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.compat import string_type
   9
  10 blog_data_root = sys.argv[1]
  11 blog_root = sys.argv[2]
  12 blog_filename = os.path.join(blog_data_root, "blog_dict.pickle")
  13
  14 try:
  15    import cPickle as pickle
  16 except ImportError:
  17    import pickle
  18
  19 from Cheetah.Template import Template
  20
  21
  22 # Load old blog
  23
  24 try:
  25    blog_file = open(blog_filename, "rb")
  26 except IOError:
  27    old_blog = {}
  28 else:
  29    old_blog = pickle.load(blog_file)
  30    blog_file.close()
  31
  32
  33 # blog is a dictionary mapping
  34 # (year, month, day) => [list of (file, title, lead, tags)]
  35
  36 blog = {}
  37 years = {}
  38
  39 # bodies is a dictionary mapping file => body
  40
  41 bodies = {}
  42
  43 # Walk the directory recursively
  44 for dirpath, dirs, files in os.walk(blog_root):
  45    d = os.path.basename(dirpath)
  46    if not d.startswith("20") and not d.isdigit():
  47       continue
  48    for file in files:
  49       if not file.endswith(".tmpl"):
  50          continue
  51       fullpath = os.path.join(dirpath, file)
  52       template = Template(file=fullpath)
  53       title_parts = template.Title.decode('utf-8').encode('koi8-r').split()
  54       title = ' '.join(title_parts[6:])
  55       lead = template.Lead.decode('utf-8').encode('koi8-r')
  56
  57       tags = template.Tag
  58       if isinstance(tags, string_type):
  59          tags = (tags,)
  60       tags = [tag.decode('utf-8').encode('koi8-r') for tag in tags]
  61
  62       if title:
  63          key = year, month, day = tuple(dirpath[len(blog_root):].split(os.sep)[1:])
  64          if key in blog:
  65             days = blog[key]
  66          else:
  67             days = blog[key] = []
  68          days.append((file, title, lead, tags))
  69
  70          if year in years:
  71             months = years[year]
  72          else:
  73             months = years[year] = {}
  74
  75          if month in months:
  76             days = months[month]
  77          else:
  78             days = months[month] = []
  79
  80          if day not in days: days.append(day)
  81
  82          file = file[:-len("tmpl")] + "html"
  83          key = (year, month, day, file)
  84          body = template.body()
  85          if isinstance(body, unicode):
  86             body = body.encode('koi8-r')
  87          bodies[key] = body
  88
  89 # Need to save the blog?
  90 if blog <> old_blog:
  91    blog_file = open(blog_filename, "wb")
  92    pickle.dump(blog, blog_file, pickle.HIGHEST_PROTOCOL)
  93    blog_file.close()
  94
  95 # Localized month names
  96
  97 import locale
  98 locale.setlocale(locale.LC_ALL, "ru_RU.KOI8-R")
  99 from calendar import _localized_day, _localized_month
 100
 101 locale.setlocale(locale.LC_TIME, 'C')
 102 months_names_en = list(_localized_month('%B'))
 103 months_abbrs_en = list(_localized_month('%b'))
 104
 105 locale.setlocale(locale.LC_TIME, "ru_RU.KOI8-R")
 106 #months_names_ru = list(_localized_month('%B'))
 107
 108 months_names_ru = ['', "января", "февраля", "марта", "апреля", "мая", "июня",
 109    "июля", "августа", "сентября", "октября", "ноября", "декабря"
 110 ]
 111
 112 months_names_ru0 = ['', "январь", "февраль", "март", "апрель", "май", "июнь",
 113    "июль", "август", "сентябрь", "октябрь", "ноябрь", "декабрь"
 114 ]
 115
 116 from news import write_if_changed
 117
 118
 119 def write_template(level, year, month, day, titles, tags=None):
 120    path = [blog_root]
 121    if level >= 1:
 122       path.append(year)
 123    if level >= 2:
 124       path.append(month)
 125    if level == 3:
 126       path.append(day)
 127    path.append("index.tmpl")
 128    index_name = os.path.join(*path)
 129
 130    new_text = ["""\
 131 ## THIS FILE IS AUTOMATICALLY GENERATED. DO NOT EDIT.
 132 #encoding koi8-r
 133 #extends phd_site
 134 #implements respond
 135 """]
 136
 137    if level == 0:
 138       new_text.append("""\
 139 #attr $Title = "Oleg Broytman's blog"
 140 #attr $Description = "Broytman Russian Blog Index Document"
 141 #attr $Copyright = %(cyear)s
 142 #attr $alternates = (("Новости [Atom 1.0] только заголовки", "application/atom+xml", "atom_10_titles.xml"),
 143                      ("Новости [Atom 1.0]", "application/atom+xml", "atom_10.xml"),
 144                      ("Новости [Atom 1.0] полные тексты", "application/atom+xml", "atom_10_full.xml"),
 145                      ("Новости [RSS 2.0] только заголовки",  "application/rss+xml",  "rss_20_titles.xml"),
 146                      ("Новости [RSS 2.0]",  "application/rss+xml",  "rss_20.xml"),
 147                      ("Новости [RSS 2.0] полные тексты",  "application/rss+xml",  "rss_20_full.xml"),
 148 )
 149 ##
 150 #def body_html
 151 <h1>Журнал</h1>
 152 """ % {"cyear": year or 2005})
 153
 154    elif level == 1:
 155       new_text.append("""\
 156 #attr $Title = "Oleg Broytman's blog: %(year)s"
 157 #attr $Description = "Broytman Russian Blog %(year)s Index Document"
 158 #attr $Copyright = %(cyear)s
 159 ##
 160 #def body_html
 161 <h1>Журнал: %(year)s</h1>
 162 """ % {"year": year, "cyear": year or 2005})
 163
 164    elif level == 2:
 165       imonth = int(month)
 166       new_text.append("""\
 167 #attr $Title = "Oleg Broytman's blog: %(month_abbr_en)s %(year)s"
 168 #attr $Description = "Broytman Russian Blog %(month_name_en)s %(year)s Index Document"
 169 #attr $Copyright = %(cyear)s
 170 ##
 171 #def body_html
 172 <h1>Журнал: %(month_name_ru0)s %(year)s</h1>
 173 """ % {
 174       "year": year, "cyear": year or 2005,
 175       "month_abbr_en": months_abbrs_en[imonth], "month_name_en": months_names_en[imonth],
 176       "month_name_ru0": months_names_ru0[imonth],
 177    })
 178
 179    elif level == 3:
 180       iday = int(day)
 181       imonth = int(month)
 182
 183       if len(titles) == 1:
 184          new_text.append("""\
 185 #attr $Refresh = "0; URL=%s"
 186 """ % titles[0][3])
 187
 188       new_text.append("""\
 189 #attr $Title = "Oleg Broytman's blog: %(day)d %(month_abbr_en)s %(year)s"
 190 #attr $Description = "Broytman Russian Blog %(day)d %(month_name_en)s %(year)s Index Document"
 191 #attr $Copyright = %(cyear)s
 192 ##
 193 #def body_html
 194 <h1>Журнал: %(day)d %(month_name_ru)s %(year)s</h1>
 195 """ % {
 196       "year": year, "cyear": year or 2005,
 197       "month_abbr_en": months_abbrs_en[imonth], "month_name_en": months_names_en[imonth],
 198       "month_name_ru": months_names_ru[imonth],
 199       "day": iday
 200    })
 201
 202    save_titles = titles[:]
 203    titles.reverse()
 204
 205    save_date = None
 206    for year, month, day, file, title, lead in titles:
 207       href = []
 208       if level == 0:
 209          href.append(year)
 210       if level <= 1:
 211          href.append(month)
 212       if level <= 2:
 213          href.append(day)
 214       href.append(file)
 215       href = '/'.join(href)
 216       if day[0] == '0': day = day[1:]
 217       if save_date <> (year, month, day):
 218          if level == 0:
 219             new_text.append('\n<h2>%s %s %s</h2>' % (day, months_names_ru[int(month)], year))
 220          else:
 221             new_text.append('\n<h2>%s %s</h2>' % (day, months_names_ru[int(month)]))
 222          save_date = year, month, day
 223       new_text.append('''
 224 <p class="head">
 225    %s<a href="%s">%s</a>.
 226 </p>
 227 ''' % (lead+' ' if lead else '', href, title))
 228
 229    if level == 0:
 230       new_text.append("""
 231 <hr>
 232
 233 <p class="head">Новостевая лента в форматах
 234 <img src="../../Graphics/atom_10.jpg" border=0>
 235 <A HREF="atom_10_titles.xml">Atom 1.0 только заголовки</A> /
 236 <A HREF="atom_10.xml">Atom 1.0</A> /
 237 <A HREF="atom_10_full.xml">Atom 1.0 полные тексты</A>
 238 и <img src="../../Graphics/rss_20.jpg" border=0>
 239 <A HREF="rss_20_titles.xml">RSS 2.0 только заголовки</A> /
 240 <A HREF="rss_20.xml">RSS 2.0</A> /
 241 <A HREF="rss_20_full.xml">RSS 2.0 полные тексты</A>.
 242 </p>
 243 """)
 244
 245       years = {}
 246       for year, month, day, file, title, lead in save_titles:
 247          years[year] = True
 248       new_text.append('''
 249 <p class="head"><a href="tags/">Теги</a>:
 250 ''')
 251       first_tag = True
 252       for count, tag, links in all_tags:
 253          if first_tag:
 254             first_tag = False
 255          else:
 256             new_text.append(' - ')
 257          new_text.append("""<a href="tags/%s.html">%s (%d)</a>""" % (tag, tag, count))
 258       new_text.append('''
 259 </p>
 260 ''')
 261
 262       max_year = int(sorted(years.keys())[-1])
 263       years = range(max_year, 2005, -1)
 264
 265       new_text.append('''
 266 <p class="head">По годам:
 267 ''')
 268
 269       year_counts = {}
 270       for year, month, day, file, title, lead in all_titles:
 271          year_counts[year] = 0
 272       for year, month, day, file, title, lead in all_titles:
 273          year_counts[year] += 1
 274
 275       first_year = True
 276       for year in years:
 277          if first_year:
 278             first_year = False
 279          else:
 280             new_text.append(' - ')
 281          new_text.append('<a href="%s/">%s (%d)</a>' % (year, year, year_counts[str(year)]))
 282       new_text.append('''
 283 </p>
 284 ''')
 285
 286       new_text.append("""
 287 <hr>
 288 <p class="head"><a href="http://phd.livejournal.com/">ЖЖ</a>
 289 """)
 290
 291    new_text.append("""\
 292 #end def
 293 $phd_site.respond(self)
 294 """)
 295
 296    write_if_changed(index_name, ''.join(new_text))
 297
 298
 299 all_tags = {}
 300 all_titles = []
 301 all_titles_tags = []
 302
 303 for year in sorted(years.keys()):
 304    year_titles = []
 305    months = years[year]
 306    for month in sorted(months.keys()):
 307       month_titles = []
 308       for day in sorted(months[month]):
 309          day_titles = []
 310          key = year, month, day
 311          if key in blog:
 312             for file, title, lead, tags in blog[key]:
 313                if file.endswith(".tmpl"): file = file[:-len("tmpl")] + "html"
 314                value = (year, month, day, file, title, lead)
 315                all_titles_tags.append((year, month, day, file, title, lead, tags))
 316                all_titles.append(value)
 317                year_titles.append(value)
 318                month_titles.append(value)
 319                day_titles.append(value)
 320                for tag in tags:
 321                   if tag in all_tags:
 322                      tag_links = all_tags[tag]
 323                   else:
 324                      tag_links = all_tags[tag] = []
 325                   tag_links.append(value)
 326          write_template(3, year, month, day, day_titles)
 327       write_template(2, year, month, day, month_titles)
 328    write_template(1, year, month, day, year_titles)
 329
 330 def by_count_rev_tag_link(t1, t2):
 331    """Sort all_tags by count in descending order,
 332    and by tags and links in ascending order
 333    """
 334    r = cmp(t1[0], t2[0])
 335    if r:
 336       return -r
 337    return cmp((t1[1], t1[2]), (t2[1], t2[2]))
 338
 339 all_tags = [(len(links), tag, links) for (tag, links) in all_tags.items()]
 340 all_tags.sort(by_count_rev_tag_link)
 341
 342 write_template(0, year, month, day, all_titles[-20:], all_tags)
 343
 344 new_text = ["""\
 345 ## THIS FILE IS AUTOMATICALLY GENERATED. DO NOT EDIT.
 346 #encoding koi8-r
 347 #extends phd_site
 348 #implements respond
 349 #attr $Title = "Oleg Broytman's blog: tags"
 350 #attr $Description = "Broytman Russian Blog Tags Index Document"
 351 #attr $Copyright = 2006
 352 ##
 353 #def body_html
 354 <h1>Теги</h1>
 355
 356 <p class="head small">
 357 Форма поиска позволяет искать сообщения в блоге, соответствующие выражению.
 358 Синтаксис выражения:</p>
 359 <ul class="small">
 360     <li>Тег - если такой тег существует, произойдёт перенаправление на страницу тега.</li>
 361     <li>Оператор '!' (NOT, not) - ищет записи, в которых нет этого тега.</li>
 362     <li>Оператор '&amp;' (AND, and) - ищет записи, в которых есть оба тега.</li>
 363     <li>Оператор '|' (OR, or) - ищет записи, в которых есть любые из тегов.</li>
 364     <li>Приоритет операций стандартный: NOT &gt; AND &gt; OR. Скобки '()' позволяют объединять выражения.</li>
 365 </ul>
 366 <p class="small">
 367 Примеры выражений: linux - произойдёт перенаправление
 368 на страницу linux.html; linux&amp;!audio - искать записи в которых есть тег
 369 linux и нет тега audio; linux and not audio - то же самое.
 370 </p>
 371
 372 <center>
 373 <form method=GET action="../../../cgi-bin/blog-ru/search-tags/search-tags.py">
 374     <input type=text name=q>
 375     <input type=submit name=submit value="Искать">
 376 </form>
 377 </center>
 378
 379 <dl>
 380 """]
 381
 382 for i, (count, tag, links) in enumerate(all_tags):
 383    new_text.append("""\
 384    <dt><a href="%s.html">%s (%d)</a></dt>
 385 """ % (tag, tag, count))
 386
 387    first = all_tags[0][1]
 388    if i == 0:
 389       prev = None
 390    else:
 391       prev = all_tags[i-1][1]
 392    if i >= len(all_tags)-1:
 393       next = None
 394    else:
 395       next = all_tags[i+1][1]
 396    last = all_tags[-1][1]
 397
 398    tag_text = ["""\
 399 ## THIS FILE IS AUTOMATICALLY GENERATED. DO NOT EDIT.
 400 #encoding koi8-r
 401 #extends phd_site
 402 #implements respond
 403 #attr $Title = "Oleg Broytman's blog: tag %s"
 404 #attr $Description = "Broytman Russian Blog Tag %s Index Document"
 405 """ % (tag, tag)]
 406
 407    tag_text.append("""\
 408 #attr $First = "%s"
 409 """ % first)
 410
 411    if prev:
 412       tag_text.append("""\
 413 #attr $Prev = "%s"
 414 """ % prev)
 415
 416    if next:
 417       tag_text.append("""\
 418 #attr $Next = "%s"
 419 """ % next)
 420
 421    tag_text.append("""\
 422 #attr $Last = "%s"
 423 """ % last)
 424
 425    tag_text.append("""\
 426 #attr $Copyright = 2006
 427 ##
 428 #def body_html
 429 <h1>%s</h1>
 430
 431 <ul>
 432 """ % tag)
 433
 434    count = 0
 435    for year, month, day, filename, title, lead in reversed(links):
 436       link = "../%s/%s/%s/%s" % (year, month, day, filename)
 437       item_text = """<li><a href="%s">%s/%s/%s: %s%s</a></li>""" % (link, year, month, day, lead+' ' if lead else '', title)
 438
 439       count += 1
 440       if count <= 5:
 441          new_text.append("      <dd>%s</dd>\n" % item_text)
 442
 443       tag_text.append("   %s\n" % item_text)
 444
 445    tag_text.append("""\
 446 </ul>
 447 #end def
 448 $phd_site.respond(self)
 449 """)
 450    write_if_changed(os.path.join(blog_root, "tags", tag+".tmpl"), ''.join(tag_text))
 451
 452 new_text.append("""\
 453 </dl>
 454 #end def
 455 $phd_site.respond(self)
 456 """)
 457 write_if_changed(os.path.join(blog_root, "tags", "index.tmpl"), ''.join(new_text))
 458
 459
 460 from HTMLParser import HTMLParseError
 461 import cgi
 462 from urlparse import urljoin
 463 from m_lib.net.www.html import HTMLParser as _HTMLParser
 464
 465 class HTMLDone(Exception): pass
 466
 467
 468 class FirstPHTMLParser(_HTMLParser):
 469    def __init__(self):
 470       _HTMLParser.__init__(self)
 471       self.first_p = None
 472
 473    def start_p(self, attrs):
 474       self.accumulator = '<p>'
 475
 476    def end_p(self):
 477       self.first_p = self.accumulator + '</p>'
 478       raise HTMLDone()
 479
 480 def get_first_p(body):
 481    parser = FirstPHTMLParser()
 482
 483    try:
 484       parser.feed(body)
 485    except (HTMLParseError, HTMLDone):
 486       pass
 487
 488    try:
 489       parser.close()
 490    except (HTMLParseError, HTMLDone):
 491       pass
 492
 493    return parser.first_p
 494
 495
 496 class AbsURLHTMLParser(_HTMLParser):
 497    def __init__(self, base):
 498       _HTMLParser.__init__(self)
 499       self.base = base
 500
 501    def start_a(self, attrs):
 502       self.accumulator += '<a'
 503       for attrname, value in attrs:
 504          value = cgi.escape(value, True)
 505          if attrname == 'href':
 506             self.accumulator += ' href="%s"' % urljoin(self.base, value)
 507          else:
 508             self.accumulator += ' %s="%s"' % (attrname, value)
 509       self.accumulator += '>'
 510
 511    def end_a(self):
 512       self.accumulator += '</a>'
 513
 514    def start_img(self, attrs):
 515       self.accumulator += '<img'
 516       for attrname, value in attrs:
 517          value = cgi.escape(value, True)
 518          if attrname == 'src':
 519             self.accumulator += ' src="%s"' % urljoin(self.base, value)
 520          else:
 521             self.accumulator += ' %s="%s"' % (attrname, value)
 522       self.accumulator += '>'
 523
 524    def end_img(self):
 525        pass
 526
 527 def absolute_urls(body, base):
 528    parser = AbsURLHTMLParser(base)
 529
 530    try:
 531       parser.feed(body)
 532    except HTMLParseError:
 533       pass
 534
 535    try:
 536       parser.close()
 537    except HTMLParseError:
 538       pass
 539
 540    return parser.accumulator
 541
 542
 543 from atom_10 import atom_10
 544 from rss_20 import rss_20
 545 from news import NewsItem
 546
 547 if blog_root:
 548    baseURL = "http://phdru.name/%s/" % blog_root
 549 else:
 550    baseURL = "http://phdru.name/"
 551
 552 items = []
 553 for item in tuple(reversed(all_titles_tags))[:10]:
 554    year, month, day, file, title, lead, tags = item
 555    lead = lead.decode('koi8-r').encode('utf-8')
 556    title = title.decode('koi8-r').encode('utf-8')
 557    url_path = "%s/%s/%s/%s" % (year, month, day, file)
 558    item = NewsItem(
 559       "%s-%s-%s" % (year, month, day),
 560       "%s%s" % (lead+' ' if lead else '', title),
 561       url_path)
 562    items.append(item)
 563    item.baseURL = baseURL
 564    item.categoryList = tags
 565    body = bodies[(year, month, day, file)]
 566    body = absolute_urls(body, baseURL + url_path)
 567    item.body = body
 568    item.excerpt = get_first_p(body)
 569
 570 namespace = {
 571    "title": "Oleg Broytman's blog",
 572    "baseURL": baseURL,
 573    "indexFile": "",
 574    "description": "",
 575    "lang": "ru",
 576    "author": "Oleg Broytman",
 577    "email": "phd@phdru.name",
 578    "generator": os.path.basename(sys.argv[0]),
 579    "posts": items,
 580 }
 581
 582 # For english dates
 583 locale.setlocale(locale.LC_TIME, 'C')
 584
 585 atom_tmpl = unicode(atom_10(searchList=[namespace])).encode('koi8-r')
 586 write_if_changed(os.path.join(blog_root, "atom_10.xml"), atom_tmpl)
 587 rss_tmpl = unicode(rss_20(searchList=[namespace])).encode('koi8-r')
 588 write_if_changed(os.path.join(blog_root, "rss_20.xml"), rss_tmpl)
 589
 590 for item in items:
 591     item.excerpt = None
 592
 593 atom_tmpl = unicode(atom_10(searchList=[namespace])).encode('koi8-r')
 594 write_if_changed(os.path.join(blog_root, "atom_10_titles.xml"), atom_tmpl)
 595 rss_tmpl = unicode(rss_20(searchList=[namespace])).encode('koi8-r')
 596 write_if_changed(os.path.join(blog_root, "rss_20_titles.xml"), rss_tmpl)
 597
 598 for item in items:
 599     item.content = item.body
 600
 601 atom_tmpl = unicode(atom_10(searchList=[namespace])).encode('koi8-r')
 602 write_if_changed(os.path.join(blog_root, "atom_10_full.xml"), atom_tmpl)
 603 rss_tmpl = unicode(rss_20(searchList=[namespace])).encode('koi8-r')
 604 write_if_changed(os.path.join(blog_root, "rss_20_full.xml"), rss_tmpl)