librarian/dcparser.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 xml.parsers.expat import ExpatError
   7 from datetime import date
   8 import time
   9 import re
  10 from librarian.util import roman_to_int
  11
  12 from librarian import (ValidationError, NoDublinCore, ParseError, DCNS, RDFNS,
  13                        XMLNS, WLURI)
  14
  15 import lxml.etree as etree # ElementTree API using libxml2
  16 from lxml.etree import XMLSyntaxError
  17
  18
  19 class TextPlus(unicode):
  20     pass
  21
  22 class DatePlus(date):
  23     pass
  24
  25
  26 # ==============
  27 # = Converters =
  28 # ==============
  29 class Person(object):
  30     """Single person with last name and a list of first names."""
  31     def __init__(self, last_name, *first_names):
  32         self.last_name = last_name
  33         self.first_names = first_names
  34
  35     @classmethod
  36     def from_text(cls, text):
  37         parts = [ token.strip() for token in text.split(',') ]
  38         if len(parts) == 1:
  39             surname = parts[0]
  40             names = []
  41         elif len(parts) != 2:
  42             raise ValueError("Invalid person name. There should be at most one comma: \"%s\"." % text)
  43         else:
  44             surname = parts[0]
  45             if len(parts[1]) == 0:
  46                 # there is no non-whitespace data after the comma
  47                 raise ValueError("Found a comma, but no names given: \"%s\" -> %r." % (text, parts))
  48             names = [ name for name in parts[1].split() if len(name) ] # all non-whitespace tokens
  49         return cls(surname, *names)
  50
  51     def readable(self):
  52         return u" ".join(self.first_names + (self.last_name,))
  53
  54     def __eq__(self, right):
  55         return self.last_name == right.last_name and self.first_names == right.first_names
  56
  57     def __cmp__(self, other):
  58         return cmp((self.last_name, self.first_names), (other.last_name, other.first_names))
  59
  60     def __hash__(self):
  61         return hash((self.last_name, self.first_names))
  62
  63     def __unicode__(self):
  64         if len(self.first_names) > 0:
  65             return '%s, %s' % (self.last_name, ' '.join(self.first_names))
  66         else:
  67             return self.last_name
  68
  69     def __repr__(self):
  70         return 'Person(last_name=%r, first_names=*%r)' % (self.last_name, self.first_names)
  71
  72 def as_date(text):
  73     """Dates for digitization of pictures. It seems we need the following:
  74 ranges:         '1350-1450',
  75 centuries:      "XVIII w.'
  76 half centuries/decades: '2 poł. XVIII w.', 'XVII w., l. 20'
  77 later-then: 'po 1450'
  78 circa 'ok. 1813-1814', 'ok.1876-ok.1886
  79 turn: 1893/1894
  80 for now we will translate this to some single date losing information of course.
  81     """
  82     try:
  83         # check out the "N. poł X w." syntax
  84         if isinstance(text, str): text = text.decode("utf-8")
  85
  86         century_format = u"(?:([12]) *poł[.]? +)?([MCDXVI]+) *w[.,]*(?: *l[.]? *([0-9]+))?"
  87         vague_format = u"(?:po *|ok. *)?([0-9]{4})(-[0-9]{2}-[0-9]{2})?"
  88
  89         m = re.match(century_format, text)
  90         m2 = re.match(vague_format, text)
  91         if m:
  92             half = m.group(1)
  93             decade = m.group(3)
  94             century = roman_to_int(str(m.group(2)))
  95             if half is not None:
  96                 if decade is not None:
  97                     raise ValueError("Bad date format. Cannot specify both half and decade of century")
  98                 half = int(half)
  99                 t = ((century*100 + (half-1)*50), 1, 1)
 100             else:
 101                 decade = int(decade or 0)
 102                 t = ((century*100 + decade), 1, 1)
 103         elif m2:
 104             year = m2.group(1)
 105             mon_day = m2.group(2)
 106             if mon_day:
 107                 t = time.strptime(year + mon_day, "%Y-%m-%d")
 108             else:
 109                 t = time.strptime(year, '%Y')
 110         else:
 111             raise ValueError
 112
 113         return DatePlus(t[0], t[1], t[2])
 114     except ValueError, e:
 115         raise ValueError("Unrecognized date format. Try YYYY-MM-DD or YYYY.")
 116
 117 def as_person(text):
 118     return Person.from_text(text)
 119
 120 def as_unicode(text):
 121     if isinstance(text, unicode):
 122         return text
 123     else:
 124         return TextPlus(text.decode('utf-8'))
 125
 126 def as_wluri_strict(text):
 127     return WLURI.strict(text)
 128
 129 class Field(object):
 130     def __init__(self, uri, attr_name, validator=as_unicode, strict=None, multiple=False, salias=None, **kwargs):
 131         self.uri = uri
 132         self.name = attr_name
 133         self.validator = validator
 134         self.strict = strict
 135         self.multiple = multiple
 136         self.salias = salias
 137
 138         self.required = kwargs.get('required', True) and not kwargs.has_key('default')
 139         self.default = kwargs.get('default', [] if multiple else [None])
 140
 141     def validate_value(self, val, strict=False):
 142         if strict and self.strict is not None:
 143             validator = self.strict
 144         else:
 145             validator = self.validator
 146         try:
 147             if self.multiple:
 148                 if validator is None:
 149                     return val
 150                 new_values = []
 151                 for v in val:
 152                     nv = v
 153                     if v is not None:
 154                         nv = validator(v)
 155                         if hasattr(v, 'lang'):
 156                             setattr(nv, 'lang', v.lang)
 157                     new_values.append(nv)
 158                 return new_values
 159             elif len(val) > 1:
 160                 raise ValidationError("Multiple values not allowed for field '%s'" % self.uri)
 161             elif len(val) == 0:
 162                 raise ValidationError("Field %s has no value to assign. Check your defaults." % self.uri)
 163             else:
 164                 if validator is None or val[0] is None:
 165                     return val[0]
 166                 nv = validator(val[0])
 167                 if hasattr(val[0], 'lang'):
 168                     setattr(nv, 'lang', val[0].lang)
 169                 return nv
 170         except ValueError, e:
 171             raise ValidationError("Field '%s' - invald value: %s" % (self.uri, e.message))
 172
 173     def validate(self, fdict, fallbacks=None, strict=False):
 174         if fallbacks is None:
 175             fallbacks = {}
 176         if not fdict.has_key(self.uri):
 177             if not self.required:
 178                 # Accept single value for single fields and saliases.
 179                 if self.name in fallbacks:
 180                     if self.multiple:
 181                         f = fallbacks[self.name]
 182                     else:
 183                         f = [fallbacks[self.name]]
 184                 elif self.salias and self.salias in fallbacks:
 185                     f = [fallbacks[self.salias]]
 186                 else:
 187                     f = self.default
 188             else:
 189                 raise ValidationError("Required field %s not found" % self.uri)
 190         else:
 191             f = fdict[self.uri]
 192
 193         return self.validate_value(f, strict=strict)
 194
 195     def __eq__(self, other):
 196         if isinstance(other, Field) and other.name == self.name:
 197             return True
 198         return False
 199
 200
 201 class DCInfo(type):
 202     def __new__(meta, classname, bases, class_dict):
 203         fields = list(class_dict['FIELDS'])
 204
 205         for base in bases[::-1]:
 206             if hasattr(base, 'FIELDS'):
 207                 for field in base.FIELDS[::-1]:
 208                     try:
 209                         fields.index(field)
 210                     except ValueError:
 211                         fields.insert(0, field)
 212
 213         class_dict['FIELDS'] = tuple(fields)
 214         return super(DCInfo, meta).__new__(meta, classname, bases, class_dict)
 215
 216
 217 class WorkInfo(object):
 218     __metaclass__ = DCInfo
 219
 220     FIELDS = (
 221         Field( DCNS('creator'), 'authors', as_person, salias='author', multiple=True),
 222         Field( DCNS('title'), 'title'),
 223         Field( DCNS('type'), 'type', required=False, multiple=True),
 224
 225         Field( DCNS('contributor.editor'), 'editors', \
 226             as_person, salias='editor', multiple=True, default=[]),
 227         Field( DCNS('contributor.technical_editor'), 'technical_editors',
 228             as_person, salias='technical_editor', multiple=True, default=[]),
 229         Field( DCNS('contributor.funding'), 'funders',
 230             salias='funder', multiple=True, default=[]),
 231         Field( DCNS('contributor.thanks'), 'thanks', required=False),
 232
 233         Field( DCNS('date'), 'created_at', as_date),
 234         Field( DCNS('date.pd'), 'released_to_public_domain_at', as_date, required=False),
 235         Field( DCNS('publisher'), 'publisher'),
 236
 237         Field( DCNS('language'), 'language'),
 238         Field( DCNS('description'), 'description', required=False),
 239
 240         Field( DCNS('source'), 'source_name', required=False),
 241         Field( DCNS('source.URL'), 'source_url', required=False),
 242         Field( DCNS('identifier.url'), 'url', WLURI, strict=as_wluri_strict),
 243         Field( DCNS('rights.license'), 'license', required=False),
 244         Field( DCNS('rights'), 'license_description'),
 245     )
 246
 247     @classmethod
 248     def from_string(cls, xml, *args, **kwargs):
 249         from StringIO import StringIO
 250         return cls.from_file(StringIO(xml), *args, **kwargs)
 251
 252     @classmethod
 253     def from_file(cls, xmlfile, *args, **kwargs):
 254         desc_tag = None
 255         try:
 256             iter = etree.iterparse(xmlfile, ['start', 'end'])
 257             for (event, element) in iter:
 258                 if element.tag == RDFNS('RDF') and event == 'start':
 259                     desc_tag = element
 260                     break
 261
 262             if desc_tag is None:
 263                 raise NoDublinCore("DublinCore section not found. \
 264                     Check if there are rdf:RDF and rdf:Description tags.")
 265
 266             # continue 'till the end of RDF section
 267             for (event, element) in iter:
 268                 if element.tag == RDFNS('RDF') and event == 'end':
 269                     break
 270
 271             # if there is no end, Expat should yell at us with an ExpatError
 272
 273             # extract data from the element and make the info
 274             return cls.from_element(desc_tag, *args, **kwargs)
 275         except XMLSyntaxError, e:
 276             raise ParseError(e)
 277         except ExpatError, e:
 278             raise ParseError(e)
 279
 280     @classmethod
 281     def from_element(cls, rdf_tag, *args, **kwargs):
 282         # the tree is already parsed, so we don't need to worry about Expat errors
 283         field_dict = {}
 284         desc = rdf_tag.find(".//" + RDFNS('Description'))
 285
 286         if desc is None:
 287             raise NoDublinCore("No DublinCore section found.")
 288
 289         lang = None
 290         p = desc
 291         while p is not None and lang is None:
 292             lang = p.attrib.get(XMLNS('lang'))
 293             p = p.getparent()
 294
 295         for e in desc.getchildren():
 296             fv = field_dict.get(e.tag, [])
 297             if e.text is not None:
 298                 text = e.text
 299                 if not isinstance(text, unicode):
 300                     text = text.decode('utf-8')
 301                 val = TextPlus(text)
 302                 val.lang = e.attrib.get(XMLNS('lang'), lang)
 303             else:
 304                 val = e.text
 305             fv.append(val)
 306             field_dict[e.tag] = fv
 307
 308         return cls(desc.attrib, field_dict, *args, **kwargs)
 309
 310     def __init__(self, rdf_attrs, dc_fields, fallbacks=None, strict=False):
 311         """rdf_attrs should be a dictionary-like object with any attributes of the RDF:Description.
 312         dc_fields - dictionary mapping DC fields (with namespace) to list of text values for the
 313         given field. """
 314
 315         self.about = rdf_attrs.get(RDFNS('about'))
 316         self.fmap = {}
 317
 318         for field in self.FIELDS:
 319             value = field.validate(dc_fields, fallbacks=fallbacks,
 320                             strict=strict)
 321             setattr(self, 'prop_' + field.name, value)
 322             self.fmap[field.name] = field
 323             if field.salias: self.fmap[field.salias] = field
 324
 325     def __getattribute__(self, name):
 326         try:
 327             field = object.__getattribute__(self, 'fmap')[name]
 328             value = object.__getattribute__(self, 'prop_'+field.name)
 329             if field.name == name:
 330                 return value
 331             else: # singular alias
 332                 if not field.multiple:
 333                     raise "OUCH!! for field %s" % name
 334
 335                 return value[0] if value else None
 336         except (KeyError, AttributeError):
 337             return object.__getattribute__(self, name)
 338
 339     def __setattr__(self, name, newvalue):
 340         try:
 341             field = object.__getattribute__(self, 'fmap')[name]
 342             if field.name == name:
 343                 object.__setattr__(self, 'prop_'+field.name, newvalue)
 344             else: # singular alias
 345                 if not field.multiple:
 346                     raise "OUCH! while setting field %s" % name
 347
 348                 object.__setattr__(self, 'prop_'+field.name, [newvalue])
 349         except (KeyError, AttributeError):
 350             return object.__setattr__(self, name, newvalue)
 351
 352     def update(self, field_dict):
 353         """Update using field_dict. Verify correctness, but don't check if all
 354         required fields are present."""
 355         for field in self.FIELDS:
 356             if field_dict.has_key(field.name):
 357                 setattr(self, field.name, field_dict[field.name])
 358
 359     def to_etree(self, parent = None):
 360         """XML representation of this object."""
 361         #etree._namespace_map[str(self.RDF)] = 'rdf'
 362         #etree._namespace_map[str(self.DC)] = 'dc'
 363
 364         if parent is None:
 365             root = etree.Element(RDFNS('RDF'))
 366         else:
 367             root = parent.makeelement(RDFNS('RDF'))
 368
 369         description = etree.SubElement(root, RDFNS('Description'))
 370
 371         if self.about:
 372             description.set(RDFNS('about'), self.about)
 373
 374         for field in self.FIELDS:
 375             v = getattr(self, field.name, None)
 376             if v is not None:
 377                 if field.multiple:
 378                     if len(v) == 0: continue
 379                     for x in v:
 380                         e = etree.Element(field.uri)
 381                         if x is not None:
 382                             e.text = unicode(x)
 383                         description.append(e)
 384                 else:
 385                     e = etree.Element(field.uri)
 386                     e.text = unicode(v)
 387                     description.append(e)
 388
 389         return root
 390
 391     def serialize(self):
 392         rdf = {}
 393         rdf['about'] = { 'uri': RDFNS('about'), 'value': self.about }
 394
 395         dc = {}
 396         for field in self.FIELDS:
 397             v = getattr(self, field.name, None)
 398             if v is not None:
 399                 if field.multiple:
 400                     if len(v) == 0: continue
 401                     v = [ unicode(x) for x in v if x is not None ]
 402                 else:
 403                     v = unicode(v)
 404
 405                 dc[field.name] = {'uri': field.uri, 'value': v}
 406         rdf['fields'] = dc
 407         return rdf
 408
 409     def to_dict(self):
 410         result = {'about': self.about}
 411         for field in self.FIELDS:
 412             v = getattr(self, field.name, None)
 413
 414             if v is not None:
 415                 if field.multiple:
 416                     if len(v) == 0: continue
 417                     v = [ unicode(x) for x in v if x is not None ]
 418                 else:
 419                     v = unicode(v)
 420                 result[field.name] = v
 421
 422             if field.salias:
 423                 v = getattr(self, field.salias)
 424                 if v is not None: result[field.salias] = unicode(v)
 425
 426         return result
 427
 428
 429 class BookInfo(WorkInfo):
 430     FIELDS = (
 431         Field( DCNS('audience'), 'audiences', salias='audience', multiple=True,
 432                 required=False),
 433
 434         Field( DCNS('subject.period'), 'epochs', salias='epoch', multiple=True,
 435                 required=False),
 436         Field( DCNS('subject.type'), 'kinds', salias='kind', multiple=True,
 437                 required=False),
 438         Field( DCNS('subject.genre'), 'genres', salias='genre', multiple=True,
 439                 required=False),
 440
 441         Field( DCNS('contributor.translator'), 'translators', \
 442             as_person,  salias='translator', multiple=True, default=[]),
 443         Field( DCNS('relation.hasPart'), 'parts',
 444             WLURI, strict=as_wluri_strict, multiple=True, required=False),
 445         Field( DCNS('relation.isVariantOf'), 'variant_of',
 446             WLURI, strict=as_wluri_strict, required=False),
 447
 448         Field( DCNS('relation.coverImage.url'), 'cover_url', required=False),
 449         Field( DCNS('relation.coverImage.attribution'), 'cover_by', required=False),
 450         Field( DCNS('relation.coverImage.source'), 'cover_source', required=False),
 451     )
 452
 453
 454 def parse(file_name, cls=BookInfo):
 455     return cls.from_file(file_name)