reindex_blog.py

   1 #! /usr/bin/env python
   2 # -*- coding: koi8-r -*-
   3
   4 __author__ = "Oleg Broytman <phd@phdru.name>"
   5 __copyright__ = "Copyright (C) 2006-2013 PhiloSoft Design"
   6
   7 import sys, os
   8
   9 blog_data_root = sys.argv[1]
  10 blog_root = sys.argv[2]
  11 blog_filename = os.path.join(blog_data_root, "blog_dict.pickle")
  12
  13 try:
  14    import cPickle as pickle
  15 except ImportError:
  16    import pickle
  17
  18 from Cheetah.Template import Template
  19
  20
  21 # Load old blog
  22
  23 try:
  24    blog_file = open(blog_filename, "rb")
  25 except IOError:
  26    old_blog = {}
  27 else:
  28    old_blog = pickle.load(blog_file)
  29    blog_file.close()
  30
  31
  32 # blog is a dictionary mapping
  33 # (year, month, day) => [list of (file, title, lead, tags)]
  34
  35 blog = {}
  36 years = {}
  37
  38 # bodies is a dictionary mapping file => body
  39
  40 bodies = {}
  41
  42 # Walk the directory recursively
  43 for dirpath, dirs, files in os.walk(blog_root):
  44    d = os.path.basename(dirpath)
  45    if not d.startswith("20") and not d.isdigit():
  46       continue
  47    for file in files:
  48       if not file.endswith(".tmpl"):
  49          continue
  50       fullpath = os.path.join(dirpath, file)
  51       template = Template(file=fullpath)
  52       title_parts = template.Title.decode('utf-8').encode('koi8-r').split()
  53       title = ' '.join(title_parts[6:])
  54       lead = template.Lead.decode('utf-8').encode('koi8-r')
  55
  56       tags = template.Tag
  57       if isinstance(tags, basestring):
  58          tags = (tags,)
  59       tags = [tag.decode('utf-8').encode('koi8-r') for tag in tags]
  60
  61       if title:
  62          key = year, month, day = tuple(dirpath[len(blog_root):].split(os.sep)[1:])
  63          if key in blog:
  64             days = blog[key]
  65          else:
  66             days = blog[key] = []
  67          days.append((file, title, lead, tags))
  68
  69          if year in years:
  70             months = years[year]
  71          else:
  72             months = years[year] = {}
  73
  74          if month in months:
  75             days = months[month]
  76          else:
  77             days = months[month] = []
  78
  79          if day not in days: days.append(day)
  80
  81          file = file[:-len("tmpl")] + "html"
  82          key = (year, month, day, file)
  83          body = template.body()
  84          if isinstance(body, unicode):
  85             body = body.encode('koi8-r')
  86          bodies[key] = body
  87
  88 # Need to save the blog?
  89 if blog <> old_blog:
  90    blog_file = open(blog_filename, "wb")
  91    pickle.dump(blog, blog_file, pickle.HIGHEST_PROTOCOL)
  92    blog_file.close()
  93
  94 # Localized month names
  95
  96 import locale
  97 locale.setlocale(locale.LC_ALL, "ru_RU.KOI8-R")
  98 from calendar import _localized_day, _localized_month
  99
 100 locale.setlocale(locale.LC_TIME, 'C')
 101 months_names_en = list(_localized_month('%B'))
 102 months_abbrs_en = list(_localized_month('%b'))
 103
 104 locale.setlocale(locale.LC_TIME, "ru_RU.KOI8-R")
 105 #months_names_ru = list(_localized_month('%B'))
 106
 107 months_names_ru = ['', "января", "февраля", "марта", "апреля", "мая", "июня",
 108    "июля", "августа", "сентября", "октября", "ноября", "декабря"
 109 ]
 110
 111 months_names_ru0 = ['', "январь", "февраль", "март", "апрель", "май", "июнь",
 112    "июль", "август", "сентябрь", "октябрь", "ноябрь", "декабрь"
 113 ]
 114
 115 from news import write_if_changed
 116
 117
 118 def write_template(level, year, month, day, titles, tags=None):
 119    path = [blog_root]
 120    if level >= 1:
 121       path.append(year)
 122    if level >= 2:
 123       path.append(month)
 124    if level == 3:
 125       path.append(day)
 126    path.append("index.tmpl")
 127    index_name = os.path.join(*path)
 128
 129    new_text = ["""\
 130 ## THIS FILE IS AUTOMATICALLY GENERATED. DO NOT EDIT.
 131 #encoding koi8-r
 132 #extends phd_site
 133 #implements respond
 134 """]
 135
 136    if level == 0:
 137       new_text.append("""\
 138 #attr $Title = "Oleg Broytman's blog"
 139 #attr $Description = "Broytman Russian Blog Index Document"
 140 #attr $Copyright = %(cyear)s
 141 #attr $alternates = (("Новости [Atom 1.0] только заголовки", "application/atom+xml", "atom_10_titles.xml"),
 142                      ("Новости [Atom 1.0]", "application/atom+xml", "atom_10.xml"),
 143                      ("Новости [Atom 1.0] полные тексты", "application/atom+xml", "atom_10_full.xml"),
 144                      ("Новости [RSS 2.0] только заголовки",  "application/rss+xml",  "rss_20_titles.xml"),
 145                      ("Новости [RSS 2.0]",  "application/rss+xml",  "rss_20.xml"),
 146                      ("Новости [RSS 2.0] полные тексты",  "application/rss+xml",  "rss_20_full.xml"),
 147 )
 148 ##
 149 #def body_html
 150 <h1>Журнал</h1>
 151 """ % {"cyear": year or 2005})
 152
 153    elif level == 1:
 154       new_text.append("""\
 155 #attr $Title = "Oleg Broytman's blog: %(year)s"
 156 #attr $Description = "Broytman Russian Blog %(year)s Index Document"
 157 #attr $Copyright = %(cyear)s
 158 ##
 159 #def body_html
 160 <h1>Журнал: %(year)s</h1>
 161 """ % {"year": year, "cyear": year or 2005})
 162
 163    elif level == 2:
 164       imonth = int(month)
 165       new_text.append("""\
 166 #attr $Title = "Oleg Broytman's blog: %(month_abbr_en)s %(year)s"
 167 #attr $Description = "Broytman Russian Blog %(month_name_en)s %(year)s Index Document"
 168 #attr $Copyright = %(cyear)s
 169 ##
 170 #def body_html
 171 <h1>Журнал: %(month_name_ru0)s %(year)s</h1>
 172 """ % {
 173       "year": year, "cyear": year or 2005,
 174       "month_abbr_en": months_abbrs_en[imonth], "month_name_en": months_names_en[imonth],
 175       "month_name_ru0": months_names_ru0[imonth],
 176    })
 177
 178    elif level == 3:
 179       iday = int(day)
 180       imonth = int(month)
 181
 182       if len(titles) == 1:
 183          new_text.append("""\
 184 #attr $Refresh = "0; URL=%s"
 185 """ % titles[0][3])
 186
 187       new_text.append("""\
 188 #attr $Title = "Oleg Broytman's blog: %(day)d %(month_abbr_en)s %(year)s"
 189 #attr $Description = "Broytman Russian Blog %(day)d %(month_name_en)s %(year)s Index Document"
 190 #attr $Copyright = %(cyear)s
 191 ##
 192 #def body_html
 193 <h1>Журнал: %(day)d %(month_name_ru)s %(year)s</h1>
 194 """ % {
 195       "year": year, "cyear": year or 2005,
 196       "month_abbr_en": months_abbrs_en[imonth], "month_name_en": months_names_en[imonth],
 197       "month_name_ru": months_names_ru[imonth],
 198       "day": iday
 199    })
 200
 201    save_titles = titles[:]
 202    titles.reverse()
 203
 204    save_date = None
 205    for year, month, day, file, title, lead in titles:
 206       href = []
 207       if level == 0:
 208          href.append(year)
 209       if level <= 1:
 210          href.append(month)
 211       if level <= 2:
 212          href.append(day)
 213       href.append(file)
 214       href = '/'.join(href)
 215       if day[0] == '0': day = day[1:]
 216       if save_date <> (year, month, day):
 217          if level == 0:
 218             new_text.append('\n<h2>%s %s %s</h2>' % (day, months_names_ru[int(month)], year))
 219          else:
 220             new_text.append('\n<h2>%s %s</h2>' % (day, months_names_ru[int(month)]))
 221          save_date = year, month, day
 222       new_text.append('''
 223 <p class="head">
 224    %s<a href="%s">%s</a>.
 225 </p>
 226 ''' % (lead+' ' if lead else '', href, title))
 227
 228    if level == 0:
 229       new_text.append("""
 230 <hr>
 231
 232 <p class="head">Новостевая лента в форматах
 233 <img src="../../Graphics/atom_10.jpg" border=0>
 234 <A HREF="atom_10_titles.xml">Atom 1.0 только заголовки</A> /
 235 <A HREF="atom_10.xml">Atom 1.0</A> /
 236 <A HREF="atom_10_full.xml">Atom 1.0 полные тексты</A>
 237 и <img src="../../Graphics/rss_20.jpg" border=0>
 238 <A HREF="rss_20_titles.xml">RSS 2.0 только заголовки</A> /
 239 <A HREF="rss_20.xml">RSS 2.0</A> /
 240 <A HREF="rss_20_full.xml">RSS 2.0 полные тексты</A>.
 241 </p>
 242 """)
 243
 244       years = {}
 245       for year, month, day, file, title, lead in save_titles:
 246          years[year] = True
 247       new_text.append('''
 248 <p class="head"><a href="tags/">Теги</a>:
 249 ''')
 250       first_tag = True
 251       for count, tag, links in all_tags:
 252          if first_tag:
 253             first_tag = False
 254          else:
 255             new_text.append(' - ')
 256          new_text.append("""<a href="tags/%s.html">%s (%d)</a>""" % (tag, tag, count))
 257       new_text.append('''
 258 </p>
 259 ''')
 260
 261       max_year = int(sorted(years.keys())[-1])
 262       years = range(max_year, 2005, -1)
 263
 264       new_text.append('''
 265 <p class="head">По годам:
 266 ''')
 267       first_year = True
 268       for year in years:
 269          if first_year:
 270             first_year = False
 271          else:
 272             new_text.append(' - ')
 273          new_text.append('<a href="%s/">%s</a>' % (year, year))
 274       new_text.append('''
 275 </p>
 276 ''')
 277
 278       new_text.append("""
 279 <hr>
 280 <p class="head"><a href="http://phd.livejournal.com/">ЖЖ</a>
 281 """)
 282
 283    new_text.append("""\
 284 #end def
 285 $phd_site.respond(self)
 286 """)
 287
 288    write_if_changed(index_name, ''.join(new_text))
 289
 290
 291 all_tags = {}
 292 all_titles = []
 293 all_titles_tags = []
 294
 295 for year in sorted(years.keys()):
 296    year_titles = []
 297    months = years[year]
 298    for month in sorted(months.keys()):
 299       month_titles = []
 300       for day in sorted(months[month]):
 301          day_titles = []
 302          key = year, month, day
 303          if key in blog:
 304             for file, title, lead, tags in blog[key]:
 305                if file.endswith(".tmpl"): file = file[:-len("tmpl")] + "html"
 306                value = (year, month, day, file, title, lead)
 307                all_titles_tags.append((year, month, day, file, title, lead, tags))
 308                all_titles.append(value)
 309                year_titles.append(value)
 310                month_titles.append(value)
 311                day_titles.append(value)
 312                for tag in tags:
 313                   if tag in all_tags:
 314                      tag_links = all_tags[tag]
 315                   else:
 316                      tag_links = all_tags[tag] = []
 317                   tag_links.append(value)
 318          write_template(3, year, month, day, day_titles)
 319       write_template(2, year, month, day, month_titles)
 320    write_template(1, year, month, day, year_titles)
 321
 322 def by_count_rev_tag_link(t1, t2):
 323    """Sort all_tags by count in descending order,
 324    and by tags and links in ascending order
 325    """
 326    r = cmp(t1[0], t2[0])
 327    if r:
 328       return -r
 329    return cmp((t1[1], t1[2]), (t2[1], t2[2]))
 330
 331 all_tags = [(len(links), tag, links) for (tag, links) in all_tags.items()]
 332 all_tags.sort(by_count_rev_tag_link)
 333
 334 write_template(0, year, month, day, all_titles[-20:], all_tags)
 335
 336 new_text = ["""\
 337 ## THIS FILE IS AUTOMATICALLY GENERATED. DO NOT EDIT.
 338 #encoding koi8-r
 339 #extends phd_site
 340 #implements respond
 341 #attr $Title = "Oleg Broytman's blog: tags"
 342 #attr $Description = "Broytman Russian Blog Tags Index Document"
 343 #attr $Copyright = 2006
 344 ##
 345 #def body_html
 346 <h1>Теги</h1>
 347
 348 <p class="head">
 349 <dl>
 350 """]
 351
 352 for i, (count, tag, links) in enumerate(all_tags):
 353    new_text.append("""\
 354    <dt><a href="%s.html">%s (%d)</a></dt>
 355 """ % (tag, tag, count))
 356
 357    first = all_tags[0][1]
 358    if i == 0:
 359       prev = None
 360    else:
 361       prev = all_tags[i-1][1]
 362    if i >= len(all_tags)-1:
 363       next = None
 364    else:
 365       next = all_tags[i+1][1]
 366    last = all_tags[-1][1]
 367
 368    tag_text = ["""\
 369 ## THIS FILE IS AUTOMATICALLY GENERATED. DO NOT EDIT.
 370 #encoding koi8-r
 371 #extends phd_site
 372 #implements respond
 373 #attr $Title = "Oleg Broytman's blog: tag %s"
 374 #attr $Description = "Broytman Russian Blog Tag %s Index Document"
 375 """ % (tag, tag)]
 376
 377    tag_text.append("""\
 378 #attr $First = "%s"
 379 """ % first)
 380
 381    if prev:
 382       tag_text.append("""\
 383 #attr $Prev = "%s"
 384 """ % prev)
 385
 386    if next:
 387       tag_text.append("""\
 388 #attr $Next = "%s"
 389 """ % next)
 390
 391    tag_text.append("""\
 392 #attr $Last = "%s"
 393 """ % last)
 394
 395    tag_text.append("""\
 396 #attr $Copyright = 2006
 397 ##
 398 #def body_html
 399 <h1>%s</h1>
 400
 401 <p class="head">
 402 <ul>
 403 """ % tag)
 404
 405    count = 0
 406    for year, month, day, filename, title, lead in reversed(links):
 407       link = "../%s/%s/%s/%s" % (year, month, day, filename)
 408       item_text = """<li><a href="%s">%s/%s/%s: %s%s</a></li>""" % (link, year, month, day, lead+' ' if lead else '', title)
 409
 410       count += 1
 411       if count <= 5:
 412          new_text.append("      <dd>%s</dd>\n" % item_text)
 413
 414       tag_text.append("   %s\n" % item_text)
 415
 416    tag_text.append("""\
 417 </ul>
 418 </p>
 419 #end def
 420 $phd_site.respond(self)
 421 """)
 422    write_if_changed(os.path.join(blog_root, "tags", tag+".tmpl"), ''.join(tag_text))
 423
 424 new_text.append("""\
 425 </dl>
 426 </p>
 427 #end def
 428 $phd_site.respond(self)
 429 """)
 430 write_if_changed(os.path.join(blog_root, "tags", "index.tmpl"), ''.join(new_text))
 431
 432
 433 from HTMLParser import HTMLParseError
 434 import cgi
 435 from urlparse import urljoin
 436 from m_lib.net.www.html import HTMLParser as _HTMLParser
 437
 438 class HTMLDone(Exception): pass
 439
 440
 441 class FirstPHTMLParser(_HTMLParser):
 442    def __init__(self):
 443       _HTMLParser.__init__(self)
 444       self.first_p = None
 445
 446    def start_p(self, attrs):
 447       self.accumulator = '<p>'
 448
 449    def end_p(self):
 450       self.first_p = self.accumulator + '</p>'
 451       raise HTMLDone()
 452
 453 def get_first_p(body):
 454    parser = FirstPHTMLParser()
 455
 456    try:
 457       parser.feed(body)
 458    except (HTMLParseError, HTMLDone):
 459       pass
 460
 461    try:
 462       parser.close()
 463    except (HTMLParseError, HTMLDone):
 464       pass
 465
 466    return parser.first_p
 467
 468
 469 class AbsURLHTMLParser(_HTMLParser):
 470    def __init__(self, base):
 471       _HTMLParser.__init__(self)
 472       self.base = base
 473
 474    def start_a(self, attrs):
 475       self.accumulator += '<a'
 476       for attrname, value in attrs:
 477          value = cgi.escape(value, True)
 478          if attrname == 'href':
 479             self.accumulator += ' href="%s"' % urljoin(self.base, value)
 480          else:
 481             self.accumulator += ' %s="%s"' % (attrname, value)
 482       self.accumulator += '>'
 483
 484    def end_a(self):
 485       self.accumulator += '</a>'
 486
 487    def start_img(self, attrs):
 488       self.accumulator += '<img'
 489       for attrname, value in attrs:
 490          value = cgi.escape(value, True)
 491          if attrname == 'src':
 492             self.accumulator += ' src="%s"' % urljoin(self.base, value)
 493          else:
 494             self.accumulator += ' %s="%s"' % (attrname, value)
 495       self.accumulator += '>'
 496
 497    def end_img(self):
 498        pass
 499
 500 def absolute_urls(body, base):
 501    parser = AbsURLHTMLParser(base)
 502
 503    try:
 504       parser.feed(body)
 505    except HTMLParseError:
 506       pass
 507
 508    try:
 509       parser.close()
 510    except HTMLParseError:
 511       pass
 512
 513    return parser.accumulator
 514
 515
 516 from atom_10 import atom_10
 517 from rss_20 import rss_20
 518 from news import NewsItem
 519
 520 if blog_root:
 521    baseURL = "http://phdru.name/%s/" % blog_root
 522 else:
 523    baseURL = "http://phdru.name/"
 524
 525 items = []
 526 for item in tuple(reversed(all_titles_tags))[:10]:
 527    year, month, day, file, title, lead, tags = item
 528    lead = lead.decode('koi8-r').encode('utf-8')
 529    title = title.decode('koi8-r').encode('utf-8')
 530    url_path = "%s/%s/%s/%s" % (year, month, day, file)
 531    item = NewsItem(
 532       "%s-%s-%s" % (year, month, day),
 533       "%s%s" % (lead+' ' if lead else '', title),
 534       url_path)
 535    items.append(item)
 536    item.baseURL = baseURL
 537    item.categoryList = tags
 538    body = bodies[(year, month, day, file)]
 539    body = absolute_urls(body, baseURL + url_path)
 540    body = body.decode('koi8-r').encode('utf-8')
 541    item.body = body
 542    item.excerpt = get_first_p(body)
 543
 544 namespace = {
 545    "title": "Oleg Broytman's blog",
 546    "baseURL": baseURL,
 547    "indexFile": "",
 548    "description": "",
 549    "lang": "ru",
 550    "author": "Oleg Broytman",
 551    "email": "phd@phdru.name",
 552    "generator": os.path.basename(sys.argv[0]),
 553    "posts": items,
 554 }
 555
 556 # For english dates
 557 locale.setlocale(locale.LC_TIME, 'C')
 558
 559 atom_tmpl = unicode(atom_10(searchList=[namespace])).encode('koi8-r')
 560 write_if_changed(os.path.join(blog_root, "atom_10.xml"), atom_tmpl)
 561 rss_tmpl = unicode(rss_20(searchList=[namespace])).encode('koi8-r')
 562 write_if_changed(os.path.join(blog_root, "rss_20.xml"), rss_tmpl)
 563
 564 for item in items:
 565     item.excerpt = None
 566
 567 atom_tmpl = unicode(atom_10(searchList=[namespace])).encode('koi8-r')
 568 write_if_changed(os.path.join(blog_root, "atom_10_titles.xml"), atom_tmpl)
 569 rss_tmpl = unicode(rss_20(searchList=[namespace])).encode('koi8-r')
 570 write_if_changed(os.path.join(blog_root, "rss_20_titles.xml"), rss_tmpl)
 571
 572 for item in items:
 573     item.content = item.body
 574
 575 atom_tmpl = unicode(atom_10(searchList=[namespace])).encode('koi8-r')
 576 write_if_changed(os.path.join(blog_root, "atom_10_full.xml"), atom_tmpl)
 577 rss_tmpl = unicode(rss_20(searchList=[namespace])).encode('koi8-r')
 578 write_if_changed(os.path.join(blog_root, "rss_20_full.xml"), rss_tmpl)