avbotanalysis.py

# -*- coding: utf-8 -*-

# AVBOT - Anti-vandalism bot for MediaWiki wikis
# Copyright (C) 2008-2016 emijrp <emijrp@gmail.com>
# This program is free software: you can redistribute it and/or modify
# it under the terms of the GNU General Public License as published by
# the Free Software Foundation, either version 3 of the License, or
# (at your option) any later version.
# 
# This program is distributed in the hope that it will be useful,
# but WITHOUT ANY WARRANTY; without even the implied warranty of
# MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the
# GNU General Public License for more details.
# 
# You should have received a copy of the GNU General Public License
# along with this program.  If not, see <http://www.gnu.org/licenses/>.

## @package avbotanalysis
# Module for detect vandalisms, blanking, testing edits, new pages analysis\n
# Módulo para detectar vandalismos, blanqueos, ediciones de prueba, y analizar páginas nuevas

import re
import datetime
import random
import time
import threading

""" pywikipediabot modules """
import wikipedia

""" AVBOT modules """
import avbotglobals
import avbotload
import avbotsave
import avbotmsg
import avbotcomb

class Diegus(threading.Thread):
    def __init__(self, page, fun, oldid, diff, revcount):
        threading.Thread.__init__(self)
        self.page=page
        self.fun=fun
        self.oldid=oldid
        self.diff=diff
        self.revcount=revcount
        self.oldText=""
        self.newText=""
        self.pageHistory=[]
        self.HTMLdiff=""
        
    def run(self):
        #print self.page.title(), self.fun
        if self.fun=='getOldVersionOldid':
            self.oldText = self.page.getOldVersion(self.oldid, get_redirect=True) #cogemos redirect si se tercia, y ya filtramos luego
            #print 'oldText', self.value, len(self.oldText)
        elif self.fun=='getOldVersionDiff':
            self.newText = self.page.getOldVersion(self.diff, get_redirect=True) #cogemos redirect si se tercia, y ya filtramos luego
            #print 'newText', self.value, len(self.newText)
        elif self.fun=='getVersionHistory':
            self.pageHistory = self.page.getVersionHistory(revCount=self.revcount)
        elif self.fun=='getUrl':
            self.HTMLDiff = avbotglobals.preferences['site'].getUrl('/w/index.php?diff=%s&oldid=%s&diffonly=1' % (self.diff, self.oldid))
    
    def getOldText(self):
        return self.oldText
    
    def getNewText(self):
        return self.newText
        
    def getPageHistory(self):
        return self.pageHistory
    
    def getHTMLDiff(self):
        return self.HTMLDiff
    

def haveIRevertedThisVandalism(wtitle, diff):
    """ Verifica que ha sido este bot el que ha revertido el vandalismo """
    """ Check if this bot has reverted this vandalism """
    vandalisedPage=wikipedia.Page(avbotglobals.preferences['site'], wtitle)
    vandalisedPageHistory=vandalisedPage.getVersionHistory(forceReload=True, revCount=avbotglobals.preferences['historyLength']) #con 10 creo que es suficiente, no van a haber editado tanto desde que se revirtió
    print vandalisedPageHistory
    try: #fix mirar porque falla y no sale la más nueva (hacer mi propio gethistory a ver si no falla?)
        c=0
        while vandalisedPageHistory[c][0]!=diff and c<len(vandalisedPageHistory):
            c+=1
        if c>0 and vandalisedPageHistory[c-1][2]==avbotglobals.preferences['botNick']:
            return True
        else:
            """if vandalisedPageHistory[c][0]==diff:
                print '-'*75
                print "Lag?"
                print '-'*75
                print vandalisedPageHistory
                print '-'*75"""
            return False
    except:
        False

def sameOldid(editData):
    """ Are both the same oldid? """
    """ ¿Es el mismo oldid? """
    print editData['pageTitle'], '   oldid=', editData['oldid'], '    stableid=', editData['stableid']
    if editData['oldid']!=editData['stableid']:
        print 222
        editData['stableText']=editData['page'].getOldVersion(editData['stableid']) #costoso? pero no queda otra
    else:
        #editData['stableText']=editData['oldText'] #no sé porqué pero a veces oldtext almacena el primer vandalismo de una serie de vandalismos en cascada http://es.wikipedia.org/w/index.php?title=Dedo&offset=20090507213843&limit=10&action=history #fix fallaba esto realmente?
        print 333
        t1=time.time()
        editData['stableText']=editData['page'].getOldVersion(editData['stableid']) #costoso?
        print 4, editData['pageTitle'], time.time()-t1
    return editData

def isSameVandalism(regexlistold, regexlistnew):
    """ Is same vandalism? """
    """ ¿Se trata del mismo vandalismo? """
    
    if len(regexlistold)!=len(regexlistnew):
        return False
    else:
        for r in regexlistold:
            if regexlistold.count(r)!=regexlistnew.count(r):
                return False
    return True

def updateStats(type):
    """ Incrementa variables de estadísticas """
    """ Increase stats variables """
    
    avbotglobals.statsDic[2][type]+=1
    avbotglobals.statsDic[12][type]+=1
    avbotglobals.statsDic[24][type]+=1

def watch(editData):
    """ ¿Debe ser analizada esta página? """
    """ Check if it may watch and analysis edit in editData """

    author=re.sub('_', ' ', editData['author'])
    pageTitle=re.sub('_', ' ', editData['pageTitle'])
    #cosas que no aparezcan en la lista de exclusiones pueden verse filtradas por este if, explicarlo en algún sitio? #fix
    if (editData['namespace'] in [0, 4, 10, 12, 14, 100, 102, 104] or (editData['namespace']==2 and not re.search(avbotglobals.parserRegexps['watch-1'], editData['pageTitle']) and not re.search(ur'(?i)%s' % author, pageTitle))): #este re.search no es costoso
        if editData['userClass']=='anon' or (editData['userClass']=='reg' and avbotglobals.userData['edits'][editData['author']]<=avbotglobals.preferences['newbie']):
            return True
    return False

def isRubbish(editData):
    """ Analiza si se trata de un artículo nuevo inservible """
    """ Check if the new article is useless """
    
    destruir=False
    motive=u'Otros'
    score=0
    
    if avbotglobals.preferences['language']=='es':
        if editData['userClass']=='anon' or (editData['userClass']=='reg' and avbotglobals.userData['edits'][editData['author']]<=avbotglobals.preferences['newbie']):#repetido ? #fix
            if (editData['namespace']==0) and not editData['page'].isRedirectPage() and not editData['page'].isDisambig():
                if not re.search(avbotglobals.parserRegexps['isrubbish-tl-red'], editData['newText']):
                    for k, v in avbotglobals.vandalRegexps.items():
                        m=v['compiled'].finditer(editData['newText'])
                        for i in m:
                            score+=v['score']
                    
                    if score<0 and ((score>-5 and len(editData['newText'])<score*-150) or score<-4): #igualar a  densidad de isVandalism()? #fix
                        destruir=True
                        motive=u'Vandalismo'
                    if len(editData['newText'])<=75 and not destruir:
                        if not re.search(avbotglobals.parserRegexps['isrubbish-link'], editData['newText']):
                            destruir=True
                            motive=u'Demasiado corto'
            if destruir:
                updateStats('d')
                if not avbotglobals.preferences['nosave']:
                    if editData['page'].exists():
                        editData['page'].put(u'{{RobotDestruir|%s|%s}}\n%s' % (editData['author'], motive, editData['newText']), u'Marcando para destruir. Motivo: %s. Página creada por [[User:%s|%s]] ([[User talk:%s|disc]] · [[Special:Contributions/%s|cont]])' % (motive, editData['author'], editData['author'], editData['author'], editData['author']))
                    else:
                        wikipedia.output(u'[[%s]] has been deleted' % editData['pageTitle'])
                        return False, '' #Exit
                return True, motive
    return False, ''

def improveNewArticle(editData):
    """ Intenta mejorar el artículo según unos consejos básicos del manual de estilo """
    """ Make some changes in the new article to improve it """
    
    if avbotglobals.preferences['language']=='es':
        newText=editData['page'].get()
        if (editData['namespace']==0) and not editData['page'].isRedirectPage() and not editData['page'].isDisambig():
            if not re.search(ur'(?i)\{\{ *(destruir|plagio|copyvio)|redirect', newText): #descarta demasiado? destruir|plagio|copyvio
                if len(newText)>=500:
                    resumen=u''
                    newnewText=u''
                    if not editData['page'].interwiki():
                        try:
                            [newnewText, resumen]=avbotcomb.magicInterwiki(editData['page'], resumen, 'en')
                        except:
                            pass
                    [newnewText, resumen]=avbotcomb.vtee(newnewText, resumen)
                    if len(newnewText)>len(newText):
                        if not avbotglobals.preferences['nosave']:
                            editData['page'].put(newnewText, u'BOT - Aplicando %s... al artículo recién creado' % resumen)
                        return True, resumen
    return False, u''

def revertAllEditsByUser(editData, userClass, regexplist):
    """ Revierte todas las ediciones de un usuario en un mismo artículo """
    """ Revert all edits in a same article by a same author """
    
    #Add to vandalism control log, meter donde ompruebo si he revertido yo el vandalismo?
    if avbotglobals.vandalControl.has_key(editData['author']):
        avbotglobals.vandalControl[editData['author']][editData['diff']]=[editData['pageTitle'], editData['score'], regexplist]
    else:
        avbotglobals.vandalControl[editData['author']]={'avisos': 0, editData['diff']: [editData['pageTitle'], editData['score'], regexplist]}
    
    if editData['type']=='bl': #malditos blanqueos #fix http://es.wikipedia.org/w/index.php?title=Saneamiento_ambiental&action=history
        return False, editData
    
    c=0
    for i in editData['pageHistory']:
        if i[2]!=editData['author']: 
            if i[2]==avbotglobals.preferences['botNick']:#evitar que el bot entre en guerras de ediciones, ni aunque la puntuacion sea muy baja, CUIDADO CON LOS CLONES!!!
                """debido a las guerras de ediciones entre los bots y los supuestos vandalos
                dejo que revierta solo 1 vez cada 24 horas"""
                break #buscar en la lista de bots y mirar si hace 24 horas #fix
                """
                #excepto si es un blanqueo distinto del anterior
                #http://es.wikipedia.org/wiki/Especial:Contribuciones/90.39.120.216
                #http://es.wikipedia.org/wiki/Especial:Contribuciones/85.53.17.213
                if editData['type']=='bl':
                    #para blanqueos no comprobamos si tiene la misma lista de regexp (regexplist) que el anterior blanqueo, sino cual fue la logintud que tenia el texto final del blanqueo anterior
                    if len(editData['pageHistory'])-1>=c+1:
                        if avbotglobals.vandalControl[editData['author']].has_key(editData['pageHistory'][c+1][0]):
                            if avbotglobals.vandalControl[editData['author']][editData['pageHistory'][c+1][0]][1]==editData['score']: #pageHistory[c+1][0] es la id de la edicion anterior a i[0]
                                #evitamos revertir dos veces el mismo blanqueo, misma puntuacion
                                break
                #excepto si es un vandalismo con otras palabras
                elif editData['type']=='v' or editData['type']=='t' or editData['type']=='nn': #hace falta añadir las que no son BL para descartar C o entrará algún C alguna vez?
                    regexplist=avbotglobals.vandalControl[editData['author']][editData['diff']][2]
                    if len(editData['pageHistory'])-1>=c+1:
                        if avbotglobals.vandalControl[editData['author']].has_key(editData['pageHistory'][c+1][0]):
                            if isSameVandalism(avbotglobals.vandalControl[editData['author']][editData['pageHistory'][c+1][0]][2], regexplist): #pageHistory[c+1][0] es la id de la edicion anterior a i[0]
                                #evitamos revertir dos veces el mismo vandalismo, misma puntuacion, ¿excepto si es muy baja?
                                break
                elif editData['type']=='g': # if the sum is good, break and do not revert (a bit redundant, due to score will not be negative and not enter in this fun)
                    break"""
            
            editData['stableid']=i[0]
            editData['stableAuthor']=i[2]
            editData=sameOldid(editData)
            
            #Restore previous version of the page
            t1=time.time()
            if not avbotglobals.preferences['nosave']:
                if len(editData['pageHistory'])<avbotglobals.preferences['historyLength']: #es nueva? comprobamos antes de revertir, no vayamos a recrearla...
                    if not editData['page'].exists():
                        wikipedia.output(u'[[%s]] has been deleted' % editData['pageTitle'])
                        return False, editData #Exit
                print "----> pageTitle", editData['pageTitle']
                print "----> obj page", editData['page'].title()
                editData['page']=wikipedia.Page(avbotglobals.preferences['site'], editData['pageTitle']) #por algún motivo pierde la "sesión" porqué? #fix 
                editData['page'].put(editData['stableText'], avbotcomb.resumeTranslator(editData), botflag=False, maxTries=1) #¡¡¡MANTENER BOTFLAG=FALSE!!! POR DEFECTO EN LA FUNCIÓN PUT DE WIKIPEDIA.PY ES TRUE, botflag=False, maxTries=1, 1 sólo intento y descartar, sin flag
            print 'put', time.time()-t1, editData['pageTitle']
            #wii=wikipedia.Page(wikipedia.Site('es', 'wikipedia'), u"User:AVBOT/Sandbox")
            #wii.put(editData['stableText'], "test", botflag=False, maxTries=1)
            
            #Ha revertido el bot u otro usuario?
            #esperamos un tiempo aleatorio para evitar lag, conflictos de edición...
            time.sleep(random.randint(5,10))
            if haveIRevertedThisVandalism(editData['pageTitle'], editData['diff']):
                updateStats(editData['type'])
            
                #Send message to user
                avbotglobals.vandalControl[editData['author']]['avisos']+=1
                if not avbotglobals.preferences['nosave'] and avbotglobals.vandalControl[editData['author']]['avisos']<=3:
                    avbotmsg.sendMessage(editData['author'], editData['pageTitle'], editData['diff'], avbotglobals.vandalControl[editData['author']]['avisos'], editData['type'])
                
                #Save log for depuration purposes
                log=open('%s/%s.txt' % (avbotglobals.preferences['logsDirectory'], datetime.date.today()), 'a')
                logentry=u'\n%s\nPage: [[%s]]\nDate: %s\nPoints: %d\nRegular expressions:\n%s\n%s' % ('-'*100, editData['pageTitle'], datetime.datetime.today(), editData['score'], editData['details'], '-'*100)
                log.write(logentry.encode('utf-8'))
                log.close()
                
                #Send message to admins board
                if not avbotglobals.preferences['nosave']:
                    blockedInEnglishWikipedia=avbotcomb.checkBlockInEnglishWikipedia(editData)
                    if len(avbotglobals.vandalControl[editData['author']].items())==4 or blockedInEnglishWikipedia[1]: #al tercer aviso o cuando es proxy
                        #Not send the message if vandals have been reported before
                        avbotmsg.msgVandalismoEnCurso(avbotglobals.vandalControl[editData['author']], editData['author'], userClass, blockedInEnglishWikipedia)
                
            #Trial run?
            if avbotglobals.preferences['trial']:
                type=editData['type']
                msg=u"* %s: Possible [{{SERVER}}/w/index.php?diff=%s&oldid=%s %s] in [[%s]] by [[Special:Contributions/%s|%s]], reverting to [{{SERVER}}/w/index.php?oldid=%s %s] edit by [[User:%s|%s]]" % (datetime.datetime.now(), editData['diff'], editData['stableid'], avbotglobals.preferences['msg'][type]['meaning'], editData['pageTitle'], editData['author'], editData['author'], editData['stableid'], editData['stableid'], editData['stableAuthor'], editData['stableAuthor'])
                wiii=wikipedia.Page(avbotglobals.preferences['site'], u"User:%s/Trial" % (avbotglobals.preferences['botNick']), botflag=False, maxTries=1)
                wiii.put(u"%s\n%s" % (msg, wiii.get()), avbotcomb.resumeTranslator(editData))
            
            return True, editData
        c+=1
    return False, editData

def mustBeReverted(editData, cleandata, userClass):
    """ ¿Debe ser revertida la edición? ¿Es vandalismo, prueba de edición o blanqueo? """
    """ Checks if an edit is a vandalism, test or blanking edit """
    
    editData['score']=0
    #fix poner editData['type']='g' ?
    regexplist=[]
    reverted=False

    #antiguerra de ediciones bot vs. posible vandalo
    if len(editData['pageHistory'])>=3: #si tiene al menos 3 ediciones el articulo
        if editData['pageHistory'][0][2] == editData['author'] and \
           editData['pageHistory'][2][2] == editData['author'] and \
           editData['pageHistory'][1][2] != editData['author']:
        # si la última edición y la antepenúltima son del mismo autor, y la de en medio no
        # pepe (wtext=x)
        # otro (wtext=y)
        # pepe (wtext=x)
        # y tienen el mismo texto, es que pepe ha revertido a su edición
        # evitamos entrar en la guerra
        # comprobamos también antes de la antepenúltima para más aseguridad??? #fix
           if editData['page'].getOldVersion(editData['pageHistory'][0][0]) == editData['page'].getOldVersion(editData['pageHistory'][2][0]):
               wikipedia.output(u"Evitamos entrar en guerra de ediciones en [[%s]]" % editData['pageTitle'])
               return reverted, editData
    
    #inclusión de líneas cortas al final detrás de los iws http://es.wikipedia.org/w/index.php?title=La_vida_es_sue%C3%B1o&diff=35775982&oldid=35775819
    #al principio también http://es.wikipedia.org/w/index.php?title=Ingenier%C3%ADa_biom%C3%A9dica&diff=prev&oldid=35776392
    #junto a los interwikis [[es:Blabla]]isdfjisf sfdsf sdf
    #cuidado? los interwikis también los tocan IPs de otras wikis?
    #también entre párrafos o más propenso a falsos positivos? http://es.wikipedia.org/w/index.php?title=Termas_de_Caracalla&diff=prev&oldid=35776174
    oldTextSplit=editData['oldText'].splitlines()
    newTextSplit=editData['newText'].splitlines()
    if len(oldTextSplit)>10 and len(newTextSplit)>len(oldTextSplit): #que antes tuviera al menos 10 para evitar esbozos, redirecciones, desamb, ... propenso a errores
        equal=True
        c=0
        for line in oldTextSplit:
            if line!=newTextSplit[c]:
                equal=False
                break
            c+=1
        if equal:
            clines=len(newTextSplit)-len(oldTextSplit)
            cchars=0
            footerrubbish=True #hay ips que insertan iws o categorías (usuarios de otras wikis), cuidado con esto
            while c<len(newTextSplit):#recorremos las líneas nuevas y acumulamos cuantos caracteres ha insertado
                if re.search(avbotglobals.parserRegexps['footerallowed'], newTextSplit[c]):
                    footerrubbish=False
                    break
                cchars+=len(newTextSplit[c])
                c+=1
            #calculamos densidad
            #teniendo en cuenta que puede meter líneas en blanco http://es.wikipedia.org/w/index.php?title=La_vida_es_sue%C3%B1o&diff=35775982&oldid=35775819
            if footerrubbish and cchars/clines<40:
                editData['type']='t'
                editData['score']=-1 #poner algo proporcional como en los blanqueos?
                editData['details']=u"" #no olvidar
                return revertAllEditsByUser(editData, userClass, regexplist) #Revert
        
   
    
    #Interwiki and categories blanking. Example: http://es.wikipedia.org/w/index.php?title=Reciclaje&diff=34127808&oldid=34116543
    oldCategoriesNumber=len(re.findall(avbotglobals.parserRegexps['categories'], editData['oldText']))
    newCategoriesNumber=len(re.findall(avbotglobals.parserRegexps['categories'], editData['newText']))
    oldInterwikisNumber=len(re.findall(avbotglobals.parserRegexps['interwikis'], editData['oldText']))
    newInterwikisNumber=len(re.findall(avbotglobals.parserRegexps['interwikis'], editData['newText']))
    
    if oldInterwikisNumber>=10 and newInterwikisNumber<=oldInterwikisNumber/2 and not re.search(avbotglobals.parserRegexps['blanqueos'], editData['newText']): #10 es un número conservador?
        editData['type']='bl'
        editData['score']=-(editData['lenNew']+1) #la puntuacion de los blanqueos es la nueva longitud + 1, negada, para evitar el -0
        editData['details']=u''
        
        return revertAllEditsByUser(editData, userClass, regexplist) #Revert
    
    #Vandalism or test edit?
    regexplist=[]
    editData['type']='' #dummie, contrapeso
    priority=99999999
    for type, msgprop in avbotglobals.preferences['msg'].items():
        if msgprop['priority']<priority:
            editData['type']=type
            priority=msgprop['priority']
    editData['details']=u''
    
    for k, v in avbotglobals.vandalRegexps.items(): #fix mirar si en la revisión anterior ya había tales palabras malsonantes? (evitamos que un copia/pega desplazado se considere como texto nuevo) no contar las positivas de la anterior
        m=v['compiled'].finditer(cleandata)
        added=False #Avoid duplicate entries in the log
        for i in m:
            if avbotglobals.preferences['msg'][v['type']]['priority']>avbotglobals.preferences['msg'][editData['type']]['priority']:
                #vandalism > test > contrapeso
                editData['type']=v['type']
            editData['score']+=v['score']
            regexplist.append(k)
            if not added:
                editData['details']+=u'%s\n' % (k)
                added=True
    
    threshold=-4 #lower points, automatically reverted
    density=150 #negative points allowed per length string
    if editData['score']<0 and ((editData['score']>=threshold and len(cleandata)<abs(editData['score']*density)) or editData['score']<threshold): 
        if avbotglobals.preferences['testmode']:
            return True, editData
        else:
            return revertAllEditsByUser(editData, userClass, regexplist) #Revert
    
    #Anti-birthday
    if re.search(avbotglobals.parserRegexps['anti-birthday-es'], editData['pageTitle']):
        if editData['namespace']==0:
            regexplist=[] # ¿Si la enviamos vacía al revertalledits funciona? o depende del editData['type']?
            enlaceexiste=False
            anyoactual=int(datetime.date.today().year)
            sections=editData['newText'].split("==")
            births=""
            deaths=""
            c=0
            for section in sections:
                if re.sub(ur"[ =]", ur"", section).lower()=="nacimientos" and len(sections)>c+1:
                    births=sections[c+1]
                if re.sub(ur"[ =]", ur"", section).lower()=="fallecimientos" and len(sections)>c+1:
                    deaths=sections[c+1]
                c+=1
            
            if births:
                m=re.compile(ur'(?i)\* *\[?\[?(?P<year>\d{4})\]?\]? *?[\:\-] *?[^\[]*?\[\[(?P<enlace>[^\|\]]+?)(\|[^\]]*?)?\]\]').finditer(cleandata)
                for i in m: #controlar si se ha metido mas de un cumpleaños?
                    anyo=int(i.group("year"))
                    enlace=i.group("enlace")
                    wikipedia.output(u'---Efeméride rara en [[%s]]--->[[%s]] - [[%s]]' % (editData['pageTitle'], anyo, enlace))
                    wii={} #por si quisieramos comprobar en otras wikis
                    wii['es']=wikipedia.Page(avbotglobals.preferences['site'], u'%s' % enlace)
                    try:
                        if wii['es'].exists():
                            enlaceexiste=True
                    except:
                        pass
                
                    if enlaceexiste:
                        wikipedia.output(u"El artículo al que apunta la efeméride sí existe  : )")
                    else:
                        anyoenlacecompiled=re.compile(ur'(?i)%d.*%s' % (anyo, enlace))
                        if anyo>anyoactual: #poner anyos futuros en los acontecimientos es posible, pero no en births o deaths
                            if re.search(anyoenlacecompiled, births) or re.search(anyoenlacecompiled, deaths): 
                                editData['type']='nn'
                                return revertAllEditsByUser(editData, userClass, regexplist) #Revert
                                motivo=u'Fecha imposible (Año %d)' % anyo
                                wikipedia.output(motivo)
                
                        elif re.search(anyoenlacecompiled, births):
                            if anyo>=anyoactual-20:
                                #que chico mas precoz, comprobemos su relevancia
                                wii['en']=wikipedia.Page(wikipedia.Site('en', 'wikipedia'), enlace)
                                #wii['de']=wikipedia.Page(wikipedia.Site('de', 'wikipedia'), enlace)
                                #wii['fr']=wikipedia.Page(wikipedia.Site('fr', 'wikipedia'), enlace)
                                
                                #la inglesa da error a veces, gestionamos la excepcion
                                try:
                                    if not wii['en'].exists():
                                        editData['type']='nn'
                                        return revertAllEditsByUser(editData, userClass, regexplist) #Revert
                                        motivo=u'Posible efeméride irrelevante, no existe en la inglesa'
                                        wikipedia.output(motivo)
                                except:
                                    pass
    
    return reverted, editData

def newArticleAnalysis(editData):
    """ Análisis de artículos nuevos """
    """ New articles analysis """
    if editData['page'].exists():
        editData['newText']=editData['page'].get()
    else:
        wikipedia.output(u"[[%s]] has been deleted!" % editData['pageTitle'])
        return
    editData['lenNew']=len(editData['newText'])
    
    [done, motive]=isRubbish(editData)
    
    if done:
        wikipedia.output(u'\03{lightred}Alert!: Putting destroy template in [[%s]]. Motive: %s\03{default}' % (editData['pageTitle'], motive))
        return
    
    [done, resume]=improveNewArticle(editData)
    if done:
        wikipedia.output(u'\03{lightred}Alert!: Aplicando %s... a [[%s]]\03{default}' % (resume, editData['pageTitle']))
        return
        
    return

def cleandiff(pageTitle, data):
    """ Extrae el texto que ha sido insertado en la edición """
    """ Clean downloaded diff page """
    
    #fix hacerme mi propio differ con la librería difflib?
    #tener en cuenta las expresiones que ya estaba en oldText por si la IP mueve un bloque de texto
    
    marker=' ; ' #no poner ;;; porque da falsos positivos con regexp de repetición de caracteres
    clean=marker
    
    trozos=data.split('<tr>') 
    if len(trozos)>=3:
        trozos=trozos[2:] #....(0 cosas)<tr>(1 info sobre líneas</tr>)<tr>(2 lo que nos interesa... # el 1 contiene el numero de línea, nos lo saltamos
        for trozo in trozos:
            try:
                trozo=trozo.split('</tr>')[0] #no es que sea necesario pero...
                if re.search(avbotglobals.parserRegexps['cleandiff-diff-context'], trozo): #linea de contexto, nos la saltamos
                    continue
                elif re.search(avbotglobals.parserRegexps['cleandiff-diff-addedline'], trozo):
                    if re.search(avbotglobals.parserRegexps['cleandiff-diff-deletedline'], trozo): #sustitucion/añadido/eliminacion de algo, nos quedamos con lo de dentro del diffchange, dentro del diff-addedline
                        trozo=((trozo.split('<td class="diff-addedline">')[1]).split('</td>'))[0]
                        m=avbotglobals.parserRegexps['cleandiff-diffchange'].finditer(trozo)
                        for i in m:
                            clean+=u'%s%s%s' % (marker, i.group('text'), marker)
                    else: #se trata de una linea nueva añadida, nos quedamos con lo de dentro del diff-addedline
                        if re.search(avbotglobals.parserRegexps['cleandiff-diff-addedline-div'], trozo):
                            trozo=((trozo.split('<td class="diff-addedline"><div>')[1]).split('</div></td>'))[0]
                        else:
                            trozo=((trozo.split('<td class="diff-addedline">')[1]).split('</td>'))[0]
                        clean+=u'%s%s%s' % (marker, trozo, marker)
            except:
                wikipedia.output(u'ERROR: %s' % trozo)
    
    clean=re.sub(ur'(?m)[\n\r]', ur' ', clean) #no new lines
    
    #if len(clean)<3000:
    #   wikipedia.output(clean)
    
    if clean==marker:
        clean=''
    return clean

def editAnalysis(editData):
    """ Lanzamiento de funciones de análisis previo descarte de páginas/ediciones que no deben ser analizadas """
    """ Checks edit to search vandalisms, blanking, tests, etc """
    
    #Getting page object for this edit
    editData['page']=wikipedia.Page(avbotglobals.preferences['site'], editData['pageTitle'])
    
    #if editData['page'].exists(): #no es necesario para páginas antiguas (menos de 10 de historial), las nuevas ya se verifica justo antes de poner {{destruir}}
    editData['pageTitle']=editData['page'].title()
    editData['namespace']=editData['page'].namespace()
    
    nm=u''
    if editData['new']:
        nm+=u'\03{lightred}N\03{default}'
    if editData['minor']:
        nm+=u'\03{lightred}m\03{default}'
    if nm:
        nm+=u' '
    
    if editData['userClass']=='anon':
        wikipedia.output(u'[%s] %s[[%s]] {\03{%s}%s\03{default}}' % (avbotcomb.getTime(), nm, editData['pageTitle'], avbotglobals.preferences['colors'][editData['userClass']], editData['author']))
    else:
        avbotcomb.updateUserDataIfNeeded(editData) # Solo necesario para no anónimos
        if avbotglobals.userData['edits'].has_key(editData['author']):
            wikipedia.output(u'[%s] %s[[%s]] {\03{%s}%s\03{default}, %s ed.}' % (avbotcomb.getTime(), nm, editData['pageTitle'], avbotglobals.preferences['colors'][editData['userClass']], editData['author'], avbotglobals.userData['edits'][editData['author']]))
            if avbotglobals.userData['edits'][editData['author']]>avbotglobals.preferences['newbie']:
                return #Exit
        else:
            wikipedia.output(u'Ha habido un error con el número de ediciones de [[User:%s]]' % editData['author'])
            return #Exit

    if editData['page'].isRedirectPage(): #Do not analysis redirect pages
        return #Exit
    
    # Avoid to check our edits
    if editData['author'] == avbotglobals.preferences['botNick']: 
        return #Exit
        
    # Must be analysed?
    if not watch(editData):
        wikipedia.output(u'[[%s]] edit must not be checked' % editData['pageTitle'])
        return #Exit
        
    # Avoid analysis of excluded pages
    for exclusion, compiledexclusion in avbotglobals.excludedPages.items():
        if re.search(compiledexclusion, editData['pageTitle']):
            wikipedia.output(u'[[%s]] is in the exclusion list' % editData['pageTitle'])
            return #Exit
    
    # New pages analysis
    if editData['new'] and avbotglobals.preferences['language']=='es':
        time.sleep(5) #Para evitar que .exists() o .get() devuelva que no existe
        newArticleAnalysis(editData)
        return #Exit
    
    # To get history
    editData['oldText']=u''
    editData['newText']=u''
    #try: #costoso? pero no queda otra
    t1=time.time()
    #simplificar las llamas a los hilos? pasar todos los parámetros o solo los necesarios?
    threadHistory=Diegus(editData['page'], 'getVersionHistory', editData['oldid'], editData['diff'], avbotglobals.preferences['historyLength'])
    threadOldid=Diegus(editData['page'], 'getOldVersionOldid', editData['oldid'], editData['diff'], avbotglobals.preferences['historyLength'])
    threadDiff=Diegus(editData['page'], 'getOldVersionDiff', editData['oldid'], editData['diff'], avbotglobals.preferences['historyLength'])
    threadHTMLDiff=Diegus(editData['page'], 'getUrl', editData['oldid'], editData['diff'], avbotglobals.preferences['historyLength'])
    threadHistory.start()
    threadOldid.start()
    threadDiff.start()
    threadHTMLDiff.start()
    threadHistory.join()
    editData['pageHistory'] = threadHistory.getPageHistory()
    #print editData['pageHistory']
    threadOldid.join()
    editData['oldText'] = threadOldid.getOldText()
    threadDiff.join()
    editData['newText'] = threadDiff.getNewText()
    #hacer mi propio differ, tengo el oldText y el newText, pedir esto retarda la reversión unos segundos #fix #costoso?
    threadHTMLDiff.join()
    editData['HTMLDiff'] = threadHTMLDiff.getHTMLDiff()
    editData['HTMLDiff']=editData['HTMLDiff'].split('<!-- content -->')[1]
    editData['HTMLDiff']=editData['HTMLDiff'].split('<!-- /content -->')[0] #No change
    cleandata=cleandiff(editData['pageTitle'], editData['HTMLDiff']) #To clean diff text and to extract inserted lines and words
    print 0, editData['pageTitle'], time.time()-t1, editData['pageHistory'][0][0], len(editData['oldText']), len(editData['newText']), len(editData['HTMLDiff'])
    
    """t1=time.time()
    editData['pageHistory'] = editData['page'].getVersionHistory(revCount=10) #To avoid bot edit wars, 10 está bien?
    #editData['oldText']     = editData['page'].getOldVersion(editData['page'].previousRevision()) #Previous text
    print 1, editData['pageTitle'], time.time()-t1
    t1=time.time()
    editData['oldText']     = editData['page'].getOldVersion(editData['oldid']) #Previous text, oldid es la versión anterior a la actual que es diff
    print 2, editData['pageTitle'], time.time()-t1
    t1=time.time()
    editData['newText']     = editData['page'].getOldVersion(editData['diff']) #Current text, más lento que el .get() ?
    print 3, editData['pageTitle'], time.time()-t1"""
    
    #except:
    #   return #No previous text? New? Exit
    
    editData['lenOld']  = len(editData['oldText'])
    editData['lenNew']  = len(editData['newText'])
    editData['lenDiff'] = editData['lenNew']-editData['lenOld']
    
    # Proposed to delete? Skip
    if re.search(avbotglobals.parserRegexps['destruir'], editData['newText']): 
        wikipedia.output(u'Alguien ha marcado [[%s]] para destruir. Saltamos.' % editData['pageTitle'])
        return
    
    # Avoid to check false positives pages
    if re.search(avbotglobals.parserRegexps['conflictivos'], editData['newText']+editData['oldText']): #buscamos tanto en old como en new, mayor seguridad?
        wikipedia.output(u'[[%s]] es un artículo conflictivo, no lo analizamos' % editData['pageTitle'])
        return
    
    #hacer mi propio differ, tengo el oldText y el newText, pedir esto retarda la reversión unos segundos #fix #costoso?
    """try: #Try to catch diff
        t1=time.time()
        data=avbotglobals.preferences['site'].getUrl('/w/index.php?diff=%s&oldid=%s&diffonly=1' % (editData['diff'], editData['oldid']))
        print 5, editData['pageTitle'], time.time()-t1
        data=data.split('<!-- start content -->')[1]
        data=data.split('<!-- end content -->')[0] #No change
    except:
        return #No diff, exit
    """
    
    #Analysis of this edit, must be reverted?
    [reverted, editData]=mustBeReverted(editData, cleandata, editData['userClass'])
    if reverted: 
        wikipedia.output(u'%s\n\03{lightred}Alert!: Possible %s by %s in [[%s]]\nDetails:\n%s\n%s\03{default}%s' % ('-'*50, avbotglobals.preferences['msg'][editData['type']]['meaning'].lower(), editData['author'], editData['pageTitle'], editData['score'], editData['details'], '-'*50))
        return