(png\|gif\|jpg\|jpeg\|bmp\)//')"
+    magick convert "$img" -chop 220x0 -gravity East -chop 220x0 \
         -gravity South -chop 0x50 \
         -colorspace Gray -resize 600x "$sub_img_name"
     # dpi=$(magick identify -format '%x' $sub_img_name)
@@ -37,10 +42,10 @@ do
 done
 
 resultfile=$(basename "$framespath")
-find text -type f | sort -n -k 1.13,1.15 | xargs cat > "../result/${resultfile}.txt"
-cd ../
+find "$textDIR" -type f | sort -n | xargs cat > "${parentDIR}/${resultfile}.txt"
+cd $currDir
 
-./remove_dups.py text "result/${resultfile}_clean"
+./remove_dups.py "$textDIR" "${parentDIR}/${resultfile}_clean"
 
 # rm -rf text
 # rm -rf frames
diff --git a/remove_dups.py b/remove_dups.py
index 706393c..30afed3 100755
--- a/remove_dups.py
+++ b/remove_dups.py
@@ -85,11 +85,10 @@ def sortKeyFunc(s):
 
 if __name__ == "__main__":
     files = glob.glob(f"{directory}/*")
-    print(files)
     # files.sort(key=sortKeyFunc)
 
     prev_page = []
-    page_sep = "-"*60 + "\n"
+    # page_sep = "-"*60 + "\n"
 
     with open(outname, "w") as wf:
         for filename in files:
@@ -99,7 +98,7 @@ if __name__ == "__main__":
                 lines.reverse()
                 lines = clear_start(lines)
                 lines.reverse()
-                lines.append(page_sep)
+                # lines.append(page_sep)
 
                 # compare with prev data
                 new_page = get_uniq_lines(prev_page, lines)
diff --git a/skipped_gibberish b/skipped_gibberish
deleted file mode 100644
index c92aa1d..0000000
--- a/skipped_gibberish
+++ /dev/null
@@ -1,16 +0,0 @@
-Die Halb elf-Göttin
-Die Zeit lief ab.
-Es g1bt nur eine begrenzte Anzahl von Personen, die cs bewegen Können. Der
-er es gibt cinige Dinge, bei denen wir keine Komprom1sse eingehen können,
-Königreichs zunehmen
-Menschen zu helfen, geschaffen wurde, 51c geheilt werden Konnte, Indem man
-Ich verstehe die Idee,
-Die Iheo kratie hat viele dieser geheimen Techniken.
-einfacher zu Fandhaben wäre, sber "Wir haben 6S nach mehreren hundert Jahren
-Untoten überall sind
-Es war nicht überraschend, als ich mich an die Informationen erinnerte, die
-aus Threm Unternehmen herauszuholen, darin besteht, cin guter Geschäftsmann zu
-wieder zu virtuellen Feinden.
-Der "Zentralregierung sollte das obere Knie gegeben werden.
-ETTennatTon widmen konnten.
-dem Lazy Black Book angehörte, die Zurückgebliebenen beschützen und sie führen,