import sys,os
sys.path.insert(0, os.path.join(os.path.dirname(__file__) or '.', '../'))
import scrape
 
from bs4 import BeautifulSoup
import abc
import dateutil.parser
 
class GenericOAICDisclogScraper(object):
        __metaclass__ = abc.ABCMeta
        @abc.abstractmethod
        def getAgencyID(self):
                """ disclosr agency id """
                return
 
        @abc.abstractmethod
        def getURL(self):
                """ disclog URL"""
                return
 
        @abc.abstractmethod
        def getColumns(self,columns):
                """ rearranges columns if required """
                return
 
        def doScrape(self):
                foidocsdb = scrape.couch['disclosr-foidocuments']
                (url,mime_type,content) = scrape.fetchURL(scrape.docsdb, self.getURL(), "foidocuments", self.getAgencyID())
                if content != None:
                        if mime_type == "text/html" or mime_type == "application/xhtml+xml" or mime_type =="application/xml":
                        # http://www.crummy.com/software/BeautifulSoup/documentation.html
                                soup = BeautifulSoup(content)
                                for row in soup.table.find_all('tr'):
                                        columns = row.find_all('td')
                                        if len(columns) == 5:
                                                (id, date, description, title, notes) = self.getColumns(columns)
                                                print id.string
                                                hash = scrape.mkhash(url+id.string)
                                                links = []
                                                for atag in row.find_all("a"):
                                                        if atag.has_key('href'):
                                                                links.append(scrape.fullurl(url,atag['href']))
                                                doc = foidocsdb.get(hash)
                                                descriptiontxt = ""
                                                for string in description.stripped_strings:
                                                        descriptiontxt = descriptiontxt + string
                                                        
                                                if doc == None:
                                                        print "saving"
                                                        edate = dateutil.parser.parse(date.string).date().strftime("%Y-%m-%d")
                                                        doc = {'_id': hash, 'agencyID': self.getAgencyID(), 'url': self.getURL(), "links": links, 'docID': id.string,
                                                         "date": edate, "description": descriptiontxt,"title": title.string,"notes": notes.string}
                                                        foidocsdb.save(doc)
                                                else:
                                                        print "already saved"
                                        
                                        elif len(row.find_all('th')) == 5:
                                                print "header row"
                                        
                                        else:
                                                print "ERROR number of columns incorrect"
                                                print row