isi-2021-lab3-twilight-library/app/podkarpacki.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


-- TODO : czyscic \n\t z tytulu
extractRecords = extractLinksWithText "//a[contains(@href, '.pdf')]"  -- 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 "\n\t\t\t\t\t\t\t\t\t\t\t" "")
                 >>> second (arr $ replace "\n\t\t\t\t\t\t\t\t\t\t" "")      -- czyścimy drugi element pary, czyli tytuł z niepotrzebnych białych znaków
                --  >>> first (arr ((++"tr") . init))  -- modyfikujemy pierwszy element pary, czyli adres URL
                 -- ostatecznie wyjdą trójki ((adres URL, tytuł artykułu), tytuł rocznika)

-- ... a tutaj te trójki przerabiamy do docelowej struktury ShadowItem
toShadowItem :: (String, String) -> ShadowItem
toShadowItem (url, articleTitle) =
  (defaultShadowItem url title) {
    originalDate = Nothing,
    itype = "periodical",
    format = Just "pdf",
    finalUrl = url
    }
  where title = articleTitle

getDate url =
  case url =~~ "/(19[0-9][0-9]|20[0-9][0-9])/" :: Maybe [[String]] of
    Just [[_, year]] -> year
    otherwise -> error $ "unexpected url: " ++ url


main = do
    let start = "http://podkarpacki.civitaschristiana.pl/formacja/zeszyty-formacyjne/"
    let shadowLibrary = ShadowLibrary {
      logoUrl=Nothing,
      lname="Podkarpacki",
      abbrev="podk",
      lLevel=0,
      webpage="http://podkarpacki.civitaschristiana.pl"}
    extractItemsStartingFromUrl shadowLibrary start (extractRecords >>> arr toShadowItem)