Stampa etichette di collocazione da ALEPH 500

scavezzacollo.py

#!/usr/bin/env python
import re
from subprocess import call
import sys
def scavezza_classic(collo):
    if collo != '':
        print ("Collocazione in entrata: %s" % collo)
        # Vuolsi cosi' cola' ove si puote
        newcollo = re.sub('Statistiche','ST.PER.ST',collo)
        newcollo = newcollo.split(' ')
        return newcollo


def scavezza_latest(collo):
    if collo != '':
            # Aggiunge uno spazio dopo il primo punto (Tipicamente la 1^ cifra della CDD)
            newcollo = collo.replace('.','. ',1)
            # Aggiunge uno spazio dopo il secondo / se la collocazione comprende
            # una partizione per volumi, es: CDD 346.002638 SCHP.COD
            # /1703-1709/2012 diventa CDD 346.002638 SCHP.COD /1703-1709 /2012)
            # Se invece c'e' una normale divisione per annate, es: /2/1/2007
            # si comporta normalmente.
            newcollo = re.sub('(/[0-9]{2,}-[0-9]{2,})/(.*)','\\1 /\\2',newcollo)
            # Spezza ad ogni spazio
            newcollo = newcollo.split(' ')
            # Lunghezza della prima cifra della cdd
            # Cerca la prima cifra della CDD prendendo il primo campo che contiene 
            # il . e inizia per un numero
            try:
                # Prende il pezzo piu' lungo della collocazione
                #icdd = list(filter(lambda x:'.' in x and x[0].isdigit(),newcollo))[0]
                icdd = max(newcollo,key=len)
            except IndexError:
                print ("Non riesco a capire la collocazione %s\nSei proprio sicuro che sia corretta?" % collo)
                raise
            # Paddiamo con degli spazi tutte le altre componenti della cdd che hanno una
            # lunghezza inferiore alla prima cifra della cdd comprensiva di punto
            #centratura = '{: ^%i}' % len(max(newcollo))
            centratura = '{: ^%i}' % len(icdd)
            newcollo = [len(x) <len(icdd) and centratura.format(x) or x for x in newcollo]
            return newcollo
        
def trovacollo(sezione):
        "Ritorna il contenuto del primo tag <z30-call-no> di una sezione"
        return re.findall(b'<z30-call-no>(.*?)<\/z30-call-no>',sezione)[0]

def tipocollo(sezione):
        #return re.findall('<z30-call-no-type>\d<\/z30-call-no>',sezione)
        return re.findall('<z30-call-no-type>([0-9])<\/z30-call-no-type>',sezione)[0]

def scrivicollo(fileout,collocazione):
    nuovacollo = []
    # Filtra i campi della collocazione vuoti
    collocazione = list(filter(lambda x:x!= '',collocazione))
    print ("Collocazione da scrivere: %s" % collocazione)
    # Allinea al centro a 9 caratteri
    nuovacollo = '\n'.join(['{:^9}'.format('%s' % pezzo) for pezzo in collocazione])
    print("Nuova collocazione:\n%s" % nuovacollo)
    # Infine scrive su file la stringa
    #fileout.write(nuovacollo.encode('utf-8'))
    fileout.write(nuovacollo)


if __name__ == '__main__':
    try:
        # L'encoding in utf-8 va specificato altrimenti
        # si pianta al primo libro con caratteri accentati
        # nel titolo o nell'autore
        file_etichette = open(sys.argv[1],encoding='utf-8')
    except:
        print ("Utilizzo: scavezzacollo <file_etichetta_xml>")
        sys.exit()
    outfile = 'etichetta_ok.txt'
    #TODO: Qua si potrebbe fare un discorso di allocazione memoria..
    etichette = file_etichette.read()
    file_etichette.close()
    lista_etichette = re.findall('<z30-call-no>(.*?)<\/z30-call-no>',etichette)
    # Filtra le collocazioni vuote
    lista_etichette = list(filter(lambda x:x != '',lista_etichette))
    print ("Lista etichette: %s" % lista_etichette)
    for etichetta in lista_etichette:
        file_uscita = open(outfile,'w',-1)
        try:
                print ("Tipo di collocazione: %s" % tipocollo(etichette))
        except IndexError:
                # Mai fidarsi dei bibliotecari..
                # manca del tutto il tipo di collocazione nel record
                scrivicollo(file_uscita,scavezza_classic(etichetta))
        else:
                # Se abbiamo la collocazione CDD con cifre dopo il punto ci comportiamo in un modo..
                if tipocollo(etichette) == '1' and re.match('.*(\d{3}\.?\d+?) \w.*',etichetta):
                        print("latest")
                        scrivicollo(file_uscita,scavezza_latest(etichetta))
                else:
                # Altrimenti ci comportiamo nel modo standard
                        print("classic")
                        scrivicollo(file_uscita,scavezza_classic(etichetta))
        file_uscita.close()
        call(['notepad.exe','/P',outfile])
        # DEBUG
        #call(['notepad.exe',outfile])