From 0c6c621919e967c3501a0b0c2a640925c396c05a Mon Sep 17 00:00:00 2001
From: OneNewDev <onenewdev@mailbox.org>
Date: Mon, 6 Jun 2022 12:17:02 +0200
Subject: [PATCH] exclude code blocks

---
 tagger.py | 8 ++++++--
 1 file changed, 6 insertions(+), 2 deletions(-)

diff --git a/tagger.py b/tagger.py
index 437d95c..a03a81d 100644
--- a/tagger.py
+++ b/tagger.py
@@ -13,6 +13,7 @@ SOURCE_FILENAME = 'index.txt'
 OUTPUT_FILE = 'tags.json'
 TAGS_PER_ARTICLE = 5
 JSON_INDENT = 2
+EXCLUDED_HTML_TAGS = {'code'}
 
 # Wegen Performance vordefinierte Variablen
 _UPPER_CHECK = re.compile(r'[A-Z]')
@@ -29,6 +30,7 @@ class FileScanner(HTMLParser):
         super().__init__()
         self.file = file
         self.texte = []
+        self._current_html_tag = None
     
     def scan_file(self):
         # Datei einlesen
@@ -86,6 +88,7 @@ class FileScanner(HTMLParser):
         return sorted(words_with_usage.values(), key=lambda tag: tag.score, reverse=True)
     
     def handle_starttag(self, tag, attrs):
+        self._current_html_tag = tag
         # Die Links, die in den 'href' Attributen eines <a> HTML-Elements stehen, mit einbeziehen.
         if tag != "a":
             return
@@ -95,8 +98,9 @@ class FileScanner(HTMLParser):
                 break
     
     def handle_data(self, data):
-        # Den Text innerhalb eines HTML-Elements mit einbeziehen.
-        self.texte.append(data)
+        if self._current_html_tag not in EXCLUDED_HTML_TAGS:
+            # Den Text innerhalb eines HTML-Elements mit einbeziehen.
+            self.texte.append(data)
 
 
 def display_tags(tags, min_score):