← Back to branch summary

~reviczky/luatex/luatex-svn

« back to all changes in this revision

Viewing changes to source/libs/zziplib/zziplib-0.13.62/docs/zzipdoc/htm2dbk.py

  • Committer: Adam Reviczky
  • Date: 2015-03-29 18:56:26 UTC
  • Revision ID: adam.reviczky@kclalumni.net-20150329185626-7j7tmwyfpa69lqwo
Revision 5213

Show diffs side-by-side

added added

removed removed

Lines of Context:
source/libs/zziplib/zziplib-0.13.62/docs/zzipdoc/htm2dbk.py
 
1
#! /usr/bin/env python
 
2
 
 
3
"""
 
4
this file converts simple html text into a docbook xml variant. 
 
5
The mapping of markups and links is far from perfect. But all we
 
6
want is the docbook-to-pdf converter and similar technology being
 
7
present in the world of docbook-to-anything converters. """
 
8
 
 
9
from datetime import date
 
10
import match
 
11
import sys
 
12
 
 
13
m = match.Match
 
14
 
 
15
class htm2dbk_conversion_base:
 
16
    regexlist = [
 
17
        m()("</[hH]2>(.*)", "m") >> "</title>\n<subtitle>\\1</subtitle>",
 
18
        m()("<[hH]2>") >> "<sect1 id=\"--filename--\"><title>",
 
19
        m()("<[Pp]([> ])","m") >> "<para\\1",
 
20
        m()("</[Pp]>") >> "</para>",
 
21
        m()("<(pre|PRE)>") >> "<screen>",
 
22
        m()("</(pre|PRE)>") >> "</screen>",
 
23
        m()("<[hH]3>") >> "<sect2><title>",
 
24
        m()("</[hH]3>((?:.(?!<sect2>))*.?)", "s") >> "</title>\\1</sect2>",
 
25
        m()("<!doctype [^<>]*>","s") >> "",
 
26
        m()("<!DOCTYPE [^<>]*>","s") >> "",
 
27
        m()("(<\w+\b[^<>]*\swidth=)(\d+\%)","s") >> "\\1\"\\2\"",
 
28
        m()("(<\w+\b[^<>]*\s\w+=)(\d+)","s") >> "\\1\"\\2\"",
 
29
        m()("&&") >> "\&amp\;\&amp\;",
 
30
        m()("\$\<") >> "\$\&lt\;",
 
31
        m()("&(\w+[\),])") >> "\&amp\;\\1",
 
32
        m()("(</?)span(\s[^<>]*)?>","s") >> "\\1phrase\\2>",
 
33
        m()("(</?)small(\s[^<>]*)?>","s") >> "\\1note\\2>",
 
34
        m()("(</?)(b|em|i)>")>> "\\1emphasis>",
 
35
        m()("(</?)(li)>") >> "\\1listitem>",
 
36
        m()("(</?)(ul)>") >> "\\1itemizedlist>",
 
37
        m()("(</?)(ol)>") >> "\\1orderedlist>",
 
38
        m()("(</?)(dl)>") >> "\\1variablelist>",
 
39
        m()("<dt\b([^<>]*)>","s") >> "<varlistentry\\1><term>",
 
40
        m()("</dt\b([^<>]*)>","s") >> "</term>",
 
41
        m()("<dd\b([^<>]*)>","s") >> "<listitem\\1>",
 
42
        m()("</dd\b([^<>]*)>","s") >> "</listitem></varlistentry>",
 
43
        m()("<table\b([^<>]*)>","s")
 
44
        >> "<informaltable\\1><tgroup cols=\"2\"><tbody>",
 
45
        m()("</table\b([^<>]*)>","s") >> "</tbody></tgroup></informaltable>",
 
46
        m()("(</?)tr(\s[^<>]*)?>","s") >> "\\1row\\2>",
 
47
        m()("(</?)td(\s[^<>]*)?>","s") >> "\\1entry\\2>",
 
48
        m()("<informaltable\b[^<>]*>\s*<tgroup\b[^<>]*>\s*<tbody>"+
 
49
          "\s*<row\b[^<>]*>\s*<entry\b[^<>]*>\s*<informaltable\b","s")
 
50
        >> "<informaltable",
 
51
        m()("</informaltable>\s*</entry>\s*</row>"+
 
52
          "\s*</tbody>\s*</tgroup>\s*</informaltable>", "s")
 
53
        >> "</informaltable>",
 
54
        m()("(<informaltable[^<>]*\swidth=\"100\%\")","s") >> "\\1 pgwide=\"1\"",
 
55
        m()("(<tbody>\s*<row[^<>]*>\s*<entry[^<>]*\s)(width=\"50\%\")","s")
 
56
        >> "<colspec colwidth=\"1*\" /><colspec colwidth=\"1*\" />\n\\1\\2",
 
57
        m()("<nobr>([\'\`]*)<tt>") >> "<cmdsynopsis>\\1",
 
58
        m()("</tt>([\'\`]*)</nobr>") >> "\\1</cmdsynopsis>",
 
59
        m()("<nobr><(?:tt|code)>([\`\"\'])") >> "<cmdsynopsis>\\1",
 
60
        m()("<(?:tt|code)><nobr>([\`\"\'])") >> "<cmdsynopsis>\\1",
 
61
        m()("([\`\"\'])</(?:tt|code)></nobr>") >> "\\1</cmdsynopsis>",
 
62
        m()("([\`\"\'])</nobr></(?:tt|code)>") >> "\\1</cmdsynopsis>",
 
63
        m()("(</?)tt>") >> "\\1constant>",
 
64
        m()("(</?)code>") >> "\\1literal>",
 
65
        m()(">([^<>]+)<br>","s") >> "><highlights>\\1</highlights>",
 
66
        m()("<br>") >> "<br />",
 
67
        #        m()("<date>") >> "<sect1info><date>",
 
68
        #        m()("</date>") >> "</date></sect1info>",
 
69
        m()("<reference>") >> "<reference id=\"reference\">" >> 1,
 
70
        m()("<a\s+href=\"((?:http|ftp|mailto):[^<>]+)\"\s*>((?:.(?!</a>))*.)</a>"
 
71
          ,"s") >> "<ulink url=\"\\1\">\\2</ulink>",
 
72
        m()("<a\s+href=\"zziplib.html\#([\w_]+)\"\s*>((?:.(?!</a>))*.)</a>","s")
 
73
        >> "<link linkend=\"$1\">$2</link>",
 
74
        m()("<a\s+href=\"(zziplib.html)\"\s*>((?:.(?!</a>))*.)</a>","s")
 
75
        >> "<link linkend=\"reference\">$2</link>",
 
76
        m()("<a\s+href=\"([\w-]+[.]html)\"\s*>((?:.(?!</a>))*.)</a>","s")
 
77
        >> "<link linkend=\"\\1\">\\2</link>",
 
78
        m()("<a\s+href=\"([\w-]+[.](?:h|c|am|txt))\"\s*>((?:.(?!</a>))*.)</a>"
 
79
          ,"s") >> "<ulink url=\"file:\\1\">\\2</ulink>",
 
80
        m()("<a\s+href=\"([A-Z0-9]+[.][A-Z0-9]+)\"\s*>((?:.(?!</a>))*.)</a>","s")
 
81
        >> "<ulink url=\"file:\\1\">\\2</ulink>"
 
82
        # m()("(</?)subtitle>") >> "\\1para>"
 
83
        # $_ .= "</sect1>" if /<sect1[> ]/
 
84
        ]
 
85
    regexlist2 = [
 
86
        m()(r"<br\s*/?>") >> "",
 
87
        m()(r"(</?)em>") >> r"\1emphasis>",
 
88
        m()(r"<code>") >> "<userinput>",
 
89
        m()(r"</code>") >> "</userinput>",
 
90
        m()(r"<link>") >> "<function>",
 
91
        m()(r"</link>") >> "</function>",
 
92
        m()(r"(?s)\s*</screen>") >> "</screen>",
 
93
        # m()(r"<ul>") >> "</para><programlisting>\n",
 
94
        # m()(r"</ul>") >> "</programlisting><para>",
 
95
        m()(r"<ul>") >> "<itemizedlist>",
 
96
        m()(r"</ul>") >> "</itemizedlist>",
 
97
        # m()(r"<li>") >> "",
 
98
        # m()(r"</li>") >> ""
 
99
        m()(r"<li>") >> "<listitem><para>",
 
100
        m()(r"</li>") >> "</para></listitem>\n",
 
101
        ]
 
102
class htm2dbk_conversion(htm2dbk_conversion_base):
 
103
    def __init__(self):
 
104
        self.version = "" # str(date.today)
 
105
        self.filename = "."
 
106
    def convert(self,text): # $text
 
107
        txt = text.replace("<!--VERSION-->", self.version)
 
108
        for conv in self.regexlist:
 
109
            txt &= conv
 
110
        return txt.replace("--filename--", self.filename)
 
111
    def convert2(self,text): # $text
 
112
        txt = text.replace("<!--VERSION-->", self.version)
 
113
        for conv in self.regexlist:
 
114
            txt &= conv
 
115
        return txt
 
116
 
 
117
class htm2dbk_document(htm2dbk_conversion):
 
118
    """ create document, add(text) and get the value() """
 
119
    doctype = (
 
120
        '<!DOCTYPE book PUBLIC "-//OASIS//DTD'+
 
121
        ' DocBook XML V4.1.2//EN"'+"\n"+
 
122
        '       "http://www.oasis-open.org/docbook/xml/4.1.2/docbookx.dtd">'+
 
123
        "\n")
 
124
    book_start = '<book><chapter><title>Documentation</title>'+"\n"
 
125
    book_end_chapters = '</chapter>'+"\n"
 
126
    book_end = '</book>'+"\n"
 
127
    def __init__(self):
 
128
        htm2dbk_conversion.__init__(self)
 
129
        self.text = self.doctype + self.book_start
 
130
    def add(self,text):
 
131
        if self.text & m()("<reference"):
 
132
            self.text += self.book_end_chapters ; self.book_end_chapters = ""
 
133
        self.text += self.convert(text).replace(
 
134
            "<br />","") & (
 
135
            m()("<link>([^<>]*)</link>") >> "<function>\\1</function>") & (
 
136
            m()("(?s)(<refentryinfo>\s*)<sect1info>" +
 
137
                "(<date>[^<>]*</date>)</sect1info>") >> "\\1\\2")
 
138
    def value(self):
 
139
        return self.text + self.book_end_chapters + self.book_end
 
140
 
 
141
def htm2dbk_files(args):
 
142
    doc = htm2dbk_document()
 
143
    for filename in args:
 
144
        try:
 
145
            f = open(filename, "r")
 
146
            doc.filename = filename
 
147
            doc.add(f.read())
 
148
            f.close()
 
149
        except IOError, e:
 
150
            print >> sys.stderr, "can not open "+filename
 
151
    return doc.value()
 
152
 
 
153
def html2docbook(text):
 
154
    """ the C comment may contain html markup - simulate with docbook tags """
 
155
    return htm2dbk_conversion().convert2(text)
 
156
 
 
157
if __name__ == "__main__":
 
158
    print htm2dbk_files(sys.argv[1:])