libreoffice57.py

# -*- coding: utf-8 -*-
def libreoffice57():
    import re #正規表現モジュールのインポート。
    reg_idl = r'html">(\w+?)</a>'  # 参照しているhtmlファイルのIDLを抽出する正規表現パターン。
    reg_idl_html = r'href="(\S+?.html)">\w+?</a></li>\s*?</ul>'  # 参照しているhtmlファイル名を抽出する正規表現パターン。
    reg_mdesc = r'<td class="mdescRight">(.+?)<a href='  # メンバーアイテムの解説を抽出する正規表現パターン。
    # with open('C:/Program Files (x86)/LibreOffice 4/sdk/docs/idl/ref/a02217.html', 'r') as f:  # com.sun.star.uno.XComponentContext メソッドを持つ。
    # with open('C:/Program Files (x86)/LibreOffice 4/sdk/docs/idl/ref/a03524.html', 'r') as f:  # com.sun.star.awt.XToolkit メソッドを持つ。
    with open('C:/Program Files (x86)/LibreOffice 4/sdk/docs/idl/ref/a00795.html', 'r') as f:  # com.sun.star.Text.GenericTextDocument サービス属性を持つ。
        line = f.readline()  # 1行ずつファイルを読み込む。
        while line:  # 行がある間実行。
            if '<div id="nav-path" class="navpath">' in line:  # パンくずリストのdivタグの行があったとき。
                line = f.readline()  # 次の行を読み込む。
                while line:
                    idl = re.findall(reg_idl, line)  # 正規表現でIDLのフルネームを抽出する。
                    if idl:  # IDLのフルネームが得られたとき。
                        idl = "." + ".".join(idl[3:])  # com.sun.starは省略してドットでつなぐ。
                        print(idl)
                        idl_html = re.findall(reg_idl_html, line)[0]  # 同じ行からhtmlファイル名を抽出。
                        print(idl_html)
                        break  # while文を抜ける。
                    line = f.readline()  # 次の行を読み込む。
            if any(['<a name="pub-methods">' in line, '<a name="pub-attribs">' in line]): # 「Public Member Functions」または「Public Attributes」のとき。
                if idl_html:  # パンくずリストからhtmlファイル名が得られているとき。
                        reg_memItem = r'{0}(#\w+?)">(\w+?)</a>'.format(idl_html)  # メンバーアイテム名を抽出する正規表現パターン。
                        line = f.readline()  # 次の行を読み込む。
                        while line:
                            if any(['<img src="closed.png" alt="-"/>' in line, '</tbody>' in line]):  # 継承したものの項やテーブルの終了にきたとき。
                                break  # while文を抜ける。
                            memItem = re.findall(reg_memItem, line)  # 正規表現でメンバーアイテム名を抽出する。
                            if memItem:  # メンバーアイテム名が抽出できたとき。
                                memItem, memItem_html = idl + "::" + memItem[0][1], idl_html + memItem[0][0]  # メンバーアイテム名をそのhtmlファイル名を取得。
                                print(memItem)
                                print(memItem_html)
                                mdesc = re.findall(reg_mdesc, f.readline())[0]  # メンバーアイテム名を得た次行からメンバーアイテムの解説を取得。
                                print(mdesc)
                            line = f.readline()  # 次の行を読み込む。
            if '<a name="details" id="details">' in line:  # 「Detailed Description」まできたときはwhile文を出る。
                break
            line = f.readline()  # 次の行を読み込む。
if __name__ == "__main__":
    libreoffice57()