Первичная версия: стилометрия реплик, LSA и протокол экспериментов

lab1/scripts/check_environment.py

@@ -0,0 +1,77 @@
+"""Проверка окружения перед серией экспериментов."""
+
+from __future__ import annotations
+
+import json
+import sys
+from pathlib import Path
+
+PROJECT_ROOT = Path(__file__).resolve().parents[1]
+sys.path.insert(0, str(PROJECT_ROOT))
+
+from stylometry.io import DEFAULT_DATA_PATH, corpus_fingerprint, read_corpus, validate_corpus  # noqa: E402
+from stylometry.tokenization import Tokenizer  # noqa: E402
+
+
+def package_versions() -> dict[str, str]:
+    versions: dict[str, str] = {}
+    for name in ("numpy", "pandas", "scipy", "sklearn", "nltk", "matplotlib"):
+        try:
+            module = __import__(name)
+            versions[name] = getattr(module, "__version__", "unknown")
+        except Exception:
+            versions[name] = "missing"
+    return versions
+
+
+def main() -> int:
+    print("=== Проверка окружения ===")
+    print(f"Python: {sys.version.split()[0]} ({sys.executable})")
+    print(f"Каталог проекта: {PROJECT_ROOT}")
+
+    versions = package_versions()
+    print("Версии библиотек:")
+    for name, version in versions.items():
+        print(f"  {name}: {version}")
+    missing = [name for name, version in versions.items() if version == "missing"]
+    if missing:
+        print(f"ОШИБКА: не установлены библиотеки: {missing}")
+        print("Выполните: pip install -r requirements.txt")
+        return 1
+
+    if not DEFAULT_DATA_PATH.exists():
+        print(f"ОШИБКА: нет файла корпуса {DEFAULT_DATA_PATH}")
+        return 1
+
+    frame = read_corpus(DEFAULT_DATA_PATH)
+    stats = validate_corpus(frame)
+    print("Корпус:")
+    print(f"  файл: {DEFAULT_DATA_PATH}")
+    print(f"  SHA-256: {corpus_fingerprint(DEFAULT_DATA_PATH)}")
+    print(f"  реплик: {stats['n_lines']}")
+    print(f"  персонажей: {stats['n_characters']}")
+    print(f"  словоупотреблений: {stats['n_words']}")
+
+    try:
+        tokenizer = Tokenizer(use_nltk=True, strict=True)
+    except Exception as error:
+        print(f"ОШИБКА NLTK: {error}")
+        print("Выполните: python scripts/download_nltk_data.py")
+        return 1
+    analyzed = tokenizer.analyze(frame.iloc[0]["text"])
+    print("NLTK:")
+    print(f"  токенизатор: {'NLTK' if tokenizer.use_nltk else 'резервный'}")
+    print(f"  POS-теггер: {'доступен' if tokenizer.pos_available else 'недоступен'}")
+    print(f"  пример токенов: {analyzed.tokens[:8]}")
+    print(f"  пример POS: {analyzed.upos[:8]}")
+    if not tokenizer.pos_available:
+        print("ОШИБКА: POS-теггер недоступен; эксперименты с POS будут неполными.")
+        return 1
+
+    print("\nОкружение готово.")
+    print(json.dumps({"versions": versions, "n_lines": stats["n_lines"]}, ensure_ascii=False))
+    return 0
+
+
+if __name__ == "__main__":
+    raise SystemExit(main())