lesser.py

#!/usr/bin/env python3


version = '3.2'

from PIL import Image#https://pypi.org/project/image/
import os


#docx2txt Source: https://pypi.org/project/docx2txt/
import re
import xml.etree.ElementTree as ET
import zipfile
import os

nsmap = {'w': 'http://schemas.openxmlformats.org/wordprocessingml/2006/main'}

def qn(tag):
    """
    Stands for 'qualified name', a utility function to turn a namespace
    prefixed tag name into a Clark-notation qualified tag name for lxml. For
    example, ``qn('p:cSld')`` returns ``'{http://schemas.../main}cSld'``.
    Source: https://github.com/python-openxml/python-docx/
    """
    prefix, tagroot = tag.split(':')
    uri = nsmap[prefix]
    return '{{{}}}{}'.format(uri, tagroot)


def xml2text(xml):
    """
    A string representing the textual content of this run, with content
    child elements like ``<w:tab/>`` translated to their Python
    equivalent.
    Adapted from: https://github.com/python-openxml/python-docx/
    """
    text = u''
    root = ET.fromstring(xml)
    for child in root.iter():
        if child.tag == qn('w:t'):
            t_text = child.text
            text += t_text if t_text is not None else ''
        elif child.tag == qn('w:tab'):
            text += '\t'
        elif child.tag in (qn('w:br'), qn('w:cr')):
            text += '\n'
        elif child.tag == qn("w:p"):
            text += '\n\n'
    return text


def process(docx, img_dir=None):
    text = u''

    # unzip the docx in memory
    zipf = zipfile.ZipFile(docx)
    filelist = zipf.namelist()

    # get header text
    # there can be 3 header files in the zip
    header_xmls = 'word/header[0-9]*.xml'
    for fname in filelist:
        if re.match(header_xmls, fname):
            text += xml2text(zipf.read(fname))

    # get main text
    doc_xml = 'word/document.xml'
    text += xml2text(zipf.read(doc_xml))

    # get footer text
    # there can be 3 footer files in the zip
    footer_xmls = 'word/footer[0-9]*.xml'
    for fname in filelist:
        if re.match(footer_xmls, fname):
            text += xml2text(zipf.read(fname))

    if img_dir is not None:
        # extract images
        for fname in filelist:
            _, extension = os.path.splitext(fname)
            if extension in [".jpg", ".jpeg", ".png", ".bmp"]:
                dst_fname = os.path.join(img_dir, os.path.basename(fname))
                with open(dst_fname, "wb") as dst_f:
                    dst_f.write(zipf.read(fname))

    zipf.close()
    return text.strip()



def felieton(filenamedocx):

	tytuł = ''
	tekst = []#tytuł i tekst
	Linki = []#liniki do grafik
	Podpis = []#podpis i komentarz
	autor = 'Czytelnik SGI Lesser'#Autor domyślny gdy nie ma podpisu
	grafika = 0
	zawartość = []
	zakończenia = ['KONIEC', 'CDN.']

	try:

		for i,line in enumerate(process(filenamedocx,'r').strip().split('\n')):
			if i == 0:
				tytuł += line+'\n'#Na początku wydzielam tytuł
				continue
			if not line:
				continue
			if grafika and len(line) > 8 and line != 'Czytelnik SGI Lesser':#Tworzenie linków gdy line nie jest podpisem
				if line.find('https://') >= 0:#https
					index = line[line.find('https://')+8:].find('/')
					line = line[line.find('https://'):]
					Linki.append(f'<li><a href="https://{line[8:]}">{line[8:index+8]}</a></li>\n')
					continue
				elif line.find('http://') >= 0:#http
					index = line[line.find('http://')+7:].find('/')
					line = line[line.find('http://'):]
					Linki.append(f'<li><a href="http://{line[7:]}">{line[7:index+7]}</a></li>\n')
					continue
				Linki.append('</ul>\n')#Koniec listy
				Podpis.append(autor+'\n')#Podpis
				if line.find('Komentarz:') != -1:
					Podpis.append(line[line.find('Komentarz:')+10:])#Komentarz bez "Komenatrz:"
				break
			if line.strip() == 'Grafika:':#Start grafika
				grafika = 1
				Linki.append('<p>Grafika:</p>\n<ul>\n')
			else:
				if grafika and len(line) > 3:
					autor = line#Podpis autora
					continue

				if line in zakończenia:#Specialne zakończenia
					tekst.append(f'<p class="ct">{line}</p>\n')
				#Linki w tekście
				if line.find('https://') == 0:
					index = line[line.find('https://')+8:].find('/')
					tekst.append(f'<a href="https://{line[8:]}">{line[8:index+8]}</a>\n')
					continue
				if line.find('http://') == 0:
					index = line[line.find('https://')+7:].find('/')
					tekst.append(f'<a href="http://{line[7:]}">{line[7:index+7]}</a>\n')
					continue

				if len(line) > 8 and len(line) < 20 and not grafika:
					tekst.append(f'<b>{line}</b>\n')#Podpis w Tekstach Czytelnika i podtytuły

				else:#Treść artykułu
					tekst.append(f'<p>{line}</p>\n')


		#Rozmieszczenie grafik w tekscie
		################################

		#Indexy akapitów
		indeksy_akapitów = []#Na jakim indeksie zaczynają się akapity
		długość = 0#Długość tekstu
		licznik_akapitów = 0#Ile jest akapitów
		która_grafika = 0#Przed którą grafiką jest określona liczba akapitów
		for x in range(len(tekst)):
			długość += len(tekst[x])#Długość tekstu w akapicie "x"
			indeksy_akapitów.append(długość)#Dodanie do listy indeksów

		#Odległość od siebie jako średnia
		Tekst = ''#Końcowy tekst
		index_grafik = []#Lista przechowująca indexy gdzie powinny znajdować sie grafiki
		tekst = ''.join(tekst)#Złączenie listy treści artykułu na string
		długość = len(tekst)#Długość artykułu
		co_ile = długość//(ile_jest_grafik)#Co ile grafika

		[index_grafik.append(co_ile*x) for x in range(1, ile_jest_grafik)]#Tworzenie listy która przechowuje kolejne indeksy grafik

		#Uwzględnienie wysokości grafik
		for i in range( len(wysokość_obrazów)-1):
			if wysokość_obrazów[i] > 300:#Przesunięcie obrazu o "przesunięcie" gdy wysokość jest większa od 300px
				przesunięcie = round((abs(300 - wysokość_obrazów[i]) / 21)*86)
				if wysokość_obrazów[i] > 400: index_grafik[0] -= przesunięcie#Gdy obraz jest wyższy niż 400px to przesuń też pierwszy obraz
				index_grafik[i+1] += przesunięcie

		#Uwzględnienie odstępów akapitów
		for x in range(len(tekst)):
			if x in indeksy_akapitów:
				licznik_akapitów += 1
			if x in index_grafik:
				index_grafik[która_grafika] -= 86*licznik_akapitów#86 znaków ma najdłuższy wiersz
				licznik_akapitów = 0
				która_grafika += 1


		#Specjalnie znaki
		#################

		for i,litera in enumerate(tekst):#index, litera
			if i in index_grafik: Tekst += '<<<GRAFIKA>>>' #Jeżeli index litery jest taki sam jak index grafiki
			if chr(i) == 8222: Tekst += i+'<i>' # „
			if chr(i) == 8221: Tekst += '</i>'+i # ”
			else: Tekst += litera

		zawartość.append(tytuł)
		zawartość.append(''.join(Tekst))
		zawartość.append(''.join(Linki))
		zawartość.append(''.join(Podpis))
		open(filenamedocx[:-5]+'.txt','w').write(''.join(zawartość))
		print('» Plik',filenamedocx[:-4]+'txt','poprawnie stworzony')

	except TabError:
		print('» Błąd pliku',filenamedocx,'- możliwe złe rozszerzenie')
		print(TabError)
		return 0


def poezja(filenamedocx):

	Tytuł = ''
	Tekst = []#tytuł i tekst
	Linki = []#liniki do grafik
	Podpis = []#podpis i komentarz
	grafika = 0
	enter = 0
	po = False#Gdy jest "po" akapicie wersów
	zawartość = []

	try:

		for i,line in enumerate(process(filenamedocx,'r').strip().split('\n')):#args.filenamedocx

			if i == 0:#Wykonuje sie tylko raz
				Tytuł += line+'\n'
				Tekst.append(f'<br /><br /><p class="ct"><strong>{line}</strong></p><br />\n\n')#Tytuł wiersza
				po = True
				continue
			if not line:#Gdy jest enter
				enter += 1
				continue
			if grafika and len(line) > 8 and line != 'Czytelnik SGI Lesser':#Tworzenie linków gdy line nie jest podpisem
				if line.find('https://') >= 0:#https
					index = line[line.find('https://')+8:].find('/')
					line = line[line.find('https://'):]
					Linki.append(f'<li><a href="https://{line[8:]}">{line[8:index+8]}</a></li>\n')
					continue
				elif line.find('http://') >= 0:#http
					index = line[line.find('http://')+7:].find('/')
					line = line[line.find('http://'):]
					Linki.append(f'<li><a href="http://{line[7:]}">{line[7:index+7]}</a></li>\n')
					continue
				Linki.append('</ul>\n')#Koniec listy
				Podpis.append(autor+'\n')#Podpis
				if line.find('Komentarz:') != -1:
					Podpis.append(line[line.find('Komentarz:')+10:])#Komentarz bez "Komenatrz:"
				break
			if line.strip() == 'Grafika:':#Grafika start
				grafika = 1
				Linki.append('</p>\n\n<p>Grafika:</p>\n<ul>\n')
			else:
				if grafika:#Podpis
					try:
						autor = line#Podpis
					except:
						autor = 'Czytelnik SGI Lesser\n'
				else:
					if po:#Gdy jest po tytule wiersza
						Tekst.append(f'<p class="ct">{line}')#Akapit wersów
						enter = 0
						po = False#Akapit wersów stop
						continue
					if enter > 3:#Gdy są 4 entery to jest odstęp między wierszami(dla bezpieczeńtwa większe od 3)
						Tekst.append(f'</p>\n\n<br /><br /><p class="ct"><strong>{line}</strong></p><br />\n\n')#Tytuł wiersza
						enter = 0
						po = True#Akapit wersów start
						continue

					else:
						if enter == 3: Tekst.append('<br />\n')#Gdy wyliczono 3 entery to jest odstęp
						Tekst.append(f'<br />\n{line}')#Wersy
						enter = 0#Brak enterów


		zawartość.append(Tytuł)
		zawartość.append(''.join(Tekst))
		zawartość.append(''.join(Linki))
		zawartość.append(''.join(Podpis))
		open(filenamedocx[:-5]+'.txt','w').write(''.join(zawartość))
		print('» Plik',filenamedocx[:-4]+'txt','poprawnie stworzony')

	except TabError:
		print('» Błąd pliku',filenamedocx,'- możliwe złe rozszerzenie')#Spotkany błąd z rozszerzeniem ".rtf"
		print(TabError)
		return 0


def zdjęcie(filenameimg):#Tworzenie obrazu z odpowiednimi wymiarami

	img = Image.open(filenameimg)#Objekt obrazu
	szerokość,wysokość = img.size[0],img.size[1]#szerokość, wysokość

	if img.size[0] == 300 or img.size[0] == 280:#Gdy obraz ma odpowiednie wymiary
		print('\t» Plik',filenameimg+' ma odpowiednie wymiary')
		wysokość_obrazów[int(filenameimg[-5])-1] = img.size[1]
		return 0

	if szerokość < wysokość:#Gdy wysokość jest większa od szerokości
		nowa_szerokość = 280
	if szerokość > wysokość:#Gdy wysokość jest większa od szerokości
		nowa_szerokość = 300
	if szerokość == wysokość:#Gdy wysokość i szerokość są równe
		nowa_szerokość = 300

	nowa_wysokość = int(nowa_szerokość * wysokość / szerokość)#Nowa wysokość z proporcji

	nowy_img = img.resize((nowa_szerokość, nowa_wysokość), Image.ANTIALIAS)#Nowy obraz
	wysokość_obrazów[int(filenameimg[-5])-1] = nowa_wysokość#Dodanie wysokości

	try:
		if filenameimg[-3:] == 'jpg' or filenameimg[-3:] == 'jpeg':#Gdy stary obraz jest rozszerzenia jpg, jpeg
			nowy_img.save(filenameimg)
			print('» Plik',filenameimg+' poprawnie stworzony')
			return
		else:
			try:
				nowy_img.save(filenameimg[:-3]+'jpg')#Próba zapisania jako jpg
			except:
				nowy_img.save(filenameimg)#Nadpisanie istniejącego
				print('» Plik',filenameimg[:-3]+filenameimg[-3:]+' poprawnie stworzony')
				return
			print('» Plik',filenameimg[:-3]+'jpg'+' poprawnie stworzony')
			return

	except:
		print('» Błąd pliku',filenameimg)
		return



print('\n  |                                        ')
print('  |        _ \    __|    __|    _ \    __| ')
print('  |        __/  \__ \  \__ \    __/   |    ')
print(' _____|  \___|  ____/  ____/  \___|  _|    ')
print(f'                                         -{version}-\n')

jestdocx = False#Czy wykryto plik docx
ile_jest_grafik = 0#Liczba grafik
wysokość_obrazów = {}#Słownik {"numer_obrazu":wysokość}
nazwy_plików = []

[nazwy_plików.append(nazwa_pliku) for nazwa_pliku in os.listdir()]#Nazwy plików zawartych w folderze

for filename in nazwy_plików:#Przeszukiwanie nazw plików obrazów i docx

	if (filename[-3:] == 'jpg' or filename[-3:] == 'png' or filename[-4:] == 'jpeg'):#Wykryto obraz
		ile_jest_grafik += 1

		if filename[-4:] == 'jpeg':
			newfilename = filename.replace('.jpeg', '.jpg')
			os.rename(os.path.join(filename), os.path.join(newfilename))#Zmiana rozszerzenia zdjęcia z jpeg na jpg
			filename = newfilename#Nowa nazwa pliku

		if filename[-5].isdigit(): zdjęcie(filename)#Zmiana obrazu gdy nie jest głównym

	if filename[-4:] == 'docx':
		filenamedocx = filename
		jestdocx = True

if ile_jest_grafik > 1 and jestdocx:
	felieton(filenamedocx)
if ile_jest_grafik == 1 and jestdocx:#Poezje mają tylko jedno zdjęcie
	poezja(filenamedocx)

if not jestdocx:
	print('» Nie znaleziono pliku .docx\n')
if ile_jest_grafik == 0:
	print('» Nie znaleziono grafik\n')

exit()