-
Notifications
You must be signed in to change notification settings - Fork 0
/
TEIDramaReader.java
executable file
·877 lines (757 loc) · 30.4 KB
/
TEIDramaReader.java
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
767
768
769
770
771
772
773
774
775
776
777
778
779
780
781
782
783
784
785
786
787
788
789
790
791
792
793
794
795
796
797
798
799
800
801
802
803
804
805
806
807
808
809
810
811
812
813
814
815
816
817
818
819
820
821
822
823
824
825
826
827
828
829
830
831
832
833
834
835
836
837
838
839
840
841
842
843
844
845
846
847
848
849
850
851
852
853
854
855
856
857
858
859
860
861
862
863
864
865
866
867
868
869
870
871
872
873
874
875
876
877
/*******************************************************************
* Copyright (C) 2006, 2007
* Linguistic Data Processing, University of Cologne
* http://www.spinfo.uni-koeln.de
*
* All Rights Reserved.
*
* 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 2
* 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, write to the Free Software
* Foundation, Inc., 59 Temple Place - Suite 330, Boston,
* MA 02111-1307, USA.
********************************************************************/
package de.uni_koeln.spinfo.tesla.component.reader;
import java.io.BufferedReader;
import java.io.ByteArrayInputStream;
import java.io.IOException;
import java.io.InputStream;
import java.io.InputStreamReader;
import java.io.OutputStream;
import java.io.OutputStreamWriter;
import java.util.HashMap;
import java.util.Iterator;
import javax.xml.XMLConstants;
import javax.xml.namespace.NamespaceContext;
import javax.xml.namespace.QName;
import javax.xml.parsers.DocumentBuilder;
import javax.xml.parsers.DocumentBuilderFactory;
import javax.xml.parsers.ParserConfigurationException;
import javax.xml.stream.XMLEventReader;
import javax.xml.stream.XMLInputFactory;
import javax.xml.stream.XMLStreamException;
import javax.xml.stream.events.Attribute;
import javax.xml.stream.events.Characters;
import javax.xml.stream.events.StartElement;
import javax.xml.stream.events.XMLEvent;
import javax.xml.xpath.XPath;
import javax.xml.xpath.XPathConstants;
import javax.xml.xpath.XPathExpression;
import javax.xml.xpath.XPathExpressionException;
import javax.xml.xpath.XPathFactory;
import org.apache.tika.io.IOUtils;
import org.w3c.dom.NodeList;
import org.xml.sax.SAXException;
import de.uni_koeln.spinfo.tesla.annotation.adapter.IAnnotationFactory;
import de.uni_koeln.spinfo.tesla.annotation.adapter.IOutputAdapter;
import de.uni_koeln.spinfo.tesla.annotation.adapter.TypeMapping;
import de.uni_koeln.spinfo.tesla.annotation.adapter.hibernate.DefaultHibernateOutputAdapter;
import de.uni_koeln.spinfo.tesla.annotation.adapter.tunguska.DefaultTunguskaOutputAdapter;
import de.uni_koeln.spinfo.tesla.component.reader.drama.DramaAccessAdapter;
import de.uni_koeln.spinfo.tesla.component.reader.drama.TEIDramaAct;
import de.uni_koeln.spinfo.tesla.component.reader.drama.TEIDramaScene;
import de.uni_koeln.spinfo.tesla.component.reader.drama.TEIDramaSpeaker;
import de.uni_koeln.spinfo.tesla.component.reader.drama.TEIDramaSpeechAct;
import de.uni_koeln.spinfo.tesla.component.reader.drama.TEIDramaStage;
import de.uni_koeln.spinfo.tesla.roles.dc.data.IDublinCoreMetadata;
import de.uni_koeln.spinfo.tesla.roles.dc.impl.hibernate.DublinCoreMetaDataAccessAdapterImpl;
import de.uni_koeln.spinfo.tesla.roles.dc.impl.hibernate.DublinCoreMetaDataImpl;
import de.uni_koeln.spinfo.tesla.runtime.component.annotations.Author;
import de.uni_koeln.spinfo.tesla.runtime.component.annotations.Description;
import de.uni_koeln.spinfo.tesla.runtime.component.annotations.Licence;
import de.uni_koeln.spinfo.tesla.runtime.component.annotations.OutputAdapter;
import de.uni_koeln.spinfo.tesla.runtime.component.annotations.Reader;
import de.uni_koeln.spinfo.tesla.runtime.component.annotations.RoleDescription;
import de.uni_koeln.spinfo.tesla.runtime.persistence.Annotation;
/**
* Reader-Komponente, die XML-Dokumente akzeptiert, welche nach TEI
* ausgezeichnet sind. Vorgesehen ist die Komponente für das Lesen von
* Dramentexten.
*
* Folgende Annotationen werden produziert: Akte (<div type="act">), Szenen
* (<div type="scene">), Sprechakte (<sp>), Sprecher (<speaker>) und
* Bühnenanweisungen (<stage>). Zusätzlich werden Metadaten im Dublin Core
* Format geliefert.
*
*
* @author neumannm
*
*/
@Reader(author = { @Author(author = "Mandy Neumann", email = "[email protected]", organization = "Sprachliche Informationsverarbeitung") }, description = @Description(name = "TEI Drama Reader", licence = Licence.GPL_3, summary = "Reads Files in TEI Format Encoding Performance Texts", bigO = "linear (number of annotations)", version = "1.0", reusableResults = true), level = 80)
public class TEIDramaReader extends TextReader {
@OutputAdapter(dataObject = DublinCoreMetaDataImpl.class, type = DefaultHibernateOutputAdapter.class, name = "DCMetadata", accessAdapterImpl = DublinCoreMetaDataAccessAdapterImpl.class)
@RoleDescription(value = "de.uni_koeln.spinfo.tesla.rolesystem.presets.roles.DublinCoreMetadataGenerator")
private IOutputAdapter<DublinCoreMetaDataImpl> metaDataOutputAdapter;
@OutputAdapter(dataObject = TEIDramaAct.class, type = DefaultTunguskaOutputAdapter.ProtoStuff.class, name = "Acts", accessAdapterImpl = DramaAccessAdapter.class)
@RoleDescription("de.uni_koeln.spinfo.tesla.roles.teiDramaActDetector")
private static IOutputAdapter<TEIDramaAct> actWriter;
@OutputAdapter(dataObject = TEIDramaScene.class, type = DefaultTunguskaOutputAdapter.ProtoStuff.class, name = "Scenes", accessAdapterImpl = DramaAccessAdapter.class)
@RoleDescription("de.uni_koeln.spinfo.tesla.roles.teiDramaSceneDetector")
private IOutputAdapter<TEIDramaScene> sceneWriter;
@OutputAdapter(dataObject = TEIDramaSpeechAct.class, type = DefaultTunguskaOutputAdapter.ProtoStuff.class, name = "SpeechActs", accessAdapterImpl = DramaAccessAdapter.class)
@RoleDescription("de.uni_koeln.spinfo.tesla.roles.teiDramaSpeechActDetector")
private IOutputAdapter<TEIDramaSpeechAct> speechActWriter;
@OutputAdapter(dataObject = TEIDramaSpeaker.class, type = DefaultTunguskaOutputAdapter.ProtoStuff.class, name = "Speakers", accessAdapterImpl = DramaAccessAdapter.class)
@RoleDescription("de.uni_koeln.spinfo.tesla.roles.teiDramaSpeakerDetector")
private IOutputAdapter<TEIDramaSpeaker> speakerWriter;
@OutputAdapter(dataObject = TEIDramaStage.class, type = DefaultTunguskaOutputAdapter.ProtoStuff.class, name = "StageDirections", accessAdapterImpl = DramaAccessAdapter.class)
@RoleDescription("de.uni_koeln.spinfo.tesla.roles.teiDramaStageDirectionDetector")
private IOutputAdapter<TEIDramaStage> stageWriter;
private static final long serialVersionUID = -8987805958223967437L;
private DublinCoreMetaDataImpl metaData;
private IAnnotationFactory actAnnotationfactory;
private IAnnotationFactory sceneAnnotationfactory;
private IAnnotationFactory speechActAnnotationfactory;
private IAnnotationFactory speakerAnnotationfactory;
private IAnnotationFactory stageAnnotationfactory;
/**
* Liefert eine Vorschau des Texts, wie er von diesem Reader ausgegeben
* wird, ohne dabei Annotationen zu schreiben.
*
*/
public void getPreview(InputStream input, OutputStream output,
String encoding) throws IOException {
processText(input, output, false, "", encoding);
}
/**
* Prozessierende Methode. Verarbeitet den InputStream ereignisbasiert mit
* Hilfe von StAX und reagiert dabei auf die vordefinierten Ereignisse.
* Metadaten werden separat ausgelesen.
*/
protected void processText(InputStream input, OutputStream output,
boolean writeAnnotations, String docId, String encoding)
throws IOException {
OutputStreamWriter osw = null;
IAnnotationFactory metadataAnnotationFactory = null;
if (writeAnnotations) {
metadataAnnotationFactory = metaDataOutputAdapter
.getAnnotationFactory();
actAnnotationfactory = actWriter.getAnnotationFactory();
sceneAnnotationfactory = sceneWriter.getAnnotationFactory();
speechActAnnotationfactory = speechActWriter.getAnnotationFactory();
speakerAnnotationfactory = speakerWriter.getAnnotationFactory();
stageAnnotationfactory = stageWriter.getAnnotationFactory();
}
XMLInputFactory factory = XMLInputFactory.newInstance();
try {
int offset = 0;
osw = new OutputStreamWriter(output, "UTF-8");
byte[] bs = IOUtils.toByteArray(input);
metaData = queryMetaData(new ByteArrayInputStream(bs));
XMLEventReader reader = factory
.createXMLEventReader(new ByteArrayInputStream(bs), encoding);
while (reader.hasNext()) {
XMLEvent event = reader.nextEvent();
if (event.isStartElement()) {
QName startEventName = event.asStartElement().getName();
if (TEIDramaElements.TEXT.equals(startEventName)) {
offset = parseTEIText(reader, docId, osw, offset);
}
}
else if (event.isEndElement()) {
if (TEIDramaElements.TEI.equals(event.asEndElement()
.getName())) {
break;
}
}
}
if (metadataAnnotationFactory != null) {
Annotation<DublinCoreMetaDataImpl> anno = metadataAnnotationFactory
.newAnnotation(0, offset, docId, metaData,
TypeMapping.NONE);
metaDataOutputAdapter.store(anno);
}
}
catch (Exception e) {
e.printStackTrace();
}
finally {
try {
osw.close();
} catch (IOException e) {
throw new IOException(e);
}
}
}
/**
* Liest Metadaten aus und speichert sie in den entsprechenden Feldern des
* Dublin Core.
*/
@Override
public IDublinCoreMetadata getMetaData(InputStream in, String encoding) {
DublinCoreMetaDataImpl meta = new DublinCoreMetaDataImpl();
try {
meta = queryMetaData(in);
} catch (XPathExpressionException e) {
e.printStackTrace();
} catch (ParserConfigurationException e) {
e.printStackTrace();
} catch (SAXException e) {
e.printStackTrace();
} catch (IOException e) {
e.printStackTrace();
}
return meta;
}
/*
* Diese Methode erledigt das Einlesen der Metadaten aus den entsprechenden
* Feldern im TEI-Header mit Hilfe von XPath-Ausdrücken. Dabei gibt es zu
* den Feldern type und coverage in TEI kein Äquivalent. Für andere Felder
* bestehen mitunter mehrere mögliche Äquivalente in TEI.
*/
private DublinCoreMetaDataImpl queryMetaData(InputStream in)
throws ParserConfigurationException, SAXException, IOException,
XPathExpressionException {
DublinCoreMetaDataImpl meta = new DublinCoreMetaDataImpl();
DocumentBuilderFactory factory = DocumentBuilderFactory.newInstance();
factory.setNamespaceAware(true);
DocumentBuilder builder = factory.newDocumentBuilder();
org.w3c.dom.Document doc = builder.parse(in);
XPathFactory xFactory = XPathFactory.newInstance();
XPath xpath = xFactory.newXPath();
HashMap<String, String> nsMap = new HashMap<String, String>();
nsMap.put("", "http://www.tei-c.org/ns/1.0");
xpath.setNamespaceContext(new NamespaceContext() {
public String getNamespaceURI(String prefix) {
if (prefix == null)
throw new NullPointerException("Null prefix");
else if ("".equals(prefix))
return "http://www.tei-c.org/ns/1.0";
return XMLConstants.NULL_NS_URI;
}
public String getPrefix(String uri) {
throw new UnsupportedOperationException();
}
public Iterator getPrefixes(String uri) {
throw new UnsupportedOperationException();
}
});
XPathExpression expr = null;
String result = null;
String contributors = new String();
String sources = new String();
String relations = new String();
expr = xpath.compile("//:teiHeader/:fileDesc/:titleStmt/:title");
result = normalizeString((String) expr.evaluate(doc,
XPathConstants.STRING));
meta.setTitle(result);
expr = xpath.compile("//:teiHeader/:fileDesc/:titleStmt/:author");
result = normalizeString((String) expr.evaluate(doc,
XPathConstants.STRING));
meta.setCreator(result);
expr = xpath
.compile("//:teiHeader/:profileDesc/:textClass/:keywords/:list/:item");
NodeList resultSet = (NodeList) expr.evaluate(doc,
XPathConstants.NODESET);
result = new String();
for (int i = 0; i < resultSet.getLength(); i++) {
if (!result.isEmpty())
result += ", ";
result += resultSet.item(i).getNodeValue();
}
meta.setSubject(result);
expr = xpath.compile("//:teiHeader/:encodingDesc/:projectDesc");
result = normalizeString((String) expr.evaluate(doc,
XPathConstants.STRING));
meta.setDescription(result);
expr = xpath
.compile("//:teiHeader/:fileDesc/:publicationStmt/:publisher");
result = normalizeString((String) expr.evaluate(doc,
XPathConstants.STRING));
meta.setPublisher(result);
expr = xpath.compile("//:teiHeader/:fileDesc/:publicationStmt/:date");
result = normalizeString((String) expr.evaluate(doc,
XPathConstants.STRING));
meta.setDate(result);
expr = xpath.compile("//:teiHeader/:profileDesc/:langUsage/:language");
result = normalizeString((String) expr.evaluate(doc,
XPathConstants.STRING));
meta.setLanguage(result);
expr = xpath
.compile("//:teiHeader/:fileDesc/:publicationStmt/:availability");
result = normalizeString((String) expr.evaluate(doc,
XPathConstants.STRING));
meta.setRights(result);
expr = xpath.compile("//:teiHeader/:fileDesc/:titleStmt/:editor");
result = normalizeString((String) expr.evaluate(doc,
XPathConstants.STRING));
if (!contributors.isEmpty())
contributors += ", ";
contributors += result;
expr = xpath.compile("//:teiHeader/:fileDesc/:publicationStmt/:idno");
result = normalizeString((String) expr.evaluate(doc,
XPathConstants.STRING));
meta.setIdentifier(result);
expr = xpath.compile("//:teiHeader/:fileDesc/:seriesStmt/:title");
result = normalizeString((String) expr.evaluate(doc,
XPathConstants.STRING));
if (!relations.isEmpty())
relations += ", ";
relations += result;
expr = xpath
.compile("//:teiHeader/:fileDesc/:sourceDesc/:recordingStmt/:recording");
result = normalizeString((String) expr.evaluate(doc,
XPathConstants.STRING));
if (!relations.isEmpty())
relations += ", ";
relations += result;
expr = xpath.compile("//:teiHeader/:fileDesc/:sourceDesc/:bibl");
result = normalizeString((String) expr.evaluate(doc,
XPathConstants.STRING));
if (!sources.isEmpty())
sources += ", ";
sources += result;
expr = xpath.compile("//:teiHeader/:fileDesc/:sourceDesc/:biblFull");
result = normalizeString((String) expr.evaluate(doc,
XPathConstants.STRING));
if (!sources.isEmpty())
sources += ", ";
sources += result;
meta.setFormat("text/XML");
meta.setContributor(contributors);
meta.setSource(sources);
meta.setRelation(relations);
return meta;
}
/*
* Hilfsmethode zur Normalisierung von Strings, um sie von überflüssigen
* Tabs und Zeilenumbrüchen zu bereinigen.
*/
private String normalizeString(String string) {
return string.replaceAll("\\t", "").replaceAll("\\n", " ").trim();
}
/**
*
* @see de.uni_koeln.spinfo.tesla.component.reader.TextReader#supportsContent(java.io.InputStream)
*/
public boolean supportsContent(InputStream input) {
BufferedReader in = new BufferedReader(new InputStreamReader(input));
boolean result = testSupport(in);
try {
in.close();
} catch (IOException e) {
e.printStackTrace();
}
return result;
}
/*
* Hilfsmethode zum Testen der Unterstützung. Der Stream wird zeilenweise
* gelesen und die ersten Zeilen werden auf das Vorhandensein der XML-PI
* sowie des Wurzelelements <TEI> mit entsprechendem TEI-Namespace
* überprüft.
*/
private boolean testSupport(BufferedReader in) {
try {
String s = in.readLine();
if (s == null) {
return false;
}
while (s.trim().isEmpty()) {
s = in.readLine();
}
if (deleteNullsFromString(s).contains("<?xml version")) {
s = in.readLine();
while (s.trim().isEmpty()) {
s = in.readLine();
}
}
if (deleteNullsFromString(s).contains("<TEI")
&& deleteNullsFromString(s).contains(
"xmlns=\"http://www.tei-c.org/ns/1.0\"")) {
return true;
}
return false;
} catch (IOException e) {
return false;
}
}
private int parseTEIText(XMLEventReader reader, String docId,
OutputStreamWriter osw, int offset) throws XMLStreamException,
IOException {
while (reader.hasNext()) {
XMLEvent event = reader.nextEvent();
if (event.isStartElement()) {
StartElement startElement = event.asStartElement();
QName startElementName = startElement.getName();
if (TEIDramaElements.DIV.equals(startElementName)
|| TEIDramaElements.DIV1.equals(startElementName)
|| TEIDramaElements.DIV2.equals(startElementName)) {
Attribute divType = startElement
.getAttributeByName(new QName("type"));
if (divType != null) {
if (divType.getValue().equals("act")) {
offset = parseTEIDramaAct(reader, docId, osw,
offset);
continue;
} else {
reader.nextEvent();
}
} else {
reader.nextEvent();
}
}
} else if (event.isCharacters()) {
Characters characters = event.asCharacters();
if (!characters.isWhiteSpace()) {
String text = normalizeString(characters.getData());
osw.append(text + "\n");
offset += text.length() + "\n".length();
}
} else if (event.isEndElement()) {
if (TEIDramaElements.TEXT
.equals(event.asEndElement().getName())) {
break;
}
}
}
return offset;
}
/*
* Methode zum Parsen eines Aktes. Sie wird aufgerufen, wenn ein <div> mit
* dem Wert "act" für das @type-Attribut angetroffen wurde. Ein Akt soll als
* Label seinen Namen erhalten. Dieser kann entweder im Element <head>
* vermerkt werden, was eine beschreibende Annotation ist, oder in <title>,
* was eine tatsächlich im gedruckten Werk vorhandene Überschrift darstellt.
*
* Innerhalb des Akts wird auf ein Ereignis gewartet, das das Parsen einer
* Szene auslöst, also das Auftreten eines div> mit dem Wert "scene" für das
*
* @type-Attribut. Zeichenketten, die außerhalb dieses Elements auftauchen
* werden direkt in den OutputStream geschrieben.
*
* Die Methode beendet das Parsing und gibt die Kontrolle an die aufrufende
* Methode zurück, wenn das <div> für den Akt geschlossen wird. Da innerhalb
* dieses <div> beliebig viele weitere <div> auftauchen können, wird über
* einen Zähler das korrekte Endelement bestimmt.
*/
private int parseTEIDramaAct(XMLEventReader reader, String docId,
OutputStreamWriter osw, int offset) throws XMLStreamException,
IOException {
int counter = 1;
int right = offset;
TEIDramaAct act = new TEIDramaAct();
while (reader.hasNext()) {
XMLEvent event = reader.nextEvent();
if (event.isStartElement()) {
StartElement startElement = event.asStartElement();
QName startElementName = startElement.getName();
/*
* Der Titel eines Akts enthält oftmals, sofern vorhanden, eine
* Ziffer (bspw. "1. Akt" oder "Akt 1").
*/
if (TEIDramaElements.TITLE.equals(startElementName)) {
if (reader.peek().isCharacters()) {
String title = reader.peek().asCharacters().getData();
for (int i = 0; i < title.length(); i++) {
if (Character.isDigit(title.charAt(i))) {
act.setNumber(Character.digit(title.charAt(i),
10));
}
}
if (act.getLabel() == null || act.getLabel().isEmpty())
act.setLabel(title);
}
}
if (TEIDramaElements.HEAD.equals(startElementName)) {
if (reader.peek().isCharacters()) {
String header = reader.peek().asCharacters().getData();
if (act.getLabel() == null || act.getLabel().isEmpty())
act.setLabel(header);
}
}
if (TEIDramaElements.DIV.equals(startElementName)
|| TEIDramaElements.DIV1.equals(startElementName)
|| TEIDramaElements.DIV2.equals(startElementName)) {
counter++;
Attribute divType = startElement
.getAttributeByName(new QName("type"));
if (divType != null) {
if (divType.getValue().equals("scene")) {
right = parseTEIDramaScene(reader, docId, osw,
right);
} else {
reader.nextEvent();
}
} else {
reader.nextEvent();
}
}
}
else if (event.isEndElement()) {
QName endElementName = event.asEndElement().getName();
if (TEIDramaElements.DIV.equals(endElementName)
|| TEIDramaElements.DIV1.equals(endElementName)
|| TEIDramaElements.DIV2.equals(endElementName)) {
counter--;
if (counter == 0) {
if (actAnnotationfactory != null) {
Annotation<TEIDramaAct> anno = actAnnotationfactory
.newAnnotation(offset, right, docId, act,
TypeMapping.NONE);
actWriter.store(anno);
}
break;
}
}
}
else if (event.isCharacters()) {
Characters characters = event.asCharacters();
if (!characters.isWhiteSpace()) {
String text = normalizeString(characters.getData());
osw.append(text + "\n");
right += text.length() + "\n".length();
}
}
}
return right;
}
/*
* Methode zum Parsen einer Szene. Sie wird aufgerufen, wenn ein <div> mit
* dem Wert "scene" für das @type-Attribut angetroffen wurde. Eine Szene
* soll als Label seinen Namen erhalten. Dieser kann entweder im Element
* <head> vermerkt werden, was eine beschreibende Annotation ist, oder in
* <title>, was eine tatsächlich im gedruckten Werk vorhandene Überschrift
* darstellt.
*
* Innerhalb der Szene wird auf Ereignisse gewartet, das das Parsen eines
* Sprechakts auslöst, also das Auftreten eines <sp>-Elements, oder einer
* Bühnenanweisung (<stage>). Zeichenketten, die außerhalb dieser Elemente
* auftauchen werden direkt in den OutputStream geschrieben.
*
* Die Methode beendet das Parsing und gibt die Kontrolle an die aufrufende
* Methode zurück, wenn das <div> für die Szene geschlossen wird. Da
* innerhalb dieses <div> beliebig viele weitere <div> auftauchen können,
* wird über einen Zähler das korrekte Endelement bestimmt.
*/
private int parseTEIDramaScene(XMLEventReader reader, String docId,
OutputStreamWriter osw, int offset) throws XMLStreamException,
IOException {
int counter = 1;
int right = offset;
int stageLeft = offset;
TEIDramaScene scene = new TEIDramaScene();
TEIDramaStage stage = null;
while (reader.hasNext()) {
if (reader.peek().isEndElement()) {
QName endElementName = reader.peek().asEndElement().getName();
if (TEIDramaElements.DIV.equals(endElementName)
|| TEIDramaElements.DIV1.equals(endElementName)
|| TEIDramaElements.DIV2.equals(endElementName)) {
counter--;
if (counter == 0) {
if (sceneAnnotationfactory != null) {
Annotation<TEIDramaScene> anno = sceneAnnotationfactory
.newAnnotation(offset, right, docId, scene,
TypeMapping.NONE);
sceneWriter.store(anno);
}
osw.append("\n");
right += "\n".length();
break;
}
}
}
XMLEvent event = reader.nextEvent();
if (event.isStartElement()) {
QName startElementName = event.asStartElement().getName();
if (TEIDramaElements.TITLE.equals(startElementName)) {
if (reader.peek().isCharacters()) {
String header = reader.peek().asCharacters().getData();
for (int i = 0; i < header.length(); i++) {
if (Character.isDigit(header.charAt(i))) {
scene.setNumber(Character.digit(
header.charAt(i), 10));
scene.setLabel("Scene " + scene.getNumber());
}
}
if (scene.getLabel() == null
|| scene.getLabel().isEmpty())
scene.setLabel(header);
}
}
if (TEIDramaElements.HEAD.equals(startElementName)) {
if (reader.peek().isCharacters()) {
String header = reader.peek().asCharacters().getData();
if (scene.getLabel() == null
|| scene.getLabel().isEmpty())
scene.setLabel(header);
}
}
if (TEIDramaElements.DIV.equals(startElementName)
|| TEIDramaElements.DIV1.equals(startElementName)
|| TEIDramaElements.DIV2.equals(startElementName)) {
counter++;
}
if (TEIDramaElements.SPEECH.equals(startElementName)) {
right = parseTEIDramaSpeechAct(reader, docId, osw, right);
}
if (TEIDramaElements.STAGE.equals(startElementName)) {
stageLeft = right;
stage = new TEIDramaStage();
String text = normalizeString(readCharacters(reader,
TEIDramaElements.STAGE));
stage.setText(text);
osw.append(text + "\n");
right += text.length() + "\n".length();
}
}
else if (event.isEndElement()) {
QName endElementName = event.asEndElement().getName();
if (TEIDramaElements.STAGE.equals(endElementName)) {
if (stageAnnotationfactory != null) {
Annotation<TEIDramaStage> anno = stageAnnotationfactory
.newAnnotation(stageLeft, right, docId, stage,
TypeMapping.NONE);
stageWriter.store(anno);
}
}
}
else if (event.isCharacters()) {
Characters characters = event.asCharacters();
if (!characters.isWhiteSpace()) {
String text = normalizeString(characters.getData());
osw.append(text + "\n");
right += text.length() + "\n".length();
}
}
}
return right;
}
/*
* Methode zum Parsen eines Sprechakts. Sie wird aufgerufen, wenn das
* Element <sp> in einer Szene angetroffen wurde.
*
* Innerhalb des Sprechakts können der Name des Sprechers in <speaker>,
* Bühnenanweisungen in <stage> sowie der gesprochene Text in Textelementen
* wie <l> oder <p> auftauchen. wird auf Ereignisse gewartet, das das Parsen
* eines Sprechakts auslöst, also das Auftreten eines <sp>-Elements, oder
* einer Bühnenanweisung (<stage>).
*
* Die Methode beendet das Parsing und gibt die Kontrolle an die aufrufende
* Methode zurück, wenn das <sp> Element geschlossen wird.
*/
private int parseTEIDramaSpeechAct(XMLEventReader reader, String docId,
OutputStreamWriter osw, int offset) throws XMLStreamException,
IOException {
int right = offset;
int speakerLeft = offset;
int stageLeft = offset;
TEIDramaSpeechAct speechAct = new TEIDramaSpeechAct();
TEIDramaSpeaker speaker = null;
TEIDramaStage stage = null;
while (reader.hasNext()) {
XMLEvent event = reader.nextEvent();
if (event.isStartElement()) {
QName subElementName = event.asStartElement().getName();
if (TEIDramaElements.SPEAKER.equals(subElementName)) {
speakerLeft = right;
speaker = new TEIDramaSpeaker();
String name = readCharacters(reader,
TEIDramaElements.SPEAKER);
speaker.setName(name);
osw.append(name + " ");
right += name.length() + " ".length();
}
if (TEIDramaElements.STAGE.equals(subElementName)) {
stageLeft = right;
stage = new TEIDramaStage();
String text = normalizeString(readCharacters(reader,
TEIDramaElements.STAGE));
stage.setText(text);
osw.append(text + "\n");
right += text.length() + "\n".length();
}
if (TEIDramaElements.PARAGRAPH.equals(subElementName)) {
String text = normalizeString(readCharacters(reader,
TEIDramaElements.PARAGRAPH));
speechAct.addText(text);
osw.append(text + "\n");
right += text.length() + "\n".length();
}
if (TEIDramaElements.LINE.equals(subElementName)) {
String text = normalizeString(readCharacters(reader,
TEIDramaElements.LINE));
speechAct.addText(text);
osw.append(text + "\n");
right += text.length() + "\n".length();
}
}
else if (event.isEndElement()) {
QName subElementName = event.asEndElement().getName();
if (TEIDramaElements.SPEAKER.equals(subElementName)) {
if (speakerAnnotationfactory != null) {
Annotation<TEIDramaSpeaker> anno = speakerAnnotationfactory
.newAnnotation(speakerLeft, right, docId,
speaker, TypeMapping.NONE);
speakerWriter.store(anno);
}
}
if (TEIDramaElements.STAGE.equals(subElementName)) {
if (stageAnnotationfactory != null) {
Annotation<TEIDramaStage> anno = stageAnnotationfactory
.newAnnotation(stageLeft, right, docId, stage,
TypeMapping.NONE);
stageWriter.store(anno);
}
}
if (TEIDramaElements.SPEECH.equals(subElementName)) {
if (speechActAnnotationfactory != null) {
Annotation<TEIDramaSpeechAct> anno = speechActAnnotationfactory
.newAnnotation(offset, right, docId,
speechAct, TypeMapping.NONE);
speechActWriter.store(anno);
}
break;
}
}
}
return right;
}
/*
* Allgemeine Methode zum Einlesen aller Zeichenketten innerhalb eines
* bestimmten Elements bis zum Ende dieses Elements. Zeichenketten von
* Kindelementen werden dabei ebenfalls eingelesen und an den String
* angefügt.
*/
private String readCharacters(XMLEventReader reader, QName currentElement)
throws XMLStreamException {
String string = new String();
while (reader.hasNext()) {
if (reader.peek().isEndElement()
&& reader.peek().asEndElement().getName()
.equals(currentElement)) {
break;
}
XMLEvent event = reader.nextEvent();
if (event.isCharacters()) {
Characters characters = event.asCharacters();
if (!string.isEmpty())
string += " ";
string += characters.getData().trim();
}
}
return string;
}
public static class TEIDramaElements {
private final static String NAMESPACE = "http://www.tei-c.org/ns/1.0";
private final static QName TEI = new QName(NAMESPACE, "TEI");
private final static QName TEXT = new QName(NAMESPACE, "text");
private final static QName DIV = new QName(NAMESPACE, "div");
private final static QName DIV1 = new QName(NAMESPACE, "div1");
private final static QName DIV2 = new QName(NAMESPACE, "div2");
private final static QName SPEECH = new QName(NAMESPACE, "sp");
private final static QName SPEAKER = new QName(NAMESPACE, "speaker");
private final static QName PARAGRAPH = new QName(NAMESPACE, "p");
private final static QName LINE = new QName(NAMESPACE, "l");
private final static QName STAGE = new QName(NAMESPACE, "stage");
private final static QName HEAD = new QName(NAMESPACE, "head");
private final static QName TITLE = new QName(NAMESPACE, "title");
}
}