twilight-library/app/biuletynbezpiecznachemia.hs
2021-04-08 00:06:40 +02:00

44 lines
1.5 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='plik']" -- pary adres-tytuł
>>> second (arr $ replace "\r\n " " ") -- czyścimy drugi element pary, czyli tytuł z niepotrzebnych białych znaków
-- ostatecznie wyjdą dwójki ((adres URL, tytuł artykułu)
-- ... a tutaj te trójki przerabiamy do docelowej struktury ShadowItem
toShadowItem :: (String, String) -> ShadowItem
toShadowItem (url, articleTitle) =
(defaultShadowItem url title) {
originalDate = Just date,
itype = "periodical",
format = Just "pdf",
finalUrl = url
}
where title = articleTitle
date = getDate articleTitle
getDate articleTitle =
case articleTitle =~~ "(19[0-9][0-9]|20[0-9][0-9])" :: Maybe [[String]] of
Just [[_, year]] -> year
otherwise -> error $ "unexpected articleTitle: " ++ articleTitle
main = do
let start = "https://www.pipc.org.pl/publikacje/biuletyn-bezpieczna-chemia"
let shadowLibrary = ShadowLibrary {logoUrl=Nothing,
lname="Biuletyn Bezpieczna Chemia - Publikacje - PIPC",
lLevel=0,
webpage=start}
extractItemsStartingFromUrl shadowLibrary start (extractRecords >>> arr toShadowItem)