3907de38c541a8190ab71d4a0f8dc21c3022cc26
[wolnelektury.git] / bin / book2html.py
1 #!/usr/bin/env python
2 # -*- coding: utf-8 -*-
3 import cStringIO
4 import re
5 import optparse
6 import os
7 import sys
8
9 from lxml import etree
10
11
12 ENTITY_SUBSTITUTIONS = [
13     (u'---', u'—'),
14     (u'--', u'–'),
15     (u'...', u'…'),
16     (u',,', u'„'),
17     (u'"', u'”'),
18 ]
19
20
21 def substitute_entities(context, text):
22     """XPath extension function converting all entites in passed text."""
23     if isinstance(text, list):
24         text = ''.join(text)
25     for entity, substitutution in ENTITY_SUBSTITUTIONS:
26         text = text.replace(entity, substitutution)
27     return text
28
29
30 # Register substitute_entities function with lxml
31 ns = etree.FunctionNamespace('http://wolnelektury.pl/functions')
32 ns['substitute_entities'] = substitute_entities
33
34
35 def transform(input_filename, output_filename):
36     """Transforms file input_filename in XML to output_filename in XHTML."""
37     # Parse XSLT
38     style_filename = os.path.join(os.path.dirname(__file__), 'book2html.xslt')
39     style = etree.parse(style_filename)
40
41     doc_file = cStringIO.StringIO()
42     expr = re.compile(r'/\s', re.MULTILINE | re.UNICODE);
43
44     f = open(input_filename, 'r')
45     for line in f:
46         line = line.decode('utf-8')
47         line = expr.sub(u'<br/>\n', line)
48         doc_file.write(line.encode('utf-8'))
49     f.close()
50
51     doc_file.seek(0);
52
53     parser = etree.XMLParser(remove_blank_text=True)
54     doc = etree.parse(doc_file, parser)
55
56     result = doc.xslt(style)
57     result.write(output_filename, xml_declaration=True, pretty_print=True, encoding='utf-8')
58
59
60 if __name__ == '__main__':
61     # Parse commandline arguments
62     usage = """Usage: %prog [options] SOURCE [SOURCE...]
63     Convert SOURCE files to HTML format."""
64
65     parser = optparse.OptionParser(usage=usage)
66
67     parser.add_option('-v', '--verbose', action='store_true', dest='verbose', default=False,
68         help='print status messages to stdout')
69
70     options, input_filenames = parser.parse_args()
71
72     if len(input_filenames) < 1:
73         parser.print_help()
74         exit(1)
75
76     # Do some real work
77     for input_filename in input_filenames:
78         if options.verbose:
79             print input_filename
80         
81         output_filename = os.path.splitext(input_filename)[0] + '.html'
82         transform(input_filename, output_filename)
83