librarian/__init__.py

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