librarian/__init__.py

   1 # -*- coding: utf-8 -*-
   2 #
   3 # Copyright © 2008,2009,2010 Fundacja Nowoczesna Polska
   4 #
   5 # This file is part of Librarian, licensed under GNU Affero GPLv3 or later.
   6 # For full license text see COPYING or <http://www.gnu.org/licenses/agpl.html>
   7
   8 class ParseError(Exception):
   9
  10     def __init__(self, cause, message=None):
  11         self.cause = cause
  12         try:
  13             self.message = message or self.cause.message
  14         except:
  15             self.message = "No message."
  16
  17 class ValidationError(Exception):
  18     pass
  19
  20 class NoDublinCore(ValidationError):
  21     pass
  22
  23 class XMLNamespace(object):
  24     '''A handy structure to repsent names in an XML namespace.'''
  25
  26     def __init__(self, uri):
  27         self.uri = uri
  28
  29     def __call__(self, tag):
  30         return '{%s}%s' % (self.uri, tag)
  31
  32     def __contains__(self, tag):
  33         return tag.startswith('{'+str(self)+'}')
  34
  35     def __repr__(self):
  36         return 'XMLNamespace(%r)' % self.uri
  37
  38     def __str__(self):
  39         return '%s' % self.uri
  40
  41 class EmptyNamespace(XMLNamespace):
  42     def __init__(self):
  43         super(EmptyNamespace, self).__init__('')
  44
  45     def __call__(self, tag):
  46         return tag
  47
  48 # some common namespaces we use
  49 RDFNS = XMLNamespace('http://www.w3.org/1999/02/22-rdf-syntax-ns#')
  50 DCNS = XMLNamespace('http://purl.org/dc/elements/1.1/')
  51 XINS = XMLNamespace("http://www.w3.org/2001/XInclude")
  52 XHTMLNS = XMLNamespace("http://www.w3.org/1999/xhtml")
  53
  54 WLNS = EmptyNamespace()
  55
  56 import lxml.etree as etree
  57 import dcparser
  58
  59 DEFAULT_BOOKINFO = dcparser.BookInfo(
  60         { RDFNS('about'): u'http://wiki.wolnepodreczniki.pl/Lektury:Template'},\
  61         { DCNS('creator'): [u'Some, Author'],
  62           DCNS('title'): [u'Some Title'],
  63           DCNS('subject.period'): [u'Unknown'],
  64           DCNS('subject.type'): [u'Unknown'],
  65           DCNS('subject.genre'): [u'Unknown'],
  66           DCNS('date'): ['1970-01-01'],
  67           # DCNS('date'): [creation_date],
  68           DCNS('publisher'): [u"Fundacja Nowoczesna Polska"],
  69           DCNS('description'):
  70           [u"""Publikacja zrealizowana w ramach projektu
  71              Wolne Lektury (http://wolnelektury.pl). Reprodukcja cyfrowa
  72              wykonana przez Bibliotekę Narodową z egzemplarza
  73              pochodzącego ze zbiorów BN."""],
  74           DCNS('identifier.url'):
  75             [u"http://wolnelektury.pl/katalog/lektura/template"],
  76           DCNS('rights'):
  77             [u"Domena publiczna - zm. [OPIS STANU PRAWNEGO TEKSTU]"] })
  78
  79 def xinclude_forURI(uri):
  80     e = etree.Element( XINS("include") )
  81     e.set("href", uri)
  82     return etree.tostring(e, encoding=unicode)
  83
  84 def wrap_text(ocrtext, creation_date, bookinfo=DEFAULT_BOOKINFO):
  85     """Wrap the text within the minimal XML structure with a DC template."""
  86     bookinfo.created_at = creation_date
  87
  88     dcstring = etree.tostring(bookinfo.to_etree(),\
  89         method='xml', encoding=unicode, pretty_print=True)
  90
  91     return u'<utwor>\n' + dcstring + u'\n<plain-text>\n' + ocrtext +\
  92         u'\n</plain-text>\n</utwor>';
  93
  94
  95 def serialize_raw(element):
  96     b = u'' + (element.text or '')
  97
  98     for child in element.iterchildren():
  99         e = etree.tostring(child, method='xml', encoding=unicode, pretty_print=True)
 100         b += e
 101
 102     return b
 103
 104 SERIALIZERS = {
 105     'raw': serialize_raw,
 106 }
 107
 108 def serialize_children(element, format='raw'):
 109     return SERIALIZERS[format](element)