xml2txt

#!/usr/bin/env ruby
#
# Parst die TEI/XML-Datei von Textgrid mit sämtlichen Gedichten von Arndt und
# erzeugt für jedes Gedicht eine einzelne Datei. Benannt ist die Datei nach dem
# Schema "<nnnnn> <Datum> <Autor>.txt". Falls kein Datum angegeben ist, wird
# "ohne Jahr" ergänzt. Haben mehrere Gedichte den gleichen Titel, werden sie
# konkateniert.
#
# Als Argument benötigt das Programm die TEI/XML-Datei mit den Gedichten, z.B.
# "Arndt_Gedichte.xml": ~> ./xml2txt Arnd_Gedichte.xml
# Vorher noch: ~> chmod +x xml2txt, um die Datei ausführbar zu machen.
# Außerdem: ~> gem install nokogiri, falls noch nicht installiert.
#
# Version 0.2
#
# Ramon Voges
#

# gem install nokogiri, falls nicht vorhanden
require 'nokogiri'

# Erstes Argument muss Dateiname sein
filename = ARGV.shift

# Verwendet Nokogiri und lädt die angegebene Datei
doc = Nokogiri::XML(File.open(filename))

# Struct als Bauanleitung für die Gedichte
Gedicht = Struct.new(:author, :title, :date, :stanzas)

count = 0

doc.css("TEI").each do |g|
  count += 1
  stanzas = String.new
  gedicht = Gedicht.new
  gedicht.author = g.search("author").text
  gedicht.title = g.search("title").first.text
  date = g.css("text body div div p[rend='zenoPC']").first
  if date == nil || date.inner_html =~ /<hi/
    gedicht.date ||= "ohne Datum"
  else
    gedicht.date = date.inner_html.gsub(".", "")
  end
  stanzas << g.css("lg").text.gsub(/^ +/, "")
  gedicht.stanzas = stanzas
  file = "#{sprintf '%05d', count} #{gedicht.date} #{gedicht.author.split(",").first}.txt"
  File.open(file, "a") do |f|
    f.puts gedicht.title
    f.puts gedicht.date
    f.puts gedicht.stanzas
  end
end