Comments & more Config

config/config.R

@@ -6,9 +6,18 @@ PFAD_EXCEL <- "data/Input/"
 PFAD_OUT <- "data/Output/"
 PFAD_DB_OUT <- "data/Database/"
 
+#Liste der Dateien in denen die Distincts gesucht werden
+FIND_DISTINCTS_FILES = c("GC3D_Limits_ref.xlsx", "GC3D_Units_ref.xlsx")
+
 #Datei in der ersetzt werden soll
 FILENAME_EXCEL <-  "project vocabulary_BB.xlsx"
 
+#Name des Excelsheets in der ersetzt werden soll
+SHEETNAME <- "Projektvokabular"
+
+#Spaltennamen(Muster) in denen die Distincts gewerden
+COLUMN_NAME <- "bibliographicCitation"
+
 #Spaltennummer in denen ersetzt werden soll im Excel
 SPALTEN <- c(10, 11, 12, 13)
 

find_and_replace_uri.R

@@ -15,10 +15,9 @@ source("config/config.R")
 ### Einlesen ###
 inDB <-  get_current_geoera_lit_db()
 
-to_replace_original <- read_excel(paste(PFAD_EXCEL, FILENAME_EXCEL, sep=""), sheet = 1)
+to_replace_original <- read_excel(paste(PFAD_EXCEL, FILENAME_EXCEL, sep=""), sheet = SHEETNAME)
 to_replace_done <- to_replace_original
 
-
 #Erste Schleife über den Spaltenvektor aus der Excel
 for (spalte_excel in SPALTEN[1]:SPALTEN[length(SPALTEN)]) { 
   

find_new_entries.R

@@ -5,66 +5,82 @@ library("xlsx")
 
 source("config/config.R")
 
+#Übernimmt die Liste der zu durchsuchenden Excelfiles aus der Konfiguration
+file_list <- FIND_DISTINCTS_FILES
 
-#select all *.xlsx files inside the Input-Folder and put them into a list
+#Legt eine leere List zum Befüllen an
-file_list <- list.files(PFAD_EXCEL, "*.xlsx")
-
 my_table <- c()
 
+
+#Liest die Excelfiles ein
 for (file in 1:length(file_list)) {
   temp_pfad <- paste(PFAD_EXCEL, file_list[file], sep="")
   my_table[[file]] <- read_excel(temp_pfad)
 }
 
 
-
+#Wählt die Spalten aus in denen die Distincts gesucht werden
-#select the bibliographicCitation columns in all tables
 for(spalte in 1:length(my_table))  {
+  
+  #Akutelle Spalte in die Liste
   df_all <- data.frame(my_table[[spalte]])
   
+  #Liefert die Spaltenname die der Vorgabe (COLUMN_NAME) entsprechen
   Names <- colnames(my_table[[spalte]])
-  Names <- Names[grepl("^bibliographicCitation", Names)]
+  Names <- Names[grepl(paste("^", COLUMN_NAME, sep=""), Names)]
   
+  
+  #Legt eine leeren DataFrame an
   temp <- data.frame()
   
   for (j in 1:length(Names)) {
     
-    #omit empty rows
+    #Verwirft leere Elemente
     df_temp <- na.omit(df_all[Names[j]])
     
-    #rename columns
+    #benennt die Spalten
-    colnames(df_temp) <- (c('bibliographicCitation'))
+    colnames(df_temp) <- (c(COLUMN_NAME))
     
-    #create a big dataframe
+    #Fügt die aktuellen Spalte zur Gesamtliste hinzu
     temp <- rbind(temp, df_temp)
   }
   
   my_table[[spalte]] <- temp
 }
 
-#combine all the columns of all tables into one
+#Fügt die Spalten aller Exceldatein zu einer Liste zusammen
+if (length(my_table) > 1) {
   for (i in 2:length(my_table)) {
     my_table[[i]] <- rbind(my_table[[i-1]], my_table[[i]])
   }
   
   all <-  my_table[[length(my_table)]]
+}
 
+if (length(my_table) == 1) {
+  all <-  my_table
+}
 
-#remove multiple spaces
+#Sucht alle Uniques
-distincts <- lapply(all, FUN=str_squish)
-#get all unique values and sort
 distincts <-  unique(all)
-distincts <- data.frame(distincts[order(distincts$bibliographicCitation), ])
-colnames(distincts) <- (c('bibliographicCitation'))
 
+#Sortiert alphabetisch
+distincts <- data.frame(distincts[order(distincts$bibliographicCitation), ])
+
+#Benennt die Spalte 
+colnames(distincts) <- (c(COLUMN_NAME))
+
+#Entfernt Steuerungszeichen
 for (i in i:length(distincts$bibliographicCitation)) {
   distincts[i, 1] <- gsub("(?<=[\\s])\\s*|^\\s+|\\s+$", "", distincts[i, 1], perl=TRUE)
 }
 
+#Sucht nochmals nach den Uniques
 distincts <- unique(distincts)
 
-
+#Entfernt alle Einträge die zu kurz (<THRESHOLD) sind
 distincts <- data.frame(distincts[nchar(distincts$bibliographicCitation) >= THRESHOLD, ])
 colnames(distincts) <- (c('bibliographicCitation'))
 
+#Schreibt die Distincts in eine Exceldatei
 write_xlsx(distincts, "data/Output/distincts_automated_gc3d.xlsx")