wamblee.org Git - utils/blob - crawler/src/org/wamblee/crawler/impl/ConfigurationParser.java

   1 /*
   2  * Copyright 2005 the original author or authors.
   3  *
   4  * Licensed under the Apache License, Version 2.0 (the "License");
   5  * you may not use this file except in compliance with the License.
   6  * You may obtain a copy of the License at
   7  *
   8  *      http://www.apache.org/licenses/LICENSE-2.0
   9  *
  10  * Unless required by applicable law or agreed to in writing, software
  11  * distributed under the License is distributed on an "AS IS" BASIS,
  12  * WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
  13  * See the License for the specific language governing permissions and
  14  * limitations under the License.
  15  */
  16
  17 package org.wamblee.crawler.impl;
  18
  19 import java.io.InputStream;
  20 import java.io.PrintStream;
  21 import java.util.ArrayList;
  22 import java.util.Iterator;
  23 import java.util.List;
  24
  25 import org.apache.commons.httpclient.NameValuePair;
  26 import org.dom4j.Document;
  27 import org.dom4j.DocumentException;
  28 import org.dom4j.Element;
  29 import org.dom4j.io.SAXReader;
  30 import org.wamblee.crawler.Configuration;
  31 import org.wamblee.crawler.GetPageRequest;
  32 import org.wamblee.crawler.PageRequest;
  33 import org.wamblee.crawler.PostPageRequest;
  34
  35 /**
  36  * Parsing of the configuration from an XML file.
  37  */
  38 public class ConfigurationParser {
  39
  40     private static final String ELEM_URL = "url";
  41     private static final String ELEM_TYPE = "type";
  42     private static final String ELEM_PATTERN = "pattern";
  43     private static final String ELEM_METHOD= "method";
  44     private static final String ELEM_XSLT = "xslt";
  45     private static final String ELEM_PARAM = "param";
  46     private static final String AT_NAME = "name";
  47     private static final String AT_VALUE = "value";
  48
  49     private static final String METHOD_POST = "post";
  50     private static final String METHOD_GET = "get";
  51
  52     private PrintStream _os;
  53
  54     public ConfigurationParser(PrintStream aOs) {
  55         _os = aOs;
  56     }
  57
  58     public Configuration parse(InputStream aStream) {
  59         try {
  60             SAXReader reader = new SAXReader();
  61             Document document = reader.read(aStream);
  62
  63             Element root = document.getRootElement();
  64             List<UrlConfig> urlConfigs = parseUrlConfigs(root);
  65             List<PageTypeConfig> pageTypeConfigs = parsePageTypeConfigs(root);
  66             return new ConfigurationImpl(urlConfigs, pageTypeConfigs);
  67         } catch (DocumentException e) {
  68             throw new RuntimeException("Problem parsing config file", e);
  69         }
  70     }
  71
  72     /**
  73      * @param root
  74      * @return
  75      */
  76     private List<UrlConfig> parseUrlConfigs(Element root) {
  77         List<UrlConfig> configs = new ArrayList<UrlConfig>();
  78         for (Iterator i = root.elementIterator(ELEM_URL); i.hasNext(); ) {
  79             Element url = (Element)i.next();
  80             UrlConfig config = parseUrlConfig(url);
  81             configs.add(config);
  82         }
  83         return configs;
  84     }
  85
  86     private List<PageTypeConfig> parsePageTypeConfigs(Element root) {
  87         List<PageTypeConfig> configs = new ArrayList<PageTypeConfig>();
  88         for (Iterator i = root.elementIterator(ELEM_TYPE); i.hasNext(); ) {
  89             Element url = (Element)i.next();
  90             PageTypeConfig config = parsePageTypeConfig(url);
  91             configs.add(config);
  92         }
  93         return configs;
  94     }
  95
  96     private UrlConfig parseUrlConfig(Element aUrlElem) {
  97         String pattern = aUrlElem.elementText(ELEM_PATTERN);
  98         PageRequest request = parseRequestConfig(aUrlElem);
  99         return new UrlConfig(pattern, request);
 100     }
 101
 102     private PageTypeConfig parsePageTypeConfig(Element aTypeElem) {
 103         String pattern = aTypeElem.elementText(ELEM_PATTERN);
 104         PageRequest request = parseRequestConfig(aTypeElem);
 105         return new PageTypeConfig(pattern, request);
 106     }
 107
 108     /**
 109      * @param aUrlElem
 110      * @return
 111      */
 112     private PageRequest parseRequestConfig(Element aUrlElem) {
 113         String method = aUrlElem.elementText(ELEM_METHOD);
 114         String xslt = aUrlElem.elementText(ELEM_XSLT);
 115         List<NameValuePair> params = new ArrayList<NameValuePair>();
 116         for (Iterator i = aUrlElem.elementIterator(ELEM_PARAM); i.hasNext(); ) {
 117             Element paramElem = (Element)i.next();
 118             NameValuePair param = parseParameter(paramElem);
 119             params.add(param);
 120         }
 121
 122         NameValuePair[] paramsArray = params.toArray(new NameValuePair[0]);
 123         PageRequest request;
 124         if ( METHOD_POST.equals(method)) {
 125             request = new PostPageRequest(paramsArray, xslt, _os);
 126         }
 127         else if ( METHOD_GET.equals(method) || method == null ){
 128             request = new GetPageRequest(paramsArray, xslt, _os);
 129         } else {
 130             throw new RuntimeException("Unknown request method '" + method + "'. Only " +
 131                     METHOD_GET + " and " + METHOD_POST + " are supported");
 132         }
 133         return request;
 134     }
 135
 136     private NameValuePair parseParameter(Element aParam) {
 137         String name = aParam.attributeValue(AT_NAME);
 138         String value = aParam.attributeValue(AT_VALUE);
 139         return new NameValuePair(name, value);
 140     }
 141 }