Changed sqlalchemy type Binary to LargeBinary to avoid a deprecation warning.
[philipp/winterrodeln/wrpylib.git] / wrpylib / mwmarkup.py
index 1ec41c0e03ce26587372cffb781255a1f97dcd0a..221f1cb31979131595495de6c46c98474ed87b4a 100644 (file)
-#!/usr/bin/python2.7
-# -*- coding: iso-8859-15 -*-
+#!/usr/bin/python3.4
 # $Id$
 # $HeadURL$
-"""This module contains general functions that help parsing the mediawiki markup.
-I looked for an already existing MediaWiki parser in Python but I didn't find anything 
-that convinced me. However, here are the links:
+"""For parsing MediaWiki text, we rely on the package mwparserfromhell (https://github.com/earwig/mwparserfromhell).
+This module just contains a few additional useful functions.
 
+Other Python MediaWiki parsers:
 * py-wikimarkup https://github.com/dcramer/py-wikimarkup
 * mwlib http://code.pediapress.com/wiki/wiki
+* https://www.mediawiki.org/wiki/Alternative_parsers
 """
-import re
-import xml.etree.ElementTree
 
-
-def find_template(wikitext, template_title):
-    """Returns the tuple (start, end) of the first occurence of the template '{{template ...}} within wikitext'.
-    (None, None) is returned if the template is not found.
-    If you are sure that the wikitext contains the template, the template could be extracted like follows:
-
-    >>> wikitext = u'This is a {{Color|red|red text}} template.'
-    >>> start, end = find_template(wikitext, u'Color')
-    >>> print wikitext[start:end]
-    {{Color|red|red text}}
-
-    or just:
-
-    >>> print wikitext.__getslice__(*find_template(wikitext, u'Color'))
-    {{Color|red|red text}}
-
-    The search is done with regular expression. It gives wrong results when parsing a template
-    containing the characters "}}"
-
-    :param wikitext: The text (preferalbe unicode) that has the template in it.
-    :param template_title: The page title of the template with or without namespace (but as in the wikitext).
-    :return: 
-        (start, end) of the first occurence with start >= 0 and end > start.
-        (None, None) if the template is not found.
-    """ 
-    match = re.search(u"\{\{" + template_title + "\s*(\|[^\}]*)?\}\}", wikitext,  re.DOTALL)
-    if match is None: return None, None
-    return match.start(), match.end()
-
-
-def split_template(template):
-    """Takes a template, like u'{{Color|red|text=Any text}}' and translates it to a Python tuple
-    (template_title, parameters) where parameters is a Python dictionary {u'1': u'red', u'text'=u'Any text'}.
-    Anonymous parameters get integer keys (converted to unicode) starting with 1 
-    like in MediaWiki, named parameters are unicode strings.
-    Whitespace is stripped.
-    If an unexpected format is encountered, a ValueError is raised."""
-    if not template.startswith(u'{{'): raise ValueError(u'Template does not start with "{{"')
-    if not template.endswith(u'}}'): raise ValueError(u'Template does not end with "}}"')
-    parts = template[2:-2].split(u'|')
-
-    # template name
-    template_title = parts[0].strip()
-    if len(template_title) == 0: raise ValueError(u'Empty template tilte.')
-    del parts[0]
-
-    # anonymous parameters
-    params = {} # result dictionary
-    param_num = 1
-    while len(parts) > 0:
-        equalsign_pos = parts[0].find(u'=')
-        if equalsign_pos >= 0: break # named parameter
-        params[unicode(param_num)] = parts[0].strip()
-        del parts[0]
-        param_num += 1
-
-    # named or numbered parameters
-    while len(parts) > 0:
-        equalsign_pos = parts[0].find(u'=')
-        if equalsign_pos < 0: raise ValueError(u'Anonymous parameter after named parameter.')
-        key, sep, value = parts[0].partition(u'=')
-        key = key.strip()
-        if len(key) == 0: raise ValueError(u'Empty key.')
-        if params.has_key(key): raise ValueError(u'Duplicate key: "{0}"'.format(key))
-        params[key] = value.strip()
-        del parts[0]
-
-    return template_title, params
-
-
-def create_template(template_title, anonym_params=[], named_param_keys=[], named_param_values=[], as_table=False, as_table_keylen=None):
-    """Formats a MediaWiki template.
-    :param template_title: Unicode string with the template name
-    :param anonym_params: list with parameters without keys
-    :param named_param_keys: list with keys of named parameters
-    :param named_param_values: list with values of named parameters, corresponding to named_param_keys.
-    :param as_table: formats the returned template in one row for each parameter
-    :param as_table_keylen: length of the key field. None for "automatic".
-    :return: unicode template"""
-    pipe_char, equal_char, end_char = (u'\n| ', u' = ', u'\n}}') if as_table else (u'|', u'=', u'}}')
-    parts = [u"{{" + template_title]
-    parts += anonym_params
-    if as_table and as_table_keylen is None:
-        as_table_keylen = max([len(k) for k in named_param_keys])
-    for i in xrange(len(named_param_keys)):
-        key = named_param_keys[i]
-        if as_table: 
-            key = key.ljust(as_table_keylen)
-            parts.append((key + equal_char + named_param_values[i]).rstrip())
+class ParseError(RuntimeError):
+    """Exception used by some of the functions"""
+    pass
+
+
+def format_template_table(template, keylen=None):
+    """Reformat the given template to be tabular.
+
+    >>> template
+    {{foo|bar|bazz=7}}
+    >>> format_template_table(template)
+    {{foo
+    | bar
+    | bazz = 7
+    }}
+
+    :param keylen: length of the keys or None for automatic determination
+    """
+    if keylen is None:
+        shown_keys = [len(param.name.strip()) for param in template.params if param.showkey]
+        keylen = max(shown_keys) if shown_keys else 0
+    template.name = '{}\n'.format(template.name.strip())
+    for param in template.params:
+        if param.showkey:
+            param.name = ' {{:{}}} '.format(keylen).format(param.name.strip())
+        value = param.value.strip()
+        if len(value) > 0:
+            param.value = ' {}\n'.format(value)
         else:
-            parts.append(key + equal_char + named_param_values[i])
-    return pipe_char.join(parts) + end_char
-
-
-def parse_googlemap(wikitext, detail=False):
-    """Parses the (unicode) u'<googlemap ...>content</googlemap>' of the googlemap extension
-    out of a page. If wikitext does not contain the googlemaps extension text None is returned.
-    If the googlemap contains invalid formatted lines, a RuntimeError is raised.
-
-    :param wikitext: wikitext containing the template. Example:
-    :param detail: bool. If True, start and end position of <googlemaps>...</googlemap> is
-        returned additionally.
-
-    wikitext = '''
-    <googlemap version="0.9" lat="47.113291" lon="11.272337" zoom="15">
-    (Parkplatz)47.114958,11.266026
-    Parkplatz
-    
-    (Gasthaus) 47.114715, 11.266262, Alt Bärnbad (Gasthaus)
-    6#FF014E9A
-    47.114715,11.266262
-    47.114135,11.268381
-    47.113421,11.269322
-    47.11277,11.269979
-    47.112408,11.271119
-    </googlemap>
-    '''
-    :returns: the tuple (center, zoom, coords, paths).
-        center is the tuple (lon, lat) of the google maps or (None, None) if not provided
-        zoom is the google zoom level as integer or None if not provided
-        coords is a list of (lon, lat, symbol, title) tuples.
-        paths is a list of (style, coords) tuples.
-        coords is again a list of (lot, lat, symbol, title) tuples.
-        If detail is True, (center, zoom, coords, paths, start, end) is returned."""
-
-    def is_coord(line):
-        """Returns True if the line contains a coordinate."""
-        match = re.search('[0-9]{1,2}\.[0-9]+, ?[0-9]{1,2}\.[0-9]+', line)
-        return not match is None
-
-    def is_path(line):
-        """Returns True if the line contains a path style definition."""
-        match = re.match('[0-9]#[0-9a-fA-F]{8}', line)
-        return not match is None
-
-    def parse_coord(line):
-        """Returns (lon, lat, symbol, title). If symbol or text is not present, None is returned."""
-        match = re.match(u'\(([^)]+)\) ?([0-9]{1,2}\.[0-9]+), ?([0-9]{1,2}\.[0-9]+), ?(.*)', line)
-        if not match is None: return (float(match.group(3)), float(match.group(2)), match.group(1), match.group(4))
-        match = re.match(u'\(([^)]+)\) ?([0-9]{1,2}\.[0-9]+), ?([0-9]{1,2}\.[0-9]+)', line)
-        if not match is None: return (float(match.group(3)), float(match.group(2)), match.group(1), None)
-        match = re.match(u'([0-9]{1,2}\.[0-9]+), ?([0-9]{1,2}\.[0-9]+), ?(.*)', line)
-        if not match is None: return (float(match.group(2)), float(match.group(1)), None, match.group(3))
-        match = re.match(u'([0-9]{1,2}\.[0-9]+), ?([0-9]{1,2}\.[0-9]+)', line)
-        if not match is None: return (float(match.group(2)), float(match.group(1)), None, None)
-        return RuntimeError(u'Could not parse line ' + line)
-
-    regexp = re.compile(u"(<googlemap[^>]*>)(.*?)(</googlemap>)", re.DOTALL)
-    match = regexp.search(wikitext)
-    if match is None: return None
-    start = match.start()
-    end = match.end()
-    content = match.group(2)
-    gm = xml.etree.ElementTree.XML((match.group(1)+match.group(3)).encode('UTF8'))
-    zoom = gm.get('zoom')
-    lon = gm.get('lon')
-    lat = gm.get('lat')
-    if not zoom is None: zoom = int(zoom)
-    if not lon is None: lon = float(lon)
-    if not lat is None: lat = float(lat)
-    center = (lon, lat)
-
-    coords = []
-    paths = []
-    lines = content.split("\n")
-    i = 0
-    while i < len(lines):
-        line = lines[i].strip()
-        i += 1
-
-        # Skip whitespace
-        if len(line) == 0: continue
-
-        # Handle a path
-        if is_path(line):
-            match = re.match(u'([0-9]#[0-9a-fA-F]{8})', line)
-            style =  match.group(1)
-            local_coords = []
-            while i < len(lines):
-                line = lines[i].strip()
-                i += 1
-                if is_path(line):
-                    i -= 1
-                    break
-                if is_coord(line):
-                    lon, lat, symbol, title = parse_coord(line)
-                    local_coords.append((lon, lat, symbol, title))
-            paths.append((style, local_coords))
-            continue
-
-        # Handle a coordinate
-        if is_coord(line):
-            lon, lat, symbol, title = parse_coord(line)
-            while i < len(lines):
-                line = lines[i].strip()
-                i += 1
-                if is_path(line) or is_coord(line):
-                    i -= 1
-                    break
-                if len(line) > 0 and title is None: title = line
-            coords.append((lon, lat, symbol, title))
-            continue
-
-        raise RuntimeError(u'Unknown line syntax: ' + line)
-    if detail:
-        return (center, zoom, coords, paths, start, end)
-    return (center, zoom, coords, paths)
-
+            param.value = '\n'
+
+
+def format_template_oneline(template):
+    """Formats a template like this: {{template_name|param| }}
+    (whitespace is stripped and empty parameters are replaced with one space)."""
+    template.name = template.name.strip()
+    for param in template.params:
+        if param.showkey:
+            param.name = param.name.strip()
+        value = param.value.strip()
+        if value == '':
+            value = ' '
+        param.value = value
+
+
+def dbkey_to_title(value):
+    """Converts a article database key to a article title. Private function secureAndSplit() of the Title class
+    on line 3316 of includes/Title.php says:
+    $this->mTextform = str_replace( '_', ' ', $this->mDbkeyform );
+    No check for None because a missing title is an error."""
+    return value.replace('_', ' ')