isi-2021-lab3-twilight-library/app/rytwiany.hs

{-# 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[contains(@href,'.pdf')]"
                 >>> second (arr $ replace "\r\n            " " ") -- czyścimy drugi element pary, czyli tytuł z niepotrzebnych białych znaków
                 >>> second (arr $ replace "\323" "N") -- czyścimy drugi element pary, czyli tytuł z niepotrzebnych białych znaków
                 >>> second (arr $ replace "\322" "L") -- czyścimy drugi element pary, czyli tytuł z niepotrzebnych białych znaków
                 >>> second (arr $ replace "\324" "n") -- czyścimy drugi element pary, czyli tytuł z niepotrzebnych białych znaków
                 >>> second (arr $ replace "\160" " ") -- czyścimy drugi element pary, czyli tytuł z niepotrzebnych białych znaków

toShadowItem :: (String, String) -> ShadowItem
toShadowItem (url, articleTitle) =
  (defaultShadowItem url title) {
    itype = "periodical",
    format = Just "pdf",
    finalUrl = url
  }
  where title = articleTitle

main = do
    let start = "http://www.rytwiany.com.pl/index.php?sid=5"
    let shadowLibrary = ShadowLibrary {logoUrl=Nothing,lname="Rytwiany",abbrev="Ryt",lLevel=0,webpage="http://www.rytwiany.com.pl"}
    extractItemsStartingFromUrl shadowLibrary start (extractRecords >>> arr toShadowItem)