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 class ParseError(Exception):
   7
   8     def __init__(self, cause, message=None):
   9         self.cause = cause
  10         try:
  11             self.message = message or self.cause.message
  12         except:
  13             self.message = "No message."
  14
  15 class ValidationError(Exception):
  16     pass
  17
  18 class NoDublinCore(ValidationError):
  19     pass
  20
  21 class XMLNamespace(object):
  22     '''A handy structure to repsent names in an XML namespace.'''
  23
  24     def __init__(self, uri):
  25         self.uri = uri
  26
  27     def __call__(self, tag):
  28         return '{%s}%s' % (self.uri, tag)
  29
  30     def __contains__(self, tag):
  31         return tag.startswith('{'+str(self)+'}')
  32
  33     def __repr__(self):
  34         return 'XMLNamespace(%r)' % self.uri
  35
  36     def __str__(self):
  37         return '%s' % self.uri
  38
  39 class EmptyNamespace(XMLNamespace):
  40     def __init__(self):
  41         super(EmptyNamespace, self).__init__('')
  42
  43     def __call__(self, tag):
  44         return tag
  45
  46 # some common namespaces we use
  47 RDFNS = XMLNamespace('http://www.w3.org/1999/02/22-rdf-syntax-ns#')
  48 DCNS = XMLNamespace('http://purl.org/dc/elements/1.1/')
  49 XINS = XMLNamespace("http://www.w3.org/2001/XInclude")
  50 XHTMLNS = XMLNamespace("http://www.w3.org/1999/xhtml")
  51
  52 WLNS = EmptyNamespace()
  53
  54 import lxml.etree as etree
  55 import dcparser
  56
  57 DEFAULT_BOOKINFO = dcparser.BookInfo(
  58         { RDFNS('about'): u'http://wiki.wolnepodreczniki.pl/Lektury:Template'},\
  59         { DCNS('creator'): [u'Some, Author'],
  60           DCNS('title'): [u'Some Title'],
  61           DCNS('subject.period'): [u'Unknown'],
  62           DCNS('subject.type'): [u'Unknown'],
  63           DCNS('subject.genre'): [u'Unknown'],
  64           DCNS('date'): ['1970-01-01'],
  65           # DCNS('date'): [creation_date],
  66           DCNS('publisher'): [u"Fundacja Nowoczesna Polska"],
  67           DCNS('description'):
  68           [u"""Publikacja zrealizowana w ramach projektu
  69              Wolne Lektury (http://wolnelektury.pl). Reprodukcja cyfrowa
  70              wykonana przez Bibliotekę Narodową z egzemplarza
  71              pochodzącego ze zbiorów BN."""],
  72           DCNS('identifier.url'):
  73             [u"http://wolnelektury.pl/katalog/lektura/template"],
  74           DCNS('rights'):
  75             [u"Domena publiczna - zm. [OPIS STANU PRAWNEGO TEKSTU]"] })
  76
  77 def xinclude_forURI(uri):
  78     e = etree.Element( XINS("include") )
  79     e.set("href", uri)
  80     return etree.tostring(e, encoding=unicode)
  81
  82 def wrap_text(ocrtext, creation_date, bookinfo=DEFAULT_BOOKINFO):
  83     """Wrap the text within the minimal XML structure with a DC template."""
  84     bookinfo.created_at = creation_date
  85
  86     dcstring = etree.tostring(bookinfo.to_etree(),\
  87         method='xml', encoding=unicode, pretty_print=True)
  88
  89     return u'<utwor>\n' + dcstring + u'\n<plain-text>\n' + ocrtext +\
  90         u'\n</plain-text>\n</utwor>';
  91
  92
  93 def serialize_raw(element):
  94     b = u'' + (element.text or '')
  95
  96     for child in element.iterchildren():
  97         e = etree.tostring(child, method='xml', encoding=unicode, pretty_print=True)
  98         b += e
  99
 100     return b
 101
 102 SERIALIZERS = {
 103     'raw': serialize_raw,
 104 }
 105
 106 def serialize_children(element, format='raw'):
 107     return SERIALIZERS[format](element)