Ubuntu Wiki

   1 # -*- coding: iso-8859-1 -*-
   2 from string import *
   3 from types import *
   4 import urllib2, urllib
   5 from commands import *
   6 def rec_pagina(data_edicao, pagina, nome_arquivo='dohoje'):
   7     url_alvo='http://www.in.gov.br/materias/pdf/do/secao2/%s/do2-%s.pdf' % (data_edicao, pagina)
   8     req=urllib2.Request(url_alvo)
   9     url_aberta=urllib2.urlopen(req)
  10     conteudo_pdf=url_aberta.read()
  11     arq_temp=file(nome_arquivo+'.pdf','wb')
  12     arq_temp.write(conteudo_pdf)
  13     arq_temp.close()
  14     return
  15 data_edicao=raw_input('Data da Edição(dd/mm/aaaa): ')
  16 rec_pagina(replace(data_edicao,'/','_'), 1)
  17 chave="Ministério da Fazenda"
  18 nome_arq=strip(chave[find(chave,' ',find(chave,' ')+1):])
  19 pag1c=getoutput('pdftotext dohoje.pdf -')
  20 ini=find(pag1c,'PÁGINA')
  21 ini+=5
  22 pag_lim= [0,0]
  23 novo_ini = 0
  24 for i in range(2):
  25     for j in range(-1,-4,-1):
  26         try :
  27             pag_lim[i]=int(pag1c[find(pag1c,chave,ini):find(pag1c,'. ',find(pag1c,chave,ini))+4][j:])
  28         except:
  29             continue
  30     novoini=find(pag1c,chave,ini)
  31     ini=novoini+1
  32     chave="Ministério"
  33 for i in range(pag_lim[0],pag_lim[1]+1,1) :
  34     rec_pagina(replace(data_edicao,'/','_'), i, nome_arquivo=nome_arq+'_'+replace(data_edicao,'/','_')+'pag'+str(i))