home *** CD-ROM | disk | FTP | other *** search
/ PC World 2001 April / PCWorld_2001-04_cd.bin / Software / TemaCD / webclean / !!!python!!! / BeOpen-Python-2.0.exe / PARSEENTITIES.PY < prev    next >
Encoding:
Python Source  |  2000-09-28  |  1.7 KB  |  66 lines
  1. #!/usr/local/bin/python
  2. """ Utility for parsing HTML entity definitions available from:
  3.  
  4.       http://www.w3.org/ as e.g.
  5.       http://www.w3.org/TR/REC-html40/HTMLlat1.ent
  6.  
  7.     Input is read from stdin, output is written to stdout in form of a
  8.     Python snippet defining a dictionary "entitydefs" mapping literal
  9.     entity name to character or numeric entity.
  10.  
  11.     Marc-Andre Lemburg, mal@lemburg.com, 1999. 
  12.     Use as you like. NO WARRANTIES.
  13.  
  14. """
  15. import re,sys
  16. import TextTools
  17.  
  18. entityRE = re.compile('<!ENTITY +(\w+) +CDATA +"([^"]+)" +-- +((?:.|\n)+?) *-->')
  19.  
  20. def parse(text,pos=0,endpos=None):
  21.  
  22.     pos = 0
  23.     if endpos is None:
  24.         endpos = len(text)
  25.     d = {}
  26.     while 1:
  27.         m = entityRE.search(text,pos,endpos)
  28.         if not m:
  29.             break
  30.         name,charcode,comment = m.groups()
  31.         d[name] = charcode,comment
  32.         pos = m.end()
  33.     return d
  34.  
  35. def writefile(f,defs):
  36.  
  37.     f.write("entitydefs = {\n")
  38.     items = defs.items()
  39.     items.sort()
  40.     for name,(charcode,comment) in items:
  41.         if charcode[:2] == '&#':
  42.             code = int(charcode[2:-1])
  43.             if code < 256:
  44.                 charcode = "'\%o'" % code
  45.             else:
  46.                 charcode = repr(charcode)
  47.         else:
  48.             charcode = repr(charcode)
  49.         comment = TextTools.collapse(comment)
  50.         f.write("    '%s':\t%s,  \t# %s\n" % (name,charcode,comment))
  51.     f.write('\n}\n')
  52.  
  53. if __name__ == '__main__':
  54.     if len(sys.argv) > 1:
  55.         infile = open(sys.argv[1])
  56.     else:
  57.         infile = sys.stdin
  58.     if len(sys.argv) > 2:
  59.         outfile = open(sys.argv[2],'w')
  60.     else:
  61.         outfile = sys.stdout
  62.     text = infile.read()
  63.     defs = parse(text)
  64.     writefile(outfile,defs)
  65.  
  66.