librarian/__init__.py

   1 # -*- coding: utf-8 -*-
   2 #
   3 # This file is part of Librarian, licensed under GNU Affero GPLv3 or later.
   4 # Copyright © Fundacja Nowoczesna Polska. See NOTICE for more information.
   5 #
   6 from __future__ import with_statement
   7
   8 import os
   9 import re
  10 import shutil
  11 import urllib
  12
  13 from util import makedirs
  14
  15
  16 class UnicodeException(Exception):
  17     def __str__(self):
  18         """ Dirty workaround for Python Unicode handling problems. """
  19         return unicode(self).encode('utf-8')
  20
  21     def __unicode__(self):
  22         """ Dirty workaround for Python Unicode handling problems. """
  23         args = self.args[0] if len(self.args) == 1 else self.args
  24         try:
  25             message = unicode(args)
  26         except UnicodeDecodeError:
  27             message = unicode(args, encoding='utf-8', errors='ignore')
  28         return message
  29
  30 class ParseError(UnicodeException):
  31     pass
  32
  33 class ValidationError(UnicodeException):
  34     pass
  35
  36 class NoDublinCore(ValidationError):
  37     """There's no DublinCore section, and it's required."""
  38     pass
  39
  40 class NoProvider(UnicodeException):
  41     """There's no DocProvider specified, and it's needed."""
  42     pass
  43
  44 class XMLNamespace(object):
  45     '''A handy structure to repsent names in an XML namespace.'''
  46
  47     def __init__(self, uri):
  48         self.uri = uri
  49
  50     def __call__(self, tag):
  51         return '{%s}%s' % (self.uri, tag)
  52
  53     def __contains__(self, tag):
  54         return tag.startswith('{' + str(self) + '}')
  55
  56     def __repr__(self):
  57         return 'XMLNamespace(%r)' % self.uri
  58
  59     def __str__(self):
  60         return '%s' % self.uri
  61
  62 class EmptyNamespace(XMLNamespace):
  63     def __init__(self):
  64         super(EmptyNamespace, self).__init__('')
  65
  66     def __call__(self, tag):
  67         return tag
  68
  69 # some common namespaces we use
  70 XMLNS = XMLNamespace('http://www.w3.org/XML/1998/namespace')
  71 RDFNS = XMLNamespace('http://www.w3.org/1999/02/22-rdf-syntax-ns#')
  72 DCNS = XMLNamespace('http://purl.org/dc/elements/1.1/')
  73 XINS = XMLNamespace("http://www.w3.org/2001/XInclude")
  74 XHTMLNS = XMLNamespace("http://www.w3.org/1999/xhtml")
  75 NCXNS = XMLNamespace("http://www.daisy.org/z3986/2005/ncx/")
  76 OPFNS = XMLNamespace("http://www.idpf.org/2007/opf")
  77 PLMETNS = XMLNamespace("http://dl.psnc.pl/schemas/plmet/")
  78
  79 WLNS = EmptyNamespace()
  80
  81
  82 class WLURI(object):
  83     """Represents a WL URI. Extracts slug from it."""
  84     slug = None
  85
  86     example = 'http://wolnelektury.pl/katalog/lektura/template/'
  87     _re_wl_uri = re.compile(r'http://(www\.)?wolnelektury.pl/katalog/lektura/'
  88             '(?P<slug>[-a-z0-9]+)/?$')
  89
  90     def __init__(self, uri):
  91         uri = unicode(uri)
  92         self.uri = uri
  93         self.slug = uri.rstrip('/').rsplit('/', 1)[-1]
  94
  95     @classmethod
  96     def strict(cls, uri):
  97         match = cls._re_wl_uri.match(uri)
  98         if not match:
  99             raise ValidationError(u'Invalid URI (%s). Should match: %s' % (
 100                         uri, cls._re_wl_uri.pattern))
 101         return cls(uri)
 102
 103     @classmethod
 104     def from_slug(cls, slug):
 105         """Contructs an URI from slug.
 106
 107         >>> WLURI.from_slug('a-slug').uri
 108         u'http://wolnelektury.pl/katalog/lektura/a-slug/'
 109
 110         """
 111         uri = 'http://wolnelektury.pl/katalog/lektura/%s/' % slug
 112         return cls(uri)
 113
 114     def __unicode__(self):
 115         return self.uri
 116
 117     def __str__(self):
 118         return self.uri
 119
 120     def __eq__(self, other):
 121         return self.slug == other.slug
 122
 123
 124 class DocProvider(object):
 125     """Base class for a repository of XML files.
 126
 127     Used for generating joined files, like EPUBs.
 128     """
 129
 130     def by_slug(self, slug):
 131         """Should return a file-like object with a WL document XML."""
 132         raise NotImplementedError
 133
 134     def by_uri(self, uri, wluri=WLURI):
 135         """Should return a file-like object with a WL document XML."""
 136         wluri = wluri(uri)
 137         return self.by_slug(wluri.slug)
 138
 139
 140 class DirDocProvider(DocProvider):
 141     """ Serve docs from a directory of files in form <slug>.xml """
 142
 143     def __init__(self, dir_):
 144         self.dir = dir_
 145         self.files = {}
 146
 147     def by_slug(self, slug):
 148         fname = slug + '.xml'
 149         return open(os.path.join(self.dir, fname))
 150
 151
 152 import lxml.etree as etree
 153 import dcparser
 154
 155 DEFAULT_BOOKINFO = dcparser.BookInfo(
 156         { RDFNS('about'): u'http://wiki.wolnepodreczniki.pl/Lektury:Template'},
 157         { DCNS('creator'): [u'Some, Author'],
 158           DCNS('title'): [u'Some Title'],
 159           DCNS('subject.period'): [u'Unknown'],
 160           DCNS('subject.type'): [u'Unknown'],
 161           DCNS('subject.genre'): [u'Unknown'],
 162           DCNS('date'): ['1970-01-01'],
 163           DCNS('language'): [u'pol'],
 164           # DCNS('date'): [creation_date],
 165           DCNS('publisher'): [u"Fundacja Nowoczesna Polska"],
 166           DCNS('description'):
 167           [u"""Publikacja zrealizowana w ramach projektu
 168              Wolne Lektury (http://wolnelektury.pl). Reprodukcja cyfrowa
 169              wykonana przez Bibliotekę Narodową z egzemplarza
 170              pochodzącego ze zbiorów BN."""],
 171           DCNS('identifier.url'): [WLURI.example],
 172           DCNS('rights'):
 173             [u"Domena publiczna - zm. [OPIS STANU PRAWNEGO TEKSTU]"] })
 174
 175 def xinclude_forURI(uri):
 176     e = etree.Element(XINS("include"))
 177     e.set("href", uri)
 178     return etree.tostring(e, encoding=unicode)
 179
 180 def wrap_text(ocrtext, creation_date, bookinfo=DEFAULT_BOOKINFO):
 181     """Wrap the text within the minimal XML structure with a DC template."""
 182     bookinfo.created_at = creation_date
 183
 184     dcstring = etree.tostring(bookinfo.to_etree(), \
 185         method='xml', encoding=unicode, pretty_print=True)
 186
 187     return u'<utwor>\n' + dcstring + u'\n<plain-text>\n' + ocrtext + \
 188         u'\n</plain-text>\n</utwor>'
 189
 190
 191 def serialize_raw(element):
 192     b = u'' + (element.text or '')
 193
 194     for child in element.iterchildren():
 195         e = etree.tostring(child, method='xml', encoding=unicode,
 196                 pretty_print=True)
 197         b += e
 198
 199     return b
 200
 201 SERIALIZERS = {
 202     'raw': serialize_raw,
 203 }
 204
 205 def serialize_children(element, format='raw'):
 206     return SERIALIZERS[format](element)
 207
 208 def get_resource(path):
 209     return os.path.join(os.path.dirname(__file__), path)
 210
 211
 212 class OutputFile(object):
 213     """Represents a file returned by one of the converters."""
 214
 215     _string = None
 216     _filename = None
 217
 218     def __del__(self):
 219         if self._filename:
 220             os.unlink(self._filename)
 221
 222     def __nonzero__(self):
 223         return self._string is not None or self._filename is not None
 224
 225     @classmethod
 226     def from_string(cls, string):
 227         """Converter returns contents of a file as a string."""
 228
 229         instance = cls()
 230         instance._string = string
 231         return instance
 232
 233     @classmethod
 234     def from_filename(cls, filename):
 235         """Converter returns contents of a file as a named file."""
 236
 237         instance = cls()
 238         instance._filename = filename
 239         return instance
 240
 241     def get_string(self):
 242         """Get file's contents as a string."""
 243
 244         if self._filename is not None:
 245             with open(self._filename) as f:
 246                 return f.read()
 247         else:
 248             return self._string
 249
 250     def get_file(self):
 251         """Get file as a file-like object."""
 252
 253         if self._string is not None:
 254             from StringIO import StringIO
 255             return StringIO(self._string)
 256         elif self._filename is not None:
 257             return open(self._filename)
 258
 259     def get_filename(self):
 260         """Get file as a fs path."""
 261
 262         if self._filename is not None:
 263             return self._filename
 264         elif self._string is not None:
 265             from tempfile import NamedTemporaryFile
 266             temp = NamedTemporaryFile(prefix='librarian-', delete=False)
 267             temp.write(self._string)
 268             temp.close()
 269             self._filename = temp.name
 270             return self._filename
 271         else:
 272             return None
 273
 274     def save_as(self, path):
 275         """Save file to a path. Create directories, if necessary."""
 276
 277         dirname = os.path.dirname(os.path.abspath(path))
 278         makedirs(dirname)
 279         shutil.copy(self.get_filename(), path)
 280
 281
 282 class URLOpener(urllib.FancyURLopener):
 283     version = 'FNP Librarian (http://github.com/fnp/librarian)'
 284 urllib._urlopener = URLOpener()