s426206/twilight-library
1
0
Fork 0
forked from filipg/twilight-library
Code Issues Pull Requests Releases Wiki Activity

Pobieranie tytulow artykulow.

Browse Source
This commit is contained in:
Jan Nowak 2021-04-18 15:40:42 +02:00
parent bf137cf60a
commit ad3f714bf6
1 changed files with 30 additions and 15 deletions
Show Stats Download Patch File Download Diff File Expand all files Collapse all files

43
app/elektronikapraktyczna.hs
View File

@ -33,7 +33,7 @@ mToString n
extractMonth :: String -> String extractMonth :: String -> String
extractMonth n = extractMonth n =
case n =~~ ("[A-za-z]+" :: String) of case n =~~ ("[A-za-z]+" :: String) of
Just month -> eliminate (baseMonthNameToNumber (toLowerString month)) Just month -> "-" ++ eliminate (baseMonthNameToNumber (toLowerString month))
otherwise -> "" otherwise -> ""
mExtractYear :: String -> String mExtractYear :: String -> String
@ -42,36 +42,51 @@ mExtractYear n =
Just year -> year Just year -> year
otherwise -> "" otherwise -> ""
changeDate :: String -> String changeDate :: String -> Maybe String
changeDate a = eliminate (extractYear a) ++ "-" ++ extractMonth a changeDate a = Just (eliminate (extractYear a) ++ extractMonth a)
extractLinksWithArticleTitle xpathCondition = (downloadDocument &&& this)
>>> first (getXPathTrees xpathCondition
>>> (
(getXPathTrees "//div[@class='text']" >>> (listA (deep isText >>> getText)
>>> arr (intercalate " ")))
&&&
(getXPathTrees "//div[@class='files__item']/a[contains(@href,'.pdf')]" >>> (getAttrValue "href"))
))
extractRecords = extractLinksWithText "(//a[@class='magazine-list__year-item'])[last()]" -- pary adres-tytuł --extractRecords = extractLinksWithText "(//a[@class='magazine-list__year-item'])[last()]" -- pary adres-tytuł
--extractRecords = extractLinksWithText "//a[@class='magazine-list__year-item']" -- 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 "\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 >>> 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 (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 (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 (second (arr $ replace "\r\n " ""))
>>> first (first ( >>> first (first (
extractLinksWithText "//div[@class='files__item']/a[contains(@href,'.pdf')]" -- extractLinksWithArticleTitle "//div[@class='files__item']/a[contains(@href,'.pdf')]"
>>> second (arr $ replace "\r\n " "") (extractLinksWithArticleTitle "//div[@class='magazine-single__content-title article text']")
>>>
first (
first (arr $ replace " " "")
>>> first (arr $ replace "\r\n " "")
)
-- >>> first (arr $ replace "\r\n" "")
-- >>> first (arr $ replace "//" "/") -- >>> first (arr $ replace "//" "/")
) )
>>> second (arr $ changeDate) -- >>> second (arr $ changeDate) -- Zmiana nazwy miesiąca na wartość liczbową
>>> second (arr $ replace " " "") >>> second (arr $ replace " " "")
) -- pobieramy stronę z adresu URL i wyciągamy linki z tej strony pasujące do wyrażenia XPathowego ) -- pobieramy stronę z adresu URL i wyciągamy linki z tej strony pasujące do wyrażenia XPathowego
-- ostatecznie wyjdą trójki ((adres URL, tytuł artykułu), tytuł rocznika) -- ostatecznie wyjdą trójki ((adres URL, tytuł artykułu), tytuł rocznika)
-- ... a tutaj te trójki przerabiamy do docelowej struktury ShadowItem -- ... a tutaj te trójki przerabiamy do docelowej struktury ShadowItem
toShadowItem :: (((String, String), String), String) -> ShadowItem toShadowItem :: ((((String, String), String), String), String) -> ShadowItem
toShadowItem (((url, chapterTitle), articleTitle), yearlyTitle) = toShadowItem ((((chapterTitle, url), finalUrl), articleTitle), yearlyTitle) =
(defaultShadowItem url title) { (defaultShadowItem url title) {
originalDate = Just date, originalDate = changeDate articleTitle,
itype = "periodical", itype = "periodical",
format = Just "pdf", format = Just "pdf",
finalUrl = url finalUrl = finalUrl
} }
where title = "Elektronika Praktyczna " ++ (replace " " "" articleTitle) where title = "Elektronika Praktyczna " ++ articleTitle ++ " - " ++ chapterTitle
date = yearlyTitle date = yearlyTitle
getDate yearlyTitle = getDate yearlyTitle =
@ -87,4 +102,4 @@ main = do
abbrev="EP", abbrev="EP",
lLevel=0, lLevel=0,
webpage=start} webpage=start}
extractItemsStartingFromUrl shadowLibrary start (extractRecords)-- >>> arr toShadowItem) extractItemsStartingFromUrl shadowLibrary start (extractRecords >>> arr toShadowItem)