error reporting
[librarian.git] / librarian / __init__.py
old mode 100755 (executable)
new mode 100644 (file)
index d56440d..a0d70e7
@@ -1,38 +1,44 @@
 # -*- coding: utf-8 -*-
 # -*- coding: utf-8 -*-
-# exception classes
+#
+# This file is part of Librarian, licensed under GNU Affero GPLv3 or later.
+# Copyright © Fundacja Nowoczesna Polska. See NOTICE for more information.
+#
+import re
+import urllib
+from .utils import XMLNamespace
 
 
-class ParseError(Exception):
-    
-    def __init__(self, cause, message=None):
-        self.cause = cause
+
+class UnicodeException(Exception):
+    def __str__(self):
+        """ Dirty workaround for Python Unicode handling problems. """
+        return unicode(self).encode('utf-8')
+
+    def __unicode__(self):
+        """ Dirty workaround for Python Unicode handling problems. """
+        args = self.args[0] if len(self.args) == 1 else self.args
         try:
         try:
-            self.message = message or self.cause.message
-        except:
-            self.message = "No message."
+            message = unicode(args)
+        except UnicodeDecodeError:
+            message = unicode(args, encoding='utf-8', errors='ignore')
+        return message
 
 
-class ValidationError(Exception):
-    pass
 
 
-class NoDublinCore(ValidationError):
+class ParseError(UnicodeException):
     pass
 
     pass
 
-class XMLNamespace(object):
-    '''A handy structure to repsent names in an XML namespace.'''
 
 
-    def __init__(self, uri):
-        self.uri = uri
+class ValidationError(UnicodeException):
+    pass
 
 
-    def __call__(self, tag):
-        return '{%s}%s' % (self.uri, tag)
 
 
-    def __contains__(self, tag):
-        return tag.startswith('{'+str(self)+'}')
+# was deleted, but still used???
+class NoDublinCore(ValidationError):
+    pass
 
 
-    def __repr__(self):
-        return 'XMLNamespace(%r)' % self.uri
 
 
-    def __str__(self):
-        return '%s' % self.uri
+class BuildError(Exception):
+    pass
+
 
 class EmptyNamespace(XMLNamespace):
     def __init__(self):
 
 class EmptyNamespace(XMLNamespace):
     def __init__(self):
@@ -46,64 +52,53 @@ RDFNS = XMLNamespace('http://www.w3.org/1999/02/22-rdf-syntax-ns#')
 DCNS = XMLNamespace('http://purl.org/dc/elements/1.1/')
 XINS = XMLNamespace("http://www.w3.org/2001/XInclude")
 XHTMLNS = XMLNamespace("http://www.w3.org/1999/xhtml")
 DCNS = XMLNamespace('http://purl.org/dc/elements/1.1/')
 XINS = XMLNamespace("http://www.w3.org/2001/XInclude")
 XHTMLNS = XMLNamespace("http://www.w3.org/1999/xhtml")
+NCXNS = XMLNamespace("http://www.daisy.org/z3986/2005/ncx/")
+OPFNS = XMLNamespace("http://www.idpf.org/2007/opf")
+
+SSTNS = XMLNamespace('http://nowoczesnapolska.org.pl/sst#')
+
+
+class WLURI(object):
+    """Represents a WL URI. Extracts slug from it."""
+    slug = None
+
+    example = 'http://wolnelektury.pl/katalog/lektura/template/'
+    _re_wl_uri = re.compile(r'http://(www\.)?wolnelektury.pl/katalog/lektura/(?P<slug>[-a-z0-9]+)/?$')
+
+    def __init__(self, uri):
+        uri = unicode(uri)
+        self.uri = uri
+        self.slug = uri.rstrip('/').rsplit('/', 1)[-1]
+
+    @classmethod
+    def strict(cls, uri):
+        match = cls._re_wl_uri.match(uri)
+        if not match:
+            raise ValidationError(u'Invalid URI (%s). Should match: %s' % (
+                        uri, cls._re_wl_uri.pattern))
+        return cls(uri)
+
+    @classmethod
+    def from_slug(cls, slug):
+        """Contructs an URI from slug.
+
+        >>> WLURI.from_slug('a-slug').uri
+        u'http://wolnelektury.pl/katalog/lektura/a-slug/'
+
+        """
+        uri = 'http://wolnelektury.pl/katalog/lektura/%s/' % slug
+        return cls(uri)
+
+    def __unicode__(self):
+        return self.uri
+
+    def __str__(self):
+        return self.uri
+
+    def __eq__(self, other):
+        return self.slug == other.slug
+
 
 
-WLNS = EmptyNamespace()
-
-import lxml.etree as etree
-import dcparser
-
-DEFAULT_BOOKINFO = dcparser.BookInfo(
-        { RDFNS('about'): u'http://wiki.wolnepodreczniki.pl/Lektury:Template'},\
-        { DCNS('creator'): [u'Some, Author'],
-          DCNS('title'): [u'Some Title'],
-          DCNS('subject.period'): [u'Unknown'],
-          DCNS('subject.type'): [u'Unknown'],
-          DCNS('subject.genre'): [u'Unknown'],
-          DCNS('date'): ['1970-01-01'],
-          # DCNS('date'): [creation_date],
-          DCNS('publisher'): [u"Fundacja Nowoczesna Polska"],
-          DCNS('description'):
-          [u"""Publikacja zrealizowana w ramach projektu
-             Wolne Lektury (http://wolnelektury.pl). Reprodukcja cyfrowa
-             wykonana przez Bibliotekę Narodową z egzemplarza
-             pochodzącego ze zbiorów BN."""],
-          DCNS('identifier.url'):
-            [u"http://wolnelektury.pl/katalog/lektura/template"],
-          DCNS('rights'):
-            [u"Domena publiczna - zm. [OPIS STANU PRAWNEGO TEKSTU]"] })
-
-def xinclude_forURI(uri):
-    e = etree.Element( XINS("include") )
-    e.set("href", uri)
-    return etree.tostring(e, encoding=unicode)
-    
-def wrap_text(ocrtext, creation_date, bookinfo=DEFAULT_BOOKINFO):
-    """Wrap the text within the minimal XML structure with a DC template."""
-    bookinfo.created_at = creation_date
-    
-    dcstring = etree.tostring(bookinfo.to_etree(),\
-        method='xml', encoding=unicode, pretty_print=True)
-
-    return u'<utwor>\n' + dcstring + u'\n<plain-text>\n' + ocrtext +\
-        u'\n</plain-text>\n</utwor>';
-
-
-def serialize_raw(element):
-    b = u'' + (element.text or '')
-
-    for child in element.iterchildren():
-        e = etree.tostring(child, method='xml', encoding=unicode, pretty_print=True)
-        b += e
-
-    return b
-
-from wl_light import serialize_nl
-
-
-SERIALIZERS = {
-    'raw': serialize_raw,
-    'nl': serialize_nl,
-}
-
-def serialize_children(element, format='raw'):
-    return SERIALIZERS[format](element)
+class URLOpener(urllib.FancyURLopener):
+    version = 'FNP Librarian (http://git.nowoczesnapolska.org.pl/?p=librarian.git)'
+urllib._urlopener = URLOpener()