reindex_blog.py

   1 #! /usr/bin/env python
   2 # -*- coding: koi8-r -*-
   3
   4 __author__ = "Oleg Broytman <phd@phdru.name>"
   5 __copyright__ = "Copyright (C) 2006-2024 PhiloSoft Design"
   6
   7 import sys, os
   8 try:
   9     from urllib.parse import quote
  10 except ImportError:
  11     from urllib import quote
  12
  13 from Cheetah.Template import Template
  14 from Cheetah.compat import string_type
  15 from blog_db import blog_root, load_blog, save_blog
  16
  17
  18 old_blog = load_blog()
  19
  20 # blog is a dictionary mapping
  21 # (year, month, day) => [list of (file, title, lead, tags)]
  22
  23 blog = {}
  24 years = {}
  25
  26 # bodies is a dictionary mapping file => body
  27
  28 bodies = {}
  29
  30 # Walk the directory recursively
  31 for dirpath, dirs, files in os.walk(blog_root):
  32    d = os.path.basename(dirpath)
  33    if not d.startswith("20") and not d.isdigit():
  34       continue
  35    for file in files:
  36       if not file.endswith(".tmpl"):
  37          continue
  38       fullpath = os.path.join(dirpath, file)
  39       template = Template(file=fullpath)
  40       title_parts = template.Title.decode('utf-8').encode('koi8-r').split()
  41       title = ' '.join(title_parts[6:])
  42       lead = template.Lead.decode('utf-8').encode('koi8-r')
  43
  44       tags = template.Tag
  45       if isinstance(tags, string_type):
  46          tags = (tags,)
  47       tags = [tag.decode('utf-8').encode('koi8-r') for tag in tags]
  48
  49       if title:
  50          key = year, month, day = tuple(dirpath[len(blog_root):].split(os.sep)[1:])
  51          if key in blog:
  52             days = blog[key]
  53          else:
  54             days = blog[key] = []
  55          days.append((file, title, lead, tags))
  56
  57          if year in years:
  58             months = years[year]
  59          else:
  60             months = years[year] = {}
  61
  62          if month in months:
  63             days = months[month]
  64          else:
  65             days = months[month] = []
  66
  67          if day not in days: days.append(day)
  68
  69          file = file[:-len("tmpl")] + "html"
  70          key = (year, month, day, file)
  71          body = template.body()
  72          if isinstance(body, unicode):
  73             body = body.encode('koi8-r')
  74          bodies[key] = body
  75
  76 # Need to save the blog?
  77 if blog != old_blog:
  78     save_blog(blog)
  79
  80 # Localized month names
  81
  82 import locale
  83 locale.setlocale(locale.LC_ALL, "ru_RU.KOI8-R")
  84 from calendar import _localized_month
  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 = ['', "января", "февраля", "марта", "апреля", "мая", "июня",
  94    "июля", "августа", "сентября", "октября", "ноября", "декабря"
  95 ]
  96
  97 months_names_ru0 = ['', "январь", "февраль", "март", "апрель", "май", "июнь",
  98    "июль", "август", "сентябрь", "октябрь", "ноябрь", "декабрь"
  99 ]
 100
 101 from news import write_if_changed
 102
 103 def encode_tag(tag):
 104     return quote(tag.replace(' ', '_'))
 105
 106 def write_template(level, year, month, day, titles, tags=None):
 107    path = [blog_root]
 108    if level >= 1:
 109       path.append(year)
 110    if level >= 2:
 111       path.append(month)
 112    if level == 3:
 113       path.append(day)
 114    path.append("index.tmpl")
 115    index_name = os.path.join(*path)
 116
 117    new_text = ["""\
 118 ## THIS FILE IS AUTOMATICALLY GENERATED. DO NOT EDIT.
 119 #encoding koi8-r
 120 #extends phd_site
 121 #implements respond
 122 """]
 123
 124    if level == 0:
 125       new_text.append("""\
 126 #attr $Title = "Oleg Broytman's blog"
 127 #attr $Description = "Broytman Russian Blog Index Document"
 128 #attr $Copyright = %(cyear)s
 129 #attr $alternates = (("Новости [Atom 1.0] только заголовки", "application/atom+xml", "atom_10_titles.xml"),
 130                      ("Новости [Atom 1.0]", "application/atom+xml", "atom_10.xml"),
 131                      ("Новости [Atom 1.0] полные тексты", "application/atom+xml", "atom_10_full.xml"),
 132                      ("Новости [RSS 2.0] только заголовки",  "application/rss+xml",  "rss_20_titles.xml"),
 133                      ("Новости [RSS 2.0]",  "application/rss+xml",  "rss_20.xml"),
 134                      ("Новости [RSS 2.0] полные тексты",  "application/rss+xml",  "rss_20_full.xml"),
 135 )
 136 ##
 137 #def body_html
 138 <h1>Журнал</h1>
 139 """ % {"cyear": year or 2005})
 140
 141    elif level == 1:
 142       new_text.append("""\
 143 #attr $Title = "Oleg Broytman's blog: %(year)s"
 144 #attr $Description = "Broytman Russian Blog %(year)s Index Document"
 145 #attr $Copyright = %(cyear)s
 146 ##
 147 #def body_html
 148 <h1>Журнал: %(year)s</h1>
 149 """ % {"year": year, "cyear": year or 2005})
 150
 151    elif level == 2:
 152       imonth = int(month)
 153       new_text.append("""\
 154 #attr $Title = "Oleg Broytman's blog: %(month_abbr_en)s %(year)s"
 155 #attr $Description = "Broytman Russian Blog %(month_name_en)s %(year)s Index Document"
 156 #attr $Copyright = %(cyear)s
 157 ##
 158 #def body_html
 159 <h1>Журнал: %(month_name_ru0)s %(year)s</h1>
 160 """ % {
 161       "year": year, "cyear": year or 2005,
 162       "month_abbr_en": months_abbrs_en[imonth], "month_name_en": months_names_en[imonth],
 163       "month_name_ru0": months_names_ru0[imonth],
 164    })
 165
 166    elif level == 3:
 167       iday = int(day)
 168       imonth = int(month)
 169
 170       if len(titles) == 1:
 171          new_text.append("""\
 172 #attr $Refresh = "0; URL=%s"
 173 """ % titles[0][3])
 174
 175       new_text.append("""\
 176 #attr $Title = "Oleg Broytman's blog: %(day)d %(month_abbr_en)s %(year)s"
 177 #attr $Description = "Broytman Russian Blog %(day)d %(month_name_en)s %(year)s Index Document"
 178 #attr $Copyright = %(cyear)s
 179 ##
 180 #def body_html
 181 <h1>Журнал: %(day)d %(month_name_ru)s %(year)s</h1>
 182 """ % {
 183       "year": year, "cyear": year or 2005,
 184       "month_abbr_en": months_abbrs_en[imonth], "month_name_en": months_names_en[imonth],
 185       "month_name_ru": months_names_ru[imonth],
 186       "day": iday
 187    })
 188
 189    save_titles = titles[:]
 190    titles.reverse()
 191
 192    save_date = None
 193    for year, month, day, file, title, lead in titles:
 194       href = []
 195       if level == 0:
 196          href.append(year)
 197       if level <= 1:
 198          href.append(month)
 199       if level <= 2:
 200          href.append(day)
 201       href.append(file)
 202       href = '/'.join(href)
 203       if day[0] == '0': day = day[1:]
 204       if save_date != (year, month, day):
 205          if level == 0:
 206             new_text.append('\n<h2>%s %s %s</h2>' % (day, months_names_ru[int(month)], year))
 207          else:
 208             new_text.append('\n<h2>%s %s</h2>' % (day, months_names_ru[int(month)]))
 209          save_date = year, month, day
 210       new_text.append('''
 211 <p class="head">
 212    %s<a href="%s">%s</a>.
 213 </p>
 214 ''' % (lead+' ' if lead else '', href, title))
 215
 216    if level == 0:
 217       new_text.append("""
 218 <hr>
 219
 220 <p class="head">Новостевая лента в форматах
 221 <img src="../../Graphics/atom_10.jpg" border=0>
 222 <A HREF="atom_10_titles.xml">Atom 1.0 только заголовки</A> /
 223 <A HREF="atom_10.xml">Atom 1.0</A> /
 224 <A HREF="atom_10_full.xml">Atom 1.0 полные тексты</A>
 225 и <img src="../../Graphics/rss_20.jpg" border=0>
 226 <A HREF="rss_20_titles.xml">RSS 2.0 только заголовки</A> /
 227 <A HREF="rss_20.xml">RSS 2.0</A> /
 228 <A HREF="rss_20_full.xml">RSS 2.0 полные тексты</A>.
 229 </p>
 230 """)
 231
 232       years = {}
 233       for year, month, day, file, title, lead in save_titles:
 234          years[year] = True
 235       new_text.append('''
 236 <p class="head"><a href="tags/">Теги</a>:
 237 ''')
 238       first_tag = True
 239       for count, tag, links in all_tags:
 240          if first_tag:
 241             first_tag = False
 242          else:
 243             new_text.append(' - ')
 244          new_text.append("""<a href="tags/%s.html">%s (%d)</a>""" % (
 245              encode_tag(tag), tag, count))
 246       new_text.append('''
 247 </p>
 248 ''')
 249
 250       max_year = int(sorted(years.keys())[-1])
 251       years = range(max_year, 2005, -1)
 252
 253       new_text.append('''
 254 <p class="head">По годам:
 255 ''')
 256
 257       year_counts = {}
 258       for year, month, day, file, title, lead in all_titles:
 259          year_counts[year] = 0
 260       for year, month, day, file, title, lead in all_titles:
 261          year_counts[year] += 1
 262
 263       first_year = True
 264       for year in years:
 265          if first_year:
 266             first_year = False
 267          else:
 268             new_text.append(' - ')
 269          new_text.append('<a href="%s/">%s (%d)</a>' % (year, year, year_counts[str(year)]))
 270       new_text.append('''
 271 </p>
 272 ''')
 273
 274       new_text.append("""
 275 <hr>
 276 <p class="head"><a href="http://phd.livejournal.com/">ЖЖ</a>
 277 """)
 278
 279    new_text.append("""\
 280 #end def
 281 $phd_site.respond(self)
 282 """)
 283
 284    write_if_changed(index_name, ''.join(new_text))
 285
 286
 287 all_tags = {}
 288 all_titles = []
 289 all_titles_tags = []
 290
 291 for year in sorted(years.keys()):
 292    year_titles = []
 293    months = years[year]
 294    for month in sorted(months.keys()):
 295       month_titles = []
 296       for day in sorted(months[month]):
 297          day_titles = []
 298          key = year, month, day
 299          if key in blog:
 300             for file, title, lead, tags in blog[key]:
 301                if file.endswith(".tmpl"): file = file[:-len("tmpl")] + "html"
 302                value = (year, month, day, file, title, lead)
 303                all_titles_tags.append((year, month, day, file, title, lead, tags))
 304                all_titles.append(value)
 305                year_titles.append(value)
 306                month_titles.append(value)
 307                day_titles.append(value)
 308                for tag in tags:
 309                   if tag in all_tags:
 310                      tag_links = all_tags[tag]
 311                   else:
 312                      tag_links = all_tags[tag] = []
 313                   tag_links.append(value)
 314          write_template(3, year, month, day, day_titles)
 315       write_template(2, year, month, day, month_titles)
 316    write_template(1, year, month, day, year_titles)
 317
 318 def by_count_rev_tag_link(t1, t2):
 319    """Sort all_tags by count in descending order,
 320    and by tags and links in ascending order
 321    """
 322    r = cmp(t1[0], t2[0])
 323    if r:
 324       return -r
 325    return cmp((t1[1], t1[2]), (t2[1], t2[2]))
 326
 327 all_tags = [(len(links), tag, links) for (tag, links) in all_tags.items()]
 328 all_tags.sort(by_count_rev_tag_link)
 329
 330 write_template(0, year, month, day, all_titles[-20:], all_tags)
 331
 332 new_text = ["""\
 333 ## THIS FILE IS AUTOMATICALLY GENERATED. DO NOT EDIT.
 334 #encoding koi8-r
 335 #extends phd_site
 336 #implements respond
 337 #attr $Title = "Oleg Broytman's blog: tags"
 338 #attr $Description = "Broytman Russian Blog Tags Index Document"
 339 #attr $Copyright = 2006
 340 ##
 341 #def body_html
 342 <h1>Теги</h1>
 343
 344 <p class="head small">
 345 Форма поиска позволяет искать сообщения в блоге, соответствующие выражению.
 346 Синтаксис выражения:</p>
 347 <ul class="small">
 348     <li>Тег - если такой тег существует, произойдёт перенаправление на страницу тега.</li>
 349     <li>Оператор '!' (NOT, not) - ищет записи, в которых нет этого тега.</li>
 350     <li>Оператор '&amp;' (AND, and) - ищет записи, в которых есть оба тега.</li>
 351     <li>Оператор '|' (OR, or) - ищет записи, в которых есть любые из тегов.</li>
 352     <li>Приоритет операций стандартный: NOT &gt; AND &gt; OR. Скобки '()' позволяют объединять выражения.</li>
 353 </ul>
 354 <p class="small">
 355 Примеры выражений: linux - произойдёт перенаправление
 356 на страницу linux.html; linux&amp;!audio - искать записи в которых есть тег
 357 linux и нет тега audio; linux and not audio - то же самое.
 358 </p>
 359
 360 <center>
 361 <form method=GET action="../../../cgi-bin/blog-ru/search-tags/search-tags.py">
 362     <input type=text name=q>
 363     <input type=submit name=submit value="Искать">
 364 </form>
 365 </center>
 366
 367 <dl>
 368 """]
 369
 370 for i, (count, tag, links) in enumerate(all_tags):
 371    new_text.append("""\
 372    <dt><a href="%s.html">%s (%d)</a></dt>
 373 """ % (encode_tag(tag), tag, count))
 374
 375    first = all_tags[0][1]
 376    if i == 0:
 377       prev = None
 378    else:
 379       prev = all_tags[i-1][1]
 380    if i >= len(all_tags)-1:
 381       next = None
 382    else:
 383       next = all_tags[i+1][1]
 384    last = all_tags[-1][1]
 385
 386    tag_text = ["""\
 387 ## THIS FILE IS AUTOMATICALLY GENERATED. DO NOT EDIT.
 388 #encoding koi8-r
 389 #extends phd_site
 390 #implements respond
 391 #attr $Title = "Oleg Broytman's blog: tag %s"
 392 #attr $Description = "Broytman Russian Blog Tag %s Index Document"
 393 """ % (tag, tag)]
 394
 395    tag_text.append("""\
 396 #attr $First = "%s"
 397 """ % first)
 398
 399    if prev:
 400       tag_text.append("""\
 401 #attr $Prev = "%s"
 402 """ % prev)
 403
 404    if next:
 405       tag_text.append("""\
 406 #attr $Next = "%s"
 407 """ % next)
 408
 409    tag_text.append("""\
 410 #attr $Last = "%s"
 411 """ % last)
 412
 413    tag_text.append("""\
 414 #attr $Copyright = 2006
 415 ##
 416 #def body_html
 417 <h1>%s</h1>
 418
 419 <ul>
 420 """ % tag)
 421
 422    count = 0
 423    for year, month, day, filename, title, lead in reversed(links):
 424       link = "../%s/%s/%s/%s" % (year, month, day, filename)
 425       item_text = """<li><a href="%s">%s/%s/%s: %s%s</a></li>""" % (link, year, month, day, lead+' ' if lead else '', title)
 426
 427       count += 1
 428       if count <= 5:
 429          new_text.append("      <dd>%s</dd>\n" % item_text)
 430
 431       tag_text.append("   %s\n" % item_text)
 432
 433    tag_text.append("""\
 434 </ul>
 435 #end def
 436 $phd_site.respond(self)
 437 """)
 438    write_if_changed(os.path.join(blog_root, "tags",
 439                                  tag.replace(' ', '_') + ".tmpl"),
 440                     ''.join(tag_text))
 441
 442 new_text.append("""\
 443 </dl>
 444 #end def
 445 $phd_site.respond(self)
 446 """)
 447 write_if_changed(os.path.join(blog_root, "tags", "index.tmpl"), ''.join(new_text))
 448
 449
 450 from HTMLParser import HTMLParseError
 451 import cgi
 452 from urlparse import urljoin
 453 from m_lib.net.www.html import HTMLParser as _HTMLParser
 454
 455 class HTMLDone(Exception): pass
 456
 457
 458 class FirstPHTMLParser(_HTMLParser):
 459    def __init__(self):
 460       _HTMLParser.__init__(self)
 461       self.first_p = None
 462
 463    def start_p(self, attrs):
 464       self.accumulator = '<p>'
 465
 466    def end_p(self):
 467       self.first_p = self.accumulator + '</p>'
 468       raise HTMLDone()
 469
 470 def get_first_p(body):
 471    parser = FirstPHTMLParser()
 472
 473    try:
 474       parser.feed(body)
 475    except (HTMLParseError, HTMLDone):
 476       pass
 477
 478    try:
 479       parser.close()
 480    except (HTMLParseError, HTMLDone):
 481       pass
 482
 483    return parser.first_p
 484
 485
 486 class AbsURLHTMLParser(_HTMLParser):
 487    def __init__(self, base):
 488       _HTMLParser.__init__(self)
 489       self.base = base
 490
 491    def start_a(self, attrs):
 492       self.accumulator += '<a'
 493       for attrname, value in attrs:
 494          value = cgi.escape(value, True)
 495          if isinstance(value, unicode):
 496             value = value.encode('koi8-r')
 497          if attrname == 'href':
 498             self.accumulator += ' href="%s"' % urljoin(self.base, value)
 499          else:
 500             self.accumulator += ' %s="%s"' % (attrname, value)
 501       self.accumulator += '>'
 502
 503    def end_a(self):
 504       self.accumulator += '</a>'
 505
 506    def start_img(self, attrs):
 507       self.accumulator += '<img'
 508       for attrname, value in attrs:
 509          value = cgi.escape(value, True)
 510          if attrname == 'src':
 511             self.accumulator += ' src="%s"' % urljoin(self.base, value)
 512          else:
 513             self.accumulator += ' %s="%s"' % (attrname, value)
 514       self.accumulator += '>'
 515
 516    def end_img(self):
 517        pass
 518
 519 def absolute_urls(body, base):
 520    parser = AbsURLHTMLParser(base)
 521
 522    try:
 523       parser.feed(body)
 524    except HTMLParseError:
 525       pass
 526
 527    try:
 528       parser.close()
 529    except HTMLParseError:
 530       pass
 531
 532    return parser.accumulator
 533
 534
 535 from atom_10 import atom_10
 536 from rss_20 import rss_20
 537 from news import NewsItem
 538
 539 if blog_root:
 540    blog_root_url = blog_root[
 541         blog_root.find('/htdocs/phdru.name/') + len('/htdocs/phdru.name/'):]
 542    baseURL = "https://phdru.name/%s/" % blog_root_url
 543 else:
 544    baseURL = "https://phdru.name/"
 545
 546 items = []
 547 for item in tuple(reversed(all_titles_tags))[:10]:
 548    year, month, day, file, title, lead, tags = item
 549    lead = lead.decode('koi8-r').encode('utf-8')
 550    title = title.decode('koi8-r').encode('utf-8')
 551    url_path = "%s/%s/%s/%s" % (year, month, day, file)
 552    item = NewsItem(
 553       "%s-%s-%s" % (year, month, day),
 554       "%s%s" % (lead+' ' if lead else '', title),
 555       url_path)
 556    items.append(item)
 557    item.baseURL = baseURL
 558    item.categoryList = [t.decode('koi8-r').encode('utf-8') for t in tags]
 559    body = bodies[(year, month, day, file)]
 560    body = absolute_urls(body, baseURL + url_path)
 561    try:
 562        body.decode('utf-8')
 563    except UnicodeDecodeError:
 564        body = body.decode('koi8-r').encode('utf-8')
 565    item.body = body
 566    excerpt = get_first_p(body)
 567    try:
 568        excerpt.decode('utf-8')
 569    except UnicodeDecodeError:
 570        excerpt = excerpt.decode('koi8-r').encode('utf-8')
 571    item.excerpt = excerpt
 572
 573 namespace = {
 574    "title": "Oleg Broytman's blog",
 575    "baseURL": baseURL,
 576    "indexFile": "",
 577    "description": "",
 578    "lang": "ru",
 579    "author": "Oleg Broytman",
 580    "email": "phd@phdru.name",
 581    "generator": os.path.basename(sys.argv[0]),
 582    "posts": items,
 583 }
 584
 585 # For english dates
 586 locale.setlocale(locale.LC_TIME, 'C')
 587
 588 atom_tmpl = unicode(atom_10(searchList=[namespace])).encode('koi8-r')
 589 write_if_changed(os.path.join(blog_root, "atom_10.xml"), atom_tmpl)
 590 rss_tmpl = unicode(rss_20(searchList=[namespace])).encode('koi8-r')
 591 write_if_changed(os.path.join(blog_root, "rss_20.xml"), rss_tmpl)
 592
 593 for item in items:
 594     item.excerpt = None
 595
 596 atom_tmpl = unicode(atom_10(searchList=[namespace])).encode('koi8-r')
 597 write_if_changed(os.path.join(blog_root, "atom_10_titles.xml"), atom_tmpl)
 598 rss_tmpl = unicode(rss_20(searchList=[namespace])).encode('koi8-r')
 599 write_if_changed(os.path.join(blog_root, "rss_20_titles.xml"), rss_tmpl)
 600
 601 for item in items:
 602     item.content = item.body
 603
 604 atom_tmpl = unicode(atom_10(searchList=[namespace])).encode('koi8-r')
 605 write_if_changed(os.path.join(blog_root, "atom_10_full.xml"), atom_tmpl)
 606 rss_tmpl = unicode(rss_20(searchList=[namespace])).encode('koi8-r')
 607 write_if_changed(os.path.join(blog_root, "rss_20_full.xml"), rss_tmpl)