data split

dataset_script.py

@@ -0,0 +1,46 @@
+import csv
+from datasets import DatasetInfo, GeneratorBasedBuilder, SplitGenerator, Split
+
+class JobOffersESP(GeneratorBasedBuilder):
+    VERSION = "1.0.0"
+
+    def _info(self):
+        return DatasetInfo(
+            description="Dataset de ofertas laborales en español extraídas de EURES y fuentes autonómicas.",
+            features={
+                "url": {"dtype": "string"},
+                "fecha_publicacion": {"dtype": "string"},
+                "fecha_limite": {"dtype": "string"},
+                "titulo": {"dtype": "string"},
+                "empresa": {"dtype": "string"},
+                "ocupacion": {"dtype": "string"},
+                "descripcion": {"dtype": "string"},
+                "pais": {"dtype": "string"},
+                "region": {"dtype": "string"},
+                "tipo_contrato": {"dtype": "string"},
+            },
+            supervised_keys=None,
+        )
+
+    def _split_generators(self, dl_manager):
+        data_path = dl_manager.download_and_extract("data/job_offers.csv")
+        return [
+            SplitGenerator(name=Split.TRAIN, gen_kwargs={"filepath": data_path}),
+        ]
+
+    def _generate_examples(self, filepath):
+        with open(filepath, encoding="utf-8") as f:
+            reader = csv.DictReader(f, delimiter=";")
+            for idx, row in enumerate(reader):
+                yield idx, {
+                    "url": row["url"],
+                    "fecha_publicacion": row["fecha_publicacion"],
+                    "fecha_limite": row["fecha_limite"],
+                    "titulo": row["titulo"],
+                    "empresa": row["empresa"],
+                    "ocupacion": row["ocupacion"],
+                    "descripcion": row["descripcion"],
+                    "pais": row["pais"],
+                    "region": row["region"],
+                    "tipo_contrato": row["tipo_contrato"],
+                }