email_signature_parser 0.1.1

data/lib/email_signature_parser/data/job_titles/titles_es.yaml

@@ -0,0 +1,417 @@
+---
+- abogada
+- abogado
+- académica
+- académico
+- acondicionado
+- actor
+- actriz
+- administrador
+- administradora
+- administrativa
+- administrativo
+- aire
+- almacenista
+- almacén
+- analista
+- animador
+- animadora
+- aplicaciones
+- archivo
+- arquitecta
+- arquitecto
+- artista
+- aseadora
+- aseo
+- asesor
+- asesora
+- asistente
+- auditor
+- auditora
+- automotriz
+- auxiliar
+- ayuda
+- ayudante
+- bacterióloga
+- bacteriólogo
+- bailarina
+- bailarín
+- barbera
+- barbero
+- bartender
+- base
+- bibliotecaria
+- bibliotecario
+- bienestar
+- bilingüe
+- blogger
+- bloggera
+- bodeguera
+- bodeguero
+- brigadista
+- bus
+- caja
+- cajera
+- cajero
+- calidad
+- camarera
+- camarógrada
+- camarógrafo
+- camión
+- cantante
+- capacitador
+- capacitadora
+- capturista
+- cargador
+- cargadora
+- certificada
+- certificado
+- chef
+- chofer
+- choferes
+- cine
+- civil
+- coach
+- cocina
+- cocinera
+- cocinero
+- colegio
+- comercial
+- community
+- compras
+- conductor
+- conductora
+- conserje
+- constructor
+- constructora
+- consultor
+- consultora
+- contable
+- contador
+- contadora
+- content
+- contratista
+- control
+- controller
+- coordinador
+- coordinadora
+- copywriter
+- correctivo
+- corrector
+- correctora
+- correspondencia
+- cosmetóloga
+- cosmetólogo
+- crédito
+- cuentas
+- datos
+- decana
+- decano
+- defensor
+- defensora
+- demostrador
+- demostradora
+- departamento
+- dependienta
+- dependiente
+- desarrollador
+- desarrolladora
+- desk
+- despachador
+- despachadora
+- dibujante
+- diesel
+- digitador
+- digitadora
+- digital
+- director
+- directora
+- disc
+- diseñador
+- diseñadora
+- documental
+- domiciliaria
+- domiciliario
+- editor
+- editora
+- ejecutiva
+- ejecutivo
+- electricista
+- electrónica
+- electrónico
+- eléctrica
+- eléctrico
+- empacador
+- empacadora
+- enfermera
+- enfermero
+- enfermería
+- entrenador
+- entrenadora
+- escenógrafa
+- escenógrafo
+- escolar
+- especialista
+- especializada
+- especializado
+- esteticista
+- estibador
+- estibadora
+- estilista
+- estilo
+- externa
+- externo
+- facilitador
+- facilitadora
+- farmacéutica
+- farmacéutico
+- financiera
+- financiero
+- fiscal
+- fisioterapeuta
+- fotógrafa
+- fotógrafo
+- gamer
+- general
+- generales
+- gerencia
+- gerente
+- gestor
+- gestora
+- gráfica
+- gráfico
+- grúa
+- guardia
+- guionista
+- headhunter
+- help
+- higienista
+- humanos
+- iluminador
+- iluminadora
+- implementador
+- implementadora
+- impulsor
+- impulsora
+- industrial
+- influencer
+- ingeniera
+- ingeniero
+- inspector
+- inspectora
+- instalador
+- instaladora
+- instructor
+- instructora
+- interiores
+- interna
+- interno
+- intérprete
+- inventarista
+- iso
+- jardinera
+- jardinero
+- jefa
+- jefe
+- jockey
+- joyera
+- joyero
+- judicial
+- juez
+- jueza
+- junior
+- laboratorio
+- laboratorista
+- lavador
+- lavadora
+- legal
+- liquidador
+- liquidadora
+- locutor
+- locutora
+- logística
+- lubricador
+- lubricadora
+- líder
+- maestra
+- maestro
+- manager
+- manicurista
+- mantenimiento
+- marketing
+- masajista
+- mecánica
+- mecánico
+- media
+- mejoramiento
+- mensajera
+- mensajero
+- mentor
+- mentora
+- mercaderista
+- mesa
+- mesera
+- mesero
+- modista
+- modisto
+- montacargas
+- mostrador
+- motorizada
+- motorizado
+- mucama
+- máquina
+- médica
+- médico
+- música
+- músico
+- negocios
+- notaria
+- notario
+- nutricionista
+- nómina
+- obra
+- ocupacional
+- odontóloga
+- odontólogo
+- operaciones
+- operador
+- operadora
+- operaria
+- operario
+- organizacional
+- orientador
+- orientadora
+- paralegale
+- paramédica
+- paramédico
+- parqueadera
+- parqueadero
+- pedicurista
+- peluquera
+- peluquero
+- periodista
+- personal
+- plomera
+- plomero
+- portera
+- portero
+- presentador
+- presentadora
+- prevencionista
+- preventivo
+- primaria
+- principal
+- procesos
+- procurador
+- procuradora
+- producción
+- productor
+- productora
+- profesional
+- profesor
+- profesora
+- programador
+- programadora
+- promotor
+- promotora
+- proyectos
+- psicopedagoga
+- psicopedagogo
+- psicóloga
+- psicólogo
+- pública
+- público
+- química
+- químico
+- radióloga
+- radiólogo
+- recepcionista
+- recibidor
+- recibidora
+- reclutador
+- reclutadora
+- rector
+- rectora
+- recursos
+- red
+- redactor
+- redactora
+- refrigeración
+- regional
+- registrador
+- registradora
+- relojera
+- relojero
+- repartidor
+- repartidora
+- reportera
+- reportero
+- repositor
+- repositora
+- representante
+- riesgos
+- salud
+- sastre
+- sección
+- secretaria
+- secretario
+- seguridad
+- selección
+- sem
+- senior
+- seo
+- servicios
+- sistemas
+- social
+- socorrista
+- software
+- soldador
+- soldadora
+- sonidista
+- soporte
+- sous
+- streamer
+- subdirector
+- subdirectora
+- sucursal
+- supervisor
+- supervisora
+- surtidor
+- surtidora
+- taxista
+- telefonista
+- tesorera
+- tesorero
+- topógrafa
+- topógrafo
+- trabajador
+- trabajadora
+- traductor
+- traductora
+- tramitador
+- tramitadora
+- transportador
+- transportadora
+- turno
+- técnica
+- técnico
+- universitaria
+- universitario
+- urbanista
+- vehículos
+- vendedor
+- vendedora
+- ventas
+- vicerrector
+- vicerrectora
+- video
+- vigilante
+- web
+- webmaster
+- youtuber
+- zapatera
+- zapatero
+- zona
+- área
+- óptica
+- óptico

data/lib/email_signature_parser/html_text_parser.rb

@@ -0,0 +1,181 @@
+module EmailSignatureParser
+  class HtmlTextParser < ::Ox::Sax
+    attr_reader :parsed_text
+
+    def initialize()
+      @parsed_text = ''
+      @discard = false
+      @current_element = ''
+
+      @current_list_index = -1
+      @lists = []
+
+
+      @table_columns = 0
+      @parsing_link = false
+      @link_text = ""
+      @link_href = ""
+    end
+
+    def start_element(name)
+
+      if name == :b || name == :strong
+        @parsed_text << " "
+      elsif name == :i || name == :em
+        @parsed_text << " "
+      end
+
+      if name == :script || name == :style || name == :head || name == :meta || name == :title
+        @discard = true
+      else
+        @discard = false
+      end
+
+      @current_element = name
+      if name == :br
+        @parsed_text << "\n"
+      end
+      if name== :hr
+        @parsed_text << "\n-------------------------------------------------------------------------------------------------------------------------------------------------\n"
+      end
+      if name == :ul || name == :ol
+        @parsed_text << "\n"
+        @lists << {
+          list_type: name,
+          ordered_list_level: 1,
+          ordered_list_type: "1", #If its an unordered list, this is not used. 
+        }
+      end
+
+      if name == :a
+        @parsing_link = true
+        @link_text = ""
+        @link_href = ""
+      end
+    end
+
+    def end_element(name)
+      @discard = false
+
+      if name == :b || name == :strong
+        @parsed_text << " "
+      elsif name == :i || name == :em
+        @parsed_text << " "
+      end
+
+      if name == :p || name == :div || name.match(/h[1-6]/) || name == :br || name == :hr || name == :table || name == :tr
+        @parsed_text << "\n"
+      end
+
+      if name == :a
+        @parsed_text << "<a href=\"#{@link_href}\">#{@link_text}</a>" #leave links in html format
+        @parsing_link = false
+        @link_text = ""
+        @link_href = ""
+      end
+
+      if name == :li
+        @parsed_text << "\n"
+        if  @lists.last && @lists.last[:list_type] == :ol
+          @lists.last[:ordered_list_level] += 1
+        end
+      end
+
+      if name == :ul || name == :ol
+        @lists.pop
+      end
+    end
+
+    def attr(name, value)
+
+      if (@current_element == :a && name == :href)
+        @link_href << value
+      end
+
+      if (@current_element == :div && name == :style && value.match?(/border-\w*:\s*solid/))
+        @parsed_text << "\n-------------------------------------------------------------------------------------------------------------------------------------------------\n"
+      end
+
+      if (@current_element == :ol && name == :start)
+        @lists.last[:ordered_list_level] = value.to_i
+      end
+      if (@current_element == :ol && name == :type)
+        @lists.last[:ordered_list_type] = value
+      end
+    end
+
+    def attrs_done()
+      if @current_element == :li
+        current_list = @lists.last
+        if current_list.nil?
+          #sometimes we encounter a <li> outside of a list, so we just ignore it
+          return
+        end
+        if @lists.size > 1
+          # We are inside a nested list, so we need to indent
+          @parsed_text << " " * 2 * (@lists.size - 1)
+        end
+
+        if current_list[:list_type] == :ol
+          if current_list[:ordered_list_type] == "A"
+            @parsed_text << "#{('A'.ord + current_list[:ordered_list_level] - 1).chr}. "
+          elsif current_list[:ordered_list_type] == "a"
+            @parsed_text << "#{('a'.ord + current_list[:ordered_list_level] - 1).chr}. "
+          elsif current_list[:ordered_list_type] == "I"
+            @parsed_text << "#{roman_numeral(current_list[:ordered_list_level])}. "
+          elsif current_list[:ordered_list_type] == "i"
+            @parsed_text << "#{roman_numeral(current_list[:ordered_list_level]).downcase}. "
+          else
+            @parsed_text << "#{current_list[:ordered_list_level]}. "
+          end
+        else
+          @parsed_text << "* "
+        end
+      end
+
+    end
+
+    def text(value)
+      if @parsing_link
+        @link_text << value
+        return
+      end
+      unless value.nil? || value.empty? || @discard
+        if value.include?("-----------------------------")
+          @parsed_text << "\n-------------------------------------------------------------------------------------------------------------------------------------------------\n"
+        else
+          @parsed_text << value
+        end
+      end
+    end
+
+    def postprocess()
+
+      # remove linefeeds (\r\n and \r -> \n)
+      @parsed_text.gsub!(/\r\n?/, "\n")
+
+      # strip extra spaces
+      @parsed_text.gsub!(/[ \t]*\302\240+[ \t]*/, " ") # non-breaking spaces -> spaces
+      @parsed_text.gsub!(/\n[\t]+/, "\n") # space at start of lines
+      @parsed_text.gsub!(/[ \t]+\n/, "\n") # space at end of lines
+
+
+      @parsed_text = @parsed_text.split("\n").map(&:strip).join("\n") # strip lines
+
+    end
+
+    def roman_numeral(number)
+      roman_mapping = {
+        1000 => "M", 900 => "CM", 500 => "D", 400 => "CD", 100 => "C",
+        90 => "XC", 50 => "L", 40 => "XL", 10 => "X", 9 => "IX",
+        5 => "V", 4 => "IV", 1 => "I"
+      }
+      result = ""
+      roman_mapping.each do |value, letter|
+        result << letter * (number / value)
+        number = number % value
+      end
+      result
+    end
+  end
+end