On Oct 18, 2006, at 3:08 PM, Yves Bastide wrote:
Christophe Otton wrote:
Bonjour,
J'ai toujours mon pb de réindexation et quelques difficultés à
savoir d'où ça vient.
Mon premier souci serait de comprendre les messages d'erreur du
event.log / est-ce que quelqu'un peut m'aider à déchiffrer ce type
de message :
2006-10-16T21:15:09 PROBLEM(100) FilteredSet eval() failed
Object: document.html, expr: getattr(o, 'portal_type', None) not
in ('Section', 'Workspace')
Traceback (most recent call last):
File "/home/zope/Zope-2.7.6-final/lib/python/Products/
PluginIndexes/TopicIndex/FilteredSet.py", line 73, in index_object
if RestrictionCapableEval(self.expr).eval({'o': o}):
File "/home/zope/Zope-2.7.6-final/lib/python/RestrictedPython/
Eval.py", line 112, in eval
return eval(code, d)
File "<string>", line 1, in <expression>
Unauthorized: You are not allowed to access 'portal_type' in this
context
Littéralement, que l'utilisateur qui demande d'afficher
document.html n'en a pas le droit... Mais c'est plus sûrement que
ledit document.html est corrompu. D'autant plus avec tes autres
messages d'erreur.
Tu peux peut-être essayer ceci :
1. supprimer les documents Word qui ont lancé la cascade d'erreurs
2. installer le patch pour PortalTransforms que j'ai mis hier dans
le Trac : http://svn.nuxeo.org/trac/pub/ticket/1760. Il accélère
notamment word_to_html. Au point de les rendre utilisables. Deux
bémols :
* il nécessite une version récente de lxml (au moins 1.0, je pense)
Si je comprends bien c'est parce que lxml comprend bien le html pas
bien formé ?
* il est faux :-) (supprimant les parties du document HTML sous les
balises inconnues, au lieu de supprimer les balises seules ; il
faut au minimum ajouter 'font' aux balises reconnues)
Bonjour, on se demandait justement si on l'incorporerait dans la
(future mais proche) 3.4.3 :-)
Pour cela, il faudrait, bien sûr qu'il soit corrigé, s'il est
incomplet et faire attention à la dépendance sur lxml:
par exemple, lxml 1.0.3 est actuellement dans la branche "testing" de
Debian. Àma, ce serait bien de tester la présence de lxml et
d'utiliser l'ancien système par défaut, je crois qu'il y a pas mal de
gens qui se débarassent simplement de CPSBlog pour faire tourner leur
CPS dans lxml (ceci date d'une époque où l'installation de lmxl était
plus difficile).
2b. j'attache aussi un word_to_text.py utilisant wvware : le mettre
dans PortalTransforms/transforms, modifier transforms/__init__.py
pour qu'il l'appelle, et l'ajouter sous la ZMI
On peut avoir ça aussi dans le ticket ? une source unique c'est plus
simple.
Merci pour les contributions en tout cas.
3. Réimporter les documents Word
4. Supprimer et recréer les index
Ch Otton
Poyry Environment.
yves
# $Id$
import os
import sys
from lxml import etree
from Products.PortalTransforms.interfaces import itransform
from Products.PortalTransforms.transforms import office_wvware
ENCODING = "iso-8859-15"
# This could go in libtransforms/utils
def getBodyTextFromHTML( html_fd, encoding ):
"""Return the body, as text, of an HTML document.
"""
parser = etree.HTMLParser()
tree = etree.parse(html_fd, parser)
body = []
body_elt = tree.getroot().find('body')
if not body_elt:
return ''
for event, elem in etree.iterwalk(body_elt, events=('start',
'end')):
if VALID_TAGS.get(elem.tag, 0):
if elem.text:
txt = elem.text.strip()
if isinstance(txt, unicode):
txt = txt.encode(encoding, 'xmlcharrefreplace')
if txt:
body.append(txt)
if elem.tail:
txt = elem.tail.strip()
if isinstance(txt, unicode):
txt = txt.encode(encoding, 'xmlcharrefreplace')
if txt:
body.append(txt)
return " ".join(body)
class document(office_wvware.document):
def text(self):
htmlfile = open(os.path.join(self.tmpdir, self.__name__
+'.html'))
text = getBodyTextFromHTML(htmlfile, ENCODING)
return text
class word_to_text:
__implements__ = itransform
__name__ = 'word_to_text'
inputs = ('application/msword',)
output = 'text/plain'
def name(self):
return self.__name__
def convert(self, data, cache, **kwargs):
orig_file = os.path.basename((kwargs.get('filename') or
'unknown.doc'))
doc = document(orig_file, data)
doc.convert()
text = doc.text()
doc.cleanDir(doc.tmpdir)
cache.setData(text)
return cache
def register():
return word_to_text()
_______________________________________________
cps-users-fr
Adresse de la liste : [email protected]
Gestion de l'abonnement : <http://lists.nuxeo.com/mailman/listinfo/
cps-users-fr>
---------
Georges Racinet, Nuxeo SAS
Open Source Enterprise Content Management (ECM)
Web: http://www.nuxeo.com/ and http://www.nuxeo.org/ - Tel: +33 1 40
33 79 87
_______________________________________________
cps-users-fr
Adresse de la liste : [email protected]
Gestion de l'abonnement : <http://lists.nuxeo.com/mailman/listinfo/cps-users-fr>
