#!/usr/bin/python -O

"""
Bloggers.it to Movable Type Converter - revisione 20080210
		(finalizzato all'importazione in Wordpress)

Homepage: http://stm.sottosuolo.org/programmazione/blogstuff/#Bloggers2MovableType
Autore: StM - http://stm.sottosuolo.org
Licenza d'uso: http://creativecommons.org/licenses/by/3.0/deed.it

* Descrizione

Script per la conversione di un set di file di export Bloggers.it in un file
di export Movable Type, utilizzabile anche per l'import di post, autori, 
categorie e commenti su Wordpress.

* Requisiti per l'esecuzione

-Una installazione/runtime di python 2.3 o superiore
-Preferibilmente assicurarsi che l'estensione del presente script sia .py

* Utilizzo e funzionamento

Lo script va invocato specificando come parametro il path della cartella in
cui si trovano i file xml del vostro backup/export da Bloggers.it, che
verranno elaborati in sequenza. L'output dell'elaborazione e' su standard
output, redirezionabile su file. Esempio di invocazione:

    $ python Bloggers2MovableType.py bloggers.it/basedati/nomeblog/archivio > mt-export.txt

L'output e' utilizzabile per l'import in Movable Type, Wordpress, e qualsiasi
altra piattaforma che legga il formato Movable Type.
"""

# ----- configurazione -----

# Se volete conservare la chiusura dei commenti per quei post per cui risulta su Bloggers.it,
# impostate questa variabile a 1. Potenzialmente MOLTI post avranno i commenti chiusi, dato
# il funzionamento di Bloggers.it, quindi lasciate pure cosi'.
importa_chiusura_commenti=0

# Se avete caricato immagini su bloggers.it, vi consiglio di caricarle in Wordpress in una sottocartella
# di /wp-content/uploads, e di compilare le due variabili seguenti perche' lo script effettui la
# sostituzione automatica delle url dalla posizione su bloggers.it a quella del nuovo blog.
# Se non intendete effettuare questa operazione, mettete "" come valore di entrambe le variabili.
url_immagini_bloggers="http://www.bloggers.it/obifrankenobi/itcommenti/"
url_immagini_destinazione="http://www.obifrankenobi.it/wp-content/uploads/imgbloggers/"

# Dovreste poter ignorare il codice da qui in poi, salvo per problemi o esigenze particolari
# di character encoding.

# ----- codifiche caratteri -----

# codifica caratteri dichiarata nel file xml di export (vedere prima riga, in genere UTF-8)
declared_charset_encoding="UTF-8"
# codifica caratteri presumibilmente REALE di alcuni file xml di export (per archivi vecchi)
real_charset_encoding="ISO-8859-1"
# codifica caratteri desiderata per il file di output. UTF-8 e' il default per Wordpress,
# ed e' consigliato.
wanted_charset_encoding="UTF-8"

# Da qui in poi non dovrebbbe essere necessario il vostro intervento

# ----- dichiarazioni xml, principale e di fallback -----

xmlencoding='<?xml version="1.0" encoding="' + declared_charset_encoding + '"?>'
xmlencoding2='<?xml version="1.0" encoding="' + real_charset_encoding + '"?>'

# ----- import python -----

from xml.dom import minidom
from os import listdir
import sys
import xml
import codecs

# Definizione del charset encoding di output

sys.stdout = codecs.EncodedFile(sys.stdout, real_charset_encoding, wanted_charset_encoding)

# ----- funzioni -----

def get_child_value(node, tag):
	els=node.getElementsByTagName(tag)
	if els and els.item(0).firstChild:
		return els.item(0).firstChild.nodeValue.encode(real_charset_encoding)
	else:
		return ""

def converti_data(dataGGMMAAAA):
	return dataGGMMAAAA[3:6] + dataGGMMAAAA[0:2] + dataGGMMAAAA [5:]

# Verifica che sia stata passata come parametro la cartella dell'archivio

if len(sys.argv) != 2:
	print "Uso: " + sys.argv[0] + " [path_cartella_archivio] > mt-export.txt"
	sys.exit(1)

archive_folder=sys.argv[1]

# Scorre i file nella cartella contenente i file dell'archivio

for xmlfile in listdir(archive_folder):
	
	if not (xmlfile.upper().endswith("XML")):
		continue
	
	xmlfile = archive_folder + "/" + xmlfile

	xmldoc=None
	
	try:
		# Caso 1: la dichiarazione xml del file e' corretta e il parsing avviene normalmente
		xmldoc=minidom.parse(xmlfile)
	except xml.parsers.expat.ExpatError:
		# Caso 2: il parsing del file xml fallisce, si usa una codifica di fallback
		xmlstring=""
		f=open(xmlfile)
		try:
			cnt=0
			for line in f:
				if cnt == 0:
					# Rimpiazzo la dichiarazione xml alla prima riga
					line=line.replace(xmlencoding, xmlencoding2)
				xmlstring+=line
				cnt+=1
		finally:
			f.close()
		xmldoc=minidom.parseString(xmlstring)
	
	# Ottengo e scorro la Nodelist dei post
	posts=xmldoc.getElementsByTagName("content")
	
	for i in xrange(0, posts.length):
		p=posts.item(i)
		title=get_child_value(p, "title")
		author=get_child_value(p, "Autore")
	
		date=converti_data(get_child_value(p, "day")) + ' ' + get_child_value(p, "time") + ':00'
		
		primary_category=get_child_value(p, "Forum")
		
		# Se il post risulta protetto, lo importo come bozza (non esiste altro modo per distinguerlo)
		status=None
		if get_child_value(p, "Protetto") == "true":
			status="draft"
		else:
			status="publish"
		
		allow_comments='1'
		if importa_chiusura_commenti==1 and (get_child_value(p, "Commenti") != "true"):
			allow_comments='0'
		
		# elaborazione body
		body=get_child_value(p, "body")
		body=body.replace(url_immagini_bloggers, url_immagini_destinazione)
		
		# inizio post
		
		print "TITLE: " + title
		print "AUTHOR: " + author
		print "DATE: " + date
		print "PRIMARY CATEGORY: " + primary_category
		print "STATUS: " + status
		print "ALLOW COMMENTS: " + allow_comments
		print "-----"
		print "BODY:"
		print body
		print "-----"
		
		# commenti
		
		comments=p.getElementsByTagName("comments").item(0).getElementsByTagName("element")
		
		for j in xrange(0, comments.length):
			c=comments.item(j)
			comment_author=get_child_value(c, "Autore")
			comment_url=get_child_value(c, "urlblog")
			comment_date=converti_data(get_child_value(c, "day")) + ' ' + get_child_value(c, "time") + ':00'
			comment_body=get_child_value(c, "body")
			
			print "COMMENT:"
			print "AUTHOR: " + comment_author
			print "URL: " + comment_url
			print "DATE: " + comment_date
			print comment_body
			
			print "-----"
			
		# fine post
		print "--------"