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