scripts/genslugs

   1 #!/usr/bin/env python
   2 # -*- coding: utf-8 -*-
   3 #
   4 # This file is part of Librarian, licensed under GNU Affero GPLv3 or later.
   5 # Copyright © Fundacja Nowoczesna Polska. See NOTICE for more information.
   6 #
   7 import os
   8 import optparse
   9
  10 from lxml import etree
  11 from librarian import html
  12 from slughifi import slughifi
  13
  14
  15 BOOK_URL = 'http://wolnelektury.pl/katalog/lektura/'
  16
  17
  18 if __name__ == '__main__':
  19     # Parse commandline arguments
  20     usage = """Usage: %prog [options] SOURCE [SOURCE...]
  21     Generate slugs for SOURCE."""
  22
  23     parser = optparse.OptionParser(usage=usage)
  24
  25     parser.add_option('-v', '--verbose', action='store_true', dest='verbose', default=False,
  26         help='print status messages to stdout')
  27     parser.add_option('-f', '--force', action='store_true', dest='force', default=False,
  28         help='overwrite current identifiers')
  29
  30     options, input_filenames = parser.parse_args()
  31
  32     if len(input_filenames) < 1:
  33         parser.print_help()
  34         exit(1)
  35
  36     # Do some real work
  37     for input_filename in input_filenames:
  38         if options.verbose:
  39             print input_filename
  40
  41         doc = etree.parse(input_filename)
  42         try:
  43             title = doc.find('//{http://purl.org/dc/elements/1.1/}title').text
  44         except AttributeError:
  45             print '%s:error:Book title not found. Skipping.' % input_filename
  46             continue
  47
  48         parent = ''
  49         try:
  50             parent_url = doc.find('//{http://purl.org/dc/elements/1.1/}relation.isPartOf').text
  51             parent = parent_url.rsplit('/', 1)[1] + ' '
  52         except AttributeError:
  53             pass
  54         except IndexError:
  55             print '%s:error:Invalid parent URL "%s". Skipping.' % (input_filename, parent_url)
  56
  57         book_url = doc.find('//{http://purl.org/dc/elements/1.1/}identifier.url')
  58         if book_url is None:
  59             book_description = doc.find('//{http://www.w3.org/1999/02/22-rdf-syntax-ns#}Description')
  60             book_url = etree.SubElement(book_description, '{http://purl.org/dc/elements/1.1/}identifier.url')
  61         if not options.force and book_url.text.startswith('http://'):
  62             print '%s:Notice:Book already has identifier URL "%s". Skipping.' % (input_filename, book_url.text)
  63             continue
  64
  65         book_url.text = BOOK_URL + slughifi(parent + title)[:60]
  66
  67         doc.write(input_filename, xml_declaration=True, pretty_print=True, encoding='utf-8')
  68