-
Notifications
You must be signed in to change notification settings - Fork 0
/
Copy pathREADME.html
414 lines (314 loc) · 7.64 KB
/
README.html
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
<!DOCTYPE html>
<html>
<head>
<meta charset="utf-8" />
<title>Workshop Datashare @ICIJ.org</title>
<style>
body {
font-family: "Helvetica Neue", Helvetica, Arial, sans-serif;
}
h1, h2, h3 {
font-weight: 400;
margin-bottom: 0;
}
.remark-slide-content h1 { font-size: 3em; }
.remark-slide-content h2 { font-size: 2em; }
.remark-slide-content h3 { font-size: 1.6em; }
.footnote {
position: absolute;
bottom: 3em;
}
li p { line-height: 1.25em; }
.red { color: #fa0000; }
.large { font-size: 2em; }
a, a > code {
color: rgb(249, 38, 114);
text-decoration: none;
}
code {
background: none repeat scroll 0 0 #F8F8FF;
border: 1px solid #DEDEDE;
border-radius: 3px ;
padding: 0 0.2em;
}
.remark-code, .remark-inline-code { font-family: "Bitstream Vera Sans Mono", "Courier", monospace; }
.remark-code-line-highlighted { background-color: #373832; }
.pull-left {
float: left;
width: 47%;
}
.pull-right {
float: right;
width: 47%;
}
.pull-right ~ p {
clear: both;
}
#slideshow .slide .content code {
font-size: 0.8em;
}
#slideshow .slide .content pre code {
font-size: 0.9em;
padding: 15px;
}
.main-title, .title {
background: #272822;
color: #777872;
text-shadow: 0 0 20px #333;
}
.title h1, .title h2, .main-title h1, .main-title h2 {
color: #f3f3f3;
line-height: 0.8em;
}
/* Custom */
.remark-code {
display: block;
padding: 0.5em;
}
</style>
</head>
<body>
<textarea id="source">
class: center, middle, main-title
# Workshop Datashare @ICIJ.org
Miguel Fiandor Gutiérrez
---
## Índice
1. Intro
1. Qué es?
1. Qué datos vamos a usar?
1. Enlaces importantes
1. Documentación
1. Descargar
1. Instalar
1. Tour
1. Añadir docs
1. Ejecutar
1. Analizar docs
1. Text
1. NER
1. Emails
1. Buscar
1. Varios: ordenar, favs, ...
1. Filtros
1. Búsquedas por metadata
1. Búsquedas avanzadas
1. Búsquedas por lotes
1. Ejercicios
1. Extras: plugins, soporte, traducción, ...
---
### Qué es?
Datashare is a free open-source desktop application developed by non-profit International Consortium of Investigative Journalists (ICIJ).
Datashare allows investigative journalists to:
- access all their documents in one place locally on their computer while securing them from potential third-party interferences
- search pdfs, images, texts, spreadsheets, slides and any files, simultaneously
- automatically detect and filter by people, organizations and locations
---
### Datos
- BOE: https://www.boe.es/datosabiertos/ejemplo_script_boe.php
- TCU
- https://www.rendiciondecuentas.es/es/noticias/InformesAprobados.html
- Apache Lista de Correo
- Emails: https://mail-archives.apache.org/mod_mbox/lucene-java-user/
- Alcaldías
- Spreadsheets: https://www.mptfp.gob.es/portal/politica-territorial/local/sistema_de_informacion_local_-SIL-/alcaldes_y_concejales.html
- Luxleaks: DocumentCloud
- Descargar zip https://github.com/miguelfg/mid/blob/main/datashare_demo_project.zip
---
### Descargar
- https://datashare.icij.org/
---
### Documentación
- https://icij.gitbook.io/datashare/
---
### Instalar
- Windows https://icij.gitbook.io/datashare/windows/install-datashare-on-windows
- Apple https://icij.gitbook.io/datashare/mac/install-datashare-on-mac
- Linux https://icij.gitbook.io/datashare/linux/install-datashare-on-linux
- NO RECOMENDADO usar las instalaciones con docker
---
### Actualizar
1. Desinstalar cualquier versión anterior
1. Instalar nueva versión
#### Actualizar Docker
1. Parar Datashare
1. Parar containedores docker de redis y elasticsearch
1. Eliminar imagenes de dichas versiones
1. Descargar un nuevo script de una versión nueva
1. Dar persmisos de ejecución al script
1. Ejecutar el script
---
### Resetear ficheros indexados
1. Parar Datashare
1. Borrar ficheros
1. Borrar índice elasticsearch
1. Borrar cola redis
#### Con docker
```
docker exec -ti datashare_elasticsearch_1 curl -XDELETE http://localhost:9200/local-datashare/
docker exec -ti datashare_redis_1 redis-cli
127.0.0.1:6379> FLUSHALL
docker stop datashare datashare_elasticsearch_1 datashare_redis_1
```
---
class: center, middle, title
## Tour
---
### Settings
- Idioma
- Plugins
- Extensiones
---
### Percepciones/Estadísticas
Ver número de docs
---
### Analizar
#### Extraer texto
#### Extraer Entidades Nombre
- Extraer Nombres, Lugares y Organizaciones
- Filtrar
- Mostrar en vista de documento
- Borrar
#### Extraer Emails
---
### Percepciones/Estadísticas 2
Ver número de docs
---
### Vista Documento
1. Texto extraído
1. Vista previa
1. Etiquetas y detalles
1. Entidades identificadas
---
### Busquedas simples
```
"alcaldes"
"andalucía"
"asociación"
"hotmail"
```
1. Modo vista de resultados
---
### Búsqueda dentro del Documento
```
Ctrl+F
```
---
### Varios
- Ordenar documentos
- Favoritos
- Etiquetar documentos
- Recomendar documentos
---
### Filtros
1. Favoritos
1. Etiquetas
1. Recomendado por
1. Tipo de archivo
1. Fechas de creación
1. Idiomas
1. Personas
1. Organizaciones
1. Ubicaciones
1. Rutas
1. Niveles de extracción
1. Fecha de indexación
---
### Buscar en campos específicos
- mismo autor
- mismo lenguaje
- ...
---
### Búsquedas avanzadas
https://icij.gitbook.io/datashare/all/search-with-operators
1. Operadores de búsqueda: AND, OR, NOT
1. Wildcards ? *
1. Fuzziness ~
1. Exact phrase ""
1. Proximity ""~
1. Boosting operators ""^ ()^
1. Regex: ("Ada Lovelace" OR "Ado Lavelace") AND paris AND /.*..*\@.*..*/
1. Campos de metadata
1. operadores >,=,<: metadata.tika_metadata_creation_date:>=2010-01-01
1. rango de números: [min TO max] {min TO max}
---
### Buscar por lotes
- Ejemplo 1: Alcaldes csv
- Visitar un resultado
- Ejemplo 2: Alcaldes csv con proximidad 2
- Visitar un resultado
- Ejemplo 3: Alcaldes csv sin full phrase
- Filtrar los resultados obtenidos
- Ejemplo 4: Alcaldes csv con fuzzy 2
- Descargar resultados
- Ejemplo 5: Alcaldes csv en una ruta
---
### Historial de archivos visitados
---
class: center, middle, title
## Ejercicios
---
### Ejercicios
1. Ver preview de un BOE
1. Aplicar filtro: de 01/01/2019 a 12/01/2020
1. Aplicar filtro: de 01/01/2019 a 12/01/2020
1. Aplicar filtro por metadata.tika_metadata_author de un doc
1. Buscar por NE.location='pontevedra'
1. Instalar plugin Email
1. Ordenar valores en filtro Email por ocurrencia ascendente
1. Fechas de creación para los pdf de la carpeta BOE
1. Batch search
1. Filtrar emails: solo de 'gmail'
1. Filtrar emails: ¿hay algún hotmail?
---
class: center, middle, title
## Extras
---
### Modo Servidor
- https://github.com/ICIJ/datashare/wiki/Datashare-Server-Mode
---
### Github
- https://github.com/ICIJ/datashare/wiki/
---
### Soporte
- https://github.com/ICIJ/datashare/wiki/Datashare-Support
---
### FAQ
- https://icij.gitbook.io/datashare/faq/table-of-contents
---
### Guías
1. Añadir documentos
1. Filtrar documentos
1. Buscar documentos
1. Busqueda con operadores y regex
1. Etiquetar documentos
1. Atajos de teclado
1. Búsquedas masivas (por lotes)
---
### Traducción
https://crowdin.com/project/datashare/invite/public?show_welcome&d=c5db50c77f3f3beb9c363ae8e596f2b01136183
---
### Customize
- Plugins https://github.com/ICIJ/datashare/wiki/Client-%E2%80%BA-Plugins
- Extensions https://github.com/ICIJ/datashare/wiki/Backend-%E2%80%BA-Extensions
- Backend API
- Client API
- Client Hooks
- Client Widgets
- Client Components
- Widgets
- Filters
- Pages
- Others
---
### Otros
#### Instalar fuentes
- https://vitux.com/how-to-install-truetype-fonts-in-ubuntu/
</textarea>
<script src="https://gnab.github.io/remark/downloads/remark-latest.min.js"></script>
<script>
var slideshow = remark.create();
</script>
<script></script>
</body>
</html>