import sys,os
sys.path.insert(0, os.path.join(os.path.dirname(__file__) or '.', '../'))
import scrape
foidocsdb = scrape.couch['disclosr-foidocuments']
 
#RSS feed not detailed
from bs4 import BeautifulSoup
#http://www.apvma.gov.au/about/foi/disclosure/index.php
agencyID = "3cd40b1240e987cbcd3f0e67054ce259"
(url,mime_type,content) = scrape.fetchURL(scrape.docsdb, "http://www.apvma.gov.au/about/foi/disclosure/index.php", "foidocuments", agencyID)
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) = 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"
                                        doc = {'_id': hash, 'agencyID': agencyID, 'url': url, "links": links, 'docID': id.string, "date": date.string, "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