-
Notifications
You must be signed in to change notification settings - Fork 1
/
genea.pl
executable file
·766 lines (709 loc) · 22.7 KB
/
genea.pl
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
667
668
669
670
671
672
673
674
675
676
677
678
679
680
681
682
683
684
685
686
687
688
689
690
691
692
693
694
695
696
697
698
699
700
701
702
703
704
705
706
707
708
709
710
711
712
713
714
715
716
717
718
719
720
721
722
723
724
725
726
727
728
729
730
731
732
733
734
735
736
737
738
739
740
741
742
743
744
745
746
747
748
749
750
751
752
753
754
755
756
757
758
759
760
761
762
763
764
765
766
#!/usr/bin/perl
use v5.10;
use utf8;
use open ':std', ':encoding(UTF-8)';
use feature 'unicode_strings';
#use warnings;
use experimental qw(smartmatch);
## License : GPL
## Historique
# 0.8 : 28/05/18 : Early debug
# 0.9 : 28/05/18 : première ébauche de CSV
# 1.0 : 29/05/18 : Formalisation, constantes, correction des dates, première version versionnée
# 1.1 : 29/05/18 : Multiple verboses, fin de cas de précision de date
# 1.2 : 29/05/18 : Retour format CSV initial, traitement des dates révolutionnaire
# : ajout de précision sur année, uppercase ; recupération des diacritiques.
# 1.3 : 30/05/18 : Suppression du module Switch - switch limit - help page - debug dates & accents
# : Fix bug de logique sur les majuscules des prénoms - recombinaison compatible forme combinée unicode
# 1.4 : 30/05/18 : Ajout affichage en forme d'arbre
# 1.5 : 31/05/18 : Ajout fichiers i/o + curl
# 1.6 : 07/06/18 : Fix accents on first name, add switch to ignore case normalization, add implexes
# 1.7 : 07/06/18 : Add titles to tree view
# 1.8 : 07/07/18 : Add lots of forbidden chars in diacritic list to be removed,
# fix multiple weddings, detect thousand separators for french language
# 1.9 : 07/07/18 : Add mark all individual as dead option, add entities switch
## TODO
# Faire quelque chose des titres
# Faire quelque chose des surnoms, alias, et autres grumeaux de patronyme
# gérer les divers calendriers (actuellement, on délègue cela à l'import)
#############################################
# https://github.com/woyczek/GeneaParse.git #
#############################################
# Dependencies :
# CPAN - Text::Unidecode qw(unidecode);
# - HTML::Entities qw(decode_entities);
# - Unicode::Normalize;
# - experimental;
use constant VERSION => "1.9 chainsaw";
use constant COMMIT_ID => '$Id$';
use constant COMMIT_DATE => '$Format:%ci$ - $Format %ar$ ($Format:%h$)';
#use Switch; # deprecated
#use DateTime::Calendar::FrenchRevolutionary;
use Text::Unidecode qw(unidecode);
use HTML::Entities qw(decode_entities);
use Unicode::Normalize;
use constant FORMAT => "SOSA;prénom_lui;nom_lui;jour_naiss_lui;mois_naiss_lui;année_naiss_lui;lieu_naiss_lui;jour_décès_lui;mois_décès_lui;année_décès_lui;lieu_décès_lui;métier_lui;prénom_elle;nom_elle;jour_marr;mois_marr;année_marr;lieu_marr;nb_enfant";
# State
use constant ST_INTERLIGNE => 20;
use constant ST_AFF => 30;
use constant ST_DATE_NAISS => 23;
use constant ST_DATE_MARIAGE => 26;
use constant ST_DATE_DECES => 29;
# DEBUG LEVEL
use constant {
XTRACE => 6,
TRACE => 5,
DEBUG => 4,
INFO => 3,
WARN => 2,
ERR => 1,
CRIT => 0
};
use constant LEVEL => [ qw/CRIT ERR WARN INFO DEBUG TRACE XTRACE XXTRACE XXXTRACE/ ];
# Globales
my $state=0;
my @lines; # contient les données à afficher
my %lines; # contient les données à afficher
my $line; # contient les données à afficher
my $last_sosa=0;
my $SW_LIMIT=0;
my $SW_DEBUG=0;
my $SW_ENTITIES=0;
my $SW_TREE=0;
my $SW_MARKDEAD=0;
my $SW_IN=0;
my $SW_OUT=0;
my $SW_CURL=0;
my $SW_NORM=1;
my $SW_TITRE=1;
my $DISTANT_URL='';
my $SOSA_LIMIT=0;
my $DEBUG_LEVEL=CRIT;
my $TREE_LIMIT=0;
my $RE_CAR = "'’–—"; # The dash MUST be the last one -- le trait d'union doit être le dernier > supprimé semble géré ailleurs et bug quand il y avait des accents
my $RE_CAR_SEP = qr/[${RE_CAR}]/;
my $RE_CAR_NOM = qr/^[\p{L} ${RE_CAR}]+$/;
my $RE_CAR_WORD = qr/[\w ${RE_CAR}]+/;
sub message { # Affichage d'un message selon verbosité
my ($alert_level,$message)=@_;
print STDERR LEVEL->[$alert_level]." $alert_level: $message\n" if $DEBUG_LEVEL >= $alert_level;
exit 1 if $alert_level==CRIT;
}
sub add_line { # Concatenation de donnees en une ligne (vers CSV)
my ($tmp_line,$alert_level,$message)=@_;
message ($alert_level,$message) if $message;
# Nettoyage du HTML
if ($SW_ENTITIES) {
$line.=urlize(decode_entities($tmp_line));
} else {
$line.=decode_entities($tmp_line);
}
#$line.=unidecode(decode_entities($tmp_line));
}
sub un_urlize { # Conversion URL_ENCODE vers ANSI classique
my ($rv) = @_;
$rv =~ s/\+/ /g;
$rv =~ s/%(..)/pack("c",hex($1))/ge;
return $rv;
}
sub urlize { # Conversion URL_ENCODE vers ANSI classique
my ($rv) = @_;
$rv =~ s/\s/ /g;
$rv =~ s/([^ ;A-Za-z0-9-])/sprintf("%%%02X", ord($1))/seg;
$rv =~ s/ /+/g;
return $rv;
}
sub revo2greg { # To be written
my ($date)=@_;
}
sub parse_date { # Conversion URL_ENCODE vers ANSI classique, nettoyage, découpage jj;mm;aaaa et précision
my ($date_in) = @_;
my $date='';
my $periode=''; my $comm='';
my $jour='';my $mois='';my $an='';
return ';;+' if ($date_in =~ /\+/);
# Précision, date, calendrier
if ($date_in =~ / ([^ ]+\/[^ ]+) /) {
$periode=$';
$date=$1;
$comm=$';
}
# Précision, date
elsif ($date_in =~ /^([\w-]+) ([^ ]+)/){
$date=$2;
$periode=$1;
$comm="";
}
# Date, calendrier
elsif ($date_in =~ /^([^ ]+) ([\w()]+)/){
$periode="";
$date=$1;
$comm=$2;
}
# Date seule
elsif ($date_in =~ /^([^ ]+)$/){
$periode="";
$date=$1;
$comm="";
}
# Default : tel quel.
else {
$date = $date_in;
}
# Remplacement des / en -
$date =~ s/\//-/g;
message DEBUG, "| $periode ---- $date ---- $comm |";
message TRACE, "$state";
# Affichage des erreurs. TO BE DELETED
$date =~ s/ +$/!/;
# Allez, on découpe en jj/mm/aa+
if ($date =~ /^(\d{2})-([\dA-Z]{2})-([\dXIV]+)$/) {
$jour=$1;
$mois=$2;
$an=$3;
} elsif ($date =~ /^([\dA-Z]{2})-([\dXIV]+)$/) {
$jour="";
$mois=$1;
$an=$2;
} elsif ($date =~ /^([\dXIV]+)$/) {
$jour="";
$mois="";
$an=$1;
}
# Conversion révol - révol, mais numérique
given ($an) { # Serait mieux dans un hash
when ('I') { $an=1; } when ('II') { $an=2; } when ('III') { $an=3; }
when ('IIII') { $an=4; } when ('IV') { $an=4; } when ('V') { $an=5; }
when ('VI') { $an=6; } when ('VII') { $an=7; } when ('VIII') { $an=8; }
when ('IX') { $an=9; } when ('X') { $an=10; } when ('XI') { $an=11; }
when ('XII') { $an=12; } when ('XIII') { $an=13; } when ('I') { $an=1; }
}
# Flag type de calendrier, deprecated (laissé pour mémoire et réactivation le cas échéant)
# switch ($comm) { # Type de date
# case /républicain/ {
# #revo2greg(\$date);
# $date="R:$date";
# }
# case /\(julien\)/ {
# #revo2greg(\$date);
# $date="J:$date";
# }
# case /\(hebrew\)/ {
# #revo2greg(\$date);
# $date="H:$date";
# }
# else {
# $date="$date";
# }
# }
given ($periode) { # avant, après, peut-être... TODO : traductions d'autres langues
when (/^peut-être ?$/) {
$an="?$an";
}
when (/^environ ?$/) {
$an="/$an/";
}
when (/^vers ?$/) {
$an="/$an/";
}
when (/^avant ?$/) {
$an="/$an";
}
when (/^après ?$/) {
$an="$an/";
}
}
message DEBUG, "| $periode ---- $date ---- $comm |";
# Réassemblage
$date="$jour;$mois;$an";
return $date;
}
sub parse_patronyme { # Decoupage du patronyme en tronçons, selon les paramètres URL et l'affichage
# nettoyage et passage unicode, accentuation, majuscules et minuscules forcées
my ($url,$patronyme)=@_;
my $prenom="",$nom="",$surname="";
my %items;
my $is_diacritic; # Extended to match any non word character
my $is_tiret;
# Récupération selon les variables URL
foreach $item (split /&/, $url) {
($key,$value)=split "=",$item;
$items{$key}=un_urlize($value);
message TRACE, "$key --> $value";
}
$prenom=$items{p};
$nom=$items{n};
message DEBUG,"PP:$patronyme:$prenom:$nom:";
if ($patronyme =~ / <em>(.+)<\/em> /){
$surname=$1;
message DEBUG,"$patronyme - $` $'";
}
# Passage en bas de casse UTF-8 de la chaine HTML dans une temporaire
$tmp_patro = NFD(lc($patronyme));
# NFD -> Normalisation et décomposition en forme D, ie. lettre pure ansi et diacritique combinants
# Servira à la suppression des diacritiques combinants
message TRACE,"PP:$patronyme:$tmp_patro:";
# Suppression des diacritiques dans la chaine HTML dans la temporaire
# et Remplacement des tirets et élisions par des espaces
$is_diacritic=($tmp_patro =~ s/[\pM],\*«»//g);
$is_tiret=($tmp_patro =~ s/$RE_CAR_SEP/ /g);
if ($is_diacritic || $is_tiret || (!$SW_NORM) ) {
# \p{M} or \p{Mark}: a character intended to be combined with another character (e.g. accents, umlauts, enclosing boxes, etc.).
message DEBUG,"Accents detectes. $tmp_patro - $RE_CAR_SEP";
# Dénominateur commun : sans diacritique, bas de casse
$tmp = NFD(lc($nom));
message DEBUG,"LC CHECK $tmp";
# Recupération de l'index de position de la variable dans le commentaire HTML bas de casse et désaccentué
#if ($tmp =~ /^[\p{L}' ’-]+$/) {
if ($tmp =~ /$RE_CAR_NOM/) {
# \p{L} matches a single code point in the category "letter".
$index=index($tmp_patro,$tmp);
message INFO,"Catch : $tmp ($index) -- $RE_CAR_SEP -- $RE_CAR_NOM";
message DEBUG,"PP:$tmp_patro:$tmp:$index!";
message DEBUG,"PP:$patronyme:$index:".length($tmp)."!";
# Récupération de la sous chaîne dans l'originade
$nom=substr($patronyme,$index,length($tmp));
}
# Même process avec le prenom
$tmp = NFD(lc($prenom));
message DEBUG,"LC CHECK $tmp";
#if ($tmp =~ /^[\p{L}' ’–—−-]+$/) {
if ($tmp =~ /$RE_CAR_NOM/) {
$index=index($tmp_patro,$tmp);
message INFO,"Catch : $tmp ($index) -- $RE_CAR_SEP -- $RE_CAR_NOM";
message DEBUG,"PP:$tmp_patro:$tmp:$index!";
message DEBUG,"PP:$patronyme:$index!".length($tmp);
$prenom=substr($patronyme,$index,length($tmp));
}
}
# Et reformation de la casse : "Prénom-Composé" "NOM-COMPOSÉ"
# Plus recomposition canonique (transformation des glyphes + dacritiques combinants en glybhes combinés)
# Pour compatibilité maximale
message TRACE,"PP:$nom:$prenom:";
#$nom =~ s/([\w' ’-]+)/\U$1/g;
$nom =~ s/(${RE_CAR_WORD}+)/\U$1/g if $SW_NORM;
$nom = NFC($nom);
$prenom =~ s/([\w]+)/\u\L$1/g if $SW_NORM;
$prenom = NFC($prenom);
message INFO,"Resultat : P:$prenom N:$nom";
return ($prenom,$nom,$surname);
}
# Fonctions d'affichage de l'arbre (ce n'est pas le fonctionnement nominal, mais pratique pour debug)
# Puissances de 2 (position du MSB)
my %GENERATION = qw( 1 1
2 2
4 3
8 4
16 5
32 6
64 7
128 8
256 9
512 10
1024 11
2048 12
4096 13
8192 14
16384 15
32768 16
65536 17
131072 18
262144 19
524288 20
1048576 21
);
# Fonctions d'affichage de l'arbre (ce n'est pas le fonctionnement nominal, mais pratique pour debug)
sub get_gen { # Recupère la position du MSB. Les générations étant des puissances de 2, on utilise un algo binaire.
my ($sosa)=@_;
my $msb=$sosa;
foreach $s (0,1,2,4,8,16,32) {
$msb=$msb|($msb >> $s);
}
return $GENERATION{($msb>>1) + 1};
message DEBUG,"$sosa -> $msb -> $GENERATION{$msb}";
}
# Fonctions d'affichage de l'arbre (ce n'est pas le fonctionnement nominal, mais pratique pour debug)
sub print_sosa { # Affiche les efants et le n½ud courant ; récursif
my ($sosa,$max_sosa)=@_;
if ($sosa<$max_sosa) {
my $gen=get_gen($sosa);
if ($lines{$sosa} && $gen<=$TREE_LIMIT) {
message TRACE, "$sosa - ".$gen;
foreach $ref (@{$lines{$sosa}}) {
printf "Gen %3s: %s\n",$gen,$lines[$ref];
}
} else {
message DEBUG, "$sosa - ".get_gen($sosa)."XX";
}
#print " " x get_gen($sosa) . $sosa."\n";
print_sosa($sosa*2,$max_sosa);
print_sosa($sosa*2+1,$max_sosa);
} else {
return
}
}
sub show_help { # Ben, help...
print STDERR "
GenewParse version ".VERSION." - commit: ".COMMIT_ID."
Usage :
genea.pl [-v <LEVEL>] [-s <SOSA>] [-t <LEVEL>] [-T] [-N] [-i <INPUT> [-u <URL>] ] [-o <OUTPUT>] [-d] [-e] [-h|-?]
-v <LEVEL> : With <LEVEL> value between 0 (quiet) and 6 (xtra trace).
-s <SOSA> : Only process given Sosa number <SOSA>.
-N : Disable case normalisation.
-T : Disable title catching.
-t <LEVEL> : Tree format display, by surname branches, with <LEVEL> as max depth.
-i <INPUT> : Input file. If this flag is omitted, the parser will use STDIN.
-u <URL> : URL to fetch and save to INPUT file, before processing this file. -i is mandatory, the file will be replaced.
-o <OUTPUT> : Output file. If omitted, will use STDOUT.
-d : Mark all individual as dead
-e : Convert fields using urlencode and entities
";
exit;
}
###########################################################################
# Principale
# Automate à états, sur $state.
# Pour chaque paramètre en argument, un tour d'automate.
foreach my $opt (@ARGV){ # Récupération et traitement des paramètres en ligne de commande
given ($state) {
message DEBUG, "Getopt $state - $opt";
when (0) {
$state=2 if $opt eq "-v";
$state=4 if $opt eq "-s";
$state=6 if $opt eq "-t";
$state=7 if $opt eq "-u";
$state=8 if $opt eq "-i";
$state=9 if $opt eq "-o";
show_help if $opt eq "-?";
show_help if $opt eq "-h";
if ($opt eq "-T") {
$SW_TITRE=0;
}
elsif ($opt eq "-N") {
$SW_NORM=0;
}
elsif ($opt eq "-e") {
$SW_ENTITIES=1;
}
elsif ($opt eq "-d") {
$SW_MARKDEAD=1;
message DEBUG, "Mark all undead as dead";
}
elsif ($state == 0)
{
print STDERR "$opt : option non reconnue";
show_help
}
}
when (2) { # Verbosité (sur STDERR)
$state=0;
$DEBUG_LEVEL=$opt;
$SW_DEBUG=1;
}
when (4) { # Affichage d'un seul sosa
$state=0;
$SW_LIMIT=1;
$SOSA_LIMIT=$opt;
}
when (6) { # Affichage sous forme d'arbre, de profondeur $TREE_LIMIT
$state=0;
$SW_TREE=1;
$TREE_LIMIT=$opt;
}
when (8) { # Input file
$state=0;
$SW_IN=1;
$INFILE_NAME=$opt;
open $INFILE, "<", $opt || die ("Fichier illisible $opt -- $!");
message WARN, "Ouverture du fichier < $opt -- $!";
*STDIN = *$INFILE;
}
when (9) { # Output uile
$state=0;
$SW_OUT=1;
message WARN, "Ouverture du fichier > $opt";
open $OUTFILE, ">", $opt || die ("Fichier illisible $opt -- $!");
#message WARN, "Ouverture du fichier > $opt -- $!";
select $OUTFILE;
}
when (7) { # CURL !
show_help unless $SW_IN;
message INFO, "Curl : -o $INFILE_NAME $opt $SW_IN";
$DISTANT_URL=$opt;
close $INFILE;
`curl -o $INFILE_NAME "$DISTANT_URL"`;
if (1) {
message INFO, "Le fichier est généré, et pourra être réutilisé";
message INFO, "avec '$ARGV[0] $INFILE_NAME'";
open $INFILE, "<", $INFILE_NAME || die ("Fichier illisible $INFILE_NAME -- $!");
message WARN, "Ouverture du fichier < $INFILE_NAME -- $!";
*STDIN = *$INFILE;
} else {
warn "Erreur de CURL";
}
}
}
}
$state=0;
message DEBUG, "Options : SW_LIMIT : SOSA_LIMIT - SW_DEBUG : DEBUG_LEVEL - SW_MARKDEAD";
message DEBUG, "Options : $SW_LIMIT : $SOSA_LIMIT - $SW_DEBUG : $DEBUG_LEVEL - $SW_MARKDEAD";
# Automate à états, sur $state.
# Pour chaque paramètre en argument, un tour d'automate.
foreach my $li (<STDIN>) {
chomp $li;
message XTRACE, "$state:$li!";
# s/ / /g;
given ($state) { # On démarre le traitement à ST_INTERLIGNE, mais on s'assure d'avoir le bon format sur les deux états précédents
when (0) {
if ($li =~ /^<table summary="ancestors" class="short_display_table">/) {
$root_sosa=$1;
$state=10;
message INFO,"-- C'est une v7 - It is a v7 output. I cannot parse it. #######";
}
message TRACE,"-- $state";
if ($li =~ /^(.+)<\/span><\/h2>/) {
$root_sosa=$1;
$state=1;
}
message TRACE,"-- $state";
}
when (1) {
if ($li =~ /^<tbody>/) { $state=2; }
message TRACE,"-- $state";
}
when (10) {
if ($li =~ /^<\/colgroup>/) { $state=2; }
message TRACE,"-- $state";
message CRIT,"-- C'est une v7 - It is a v7 output. I cannot parse it. #######";
}
when (2) {
if ($li =~ /^<\/tr>/) { $state=ST_INTERLIGNE; }
}
###############################################
when (ST_INTERLIGNE) { # Interligne
message INFO,"====================";
if ($li =~ /^<tr id="[^"]+">/) { # Mariage simple
$state=201;
%items_a=();
%items_b=();
}
if ($li =~ /^<tr>/) { # Mariage simple
$state=201;
%items_a=();
%items_b=();
}
if ($li =~ /^<tr dontbreak="1">/) { # suite d'un mariage multiple
$state=205;
%items_b=();
}
message TRACE,"-- $state";
}
when (201) { # SOSA # Première ligne d'un mariage multiple
if ($li =~ /^<td[^>]*>\n?(.+)<\/td>/) {
$sosa=un_urlize($1);
$sosa =~ s/( | )//g;
$last_sosa = $sosa if ($sosa > $last_sosa);
$sosa_chn = $sosa %2 ? ($sosa-1)/2 : $sosa/2;
$state=22;
message INFO,"==== $sosa ====";
}
chomp;
message TRACE,"-- $state $_";
}
when (22) { # Principal
$implexe="";
$titre="";
$state=ST_INTERLIGNE if ($li =~ /^<\/tr>/);
next if ($SW_LIMIT and $SOSA_LIMIT!=$sosa);
if ($li =~ /^<td[^>]*>\n?(.+)<\/td>/) {
$datas=$1;
if ($datas =~ (/<a href=".+\?(.+)">(.*)<\/a>/)) {
($items_a{p},$items_a{n},$tmp)=parse_patronyme($1,$2);
}
if ($datas =~ (/<\/a>.+<em>(.+)<\/em>/)) {
message INFO,"Titre ! $1";
$titre=$1 if $SW_TITRE; # Don't catch it if disabled by options
}
if ($datas =~ (/ →([ \d]+)$/)) {
message INFO,"Implexe ! $1";
$implexe=$1;
$implexe=~s/[^\d]//g
}
$state=ST_DATE_NAISS;
message TRACE,"-- $state Items n/p : $1 $2";
}
}
when (ST_DATE_NAISS) { # DATE naiss
if ($li =~ /^<td[^>]*>\n?(.*)<\/td>/) {
message DEBUG,"Naissance:$1";
$dn=$1;
$state=24;
}
}
when (24) { # Lieu naiss
if ($li =~ /^<td[^>]*>\n?(.*)<\/td>/) {
$ln=$1;
$state=205;
}
}
when (205) { # Second membre du couple # Lignes suivantes d'un mariage multiple
$state=ST_INTERLIGNE if ($li =~ /^<\/tr>/ and $SOSA_LIMIT!=$sosa);
next if ($SW_LIMIT and $SOSA_LIMIT!=$sosa);
$state=ST_AFF if ($li =~ /^<\/tr>/);
if ($li =~ /^<td[^>]*>\n?(.*)<\/td>/) {
$datas=$1;
if ($datas =~ (/<a href=".+\?(.+)">(.*)<\/a>/)) {
($items_b{p},$items_b{n},$tmp)=parse_patronyme($1,$2)
}
$state=ST_DATE_MARIAGE;
message TRACE,"-- $state $datas";
}
}
when (ST_DATE_MARIAGE) { # DATE mariage
$state=ST_AFF if ($li =~ /^<\/tr>/);
if ($li =~ /^<td[^>]*>\n?(.*)<\/td>/) {
message DEBUG,"Mariage:$1";
$dm=$1;
$state=27;
}
}
when (27) { # Lieu naissB
$state=ST_AFF if ($li =~ /^<\/tr>/);
if ($li =~ /^<td[^>]*>\n?(.*)<\/td>/) {
$lm=$1;
$state=28;
}
}
when (28) { # NB enfants
$state=ST_AFF if ($li =~ /^<\/tr>/);
if ($li =~ /^<td[^>]*>\n?(.*)<\/td>/) {
$nbe=$1-1;
$state=ST_DATE_DECES;
}
}
when (ST_DATE_DECES) { # date deces
$state=ST_AFF if ($li =~ /^<\/tr>/);
if ($li =~ /^<td[^>]*>\n?(.*)<\/td>/) {
message DEBUG,"Deces:$1";
$dd=$1;
$state=290;
}
}
when (290) { # Lieu deces
$state=ST_AFF if ($li =~ /^<\/tr>/);
if ($li =~ /^<td[^>]*>\n?(.*)<\/td>/) {
$ld=$1;
$state=291;
}
}
when (291) { # Age
$state=ST_AFF if ($li =~ /^<\/tr>/);
if ($li =~ /^<td[^>]*>\n?(.*)<\/td>/) {
$age=$1;
$state=292;
}
}
when (292) { # Prof
$state=ST_AFF if ($li =~ /^<\/tr>/);
if ($li =~ /^<td[^>]*>\n?(.*)<\/td>/) {
message DEBUG,"Prof:$1";
$prof=lcfirst($1);
$state=ST_AFF;
}
}
when (ST_AFF) { # Traitement des données de la personne référencée par le SOSA $sosa
if ($SW_TREE) { # Arbre ##########
# prénom_lui;nom_lui;jour_naiss_lui;mois_naiss_lui;année_naiss_lui;lieu_naiss_lui;
# SOSA ; Prenom ; Nom ; Dat ; Naiss ; Lui ; Lieu ;
$line="";
my $level=$sosa / 2;
add_line " " x get_gen($sosa) x 2 . " - $sosa - ";
add_line "$items_a{n} $items_a{p}";
add_line " \"$titre\" " if $titre;
add_line "($dn à $ln / $dd à $ld) - $prof - $nbe enfants.";
add_line " --> $implexe " if $implexe;
$line =~s/;\s+;/;;/g;
push @lines,$line;
push @{$lines{$sosa}},$#lines;
# On gère un buffer de lignes formatése
# Et un hash de SOSA pointant vers le buffer.
message DEBUG,$line;
} else { # CSV ##############
# prénom_lui;nom_lui;jour_naiss_lui;mois_naiss_lui;année_naiss_lui;lieu_naiss_lui;jour_décès_lui;mois_décès_lui;année_décès_lui;lieu_décès_lui;métier_lui;prénom_elle;nom_elle;jour_marr;mois_marr;année_marr;lieu_marr;nb_enfant
# prénom_lui;nom_lui;jour_naiss_lui;mois_naiss_lui;année_naiss_lui;lieu_naiss_lui;
# SOSA ; Prenom ; Nom ; Dat ; Naiss ; Lui ; Lieu ;
$line="";
# Génération du CSV. Le SOSA est le premier cham, le nb_enfants le dernier.
# + Sosa de l'enfant $sosa_chn ajouté en début de ligne des parents/beau-parents (/2 ou -1/2)
# Tronçonné en morceaux pour la lisibilité du code.
add_line $sosa_chn;
add_line ";";
add_line $sosa;
add_line "==$implexe" if ($implexe);
add_line ";";
message DEBUG,"# prénom_lui;nom_lui;jour_naiss_lui;mois_naiss_lui;an_naiss_lui;lieu_naiss_lui;";
foreach $k ('p', 'n') {
add_line "$items_a{$k};",DEBUG,$k.":".$items_a{$k};
}
add_line parse_date($dn).";",DEBUG,"dn:$dn";
$ln="" if $ln eq ' ';
$ln = join("-", map { ucfirst lc } split(/-/, $ln));
add_line "$ln;",DEBUG,"ln:$ln";
message DEBUG,"# periode_décès_lui;date_décès_lui;lieu_décès_lui;métier_lui;";
$dd="" if $dd eq ' ';
$dd="+" if (not (($items_a{p} eq '') or ($items_a{n} eq '')) and $SW_MARKDEAD and $dd eq '');
message TRACE,"+ $dd - $SW_MARKDEAD ".($items_a{p} eq '' or $items_a{n} eq '');
add_line parse_date($dd).";",DEBUG,"dd:$dd";
$ld="" if $ld eq ' ';
$ld = join("-", map { ucfirst lc } split(/-/, $ld));
add_line "$ld;";
add_line "$prof;";
message DEBUG,"# prénom_elle;nom_elle;";
foreach $k ('p', 'n') {
add_line "$items_b{$k};",DEBUG,$k.":".$items_b{$k};
}
message DEBUG, "# jour_marr;mois_marr;année_marr;lieu_marr;nb_enfant";
message DEBUG, "$dm;$lm;$nbe";
add_line parse_date($dm).";";
$lm="" if $lm eq ' ';
$lm = join("-", map { ucfirst lc } split(/-/, $lm));
add_line "$lm;";
add_line "$nbe";
$line =~s/;\s+;/;;/g;
push @lines,$line;
message DEBUG,$line;
}
# Fin de tableau ? Si oui, on a raté une ligne, et on retourne tout de suite au SOSA.
# au risque de rater un individu
if ($li =~ /^<tr>/) {
$state=201;
message WARN, "$sosa - Fin de ligne manquée, rattrapage."}
elsif ($li =~ /^<tr dontbreak="1">/) {
$state=205;
message WARN, "$sosa - Fin de ligne manquée, rattrapage."}
else {
$state=ST_INTERLIGNE
}
}
};
}
###############################################################################
# Post traitement
if ($SW_TREE) { # Affichage des lignes de l'arbre
message WARN,"==== ARBRE - $last_sosa";
print "Affichage de l'arbre ascendant par SOSA (generation max : $TREE_LIMIT)\n";
print "------------------------------------------------------------------\n";
print_sosa(1,$last_sosa);
} else { # Affichage du CSV, en vrac, dans l'ordre d'entrée.
message WARN,"==== LINE";
# Entête
unshift @lines,FORMAT;
unshift @lines,"# <GeneaParse v".VERSION.">";
foreach (@lines) {
print "$_\n";
#message INFO,"$_";
}
}
close $INFILE if $SW_IN;
close $OUTFILE if $SW_OUT;
1;