reindex_blog.py

   1 #! /usr/bin/env python3
   2 # -*- coding: koi8-r -*-
   3
   4 __author__ = "Oleg Broytman <phd@phdru.name>"
   5 __copyright__ = "Copyright (C) 2006-2024 PhiloSoft Design"
   6
   7 from calendar import _localized_month
   8 from html import escape
   9 import locale
  10 import sys, os
  11 from urllib.parse import quote, urljoin
  12
  13 from Cheetah.Template import Template
  14 from Cheetah.compat import string_type
  15 from m_lib.net.www.html import HTMLParser as _HTMLParser
  16
  17 from atom_10 import atom_10
  18 from blog_db import blog_root, load_blog, save_blog
  19 from news import NewsItem, write_if_changed
  20 from rss_20 import rss_20
  21
  22
  23 old_blog = load_blog()
  24
  25 # blog is a dictionary mapping
  26 # (year, month, day) => [list of (file, title, lead, tags)]
  27
  28 blog = {}
  29 years = {}
  30
  31 # bodies is a dictionary mapping file => body
  32
  33 bodies = {}
  34
  35 # Walk the directory recursively
  36 for dirpath, dirs, files in os.walk(blog_root):
  37     d = os.path.basename(dirpath)
  38     if not d.startswith("20") and not d.isdigit():
  39         continue
  40     for file in files:
  41         if not file.endswith(".tmpl"):
  42             continue
  43         fullpath = os.path.join(dirpath, file)
  44         template = Template(file=fullpath)
  45         title_parts = template.Title.split()
  46         title = ' '.join(title_parts[6:])
  47         lead = template.Lead
  48
  49         tags = template.Tag
  50         if isinstance(tags, string_type):
  51             tags = (tags,)
  52
  53         if title:
  54             key = year, month, day = \
  55                 tuple(dirpath[len(blog_root):].split(os.sep)[1:])
  56             if key in blog:
  57                 days = blog[key]
  58             else:
  59                 days = blog[key] = []
  60             days.append((file, title, lead, tags))
  61
  62             if year in years:
  63                 months = years[year]
  64             else:
  65                 months = years[year] = {}
  66
  67             if month in months:
  68                 days = months[month]
  69             else:
  70                 days = months[month] = []
  71
  72             if day not in days: days.append(day)
  73
  74             file = file[:-len("tmpl")] + "html"
  75             key = (year, month, day, file)
  76             body = template.body()
  77             bodies[key] = body
  78
  79 # Need to save the blog?
  80 if blog != old_blog:
  81     save_blog(blog)
  82
  83 # Localized month names
  84 locale.setlocale(locale.LC_ALL, "ru_RU.KOI8-R")
  85
  86 locale.setlocale(locale.LC_TIME, 'C')
  87 months_names_en = list(_localized_month('%B'))
  88 months_abbrs_en = list(_localized_month('%b'))
  89
  90 locale.setlocale(locale.LC_TIME, "ru_RU.KOI8-R")
  91 # months_names_ru = list(_localized_month('%B'))
  92
  93 months_names_ru = [
  94     '', "января", "февраля", "марта", "апреля", "мая", "июня",
  95     "июля", "августа", "сентября", "октября", "ноября", "декабря"
  96 ]
  97
  98 months_names_ru0 = [
  99     '', "январь", "февраль", "март", "апрель", "май", "июнь",
 100     "июль", "август", "сентябрь", "октябрь", "ноябрь", "декабрь"
 101 ]
 102
 103
 104 def encode_tag(tag):
 105     return quote(tag.replace(' ', '_'))
 106
 107
 108 def write_template(level, year, month, day, titles, tags=None):
 109     path = [blog_root]
 110     if level >= 1:
 111         path.append(year)
 112     if level >= 2:
 113         path.append(month)
 114     if level == 3:
 115         path.append(day)
 116     path.append("index.tmpl")
 117     index_name = os.path.join(*path)
 118
 119     new_text = ["""\
 120 ## THIS FILE IS AUTOMATICALLY GENERATED. DO NOT EDIT.
 121 #encoding koi8-r
 122 #extends phd_site
 123 #implements respond
 124 """]
 125
 126     if level == 0:
 127         new_text.append("""\
 128 #attr $Title = "Oleg Broytman's blog"
 129 #attr $Description = "Broytman Russian Blog Index Document"
 130 #attr $Copyright = %(cyear)s
 131 #attr $alternates = (("Новости [Atom 1.0] только заголовки", "application/atom+xml", "atom_10_titles.xml"),
 132                             ("Новости [Atom 1.0]", "application/atom+xml", "atom_10.xml"),
 133                             ("Новости [Atom 1.0] полные тексты", "application/atom+xml", "atom_10_full.xml"),
 134                             ("Новости [RSS 2.0] только заголовки",  "application/rss+xml",  "rss_20_titles.xml"),
 135                             ("Новости [RSS 2.0]",  "application/rss+xml",  "rss_20.xml"),
 136                             ("Новости [RSS 2.0] полные тексты",  "application/rss+xml",  "rss_20_full.xml"),
 137 )
 138 ##
 139 #def body_html
 140 <h1>Журнал</h1>
 141 """ % {"cyear": year or 2005})
 142
 143     elif level == 1:
 144         new_text.append("""\
 145 #attr $Title = "Oleg Broytman's blog: %(year)s"
 146 #attr $Description = "Broytman Russian Blog %(year)s Index Document"
 147 #attr $Copyright = %(cyear)s
 148 ##
 149 #def body_html
 150 <h1>Журнал: %(year)s</h1>
 151 """ % {"year": year, "cyear": year or 2005})
 152
 153     elif level == 2:
 154         imonth = int(month)
 155         new_text.append("""\
 156 #attr $Title = "Oleg Broytman's blog: %(month_abbr_en)s %(year)s"
 157 #attr $Description = "Broytman Russian Blog %(month_name_en)s %(year)s Index Document"
 158 #attr $Copyright = %(cyear)s
 159 ##
 160 #def body_html
 161 <h1>Журнал: %(month_name_ru0)s %(year)s</h1>
 162 """ % {
 163             "year": year, "cyear": year or 2005,
 164             "month_abbr_en": months_abbrs_en[imonth], "month_name_en": months_names_en[imonth],
 165             "month_name_ru0": months_names_ru0[imonth],
 166         })
 167
 168     elif level == 3:
 169         iday = int(day)
 170         imonth = int(month)
 171
 172         if len(titles) == 1:
 173             new_text.append("""\
 174 #attr $Refresh = "0; URL=%s"
 175 """ % titles[0][3])
 176
 177         new_text.append("""\
 178 #attr $Title = "Oleg Broytman's blog: %(day)d %(month_abbr_en)s %(year)s"
 179 #attr $Description = "Broytman Russian Blog %(day)d %(month_name_en)s %(year)s Index Document"
 180 #attr $Copyright = %(cyear)s
 181 ##
 182 #def body_html
 183 <h1>Журнал: %(day)d %(month_name_ru)s %(year)s</h1>
 184 """ % {
 185             "year": year, "cyear": year or 2005,
 186             "month_abbr_en": months_abbrs_en[imonth], "month_name_en": months_names_en[imonth],
 187             "month_name_ru": months_names_ru[imonth],
 188             "day": iday
 189         })
 190
 191     save_titles = titles[:]
 192     titles.reverse()
 193
 194     save_date = None
 195     for year, month, day, file, title, lead in titles:
 196         href = []
 197         if level == 0:
 198             href.append(year)
 199         if level <= 1:
 200             href.append(month)
 201         if level <= 2:
 202             href.append(day)
 203         href.append(file)
 204         href = '/'.join(href)
 205         if day[0] == '0': day = day[1:]
 206         if save_date != (year, month, day):
 207             if level == 0:
 208                 new_text.append('\n<h2>%s %s %s</h2>' % (day, months_names_ru[int(month)], year))
 209             else:
 210                 new_text.append('\n<h2>%s %s</h2>' % (day, months_names_ru[int(month)]))
 211             save_date = year, month, day
 212         new_text.append('''
 213 <p class="head">
 214     %s<a href="%s">%s</a>.
 215 </p>
 216 ''' % (lead+' ' if lead else '', href, title))
 217
 218     if level == 0:
 219         new_text.append("""
 220 <hr>
 221
 222 <p class="head">Новостевая лента в форматах
 223 <img src="../../Graphics/atom_10.jpg" border=0>
 224 <A HREF="atom_10_titles.xml">Atom 1.0 только заголовки</A> /
 225 <A HREF="atom_10.xml">Atom 1.0</A> /
 226 <A HREF="atom_10_full.xml">Atom 1.0 полные тексты</A>
 227 и <img src="../../Graphics/rss_20.jpg" border=0>
 228 <A HREF="rss_20_titles.xml">RSS 2.0 только заголовки</A> /
 229 <A HREF="rss_20.xml">RSS 2.0</A> /
 230 <A HREF="rss_20_full.xml">RSS 2.0 полные тексты</A>.
 231 </p>
 232 """)
 233
 234         years = {}
 235         for year, month, day, file, title, lead in save_titles:
 236             years[year] = True
 237         new_text.append('''
 238 <p class="head"><a href="tags/">Теги</a>:
 239 ''')
 240         first_tag = True
 241         for count, tag, links in all_tags:
 242             if first_tag:
 243                 first_tag = False
 244             else:
 245                 new_text.append(' - ')
 246             new_text.append("""<a href="tags/%s.html">%s (%d)</a>""" % (
 247                  encode_tag(tag), tag, count))
 248         new_text.append('''
 249 </p>
 250 ''')
 251
 252         max_year = int(sorted(years.keys())[-1])
 253         years = range(max_year, 2005, -1)
 254
 255         new_text.append('''
 256 <p class="head">По годам:
 257 ''')
 258
 259         year_counts = {}
 260         for year, month, day, file, title, lead in all_titles:
 261             year_counts[year] = 0
 262         for year, month, day, file, title, lead in all_titles:
 263             year_counts[year] += 1
 264
 265         first_year = True
 266         for year in years:
 267             if first_year:
 268                 first_year = False
 269             else:
 270                 new_text.append(' - ')
 271             new_text.append('<a href="%s/">%s (%d)</a>' % (year, year, year_counts[str(year)]))
 272         new_text.append('''
 273 </p>
 274 ''')
 275
 276         new_text.append("""
 277 <hr>
 278 <p class="head"><a href="http://phd.livejournal.com/">ЖЖ</a>
 279 """)
 280
 281     new_text.append("""\
 282 #end def
 283 $phd_site.respond(self)
 284 """)
 285
 286     write_if_changed(index_name, ''.join(new_text))
 287
 288
 289 all_tags = {}
 290 all_titles = []
 291 all_titles_tags = []
 292
 293 for year in sorted(years.keys()):
 294     year_titles = []
 295     months = years[year]
 296     for month in sorted(months.keys()):
 297         month_titles = []
 298         for day in sorted(months[month]):
 299             day_titles = []
 300             key = year, month, day
 301             if key in blog:
 302                 for file, title, lead, tags in blog[key]:
 303                     if file.endswith(".tmpl"): file = file[:-len("tmpl")] + "html"
 304                     value = (year, month, day, file, title, lead)
 305                     all_titles_tags.append((year, month, day, file, title, lead, tags))
 306                     all_titles.append(value)
 307                     year_titles.append(value)
 308                     month_titles.append(value)
 309                     day_titles.append(value)
 310                     for tag in tags:
 311                         if tag in all_tags:
 312                             tag_links = all_tags[tag]
 313                         else:
 314                             tag_links = all_tags[tag] = []
 315                         tag_links.append(value)
 316             write_template(3, year, month, day, day_titles)
 317         write_template(2, year, month, day, month_titles)
 318     write_template(1, year, month, day, year_titles)
 319
 320 def by_count_rev_tag_link(tag):
 321     """Sort all_tags by count in descending order,
 322     and by tags and links in ascending order
 323     """
 324     return tag[:3]
 325
 326 all_tags = [(len(links), tag, links) for (tag, links) in all_tags.items()]
 327 all_tags.sort(key=by_count_rev_tag_link)
 328
 329 write_template(0, year, month, day, all_titles[-20:], all_tags)
 330
 331 new_text = ["""\
 332 ## THIS FILE IS AUTOMATICALLY GENERATED. DO NOT EDIT.
 333 #encoding koi8-r
 334 #extends phd_site
 335 #implements respond
 336 #attr $Title = "Oleg Broytman's blog: tags"
 337 #attr $Description = "Broytman Russian Blog Tags Index Document"
 338 #attr $Copyright = 2006
 339 ##
 340 #def body_html
 341 <h1>Теги</h1>
 342
 343 <p class="head small">
 344 Форма поиска позволяет искать сообщения в блоге, соответствующие выражению.
 345 Синтаксис выражения:</p>
 346 <ul class="small">
 347      <li>Тег - если такой тег существует, произойдёт перенаправление на страницу тега.</li>
 348      <li>Оператор '!' (NOT, not) - ищет записи, в которых нет этого тега.</li>
 349      <li>Оператор '&amp;' (AND, and) - ищет записи, в которых есть оба тега.</li>
 350      <li>Оператор '|' (OR, or) - ищет записи, в которых есть любые из тегов.</li>
 351      <li>Приоритет операций стандартный: NOT &gt; AND &gt; OR. Скобки '()' позволяют объединять выражения.</li>
 352 </ul>
 353 <p class="small">
 354 Примеры выражений: Linux - произойдёт перенаправление
 355 на страницу Linux.html; Linux&amp;!Debian - искать записи в которых есть тег
 356 Linux и нет тега Debian; Linux and not Debian - то же самое.
 357 </p>
 358
 359 <center>
 360 <form method=GET action="../../../cgi-bin/blog-ru/search-tags.cgi">
 361      <input type=text name=q>
 362      <input type=submit name=submit value="Искать">
 363 </form>
 364 </center>
 365
 366 <dl>
 367 """]
 368
 369 for i, (count, tag, links) in enumerate(all_tags):
 370     new_text.append("""\
 371     <dt><a href="%s.html">%s (%d)</a></dt>
 372 """ % (encode_tag(tag), tag, count))
 373
 374     first = all_tags[0][1]
 375     if i == 0:
 376         prev = None
 377     else:
 378         prev = all_tags[i-1][1]
 379     if i >= len(all_tags)-1:
 380         next = None
 381     else:
 382         next = all_tags[i+1][1]
 383     last = all_tags[-1][1]
 384
 385     tag_text = ["""\
 386 ## THIS FILE IS AUTOMATICALLY GENERATED. DO NOT EDIT.
 387 #encoding koi8-r
 388 #extends phd_site
 389 #implements respond
 390 #attr $Title = "Oleg Broytman's blog: tag %s"
 391 #attr $Description = "Broytman Russian Blog Tag %s Index Document"
 392 """ % (tag, tag)]
 393
 394     tag_text.append("""\
 395 #attr $First = "%s"
 396 """ % first)
 397
 398     if prev:
 399         tag_text.append("""\
 400 #attr $Prev = "%s"
 401 """ % prev)
 402
 403     if next:
 404         tag_text.append("""\
 405 #attr $Next = "%s"
 406 """ % next)
 407
 408     tag_text.append("""\
 409 #attr $Last = "%s"
 410 """ % last)
 411
 412     tag_text.append("""\
 413 #attr $Copyright = 2006
 414 ##
 415 #def body_html
 416 <h1>%s</h1>
 417
 418 <ul>
 419 """ % tag)
 420
 421     count = 0
 422     for year, month, day, filename, title, lead in reversed(links):
 423         link = "../%s/%s/%s/%s" % (year, month, day, filename)
 424         item_text = """<li><a href="%s">%s/%s/%s: %s%s</a></li>""" % (link, year, month, day, lead+' ' if lead else '', title)
 425
 426         count += 1
 427         if count <= 5:
 428             new_text.append("         <dd>%s</dd>\n" % item_text)
 429
 430         tag_text.append("   %s\n" % item_text)
 431
 432     tag_text.append("""\
 433 </ul>
 434 #end def
 435 $phd_site.respond(self)
 436 """)
 437     write_if_changed(os.path.join(blog_root, "tags",
 438                                   tag.replace(' ', '_') + ".tmpl"),
 439                      ''.join(tag_text))
 440
 441 new_text.append("""\
 442 </dl>
 443 #end def
 444 $phd_site.respond(self)
 445 """)
 446 write_if_changed(os.path.join(blog_root, "tags", "index.tmpl"), ''.join(new_text))
 447
 448
 449 class HTMLDone(Exception): pass
 450
 451
 452 class FirstPHTMLParser(_HTMLParser):
 453     def __init__(self):
 454         _HTMLParser.__init__(self)
 455         self.first_p = None
 456
 457     def start_p(self, attrs):
 458         self.accumulator = '<p>'
 459
 460     def end_p(self):
 461         self.first_p = self.accumulator + '</p>'
 462         raise HTMLDone()
 463
 464 def get_first_p(body):
 465     parser = FirstPHTMLParser()
 466
 467     try:
 468         parser.feed(body)
 469     except HTMLDone:
 470         pass
 471
 472     try:
 473         parser.close()
 474     except HTMLDone:
 475         pass
 476
 477     return parser.first_p
 478
 479
 480 class AbsURLHTMLParser(_HTMLParser):
 481     def __init__(self, base):
 482         _HTMLParser.__init__(self)
 483         self.base = base
 484
 485     def start_a(self, attrs):
 486         self.accumulator += '<a'
 487         for attrname, value in attrs:
 488             value = escape(value, True)
 489             if attrname == 'href':
 490                 self.accumulator += ' href="%s"' % urljoin(self.base, value)
 491             else:
 492                 self.accumulator += ' %s="%s"' % (attrname, value)
 493         self.accumulator += '>'
 494
 495     def end_a(self):
 496         self.accumulator += '</a>'
 497
 498     def start_img(self, attrs):
 499         self.accumulator += '<img'
 500         for attrname, value in attrs:
 501             value = escape(value, True)
 502             if attrname == 'src':
 503                 self.accumulator += ' src="%s"' % urljoin(self.base, value)
 504             else:
 505                 self.accumulator += ' %s="%s"' % (attrname, value)
 506         self.accumulator += '>'
 507
 508     def end_img(self):
 509         pass
 510
 511 def absolute_urls(body, base):
 512     parser = AbsURLHTMLParser(base)
 513
 514     try:
 515         parser.feed(body)
 516     except Exception:
 517         pass
 518
 519     try:
 520         parser.close()
 521     except Exception:
 522         pass
 523
 524     return parser.accumulator
 525
 526
 527 if blog_root:
 528     blog_root_url = blog_root[
 529           blog_root.find('/htdocs/phdru.name/') + len('/htdocs/phdru.name/'):]
 530     baseURL = "https://phdru.name/%s/" % blog_root_url
 531 else:
 532     baseURL = "https://phdru.name/"
 533
 534 items = []
 535 for item in tuple(reversed(all_titles_tags))[:10]:
 536     year, month, day, file, title, lead, tags = item
 537     url_path = "%s/%s/%s/%s" % (year, month, day, file)
 538     item = NewsItem(
 539         "%s-%s-%s" % (year, month, day),
 540         "%s%s" % (lead+' ' if lead else '', title),
 541         url_path)
 542     items.append(item)
 543     item.baseURL = baseURL
 544     item.categoryList = tags
 545     body = bodies[(year, month, day, file)]
 546     body = absolute_urls(body, baseURL + url_path)
 547     item.body = body
 548     excerpt = get_first_p(body)
 549     item.excerpt = excerpt
 550
 551 namespace = {
 552     "title": "Oleg Broytman's blog",
 553     "baseURL": baseURL,
 554     "indexFile": "",
 555     "description": "",
 556     "lang": "ru",
 557     "author": "Oleg Broytman",
 558     "email": "phd@phdru.name",
 559     "generator": os.path.basename(sys.argv[0]),
 560     "posts": items,
 561 }
 562
 563 # For english dates
 564 locale.setlocale(locale.LC_TIME, 'C')
 565
 566 atom_tmpl = atom_10(searchList=[namespace])
 567 write_if_changed(os.path.join(blog_root, "atom_10.xml"), str(atom_tmpl))
 568 rss_tmpl = rss_20(searchList=[namespace])
 569 write_if_changed(os.path.join(blog_root, "rss_20.xml"), str(rss_tmpl))
 570
 571 for item in items:
 572     item.excerpt = None
 573
 574 atom_tmpl = atom_10(searchList=[namespace])
 575 write_if_changed(os.path.join(blog_root, "atom_10_titles.xml"), str(atom_tmpl))
 576 rss_tmpl = rss_20(searchList=[namespace])
 577 write_if_changed(os.path.join(blog_root, "rss_20_titles.xml"), str(rss_tmpl))
 578
 579 for item in items:
 580     item.content = item.body
 581
 582 atom_tmpl = atom_10(searchList=[namespace])
 583 write_if_changed(os.path.join(blog_root, "atom_10_full.xml"), str(atom_tmpl))
 584 rss_tmpl = rss_20(searchList=[namespace])
 585 write_if_changed(os.path.join(blog_root, "rss_20_full.xml"), str(rss_tmpl))
 586
 587 # vim: set ts=8 sts=4 sw=4 et :