-
Notifications
You must be signed in to change notification settings - Fork 18
/
join.py
447 lines (405 loc) · 12.6 KB
/
join.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
# -*- coding: utf-8 -*-
import os.path
import glob
import re
import bs4
import util
abspath = os.path.abspath(__file__)
dname = os.path.dirname(abspath)
os.chdir(dname)
cp=re.compile(".*?LFS201_(\d+)\..*$")
pr=re.compile("(.*)¿(.*?)-(.*)")
ck=re.compile("(Haga|Haz) click (en|sobre) (el|los|en)", re.UNICODE|re.MULTILINE|re.DOTALL)
fg=re.compile(".*?(Figura|Figure)\s+\d+\.\d+(:|.)", re.UNICODE|re.MULTILINE|re.DOTALL)
lab=re.compile(".*\s+para\s+descargar\s+el\s+Laboratorio\s+(\d+\.\d+).*", re.UNICODE|re.MULTILINE|re.DOTALL)
sp=re.compile("\s+", re.UNICODE)
url=re.compile("(.*)(http://\S+)(.*)", re.UNICODE|re.MULTILINE|re.DOTALL)
caB=0
n=0
f=0
oht="out/LFS201.html"
def find_fld(soup,r,tipo=None,txt=None):
rt=[]
for l in soup.findAll('legend'):
if r.match(l.get_text()):
f=l.parent
if tipo==None:
rt.append(f)
elif tipo==1 or tipo==4:
if f.div.find("p",text="Verdadero") and f.div.find("p",text="Falso"):
hjs=f.div.select(" > *")
if tipo==4 or (len(hjs)>2 and util.sclean(hjs[1])=="Verdadero"):
rt.append(f)
elif tipo==2:
hjs=f.div.select(" > *")
if len(hjs)>1 and hjs[0].name=="p":
rt.append(f)
elif tipo==3:
if f.div.p and f.div.p.get_text().strip()==txt:
rt.append(f)
elif tipo==5:
hjs=f.div.select(" > *")
cg=0
sg=0
for h in hjs:
if h.name!="p":
break
c=h.get_text().strip()
if c.startswith("- "):
cg=cg+1
else:
sg=sg+1
if sg>1:
break
if cg>1 and sg==1:
rt.append(f)
return rt
def set_anchor(i,ca):
a=soup.new_tag("a", **{"href": "#"+i.attrs['id'], "title":u"Cápitulo "+str(ca)})
if i.name=="fieldset":
i=i.legend
a.string=i.string
i.string=""
i.attrs["class"]="item"
i.append(a)
def get_lab(f,txt):
a=soup.new_tag("a", **{"href": "labs/"+f, "title":"Fichero original en: https://lms.360training.com/custom/12396/808239/"+f})
a.string=txt
return a
soup = util.get_tpt("LFS201","rec/lfs201.css")
fldB=None
divCp=None
hts=sorted(glob.glob('html/clean/*.html'))
for ht in hts:
soup2 = util.get_soup(ht)
t=soup2.title
b=soup2.body
if "_popup" in ht:
n=3
else:
ca=int(cp.sub("\\1",ht))
if ca>caB:
n=1
f=1
caB=ca
else:
n=2
f=f+1
if n==1:
h=b.p.extract()#.strong
h.attrs.clear()
h.name="h1"
h.string=sp.sub(" ",h.get_text()).strip('.')[9:].strip()
h.attrs['id']="c"+str(ca)
set_anchor(h,ca)
divCp=soup.new_tag("div", **{"id":"cp"+str(ca)})
soup.body.div.append(divCp)
divCp.append(h)
n=2
fld = soup.new_tag("fieldset")
fld.attrs['class']="n"+str(n)
t.name="legend"
fld.append(t)
b.name="div"
fld.append(b)
ps=fld.div.select(" > *")
if len(ps)>0 and ps[0].name=="p" and ps[0].get_text().strip(':').lower() == fld.legend.get_text().lower():
ps[0].extract()
if n==3:
cs=[]
if fg.match(fld.legend.string):
cs=util.find_text(fldB,fg)
else:
cs=util.find_text(fldB,ck)
if len(cs)>0:
c=cs[0]
c.replace_with(fld)
else:
fldB.append(fld)
else:
fld.attrs['id']="c"+str(ca)+"f"+str(f)
set_anchor(fld,ca)
divCp.append(fld)
fldB=fld
flds=soup.findAll("fieldset", attrs={'class': re.compile(r".*\bn3\b.*")})
for fld in flds:
if len(fld.parent.select(" > *"))==1:
fld.parent.replace_with(fld.div)
ptabs=re.compile("(.*?)([^\.\?\s][^\.\?]+ 'tab' [^\.]+\.)(.*)", re.UNICODE|re.MULTILINE|re.DOTALL)
for p in soup.findAll(text=re.compile(" 'tab' ")):
txt=ptabs.sub("\\1\\3",p).strip()
padre=p.parent
if len(txt)>0:
if p.previous_sibling:
txt=" "+txt
if p.next_sibling:
txt=txt+" "
p.replace_with(txt)
else:
if util.eqtxt(p.parent,p):
p.parent.extract()
else:
p.extract()
ins=find_fld(soup.body.div, re.compile(u".*Instalación: qué usar para este curso.*", re.UNICODE|re.MULTILINE|re.DOTALL))
if len(ins)>0:
i=ins[0]
a=i.div.a
a.attrs["href"]="labs/Preparing%20Your%20Computer%20for%20LFS101x.pdf"
i.findAll("p")[-1].extract()
c=a.parent.contents[-1]
if isinstance(c, bs4.NavigableString) or isinstance(c, unicode):
c.replace_with(c.string.replace(u" (si es que se ha registrado para el MOOC) o haciendo clic en el botón Documento a continuación",""))
p=soup.new_tag("p")
p.string=u"Otros recursos últiles: "
i.div.append(p)
p.append(get_lab("welcome.pdf","documento de bienvenida"))
p.append(", ")
a=soup.new_tag("a")
a.string="Ready-For LF Course"
a.attrs["href"]="https://training.linuxfoundation.org/cm/prep/?course=LFS201&dist=Default"
p.append(a)
p.append(" (")
p.append(get_lab("ready-for.sh","ready-for.sh"))
p.append(").")
nxs=re.compile("^\s*(\d+\.\d+).*$", re.UNICODE|re.MULTILINE|re.DOTALL)
labfull=re.compile(u".*todos los ejercicios de laboratorio y soluciones.*", re.UNICODE|re.MULTILINE|re.DOTALL)
cono=re.compile(".*comprobaci.n de conocimiento*", re.UNICODE|re.MULTILINE|re.DOTALL|re.IGNORECASE)
preguntaVF=u"¿Cuáles de las siguientes afirmaciones son ciertas?"
for d in soup.body.div.select(" > div"):
a=d.h1.a
a.attrs['title']=a.attrs['title']+" de "+str(ca)
labos=util.find_text(d,lab)
if len(labos)>0:
ul=soup.new_tag("ul")
primero=True
for lb in labos:
fld=lb.find_parent("fieldset")
li=soup.new_tag("li")
l=lab.sub("\\1",lb.get_text())
a=get_lab("LAB_"+l+".pdf","Laboratorio "+l)
li.append(a)
codigo=None
if l == "4.1":
codigo="fake_service"
elif l == "18.2":
codigo="writeit.c"
elif l == "21.1":
codigo="signals.c"
elif l == "25.1":
codigo="ioscript.sh"
if codigo:
c=get_lab(codigo,codigo)
li.append(u" (código fuente: ")
li.append(c)
li.append(")")
ul.append(li)
if primero:
fld.legend.a.string=nxs.sub("\\1. Laboratorios",fld.legend.a.string)
fld.div.clear()
fld.div.append(ul)
primero=False
else:
fld.extract()
labs=util.find_text(d, labfull)
if labs and len(labs)>0:
p=labs[0]
p.clear()
p.append(u"Para mayor comodidad, también puede ")
a=get_lab("LFS201-LABORATORIOS%20Y%20SOLUCIONES.pdf","descargar en un archivo todos los ejercicios de laboratorio y soluciones")
p.append(a)
p.append(".")
pp=[]
fs=find_fld(d, cono, 2)
if len(fs)>1:
for f in fs:
txt=f.div.p.get_text().strip()
if txt not in pp:
pp.append(txt)
if len(pp)>0:
for p in pp:
fs=find_fld(d, cono, 3,p)
if len(fs)>1:
f=fs[0]
del fs[0]
for n in fs:
dv=n.div
dv.p.extract()
f.div.append(dv)
dv.unwrap()
n.extract()
fs=find_fld(d, cono, 1)
if len(fs)>1:
v1=fs[0]
del fs[0]
for v in fs:
dv=v.div
v1.append(dv)
dv.unwrap()
v.extract()
fs=find_fld(d, cono, 4)
for v1 in fs:
uls=[]
ul=soup.new_tag("ul")
for p in v1.findAll("p"):
if p.next_sibling and p.next_sibling.name=="p" and util.sclean(p.next_sibling)=="Verdadero":
p.name="li"
c=p.contents[0]
if isinstance(c, bs4.NavigableString) or isinstance(c, unicode):
cs=c.strip()
if len(cs)>1 and cs[0].isdigit() and cs[1]==".":
c.extract()
ul.name="ol"
if cs[0]=="1" and len(ul.contents)>0:
uls.append(ul)
ul=soup.new_tag("ul")
ul.append(p)
elif util.sclean(p)=="Verdadero" or util.sclean(p)=="Falso":
p.extract()
p=soup.new_tag("p")
p.string=preguntaVF
v1.div.append(p)
if len(uls)>0:
for u in uls:
v1.div.append(u)
v1.div.append(ul)
fs=find_fld(d, cono, 5)
for f in fs:
ul=soup.new_tag("ul")
for p in f.div.select(" > p"):
c=p.get_text().strip()
if c.startswith("- "):
p.name="li"
ul.append(p)
f.div.append(ul)
c=d.attrs["id"][2:]
i=1
fs=find_fld(d, cono)
for f in fs:
a=f.legend.a
a.string=u"Comprobación de Conocimientos "+c
if len(fs)>1:
a.string=a.string+"."+str(i)
i=i+1
mrks=d.select(" > fieldset > legend > a")
z=str(len(mrks))
i=1
for m in mrks:
m.attrs['title']=m.attrs['title']+", ficha "+str(i)+" de "+z
i=i+1
urls=soup.findAll(text=url)
for u in urls:
if u.parent.name not in ["a","span"] and "class" not in u.parent.attrs:
m=url.match(u)
antes=m.group(1)
link=m.group(2)
despues=m.group(3)
enlace=soup.new_tag("enlace")
if len(antes)>0:
enlace.append(antes)
a=soup.new_tag("a",href=link)
a.append(link)
enlace.append(a)
if len(despues)>0:
enlace.append(despues)
u.replace_with(enlace)
enlace.unwrap()
for i in soup.findAll("img"):
src=i.attrs['src']
i.attrs['alt']="Imagen original en: "+src
i.attrs['src']="imgs"+src[src.rfind("/"):]
f=i.find_parent("fieldset")
i.attrs['title']=f.legend.get_text().strip()
f=i.find_parent("fieldset")
f.div.unwrap()
f.name="figure"
f.legend.name="figcaption"
#del f.attrs['id']
del f.attrs['class']
for t in soup.findAll("table"):
if t.caption:
f=t.find_parent("fieldset")
if f.attrs["class"]=="n3":
f.legend.extract()
f.unwrap()
# Erratas
for s in soup.findAll(text=re.compile("^\s+Personalities\s+:\s+\[raid1\].*", re.MULTILINE|re.DOTALL|re.UNICODE)):
for t in s.find_parent("p").find_all(text=True):
b=sp.sub(" ",t.string)
t.replace_with(b)
tb=soup.find(text=u"Haga click en el botón Información para ver algunos ejemplos acerca de cómo se utiliza systemctl")
if tb:
p=tb.find_parent("p")
rp=util.get_soup("fix/00-SysVinit-Systemd.html")
if rp and rp.body:
b=rp.body
p.replace_with(b)
b.unwrap()
else:
a=get_lab("Hoja de Apuntes de SysVinit a Systemd.pdf","Ejemplos acerca de cómo se utiliza systemctl")
p.clear()
p.append(a)
for f in soup.findAll(text=re.compile(u"(Estado de todos los servicios en el sistema|Archivos de configuración de upstart|Estado de un servicio en sistemas Red Hat)")):
texts=f.find_parent("fieldset").div.find_all(text=True)
for t in texts:
b=sp.sub(" ",t.string)
t.replace_with(b)
for f in soup.findAll("a",text=re.compile(u".*(Eventos de Linux Foundation).*")):
texts=f.find_parent("fieldset").div.ul.find_all("strong")
for t in texts:
t.unwrap()
e=soup.find("span", attrs={'class': "enlace"})
if e and e.parent.name=="li":
e.parent.extract()
util.set_menu(soup)
h=util.get_html(soup)
h=h.replace("Objectivos de aprendizaje","Objetivos de aprendizaje") #7 11
h=h.replace(">31</a></h1>",">31. zypper</a></h1>") #31
h=h.replace(">31</option>",">31. zypper</option>") #31
h=h.replace(" del sisco "," del disco ")
h=h.replace("miltihebra","multihebra")
h=h.replace("el ajusta de E/S","el ajuste de E/S")
h=h.replace(". Se este",". Si este")
h=h.replace(" tital "," total ")
h=h.replace(" para para "," para ")
h=h.replace("revision_umber","revision_number")
h=h.replace("cuentasde","cuentas de")
h=h.replace("/opt/dolphy_app /man","/opt/dolphy_app/man")
h=h.replace("archivosy propietarios","archivos y propietarios")
h=h.replace("$tar","$ tar")
h=h.replace("cpio -i somefile -I /dev/st0","cpio -i -I /dev/st0 somefile")
h=h.replace("html://","http://")
h=h.replace("<li>- ","<li>")
h=h.replace("mtu 1500 enp4s2","mtu 1500<br/>enp4s2")
h=h.replace("$getenforce","$ getenforce")
h=h.replace("$for machines in node1 node2 node3</p><p class=\"stdout\">","$ for machines in node1 node2 node3<br/>")
h=h.replace("(Zona desmilitarizada)</p><p>","(Zona desmilitarizada)<br/>")
h=h.replace("Se se produce","Si se produce")
h=h.replace("intentar de reparar","intentar reparar")
h=h.replace("n. El comando","n.</p><p>El comando")
h=h.replace("apt-ge</strong>t","apt-get</strong>")
h=h.replace("imgs/LVM_Components_large_Spanish%20(2).png","imgs/LVM_Components_large_Spanish.png")
h=h.replace("strong> or <strong","strong> o <strong")
h=h.replace(" <strong>system</strong>d."," <strong>systemd</strong>.")
h=h.replace(" archivos<strong>.service</strong>"," archivos <strong>.service</strong>")
h=h.replace("La historia de las controversias y todo esto es muy complicado","La historia de las controversias y todo eso es muy complicado")
h=h.replace("http://en.wikipedia.org/wiki/Reserved_ IP_addresses","http://en.wikipedia.org/wiki/Reserved_IP_addresses")
h=h.replace(" crear crear "," crear ")
h=h.replace(" navaja Suiza "," navaja suiza ")
h=h.replace(" usus "," usos ")
h=h.replace("sistema de archivos virtual)","sistema de archivos virtual")
h=h.replace("vfat no diferencias permisos","vfat no diferencian permisos")
h=h.replace("acceder la partici","acceder a la partici")
h=h.replace(u" últiples",u" múltiples")
h=h.replace("reparary","reparar y")
h=h.replace("mero directorios","mero de directorios")
h=h.replace("existem","existen")
h=h.replace("inician con <strong>S10</strong> y <strong>K90</strong>","inician con <strong>S10</strong> y finalizan con <strong>K90</strong>")
h=h.replace(" en es "," es ")
h=h.replace("i<strong>nitramfs</strong>","<strong>initramfs</strong>")
r=re.compile("\s+(DUMP: )", re.MULTILINE|re.DOTALL|re.UNICODE)
h=h=r.sub("\\1",h)
r=re.compile(">\s\$ ", re.MULTILINE|re.DOTALL|re.UNICODE)
h=h=r.sub(">$ ",h)
r=re.compile("There are a variety of graphical desktop environments used in[^\.]+\.", re.MULTILINE|re.DOTALL|re.UNICODE)
h=r.sub("",h)
util.escribir(h,oht)