-
-
Notifications
You must be signed in to change notification settings - Fork 1
/
Copy pathleeODT.cpp
231 lines (214 loc) · 8.67 KB
/
leeODT.cpp
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
// vim: set expandtab tabstop=8 shiftwidth=8 foldmethod=marker:
/** @file leeODT.cpp
* Lee un archivo en formato odt de Open Document Format e incluye su
* información a un índice.
*
* @package Mt77
* @author Vladimir Támara Patiño. vtamara@pasosdeJesus.org
* Dominio público. 2009. Sin garantías
* http://creativecommons.org/licenses/publicdomain/
* @version $Id: leeODT.cpp,v 1.11 2010/01/06 10:09:30 vtamara Exp $
*/
#include <sys/types.h>
#include <sys/stat.h>
#include <stdlib.h>
#include <stdio.h>
#include <err.h>
#include <string>
#include <iostream>
#include <fstream>
#include <libxml/xmlmemory.h>
#include <libxml/debugXML.h>
#include <libxml/HTMLtree.h>
#include <libxml/xmlIO.h>
//#include <libxml/DOCBparser.h>
#include <libxml/xinclude.h>
#include <libxml/catalog.h>
#include <libxslt/xslt.h>
#include <libxslt/xsltInternals.h>
#include <libxslt/transform.h>
#include <libxslt/xsltutils.h>
#include "funzipuno.hpp"
#include "NodoTrieS.hpp"
#include "comun.hpp"
#include "leeODT.hpp"
using namespace std;
/**
* Aplica XSLT que extrae textos al archivo de nombre arch.
*
* En vez de usar librería libxslt podría recorrerse el XML con expat
* haciendo lo que hace la hoja de estilo.
* @param dt Directorio temporal
* @param arch nombre de archivo al cual se aplicará xslt
* @param nomsal archivo donde se dejará resultado
**/
void
aplicaXSLT(string dt, string arch, string nomsal)
{
//cerr << "OJO aplicaXSLT(" << dt << ", " << arch << ", " << nomsal << ")" << endl;
FILE *f = NULL;
string nx = dt + "/convierte.xslt";
//cerr << "OJO nx=" << nx << endl;
f = fopen(nx.c_str(), "w+");
fprintf(f, "<!DOCTYPE xsl:stylesheet [\n"
"]>\n"
"<xsl:stylesheet version=\"1.0\"\n"
" xmlns:xsl=\"http://www.w3.org/1999/XSL/Transform\"\n"
" xmlns:office=\"urn:oasis:names:tc:opendocument:xmlns:office:1.0\"\n"
" xmlns:style=\"urn:oasis:names:tc:opendocument:xmlns:style:1.0\"\n"
" xmlns:text=\"urn:oasis:names:tc:opendocument:xmlns:text:1.0\"\n"
" xmlns:table=\"urn:oasis:names:tc:opendocument:xmlns:table:1.0\"\n"
" xmlns:draw=\"urn:oasis:names:tc:opendocument:xmlns:drawing:1.0\"\n"
" xmlns:fo=\"urn:oasis:names:tc:opendocument:xmlns:xsl-fo-compatible:1.0\"\n"
" xmlns:xlink=\"http://www.w3.org/1999/xlink\"\n"
" xmlns:dc=\"http://purl.org/dc/elements/1.1/\"\n"
" xmlns:meta=\"urn:oasis:names:tc:opendocument:xmlns:meta:1.0\"\n"
" xmlns:number=\"urn:oasis:names:tc:opendocument:xmlns:datastyle:1.0\"\n"
" xmlns:svg=\"urn:oasis:names:tc:opendocument:xmlns:svg-compatible:1.0\"\n"
" xmlns:chart=\"urn:oasis:names:tc:opendocument:xmlns:chart:1.0\"\n"
" xmlns:dr3d=\"urn:oasis:names:tc:opendocument:xmlns:dr3d:1.0\"\n"
" xmlns:math=\"http://www.w3.org/1998/Math/MathML\"\n"
" xmlns:form=\"urn:oasis:names:tc:opendocument:xmlns:form:1.0\"\n"
" xmlns:script=\"urn:oasis:names:tc:opendocument:xmlns:script:1.0\"\n"
" xmlns:ooo=\"http://openoffice.org/2004/office\"\n"
" xmlns:ooow=\"http://openoffice.org/2004/writer\"\n"
" xmlns:oooc=\"http://openoffice.org/2004/calc\"\n"
" xmlns:dom=\"http://www.w3.org/2001/xml-events\"\n"
" xmlns:xforms=\"http://www.w3.org/2002/xforms\"\n"
" xmlns:xsd=\"http://www.w3.org/2001/XMLSchema\"\n"
" xmlns:xsi=\"http://www.w3.org/2001/XMLSchema-instance\"\n"
" exclude-result-prefixes=\"office style text table draw fo xlink dc meta number svg chart dr3d math form script ooo ooow oooc dom xforms xsd xsi\">\n"
"\n"
"<xsl:output method=\"text\" encoding=\"UTF-8\" />\n"
"\n"
"<xsl:template match=\"office:document-contet\">\n"
" <xsl:apply-templates select=\".//office:body\"/>\n"
"</xsl:template>\n"
"\n"
"<xsl:template match=\"office:body\"> \n"
" <xsl:apply-templates/>\n"
"</xsl:template>\n"
"\n"
"<xsl:template match=\"text:p\">\n"
" <xsl:apply-templates/>\n"
"</xsl:template>\n"
"\n"
"<xsl:template match=\"text()|@*\">\n"
" <xsl:value-of select=\".\"/><xsl:text>\n"
"</xsl:text>\n"
"</xsl:template>\n"
"\n"
"<xsl:template match=\"text:h|text:index-title-template|text:table-of-content|text:user-index|office:automatic-styles|office:font-face-decls\">\n"
"</xsl:template>\n"
"\n"
"</xsl:stylesheet>\n"
);
fclose(f);
/* Porcion tomada de http://xmlsoft.org/XSLT/tutorial/libxslttutorial.html */
int i;
const char *params[16 + 1];
int nbparams = 0;
xsltStylesheetPtr cur = NULL;
xmlDocPtr doc, res;
xmlSubstituteEntitiesDefault(1);
xmlLoadExtDtdDefaultValue = 1;
cur = xsltParseStylesheetFile((const xmlChar *)nx.c_str());
doc = xmlParseFile(arch.c_str());
res = xsltApplyStylesheet(cur, doc, NULL);
if (nomsal == "") {
xsltSaveResultToFile(stdout, res, cur);
} else {
FILE *s=fopen(nomsal.c_str(), "w");
if (s == NULL) {
stringstream ss;
ss << "No puede abrir " << nomsal ;
throw ss.str();
}
xsltSaveResultToFile(s, res, cur);
fclose(s);
}
xsltFreeStylesheet(cur);
xmlFreeDoc(res);
xmlFreeDoc(doc);
xsltCleanupGlobals();
xmlCleanupParser();
}
/**
* Extrae mimetype y content.xml del contenedor zip que recibe en el
* directorio dt
* @param odt
* @param odt Ruta al archivo ODT del cual extraer
* @param dt Ruta al directorio tempral donde se dejarán archivos
*
* Ver funzipuno.c
*/
void
extraezip(string odt, string dt)
{
//cerr << "OJO extraezip(" << odt << ", " << dt << ")" << endl;
char nomout[PATH_MAX];
FILE *in, *out;
if ((in = fopen(odt.c_str(), "rb")) == (FILE *)NULL) {
stringstream ss;
ss << "No puede abrir " << odt ;
throw ss.str();
}
snprintf(nomout, PATH_MAX, "%s/mimetype", dt.c_str());
if ((out = fopen(nomout, "wb")) == (FILE *)NULL) {
stringstream ss;
ss << "No puede escribir " << nomout;
fclose(in);
throw ss.str();
}
unzipUno(in, "mimetype", out);
fclose(out);
fseek(in, 0, SEEK_SET);
snprintf(nomout, PATH_MAX, "%s/content.xml", dt.c_str());
if ((out = fopen(nomout, "wb")) == (FILE *)NULL) {
stringstream ss;
ss << "No puede escribir " << nomout ;
fclose(in);
throw ss.str();
}
unzipUno(in, "content.xml", out);
fclose(out);
fclose(in);
}
/**
* Prepara directorio con lo extraido de un odt
* @param odt Ruta a archivo odt
**/
string prepara(string odt)
{
//cerr << "OJO prepara(" << odt << ")" << endl;
string dt = directorio_temp();
//cerr << "OJO prepara. dt=" << dt << endl;
extraezip(odt, dt);
string mime = dt + string("/mimetype");
fstream is(mime.c_str(), ios_base::in);
char tipo[100];
is.getline(tipo, 100);
if (strcmp(tipo, "application/vnd.oasis.opendocument.text") != 0) {
throw "Sólo puede convertir textos OpenDocument" ;
}
return dt;
//xsltproc $md/odtatexto.xsl /var/tmp/odtatexto/content.xml > $s
}
/** Construye un trieS a partir de un ODT */
void leeODT(const char *na, long ndoc, NodoTrieS &t, bool normalizaPal)
{
ASSERT(na!=NULL && na[0] != '\0' && strlen(na)<FILENAME_MAX);
ASSERT(ndoc >= 0);
//cerr << "OJO leeODT(" << na << ", " << ndoc << ", t)" << endl;
string dt = prepara(string(na));
// cerr << "OJO dt = " << dt << endl;
string ns = dt + string("/salida.txt");
// cerr << "OJO ns = " << ns << endl;
aplicaXSLT(dt, dt + "/content.xml", ns);
leeTexto(ns.c_str(), ndoc, t, normalizaPal);
unlink(string(dt + "/mimetype").c_str());
unlink(string(dt + "/content.xml").c_str());
unlink(string(dt + "/salida.txt").c_str());
unlink(string(dt + "/convierte.xslt").c_str());
rmdir(dt.c_str());
}