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
 268       year_counts = {}
 269       for year, month, day, file, title, lead in all_titles:
 270          year_counts[year] = 0
 271       for year, month, day, file, title, lead in all_titles:
 272          year_counts[year] += 1
 273
 274       first_year = True
 275       for year in years:
 276          if first_year:
 277             first_year = False
 278          else:
 279             new_text.append(' - ')
 280          new_text.append('<a href="%s/">%s (%d)</a>' % (year, year, year_counts[str(year)]))
 281       new_text.append('''
 282 </p>
 283 ''')
 284
 285       new_text.append("""
 286 <hr>
 287 <p class="head"><a href="http://phd.livejournal.com/">ЖЖ</a>
 288 """)
 289
 290    new_text.append("""\
 291 #end def
 292 $phd_site.respond(self)
 293 """)
 294
 295    write_if_changed(index_name, ''.join(new_text))
 296
 297
 298 all_tags = {}
 299 all_titles = []
 300 all_titles_tags = []
 301
 302 for year in sorted(years.keys()):
 303    year_titles = []
 304    months = years[year]
 305    for month in sorted(months.keys()):
 306       month_titles = []
 307       for day in sorted(months[month]):
 308          day_titles = []
 309          key = year, month, day
 310          if key in blog:
 311             for file, title, lead, tags in blog[key]:
 312                if file.endswith(".tmpl"): file = file[:-len("tmpl")] + "html"
 313                value = (year, month, day, file, title, lead)
 314                all_titles_tags.append((year, month, day, file, title, lead, tags))
 315                all_titles.append(value)
 316                year_titles.append(value)
 317                month_titles.append(value)
 318                day_titles.append(value)
 319                for tag in tags:
 320                   if tag in all_tags:
 321                      tag_links = all_tags[tag]
 322                   else:
 323                      tag_links = all_tags[tag] = []
 324                   tag_links.append(value)
 325          write_template(3, year, month, day, day_titles)
 326       write_template(2, year, month, day, month_titles)
 327    write_template(1, year, month, day, year_titles)
 328
 329 def by_count_rev_tag_link(t1, t2):
 330    """Sort all_tags by count in descending order,
 331    and by tags and links in ascending order
 332    """
 333    r = cmp(t1[0], t2[0])
 334    if r:
 335       return -r
 336    return cmp((t1[1], t1[2]), (t2[1], t2[2]))
 337
 338 all_tags = [(len(links), tag, links) for (tag, links) in all_tags.items()]
 339 all_tags.sort(by_count_rev_tag_link)
 340
 341 write_template(0, year, month, day, all_titles[-20:], all_tags)
 342
 343 new_text = ["""\
 344 ## THIS FILE IS AUTOMATICALLY GENERATED. DO NOT EDIT.
 345 #encoding koi8-r
 346 #extends phd_site
 347 #implements respond
 348 #attr $Title = "Oleg Broytman's blog: tags"
 349 #attr $Description = "Broytman Russian Blog Tags Index Document"
 350 #attr $Copyright = 2006
 351 ##
 352 #def body_html
 353 <h1>Теги</h1>
 354
 355 <p class="head small">
 356 Форма поиска позволяет искать сообщения в блоге, соответствующие выражению.
 357 Синтаксис выражения:</p>
 358 <ul class="small">
 359     <li>Тег - если такой тег существует, произойдёт перенаправление на страницу тега.</li>
 360     <li>Оператор '!' (NOT) - ищет записи, в которых нет этого тега.</li>
 361     <li>Оператор '&amp;' (AND) - ищет записи, в которых есть оба тега.</li>
 362     <li>Оператор '|' (OR) - ищет записи, в которых есть один из тегов.</li>
 363     <li>Скобки '()' позволяют объединять выражения.</li>
 364 </ul>
 365 <p class="small">
 366 Пробелы не допускаются. Примеры выражений: linux - произойдёт перенаправление
 367 на страницу linux.html; linux&amp;!audio - искать записи в которых есть тег
 368 linux и нет тега audio.
 369 </p>
 370
 371 <center>
 372 <form method=GET action="../../../cgi-bin/blog-ru/search-tags/search-tags.py">
 373     <input type=text name=q>
 374     <input type=submit name=submit value="Искать">
 375 </form>
 376 </center>
 377
 378 <p class="head">
 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 <p class="head">
 432 <ul>
 433 """ % tag)
 434
 435    count = 0
 436    for year, month, day, filename, title, lead in reversed(links):
 437       link = "../%s/%s/%s/%s" % (year, month, day, filename)
 438       item_text = """<li><a href="%s">%s/%s/%s: %s%s</a></li>""" % (link, year, month, day, lead+' ' if lead else '', title)
 439
 440       count += 1
 441       if count <= 5:
 442          new_text.append("      <dd>%s</dd>\n" % item_text)
 443
 444       tag_text.append("   %s\n" % item_text)
 445
 446    tag_text.append("""\
 447 </ul>
 448 </p>
 449 #end def
 450 $phd_site.respond(self)
 451 """)
 452    write_if_changed(os.path.join(blog_root, "tags", tag+".tmpl"), ''.join(tag_text))
 453
 454 new_text.append("""\
 455 </dl>
 456 </p>
 457 #end def
 458 $phd_site.respond(self)
 459 """)
 460 write_if_changed(os.path.join(blog_root, "tags", "index.tmpl"), ''.join(new_text))
 461
 462
 463 from HTMLParser import HTMLParseError
 464 import cgi
 465 from urlparse import urljoin
 466 from m_lib.net.www.html import HTMLParser as _HTMLParser
 467
 468 class HTMLDone(Exception): pass
 469
 470
 471 class FirstPHTMLParser(_HTMLParser):
 472    def __init__(self):
 473       _HTMLParser.__init__(self)
 474       self.first_p = None
 475
 476    def start_p(self, attrs):
 477       self.accumulator = '<p>'
 478
 479    def end_p(self):
 480       self.first_p = self.accumulator + '</p>'
 481       raise HTMLDone()
 482
 483 def get_first_p(body):
 484    parser = FirstPHTMLParser()
 485
 486    try:
 487       parser.feed(body)
 488    except (HTMLParseError, HTMLDone):
 489       pass
 490
 491    try:
 492       parser.close()
 493    except (HTMLParseError, HTMLDone):
 494       pass
 495
 496    return parser.first_p
 497
 498
 499 class AbsURLHTMLParser(_HTMLParser):
 500    def __init__(self, base):
 501       _HTMLParser.__init__(self)
 502       self.base = base
 503
 504    def start_a(self, attrs):
 505       self.accumulator += '<a'
 506       for attrname, value in attrs:
 507          value = cgi.escape(value, True)
 508          if attrname == 'href':
 509             self.accumulator += ' href="%s"' % urljoin(self.base, value)
 510          else:
 511             self.accumulator += ' %s="%s"' % (attrname, value)
 512       self.accumulator += '>'
 513
 514    def end_a(self):
 515       self.accumulator += '</a>'
 516
 517    def start_img(self, attrs):
 518       self.accumulator += '<img'
 519       for attrname, value in attrs:
 520          value = cgi.escape(value, True)
 521          if attrname == 'src':
 522             self.accumulator += ' src="%s"' % urljoin(self.base, value)
 523          else:
 524             self.accumulator += ' %s="%s"' % (attrname, value)
 525       self.accumulator += '>'
 526
 527    def end_img(self):
 528        pass
 529
 530 def absolute_urls(body, base):
 531    parser = AbsURLHTMLParser(base)
 532
 533    try:
 534       parser.feed(body)
 535    except HTMLParseError:
 536       pass
 537
 538    try:
 539       parser.close()
 540    except HTMLParseError:
 541       pass
 542
 543    return parser.accumulator
 544
 545
 546 from atom_10 import atom_10
 547 from rss_20 import rss_20
 548 from news import NewsItem
 549
 550 if blog_root:
 551    baseURL = "http://phdru.name/%s/" % blog_root
 552 else:
 553    baseURL = "http://phdru.name/"
 554
 555 items = []
 556 for item in tuple(reversed(all_titles_tags))[:10]:
 557    year, month, day, file, title, lead, tags = item
 558    lead = lead.decode('koi8-r').encode('utf-8')
 559    title = title.decode('koi8-r').encode('utf-8')
 560    url_path = "%s/%s/%s/%s" % (year, month, day, file)
 561    item = NewsItem(
 562       "%s-%s-%s" % (year, month, day),
 563       "%s%s" % (lead+' ' if lead else '', title),
 564       url_path)
 565    items.append(item)
 566    item.baseURL = baseURL
 567    item.categoryList = tags
 568    body = bodies[(year, month, day, file)]
 569    body = absolute_urls(body, baseURL + url_path)
 570    body = body.decode('koi8-r').encode('utf-8')
 571    item.body = body
 572    item.excerpt = get_first_p(body)
 573
 574 namespace = {
 575    "title": "Oleg Broytman's blog",
 576    "baseURL": baseURL,
 577    "indexFile": "",
 578    "description": "",
 579    "lang": "ru",
 580    "author": "Oleg Broytman",
 581    "email": "phd@phdru.name",
 582    "generator": os.path.basename(sys.argv[0]),
 583    "posts": items,
 584 }
 585
 586 # For english dates
 587 locale.setlocale(locale.LC_TIME, 'C')
 588
 589 atom_tmpl = unicode(atom_10(searchList=[namespace])).encode('koi8-r')
 590 write_if_changed(os.path.join(blog_root, "atom_10.xml"), atom_tmpl)
 591 rss_tmpl = unicode(rss_20(searchList=[namespace])).encode('koi8-r')
 592 write_if_changed(os.path.join(blog_root, "rss_20.xml"), rss_tmpl)
 593
 594 for item in items:
 595     item.excerpt = None
 596
 597 atom_tmpl = unicode(atom_10(searchList=[namespace])).encode('koi8-r')
 598 write_if_changed(os.path.join(blog_root, "atom_10_titles.xml"), atom_tmpl)
 599 rss_tmpl = unicode(rss_20(searchList=[namespace])).encode('koi8-r')
 600 write_if_changed(os.path.join(blog_root, "rss_20_titles.xml"), rss_tmpl)
 601
 602 for item in items:
 603     item.content = item.body
 604
 605 atom_tmpl = unicode(atom_10(searchList=[namespace])).encode('koi8-r')
 606 write_if_changed(os.path.join(blog_root, "atom_10_full.xml"), atom_tmpl)
 607 rss_tmpl = unicode(rss_20(searchList=[namespace])).encode('koi8-r')
 608 write_if_changed(os.path.join(blog_root, "rss_20_full.xml"), rss_tmpl)