]> gitweb.factorcode.org Git - factor.git/blobdiff - extra/html/parser/analyzer/analyzer.factor
Delete empty unit tests files, remove 1- and 1+, reorder IN: lines in a lot of places...
[factor.git] / extra / html / parser / analyzer / analyzer.factor
index b82b5662dc0a28adb3227338883d20983af48630..d206ae5f45110a4901429b911f5ef8cc7aada0f8 100755 (executable)
+! Copyright (C) 2008 Doug Coleman.
+! See http://factorcode.org/license.txt for BSD license.
 USING: assocs html.parser kernel math sequences strings ascii
-arrays generalizations shuffle unicode.case namespaces make
-splitting http sequences.lib accessors io combinators
-http.client urls ;
+arrays generalizations shuffle namespaces make
+splitting http accessors io combinators http.client urls
+urls.encoding fry prettyprint sets ;
 IN: html.parser.analyzer
 
 TUPLE: link attributes clickable ;
 
-: scrape-html ( url -- vector )
-    http-get nip parse-html ;
-
-: (find-relative)
-    [ >r + dup r> ?nth* [ 2drop f f ] unless ] [ 2drop f ] if ; inline
-
-: find-relative ( seq quot n -- i elt )
-    >r over [ find drop ] dip r> swap pick
-    (find-relative) ; inline
-
-: (find-all) ( n seq quot -- )
-    2dup >r >r find-from [
-        dupd 2array , 1+ r> r> (find-all)
-    ] [
-        r> r> 3drop
-    ] if* ; inline
+: scrape-html ( url -- headers vector )
+    http-get parse-html ;
 
 : find-all ( seq quot -- alist )
-    [ 0 -rot (find-all) ] { } make ; inline
-
-: (find-nth) ( offset seq quot n count -- obj )
-    >r >r [ find-from ] 2keep 4 npick [
-        r> r> 1+ 2dup <= [
-            4drop
-        ] [
-            >r >r >r >r drop 1+ r> r> r> r>
-            (find-nth)
-        ] if
+   [ <enum> >alist ] [ '[ second @ ] ] bi* filter ; inline
+
+: find-nth ( seq quot n -- i elt )
+    [ <enum> >alist ] 2dip -rot
+    '[ _ [ second @ ] find-from rot drop swap 1 + ]
+    [ f 0 ] 2dip times drop first2 ; inline
+
+: find-first-name ( vector string -- i/f tag/f )
+    >lower '[ name>> _ = ] find ; inline
+
+: find-matching-close ( vector string -- i/f tag/f )
+    >lower
+    '[ [ name>> _ = ] [ closing?>> ] bi and ] find ; inline
+
+: find-between* ( vector i/f tag/f -- vector )
+    over integer? [
+        [ tail-slice ] [ name>> ] bi*
+        dupd find-matching-close drop dup [ 1 + ] when
+        [ head ] [ first ] if*
     ] [
-        2drop r> r> 2drop
+        3drop V{ } clone
     ] if ; inline
 
-: find-nth ( seq quot n -- i elt )
-    0 -roll 0 (find-nth) ; inline
+: find-between ( vector i/f tag/f -- vector )
+    find-between* dup length 3 >= [
+        [ rest-slice but-last-slice ] keep like
+    ] when ; inline
+
+: find-between-first ( vector string -- vector' )
+    dupd find-first-name find-between ; inline
 
-: find-nth-relative ( seq quot n offest -- i elt )
-    >r [ find-nth ] 3keep 2drop nip r> swap pick
-    (find-relative) ; inline
+: find-between-all ( vector quot -- seq )
+    dupd
+    '[ _ [ closing?>> not ] bi and ] find-all
+    [ first2 find-between* ] with map ; inline
 
 : remove-blank-text ( vector -- vector' )
     [
-        dup name>> text = [
-            text>> [ blank? ] all? not
-        ] [
-            drop t
-        ] if
+        dup name>> text =
+        [ text>> [ blank? ] all? not ] [ drop t ] if
     ] filter ;
 
 : trim-text ( vector -- vector' )
     [
-        dup name>> text = [
-            [ [ blank? ] trim ] change-text
-        ] when
+        dup name>> text =
+        [ [ [ blank? ] trim ] change-text ] when
     ] map ;
 
-: find-by-id ( id vector -- vector )
-    [ attributes>> "id" swap at = ] with filter ;
-
-: find-by-class ( id vector -- vector )
-    [ attributes>> "class" swap at = ] with filter ;
-
-: find-by-name ( str vector -- vector )
-    >r >lower r>
-    [ name>> = ] with filter ;
-
-: find-first-name ( str vector -- i/f tag/f )
-    >r >lower r>
-    [ name>> = ] with find ;
-
-: find-matching-close ( str vector -- i/f tag/f )
-    >r >lower r>
-    [ [ name>> = ] keep closing?>> and ] with find ;
+: find-by-id ( vector id -- vector' elt/f )
+    '[ attributes>> "id" at _ = ] find ;
+    
+: find-by-class ( vector id -- vector' elt/f )
+    '[ attributes>> "class" at _ = ] find ;
 
-: find-by-attribute-key ( key vector -- vector )
-    >r >lower r>
-    [ attributes>> at ] with filter
-    sift ;
+: find-by-name ( vector string -- vector elt/f )
+    >lower '[ name>> _ = ] find ;
 
-: find-by-attribute-key-value ( value key vector -- vector )
-    >r >lower r>
+: find-by-id-between ( vector string -- vector' )
+    dupd
+    '[ attributes>> "id" swap at _ = ] find find-between* ;
+    
+: find-by-class-between ( vector string -- vector' )
+    dupd
+    '[ attributes>> "class" swap at _ = ] find find-between* ;
+    
+: find-by-class-id-between ( vector class id -- vector' )
+    '[
+        [ attributes>> "class" swap at _ = ]
+        [ attributes>> "id" swap at _ = ] bi and
+    ] dupd find find-between* ;
+
+: find-by-attribute-key ( vector key -- vector' elt/? )
+    >lower
+    [ attributes>> at _ = ] filter sift ;
+
+: find-by-attribute-key-value ( vector value key -- vector' )
+    >lower
     [ attributes>> at over = ] with filter nip
     sift ;
 
-: find-first-attribute-key-value ( value key vector -- i/f tag/f )
-    >r >lower r>
+: find-first-attribute-key-value ( vector value key -- i/f tag/f )
+    >lower
     [ attributes>> at over = ] with find rot drop ;
 
-: find-between* ( i/f tag/f vector -- vector )
-    pick integer? [
-        rot tail-slice
-        >r name>> r>
-        [ find-matching-close drop dup [ 1+ ] when ] keep
-        swap [ head ] [ first ] if*
-    ] [
-        3drop V{ } clone
-    ] if ;
-    
-: find-between ( i/f tag/f vector -- vector )
-    find-between* dup length 3 >= [
-        [ rest-slice but-last-slice ] keep like
-    ] when ;
-
-: find-between-first ( string vector -- vector' )
-    [ find-first-name ] keep find-between ;
-
-: find-between-all ( vector quot -- seq )
-    [ [ [ closing?>> not ] bi and ] curry find-all ] curry
-    [ [ >r first2 r> find-between* ] curry map ] bi ;
-
 : tag-link ( tag -- link/f )
     attributes>> [ "href" swap at ] [ f ] if* ;
 
@@ -132,10 +113,10 @@ TUPLE: link attributes clickable ;
     [ clickable>> [ bl bl text>> print ] each nl ] bi ;
 
 : find-by-text ( seq quot -- tag )
-    [ dup name>> text = ] prepose find drop ;
+    [ dup name>> text = ] prepose find drop ; inline
 
 : find-opening-tags-by-name ( name seq -- seq )
-    [ [ name>> = ] keep closing?>> not and ] with find-all ;
+    [ [ name>> = ] [ closing?>> not ] bi and ] with find-all ;
 
 : href-contains? ( str tag -- ? )
     attributes>> "href" swap at* [ subseq? ] [ 2drop f ] if ;
@@ -145,16 +126,26 @@ TUPLE: link attributes clickable ;
     [ [
         [ name>> "a" = ]
         [ attributes>> "href" swap key? ] bi and ] filter
-    ] map sift [ [ attributes>> "href" swap at ] map ] map concat ;
+    ] map sift
+    [ [ attributes>> "href" swap at ] map ] map concat
+    [ >url ] map ;
+
+: find-frame-links ( vector -- vector' )
+    [ name>> "frame" = ] find-between-all
+    [ [ attributes>> "src" swap at ] map sift ] map concat sift
+    [ >url ] map ;
+
+: find-all-links ( vector -- vector' )
+    [ find-hrefs ] [ find-frame-links ] bi append prune ;
 
 : find-forms ( vector -- vector' )
     "form" over find-opening-tags-by-name
-    swap [ >r first2 r> find-between* ] curry map
+    swap [ [ first2 ] dip find-between* ] curry map
     [ [ name>> { "form" "input" } member? ] filter ] map ;
 
-: find-html-objects ( string vector -- vector' )
-    [ find-opening-tags-by-name ] keep
-    [ >r first2 r> find-between* ] curry map ;
+: find-html-objects ( vector string -- vector' )
+    dupd find-opening-tags-by-name
+    [ first2 find-between* ] curry map ;
 
 : form-action ( vector -- string )
     [ name>> "form" = ] find nip 
@@ -181,3 +172,12 @@ TUPLE: link attributes clickable ;
 
 : query>assoc* ( str -- hash )
     "?" split1 nip query>assoc ;
+    
+: html-class? ( tag string -- ? )
+    swap attributes>> "class" swap at = ;
+    
+: html-id? ( tag string -- ? )
+    swap attributes>> "id" swap at = ;
+
+: opening-tag? ( tag -- ? )
+    closing?>> not ;