[python][ChatGPT]ChatGTPで臨床検査技師国家試験演習Webサイトを作成

import pdfplumber
import re
import json

# Extract text from pdf
def extract_text_from_pdf(pdf_path, skip_first_pages=True, start_page_number=5):
    with pdfplumber.open(pdf_path) as pdf:
        extracted_text = ""

        start_page = start_page_number - 1 if skip_first_pages else 0
        for page in pdf.pages[start_page:]:
            extracted_text += page.extract_text()

    return extracted_text

# read pdf file
pdf_path = "/Users/hogehoge/Documents/LabDepartment/problem/065/065_01.pdf"
extracted_text_01 = extract_text_from_pdf(pdf_path)
pdf_path = "/Users/hogehoge/Documents/LabDepartment/problem/065/065_02.pdf"
extracted_text_02 = extract_text_from_pdf(pdf_path)

# check extracted text
print(extracted_text_01)
print(extracted_text_02)

# remove page info
def remove_page_info(text):
    pattern = r"DKIX07(午前|午後)H\.smd Page \d+ 21/12/22 15:41 v4\.00"
    cleaned_text = re.sub(pattern, '', text)
    return cleaned_text

# replace cid numbers
def replace_cid_numbers(text):
    def replace_cid(match):
        cid_number = int(match.group(1))
        if cid_number == 139:
            return "("
        elif cid_number == 140:
            return ")"
        else:
            return str(cid_number)

    pattern = r'\(cid:(\d+)\)'
    replaced_text = re.sub(pattern, replace_cid, text)
    return replaced_text

# replace text with parentheses
def replace_text_with_parentheses(text):
    def replace_parentheses(match):
        if match.group(1).isalpha():
            return f"{match.group(1)}({match.group(2)})"
        else:
            return match.group(0)

    pattern = r'(\w)0(.*?)2'
    replaced_text = re.sub(pattern, replace_parentheses, text)
    return replaced_text

# remove single digit lines
def remove_single_digit_lines(text):
    pattern = r'^\d+\n'
    cleaned_text = re.sub(pattern, '', text, flags=re.MULTILINE)
    return cleaned_text

# remove dkix lines
def remove_dkix_lines(text):
    lines = text.split("\n")
    filtered_lines = [line for line in lines if "DKIX" not in line]
    return "\n".join(filtered_lines)

# final process
def process_text(text):
    text_without_page_info = remove_page_info(text)
    tex_without_cid = replace_cid_numbers(text_without_page_info)
    text_without_parentheses = replace_text_with_parentheses(tex_without_cid)
    text_no_single_digit_lines = remove_single_digit_lines(text_without_parentheses)
    final_text = remove_dkix_lines(text_no_single_digit_lines)
    return final_text

processed_text_01 = process_text(extracted_text_01)
processed_text_02 = process_text(extracted_text_02)

# check text after removal
print(processed_text_01)
print(processed_text_02)

# extract for JSON files
def extract_questions_and_choices(text):
    lines = text.split("\n")
    questions = []
    question_text = ""
    choices = []

    for line in lines:
        # 問題番号を検出
        if re.match(r"\d+ ", line):
            if question_text:
                questions.append({
                    "number": int(question_number),
                    "text": question_text.strip(),
                    "choices": choices
                })
                choices = []
            question_number, question_text = line.split(" ", 1)

        # 選択肢を検出
        elif re.match(r"\d+．", line):
            choice = re.sub(r"\d+．", "", line).strip()
            choices.append(choice)

        # 問題文が複数行に渡る場合
        elif question_text and not choices:
            question_text += " " + line.strip()

    # 最後の問題を追加
    if question_text:
        questions.append({
            "number": int(question_number),
            "text": question_text.strip(),
            "choices": choices
        })

    return questions

json_data_01 = extract_questions_and_choices(processed_text_01)
json_data_02 = extract_questions_and_choices(processed_text_02)

json_data_01 = sorted(json_data_01, key = lambda x:x["number"])
json_data_02 = sorted(json_data_02, key = lambda x:x["number"])

# write to JSON
with open("/Users/hogehoge/Documents/LabDepartment/problem/065/questions_065_01.json", "w", encoding="utf-8") as outfile:
    json.dump(json_data_01, outfile, indent=2, ensure_ascii=False)
with open("/Users/hogehoge/Documents/LabDepartment/problem/065/questions_065_02.json", "w", encoding="utf-8") as outfile:
    json.dump(json_data_02, outfile, indent=2, ensure_ascii=False)

{
    "number": 1,
    "text": "内部精度管理法で管理血清を用いるのはどれか。<b>2つ選べ。</b>",
    "choices": [
      "|R/<span style= 'text-decoration: overline;'>X</span>|管理法",
      "<span style= 'text-decoration: overline;'>X</span>-R管理図法",
      "項目間チェック法",
      "デルタチェック法",
      "マルチルール管理図法"
    ] 
 },

{
    "number": 1,
    "text": "内部精度管理法で管理血清を用いるのはどれか。<b>2つ選べ。</b>",
    "choices": [
      "|R/<span style= 'text-decoration: overline;'>X</span>|管理法",
      "<span style= 'text-decoration: overline;'>X</span>-R管理図法",
      "項目間チェック法",
      "デルタチェック法",
      "マルチルール管理図法"
    ],
    "explanation": "<br>選択肢2のX-R管理図法と選択肢5のマルチルール管理図法は、管理血清を使用する内部精度管理法です。<br><br>2. X-R管理図法：これは内部品質管理に一般的に使用される方法で、平均（X）と範囲（R）をプロットしたグラフを使用します。管理血清は、一定の期間にわたって繰り返し測定され、その結果は管理図に記録されます。制御限界は統計的に計算され、測定結果が制御限界内に収まるかどうかを確認します。これにより、分析システムの精度と精度が維持されているかどうかがモニタリングされます。<br><br>5. マルチルール管理図法：これは「ウェスガードルール」とも呼ばれ、複数の統計的ルールを用いて管理血清の結果を解釈します。具体的なルールには、1 2s、2 2s、R 4s、4 1s、10 Xなどがあり、これらは異常な結果を示すために用いられます。これらのルールは、システムの偏りやランダムなエラーを特定するのに有効です。この方法でも、管理血清が定期的に分析され、その結果はモニタリングと評価のために使用されます。<br>"
  },