def suppr_fichiers_suspects(monepub):
list_fichiers_suspects = ('license', 'licence', 'rights', 'right', 'iTunesMetadata.plist')
for root, dir, file in os.walk(monepub.chemin):
for name in file :
if name in list_fichiers_suspects or name[0:7] == 'license' or name[0:5] == 'right':
job.logtat('suppression du fichier : ' + name)
os.remove(os.path.join(root, name))
return
def metas_xhtml(monepub, copyr):
XHTML_NS = 'http://www.w3.org/1999/xhtml'
XMLNS_NS = 'http://www.w3.org/2000/xmlns/'
META_XP = XPath('/h:html/h:head/h:meta[@http-equiv="Content-Type"]')
TITLE_XP = XPath('/h:html/h:head/h:title')
METACONT_XP = XPath('/h:html/h:head/h:meta[@content]')
METAADEPT1_XP = XPath('//h:meta[@name="Adept.resource"]')
METAADEPT2_XP = XPath('//h:meta[@name="Adept.expected.resource"]')
copyfind = None
for path in monepub.liste_fichiers :
if path.endswith(('html', 'htm')):
if not os.path.isfile(path):
job.log('Fichier non présent dans l\'epub : ' + path)
continue
data = parse_file(path)
if data is None:
job.log('\t Fichier ' + os.path.basename(path) + ' malformé, impossible à parser')
continue
try:
for elem in data.iter(tag=etree.Comment):
if elem.text:
tail = elem.tail
parent = elem.getparent()
parent.remove(elem)
parent.text = tail
for meta in METACONT_XP(data):
if (meta.get('content') != 'text/html; charset=utf-8') and (meta.get('content') != 'text/html; charset=UTF-8'):
job.logtat('suppression du meta : "' + meta.get('name') + ' : ' + meta.get('content') + '"')
meta.getparent().remove(meta)
for title in TITLE_XP(data):
title.getparent().remove(title)
for meta in METAADEPT1_XP(data):
job.logtat('suppression du meta : ' + meta.get('name'))
meta.getparent().remove(meta)
for meta in METAADEPT2_XP(data):
job.logtat('suppression du meta : ' + meta.get('name'))
meta.getparent().remove(meta)
texte = data.xpath("string()")
copyfind = re.findall('\u00A9\s*?.*?([0-9]{4})', texte)
if copyfind:
copyright = copyfind
with open(path, mode='wb',):
data.write(path, encoding='utf-8', xml_declaration=True, pretty_print=True)
except:
job.log('\t metas des html non modifiées')
continue
if path.endswith(('opf', 'ncx')):
data = parse_file(path)
if data is None:
job.log('\t Fichier ' + os.path.basename(path) + ' malformé, impossible à parser')
continue
for elem in data.iter(tag=etree.Comment):
if elem.text:
elem.getparent().remove(elem)
try:
for meta in METAADEPT1_XP(data):
meta.getparent().remove(meta)
for meta in METAADEPT2_XP(data):
meta.getparent().remove(meta)
except:
job.log('Fichier ' + path + ' non modifié')
continue
with open(path, mode='wb',):
data.write(path, encoding='utf-8', xml_declaration=True, pretty_print=True)
if copyr and copyfind:
return maj_publication(monepub, copyright)
else :
return
def modif_metas_tatoo(monepub):
# crée un nouvel identifiant uuid
monepub.uid = 'urn:uuid:' + '%s' % uuid.uuid4()
parser = etree.XMLParser(attribute_defaults=False, load_dtd=False, remove_comments=False, ns_clean=True) # , recover=True)
# traitement de toc.ncx
mytoc = os.path.normpath(monepub.chemin + '\\' + monepub.content_path + '\\' + monepub.item_toc.href)
tree = etree.parse(mytoc, parser)
# on remplace l'identifiant par le nouveau
meta_uid = XPath('//dt:meta[@name="dtb:uid"]')
for key, value in enumerate(meta_uid(tree)):
value.set('content', monepub.uid)
texte = etree.tostring(tree, encoding='utf-8', xml_declaration=True, pretty_print=True)
with open(mytoc, mode='wb') as f:
f.write(texte)
# traitement du .opf
myopf = os.path.join(monepub.chemin, monepub.opf_path)
tree = etree.parse(myopf, parser)
# on récupère l'id de l'identifiant unique
pack = XPath('//opf:package')
unique = str(pack(tree)[0].get('unique-identifier'))
# on remplace l'identifiant par le nouveau
ident = XPath('//dc:identifier[@id="{}"]'.format(unique))
if len(ident(tree)):
ident(tree)[0].text = monepub.uid
# puis on change l'id et le opf:scheme
ident(tree)[0].set('id', 'BookId')
pack(tree)[0].set('unique-identifier', 'BookId')
job.logtat('remplacement de l\'identifiant unique par : ' + monepub.uid)
ident_scheme = xpath(tree, '//dc:identifier')
for child in ident_scheme:
child.set("{http://www.idpf.org/2007/opf}scheme", 'uuid')
# on supprime les autres identifiants
autres_ident = XPath('//dc:identifier')
for id in autres_ident(tree):
if id.get('id') != 'BookId':
if (id.get('id') == 'ean') : # or (id.get('opf:scheme') in ('ISBN', 'isbn')) :
id.text = id.text[0:13]
else :
job.logtat('suppression de l\'identifiant : "' + id.text + '"')
id.getparent().remove(id)
# supprimer les dc:rights
rights = XPath('//dc:rights')
for right in rights(tree):
if right.text is not None:
job.logtat('suppression du dc:rights : "' + str(right.text) + '" ')
right.getparent().remove(right)
# supprimer les description contenant code et date de la version
desc = XPath('//dc:description')
for com in desc(tree):
if re.search('Version ([0-9]{1,6})', str(com.text)):
job.logtat('suppression de la description : "' + str(com.text) + '"')
com.text = str(com.text).replace(str(com.text), '')
# supprimer les commentaires
for elem in tree.iter(tag=etree.Comment):
if elem.text:
job.logtat('suppression des commentaires dans le opf : "' + str(elem.text) + '"')
elem.getparent().remove(elem)
# réécrire le fichier
texte = etree.tostring(tree, encoding='utf-8', xml_declaration=True, pretty_print=True)
with open(myopf, mode='wb') as f:
f.write(texte)
opf.parse_opf(myopf)
return
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
