reindex_blog.py

   1 #! /usr/bin/env python
   2 # -*- coding: koi8-r -*-
   3
   4 __author__ = "Oleg Broytman <phd@phdru.name>"
   5 __copyright__ = "Copyright (C) 2006-2017 PhiloSoft Design"
   6
   7 import sys, os
   8 from Cheetah.Template import Template
   9 from Cheetah.compat import string_type
  10 from blog_db import blog_root, load_blog, save_blog
  11
  12
  13 old_blog = load_blog()
  14
  15 # blog is a dictionary mapping
  16 # (year, month, day) => [list of (file, title, lead, tags)]
  17
  18 blog = {}
  19 years = {}
  20
  21 # bodies is a dictionary mapping file => body
  22
  23 bodies = {}
  24
  25 # Walk the directory recursively
  26 for dirpath, dirs, files in os.walk(blog_root):
  27    d = os.path.basename(dirpath)
  28    if not d.startswith("20") and not d.isdigit():
  29       continue
  30    for file in files:
  31       if not file.endswith(".tmpl"):
  32          continue
  33       fullpath = os.path.join(dirpath, file)
  34       template = Template(file=fullpath)
  35       title_parts = template.Title.decode('utf-8').encode('koi8-r').split()
  36       title = ' '.join(title_parts[6:])
  37       lead = template.Lead.decode('utf-8').encode('koi8-r')
  38
  39       tags = template.Tag
  40       if isinstance(tags, string_type):
  41          tags = (tags,)
  42       tags = [tag.decode('utf-8').encode('koi8-r') for tag in tags]
  43
  44       if title:
  45          key = year, month, day = tuple(dirpath[len(blog_root):].split(os.sep)[1:])
  46          if key in blog:
  47             days = blog[key]
  48          else:
  49             days = blog[key] = []
  50          days.append((file, title, lead, tags))
  51
  52          if year in years:
  53             months = years[year]
  54          else:
  55             months = years[year] = {}
  56
  57          if month in months:
  58             days = months[month]
  59          else:
  60             days = months[month] = []
  61
  62          if day not in days: days.append(day)
  63
  64          file = file[:-len("tmpl")] + "html"
  65          key = (year, month, day, file)
  66          body = template.body()
  67          if isinstance(body, unicode):
  68             body = body.encode('koi8-r')
  69          bodies[key] = body
  70
  71 # Need to save the blog?
  72 if blog != old_blog:
  73     save_blog(blog)
  74
  75 # Localized month names
  76
  77 import locale
  78 locale.setlocale(locale.LC_ALL, "ru_RU.KOI8-R")
  79 from calendar import _localized_month
  80
  81 locale.setlocale(locale.LC_TIME, 'C')
  82 months_names_en = list(_localized_month('%B'))
  83 months_abbrs_en = list(_localized_month('%b'))
  84
  85 locale.setlocale(locale.LC_TIME, "ru_RU.KOI8-R")
  86 # months_names_ru = list(_localized_month('%B'))
  87
  88 months_names_ru = ['', "января", "февраля", "марта", "апреля", "мая", "июня",
  89    "июля", "августа", "сентября", "октября", "ноября", "декабря"
  90 ]
  91
  92 months_names_ru0 = ['', "январь", "февраль", "март", "апрель", "май", "июнь",
  93    "июль", "август", "сентябрь", "октябрь", "ноябрь", "декабрь"
  94 ]
  95
  96 from news import write_if_changed
  97
  98
  99 def write_template(level, year, month, day, titles, tags=None):
 100    path = [blog_root]
 101    if level >= 1:
 102       path.append(year)
 103    if level >= 2:
 104       path.append(month)
 105    if level == 3:
 106       path.append(day)
 107    path.append("index.tmpl")
 108    index_name = os.path.join(*path)
 109
 110    new_text = ["""\
 111 ## THIS FILE IS AUTOMATICALLY GENERATED. DO NOT EDIT.
 112 #encoding koi8-r
 113 #extends phd_site
 114 #implements respond
 115 """]
 116
 117    if level == 0:
 118       new_text.append("""\
 119 #attr $Title = "Oleg Broytman's blog"
 120 #attr $Description = "Broytman Russian Blog Index Document"
 121 #attr $Copyright = %(cyear)s
 122 #attr $alternates = (("Новости [Atom 1.0] только заголовки", "application/atom+xml", "atom_10_titles.xml"),
 123                      ("Новости [Atom 1.0]", "application/atom+xml", "atom_10.xml"),
 124                      ("Новости [Atom 1.0] полные тексты", "application/atom+xml", "atom_10_full.xml"),
 125                      ("Новости [RSS 2.0] только заголовки",  "application/rss+xml",  "rss_20_titles.xml"),
 126                      ("Новости [RSS 2.0]",  "application/rss+xml",  "rss_20.xml"),
 127                      ("Новости [RSS 2.0] полные тексты",  "application/rss+xml",  "rss_20_full.xml"),
 128 )
 129 ##
 130 #def body_html
 131 <h1>Журнал</h1>
 132 """ % {"cyear": year or 2005})
 133
 134    elif level == 1:
 135       new_text.append("""\
 136 #attr $Title = "Oleg Broytman's blog: %(year)s"
 137 #attr $Description = "Broytman Russian Blog %(year)s Index Document"
 138 #attr $Copyright = %(cyear)s
 139 ##
 140 #def body_html
 141 <h1>Журнал: %(year)s</h1>
 142 """ % {"year": year, "cyear": year or 2005})
 143
 144    elif level == 2:
 145       imonth = int(month)
 146       new_text.append("""\
 147 #attr $Title = "Oleg Broytman's blog: %(month_abbr_en)s %(year)s"
 148 #attr $Description = "Broytman Russian Blog %(month_name_en)s %(year)s Index Document"
 149 #attr $Copyright = %(cyear)s
 150 ##
 151 #def body_html
 152 <h1>Журнал: %(month_name_ru0)s %(year)s</h1>
 153 """ % {
 154       "year": year, "cyear": year or 2005,
 155       "month_abbr_en": months_abbrs_en[imonth], "month_name_en": months_names_en[imonth],
 156       "month_name_ru0": months_names_ru0[imonth],
 157    })
 158
 159    elif level == 3:
 160       iday = int(day)
 161       imonth = int(month)
 162
 163       if len(titles) == 1:
 164          new_text.append("""\
 165 #attr $Refresh = "0; URL=%s"
 166 """ % titles[0][3])
 167
 168       new_text.append("""\
 169 #attr $Title = "Oleg Broytman's blog: %(day)d %(month_abbr_en)s %(year)s"
 170 #attr $Description = "Broytman Russian Blog %(day)d %(month_name_en)s %(year)s Index Document"
 171 #attr $Copyright = %(cyear)s
 172 ##
 173 #def body_html
 174 <h1>Журнал: %(day)d %(month_name_ru)s %(year)s</h1>
 175 """ % {
 176       "year": year, "cyear": year or 2005,
 177       "month_abbr_en": months_abbrs_en[imonth], "month_name_en": months_names_en[imonth],
 178       "month_name_ru": months_names_ru[imonth],
 179       "day": iday
 180    })
 181
 182    save_titles = titles[:]
 183    titles.reverse()
 184
 185    save_date = None
 186    for year, month, day, file, title, lead in titles:
 187       href = []
 188       if level == 0:
 189          href.append(year)
 190       if level <= 1:
 191          href.append(month)
 192       if level <= 2:
 193          href.append(day)
 194       href.append(file)
 195       href = '/'.join(href)
 196       if day[0] == '0': day = day[1:]
 197       if save_date != (year, month, day):
 198          if level == 0:
 199             new_text.append('\n<h2>%s %s %s</h2>' % (day, months_names_ru[int(month)], year))
 200          else:
 201             new_text.append('\n<h2>%s %s</h2>' % (day, months_names_ru[int(month)]))
 202          save_date = year, month, day
 203       new_text.append('''
 204 <p class="head">
 205    %s<a href="%s">%s</a>.
 206 </p>
 207 ''' % (lead+' ' if lead else '', href, title))
 208
 209    if level == 0:
 210       new_text.append("""
 211 <hr>
 212
 213 <p class="head">Новостевая лента в форматах
 214 <img src="../../Graphics/atom_10.jpg" border=0>
 215 <A HREF="atom_10_titles.xml">Atom 1.0 только заголовки</A> /
 216 <A HREF="atom_10.xml">Atom 1.0</A> /
 217 <A HREF="atom_10_full.xml">Atom 1.0 полные тексты</A>
 218 и <img src="../../Graphics/rss_20.jpg" border=0>
 219 <A HREF="rss_20_titles.xml">RSS 2.0 только заголовки</A> /
 220 <A HREF="rss_20.xml">RSS 2.0</A> /
 221 <A HREF="rss_20_full.xml">RSS 2.0 полные тексты</A>.
 222 </p>
 223 """)
 224
 225       years = {}
 226       for year, month, day, file, title, lead in save_titles:
 227          years[year] = True
 228       new_text.append('''
 229 <p class="head"><a href="tags/">Теги</a>:
 230 ''')
 231       first_tag = True
 232       for count, tag, links in all_tags:
 233          if first_tag:
 234             first_tag = False
 235          else:
 236             new_text.append(' - ')
 237          new_text.append("""<a href="tags/%s.html">%s (%d)</a>""" % (tag, tag, count))
 238       new_text.append('''
 239 </p>
 240 ''')
 241
 242       max_year = int(sorted(years.keys())[-1])
 243       years = range(max_year, 2005, -1)
 244
 245       new_text.append('''
 246 <p class="head">По годам:
 247 ''')
 248
 249       year_counts = {}
 250       for year, month, day, file, title, lead in all_titles:
 251          year_counts[year] = 0
 252       for year, month, day, file, title, lead in all_titles:
 253          year_counts[year] += 1
 254
 255       first_year = True
 256       for year in years:
 257          if first_year:
 258             first_year = False
 259          else:
 260             new_text.append(' - ')
 261          new_text.append('<a href="%s/">%s (%d)</a>' % (year, year, year_counts[str(year)]))
 262       new_text.append('''
 263 </p>
 264 ''')
 265
 266       new_text.append("""
 267 <hr>
 268 <p class="head"><a href="http://phd.livejournal.com/">ЖЖ</a>
 269 """)
 270
 271    new_text.append("""\
 272 #end def
 273 $phd_site.respond(self)
 274 """)
 275
 276    write_if_changed(index_name, ''.join(new_text))
 277
 278
 279 all_tags = {}
 280 all_titles = []
 281 all_titles_tags = []
 282
 283 for year in sorted(years.keys()):
 284    year_titles = []
 285    months = years[year]
 286    for month in sorted(months.keys()):
 287       month_titles = []
 288       for day in sorted(months[month]):
 289          day_titles = []
 290          key = year, month, day
 291          if key in blog:
 292             for file, title, lead, tags in blog[key]:
 293                if file.endswith(".tmpl"): file = file[:-len("tmpl")] + "html"
 294                value = (year, month, day, file, title, lead)
 295                all_titles_tags.append((year, month, day, file, title, lead, tags))
 296                all_titles.append(value)
 297                year_titles.append(value)
 298                month_titles.append(value)
 299                day_titles.append(value)
 300                for tag in tags:
 301                   if tag in all_tags:
 302                      tag_links = all_tags[tag]
 303                   else:
 304                      tag_links = all_tags[tag] = []
 305                   tag_links.append(value)
 306          write_template(3, year, month, day, day_titles)
 307       write_template(2, year, month, day, month_titles)
 308    write_template(1, year, month, day, year_titles)
 309
 310 def by_count_rev_tag_link(t1, t2):
 311    """Sort all_tags by count in descending order,
 312    and by tags and links in ascending order
 313    """
 314    r = cmp(t1[0], t2[0])
 315    if r:
 316       return -r
 317    return cmp((t1[1], t1[2]), (t2[1], t2[2]))
 318
 319 all_tags = [(len(links), tag, links) for (tag, links) in all_tags.items()]
 320 all_tags.sort(by_count_rev_tag_link)
 321
 322 write_template(0, year, month, day, all_titles[-20:], all_tags)
 323
 324 new_text = ["""\
 325 ## THIS FILE IS AUTOMATICALLY GENERATED. DO NOT EDIT.
 326 #encoding koi8-r
 327 #extends phd_site
 328 #implements respond
 329 #attr $Title = "Oleg Broytman's blog: tags"
 330 #attr $Description = "Broytman Russian Blog Tags Index Document"
 331 #attr $Copyright = 2006
 332 ##
 333 #def body_html
 334 <h1>Теги</h1>
 335
 336 <p class="head small">
 337 Форма поиска позволяет искать сообщения в блоге, соответствующие выражению.
 338 Синтаксис выражения:</p>
 339 <ul class="small">
 340     <li>Тег - если такой тег существует, произойдёт перенаправление на страницу тега.</li>
 341     <li>Оператор '!' (NOT, not) - ищет записи, в которых нет этого тега.</li>
 342     <li>Оператор '&amp;' (AND, and) - ищет записи, в которых есть оба тега.</li>
 343     <li>Оператор '|' (OR, or) - ищет записи, в которых есть любые из тегов.</li>
 344     <li>Приоритет операций стандартный: NOT &gt; AND &gt; OR. Скобки '()' позволяют объединять выражения.</li>
 345 </ul>
 346 <p class="small">
 347 Примеры выражений: linux - произойдёт перенаправление
 348 на страницу linux.html; linux&amp;!audio - искать записи в которых есть тег
 349 linux и нет тега audio; linux and not audio - то же самое.
 350 </p>
 351
 352 <center>
 353 <form method=GET action="../../../cgi-bin/blog-ru/search-tags/search-tags.py">
 354     <input type=text name=q>
 355     <input type=submit name=submit value="Искать">
 356 </form>
 357 </center>
 358
 359 <dl>
 360 """]
 361
 362 for i, (count, tag, links) in enumerate(all_tags):
 363    new_text.append("""\
 364    <dt><a href="%s.html">%s (%d)</a></dt>
 365 """ % (tag, tag, count))
 366
 367    first = all_tags[0][1]
 368    if i == 0:
 369       prev = None
 370    else:
 371       prev = all_tags[i-1][1]
 372    if i >= len(all_tags)-1:
 373       next = None
 374    else:
 375       next = all_tags[i+1][1]
 376    last = all_tags[-1][1]
 377
 378    tag_text = ["""\
 379 ## THIS FILE IS AUTOMATICALLY GENERATED. DO NOT EDIT.
 380 #encoding koi8-r
 381 #extends phd_site
 382 #implements respond
 383 #attr $Title = "Oleg Broytman's blog: tag %s"
 384 #attr $Description = "Broytman Russian Blog Tag %s Index Document"
 385 """ % (tag, tag)]
 386
 387    tag_text.append("""\
 388 #attr $First = "%s"
 389 """ % first)
 390
 391    if prev:
 392       tag_text.append("""\
 393 #attr $Prev = "%s"
 394 """ % prev)
 395
 396    if next:
 397       tag_text.append("""\
 398 #attr $Next = "%s"
 399 """ % next)
 400
 401    tag_text.append("""\
 402 #attr $Last = "%s"
 403 """ % last)
 404
 405    tag_text.append("""\
 406 #attr $Copyright = 2006
 407 ##
 408 #def body_html
 409 <h1>%s</h1>
 410
 411 <ul>
 412 """ % tag)
 413
 414    count = 0
 415    for year, month, day, filename, title, lead in reversed(links):
 416       link = "../%s/%s/%s/%s" % (year, month, day, filename)
 417       item_text = """<li><a href="%s">%s/%s/%s: %s%s</a></li>""" % (link, year, month, day, lead+' ' if lead else '', title)
 418
 419       count += 1
 420       if count <= 5:
 421          new_text.append("      <dd>%s</dd>\n" % item_text)
 422
 423       tag_text.append("   %s\n" % item_text)
 424
 425    tag_text.append("""\
 426 </ul>
 427 #end def
 428 $phd_site.respond(self)
 429 """)
 430    write_if_changed(os.path.join(blog_root, "tags", tag+".tmpl"), ''.join(tag_text))
 431
 432 new_text.append("""\
 433 </dl>
 434 #end def
 435 $phd_site.respond(self)
 436 """)
 437 write_if_changed(os.path.join(blog_root, "tags", "index.tmpl"), ''.join(new_text))
 438
 439
 440 from HTMLParser import HTMLParseError
 441 import cgi
 442 from urlparse import urljoin
 443 from m_lib.net.www.html import HTMLParser as _HTMLParser
 444
 445 class HTMLDone(Exception): pass
 446
 447
 448 class FirstPHTMLParser(_HTMLParser):
 449    def __init__(self):
 450       _HTMLParser.__init__(self)
 451       self.first_p = None
 452
 453    def start_p(self, attrs):
 454       self.accumulator = '<p>'
 455
 456    def end_p(self):
 457       self.first_p = self.accumulator + '</p>'
 458       raise HTMLDone()
 459
 460 def get_first_p(body):
 461    parser = FirstPHTMLParser()
 462
 463    try:
 464       parser.feed(body)
 465    except (HTMLParseError, HTMLDone):
 466       pass
 467
 468    try:
 469       parser.close()
 470    except (HTMLParseError, HTMLDone):
 471       pass
 472
 473    return parser.first_p
 474
 475
 476 class AbsURLHTMLParser(_HTMLParser):
 477    def __init__(self, base):
 478       _HTMLParser.__init__(self)
 479       self.base = base
 480
 481    def start_a(self, attrs):
 482       self.accumulator += '<a'
 483       for attrname, value in attrs:
 484          value = cgi.escape(value, True)
 485          if attrname == 'href':
 486             self.accumulator += ' href="%s"' % urljoin(self.base, value)
 487          else:
 488             self.accumulator += ' %s="%s"' % (attrname, value)
 489       self.accumulator += '>'
 490
 491    def end_a(self):
 492       self.accumulator += '</a>'
 493
 494    def start_img(self, attrs):
 495       self.accumulator += '<img'
 496       for attrname, value in attrs:
 497          value = cgi.escape(value, True)
 498          if attrname == 'src':
 499             self.accumulator += ' src="%s"' % urljoin(self.base, value)
 500          else:
 501             self.accumulator += ' %s="%s"' % (attrname, value)
 502       self.accumulator += '>'
 503
 504    def end_img(self):
 505        pass
 506
 507 def absolute_urls(body, base):
 508    parser = AbsURLHTMLParser(base)
 509
 510    try:
 511       parser.feed(body)
 512    except HTMLParseError:
 513       pass
 514
 515    try:
 516       parser.close()
 517    except HTMLParseError:
 518       pass
 519
 520    return parser.accumulator
 521
 522
 523 from atom_10 import atom_10
 524 from rss_20 import rss_20
 525 from news import NewsItem
 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    lead = lead.decode('koi8-r').encode('utf-8')
 538    title = title.decode('koi8-r').encode('utf-8')
 539    url_path = "%s/%s/%s/%s" % (year, month, day, file)
 540    item = NewsItem(
 541       "%s-%s-%s" % (year, month, day),
 542       "%s%s" % (lead+' ' if lead else '', title),
 543       url_path)
 544    items.append(item)
 545    item.baseURL = baseURL
 546    item.categoryList = tags
 547    body = bodies[(year, month, day, file)]
 548    body = absolute_urls(body, baseURL + url_path)
 549    item.body = body
 550    item.excerpt = get_first_p(body)
 551
 552 namespace = {
 553    "title": "Oleg Broytman's blog",
 554    "baseURL": baseURL,
 555    "indexFile": "",
 556    "description": "",
 557    "lang": "ru",
 558    "author": "Oleg Broytman",
 559    "email": "phd@phdru.name",
 560    "generator": os.path.basename(sys.argv[0]),
 561    "posts": items,
 562 }
 563
 564 # For english dates
 565 locale.setlocale(locale.LC_TIME, 'C')
 566
 567 atom_tmpl = unicode(atom_10(searchList=[namespace])).encode('koi8-r')
 568 write_if_changed(os.path.join(blog_root, "atom_10.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.xml"), rss_tmpl)
 571
 572 for item in items:
 573     item.excerpt = None
 574
 575 atom_tmpl = unicode(atom_10(searchList=[namespace])).encode('koi8-r')
 576 write_if_changed(os.path.join(blog_root, "atom_10_titles.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_titles.xml"), rss_tmpl)
 579
 580 for item in items:
 581     item.content = item.body
 582
 583 atom_tmpl = unicode(atom_10(searchList=[namespace])).encode('koi8-r')
 584 write_if_changed(os.path.join(blog_root, "atom_10_full.xml"), atom_tmpl)
 585 rss_tmpl = unicode(rss_20(searchList=[namespace])).encode('koi8-r')
 586 write_if_changed(os.path.join(blog_root, "rss_20_full.xml"), rss_tmpl)