libreoffice58.py

# -*- coding: utf-8 -*-
def libreoffice58():
    dic_idl_html = dict()  # キー:idl、値:idlのhtmlファイル名、の辞書。
    dic_memItem_html = dict()  # キー:メンバーアイテム、値:メンバーアイテムのhtml、の辞書。
    dic_memItem_mdesc = dict()  # キー:メンバーアイテム、値:メンバーアイテムの解説、の辞書。
    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="(a\d\d\d\d\d.html)">'  # 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。リストの最後の要素になる。
    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。
    reg_fname = r'a0(\d\d\d\d).html'  # glob()で得たファイルのフルパスからファイル名の下4桁の数字を抽出する正規表現パターン。
    import glob
    for i in glob.glob('C:/Program Files (x86)/LibreOffice 4/sdk/docs/idl/ref/a0[0-3][0-9][0-9][0-9].html'):
        with open(i, 'r', encoding='utf-8') as f:
            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。
                f_name = re.findall(reg_fname, f.name)[0]  # 読み込んでいるファイル名から下4桁を取り出す。f.filename()のパスは/と\が混在していることに注意。
                if int(f_name) > 3687:  # a03687.htmlより大きい数字のファイルのとき。
                    break  # while文を抜けて次のファイルにいく。
                else:  # a03687.html以下の数字のファイルのとき。
                    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_html = re.findall(reg_idl_html, line)[len(idl)-1]  # 同じ行からhtmlファイル名を抽出。リストidlの最終要素番号と一致。
                                    idl = "." + ".".join(idl[3:])  # com.sun.starは省略してドットでつなぐ。
                                    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。
                                flag = False  # メンバーアイテムがあるかどうかのフラグをリセット。
                                while line:
                                    if any(['<img src="closed.png" alt="-"/>' in line, '</tbody>' in line]): break  # 継承したものの項やテーブルの終了にきたとき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。
                                        flag = True  # フラグを立てる。
                                        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ファイル名と取得。
                                        dic_memItem_html[memItem] = memItem_html  # 辞書にメンバーアイテム名をキーに、そのhtmlファイルのジャンプ先を値にして取得。
                                        mdesc = re.findall(reg_mdesc, f.readline())  # 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。
                                        if mdesc: dic_memItem_mdesc[memItem] = mdesc[0]  # 解説が抽出できたとき辞書にメンバーアイテム名を収納。
                                    line = f.readline()  # 次の行を読み込む。
                                if flag: dic_idl_html[idl] = idl_html  # メンバーアイテムがあるもののみ出力する。
                        if 'id="details"' in line:
                            break # 「Detailed Description」まできたときwhile文を抜けて次のファイルにいく。
                        line = f.readline()  # 次の行を読み込む。
                line = f.readline()  # 次の行を読み込む。
if __name__ == "__main__":
    import timeit
    print(timeit.timeit("libreoffice58()", setup="from __main__ import libreoffice58", number=1))