swap endlines inside stanzas only
[librarian.git] / 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 %(description)s 
22
23 %(license_description)s.%(source)s
24
25 Wersja lektury w opracowaniu merytorycznym i krytycznym (przypisy i motywy) dostępna jest na stronie %(url)s.
26 -----
27
28
29
30 %(text)s
31 """
32
33 def transform(input_filename, output_filename, is_file=True, parse_dublincore=True, **options):
34     """Transforms file input_filename in XML to output_filename in TXT."""
35     # Parse XSLT
36     style_filename = os.path.join(os.path.dirname(__file__), 'xslt/book2txt.xslt')
37     style = etree.parse(style_filename)
38
39     if is_file:
40         document = parser.WLDocument.from_file(input_filename, True, parse_dublincore=parse_dublincore)
41     else:
42         document = parser.WLDocument.from_string(input_filename, True, parse_dublincore=parse_dublincore)
43
44     result = document.transform(style, **options)
45
46     output_file = codecs.open(output_filename, 'wb', encoding='utf-8')
47
48     if parse_dublincore:
49         parsed_dc = dcparser.parse(input_filename)
50         description = parsed_dc.description
51         url = parsed_dc.url
52         license_description = parsed_dc.license_description
53         license = parsed_dc.license
54         if license:
55             license_description = u"Ten utwór jest udostepniony na licencji %s: \n%s" % (license_description, license)        
56         else:
57             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"
58         source = parsed_dc.source_name
59         if source:
60             source = "\n\nNa podstawie: " + source
61         else:
62             source = ''
63     else:
64         description = 'Publikacja zrealizowana w ramach projektu Wolne Lektury (http://wolnelektury.pl).'
65         url = '*' * 10
66         license = ""
67         license_description = ""
68         source = ""
69     output_file.write(TEMPLATE % {
70         'description': description,
71         'url': url,
72         'license_description': license_description,
73         'text': unicode(result),
74         'source': source,
75     })
76