Oczyszczenie pola title

app/best_robot.hs

@@ -12,27 +12,31 @@ import Text.Regex.Posix
 import Text.Printf
 
 
+
 extractRecords = extractLinksWithText "//a[@class='title']"  -- pary adres-tytuł
-                 >>> second (arr $ replace "\r\n              " "")-- czyścimy drugi element pary, czyli tytuł z niepotrzebnych białych znaków
+                 >>> 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 yearlyTitle,
+    originalDate = Just date,
     itype = "periodical",
    format = Just "pdf",
     finalUrl = url
     }
-  where title =  yearlyTitle ++ "    " ++ (replace "\r\n" "" (replace "\r\n          " "" articleTitle))
-        date = getDate url
 
-getDate url =
-  case url =~~ "/([0-9]+)/" :: Maybe [[String]] of
+  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 url: " ++ url
+    otherwise -> error $ "unexpected yearlyTitle " ++ yearlyTitle
 
 
 main = do