diff --git a/app/naszepopowice.hs b/app/naszepopowice.hs index 3c3e56e..9c57617 100644 --- a/app/naszepopowice.hs +++ b/app/naszepopowice.hs @@ -4,7 +4,6 @@ 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) @@ -12,35 +11,38 @@ import Text.Regex.Posix import Text.Printf -extractRecords = extractLinksWithText "//a[@class='attachmentContainer']" -- 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) +extractRecords = extractLinksWithText "//a[contains(@href,'.pdf') and contains(text(),'popowice')]" --- ... a tutaj te trójki przerabiamy do docelowej struktury ShadowItem -toShadowItem :: ((String, String), String) -> ShadowItem -toShadowItem ((url, articleTitle), yearlyTitle) = +toShadowItem :: (String, String) -> ShadowItem +toShadowItem (url, articleTitle) = (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)) + where title = "Nasze Popowice " ++ getNr url date = getDate url +replaceSeparatorWithSpace = map (\c -> if c=='_' then ' '; else if c=='-' then ' '; else c) +replaceSeparatorWithDot = map (\c -> if c=='_' then '.'; else c) + +getNr url = + case url =~~ "nr[-_][0-9][0-9]" :: Maybe String of + Just nr -> replaceSeparatorWithSpace nr + otherwise -> error $ "unexpected url: " ++ url + getDate url = - case url =~~ "/(19[0-9][0-9]|20[0-9][0-9])/" :: Maybe [[String]] of - Just [[_, year]] -> year + case url =~~ "20[0-9][0-9]_[0-1][0-9]" :: Maybe String of + Just date -> replaceSeparatorWithDot date otherwise -> error $ "unexpected url: " ++ url main = do let start = "https://smpopowice.pl/index.php/numery-archiwalne" let shadowLibrary = ShadowLibrary {logoUrl=Nothing, - lname="Almanach Muszyny", - abbrev="AlmMusz", + lname="Nasze Popowice", + abbrev="NaszPop", lLevel=0, webpage=start} extractItemsStartingFromUrl shadowLibrary start (extractRecords >>> arr toShadowItem)