50 lines
2.2 KiB
Haskell
50 lines
2.2 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 "//h5/a[contains(@href,'-r')]" -- pary adres-tytuł
|
|
>>> first (extractLinksWithText "//li/a[contains(@href,'.pdf')]") -- pobieramy stronę z adresu URL i wyciągamy linki z tej strony pasujące do wyrażenia XPathowego
|
|
>>> second (arr $ replace "\r\n " " ")
|
|
>>> second (arr $ replace "\347" "s") -- czyścimy drugi element pary, czyli tytuł z niepotrzebnych białych znaków
|
|
>>> second (arr $ replace "\281" "e") -- czyścimy drugi element pary, czyli tytuł z niepotrzebnych białych znaków
|
|
-- ostatecznie wyjdą trójki ((adres URL, tytuł artykułu), tytuł rocznika)
|
|
|
|
-- ... a tutaj te trójki przerabiamy do docelowej struktury ShadowItem
|
|
toShadowItem :: ((String, String), String) -> ShadowItem
|
|
toShadowItem ((url, articleNumber), mainTitle) =
|
|
(defaultShadowItem url title) {
|
|
originalDate = date,
|
|
itype = "periodical",
|
|
format = Just "pdf",
|
|
finalUrl = url
|
|
}
|
|
where title = "Wiesci Pepowa" ++ (replace ".pdf" "" (replace "WP" "numer" articleNumber))
|
|
date = getDate mainTitle
|
|
|
|
getDate :: String -> Maybe String
|
|
getDate title =
|
|
case title =~~ "(19[0-9][0-9]|20[0-9][0-9])" :: Maybe [[String]] of
|
|
Just [[_, year]] -> (Just year)
|
|
otherwise -> Nothing
|
|
|
|
main = do
|
|
let start = "http://archiwum2019.pepowo.pl/news/c-10/gazeta"
|
|
let start2 = "http://archiwum2019.pepowo.pl/news/c-10/gazeta/page/2"
|
|
let shadowLibrary = ShadowLibrary {logoUrl=Nothing,
|
|
lname="Wieści Pępowa",
|
|
abbrev="WiesPep",
|
|
lLevel=0,
|
|
webpage="http://archiwum2019.pepowo.pl"}
|
|
extractItemsStartingFromUrl shadowLibrary start (extractRecords >>> arr toShadowItem)
|
|
extractItemsStartingFromUrl shadowLibrary start2 (extractRecords >>> arr toShadowItem)
|