56 lines
2.8 KiB
Haskell
56 lines
2.8 KiB
Haskell
|
|
{-# LANGUAGE Arrows, NoMonomorphismRestriction #-}
|
|
import ShadowLibrary.Core
|
|
|
|
import Text.XML.HXT.Core
|
|
import Text.XML.HXT.XPath
|
|
-- import Text.XML.HXT.Curl
|
|
import Data.List
|
|
import Data.List.Utils (replace)
|
|
|
|
import Text.Regex.Posix
|
|
import Text.Printf
|
|
|
|
|
|
-- extractRecords = extractLinksWithText "(//a[@class='magazine-list__year-item'])[last()]" -- pary adres-tytuł
|
|
extractRecords = extractLinksWithText "//a[@class='magazine-list__year-item']" -- pary adres-tytuł
|
|
>>> second (arr $ replace "\r\n " "") -- czyścimy drugi element pary, czyli tytuł z niepotrzebnych białych znaków
|
|
>>> second (arr $ replace " " "") -- czyścimy drugi element pary, czyli tytuł z niepotrzebnych białych znaków
|
|
-- >>> first (arr ((++"tr") . init)) -- modyfikujemy pierwszy element pary, czyli adres URL
|
|
>>> first (extractLinksWithText "//div[@class='magazine-list__item']/a") -- pobieramy stronę z adresu URL i wyciągamy linki z tej strony pasujące do wyrażenia XPathowego
|
|
>>> first (second (arr $ replace "\r\n " ""))
|
|
>>> first (first (
|
|
extractLinksWithText "//div[@class='files__item']/a[contains(@href,'.pdf')]"
|
|
>>> second (arr $ replace "\r\n " "")
|
|
-- >>> first (arr $ replace "//" "/")
|
|
)
|
|
) -- pobieramy stronę z adresu URL i wyciągamy linki z tej strony pasujące do wyrażenia XPathowego
|
|
-- ostatecznie wyjdą trójki ((adres URL, tytuł artykułu), tytuł rocznika)
|
|
|
|
-- ... a tutaj te trójki przerabiamy do docelowej struktury ShadowItem
|
|
toShadowItem :: (((String, String), String), String) -> ShadowItem
|
|
toShadowItem (((url, chapterTitle), articleTitle), yearlyTitle) =
|
|
(defaultShadowItem url title) {
|
|
originalDate = Just date,
|
|
itype = "periodical",
|
|
format = Just "pdf",
|
|
finalUrl = url
|
|
}
|
|
where title = "Elektronika Praktyczna " ++ (replace " " "" articleTitle)
|
|
date = yearlyTitle
|
|
|
|
getDate yearlyTitle =
|
|
case yearlyTitle =~~ "/(19[0-9][0-9]|20[0-9][0-9])/" :: Maybe [[String]] of
|
|
Just [[_, year]] -> year
|
|
otherwise -> error $ "unexpected yearlyTitle: " ++ yearlyTitle
|
|
|
|
|
|
main = do
|
|
let start = "https://ep.com.pl/archiwum/"
|
|
let shadowLibrary = ShadowLibrary {logoUrl=Nothing,
|
|
lname="Elektronika praktyczna",
|
|
abbrev="EP",
|
|
lLevel=0,
|
|
webpage=start}
|
|
extractItemsStartingFromUrl shadowLibrary start (extractRecords >>> arr toShadowItem)
|