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