twilight-library/app/best_robot.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[@class='title']"  -- pary adres-tytuł
                 >>> second (arr $ replace "\n\t\t\t\t\t" "")-- czyścimy drugi element pary, czyli tytuł z niepotrzebnych białych znaków
                 >>> first (extractLinksWithText "//a[@class='obj_galley_link 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 =  replace "\n\t\t\t" "" yearlyTitle ++ "    " ++ (replace "\n\n\t" "" (replace "\n\n\t\t\n\t" " " articleTitle))
        date = getDate yearlyTitle

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


main = do
    let start = "https://etyka.uw.edu.pl/index.php/etyka/issue/archive"
    let start2 = "https://etyka.uw.edu.pl/index.php/etyka/issue/archive/2"
    let start3 = "https://etyka.uw.edu.pl/index.php/etyka/issue/archive/3"
    let shadowLibrary = ShadowLibrary {logoUrl=Nothing,
                                       lname="Tom",
                                       abbrev="AlmMusz",
                                       lLevel=0,
                                       webpage=start}
    extractItemsStartingFromUrl shadowLibrary start (extractRecords >>> arr toShadowItem)
    extractItemsStartingFromUrl shadowLibrary start2 (extractRecords >>> arr toShadowItem)
    extractItemsStartingFromUrl shadowLibrary start3 (extractRecords >>> arr toShadowItem)