twilight-library/app/aneks.hs
2021-03-27 22:36:30 +01:00

46 lines
1.8 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[contains(@title,'Aneks')]" -- pary tytuł-adres
>>> first (arr $ replace "\r\n " " ") -- czyścimy pierwszy element pary, czyli tytuł z niepotrzebnych białych znaków
>>> second (extractLinksWithText "//div/a[contains(@href,'.pdf')]") -- pobieramy stronę z adresu URL i wyciągamy linki z tej strony pasujące do wyrażenia XPathowego
-- ostatecznie wyjdą trójki? (Tytuł, (link do pdf, blank?))
-- ... a tutaj te trójki przerabiamy do docelowej struktury ShadowItem
toShadowItem :: (String, (String, String)) -> ShadowItem
toShadowItem (yearlyTitle, (url, blank)) =
(defaultShadowItem url title) {
originalDate = Just date,
itype = "periodical",
format = Just "pdf",
finalUrl = url
}
where title = yearlyTitle ++ " " ++ (replace "\r\n" "" (replace "\r\n " "" blank))
date = getDate url
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 = "https://aneks.kulturaliberalna.pl/archiwum-aneksu/"
let shadowLibrary = ShadowLibrary {logoUrl=Nothing,
lname="Archiwum Aneksu",
abbrev="ArchAnek",
lLevel=0,
webpage=start}
extractItemsStartingFromUrl shadowLibrary start (extractRecords >>> arr toShadowItem)