clean output
This commit is contained in:
parent
0d45d42336
commit
1d077001b8
@ -8,7 +8,6 @@ import Text.XML.HXT.XPath
|
||||
import Data.List
|
||||
import Data.List.Utils (replace)
|
||||
|
||||
-- import Text.Regex.Posix
|
||||
import Text.Printf
|
||||
|
||||
import Control.Lens.Regex.Text
|
||||
@ -31,14 +30,18 @@ extractNestedLinksWithText xpathCondition = proc url -> do
|
||||
|
||||
|
||||
extractRecords = proc startUrl -> do
|
||||
-- (catUrl, catText) <- extractLinksWithText "(//aside[@class='widget widget_maxmegamenu']//a[@class='mega-menu-link'])[2]" -< startUrl -- pary adres-tytuł podstrony
|
||||
(catUrl, catText) <- extractLinksWithText "//aside[@class='widget widget_maxmegamenu']//a[@class='mega-menu-link']" -< startUrl -- pary adres-tytuł podstrony
|
||||
(collUrl, collText) <- (extractLinksWithText "(//aside[@class='widget widget_maxmegamenu']//a[@class='mega-menu-link'])[1]") -< catUrl -- pobieramy podstronę kategorii i kolejne podstrony z menu
|
||||
-- (collUrl, collText) <- (extractLinksWithText "//aside[@class='widget widget_maxmegamenu']//a[@class='mega-menu-link']") -< catUrl -- pobieramy podstronę kategorii i kolejne podstrony z menu
|
||||
(relUrl, relText) <- (extractNestedLinksWithText "(//big[a[contains(@href,'.pdf')]])[1]") -< collUrl -- pobieramy stronę z wydaniami z danej kolekcji i linki do PDFów
|
||||
-- (relUrl, relText) <- (extractNestedLinksWithText "//big[a[contains(@href,'.pdf')]]") -< collUrl -- pobieramy stronę z wydaniami z danej kolekcji i linki do PDFów
|
||||
(collUrl, collText) <- (extractLinksWithText "//aside[@class='widget widget_maxmegamenu']//a[@class='mega-menu-link']") -< catUrl -- pobieramy podstronę kategorii i kolejne podstrony z menu
|
||||
(relUrl, relText) <- (extractNestedLinksWithText "//big[a[contains(@href,'.pdf')]]") -< collUrl -- pobieramy stronę z wydaniami z danej kolekcji i linki do PDFów
|
||||
returnA -< (relUrl, relText, collText, catText) -- ostatecznie wyjdą krotki (adres URL PDFa wydania, tytuł wydania, tytuł zbioru, tytuł kategorii)
|
||||
|
||||
cleanReleaseTitle :: String -> String
|
||||
cleanReleaseTitle = proc text -> do
|
||||
endCleaned <- replace " |\160" "" -< text
|
||||
nbspCleaned <- replace "\160" " " -< endCleaned
|
||||
res <- replace "\8211 " "" -< nbspCleaned
|
||||
returnA -< res
|
||||
|
||||
-- ... a tutaj te krotki przerabiamy do docelowej struktury ShadowItem
|
||||
toShadowItem :: (String, String, String, String) -> ShadowItem
|
||||
toShadowItem (url, releaseTitle, collectionTitle, categoryTitle) =
|
||||
@ -48,7 +51,7 @@ toShadowItem (url, releaseTitle, collectionTitle, categoryTitle) =
|
||||
format = Just "pdf",
|
||||
finalUrl = url
|
||||
}
|
||||
where title = categoryTitle ++ (" " ++ collectionTitle)
|
||||
where title = categoryTitle ++ (" " ++ arr cleanReleaseTitle releaseTitle)
|
||||
date = getDate $ T.pack $ releaseTitle
|
||||
|
||||
|
||||
|
Loading…
Reference in New Issue
Block a user