معرفی شرکت ها


cldfzenodo-0.3.0


Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

Functionality to retrieve CLDF datasets deposited on Zenodo
ویژگی مقدار
سیستم عامل OS Independent
نام فایل cldfzenodo-0.3.0
نام cldfzenodo
نسخه کتابخانه 0.3.0
نگهدارنده []
ایمیل نگهدارنده []
نویسنده Robert Forkel
ایمیل نویسنده dlce.rdm@eva.mpg.de
آدرس صفحه اصلی https://github.com/cldf/cldfzenodo
آدرس اینترنتی https://pypi.org/project/cldfzenodo/
مجوز Apache 2.0
# cldfzenodo [![Build Status](https://github.com/cldf/cldfzenodo/workflows/tests/badge.svg)](https://github.com/cldf/cldfzenodo/actions?query=workflow%3Atests) [![PyPI](https://img.shields.io/pypi/v/cldfzenodo.svg)](https://pypi.org/project/cldfzenodo) `cldfzenodo` provides programmatic access to CLDF data deposited on [Zenodo](https://zenodo.org). ## Install ```shell pip install cldfzenodo ``` ## CLI `cldfzenodo` provides a subcommand to be run from [cldfbench](https://github.com/cldf/cldfbench). To make use of this command, you have to install `cldfbench`, which can be done via ```shell pip install cldfzenodo[cli] ``` Then you can download CLDF datasets from Zenodo, using the DOI for identification. E.g. ```shell cldfbench zenodo.download 10.5281/zenodo.4683137 --directory wals-2020.1/ ``` will download WALS Online as CLDF dataset into `wals-2020.1`: ```shell $ tree wals-2020.1/ wals-2020.1/ ├── areas.csv ├── chapters.csv ├── codes.csv ├── contributors.csv ├── countries.csv ├── examples.csv ├── language_names.csv ├── languages.csv ├── parameters.csv ├── sources.bib ├── StructureDataset-metadata.json └── values.csv 0 directories, 12 files ``` ## API Metadata and data of (potential) CLDF datasets deposited on Zenodo is accessed via `cldfzenodo.Record` objects. Such objects can be obtained in various ways: - Via DOI: ```python import cldfzenodo rec = cldfzenodo.Record.from_doi('https://doi.org/10.5281/zenodo.4762034') ``` - From deposits grouped into a Zenodo community (and obtained through OAI-PMH): ```python import cldfzenodo.oai for rec in cldfzenodo.oai.iter_records('dictionaria'): print(rec) ``` - From search results using keywords: ```python import cldfzenodo for rec in cldfzenodo.search_wordlists(): print(rec) ``` `cldfzenodo.Record` objects provide sufficient metadata to allow identification and data access: ```python >>> from cldfzenodo import Record >>> print(Record.from_doi('10.5281/zenodo.4762034').bibtex) @misc{zenodo-4762034, author = {Hammarström, Harald and Forkel, Robert and Haspelmath, Martin and Bank, Sebastian}, title = {glottolog/glottolog: Glottolog database 4.4 as CLDF}, keywords = {cldf:StructureDataset, linguistics}, publisher = {Zenodo}, year = {2021}, doi = {10.5281/zenodo.4762034}, url = {https://doi.org/10.5281/zenodo.4762034}, copyright = {Creative Commons Attribution 4.0} } ``` One can download the full deposit (and access - possible multiple - CLDF datasets): ```python from pycldf import iter_datasets record.download('my_directory') for cldf in iter_datasets('my_directory'): pass ``` But often, only the "pure" CLDF data is of interest - and not the additional metadata and curation context, e.g. of [cldfbench](https://github.com/cldf/cldfbench)-curated datasets. This can be done via ```python cldf = record.download_dataset('my_directory') ```


نیازمندی

مقدار نام
- attrs
- html5lib
- nameparser
>=1.23.0 pycldf
- cldfbench
- build
- flake8
- twine
- wheel
- cldfbench
>=4.2 coverage
- pytest-cov
- pytest-mock
>=5 pytest


زبان مورد نیاز

مقدار نام
>=3.7 Python


نحوه نصب


نصب پکیج whl cldfzenodo-0.3.0:

    pip install cldfzenodo-0.3.0.whl


نصب پکیج tar.gz cldfzenodo-0.3.0:

    pip install cldfzenodo-0.3.0.tar.gz