librarian/text.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 librarian import dcparser, parser, functions
   7 from lxml import etree
   8 import cStringIO
   9 import codecs
  10 import os
  11 import re
  12
  13
  14 functions.reg_substitute_entities()
  15 functions.reg_wrap_words()
  16 functions.reg_strip()
  17
  18 TEMPLATE = u"""\
  19 Kodowanie znaków w dokumencie: UTF-8.
  20 -----
  21 Publikacja zrealizowana w ramach projektu Wolne Lektury (http://wolnelektury.pl/). Reprodukcja cyfrowa wykonana przez
  22 Bibliotekę Narodową z egzemplarza pochodzącego ze zbiorów BN.
  23 \n%(license_description)s.
  24
  25 %(source)s
  26
  27 Wersja lektury w opracowaniu merytorycznym i krytycznym (przypisy i motywy) dostępna jest na stronie %(url)s.
  28 -----
  29
  30
  31
  32 %(text)s
  33 """
  34
  35 def transform(input_filename, output_filename, is_file=True, parse_dublincore=True, **options):
  36     """Transforms file input_filename in XML to output_filename in TXT."""
  37     # Parse XSLT
  38     style_filename = os.path.join(os.path.dirname(__file__), 'xslt/book2txt.xslt')
  39     style = etree.parse(style_filename)
  40
  41     if is_file:
  42         document = parser.WLDocument.from_file(input_filename, True, parse_dublincore=parse_dublincore)
  43     else:
  44         document = parser.WLDocument.from_string(input_filename, True, parse_dublincore=parse_dublincore)
  45
  46     result = document.transform(style, **options)
  47
  48     output_file = codecs.open(output_filename, 'wb', encoding='utf-8')
  49
  50     if parse_dublincore:
  51         parsed_dc = dcparser.parse(input_filename)
  52         url = parsed_dc.url
  53         license_description = parsed_dc.license_description
  54         license = parsed_dc.license
  55         if license:
  56             license_description = u"Ten utwór jest udostepniony na licencji %s: \n%s" % (license_description, license)
  57         else:
  58             license_description = u"Ten utwór nie jest chroniony prawem autorskim i znajduje się w domenie publicznej, co oznacza, że możesz go swobodnie wykorzystywać, publikować i rozpowszechniać"
  59         source = parsed_dc.source_name
  60     else:
  61         url = '*' * 10
  62         license = ""
  63         license_description = ""
  64         source = ""
  65     output_file.write(TEMPLATE % {
  66         'url': url,
  67         'license_description': license_description,
  68         'text': unicode(result),
  69         'source': source,
  70     })
  71