a56124ccfacddb0d383bcf6536867884adec2a69
[users/jgh/exim.git] / doc / doc-docbook / Tidytxt
1 #! /usr/bin/perl
2
3 # $Cambridge: exim/doc/doc-docbook/Tidytxt,v 1.6 2008/02/04 17:18:18 fanf2 Exp $
4
5 # Script to tidy up the output of w3m when it makes a text file. First we
6 # convert sequences of blank lines into a single blank line, to get everything
7 # uniform. Then we go through and insert blank lines before chapter and
8 # sections, also converting chapter titles to uppercase.
9
10 # We also have to do some character translation in the first pass. It seems
11 # that xmlto now generates Unicode in its HTML pages. This gives three problems:
12 # (1) It inserts the byte sequence C2 A0 (U+00A0) as a fixed-width space;
13 # (2) It uses U+25CF as its bullet character.
14 # (3) It inserts a whole slew of "box drawing" characters round the heading.
15
16 @lines = <>;
17
18 $lastwasblank = 0;
19 foreach $line (@lines)
20   {
21   # (1) non-break space -> normal space
22   $line =~ s/\x{c2}\x{a0}/ /g;
23   # (2) bullet -> asterisk
24   $line =~ s/\x{e2}\x{97}\x{8f}/*/g;
25   # (3a) horizontal box drawing -> hyphen
26   $line =~ s/\x{e2}\x{94}[\x{80}\x{81}\x{84}\x{85}\x{88}\x{89}]/-/g;
27   $line =~ s/\x{e2}\x{95}[\x{8c}\x{8d}\x{90}]/-/g;
28   $line =~ s/\x{e2}\x{95}[\x{b4}\x{b6}\x{b8}\x{ba}\x{bc}\x{be}]/-/g;
29   # (3b) vertical box drawing -> bar
30   $line =~ s/\x{e2}\x{94}[\x{82}\x{83}\x{86}\x{87}\x{8a}\x{8b}]/|/g;
31   $line =~ s/\x{e2}\x{95}[\x{8e}\x{8f}\x{91}]/|/g;
32   $line =~ s/\x{e2}\x{95}[\x{b5}\x{b7}\x{b9}\x{bb}\x{bd}\x{bf}]/|/g;
33   # (3c) corner box drawing -> plus
34   $line =~ s/\x{e2}\x{94}[\x{8c}-\x{bf}]/+/g;
35   $line =~ s/\x{e2}\x{95}[\x{80}-\x{8b}\x{92}-\x{b0}]/+/g;
36   # other
37   $line =~ s/\x{e2}\x{95}\x{b1}/\//g;
38   $line =~ s/\x{e2}\x{95}\x{b2}/\\/g;
39   $line =~ s/\x{e2}\x{95}\x{b3}/X/g;
40
41   if ($line =~ /^\s*$/)
42     {
43     $line = "" if $lastwasblank;
44     $lastwasblank = 1;
45     next;
46     }
47   $lastwasblank = 0;
48   }
49
50 # Find start of TOC, uppercasing its title
51
52 for ($i = 0; $i < scalar @lines; $i++)
53   {
54   $lines[$i] = "TABLE OF CONTENTS\n" if $lines[$i] =~ /^Table of Contents/;
55   last if $lines[$i] =~ /^1\. /;
56   }
57
58 # Find start of first chapter
59
60 for ($i++; $i < scalar @lines; $i++)
61   { last if $lines[$i] =~ /^1\. /; }
62
63 # Process the body. We can detect the starts of chapters and sections by
64 # looking for preceding and following blank lines, and then matching against
65 # the numbers.
66
67 $chapter = 0;
68 for (; $i < scalar @lines; $i++)
69   {
70   next if $lines[$i-1] !~ /^$/ || $lines[$i+1] !~ /^$/;
71
72   # Start of chapter
73
74   if ($lines[$i] =~ /^(\d+)\. / && $1 == $chapter + 1)
75     {
76     $chapter++;
77     $section = 0;
78     $lines[$i] = "\n\n" . ("=" x 79) . "\n" . uc($lines[$i]);
79     }
80
81   # Start of next section
82
83   elsif ($lines[$i] =~ /^(\d+)\.(\d+) / && $1 == $chapter && $2 == $section + 1)
84     {
85     $section++;
86     $lines[$i] = "\n$lines[$i]" . "-" x (length($lines[$i]) - 1) . "\n";
87     }
88   }
89
90 print @lines;
91
92 # End