def modif_tatoo_html(monepub):
for identifier in monepub.opf.manifest:
item = monepub.opf.manifest[identifier]
path = os.path.join(monepub.chemin, monepub.content_path) + '\\' + item.href
path = os.path.normpath(urllib.parse.unquote(path))
if item.href.endswith(('html', 'htm', 'opf')):
data = fonctions.parse_file(path)
if data is None:
job.log('\t Fichier ' + os.path.basename(path) + ' malformé, impossible à parser')
continue
try:
# suppression des commentaires
for elem in data.iter(tag=etree.Comment):
if elem.text:
job.logtat('suppression des commentaires html :' + str(elem.text))
tail = elem.tail
parent = elem.getparent()
parent.remove(elem)
parent.text = tail
para = XPath('.//h:p')
# suppression des paragraphes contenant un mail
for child in para(data):
if child.text is not None and re.search('[@].*[.][a-z]{2,3}', child.text) and len(child.text) < 100 :
job.logtat('suppression du paragraphe : ' + str(child.text))
child.getparent().remove(child)
# suppression du blabla
for child in para(data):
children = child.getchildren()
if (child.text is not None) and (re.search('filigrane', child.text)) and (re.search('e-book', child.text)):
job.logtat('modification de ces paragraphes : "' + str(child.text) + str(children[0].tail) + '" dans ' + os.path.basename(path))
child.text = 'Cet e-book contenait un filigrane (watermark) et une identification qui ont été supprimés pour votre agrément'
children[0].tail = 'par PersonnaLiseur'
# suppression des watermark
waterm = XPath('.//h:img')
for src in waterm(data):
for value in src.values():
if 'base64' in value:
job.logtat('suppression du watermark dans ' + os.path.basename(path))
div = src.getparent()
div.getparent().remove(div)
# suppression des body id
body_id = XPath('.//h:body')
for body in body_id(data):
if body.get('id'):
job.logtat('suppression du body id "' + body.get('id') + '" dans ' + os.path.basename(path))
body.set('id', '')
except:
job.log('html non modifiés')
return
with open(path, mode='wb'):
data.write(path, encoding='utf-8', xml_declaration=True, pretty_print=True)
# suppression des commentaires hors html
f = open(path, mode='r', encoding='utf-8')
texte = f.read(-1)
if re.search(r"<!--[\d\D]*?-->", texte, re.DOTALL):
job.logtat('suppression des commentaires hors html dans ' + os.path.basename(path))
texte = re.sub(r"<!--[\d\D]*?-->", '', texte, re.DOTALL)
with open(path, mode='w', encoding='utf-8') as f:
f.write(texte)
return
