scripts/cocanwiki_links.ml

   1 (* COCANWIKI - a wiki written in Objective CAML.
   2  * Written by Richard W.M. Jones <rich@merjis.com>.
   3  * Copyright (C) 2004 Merjis Ltd.
   4  * $Id: cocanwiki_links.ml,v 1.1 2004/09/28 10:56:39 rich Exp $
   5  *
   6  * This program is free software; you can redistribute it and/or modify
   7  * it under the terms of the GNU General Public License as published by
   8  * the Free Software Foundation; either version 2 of the License, or
   9  * (at your option) any later version.
  10  *
  11  * This program is distributed in the hope that it will be useful,
  12  * but WITHOUT ANY WARRANTY; without even the implied warranty of
  13  * MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the
  14  * GNU General Public License for more details.
  15  *
  16  * You should have received a copy of the GNU General Public License
  17  * along with this program; see the file COPYING.  If not, write to
  18  * the Free Software Foundation, Inc., 59 Temple Place - Suite 330,
  19  * Boston, MA 02111-1307, USA.
  20  *)
  21
  22 open ExtString
  23
  24 let split_tags_re = Pcre.regexp ~flags:[`DOTALL] "<.*?>|[^<]+"
  25 let internal_re = Pcre.regexp "class=\"internal\""
  26 let href_re = Pcre.regexp "href=\"/(.*?)\""
  27
  28 let get_links_from_section dbh hostid content =
  29   let html = Wikilib.xhtml_of_content dbh hostid content in
  30
  31   (* Split into attrs and non-attrs.  We end up with a list like this:
  32    * [ "<ul>"; "<li>"; "Some text"; "</li>"; ... ]
  33    *)
  34   let html =
  35     try
  36       let html = Pcre.extract_all ~rex:split_tags_re html in
  37       let html = Array.to_list html in
  38       List.map (function [| a |] -> a | _ -> assert false) html
  39     with
  40         Not_found -> [] in
  41
  42   (* Only interested in the <a> tags. *)
  43   let html = List.filter (fun str -> String.starts_with str "<a ") html in
  44
  45   (* Only interested in the tags with class="internal". *)
  46   let html =
  47     List.filter (fun str ->
  48                    Pcre.pmatch ~rex:internal_re str
  49                    && Pcre.pmatch ~rex:href_re str)
  50       html in
  51
  52   (* Extract the URL names. *)
  53   let links = List.map (fun str ->
  54                           let subs =
  55                             try Pcre.exec ~rex:href_re str
  56                             with Not_found -> assert false in
  57                           Pcre.get_substring subs 1) html in
  58
  59   (* Return the list of links. *)
  60   links