From a2bed0a113d2dbb2390dbf0ee7ac2b78c9326674 Mon Sep 17 00:00:00 2001 From: Adrian Charkiewicz Date: Wed, 16 Mar 2022 10:53:54 +0100 Subject: [PATCH] Dodanie 'app/swidnik.hs' --- app/swidnik.hs | 52 ++++++++++++++++++++++++++++++++++++++++++++++++++ 1 file changed, 52 insertions(+) create mode 100644 app/swidnik.hs diff --git a/app/swidnik.hs b/app/swidnik.hs new file mode 100644 index 0000000..e84782f --- /dev/null +++ b/app/swidnik.hs @@ -0,0 +1,52 @@ + +1.9 KiB +Czysty +Bezpośredni odnośnik +Wina +Historia + +{-# 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[@class='roczniki']" -- pary adres-tytuł + >>> second (arr $ replace "\r\n " " ") -- czyścimy drugi element pary, czyli tytuł z niepotrzebnych białych znaków + >>> first (arr ((++"tr") . init)) -- modyfikujemy pierwszy element pary, czyli adres URL + >>> first (extractLinksWithText "//li/a[contains(@href,'.pdf')]") -- pobieramy stronę z adresu URL i wyciągamy linki z tej strony pasujące do wyrażenia XPathowego + -- 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, articleTitle), yearlyTitle) = + (defaultShadowItem url title) { + originalDate = Just date, + itype = "periodical", + format = Just "pdf", + finalUrl = url + } + where title = "Almanach Muszyny " ++ yearlyTitle ++ " " ++ (replace "\r\n" "" (replace "\r\n " "" articleTitle)) + 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 = "http://www.almanachmuszyny.pl/" + let shadowLibrary = ShadowLibrary {logoUrl=Nothing, + lname="Almanach Muszyny", + abbrev="AlmMusz", + lLevel=0, + webpage=start} + extractItemsStartingFromUrl shadowLibrary start (extractRecords >>> arr toShadowItem)