Filtrado corregido

codigo/Dato.py

@@ -41,6 +41,8 @@ class Dato:
         self.Clave,c = sacarLinea(cadena, c, aux, ' ')
         self.Usuario,c = sacarLinea(cadena, c, aux, ' ')
         self.Fecha, c = leerFecha(cadena, c, aux)
+        self.Offset, c = sacarLinea(cadena, c, aux, ']')
+        self.Offset=self.Offset[1:len(self.Offset)]
 
         # Obtenemos modo de petición, url y protocolo
         c = leerLinea(cadena, c, '"')

codigo/Filtros.py

@@ -2,6 +2,8 @@
 
 
 def getFormatosFromCSV(cad):
+    if cad !="" and cad[len(cad)-1]!=';':
+        cad+=';'
     ret= cad.split(sep=';')
     for i in range(len(ret)):
         if ret[i]!="" and ret[i][0]!='.':

codigo/ObtencionRegistro.py

@@ -22,7 +22,8 @@ def leerLog(ruta, extensionesAdmitidas, extensionesNoAdmitidas):
         try:
             aux = Dato(linea)
             if not aux.isPerdido():  # Si no es un valor perdido lo incluimos en los registros
-                ret = obtenerDato(ret, extensionesAdmitidas, extensionesNoAdmitidas, aux)
+                if datoAdmitido(extensionesAdmitidas, extensionesNoAdmitidas, aux):
+                    ret.append(aux)
         except:
             continue
     f.close()
@@ -30,25 +31,51 @@ def leerLog(ruta, extensionesAdmitidas, extensionesNoAdmitidas):
     return ret
 
 
-# Obtengo el dato de los registros dependiendo de qué extensiones procede
-def obtenerDato(ret, extensionesAdmitidas, extensionesNoAdmitidas, aux):
-    # Compruebo si el dato pertenece a una extension NO admitida
-    admitir = True
-    for ext in extensionesNoAdmitidas:
-        if ext in aux.URL_Solicitada:
-            admitir = False
+# Miro si el dato procede ser insertado o no
+def datoAdmitido(extensionesAdmitidas, extensionesNoAdmitidas, reg):
+    #Por defecto, si las listas estan vacias, se acepta todo
+    if len(extensionesAdmitidas)==0 and len(extensionesNoAdmitidas)==0:
+        return True
+    ext=""
+    if '.' not in reg.URL_Solicitada:#<-- Si el registro no tiene extension
+        sinExtension=True
+    else:
+        sinExtension=False
+        #Saco la extension
+        c=0
+        while c < len(reg.URL_Solicitada) and reg.URL_Solicitada[c]!='.':
+            c+=1
+        ext=reg.URL_Solicitada[c:len(reg.URL_Solicitada)]
 
-    # Si no se corresponde con ninguna extension NO admitida, compruebo si hay que filtrar con las admitidas
-    if admitir:
-        if len(extensionesAdmitidas) == 0:
-            ret.append(aux)
+    if len(extensionesAdmitidas) != 0:#Se filtra por extensiones admitidas
+        if sinExtension:
+            if "" in extensionesAdmitidas:
+                return True
+            else:
+                return False
         else:
-            # Filtro con las admitidas
-            for ext in extensionesAdmitidas:
-                if ext in aux.URL_Solicitada:
-                    ret.append(aux)
+            if ext in extensionesAdmitidas:
+                return True
+            else:
+                return False
+    else:
+        if sinExtension:
+            if "" not in extensionesNoAdmitidas:
+                return True
+            else:
+                return False
+        else:
+            if ext not in extensionesNoAdmitidas:
+                return True
+            else:
+                return False
+
+
+
+
+
+
 
-    return ret
 
 
 # Quita las entradas que pertenecen arañas, bots o crawler