ben
/
earwigbot
réplica de https://github.com/earwig/earwigbot
1
1
Fork 0
Código Lanzamientos 3 Actividad
993 Commits
2 Ramas
4.4 MiB
Árbol: 4e8be871b7
Ramas Etiquetas
${ item.name }
Crear rama ${ searchTerm }
desde '4e8be871b7'
${ noResults }
Gráfico de commits

38 Commits (4e8be871b7d57e5512854240baefd1d3bf4268be)

Autor SHA1 Mensaje Fecha
  Ben Kurtovic 4e8be871b7 Update copyright year for 2015. hace 9 años
  Ben Kurtovic 9ffc3f1bf5 Raise file crawl size limit for PDFs. hace 9 años
  Ben Kurtovic 901192ec18 Handle errors from UnicodeDamnit. hace 9 años
  Ben Kurtovic 699f6e3b17 Seems it will sometimes raise AssertionError. hace 9 años
  Ben Kurtovic 12c5170815 Catch another exception thrown by pdfminer. hace 9 años
  Ben Kurtovic 77514ee925 Add another PDF string substitution. hace 9 años
  Ben Kurtovic 0bdcbca8b0 Rudimentary solution for PDF parsing (closes earwig/copyvios#18) hace 9 años
  Ben Kurtovic 30f72df470 Refactor parsers; fix empty document behavior. hace 9 años
  Ben Kurtovic 5349179088 Fix parsing of plain text documents (earwig/copyvios#3) hace 9 años
  Ben Kurtovic 7afb484cea Refactor a bunch of copyvio internals. Store all sources with a result object. hace 9 años
  Ben Kurtovic 54ddff049f Make CopyvioSource public; tweaks. hace 9 años
  Ben Kurtovic 9b87e2e5f7 Fix trying to remove a node that was already removed. hace 9 años
  Ben Kurtovic 193f96451e Also strip <ref>s in ArticleTextParser.strip(). hace 9 años
  Ben Kurtovic c4dede1459 Reorder length check to potentially fix an empty-query bug. hace 9 años
  Ben Kurtovic 5874467ec3 Bugfix, cleanup. hace 9 años
  Ben Kurtovic ae0c390ceb Redesign copyvio internals to parallelize URL loading/parsing. hace 9 años
  Ben Kurtovic 3e4dac967d Remove auto-quotes from queries; add min_query; halve max_query. hace 9 años
  Ben Kurtovic 6b146a397a Also strip out files and categories in ATP.strip(). hace 9 años
  Ben Kurtovic 2dfdf1bd4a Ensure the text is stripped properly. hace 9 años
  Ben Kurtovic 3dde1c5d60 Correctly handle HTML with no <body> tags. hace 10 años
  Ben Kurtovic 39d5c7c149 Update copyright notices for 2014. hace 10 años
  Ben Kurtovic ed95c99f0e Update email address. hace 10 años
  Ben Kurtovic 0b7a13eca5 Update copyright notices for 2013. hace 11 años
  Ben Kurtovic 8862bec3d9 Fix statements assigned to nothing. hace 11 años
  Ben Kurtovic a4dda89a61 Various fixes for copyvios. hace 11 años
  Ben Kurtovic 0ca84ab9bc Implement lazy-importing of oauth2, nltk, and bs4. hace 11 años
  Ben Kurtovic 4baab6f57c Implement lazy importing of root-level modules and packages. hace 11 años
  Ben Kurtovic 7d52d4558a Some updates to !lag. hace 11 años
  Ben Kurtovic 33aa1d6744 Collapse extra newlines to avoid distorting trigrams. hace 11 años
  Ben Kurtovic 5ab736723b Fixing a number of silly mistakes; refactoring (thanks pylint) hace 12 años
  Ben Kurtovic c260648bdb Finish chunking algorithm, improve !link, other fixes. hace 12 años
  Ben Kurtovic 569c815d99 Implement NLTK for chunking article content (#5). hace 12 años
  Ben Kurtovic cb87004107 Primitive screen scraper for HTML using BeautifulSoup and LXML. hace 12 años
  Ben Kurtovic 1af4217b63 Update copyright notices and some other improvements. hace 12 años
  Ben Kurtovic d45e342bac DOCUMENT EVERYTHING (#5) hace 12 años
  Ben Kurtovic d87c226417 __repr__ and __str__ for everything per #5 and #22. hace 12 años
  Ben Kurtovic 5ca1d91f3e Use __all__ within e.w.copyvios and shorter imports hace 12 años
  Ben Kurtovic 86a8440730 Moving parsers to own file. hace 12 años