Now crawling in desktop mode should work. It is much more efficient
[utils] / crawler / basic / src / org / wamblee / crawler / impl / ConfigurationParser.java
index 89e815c8c943375165d9a9c83a7b015ae0667139..e88f4007a1dbe8d5b0c38e6b93ae816a482fbfb8 100644 (file)
@@ -17,7 +17,6 @@
 package org.wamblee.crawler.impl;
 
 import java.io.InputStream;
-import java.io.PrintStream;
 import java.util.ArrayList;
 import java.util.Iterator;
 import java.util.List;
@@ -31,38 +30,61 @@ import org.wamblee.crawler.Configuration;
 import org.wamblee.crawler.GetPageRequest;
 import org.wamblee.crawler.PageRequest;
 import org.wamblee.crawler.PostPageRequest;
+import org.wamblee.xml.XslTransformer;
 
 /**
  * Parsing of the configuration from an XML file.
  */
 public class ConfigurationParser {
-    
-    private static final String ELEM_URL = "url"; 
+
+    private static final String ELEM_URL = "url";
+
     private static final String ELEM_TYPE = "type";
-    private static final String ELEM_PATTERN = "pattern"; 
-    private static final String ELEM_METHOD= "method"; 
-    private static final String ELEM_XSLT = "xslt"; 
-    private static final String ELEM_PARAM = "param"; 
+
+    private static final String ELEM_PATTERN = "pattern";
+
+    private static final String ELEM_METHOD = "method";
+
+    private static final String ELEM_XSLT = "xslt";
+
+    private static final String ELEM_PARAM = "param";
+    
+    private static final String ELEM_HEADER = "header";
+
     private static final String AT_NAME = "name";
+
     private static final String AT_VALUE = "value";
-    
+
     private static final String METHOD_POST = "post";
+
     private static final String METHOD_GET = "get";
+
+    private static final int MAX_TRIES = 3;
+
+    private static final int MAX_DELAY = 10000;
     
-    private PrintStream _os; 
-    
-    public ConfigurationParser(PrintStream aOs) {
-        _os = aOs;
+    private XslTransformer _transformer;
+
+    /**
+     * Constructs the configuration parser. 
+     */
+    public ConfigurationParser(XslTransformer aTransformer) {
+        _transformer = aTransformer; 
     }
 
+    /**
+     * Parses the configuration from an input stream.
+     * @param aStream Input file. 
+     * @return Configuration. 
+     */
     public Configuration parse(InputStream aStream) {
         try {
             SAXReader reader = new SAXReader();
             Document document = reader.read(aStream);
-            
-            Element root = document.getRootElement(); 
+
+            Element root = document.getRootElement();
             List<UrlConfig> urlConfigs = parseUrlConfigs(root);
-            List<PageTypeConfig> pageTypeConfigs = parsePageTypeConfigs(root); 
+            List<PageTypeConfig> pageTypeConfigs = parsePageTypeConfigs(root);
             return new ConfigurationImpl(urlConfigs, pageTypeConfigs);
         } catch (DocumentException e) {
             throw new RuntimeException("Problem parsing config file", e);
@@ -70,70 +92,105 @@ public class ConfigurationParser {
     }
 
     /**
-     * @param root
-     * @return
+     * Parses the URL-based configuration. 
+     * @param aRoot Root of the configuration file document. 
+     * @return List of URL-based configurations. 
      */
-    private List<UrlConfig> parseUrlConfigs(Element root) {
+    private List<UrlConfig> parseUrlConfigs(Element aRoot) {
         List<UrlConfig> configs = new ArrayList<UrlConfig>();
-        for (Iterator i = root.elementIterator(ELEM_URL); i.hasNext(); ) { 
-            Element url = (Element)i.next();
+        for (Iterator i = aRoot.elementIterator(ELEM_URL); i.hasNext();) {
+            Element url = (Element) i.next();
             UrlConfig config = parseUrlConfig(url);
             configs.add(config);
         }
         return configs;
     }
-    
-    private List<PageTypeConfig> parsePageTypeConfigs(Element root) {
+
+    /**
+     * Parses the page type based configurations. 
+     * @param aRoot Root of the configuration file document. 
+     * @return LIst of page type based configurations. 
+     */
+    private List<PageTypeConfig> parsePageTypeConfigs(Element aRoot) {
         List<PageTypeConfig> configs = new ArrayList<PageTypeConfig>();
-        for (Iterator i = root.elementIterator(ELEM_TYPE); i.hasNext(); ) { 
-            Element url = (Element)i.next();
+        for (Iterator i = aRoot.elementIterator(ELEM_TYPE); i.hasNext();) {
+            Element url = (Element) i.next();
             PageTypeConfig config = parsePageTypeConfig(url);
             configs.add(config);
         }
         return configs;
     }
-    
-    private UrlConfig parseUrlConfig(Element aUrlElem) { 
+
+    /**
+     * Parses a URL-based configuration. 
+     * @param aUrlElem Configuration element. 
+     * @return Configuration. 
+     */
+    private UrlConfig parseUrlConfig(Element aUrlElem) {
         String pattern = aUrlElem.elementText(ELEM_PATTERN);
         PageRequest request = parseRequestConfig(aUrlElem);
         return new UrlConfig(pattern, request);
     }
-    
-    private PageTypeConfig parsePageTypeConfig(Element aTypeElem) { 
+
+    /**
+     * Parses a page type based configuration. 
+     * @param aTypeElem Configuration element. 
+     * @return Configuration. 
+     */
+    private PageTypeConfig parsePageTypeConfig(Element aTypeElem) {
         String pattern = aTypeElem.elementText(ELEM_PATTERN);
         PageRequest request = parseRequestConfig(aTypeElem);
         return new PageTypeConfig(pattern, request);
     }
 
     /**
-     * @param aUrlElem
-     * @return
+     * Parses a request configuration describing how to execute requests. 
+     * @param aElem Configuration element. 
+     * @return Page request. 
      */
-    private PageRequest parseRequestConfig(Element aUrlElem) {
-        String method = aUrlElem.elementText(ELEM_METHOD); 
-        String xslt = aUrlElem.elementText(ELEM_XSLT);
-        List<NameValuePair> params = new ArrayList<NameValuePair>();
-        for (Iterator i = aUrlElem.elementIterator(ELEM_PARAM); i.hasNext(); ) { 
-            Element paramElem = (Element)i.next();
-            NameValuePair param = parseParameter(paramElem);
-            params.add(param);
-        }
-    
+    private PageRequest parseRequestConfig(Element aElem) {
+        String method = aElem.elementText(ELEM_METHOD);
+        String xslt = aElem.elementText(ELEM_XSLT);
+        List<NameValuePair> params = parseNameValuePairs(aElem, ELEM_PARAM); 
+        List<NameValuePair> headers = parseNameValuePairs(aElem, ELEM_HEADER);
+        
         NameValuePair[] paramsArray = params.toArray(new NameValuePair[0]);
-        PageRequest request; 
-        if ( METHOD_POST.equals(method)) { 
-            request = new PostPageRequest(paramsArray, xslt, _os);
-        }
-        else if ( METHOD_GET.equals(method) || method == null ){
-            request = new GetPageRequest(paramsArray, xslt, _os);
-        } else { 
-            throw new RuntimeException("Unknown request method '" + method + "'. Only " + 
-                    METHOD_GET + " and " + METHOD_POST + " are supported");
+        NameValuePair[] headersArray = headers.toArray(new NameValuePair[0]);
+        PageRequest request;
+        if (METHOD_POST.equals(method)) {
+            request = new PostPageRequest(MAX_TRIES, MAX_DELAY, paramsArray, headersArray,
+                    xslt, _transformer);
+        } else if (METHOD_GET.equals(method) || method == null) {
+            request = new GetPageRequest(MAX_TRIES, MAX_DELAY, paramsArray, headersArray,
+                    xslt, _transformer);
+        } else {
+            throw new RuntimeException("Unknown request method '" + method
+                    + "'. Only " + METHOD_GET + " and " + METHOD_POST
+                    + " are supported");
         }
         return request;
     }
-    
-    private NameValuePair parseParameter(Element aParam) { 
+
+    /**
+     * @param aElem
+     * @return
+     */
+    private List<NameValuePair> parseNameValuePairs(Element aElem, String aElemName) {
+        List<NameValuePair> headers = new ArrayList<NameValuePair>();
+        for (Iterator i = aElem.elementIterator(aElemName); i.hasNext();) {
+            Element paramElem = (Element) i.next();
+            NameValuePair header = parseParameter(paramElem);
+            headers.add(header);
+        }
+        return headers;
+    }
+
+    /**
+     * Parses a parameter definition. 
+     * @param aParam Parameter. 
+     * @return Name value pair describing a parameter. 
+     */
+    private NameValuePair parseParameter(Element aParam) {
         String name = aParam.attributeValue(AT_NAME);
         String value = aParam.attributeValue(AT_VALUE);
         return new NameValuePair(name, value);