home *** CD-ROM | disk | FTP | other *** search
/ Freelog 125 / Freelog_MarsAvril2015_No125.iso / Internet / gpodder / gpodder-portable.exe / gpodder-portable / src / feedparser.py
Text File  |  2014-10-30  |  167KB  |  4,014 lines

  1. """Universal feed parser
  2.  
  3. Handles RSS 0.9x, RSS 1.0, RSS 2.0, CDF, Atom 0.3, and Atom 1.0 feeds
  4.  
  5. Visit https://code.google.com/p/feedparser/ for the latest version
  6. Visit http://packages.python.org/feedparser/ for the latest documentation
  7.  
  8. Required: Python 2.4 or later
  9. Recommended: iconv_codec <http://cjkpython.i18n.org/>
  10. """
  11.  
  12. __version__ = "5.1.3"
  13. __license__ = """
  14. Copyright (c) 2010-2012 Kurt McKee <contactme@kurtmckee.org>
  15. Copyright (c) 2002-2008 Mark Pilgrim
  16. All rights reserved.
  17.  
  18. Redistribution and use in source and binary forms, with or without modification,
  19. are permitted provided that the following conditions are met:
  20.  
  21. * Redistributions of source code must retain the above copyright notice,
  22.   this list of conditions and the following disclaimer.
  23. * Redistributions in binary form must reproduce the above copyright notice,
  24.   this list of conditions and the following disclaimer in the documentation
  25.   and/or other materials provided with the distribution.
  26.  
  27. THIS SOFTWARE IS PROVIDED BY THE COPYRIGHT HOLDERS AND CONTRIBUTORS 'AS IS'
  28. AND ANY EXPRESS OR IMPLIED WARRANTIES, INCLUDING, BUT NOT LIMITED TO, THE
  29. IMPLIED WARRANTIES OF MERCHANTABILITY AND FITNESS FOR A PARTICULAR PURPOSE
  30. ARE DISCLAIMED. IN NO EVENT SHALL THE COPYRIGHT OWNER OR CONTRIBUTORS BE
  31. LIABLE FOR ANY DIRECT, INDIRECT, INCIDENTAL, SPECIAL, EXEMPLARY, OR
  32. CONSEQUENTIAL DAMAGES (INCLUDING, BUT NOT LIMITED TO, PROCUREMENT OF
  33. SUBSTITUTE GOODS OR SERVICES; LOSS OF USE, DATA, OR PROFITS; OR BUSINESS
  34. INTERRUPTION) HOWEVER CAUSED AND ON ANY THEORY OF LIABILITY, WHETHER IN
  35. CONTRACT, STRICT LIABILITY, OR TORT (INCLUDING NEGLIGENCE OR OTHERWISE)
  36. ARISING IN ANY WAY OUT OF THE USE OF THIS SOFTWARE, EVEN IF ADVISED OF THE
  37. POSSIBILITY OF SUCH DAMAGE."""
  38. __author__ = "Mark Pilgrim <http://diveintomark.org/>"
  39. __contributors__ = ["Jason Diamond <http://injektilo.org/>",
  40.                     "John Beimler <http://john.beimler.org/>",
  41.                     "Fazal Majid <http://www.majid.info/mylos/weblog/>",
  42.                     "Aaron Swartz <http://aaronsw.com/>",
  43.                     "Kevin Marks <http://epeus.blogspot.com/>",
  44.                     "Sam Ruby <http://intertwingly.net/>",
  45.                     "Ade Oshineye <http://blog.oshineye.com/>",
  46.                     "Martin Pool <http://sourcefrog.net/>",
  47.                     "Kurt McKee <http://kurtmckee.org/>",
  48.                     "Bernd Schlapsi <https://github.com/brot>",]
  49.  
  50. # HTTP "User-Agent" header to send to servers when downloading feeds.
  51. # If you are embedding feedparser in a larger application, you should
  52. # change this to your application name and URL.
  53. USER_AGENT = "UniversalFeedParser/%s +https://code.google.com/p/feedparser/" % __version__
  54.  
  55. # HTTP "Accept" header to send to servers when downloading feeds.  If you don't
  56. # want to send an Accept header, set this to None.
  57. ACCEPT_HEADER = "application/atom+xml,application/rdf+xml,application/rss+xml,application/x-netcdf,application/xml;q=0.9,text/xml;q=0.2,*/*;q=0.1"
  58.  
  59. # List of preferred XML parsers, by SAX driver name.  These will be tried first,
  60. # but if they're not installed, Python will keep searching through its own list
  61. # of pre-installed parsers until it finds one that supports everything we need.
  62. PREFERRED_XML_PARSERS = ["drv_libxml2"]
  63.  
  64. # If you want feedparser to automatically run HTML markup through HTML Tidy, set
  65. # this to 1.  Requires mxTidy <http://www.egenix.com/files/python/mxTidy.html>
  66. # or utidylib <http://utidylib.berlios.de/>.
  67. TIDY_MARKUP = 0
  68.  
  69. # List of Python interfaces for HTML Tidy, in order of preference.  Only useful
  70. # if TIDY_MARKUP = 1
  71. PREFERRED_TIDY_INTERFACES = ["uTidy", "mxTidy"]
  72.  
  73. # If you want feedparser to automatically resolve all relative URIs, set this
  74. # to 1.
  75. RESOLVE_RELATIVE_URIS = 1
  76.  
  77. # If you want feedparser to automatically sanitize all potentially unsafe
  78. # HTML content, set this to 1.
  79. SANITIZE_HTML = 1
  80.  
  81. # If you want feedparser to automatically parse microformat content embedded
  82. # in entry contents, set this to 1
  83. PARSE_MICROFORMATS = 1
  84.  
  85. # ---------- Python 3 modules (make it work if possible) ----------
  86. try:
  87.     import rfc822
  88. except ImportError:
  89.     from email import _parseaddr as rfc822
  90.  
  91. try:
  92.     # Python 3.1 introduces bytes.maketrans and simultaneously
  93.     # deprecates string.maketrans; use bytes.maketrans if possible
  94.     _maketrans = bytes.maketrans
  95. except (NameError, AttributeError):
  96.     import string
  97.     _maketrans = string.maketrans
  98.  
  99. # base64 support for Atom feeds that contain embedded binary data
  100. try:
  101.     import base64, binascii
  102. except ImportError:
  103.     base64 = binascii = None
  104. else:
  105.     # Python 3.1 deprecates decodestring in favor of decodebytes
  106.     _base64decode = getattr(base64, 'decodebytes', base64.decodestring)
  107.  
  108. # _s2bytes: convert a UTF-8 str to bytes if the interpreter is Python 3
  109. # _l2bytes: convert a list of ints to bytes if the interpreter is Python 3
  110. try:
  111.     if bytes is str:
  112.         # In Python 2.5 and below, bytes doesn't exist (NameError)
  113.         # In Python 2.6 and above, bytes and str are the same type
  114.         raise NameError
  115. except NameError:
  116.     # Python 2
  117.     def _s2bytes(s):
  118.         return s
  119.     def _l2bytes(l):
  120.         return ''.join(map(chr, l))
  121. else:
  122.     # Python 3
  123.     def _s2bytes(s):
  124.         return bytes(s, 'utf8')
  125.     def _l2bytes(l):
  126.         return bytes(l)
  127.  
  128. # If you want feedparser to allow all URL schemes, set this to ()
  129. # List culled from Python's urlparse documentation at:
  130. #   http://docs.python.org/library/urlparse.html
  131. # as well as from "URI scheme" at Wikipedia:
  132. #   https://secure.wikimedia.org/wikipedia/en/wiki/URI_scheme
  133. # Many more will likely need to be added!
  134. ACCEPTABLE_URI_SCHEMES = (
  135.     'file', 'ftp', 'gopher', 'h323', 'hdl', 'http', 'https', 'imap', 'magnet',
  136.     'mailto', 'mms', 'news', 'nntp', 'prospero', 'rsync', 'rtsp', 'rtspu',
  137.     'sftp', 'shttp', 'sip', 'sips', 'snews', 'svn', 'svn+ssh', 'telnet',
  138.     'wais',
  139.     # Additional common-but-unofficial schemes
  140.     'aim', 'callto', 'cvs', 'facetime', 'feed', 'git', 'gtalk', 'irc', 'ircs',
  141.     'irc6', 'itms', 'mms', 'msnim', 'skype', 'ssh', 'smb', 'svn', 'ymsg',
  142. )
  143. #ACCEPTABLE_URI_SCHEMES = ()
  144.  
  145. # ---------- required modules (should come with any Python distribution) ----------
  146. import cgi
  147. import codecs
  148. import copy
  149. import datetime
  150. import re
  151. import struct
  152. import time
  153. import types
  154. import urllib
  155. import urllib2
  156. import urlparse
  157. import warnings
  158.  
  159. from htmlentitydefs import name2codepoint, codepoint2name, entitydefs
  160.  
  161. try:
  162.     from io import BytesIO as _StringIO
  163. except ImportError:
  164.     try:
  165.         from cStringIO import StringIO as _StringIO
  166.     except ImportError:
  167.         from StringIO import StringIO as _StringIO
  168.  
  169. # ---------- optional modules (feedparser will work without these, but with reduced functionality) ----------
  170.  
  171. # gzip is included with most Python distributions, but may not be available if you compiled your own
  172. try:
  173.     import gzip
  174. except ImportError:
  175.     gzip = None
  176. try:
  177.     import zlib
  178. except ImportError:
  179.     zlib = None
  180.  
  181. # If a real XML parser is available, feedparser will attempt to use it.  feedparser has
  182. # been tested with the built-in SAX parser and libxml2.  On platforms where the
  183. # Python distribution does not come with an XML parser (such as Mac OS X 10.2 and some
  184. # versions of FreeBSD), feedparser will quietly fall back on regex-based parsing.
  185. try:
  186.     import xml.sax
  187.     from xml.sax.saxutils import escape as _xmlescape
  188. except ImportError:
  189.     _XML_AVAILABLE = 0
  190.     def _xmlescape(data,entities={}):
  191.         data = data.replace('&', '&')
  192.         data = data.replace('>', '>')
  193.         data = data.replace('<', '<')
  194.         for char, entity in entities:
  195.             data = data.replace(char, entity)
  196.         return data
  197. else:
  198.     try:
  199.         xml.sax.make_parser(PREFERRED_XML_PARSERS) # test for valid parsers
  200.     except xml.sax.SAXReaderNotAvailable:
  201.         _XML_AVAILABLE = 0
  202.     else:
  203.         _XML_AVAILABLE = 1
  204.  
  205. # sgmllib is not available by default in Python 3; if the end user doesn't have
  206. # it available then we'll lose illformed XML parsing, content santizing, and
  207. # microformat support (at least while feedparser depends on BeautifulSoup).
  208. try:
  209.     import sgmllib
  210. except ImportError:
  211.     # This is probably Python 3, which doesn't include sgmllib anymore
  212.     _SGML_AVAILABLE = 0
  213.  
  214.     # Mock sgmllib enough to allow subclassing later on
  215.     class sgmllib(object):
  216.         class SGMLParser(object):
  217.             def goahead(self, i):
  218.                 pass
  219.             def parse_starttag(self, i):
  220.                 pass
  221. else:
  222.     _SGML_AVAILABLE = 1
  223.  
  224.     # sgmllib defines a number of module-level regular expressions that are
  225.     # insufficient for the XML parsing feedparser needs. Rather than modify
  226.     # the variables directly in sgmllib, they're defined here using the same
  227.     # names, and the compiled code objects of several sgmllib.SGMLParser
  228.     # methods are copied into _BaseHTMLProcessor so that they execute in
  229.     # feedparser's scope instead of sgmllib's scope.
  230.     charref = re.compile('&#(\d+|[xX][0-9a-fA-F]+);')
  231.     tagfind = re.compile('[a-zA-Z][-_.:a-zA-Z0-9]*')
  232.     attrfind = re.compile(
  233.         r'\s*([a-zA-Z_][-:.a-zA-Z_0-9]*)[$]?(\s*=\s*'
  234.         r'(\'[^\']*\'|"[^"]*"|[][\-a-zA-Z0-9./,:;+*%?!&$\(\)_#=~\'"@]*))?'
  235.     )
  236.  
  237.     # Unfortunately, these must be copied over to prevent NameError exceptions
  238.     entityref = sgmllib.entityref
  239.     incomplete = sgmllib.incomplete
  240.     interesting = sgmllib.interesting
  241.     shorttag = sgmllib.shorttag
  242.     shorttagopen = sgmllib.shorttagopen
  243.     starttagopen = sgmllib.starttagopen
  244.  
  245.     class _EndBracketRegEx:
  246.         def __init__(self):
  247.             # Overriding the built-in sgmllib.endbracket regex allows the
  248.             # parser to find angle brackets embedded in element attributes.
  249.             self.endbracket = re.compile('''([^'"<>]|"[^"]*"(?=>|/|\s|\w+=)|'[^']*'(?=>|/|\s|\w+=))*(?=[<>])|.*?(?=[<>])''')
  250.         def search(self, target, index=0):
  251.             match = self.endbracket.match(target, index)
  252.             if match is not None:
  253.                 # Returning a new object in the calling thread's context
  254.                 # resolves a thread-safety.
  255.                 return EndBracketMatch(match)
  256.             return None
  257.     class EndBracketMatch:
  258.         def __init__(self, match):
  259.             self.match = match
  260.         def start(self, n):
  261.             return self.match.end(n)
  262.     endbracket = _EndBracketRegEx()
  263.  
  264.  
  265. # iconv_codec provides support for more character encodings.
  266. # It's available from http://cjkpython.i18n.org/
  267. try:
  268.     import iconv_codec
  269. except ImportError:
  270.     pass
  271.  
  272. # chardet library auto-detects character encodings
  273. # Download from http://chardet.feedparser.org/
  274. try:
  275.     import chardet
  276. except ImportError:
  277.     chardet = None
  278.  
  279. # BeautifulSoup is used to extract microformat content from HTML
  280. # feedparser is tested using BeautifulSoup 3.2.0
  281. # http://www.crummy.com/software/BeautifulSoup/
  282. try:
  283.     import BeautifulSoup
  284. except ImportError:
  285.     BeautifulSoup = None
  286.     PARSE_MICROFORMATS = False
  287.  
  288. # ---------- don't touch these ----------
  289. class ThingsNobodyCaresAboutButMe(Exception): pass
  290. class CharacterEncodingOverride(ThingsNobodyCaresAboutButMe): pass
  291. class CharacterEncodingUnknown(ThingsNobodyCaresAboutButMe): pass
  292. class NonXMLContentType(ThingsNobodyCaresAboutButMe): pass
  293. class UndeclaredNamespace(Exception): pass
  294.  
  295. SUPPORTED_VERSIONS = {'': u'unknown',
  296.                       'rss090': u'RSS 0.90',
  297.                       'rss091n': u'RSS 0.91 (Netscape)',
  298.                       'rss091u': u'RSS 0.91 (Userland)',
  299.                       'rss092': u'RSS 0.92',
  300.                       'rss093': u'RSS 0.93',
  301.                       'rss094': u'RSS 0.94',
  302.                       'rss20': u'RSS 2.0',
  303.                       'rss10': u'RSS 1.0',
  304.                       'rss': u'RSS (unknown version)',
  305.                       'atom01': u'Atom 0.1',
  306.                       'atom02': u'Atom 0.2',
  307.                       'atom03': u'Atom 0.3',
  308.                       'atom10': u'Atom 1.0',
  309.                       'atom': u'Atom (unknown version)',
  310.                       'cdf': u'CDF',
  311.                       }
  312.  
  313. class FeedParserDict(dict):
  314.     keymap = {'channel': 'feed',
  315.               'items': 'entries',
  316.               'guid': 'id',
  317.               'date': 'updated',
  318.               'date_parsed': 'updated_parsed',
  319.               'description': ['summary', 'subtitle'],
  320.               'description_detail': ['summary_detail', 'subtitle_detail'],
  321.               'url': ['href'],
  322.               'modified': 'updated',
  323.               'modified_parsed': 'updated_parsed',
  324.               'issued': 'published',
  325.               'issued_parsed': 'published_parsed',
  326.               'copyright': 'rights',
  327.               'copyright_detail': 'rights_detail',
  328.               'tagline': 'subtitle',
  329.               'tagline_detail': 'subtitle_detail'}
  330.     def __getitem__(self, key):
  331.         if key == 'category':
  332.             try:
  333.                 return dict.__getitem__(self, 'tags')[0]['term']
  334.             except IndexError:
  335.                 raise KeyError, "object doesn't have key 'category'"
  336.         elif key == 'enclosures':
  337.             norel = lambda link: FeedParserDict([(name,value) for (name,value) in link.items() if name!='rel'])
  338.             return [norel(link) for link in dict.__getitem__(self, 'links') if link['rel']==u'enclosure']
  339.         elif key == 'license':
  340.             for link in dict.__getitem__(self, 'links'):
  341.                 if link['rel']==u'license' and 'href' in link:
  342.                     return link['href']
  343.         elif key == 'updated':
  344.             # Temporarily help developers out by keeping the old
  345.             # broken behavior that was reported in issue 310.
  346.             # This fix was proposed in issue 328.
  347.             if not dict.__contains__(self, 'updated') and \
  348.                 dict.__contains__(self, 'published'):
  349.                 warnings.warn("To avoid breaking existing software while "
  350.                     "fixing issue 310, a temporary mapping has been created "
  351.                     "from `updated` to `published` if `updated` doesn't "
  352.                     "exist. This fallback will be removed in a future version "
  353.                     "of feedparser.", DeprecationWarning)
  354.                 return dict.__getitem__(self, 'published')
  355.             return dict.__getitem__(self, 'updated')
  356.         elif key == 'updated_parsed':
  357.             if not dict.__contains__(self, 'updated_parsed') and \
  358.                 dict.__contains__(self, 'published_parsed'):
  359.                 warnings.warn("To avoid breaking existing software while "
  360.                     "fixing issue 310, a temporary mapping has been created "
  361.                     "from `updated_parsed` to `published_parsed` if "
  362.                     "`updated_parsed` doesn't exist. This fallback will be "
  363.                     "removed in a future version of feedparser.",
  364.                     DeprecationWarning)
  365.                 return dict.__getitem__(self, 'published_parsed')
  366.             return dict.__getitem__(self, 'updated_parsed')
  367.         else:
  368.             realkey = self.keymap.get(key, key)
  369.             if isinstance(realkey, list):
  370.                 for k in realkey:
  371.                     if dict.__contains__(self, k):
  372.                         return dict.__getitem__(self, k)
  373.             elif dict.__contains__(self, realkey):
  374.                 return dict.__getitem__(self, realkey)
  375.         return dict.__getitem__(self, key)
  376.  
  377.     def __contains__(self, key):
  378.         if key in ('updated', 'updated_parsed'):
  379.             # Temporarily help developers out by keeping the old
  380.             # broken behavior that was reported in issue 310.
  381.             # This fix was proposed in issue 328.
  382.             return dict.__contains__(self, key)
  383.         try:
  384.             self.__getitem__(key)
  385.         except KeyError:
  386.             return False
  387.         else:
  388.             return True
  389.  
  390.     has_key = __contains__
  391.  
  392.     def get(self, key, default=None):
  393.         try:
  394.             return self.__getitem__(key)
  395.         except KeyError:
  396.             return default
  397.  
  398.     def __setitem__(self, key, value):
  399.         key = self.keymap.get(key, key)
  400.         if isinstance(key, list):
  401.             key = key[0]
  402.         return dict.__setitem__(self, key, value)
  403.  
  404.     def setdefault(self, key, value):
  405.         if key not in self:
  406.             self[key] = value
  407.             return value
  408.         return self[key]
  409.  
  410.     def __getattr__(self, key):
  411.         # __getattribute__() is called first; this will be called
  412.         # only if an attribute was not already found
  413.         try:
  414.             return self.__getitem__(key)
  415.         except KeyError:
  416.             raise AttributeError, "object has no attribute '%s'" % key
  417.  
  418.     def __hash__(self):
  419.         return id(self)
  420.  
  421. _cp1252 = {
  422.     128: unichr(8364), # euro sign
  423.     130: unichr(8218), # single low-9 quotation mark
  424.     131: unichr( 402), # latin small letter f with hook
  425.     132: unichr(8222), # double low-9 quotation mark
  426.     133: unichr(8230), # horizontal ellipsis
  427.     134: unichr(8224), # dagger
  428.     135: unichr(8225), # double dagger
  429.     136: unichr( 710), # modifier letter circumflex accent
  430.     137: unichr(8240), # per mille sign
  431.     138: unichr( 352), # latin capital letter s with caron
  432.     139: unichr(8249), # single left-pointing angle quotation mark
  433.     140: unichr( 338), # latin capital ligature oe
  434.     142: unichr( 381), # latin capital letter z with caron
  435.     145: unichr(8216), # left single quotation mark
  436.     146: unichr(8217), # right single quotation mark
  437.     147: unichr(8220), # left double quotation mark
  438.     148: unichr(8221), # right double quotation mark
  439.     149: unichr(8226), # bullet
  440.     150: unichr(8211), # en dash
  441.     151: unichr(8212), # em dash
  442.     152: unichr( 732), # small tilde
  443.     153: unichr(8482), # trade mark sign
  444.     154: unichr( 353), # latin small letter s with caron
  445.     155: unichr(8250), # single right-pointing angle quotation mark
  446.     156: unichr( 339), # latin small ligature oe
  447.     158: unichr( 382), # latin small letter z with caron
  448.     159: unichr( 376), # latin capital letter y with diaeresis
  449. }
  450.  
  451. _urifixer = re.compile('^([A-Za-z][A-Za-z0-9+-.]*://)(/*)(.*?)')
  452. def _urljoin(base, uri):
  453.     uri = _urifixer.sub(r'\1\3', uri)
  454.     #try:
  455.     if not isinstance(uri, unicode):
  456.         uri = uri.decode('utf-8', 'ignore')
  457.     uri = urlparse.urljoin(base, uri)
  458.     if not isinstance(uri, unicode):
  459.         return uri.decode('utf-8', 'ignore')
  460.     return uri
  461.     #except:
  462.     #    uri = urlparse.urlunparse([urllib.quote(part) for part in urlparse.urlparse(uri)])
  463.     #    return urlparse.urljoin(base, uri)
  464.  
  465. class _FeedParserMixin:
  466.     namespaces = {
  467.         '': '',
  468.         'http://backend.userland.com/rss': '',
  469.         'http://blogs.law.harvard.edu/tech/rss': '',
  470.         'http://purl.org/rss/1.0/': '',
  471.         'http://my.netscape.com/rdf/simple/0.9/': '',
  472.         'http://example.com/newformat#': '',
  473.         'http://example.com/necho': '',
  474.         'http://purl.org/echo/': '',
  475.         'uri/of/echo/namespace#': '',
  476.         'http://purl.org/pie/': '',
  477.         'http://purl.org/atom/ns#': '',
  478.         'http://www.w3.org/2005/Atom': '',
  479.         'http://purl.org/rss/1.0/modules/rss091#': '',
  480.  
  481.         'http://webns.net/mvcb/':                                'admin',
  482.         'http://purl.org/rss/1.0/modules/aggregation/':          'ag',
  483.         'http://purl.org/rss/1.0/modules/annotate/':             'annotate',
  484.         'http://media.tangent.org/rss/1.0/':                     'audio',
  485.         'http://backend.userland.com/blogChannelModule':         'blogChannel',
  486.         'http://web.resource.org/cc/':                           'cc',
  487.         'http://backend.userland.com/creativeCommonsRssModule':  'creativeCommons',
  488.         'http://purl.org/rss/1.0/modules/company':               'co',
  489.         'http://purl.org/rss/1.0/modules/content/':              'content',
  490.         'http://my.theinfo.org/changed/1.0/rss/':                'cp',
  491.         'http://purl.org/dc/elements/1.1/':                      'dc',
  492.         'http://purl.org/dc/terms/':                             'dcterms',
  493.         'http://purl.org/rss/1.0/modules/email/':                'email',
  494.         'http://purl.org/rss/1.0/modules/event/':                'ev',
  495.         'http://rssnamespace.org/feedburner/ext/1.0':            'feedburner',
  496.         'http://freshmeat.net/rss/fm/':                          'fm',
  497.         'http://xmlns.com/foaf/0.1/':                            'foaf',
  498.         'http://www.w3.org/2003/01/geo/wgs84_pos#':              'geo',
  499.         'http://postneo.com/icbm/':                              'icbm',
  500.         'http://purl.org/rss/1.0/modules/image/':                'image',
  501.         'http://www.itunes.com/DTDs/PodCast-1.0.dtd':            'itunes',
  502.         'http://example.com/DTDs/PodCast-1.0.dtd':               'itunes',
  503.         'http://purl.org/rss/1.0/modules/link/':                 'l',
  504.         'http://search.yahoo.com/mrss':                          'media',
  505.         # Version 1.1.2 of the Media RSS spec added the trailing slash on the namespace
  506.         'http://search.yahoo.com/mrss/':                         'media',
  507.         'http://madskills.com/public/xml/rss/module/pingback/':  'pingback',
  508.         'http://prismstandard.org/namespaces/1.2/basic/':        'prism',
  509.         'http://www.w3.org/1999/02/22-rdf-syntax-ns#':           'rdf',
  510.         'http://www.w3.org/2000/01/rdf-schema#':                 'rdfs',
  511.         'http://purl.org/rss/1.0/modules/reference/':            'ref',
  512.         'http://purl.org/rss/1.0/modules/richequiv/':            'reqv',
  513.         'http://purl.org/rss/1.0/modules/search/':               'search',
  514.         'http://purl.org/rss/1.0/modules/slash/':                'slash',
  515.         'http://schemas.xmlsoap.org/soap/envelope/':             'soap',
  516.         'http://purl.org/rss/1.0/modules/servicestatus/':        'ss',
  517.         'http://hacks.benhammersley.com/rss/streaming/':         'str',
  518.         'http://purl.org/rss/1.0/modules/subscription/':         'sub',
  519.         'http://purl.org/rss/1.0/modules/syndication/':          'sy',
  520.         'http://schemas.pocketsoap.com/rss/myDescModule/':       'szf',
  521.         'http://purl.org/rss/1.0/modules/taxonomy/':             'taxo',
  522.         'http://purl.org/rss/1.0/modules/threading/':            'thr',
  523.         'http://purl.org/rss/1.0/modules/textinput/':            'ti',
  524.         'http://madskills.com/public/xml/rss/module/trackback/': 'trackback',
  525.         'http://wellformedweb.org/commentAPI/':                  'wfw',
  526.         'http://purl.org/rss/1.0/modules/wiki/':                 'wiki',
  527.         'http://www.w3.org/1999/xhtml':                          'xhtml',
  528.         'http://www.w3.org/1999/xlink':                          'xlink',
  529.         'http://www.w3.org/XML/1998/namespace':                  'xml',
  530.     }
  531.     _matchnamespaces = {}
  532.  
  533.     can_be_relative_uri = set(['link', 'id', 'wfw_comment', 'wfw_commentrss', 'docs', 'url', 'href', 'comments', 'icon', 'logo'])
  534.     can_contain_relative_uris = set(['content', 'title', 'summary', 'info', 'tagline', 'subtitle', 'copyright', 'rights', 'description'])
  535.     can_contain_dangerous_markup = set(['content', 'title', 'summary', 'info', 'tagline', 'subtitle', 'copyright', 'rights', 'description'])
  536.     html_types = [u'text/html', u'application/xhtml+xml']
  537.  
  538.     def __init__(self, baseuri=None, baselang=None, encoding=u'utf-8'):
  539.         if not self._matchnamespaces:
  540.             for k, v in self.namespaces.items():
  541.                 self._matchnamespaces[k.lower()] = v
  542.         self.feeddata = FeedParserDict() # feed-level data
  543.         self.encoding = encoding # character encoding
  544.         self.entries = [] # list of entry-level data
  545.         self.version = u'' # feed type/version, see SUPPORTED_VERSIONS
  546.         self.namespacesInUse = {} # dictionary of namespaces defined by the feed
  547.  
  548.         # the following are used internally to track state;
  549.         # this is really out of control and should be refactored
  550.         self.infeed = 0
  551.         self.inentry = 0
  552.         self.incontent = 0
  553.         self.intextinput = 0
  554.         self.inimage = 0
  555.         self.inauthor = 0
  556.         self.incontributor = 0
  557.         self.inpublisher = 0
  558.         self.insource = 0
  559.         self.sourcedata = FeedParserDict()
  560.         self.contentparams = FeedParserDict()
  561.         self._summaryKey = None
  562.         self.namespacemap = {}
  563.         self.elementstack = []
  564.         self.basestack = []
  565.         self.langstack = []
  566.         self.baseuri = baseuri or u''
  567.         self.lang = baselang or None
  568.         self.svgOK = 0
  569.         self.title_depth = -1
  570.         self.depth = 0
  571.         if baselang:
  572.             self.feeddata['language'] = baselang.replace('_','-')
  573.  
  574.         # A map of the following form:
  575.         #     {
  576.         #         object_that_value_is_set_on: {
  577.         #             property_name: depth_of_node_property_was_extracted_from,
  578.         #             other_property: depth_of_node_property_was_extracted_from,
  579.         #         },
  580.         #     }
  581.         self.property_depth_map = {}
  582.  
  583.     def _normalize_attributes(self, kv):
  584.         k = kv[0].lower()
  585.         v = k in ('rel', 'type') and kv[1].lower() or kv[1]
  586.         # the sgml parser doesn't handle entities in attributes, nor
  587.         # does it pass the attribute values through as unicode, while
  588.         # strict xml parsers do -- account for this difference
  589.         if isinstance(self, _LooseFeedParser):
  590.             v = v.replace('&', '&')
  591.             if not isinstance(v, unicode):
  592.                 v = v.decode('utf-8')
  593.         return (k, v)
  594.  
  595.     def unknown_starttag(self, tag, attrs):
  596.         # increment depth counter
  597.         self.depth += 1
  598.  
  599.         # normalize attrs
  600.         attrs = map(self._normalize_attributes, attrs)
  601.  
  602.         # track xml:base and xml:lang
  603.         attrsD = dict(attrs)
  604.         baseuri = attrsD.get('xml:base', attrsD.get('base')) or self.baseuri
  605.         if not isinstance(baseuri, unicode):
  606.             baseuri = baseuri.decode(self.encoding, 'ignore')
  607.         # ensure that self.baseuri is always an absolute URI that
  608.         # uses a whitelisted URI scheme (e.g. not `javscript:`)
  609.         if self.baseuri:
  610.             self.baseuri = _makeSafeAbsoluteURI(self.baseuri, baseuri) or self.baseuri
  611.         else:
  612.             self.baseuri = _urljoin(self.baseuri, baseuri)
  613.         lang = attrsD.get('xml:lang', attrsD.get('lang'))
  614.         if lang == '':
  615.             # xml:lang could be explicitly set to '', we need to capture that
  616.             lang = None
  617.         elif lang is None:
  618.             # if no xml:lang is specified, use parent lang
  619.             lang = self.lang
  620.         if lang:
  621.             if tag in ('feed', 'rss', 'rdf:RDF'):
  622.                 self.feeddata['language'] = lang.replace('_','-')
  623.         self.lang = lang
  624.         self.basestack.append(self.baseuri)
  625.         self.langstack.append(lang)
  626.  
  627.         # track namespaces
  628.         for prefix, uri in attrs:
  629.             if prefix.startswith('xmlns:'):
  630.                 self.trackNamespace(prefix[6:], uri)
  631.             elif prefix == 'xmlns':
  632.                 self.trackNamespace(None, uri)
  633.  
  634.         # track inline content
  635.         if self.incontent and not self.contentparams.get('type', u'xml').endswith(u'xml'):
  636.             if tag in ('xhtml:div', 'div'):
  637.                 return # typepad does this 10/2007
  638.             # element declared itself as escaped markup, but it isn't really
  639.             self.contentparams['type'] = u'application/xhtml+xml'
  640.         if self.incontent and self.contentparams.get('type') == u'application/xhtml+xml':
  641.             if tag.find(':') <> -1:
  642.                 prefix, tag = tag.split(':', 1)
  643.                 namespace = self.namespacesInUse.get(prefix, '')
  644.                 if tag=='math' and namespace=='http://www.w3.org/1998/Math/MathML':
  645.                     attrs.append(('xmlns',namespace))
  646.                 if tag=='svg' and namespace=='http://www.w3.org/2000/svg':
  647.                     attrs.append(('xmlns',namespace))
  648.             if tag == 'svg':
  649.                 self.svgOK += 1
  650.             return self.handle_data('<%s%s>' % (tag, self.strattrs(attrs)), escape=0)
  651.  
  652.         # match namespaces
  653.         if tag.find(':') <> -1:
  654.             prefix, suffix = tag.split(':', 1)
  655.         else:
  656.             prefix, suffix = '', tag
  657.         prefix = self.namespacemap.get(prefix, prefix)
  658.         if prefix:
  659.             prefix = prefix + '_'
  660.  
  661.         # special hack for better tracking of empty textinput/image elements in illformed feeds
  662.         if (not prefix) and tag not in ('title', 'link', 'description', 'name'):
  663.             self.intextinput = 0
  664.         if (not prefix) and tag not in ('title', 'link', 'description', 'url', 'href', 'width', 'height'):
  665.             self.inimage = 0
  666.  
  667.         # call special handler (if defined) or default handler
  668.         methodname = '_start_' + prefix + suffix
  669.         try:
  670.             method = getattr(self, methodname)
  671.             return method(attrsD)
  672.         except AttributeError:
  673.             # Since there's no handler or something has gone wrong we explicitly add the element and its attributes
  674.             unknown_tag = prefix + suffix
  675.             if len(attrsD) == 0:
  676.                 # No attributes so merge it into the encosing dictionary
  677.                 return self.push(unknown_tag, 1)
  678.             else:
  679.                 # Has attributes so create it in its own dictionary
  680.                 context = self._getContext()
  681.                 context[unknown_tag] = attrsD
  682.  
  683.     def unknown_endtag(self, tag):
  684.         # match namespaces
  685.         if tag.find(':') <> -1:
  686.             prefix, suffix = tag.split(':', 1)
  687.         else:
  688.             prefix, suffix = '', tag
  689.         prefix = self.namespacemap.get(prefix, prefix)
  690.         if prefix:
  691.             prefix = prefix + '_'
  692.         if suffix == 'svg' and self.svgOK:
  693.             self.svgOK -= 1
  694.  
  695.         # call special handler (if defined) or default handler
  696.         methodname = '_end_' + prefix + suffix
  697.         try:
  698.             if self.svgOK:
  699.                 raise AttributeError()
  700.             method = getattr(self, methodname)
  701.             method()
  702.         except AttributeError:
  703.             self.pop(prefix + suffix)
  704.  
  705.         # track inline content
  706.         if self.incontent and not self.contentparams.get('type', u'xml').endswith(u'xml'):
  707.             # element declared itself as escaped markup, but it isn't really
  708.             if tag in ('xhtml:div', 'div'):
  709.                 return # typepad does this 10/2007
  710.             self.contentparams['type'] = u'application/xhtml+xml'
  711.         if self.incontent and self.contentparams.get('type') == u'application/xhtml+xml':
  712.             tag = tag.split(':')[-1]
  713.             self.handle_data('</%s>' % tag, escape=0)
  714.  
  715.         # track xml:base and xml:lang going out of scope
  716.         if self.basestack:
  717.             self.basestack.pop()
  718.             if self.basestack and self.basestack[-1]:
  719.                 self.baseuri = self.basestack[-1]
  720.         if self.langstack:
  721.             self.langstack.pop()
  722.             if self.langstack: # and (self.langstack[-1] is not None):
  723.                 self.lang = self.langstack[-1]
  724.  
  725.         self.depth -= 1
  726.  
  727.     def handle_charref(self, ref):
  728.         # called for each character reference, e.g. for ' ', ref will be '160'
  729.         if not self.elementstack:
  730.             return
  731.         ref = ref.lower()
  732.         if ref in ('34', '38', '39', '60', '62', 'x22', 'x26', 'x27', 'x3c', 'x3e'):
  733.             text = '&#%s;' % ref
  734.         else:
  735.             if ref[0] == 'x':
  736.                 c = int(ref[1:], 16)
  737.             else:
  738.                 c = int(ref)
  739.             text = unichr(c).encode('utf-8')
  740.         self.elementstack[-1][2].append(text)
  741.  
  742.     def handle_entityref(self, ref):
  743.         # called for each entity reference, e.g. for '©', ref will be 'copy'
  744.         if not self.elementstack:
  745.             return
  746.         if ref in ('lt', 'gt', 'quot', 'amp', 'apos'):
  747.             text = '&%s;' % ref
  748.         elif ref in self.entities:
  749.             text = self.entities[ref]
  750.             if text.startswith('&#') and text.endswith(';'):
  751.                 return self.handle_entityref(text)
  752.         else:
  753.             try:
  754.                 name2codepoint[ref]
  755.             except KeyError:
  756.                 text = '&%s;' % ref
  757.             else:
  758.                 text = unichr(name2codepoint[ref]).encode('utf-8')
  759.         self.elementstack[-1][2].append(text)
  760.  
  761.     def handle_data(self, text, escape=1):
  762.         # called for each block of plain text, i.e. outside of any tag and
  763.         # not containing any character or entity references
  764.         if not self.elementstack:
  765.             return
  766.         if escape and self.contentparams.get('type') == u'application/xhtml+xml':
  767.             text = _xmlescape(text)
  768.         self.elementstack[-1][2].append(text)
  769.  
  770.     def handle_comment(self, text):
  771.         # called for each comment, e.g. <!-- insert message here -->
  772.         pass
  773.  
  774.     def handle_pi(self, text):
  775.         # called for each processing instruction, e.g. <?instruction>
  776.         pass
  777.  
  778.     def handle_decl(self, text):
  779.         pass
  780.  
  781.     def parse_declaration(self, i):
  782.         # override internal declaration handler to handle CDATA blocks
  783.         if self.rawdata[i:i+9] == '<![CDATA[':
  784.             k = self.rawdata.find(']]>', i)
  785.             if k == -1:
  786.                 # CDATA block began but didn't finish
  787.                 k = len(self.rawdata)
  788.                 return k
  789.             self.handle_data(_xmlescape(self.rawdata[i+9:k]), 0)
  790.             return k+3
  791.         else:
  792.             k = self.rawdata.find('>', i)
  793.             if k >= 0:
  794.                 return k+1
  795.             else:
  796.                 # We have an incomplete CDATA block.
  797.                 return k
  798.  
  799.     def mapContentType(self, contentType):
  800.         contentType = contentType.lower()
  801.         if contentType == 'text' or contentType == 'plain':
  802.             contentType = u'text/plain'
  803.         elif contentType == 'html':
  804.             contentType = u'text/html'
  805.         elif contentType == 'xhtml':
  806.             contentType = u'application/xhtml+xml'
  807.         return contentType
  808.  
  809.     def trackNamespace(self, prefix, uri):
  810.         loweruri = uri.lower()
  811.         if not self.version:
  812.             if (prefix, loweruri) == (None, 'http://my.netscape.com/rdf/simple/0.9/'):
  813.                 self.version = u'rss090'
  814.             elif loweruri == 'http://purl.org/rss/1.0/':
  815.                 self.version = u'rss10'
  816.             elif loweruri == 'http://www.w3.org/2005/atom':
  817.                 self.version = u'atom10'
  818.         if loweruri.find(u'backend.userland.com/rss') <> -1:
  819.             # match any backend.userland.com namespace
  820.             uri = u'http://backend.userland.com/rss'
  821.             loweruri = uri
  822.         if loweruri in self._matchnamespaces:
  823.             self.namespacemap[prefix] = self._matchnamespaces[loweruri]
  824.             self.namespacesInUse[self._matchnamespaces[loweruri]] = uri
  825.         else:
  826.             self.namespacesInUse[prefix or ''] = uri
  827.  
  828.     def resolveURI(self, uri):
  829.         return _urljoin(self.baseuri or u'', uri)
  830.  
  831.     def decodeEntities(self, element, data):
  832.         return data
  833.  
  834.     def strattrs(self, attrs):
  835.         return ''.join([' %s="%s"' % (t[0],_xmlescape(t[1],{'"':'"'})) for t in attrs])
  836.  
  837.     def push(self, element, expectingText):
  838.         self.elementstack.append([element, expectingText, []])
  839.  
  840.     def pop(self, element, stripWhitespace=1):
  841.         if not self.elementstack:
  842.             return
  843.         if self.elementstack[-1][0] != element:
  844.             return
  845.  
  846.         element, expectingText, pieces = self.elementstack.pop()
  847.  
  848.         if self.version == u'atom10' and self.contentparams.get('type', u'text') == u'application/xhtml+xml':
  849.             # remove enclosing child element, but only if it is a <div> and
  850.             # only if all the remaining content is nested underneath it.
  851.             # This means that the divs would be retained in the following:
  852.             #    <div>foo</div><div>bar</div>
  853.             while pieces and len(pieces)>1 and not pieces[-1].strip():
  854.                 del pieces[-1]
  855.             while pieces and len(pieces)>1 and not pieces[0].strip():
  856.                 del pieces[0]
  857.             if pieces and (pieces[0] == '<div>' or pieces[0].startswith('<div ')) and pieces[-1]=='</div>':
  858.                 depth = 0
  859.                 for piece in pieces[:-1]:
  860.                     if piece.startswith('</'):
  861.                         depth -= 1
  862.                         if depth == 0:
  863.                             break
  864.                     elif piece.startswith('<') and not piece.endswith('/>'):
  865.                         depth += 1
  866.                 else:
  867.                     pieces = pieces[1:-1]
  868.  
  869.         # Ensure each piece is a str for Python 3
  870.         for (i, v) in enumerate(pieces):
  871.             if not isinstance(v, unicode):
  872.                 pieces[i] = v.decode('utf-8')
  873.  
  874.         output = u''.join(pieces)
  875.         if stripWhitespace:
  876.             output = output.strip()
  877.         if not expectingText:
  878.             return output
  879.  
  880.         # decode base64 content
  881.         if base64 and self.contentparams.get('base64', 0):
  882.             try:
  883.                 output = _base64decode(output)
  884.             except binascii.Error:
  885.                 pass
  886.             except binascii.Incomplete:
  887.                 pass
  888.             except TypeError:
  889.                 # In Python 3, base64 takes and outputs bytes, not str
  890.                 # This may not be the most correct way to accomplish this
  891.                 output = _base64decode(output.encode('utf-8')).decode('utf-8')
  892.  
  893.         # resolve relative URIs
  894.         if (element in self.can_be_relative_uri) and output:
  895.             output = self.resolveURI(output)
  896.  
  897.         # decode entities within embedded markup
  898.         if not self.contentparams.get('base64', 0):
  899.             output = self.decodeEntities(element, output)
  900.  
  901.         # some feed formats require consumers to guess
  902.         # whether the content is html or plain text
  903.         if not self.version.startswith(u'atom') and self.contentparams.get('type') == u'text/plain':
  904.             if self.lookslikehtml(output):
  905.                 self.contentparams['type'] = u'text/html'
  906.  
  907.         # remove temporary cruft from contentparams
  908.         try:
  909.             del self.contentparams['mode']
  910.         except KeyError:
  911.             pass
  912.         try:
  913.             del self.contentparams['base64']
  914.         except KeyError:
  915.             pass
  916.  
  917.         is_htmlish = self.mapContentType(self.contentparams.get('type', u'text/html')) in self.html_types
  918.         # resolve relative URIs within embedded markup
  919.         if is_htmlish and RESOLVE_RELATIVE_URIS:
  920.             if element in self.can_contain_relative_uris:
  921.                 output = _resolveRelativeURIs(output, self.baseuri, self.encoding, self.contentparams.get('type', u'text/html'))
  922.  
  923.         # parse microformats
  924.         # (must do this before sanitizing because some microformats
  925.         # rely on elements that we sanitize)
  926.         if PARSE_MICROFORMATS and is_htmlish and element in ['content', 'description', 'summary']:
  927.             mfresults = _parseMicroformats(output, self.baseuri, self.encoding)
  928.             if mfresults:
  929.                 for tag in mfresults.get('tags', []):
  930.                     self._addTag(tag['term'], tag['scheme'], tag['label'])
  931.                 for enclosure in mfresults.get('enclosures', []):
  932.                     self._start_enclosure(enclosure)
  933.                 for xfn in mfresults.get('xfn', []):
  934.                     self._addXFN(xfn['relationships'], xfn['href'], xfn['name'])
  935.                 vcard = mfresults.get('vcard')
  936.                 if vcard:
  937.                     self._getContext()['vcard'] = vcard
  938.  
  939.         # sanitize embedded markup
  940.         if is_htmlish and SANITIZE_HTML:
  941.             if element in self.can_contain_dangerous_markup:
  942.                 output = _sanitizeHTML(output, self.encoding, self.contentparams.get('type', u'text/html'))
  943.  
  944.         if self.encoding and not isinstance(output, unicode):
  945.             output = output.decode(self.encoding, 'ignore')
  946.  
  947.         # address common error where people take data that is already
  948.         # utf-8, presume that it is iso-8859-1, and re-encode it.
  949.         if self.encoding in (u'utf-8', u'utf-8_INVALID_PYTHON_3') and isinstance(output, unicode):
  950.             try:
  951.                 output = output.encode('iso-8859-1').decode('utf-8')
  952.             except (UnicodeEncodeError, UnicodeDecodeError):
  953.                 pass
  954.  
  955.         # map win-1252 extensions to the proper code points
  956.         if isinstance(output, unicode):
  957.             output = output.translate(_cp1252)
  958.  
  959.         # categories/tags/keywords/whatever are handled in _end_category
  960.         if element == 'category':
  961.             return output
  962.  
  963.         if element == 'title' and -1 < self.title_depth <= self.depth:
  964.             return output
  965.  
  966.         # store output in appropriate place(s)
  967.         if self.inentry and not self.insource:
  968.             if element == 'content':
  969.                 self.entries[-1].setdefault(element, [])
  970.                 contentparams = copy.deepcopy(self.contentparams)
  971.                 contentparams['value'] = output
  972.                 self.entries[-1][element].append(contentparams)
  973.             elif element == 'link':
  974.                 if not self.inimage:
  975.                     # query variables in urls in link elements are improperly
  976.                     # converted from `?a=1&b=2` to `?a=1&b;=2` as if they're
  977.                     # unhandled character references. fix this special case.
  978.                     output = re.sub("&([A-Za-z0-9_]+);", "&\g<1>", output)
  979.                     self.entries[-1][element] = output
  980.                     if output:
  981.                         self.entries[-1]['links'][-1]['href'] = output
  982.             else:
  983.                 if element == 'description':
  984.                     element = 'summary'
  985.                 old_value_depth = self.property_depth_map.setdefault(self.entries[-1], {}).get(element)
  986.                 if old_value_depth is None or self.depth <= old_value_depth:
  987.                     self.property_depth_map[self.entries[-1]][element] = self.depth
  988.                     self.entries[-1][element] = output
  989.                 if self.incontent:
  990.                     contentparams = copy.deepcopy(self.contentparams)
  991.                     contentparams['value'] = output
  992.                     self.entries[-1][element + '_detail'] = contentparams
  993.         elif (self.infeed or self.insource):# and (not self.intextinput) and (not self.inimage):
  994.             context = self._getContext()
  995.             if element == 'description':
  996.                 element = 'subtitle'
  997.             context[element] = output
  998.             if element == 'link':
  999.                 # fix query variables; see above for the explanation
  1000.                 output = re.sub("&([A-Za-z0-9_]+);", "&\g<1>", output)
  1001.                 context[element] = output
  1002.                 context['links'][-1]['href'] = output
  1003.             elif self.incontent:
  1004.                 contentparams = copy.deepcopy(self.contentparams)
  1005.                 contentparams['value'] = output
  1006.                 context[element + '_detail'] = contentparams
  1007.         return output
  1008.  
  1009.     def pushContent(self, tag, attrsD, defaultContentType, expectingText):
  1010.         self.incontent += 1
  1011.         if self.lang:
  1012.             self.lang=self.lang.replace('_','-')
  1013.         self.contentparams = FeedParserDict({
  1014.             'type': self.mapContentType(attrsD.get('type', defaultContentType)),
  1015.             'language': self.lang,
  1016.             'base': self.baseuri})
  1017.         self.contentparams['base64'] = self._isBase64(attrsD, self.contentparams)
  1018.         self.push(tag, expectingText)
  1019.  
  1020.     def popContent(self, tag):
  1021.         value = self.pop(tag)
  1022.         self.incontent -= 1
  1023.         self.contentparams.clear()
  1024.         return value
  1025.  
  1026.     # a number of elements in a number of RSS variants are nominally plain
  1027.     # text, but this is routinely ignored.  This is an attempt to detect
  1028.     # the most common cases.  As false positives often result in silent
  1029.     # data loss, this function errs on the conservative side.
  1030.     @staticmethod
  1031.     def lookslikehtml(s):
  1032.         # must have a close tag or an entity reference to qualify
  1033.         if not (re.search(r'</(\w+)>',s) or re.search("&#?\w+;",s)):
  1034.             return
  1035.  
  1036.         # all tags must be in a restricted subset of valid HTML tags
  1037.         if filter(lambda t: t.lower() not in _HTMLSanitizer.acceptable_elements,
  1038.             re.findall(r'</?(\w+)',s)):
  1039.             return
  1040.  
  1041.         # all entities must have been defined as valid HTML entities
  1042.         if filter(lambda e: e not in entitydefs.keys(), re.findall(r'&(\w+);', s)):
  1043.             return
  1044.  
  1045.         return 1
  1046.  
  1047.     def _mapToStandardPrefix(self, name):
  1048.         colonpos = name.find(':')
  1049.         if colonpos <> -1:
  1050.             prefix = name[:colonpos]
  1051.             suffix = name[colonpos+1:]
  1052.             prefix = self.namespacemap.get(prefix, prefix)
  1053.             name = prefix + ':' + suffix
  1054.         return name
  1055.  
  1056.     def _getAttribute(self, attrsD, name):
  1057.         return attrsD.get(self._mapToStandardPrefix(name))
  1058.  
  1059.     def _isBase64(self, attrsD, contentparams):
  1060.         if attrsD.get('mode', '') == 'base64':
  1061.             return 1
  1062.         if self.contentparams['type'].startswith(u'text/'):
  1063.             return 0
  1064.         if self.contentparams['type'].endswith(u'+xml'):
  1065.             return 0
  1066.         if self.contentparams['type'].endswith(u'/xml'):
  1067.             return 0
  1068.         return 1
  1069.  
  1070.     def _itsAnHrefDamnIt(self, attrsD):
  1071.         href = attrsD.get('url', attrsD.get('uri', attrsD.get('href', None)))
  1072.         if href:
  1073.             try:
  1074.                 del attrsD['url']
  1075.             except KeyError:
  1076.                 pass
  1077.             try:
  1078.                 del attrsD['uri']
  1079.             except KeyError:
  1080.                 pass
  1081.             attrsD['href'] = href
  1082.         return attrsD
  1083.  
  1084.     def _save(self, key, value, overwrite=False):
  1085.         context = self._getContext()
  1086.         if overwrite:
  1087.             context[key] = value
  1088.         else:
  1089.             context.setdefault(key, value)
  1090.  
  1091.     def _start_rss(self, attrsD):
  1092.         versionmap = {'0.91': u'rss091u',
  1093.                       '0.92': u'rss092',
  1094.                       '0.93': u'rss093',
  1095.                       '0.94': u'rss094'}
  1096.         #If we're here then this is an RSS feed.
  1097.         #If we don't have a version or have a version that starts with something
  1098.         #other than RSS then there's been a mistake. Correct it.
  1099.         if not self.version or not self.version.startswith(u'rss'):
  1100.             attr_version = attrsD.get('version', '')
  1101.             version = versionmap.get(attr_version)
  1102.             if version:
  1103.                 self.version = version
  1104.             elif attr_version.startswith('2.'):
  1105.                 self.version = u'rss20'
  1106.             else:
  1107.                 self.version = u'rss'
  1108.  
  1109.     def _start_channel(self, attrsD):
  1110.         self.infeed = 1
  1111.         self._cdf_common(attrsD)
  1112.  
  1113.     def _cdf_common(self, attrsD):
  1114.         if 'lastmod' in attrsD:
  1115.             self._start_modified({})
  1116.             self.elementstack[-1][-1] = attrsD['lastmod']
  1117.             self._end_modified()
  1118.         if 'href' in attrsD:
  1119.             self._start_link({})
  1120.             self.elementstack[-1][-1] = attrsD['href']
  1121.             self._end_link()
  1122.  
  1123.     def _start_feed(self, attrsD):
  1124.         self.infeed = 1
  1125.         versionmap = {'0.1': u'atom01',
  1126.                       '0.2': u'atom02',
  1127.                       '0.3': u'atom03'}
  1128.         if not self.version:
  1129.             attr_version = attrsD.get('version')
  1130.             version = versionmap.get(attr_version)
  1131.             if version:
  1132.                 self.version = version
  1133.             else:
  1134.                 self.version = u'atom'
  1135.  
  1136.     def _end_channel(self):
  1137.         self.infeed = 0
  1138.     _end_feed = _end_channel
  1139.  
  1140.     def _start_image(self, attrsD):
  1141.         context = self._getContext()
  1142.         if not self.inentry:
  1143.             context.setdefault('image', FeedParserDict())
  1144.         self.inimage = 1
  1145.         self.title_depth = -1
  1146.         self.push('image', 0)
  1147.  
  1148.     def _end_image(self):
  1149.         self.pop('image')
  1150.         self.inimage = 0
  1151.  
  1152.     def _start_textinput(self, attrsD):
  1153.         context = self._getContext()
  1154.         context.setdefault('textinput', FeedParserDict())
  1155.         self.intextinput = 1
  1156.         self.title_depth = -1
  1157.         self.push('textinput', 0)
  1158.     _start_textInput = _start_textinput
  1159.  
  1160.     def _end_textinput(self):
  1161.         self.pop('textinput')
  1162.         self.intextinput = 0
  1163.     _end_textInput = _end_textinput
  1164.  
  1165.     def _start_author(self, attrsD):
  1166.         self.inauthor = 1
  1167.         self.push('author', 1)
  1168.         # Append a new FeedParserDict when expecting an author
  1169.         context = self._getContext()
  1170.         context.setdefault('authors', [])
  1171.         context['authors'].append(FeedParserDict())
  1172.     _start_managingeditor = _start_author
  1173.     _start_dc_author = _start_author
  1174.     _start_dc_creator = _start_author
  1175.     _start_itunes_author = _start_author
  1176.  
  1177.     def _end_author(self):
  1178.         self.pop('author')
  1179.         self.inauthor = 0
  1180.         self._sync_author_detail()
  1181.     _end_managingeditor = _end_author
  1182.     _end_dc_author = _end_author
  1183.     _end_dc_creator = _end_author
  1184.     _end_itunes_author = _end_author
  1185.  
  1186.     def _start_itunes_owner(self, attrsD):
  1187.         self.inpublisher = 1
  1188.         self.push('publisher', 0)
  1189.  
  1190.     def _end_itunes_owner(self):
  1191.         self.pop('publisher')
  1192.         self.inpublisher = 0
  1193.         self._sync_author_detail('publisher')
  1194.  
  1195.     def _start_contributor(self, attrsD):
  1196.         self.incontributor = 1
  1197.         context = self._getContext()
  1198.         context.setdefault('contributors', [])
  1199.         context['contributors'].append(FeedParserDict())
  1200.         self.push('contributor', 0)
  1201.  
  1202.     def _end_contributor(self):
  1203.         self.pop('contributor')
  1204.         self.incontributor = 0
  1205.  
  1206.     def _start_dc_contributor(self, attrsD):
  1207.         self.incontributor = 1
  1208.         context = self._getContext()
  1209.         context.setdefault('contributors', [])
  1210.         context['contributors'].append(FeedParserDict())
  1211.         self.push('name', 0)
  1212.  
  1213.     def _end_dc_contributor(self):
  1214.         self._end_name()
  1215.         self.incontributor = 0
  1216.  
  1217.     def _start_name(self, attrsD):
  1218.         self.push('name', 0)
  1219.     _start_itunes_name = _start_name
  1220.  
  1221.     def _end_name(self):
  1222.         value = self.pop('name')
  1223.         if self.inpublisher:
  1224.             self._save_author('name', value, 'publisher')
  1225.         elif self.inauthor:
  1226.             self._save_author('name', value)
  1227.         elif self.incontributor:
  1228.             self._save_contributor('name', value)
  1229.         elif self.intextinput:
  1230.             context = self._getContext()
  1231.             context['name'] = value
  1232.     _end_itunes_name = _end_name
  1233.  
  1234.     def _start_width(self, attrsD):
  1235.         self.push('width', 0)
  1236.  
  1237.     def _end_width(self):
  1238.         value = self.pop('width')
  1239.         try:
  1240.             value = int(value)
  1241.         except ValueError:
  1242.             value = 0
  1243.         if self.inimage:
  1244.             context = self._getContext()
  1245.             context['width'] = value
  1246.  
  1247.     def _start_height(self, attrsD):
  1248.         self.push('height', 0)
  1249.  
  1250.     def _end_height(self):
  1251.         value = self.pop('height')
  1252.         try:
  1253.             value = int(value)
  1254.         except ValueError:
  1255.             value = 0
  1256.         if self.inimage:
  1257.             context = self._getContext()
  1258.             context['height'] = value
  1259.  
  1260.     def _start_url(self, attrsD):
  1261.         self.push('href', 1)
  1262.     _start_homepage = _start_url
  1263.     _start_uri = _start_url
  1264.  
  1265.     def _end_url(self):
  1266.         value = self.pop('href')
  1267.         if self.inauthor:
  1268.             self._save_author('href', value)
  1269.         elif self.incontributor:
  1270.             self._save_contributor('href', value)
  1271.     _end_homepage = _end_url
  1272.     _end_uri = _end_url
  1273.  
  1274.     def _start_email(self, attrsD):
  1275.         self.push('email', 0)
  1276.     _start_itunes_email = _start_email
  1277.  
  1278.     def _end_email(self):
  1279.         value = self.pop('email')
  1280.         if self.inpublisher:
  1281.             self._save_author('email', value, 'publisher')
  1282.         elif self.inauthor:
  1283.             self._save_author('email', value)
  1284.         elif self.incontributor:
  1285.             self._save_contributor('email', value)
  1286.     _end_itunes_email = _end_email
  1287.  
  1288.     def _getContext(self):
  1289.         if self.insource:
  1290.             context = self.sourcedata
  1291.         elif self.inimage and 'image' in self.feeddata:
  1292.             context = self.feeddata['image']
  1293.         elif self.intextinput:
  1294.             context = self.feeddata['textinput']
  1295.         elif self.inentry:
  1296.             context = self.entries[-1]
  1297.         else:
  1298.             context = self.feeddata
  1299.         return context
  1300.  
  1301.     def _save_author(self, key, value, prefix='author'):
  1302.         context = self._getContext()
  1303.         context.setdefault(prefix + '_detail', FeedParserDict())
  1304.         context[prefix + '_detail'][key] = value
  1305.         self._sync_author_detail()
  1306.         context.setdefault('authors', [FeedParserDict()])
  1307.         context['authors'][-1][key] = value
  1308.  
  1309.     def _save_contributor(self, key, value):
  1310.         context = self._getContext()
  1311.         context.setdefault('contributors', [FeedParserDict()])
  1312.         context['contributors'][-1][key] = value
  1313.  
  1314.     def _sync_author_detail(self, key='author'):
  1315.         context = self._getContext()
  1316.         detail = context.get('%s_detail' % key)
  1317.         if detail:
  1318.             name = detail.get('name')
  1319.             email = detail.get('email')
  1320.             if name and email:
  1321.                 context[key] = u'%s (%s)' % (name, email)
  1322.             elif name:
  1323.                 context[key] = name
  1324.             elif email:
  1325.                 context[key] = email
  1326.         else:
  1327.             author, email = context.get(key), None
  1328.             if not author:
  1329.                 return
  1330.             emailmatch = re.search(ur'''(([a-zA-Z0-9\_\-\.\+]+)@((\[[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}\.)|(([a-zA-Z0-9\-]+\.)+))([a-zA-Z]{2,4}|[0-9]{1,3})(\]?))(\?subject=\S+)?''', author)
  1331.             if emailmatch:
  1332.                 email = emailmatch.group(0)
  1333.                 # probably a better way to do the following, but it passes all the tests
  1334.                 author = author.replace(email, u'')
  1335.                 author = author.replace(u'()', u'')
  1336.                 author = author.replace(u'<>', u'')
  1337.                 author = author.replace(u'<>', u'')
  1338.                 author = author.strip()
  1339.                 if author and (author[0] == u'('):
  1340.                     author = author[1:]
  1341.                 if author and (author[-1] == u')'):
  1342.                     author = author[:-1]
  1343.                 author = author.strip()
  1344.             if author or email:
  1345.                 context.setdefault('%s_detail' % key, FeedParserDict())
  1346.             if author:
  1347.                 context['%s_detail' % key]['name'] = author
  1348.             if email:
  1349.                 context['%s_detail' % key]['email'] = email
  1350.  
  1351.     def _start_subtitle(self, attrsD):
  1352.         self.pushContent('subtitle', attrsD, u'text/plain', 1)
  1353.     _start_tagline = _start_subtitle
  1354.     _start_itunes_subtitle = _start_subtitle
  1355.  
  1356.     def _end_subtitle(self):
  1357.         self.popContent('subtitle')
  1358.     _end_tagline = _end_subtitle
  1359.     _end_itunes_subtitle = _end_subtitle
  1360.  
  1361.     def _start_rights(self, attrsD):
  1362.         self.pushContent('rights', attrsD, u'text/plain', 1)
  1363.     _start_dc_rights = _start_rights
  1364.     _start_copyright = _start_rights
  1365.  
  1366.     def _end_rights(self):
  1367.         self.popContent('rights')
  1368.     _end_dc_rights = _end_rights
  1369.     _end_copyright = _end_rights
  1370.  
  1371.     def _start_item(self, attrsD):
  1372.         self.entries.append(FeedParserDict())
  1373.         self.push('item', 0)
  1374.         self.inentry = 1
  1375.         self.guidislink = 0
  1376.         self.title_depth = -1
  1377.         id = self._getAttribute(attrsD, 'rdf:about')
  1378.         if id:
  1379.             context = self._getContext()
  1380.             context['id'] = id
  1381.         self._cdf_common(attrsD)
  1382.     _start_entry = _start_item
  1383.  
  1384.     def _end_item(self):
  1385.         self.pop('item')
  1386.         self.inentry = 0
  1387.     _end_entry = _end_item
  1388.  
  1389.     def _start_dc_language(self, attrsD):
  1390.         self.push('language', 1)
  1391.     _start_language = _start_dc_language
  1392.  
  1393.     def _end_dc_language(self):
  1394.         self.lang = self.pop('language')
  1395.     _end_language = _end_dc_language
  1396.  
  1397.     def _start_dc_publisher(self, attrsD):
  1398.         self.push('publisher', 1)
  1399.     _start_webmaster = _start_dc_publisher
  1400.  
  1401.     def _end_dc_publisher(self):
  1402.         self.pop('publisher')
  1403.         self._sync_author_detail('publisher')
  1404.     _end_webmaster = _end_dc_publisher
  1405.  
  1406.     def _start_published(self, attrsD):
  1407.         self.push('published', 1)
  1408.     _start_dcterms_issued = _start_published
  1409.     _start_issued = _start_published
  1410.     _start_pubdate = _start_published
  1411.  
  1412.     def _end_published(self):
  1413.         value = self.pop('published')
  1414.         self._save('published_parsed', _parse_date(value), overwrite=True)
  1415.     _end_dcterms_issued = _end_published
  1416.     _end_issued = _end_published
  1417.     _end_pubdate = _end_published
  1418.  
  1419.     def _start_updated(self, attrsD):
  1420.         self.push('updated', 1)
  1421.     _start_modified = _start_updated
  1422.     _start_dcterms_modified = _start_updated
  1423.     _start_dc_date = _start_updated
  1424.     _start_lastbuilddate = _start_updated
  1425.  
  1426.     def _end_updated(self):
  1427.         value = self.pop('updated')
  1428.         parsed_value = _parse_date(value)
  1429.         self._save('updated_parsed', parsed_value, overwrite=True)
  1430.     _end_modified = _end_updated
  1431.     _end_dcterms_modified = _end_updated
  1432.     _end_dc_date = _end_updated
  1433.     _end_lastbuilddate = _end_updated
  1434.  
  1435.     def _start_created(self, attrsD):
  1436.         self.push('created', 1)
  1437.     _start_dcterms_created = _start_created
  1438.  
  1439.     def _end_created(self):
  1440.         value = self.pop('created')
  1441.         self._save('created_parsed', _parse_date(value), overwrite=True)
  1442.     _end_dcterms_created = _end_created
  1443.  
  1444.     def _start_expirationdate(self, attrsD):
  1445.         self.push('expired', 1)
  1446.  
  1447.     def _end_expirationdate(self):
  1448.         self._save('expired_parsed', _parse_date(self.pop('expired')), overwrite=True)
  1449.  
  1450.     def _start_cc_license(self, attrsD):
  1451.         context = self._getContext()
  1452.         value = self._getAttribute(attrsD, 'rdf:resource')
  1453.         attrsD = FeedParserDict()
  1454.         attrsD['rel'] = u'license'
  1455.         if value:
  1456.             attrsD['href']=value
  1457.         context.setdefault('links', []).append(attrsD)
  1458.  
  1459.     def _start_creativecommons_license(self, attrsD):
  1460.         self.push('license', 1)
  1461.     _start_creativeCommons_license = _start_creativecommons_license
  1462.  
  1463.     def _end_creativecommons_license(self):
  1464.         value = self.pop('license')
  1465.         context = self._getContext()
  1466.         attrsD = FeedParserDict()
  1467.         attrsD['rel'] = u'license'
  1468.         if value:
  1469.             attrsD['href'] = value
  1470.         context.setdefault('links', []).append(attrsD)
  1471.         del context['license']
  1472.     _end_creativeCommons_license = _end_creativecommons_license
  1473.  
  1474.     def _addXFN(self, relationships, href, name):
  1475.         context = self._getContext()
  1476.         xfn = context.setdefault('xfn', [])
  1477.         value = FeedParserDict({'relationships': relationships, 'href': href, 'name': name})
  1478.         if value not in xfn:
  1479.             xfn.append(value)
  1480.  
  1481.     def _addTag(self, term, scheme, label):
  1482.         context = self._getContext()
  1483.         tags = context.setdefault('tags', [])
  1484.         if (not term) and (not scheme) and (not label):
  1485.             return
  1486.         value = FeedParserDict({'term': term, 'scheme': scheme, 'label': label})
  1487.         if value not in tags:
  1488.             tags.append(value)
  1489.  
  1490.     def _start_category(self, attrsD):
  1491.         term = attrsD.get('term')
  1492.         scheme = attrsD.get('scheme', attrsD.get('domain'))
  1493.         label = attrsD.get('label')
  1494.         self._addTag(term, scheme, label)
  1495.         self.push('category', 1)
  1496.     _start_dc_subject = _start_category
  1497.     _start_keywords = _start_category
  1498.  
  1499.     def _start_media_category(self, attrsD):
  1500.         attrsD.setdefault('scheme', u'http://search.yahoo.com/mrss/category_schema')
  1501.         self._start_category(attrsD)
  1502.  
  1503.     def _end_itunes_keywords(self):
  1504.         for term in self.pop('itunes_keywords').split(','):
  1505.             if term.strip():
  1506.                 self._addTag(term.strip(), u'http://www.itunes.com/', None)
  1507.  
  1508.     def _start_itunes_category(self, attrsD):
  1509.         self._addTag(attrsD.get('text'), u'http://www.itunes.com/', None)
  1510.         self.push('category', 1)
  1511.  
  1512.     def _end_category(self):
  1513.         value = self.pop('category')
  1514.         if not value:
  1515.             return
  1516.         context = self._getContext()
  1517.         tags = context['tags']
  1518.         if value and len(tags) and not tags[-1]['term']:
  1519.             tags[-1]['term'] = value
  1520.         else:
  1521.             self._addTag(value, None, None)
  1522.     _end_dc_subject = _end_category
  1523.     _end_keywords = _end_category
  1524.     _end_itunes_category = _end_category
  1525.     _end_media_category = _end_category
  1526.  
  1527.     def _start_cloud(self, attrsD):
  1528.         self._getContext()['cloud'] = FeedParserDict(attrsD)
  1529.  
  1530.     def _start_link(self, attrsD):
  1531.         attrsD.setdefault('rel', u'alternate')
  1532.         if attrsD['rel'] == u'self':
  1533.             attrsD.setdefault('type', u'application/atom+xml')
  1534.         else:
  1535.             attrsD.setdefault('type', u'text/html')
  1536.         context = self._getContext()
  1537.         attrsD = self._itsAnHrefDamnIt(attrsD)
  1538.         if 'href' in attrsD:
  1539.             attrsD['href'] = self.resolveURI(attrsD['href'])
  1540.         expectingText = self.infeed or self.inentry or self.insource
  1541.         context.setdefault('links', [])
  1542.         if not (self.inentry and self.inimage):
  1543.             context['links'].append(FeedParserDict(attrsD))
  1544.         if 'href' in attrsD:
  1545.             expectingText = 0
  1546.             if (attrsD.get('rel') == u'alternate') and (self.mapContentType(attrsD.get('type')) in self.html_types):
  1547.                 context['link'] = attrsD['href']
  1548.         else:
  1549.             self.push('link', expectingText)
  1550.  
  1551.     def _end_link(self):
  1552.         value = self.pop('link')
  1553.  
  1554.     def _start_guid(self, attrsD):
  1555.         self.guidislink = (attrsD.get('ispermalink', 'true') == 'true')
  1556.         self.push('id', 1)
  1557.     _start_id = _start_guid
  1558.  
  1559.     def _end_guid(self):
  1560.         value = self.pop('id')
  1561.         self._save('guidislink', self.guidislink and 'link' not in self._getContext())
  1562.         if self.guidislink:
  1563.             # guid acts as link, but only if 'ispermalink' is not present or is 'true',
  1564.             # and only if the item doesn't already have a link element
  1565.             self._save('link', value)
  1566.     _end_id = _end_guid
  1567.  
  1568.     def _start_title(self, attrsD):
  1569.         if self.svgOK:
  1570.             return self.unknown_starttag('title', attrsD.items())
  1571.         self.pushContent('title', attrsD, u'text/plain', self.infeed or self.inentry or self.insource)
  1572.     _start_dc_title = _start_title
  1573.     _start_media_title = _start_title
  1574.  
  1575.     def _end_title(self):
  1576.         if self.svgOK:
  1577.             return
  1578.         value = self.popContent('title')
  1579.         if not value:
  1580.             return
  1581.         self.title_depth = self.depth
  1582.     _end_dc_title = _end_title
  1583.  
  1584.     def _end_media_title(self):
  1585.         title_depth = self.title_depth
  1586.         self._end_title()
  1587.         self.title_depth = title_depth
  1588.  
  1589.     def _start_description(self, attrsD):
  1590.         context = self._getContext()
  1591.         if 'summary' in context:
  1592.             self._summaryKey = 'content'
  1593.             self._start_content(attrsD)
  1594.         else:
  1595.             self.pushContent('description', attrsD, u'text/html', self.infeed or self.inentry or self.insource)
  1596.     _start_dc_description = _start_description
  1597.  
  1598.     def _start_abstract(self, attrsD):
  1599.         self.pushContent('description', attrsD, u'text/plain', self.infeed or self.inentry or self.insource)
  1600.  
  1601.     def _end_description(self):
  1602.         if self._summaryKey == 'content':
  1603.             self._end_content()
  1604.         else:
  1605.             value = self.popContent('description')
  1606.         self._summaryKey = None
  1607.     _end_abstract = _end_description
  1608.     _end_dc_description = _end_description
  1609.  
  1610.     def _start_info(self, attrsD):
  1611.         self.pushContent('info', attrsD, u'text/plain', 1)
  1612.     _start_feedburner_browserfriendly = _start_info
  1613.  
  1614.     def _end_info(self):
  1615.         self.popContent('info')
  1616.     _end_feedburner_browserfriendly = _end_info
  1617.  
  1618.     def _start_generator(self, attrsD):
  1619.         if attrsD:
  1620.             attrsD = self._itsAnHrefDamnIt(attrsD)
  1621.             if 'href' in attrsD:
  1622.                 attrsD['href'] = self.resolveURI(attrsD['href'])
  1623.         self._getContext()['generator_detail'] = FeedParserDict(attrsD)
  1624.         self.push('generator', 1)
  1625.  
  1626.     def _end_generator(self):
  1627.         value = self.pop('generator')
  1628.         context = self._getContext()
  1629.         if 'generator_detail' in context:
  1630.             context['generator_detail']['name'] = value
  1631.  
  1632.     def _start_admin_generatoragent(self, attrsD):
  1633.         self.push('generator', 1)
  1634.         value = self._getAttribute(attrsD, 'rdf:resource')
  1635.         if value:
  1636.             self.elementstack[-1][2].append(value)
  1637.         self.pop('generator')
  1638.         self._getContext()['generator_detail'] = FeedParserDict({'href': value})
  1639.  
  1640.     def _start_admin_errorreportsto(self, attrsD):
  1641.         self.push('errorreportsto', 1)
  1642.         value = self._getAttribute(attrsD, 'rdf:resource')
  1643.         if value:
  1644.             self.elementstack[-1][2].append(value)
  1645.         self.pop('errorreportsto')
  1646.  
  1647.     def _start_summary(self, attrsD):
  1648.         context = self._getContext()
  1649.         if 'summary' in context:
  1650.             self._summaryKey = 'content'
  1651.             self._start_content(attrsD)
  1652.         else:
  1653.             self._summaryKey = 'summary'
  1654.             self.pushContent(self._summaryKey, attrsD, u'text/plain', 1)
  1655.     _start_itunes_summary = _start_summary
  1656.  
  1657.     def _end_summary(self):
  1658.         if self._summaryKey == 'content':
  1659.             self._end_content()
  1660.         else:
  1661.             self.popContent(self._summaryKey or 'summary')
  1662.         self._summaryKey = None
  1663.     _end_itunes_summary = _end_summary
  1664.  
  1665.     def _start_enclosure(self, attrsD):
  1666.         attrsD = self._itsAnHrefDamnIt(attrsD)
  1667.         context = self._getContext()
  1668.         attrsD['rel'] = u'enclosure'
  1669.         context.setdefault('links', []).append(FeedParserDict(attrsD))
  1670.  
  1671.     def _start_source(self, attrsD):
  1672.         if 'url' in attrsD:
  1673.             # This means that we're processing a source element from an RSS 2.0 feed
  1674.             self.sourcedata['href'] = attrsD[u'url']
  1675.         self.push('source', 1)
  1676.         self.insource = 1
  1677.         self.title_depth = -1
  1678.  
  1679.     def _end_source(self):
  1680.         self.insource = 0
  1681.         value = self.pop('source')
  1682.         if value:
  1683.             self.sourcedata['title'] = value
  1684.         self._getContext()['source'] = copy.deepcopy(self.sourcedata)
  1685.         self.sourcedata.clear()
  1686.  
  1687.     def _start_content(self, attrsD):
  1688.         self.pushContent('content', attrsD, u'text/plain', 1)
  1689.         src = attrsD.get('src')
  1690.         if src:
  1691.             self.contentparams['src'] = src
  1692.         self.push('content', 1)
  1693.  
  1694.     def _start_body(self, attrsD):
  1695.         self.pushContent('content', attrsD, u'application/xhtml+xml', 1)
  1696.     _start_xhtml_body = _start_body
  1697.  
  1698.     def _start_content_encoded(self, attrsD):
  1699.         self.pushContent('content', attrsD, u'text/html', 1)
  1700.     _start_fullitem = _start_content_encoded
  1701.  
  1702.     def _end_content(self):
  1703.         copyToSummary = self.mapContentType(self.contentparams.get('type')) in ([u'text/plain'] + self.html_types)
  1704.         value = self.popContent('content')
  1705.         if copyToSummary:
  1706.             self._save('summary', value)
  1707.  
  1708.     _end_body = _end_content
  1709.     _end_xhtml_body = _end_content
  1710.     _end_content_encoded = _end_content
  1711.     _end_fullitem = _end_content
  1712.  
  1713.     def _start_itunes_image(self, attrsD):
  1714.         self.push('itunes_image', 0)
  1715.         if attrsD.get('href'):
  1716.             self._getContext()['image'] = FeedParserDict({'href': attrsD.get('href')})
  1717.         elif attrsD.get('url'):
  1718.             self._getContext()['image'] = FeedParserDict({'href': attrsD.get('url')})
  1719.     _start_itunes_link = _start_itunes_image
  1720.  
  1721.     def _end_itunes_block(self):
  1722.         value = self.pop('itunes_block', 0)
  1723.         self._getContext()['itunes_block'] = (value == 'yes') and 1 or 0
  1724.  
  1725.     def _end_itunes_explicit(self):
  1726.         value = self.pop('itunes_explicit', 0)
  1727.         # Convert 'yes' -> True, 'clean' to False, and any other value to None
  1728.         # False and None both evaluate as False, so the difference can be ignored
  1729.         # by applications that only need to know if the content is explicit.
  1730.         self._getContext()['itunes_explicit'] = (None, False, True)[(value == 'yes' and 2) or value == 'clean' or 0]
  1731.  
  1732.     def _start_media_content(self, attrsD):
  1733.         context = self._getContext()
  1734.         context.setdefault('media_content', [])
  1735.         context['media_content'].append(attrsD)
  1736.  
  1737.     def _start_media_thumbnail(self, attrsD):
  1738.         context = self._getContext()
  1739.         context.setdefault('media_thumbnail', [])
  1740.         self.push('url', 1) # new
  1741.         context['media_thumbnail'].append(attrsD)
  1742.  
  1743.     def _end_media_thumbnail(self):
  1744.         url = self.pop('url')
  1745.         context = self._getContext()
  1746.         if url != None and len(url.strip()) != 0:
  1747.             if 'url' not in context['media_thumbnail'][-1]:
  1748.                 context['media_thumbnail'][-1]['url'] = url
  1749.  
  1750.     def _start_media_player(self, attrsD):
  1751.         self.push('media_player', 0)
  1752.         self._getContext()['media_player'] = FeedParserDict(attrsD)
  1753.  
  1754.     def _end_media_player(self):
  1755.         value = self.pop('media_player')
  1756.         context = self._getContext()
  1757.         context['media_player']['content'] = value
  1758.  
  1759.     def _start_newlocation(self, attrsD):
  1760.         self.push('newlocation', 1)
  1761.  
  1762.     def _end_newlocation(self):
  1763.         url = self.pop('newlocation')
  1764.         context = self._getContext()
  1765.         # don't set newlocation if the context isn't right
  1766.         if context is not self.feeddata:
  1767.             return
  1768.         context['newlocation'] = _makeSafeAbsoluteURI(self.baseuri, url.strip())
  1769.  
  1770. if _XML_AVAILABLE:
  1771.     class _StrictFeedParser(_FeedParserMixin, xml.sax.handler.ContentHandler):
  1772.         def __init__(self, baseuri, baselang, encoding):
  1773.             xml.sax.handler.ContentHandler.__init__(self)
  1774.             _FeedParserMixin.__init__(self, baseuri, baselang, encoding)
  1775.             self.bozo = 0
  1776.             self.exc = None
  1777.             self.decls = {}
  1778.  
  1779.         def startPrefixMapping(self, prefix, uri):
  1780.             if not uri:
  1781.                 return
  1782.             # Jython uses '' instead of None; standardize on None
  1783.             prefix = prefix or None
  1784.             self.trackNamespace(prefix, uri)
  1785.             if prefix and uri == 'http://www.w3.org/1999/xlink':
  1786.                 self.decls['xmlns:' + prefix] = uri
  1787.  
  1788.         def startElementNS(self, name, qname, attrs):
  1789.             namespace, localname = name
  1790.             lowernamespace = str(namespace or '').lower()
  1791.             if lowernamespace.find(u'backend.userland.com/rss') <> -1:
  1792.                 # match any backend.userland.com namespace
  1793.                 namespace = u'http://backend.userland.com/rss'
  1794.                 lowernamespace = namespace
  1795.             if qname and qname.find(':') > 0:
  1796.                 givenprefix = qname.split(':')[0]
  1797.             else:
  1798.                 givenprefix = None
  1799.             prefix = self._matchnamespaces.get(lowernamespace, givenprefix)
  1800.             if givenprefix and (prefix == None or (prefix == '' and lowernamespace == '')) and givenprefix not in self.namespacesInUse:
  1801.                 raise UndeclaredNamespace, "'%s' is not associated with a namespace" % givenprefix
  1802.             localname = str(localname).lower()
  1803.  
  1804.             # qname implementation is horribly broken in Python 2.1 (it
  1805.             # doesn't report any), and slightly broken in Python 2.2 (it
  1806.             # doesn't report the xml: namespace). So we match up namespaces
  1807.             # with a known list first, and then possibly override them with
  1808.             # the qnames the SAX parser gives us (if indeed it gives us any
  1809.             # at all).  Thanks to MatejC for helping me test this and
  1810.             # tirelessly telling me that it didn't work yet.
  1811.             attrsD, self.decls = self.decls, {}
  1812.             if localname=='math' and namespace=='http://www.w3.org/1998/Math/MathML':
  1813.                 attrsD['xmlns']=namespace
  1814.             if localname=='svg' and namespace=='http://www.w3.org/2000/svg':
  1815.                 attrsD['xmlns']=namespace
  1816.  
  1817.             if prefix:
  1818.                 localname = prefix.lower() + ':' + localname
  1819.             elif namespace and not qname: #Expat
  1820.                 for name,value in self.namespacesInUse.items():
  1821.                     if name and value == namespace:
  1822.                         localname = name + ':' + localname
  1823.                         break
  1824.  
  1825.             for (namespace, attrlocalname), attrvalue in attrs.items():
  1826.                 lowernamespace = (namespace or '').lower()
  1827.                 prefix = self._matchnamespaces.get(lowernamespace, '')
  1828.                 if prefix:
  1829.                     attrlocalname = prefix + ':' + attrlocalname
  1830.                 attrsD[str(attrlocalname).lower()] = attrvalue
  1831.             for qname in attrs.getQNames():
  1832.                 attrsD[str(qname).lower()] = attrs.getValueByQName(qname)
  1833.             self.unknown_starttag(localname, attrsD.items())
  1834.  
  1835.         def characters(self, text):
  1836.             self.handle_data(text)
  1837.  
  1838.         def endElementNS(self, name, qname):
  1839.             namespace, localname = name
  1840.             lowernamespace = str(namespace or '').lower()
  1841.             if qname and qname.find(':') > 0:
  1842.                 givenprefix = qname.split(':')[0]
  1843.             else:
  1844.                 givenprefix = ''
  1845.             prefix = self._matchnamespaces.get(lowernamespace, givenprefix)
  1846.             if prefix:
  1847.                 localname = prefix + ':' + localname
  1848.             elif namespace and not qname: #Expat
  1849.                 for name,value in self.namespacesInUse.items():
  1850.                     if name and value == namespace:
  1851.                         localname = name + ':' + localname
  1852.                         break
  1853.             localname = str(localname).lower()
  1854.             self.unknown_endtag(localname)
  1855.  
  1856.         def error(self, exc):
  1857.             self.bozo = 1
  1858.             self.exc = exc
  1859.  
  1860.         # drv_libxml2 calls warning() in some cases
  1861.         warning = error
  1862.  
  1863.         def fatalError(self, exc):
  1864.             self.error(exc)
  1865.             raise exc
  1866.  
  1867. class _BaseHTMLProcessor(sgmllib.SGMLParser):
  1868.     special = re.compile('''[<>'"]''')
  1869.     bare_ampersand = re.compile("&(?!#\d+;|#x[0-9a-fA-F]+;|\w+;)")
  1870.     elements_no_end_tag = set([
  1871.       'area', 'base', 'basefont', 'br', 'col', 'command', 'embed', 'frame',
  1872.       'hr', 'img', 'input', 'isindex', 'keygen', 'link', 'meta', 'param',
  1873.       'source', 'track', 'wbr'
  1874.     ])
  1875.  
  1876.     def __init__(self, encoding, _type):
  1877.         self.encoding = encoding
  1878.         self._type = _type
  1879.         sgmllib.SGMLParser.__init__(self)
  1880.  
  1881.     def reset(self):
  1882.         self.pieces = []
  1883.         sgmllib.SGMLParser.reset(self)
  1884.  
  1885.     def _shorttag_replace(self, match):
  1886.         tag = match.group(1)
  1887.         if tag in self.elements_no_end_tag:
  1888.             return '<' + tag + ' />'
  1889.         else:
  1890.             return '<' + tag + '></' + tag + '>'
  1891.  
  1892.     # By declaring these methods and overriding their compiled code
  1893.     # with the code from sgmllib, the original code will execute in
  1894.     # feedparser's scope instead of sgmllib's. This means that the
  1895.     # `tagfind` and `charref` regular expressions will be found as
  1896.     # they're declared above, not as they're declared in sgmllib.
  1897.     def goahead(self, i):
  1898.         pass
  1899.     goahead.func_code = sgmllib.SGMLParser.goahead.func_code
  1900.  
  1901.     def __parse_starttag(self, i):
  1902.         pass
  1903.     __parse_starttag.func_code = sgmllib.SGMLParser.parse_starttag.func_code
  1904.  
  1905.     def parse_starttag(self,i):
  1906.         j = self.__parse_starttag(i)
  1907.         if self._type == 'application/xhtml+xml':
  1908.             if j>2 and self.rawdata[j-2:j]=='/>':
  1909.                 self.unknown_endtag(self.lasttag)
  1910.         return j
  1911.  
  1912.     def feed(self, data):
  1913.         data = re.compile(r'<!((?!DOCTYPE|--|\[))', re.IGNORECASE).sub(r'<!\1', data)
  1914.         data = re.sub(r'<([^<>\s]+?)\s*/>', self._shorttag_replace, data)
  1915.         data = data.replace(''', "'")
  1916.         data = data.replace('"', '"')
  1917.         try:
  1918.             bytes
  1919.             if bytes is str:
  1920.                 raise NameError
  1921.             self.encoding = self.encoding + u'_INVALID_PYTHON_3'
  1922.         except NameError:
  1923.             if self.encoding and isinstance(data, unicode):
  1924.                 data = data.encode(self.encoding)
  1925.         sgmllib.SGMLParser.feed(self, data)
  1926.         sgmllib.SGMLParser.close(self)
  1927.  
  1928.     def normalize_attrs(self, attrs):
  1929.         if not attrs:
  1930.             return attrs
  1931.         # utility method to be called by descendants
  1932.         attrs = dict([(k.lower(), v) for k, v in attrs]).items()
  1933.         attrs = [(k, k in ('rel', 'type') and v.lower() or v) for k, v in attrs]
  1934.         attrs.sort()
  1935.         return attrs
  1936.  
  1937.     def unknown_starttag(self, tag, attrs):
  1938.         # called for each start tag
  1939.         # attrs is a list of (attr, value) tuples
  1940.         # e.g. for <pre class='screen'>, tag='pre', attrs=[('class', 'screen')]
  1941.         uattrs = []
  1942.         strattrs=''
  1943.         if attrs:
  1944.             for key, value in attrs:
  1945.                 value=value.replace('>','>').replace('<','<').replace('"','"')
  1946.                 value = self.bare_ampersand.sub("&", value)
  1947.                 # thanks to Kevin Marks for this breathtaking hack to deal with (valid) high-bit attribute values in UTF-8 feeds
  1948.                 if not isinstance(value, unicode):
  1949.                     value = value.decode(self.encoding, 'ignore')
  1950.                 try:
  1951.                     # Currently, in Python 3 the key is already a str, and cannot be decoded again
  1952.                     uattrs.append((unicode(key, self.encoding), value))
  1953.                 except TypeError:
  1954.                     uattrs.append((key, value))
  1955.             strattrs = u''.join([u' %s="%s"' % (key, value) for key, value in uattrs])
  1956.             if self.encoding:
  1957.                 try:
  1958.                     strattrs = strattrs.encode(self.encoding)
  1959.                 except (UnicodeEncodeError, LookupError):
  1960.                     pass
  1961.         if tag in self.elements_no_end_tag:
  1962.             self.pieces.append('<%s%s />' % (tag, strattrs))
  1963.         else:
  1964.             self.pieces.append('<%s%s>' % (tag, strattrs))
  1965.  
  1966.     def unknown_endtag(self, tag):
  1967.         # called for each end tag, e.g. for </pre>, tag will be 'pre'
  1968.         # Reconstruct the original end tag.
  1969.         if tag not in self.elements_no_end_tag:
  1970.             self.pieces.append("</%s>" % tag)
  1971.  
  1972.     def handle_charref(self, ref):
  1973.         # called for each character reference, e.g. for ' ', ref will be '160'
  1974.         # Reconstruct the original character reference.
  1975.         ref = ref.lower()
  1976.         if ref.startswith('x'):
  1977.             value = int(ref[1:], 16)
  1978.         else:
  1979.             value = int(ref)
  1980.  
  1981.         if value in _cp1252:
  1982.             self.pieces.append('&#%s;' % hex(ord(_cp1252[value]))[1:])
  1983.         else:
  1984.             self.pieces.append('&#%s;' % ref)
  1985.  
  1986.     def handle_entityref(self, ref):
  1987.         # called for each entity reference, e.g. for '©', ref will be 'copy'
  1988.         # Reconstruct the original entity reference.
  1989.         if ref in name2codepoint or ref == 'apos':
  1990.             self.pieces.append('&%s;' % ref)
  1991.         else:
  1992.             self.pieces.append('&%s' % ref)
  1993.  
  1994.     def handle_data(self, text):
  1995.         # called for each block of plain text, i.e. outside of any tag and
  1996.         # not containing any character or entity references
  1997.         # Store the original text verbatim.
  1998.         self.pieces.append(text)
  1999.  
  2000.     def handle_comment(self, text):
  2001.         # called for each HTML comment, e.g. <!-- insert Javascript code here -->
  2002.         # Reconstruct the original comment.
  2003.         self.pieces.append('<!--%s-->' % text)
  2004.  
  2005.     def handle_pi(self, text):
  2006.         # called for each processing instruction, e.g. <?instruction>
  2007.         # Reconstruct original processing instruction.
  2008.         self.pieces.append('<?%s>' % text)
  2009.  
  2010.     def handle_decl(self, text):
  2011.         # called for the DOCTYPE, if present, e.g.
  2012.         # <!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN"
  2013.         #     "http://www.w3.org/TR/html4/loose.dtd">
  2014.         # Reconstruct original DOCTYPE
  2015.         self.pieces.append('<!%s>' % text)
  2016.  
  2017.     _new_declname_match = re.compile(r'[a-zA-Z][-_.a-zA-Z0-9:]*\s*').match
  2018.     def _scan_name(self, i, declstartpos):
  2019.         rawdata = self.rawdata
  2020.         n = len(rawdata)
  2021.         if i == n:
  2022.             return None, -1
  2023.         m = self._new_declname_match(rawdata, i)
  2024.         if m:
  2025.             s = m.group()
  2026.             name = s.strip()
  2027.             if (i + len(s)) == n:
  2028.                 return None, -1  # end of buffer
  2029.             return name.lower(), m.end()
  2030.         else:
  2031.             self.handle_data(rawdata)
  2032. #            self.updatepos(declstartpos, i)
  2033.             return None, -1
  2034.  
  2035.     def convert_charref(self, name):
  2036.         return '&#%s;' % name
  2037.  
  2038.     def convert_entityref(self, name):
  2039.         return '&%s;' % name
  2040.  
  2041.     def output(self):
  2042.         '''Return processed HTML as a single string'''
  2043.         return ''.join([str(p) for p in self.pieces])
  2044.  
  2045.     def parse_declaration(self, i):
  2046.         try:
  2047.             return sgmllib.SGMLParser.parse_declaration(self, i)
  2048.         except sgmllib.SGMLParseError:
  2049.             # escape the doctype declaration and continue parsing
  2050.             self.handle_data('<')
  2051.             return i+1
  2052.  
  2053. class _LooseFeedParser(_FeedParserMixin, _BaseHTMLProcessor):
  2054.     def __init__(self, baseuri, baselang, encoding, entities):
  2055.         sgmllib.SGMLParser.__init__(self)
  2056.         _FeedParserMixin.__init__(self, baseuri, baselang, encoding)
  2057.         _BaseHTMLProcessor.__init__(self, encoding, 'application/xhtml+xml')
  2058.         self.entities=entities
  2059.  
  2060.     def decodeEntities(self, element, data):
  2061.         data = data.replace('<', '<')
  2062.         data = data.replace('<', '<')
  2063.         data = data.replace('<', '<')
  2064.         data = data.replace('>', '>')
  2065.         data = data.replace('>', '>')
  2066.         data = data.replace('>', '>')
  2067.         data = data.replace('&', '&')
  2068.         data = data.replace('&', '&')
  2069.         data = data.replace('"', '"')
  2070.         data = data.replace('"', '"')
  2071.         data = data.replace(''', ''')
  2072.         data = data.replace(''', ''')
  2073.         if not self.contentparams.get('type', u'xml').endswith(u'xml'):
  2074.             data = data.replace('<', '<')
  2075.             data = data.replace('>', '>')
  2076.             data = data.replace('&', '&')
  2077.             data = data.replace('"', '"')
  2078.             data = data.replace(''', "'")
  2079.         return data
  2080.  
  2081.     def strattrs(self, attrs):
  2082.         return ''.join([' %s="%s"' % (n,v.replace('"','"')) for n,v in attrs])
  2083.  
  2084. class _MicroformatsParser:
  2085.     STRING = 1
  2086.     DATE = 2
  2087.     URI = 3
  2088.     NODE = 4
  2089.     EMAIL = 5
  2090.  
  2091.     known_xfn_relationships = set(['contact', 'acquaintance', 'friend', 'met', 'co-worker', 'coworker', 'colleague', 'co-resident', 'coresident', 'neighbor', 'child', 'parent', 'sibling', 'brother', 'sister', 'spouse', 'wife', 'husband', 'kin', 'relative', 'muse', 'crush', 'date', 'sweetheart', 'me'])
  2092.     known_binary_extensions =  set(['zip','rar','exe','gz','tar','tgz','tbz2','bz2','z','7z','dmg','img','sit','sitx','hqx','deb','rpm','bz2','jar','rar','iso','bin','msi','mp2','mp3','ogg','ogm','mp4','m4v','m4a','avi','wma','wmv'])
  2093.  
  2094.     def __init__(self, data, baseuri, encoding):
  2095.         self.document = BeautifulSoup.BeautifulSoup(data)
  2096.         self.baseuri = baseuri
  2097.         self.encoding = encoding
  2098.         if isinstance(data, unicode):
  2099.             data = data.encode(encoding)
  2100.         self.tags = []
  2101.         self.enclosures = []
  2102.         self.xfn = []
  2103.         self.vcard = None
  2104.  
  2105.     def vcardEscape(self, s):
  2106.         if isinstance(s, basestring):
  2107.             s = s.replace(',', '\\,').replace(';', '\\;').replace('\n', '\\n')
  2108.         return s
  2109.  
  2110.     def vcardFold(self, s):
  2111.         s = re.sub(';+$', '', s)
  2112.         sFolded = ''
  2113.         iMax = 75
  2114.         sPrefix = ''
  2115.         while len(s) > iMax:
  2116.             sFolded += sPrefix + s[:iMax] + '\n'
  2117.             s = s[iMax:]
  2118.             sPrefix = ' '
  2119.             iMax = 74
  2120.         sFolded += sPrefix + s
  2121.         return sFolded
  2122.  
  2123.     def normalize(self, s):
  2124.         return re.sub(r'\s+', ' ', s).strip()
  2125.  
  2126.     def unique(self, aList):
  2127.         results = []
  2128.         for element in aList:
  2129.             if element not in results:
  2130.                 results.append(element)
  2131.         return results
  2132.  
  2133.     def toISO8601(self, dt):
  2134.         return time.strftime('%Y-%m-%dT%H:%M:%SZ', dt)
  2135.  
  2136.     def getPropertyValue(self, elmRoot, sProperty, iPropertyType=4, bAllowMultiple=0, bAutoEscape=0):
  2137.         all = lambda x: 1
  2138.         sProperty = sProperty.lower()
  2139.         bFound = 0
  2140.         bNormalize = 1
  2141.         propertyMatch = {'class': re.compile(r'\b%s\b' % sProperty)}
  2142.         if bAllowMultiple and (iPropertyType != self.NODE):
  2143.             snapResults = []
  2144.             containers = elmRoot(['ul', 'ol'], propertyMatch)
  2145.             for container in containers:
  2146.                 snapResults.extend(container('li'))
  2147.             bFound = (len(snapResults) != 0)
  2148.         if not bFound:
  2149.             snapResults = elmRoot(all, propertyMatch)
  2150.             bFound = (len(snapResults) != 0)
  2151.         if (not bFound) and (sProperty == 'value'):
  2152.             snapResults = elmRoot('pre')
  2153.             bFound = (len(snapResults) != 0)
  2154.             bNormalize = not bFound
  2155.             if not bFound:
  2156.                 snapResults = [elmRoot]
  2157.                 bFound = (len(snapResults) != 0)
  2158.         arFilter = []
  2159.         if sProperty == 'vcard':
  2160.             snapFilter = elmRoot(all, propertyMatch)
  2161.             for node in snapFilter:
  2162.                 if node.findParent(all, propertyMatch):
  2163.                     arFilter.append(node)
  2164.         arResults = []
  2165.         for node in snapResults:
  2166.             if node not in arFilter:
  2167.                 arResults.append(node)
  2168.         bFound = (len(arResults) != 0)
  2169.         if not bFound:
  2170.             if bAllowMultiple:
  2171.                 return []
  2172.             elif iPropertyType == self.STRING:
  2173.                 return ''
  2174.             elif iPropertyType == self.DATE:
  2175.                 return None
  2176.             elif iPropertyType == self.URI:
  2177.                 return ''
  2178.             elif iPropertyType == self.NODE:
  2179.                 return None
  2180.             else:
  2181.                 return None
  2182.         arValues = []
  2183.         for elmResult in arResults:
  2184.             sValue = None
  2185.             if iPropertyType == self.NODE:
  2186.                 if bAllowMultiple:
  2187.                     arValues.append(elmResult)
  2188.                     continue
  2189.                 else:
  2190.                     return elmResult
  2191.             sNodeName = elmResult.name.lower()
  2192.             if (iPropertyType == self.EMAIL) and (sNodeName == 'a'):
  2193.                 sValue = (elmResult.get('href') or '').split('mailto:').pop().split('?')[0]
  2194.             if sValue:
  2195.                 sValue = bNormalize and self.normalize(sValue) or sValue.strip()
  2196.             if (not sValue) and (sNodeName == 'abbr'):
  2197.                 sValue = elmResult.get('title')
  2198.             if sValue:
  2199.                 sValue = bNormalize and self.normalize(sValue) or sValue.strip()
  2200.             if (not sValue) and (iPropertyType == self.URI):
  2201.                 if sNodeName == 'a':
  2202.                     sValue = elmResult.get('href')
  2203.                 elif sNodeName == 'img':
  2204.                     sValue = elmResult.get('src')
  2205.                 elif sNodeName == 'object':
  2206.                     sValue = elmResult.get('data')
  2207.             if sValue:
  2208.                 sValue = bNormalize and self.normalize(sValue) or sValue.strip()
  2209.             if (not sValue) and (sNodeName == 'img'):
  2210.                 sValue = elmResult.get('alt')
  2211.             if sValue:
  2212.                 sValue = bNormalize and self.normalize(sValue) or sValue.strip()
  2213.             if not sValue:
  2214.                 sValue = elmResult.renderContents()
  2215.                 sValue = re.sub(r'<\S[^>]*>', '', sValue)
  2216.                 sValue = sValue.replace('\r\n', '\n')
  2217.                 sValue = sValue.replace('\r', '\n')
  2218.             if sValue:
  2219.                 sValue = bNormalize and self.normalize(sValue) or sValue.strip()
  2220.             if not sValue:
  2221.                 continue
  2222.             if iPropertyType == self.DATE:
  2223.                 sValue = _parse_date_iso8601(sValue)
  2224.             if bAllowMultiple:
  2225.                 arValues.append(bAutoEscape and self.vcardEscape(sValue) or sValue)
  2226.             else:
  2227.                 return bAutoEscape and self.vcardEscape(sValue) or sValue
  2228.         return arValues
  2229.  
  2230.     def findVCards(self, elmRoot, bAgentParsing=0):
  2231.         sVCards = ''
  2232.  
  2233.         if not bAgentParsing:
  2234.             arCards = self.getPropertyValue(elmRoot, 'vcard', bAllowMultiple=1)
  2235.         else:
  2236.             arCards = [elmRoot]
  2237.  
  2238.         for elmCard in arCards:
  2239.             arLines = []
  2240.  
  2241.             def processSingleString(sProperty):
  2242.                 sValue = self.getPropertyValue(elmCard, sProperty, self.STRING, bAutoEscape=1).decode(self.encoding)
  2243.                 if sValue:
  2244.                     arLines.append(self.vcardFold(sProperty.upper() + ':' + sValue))
  2245.                 return sValue or u''
  2246.  
  2247.             def processSingleURI(sProperty):
  2248.                 sValue = self.getPropertyValue(elmCard, sProperty, self.URI)
  2249.                 if sValue:
  2250.                     sContentType = ''
  2251.                     sEncoding = ''
  2252.                     sValueKey = ''
  2253.                     if sValue.startswith('data:'):
  2254.                         sEncoding = ';ENCODING=b'
  2255.                         sContentType = sValue.split(';')[0].split('/').pop()
  2256.                         sValue = sValue.split(',', 1).pop()
  2257.                     else:
  2258.                         elmValue = self.getPropertyValue(elmCard, sProperty)
  2259.                         if elmValue:
  2260.                             if sProperty != 'url':
  2261.                                 sValueKey = ';VALUE=uri'
  2262.                             sContentType = elmValue.get('type', '').strip().split('/').pop().strip()
  2263.                     sContentType = sContentType.upper()
  2264.                     if sContentType == 'OCTET-STREAM':
  2265.                         sContentType = ''
  2266.                     if sContentType:
  2267.                         sContentType = ';TYPE=' + sContentType.upper()
  2268.                     arLines.append(self.vcardFold(sProperty.upper() + sEncoding + sContentType + sValueKey + ':' + sValue))
  2269.  
  2270.             def processTypeValue(sProperty, arDefaultType, arForceType=None):
  2271.                 arResults = self.getPropertyValue(elmCard, sProperty, bAllowMultiple=1)
  2272.                 for elmResult in arResults:
  2273.                     arType = self.getPropertyValue(elmResult, 'type', self.STRING, 1, 1)
  2274.                     if arForceType:
  2275.                         arType = self.unique(arForceType + arType)
  2276.                     if not arType:
  2277.                         arType = arDefaultType
  2278.                     sValue = self.getPropertyValue(elmResult, 'value', self.EMAIL, 0)
  2279.                     if sValue:
  2280.                         arLines.append(self.vcardFold(sProperty.upper() + ';TYPE=' + ','.join(arType) + ':' + sValue))
  2281.  
  2282.             # AGENT
  2283.             # must do this before all other properties because it is destructive
  2284.             # (removes nested class="vcard" nodes so they don't interfere with
  2285.             # this vcard's other properties)
  2286.             arAgent = self.getPropertyValue(elmCard, 'agent', bAllowMultiple=1)
  2287.             for elmAgent in arAgent:
  2288.                 if re.compile(r'\bvcard\b').search(elmAgent.get('class')):
  2289.                     sAgentValue = self.findVCards(elmAgent, 1) + '\n'
  2290.                     sAgentValue = sAgentValue.replace('\n', '\\n')
  2291.                     sAgentValue = sAgentValue.replace(';', '\\;')
  2292.                     if sAgentValue:
  2293.                         arLines.append(self.vcardFold('AGENT:' + sAgentValue))
  2294.                     # Completely remove the agent element from the parse tree
  2295.                     elmAgent.extract()
  2296.                 else:
  2297.                     sAgentValue = self.getPropertyValue(elmAgent, 'value', self.URI, bAutoEscape=1);
  2298.                     if sAgentValue:
  2299.                         arLines.append(self.vcardFold('AGENT;VALUE=uri:' + sAgentValue))
  2300.  
  2301.             # FN (full name)
  2302.             sFN = processSingleString('fn')
  2303.  
  2304.             # N (name)
  2305.             elmName = self.getPropertyValue(elmCard, 'n')
  2306.             if elmName:
  2307.                 sFamilyName = self.getPropertyValue(elmName, 'family-name', self.STRING, bAutoEscape=1)
  2308.                 sGivenName = self.getPropertyValue(elmName, 'given-name', self.STRING, bAutoEscape=1)
  2309.                 arAdditionalNames = self.getPropertyValue(elmName, 'additional-name', self.STRING, 1, 1) + self.getPropertyValue(elmName, 'additional-names', self.STRING, 1, 1)
  2310.                 arHonorificPrefixes = self.getPropertyValue(elmName, 'honorific-prefix', self.STRING, 1, 1) + self.getPropertyValue(elmName, 'honorific-prefixes', self.STRING, 1, 1)
  2311.                 arHonorificSuffixes = self.getPropertyValue(elmName, 'honorific-suffix', self.STRING, 1, 1) + self.getPropertyValue(elmName, 'honorific-suffixes', self.STRING, 1, 1)
  2312.                 arLines.append(self.vcardFold('N:' + sFamilyName + ';' +
  2313.                                          sGivenName + ';' +
  2314.                                          ','.join(arAdditionalNames) + ';' +
  2315.                                          ','.join(arHonorificPrefixes) + ';' +
  2316.                                          ','.join(arHonorificSuffixes)))
  2317.             elif sFN:
  2318.                 # implied "N" optimization
  2319.                 # http://microformats.org/wiki/hcard#Implied_.22N.22_Optimization
  2320.                 arNames = self.normalize(sFN).split()
  2321.                 if len(arNames) == 2:
  2322.                     bFamilyNameFirst = (arNames[0].endswith(',') or
  2323.                                         len(arNames[1]) == 1 or
  2324.                                         ((len(arNames[1]) == 2) and (arNames[1].endswith('.'))))
  2325.                     if bFamilyNameFirst:
  2326.                         arLines.append(self.vcardFold('N:' + arNames[0] + ';' + arNames[1]))
  2327.                     else:
  2328.                         arLines.append(self.vcardFold('N:' + arNames[1] + ';' + arNames[0]))
  2329.  
  2330.             # SORT-STRING
  2331.             sSortString = self.getPropertyValue(elmCard, 'sort-string', self.STRING, bAutoEscape=1)
  2332.             if sSortString:
  2333.                 arLines.append(self.vcardFold('SORT-STRING:' + sSortString))
  2334.  
  2335.             # NICKNAME
  2336.             arNickname = self.getPropertyValue(elmCard, 'nickname', self.STRING, 1, 1)
  2337.             if arNickname:
  2338.                 arLines.append(self.vcardFold('NICKNAME:' + ','.join(arNickname)))
  2339.  
  2340.             # PHOTO
  2341.             processSingleURI('photo')
  2342.  
  2343.             # BDAY
  2344.             dtBday = self.getPropertyValue(elmCard, 'bday', self.DATE)
  2345.             if dtBday:
  2346.                 arLines.append(self.vcardFold('BDAY:' + self.toISO8601(dtBday)))
  2347.  
  2348.             # ADR (address)
  2349.             arAdr = self.getPropertyValue(elmCard, 'adr', bAllowMultiple=1)
  2350.             for elmAdr in arAdr:
  2351.                 arType = self.getPropertyValue(elmAdr, 'type', self.STRING, 1, 1)
  2352.                 if not arType:
  2353.                     arType = ['intl','postal','parcel','work'] # default adr types, see RFC 2426 section 3.2.1
  2354.                 sPostOfficeBox = self.getPropertyValue(elmAdr, 'post-office-box', self.STRING, 0, 1)
  2355.                 sExtendedAddress = self.getPropertyValue(elmAdr, 'extended-address', self.STRING, 0, 1)
  2356.                 sStreetAddress = self.getPropertyValue(elmAdr, 'street-address', self.STRING, 0, 1)
  2357.                 sLocality = self.getPropertyValue(elmAdr, 'locality', self.STRING, 0, 1)
  2358.                 sRegion = self.getPropertyValue(elmAdr, 'region', self.STRING, 0, 1)
  2359.                 sPostalCode = self.getPropertyValue(elmAdr, 'postal-code', self.STRING, 0, 1)
  2360.                 sCountryName = self.getPropertyValue(elmAdr, 'country-name', self.STRING, 0, 1)
  2361.                 arLines.append(self.vcardFold('ADR;TYPE=' + ','.join(arType) + ':' +
  2362.                                          sPostOfficeBox + ';' +
  2363.                                          sExtendedAddress + ';' +
  2364.                                          sStreetAddress + ';' +
  2365.                                          sLocality + ';' +
  2366.                                          sRegion + ';' +
  2367.                                          sPostalCode + ';' +
  2368.                                          sCountryName))
  2369.  
  2370.             # LABEL
  2371.             processTypeValue('label', ['intl','postal','parcel','work'])
  2372.  
  2373.             # TEL (phone number)
  2374.             processTypeValue('tel', ['voice'])
  2375.  
  2376.             # EMAIL
  2377.             processTypeValue('email', ['internet'], ['internet'])
  2378.  
  2379.             # MAILER
  2380.             processSingleString('mailer')
  2381.  
  2382.             # TZ (timezone)
  2383.             processSingleString('tz')
  2384.  
  2385.             # GEO (geographical information)
  2386.             elmGeo = self.getPropertyValue(elmCard, 'geo')
  2387.             if elmGeo:
  2388.                 sLatitude = self.getPropertyValue(elmGeo, 'latitude', self.STRING, 0, 1)
  2389.                 sLongitude = self.getPropertyValue(elmGeo, 'longitude', self.STRING, 0, 1)
  2390.                 arLines.append(self.vcardFold('GEO:' + sLatitude + ';' + sLongitude))
  2391.  
  2392.             # TITLE
  2393.             processSingleString('title')
  2394.  
  2395.             # ROLE
  2396.             processSingleString('role')
  2397.  
  2398.             # LOGO
  2399.             processSingleURI('logo')
  2400.  
  2401.             # ORG (organization)
  2402.             elmOrg = self.getPropertyValue(elmCard, 'org')
  2403.             if elmOrg:
  2404.                 sOrganizationName = self.getPropertyValue(elmOrg, 'organization-name', self.STRING, 0, 1)
  2405.                 if not sOrganizationName:
  2406.                     # implied "organization-name" optimization
  2407.                     # http://microformats.org/wiki/hcard#Implied_.22organization-name.22_Optimization
  2408.                     sOrganizationName = self.getPropertyValue(elmCard, 'org', self.STRING, 0, 1)
  2409.                     if sOrganizationName:
  2410.                         arLines.append(self.vcardFold('ORG:' + sOrganizationName))
  2411.                 else:
  2412.                     arOrganizationUnit = self.getPropertyValue(elmOrg, 'organization-unit', self.STRING, 1, 1)
  2413.                     arLines.append(self.vcardFold('ORG:' + sOrganizationName + ';' + ';'.join(arOrganizationUnit)))
  2414.  
  2415.             # CATEGORY
  2416.             arCategory = self.getPropertyValue(elmCard, 'category', self.STRING, 1, 1) + self.getPropertyValue(elmCard, 'categories', self.STRING, 1, 1)
  2417.             if arCategory:
  2418.                 arLines.append(self.vcardFold('CATEGORIES:' + ','.join(arCategory)))
  2419.  
  2420.             # NOTE
  2421.             processSingleString('note')
  2422.  
  2423.             # REV
  2424.             processSingleString('rev')
  2425.  
  2426.             # SOUND
  2427.             processSingleURI('sound')
  2428.  
  2429.             # UID
  2430.             processSingleString('uid')
  2431.  
  2432.             # URL
  2433.             processSingleURI('url')
  2434.  
  2435.             # CLASS
  2436.             processSingleString('class')
  2437.  
  2438.             # KEY
  2439.             processSingleURI('key')
  2440.  
  2441.             if arLines:
  2442.                 arLines = [u'BEGIN:vCard',u'VERSION:3.0'] + arLines + [u'END:vCard']
  2443.                 # XXX - this is super ugly; properly fix this with issue 148
  2444.                 for i, s in enumerate(arLines):
  2445.                     if not isinstance(s, unicode):
  2446.                         arLines[i] = s.decode('utf-8', 'ignore')
  2447.                 sVCards += u'\n'.join(arLines) + u'\n'
  2448.  
  2449.         return sVCards.strip()
  2450.  
  2451.     def isProbablyDownloadable(self, elm):
  2452.         attrsD = elm.attrMap
  2453.         if 'href' not in attrsD:
  2454.             return 0
  2455.         linktype = attrsD.get('type', '').strip()
  2456.         if linktype.startswith('audio/') or \
  2457.            linktype.startswith('video/') or \
  2458.            (linktype.startswith('application/') and not linktype.endswith('xml')):
  2459.             return 1
  2460.         try:
  2461.             path = urlparse.urlparse(attrsD['href'])[2]
  2462.         except ValueError:
  2463.             return 0
  2464.         if path.find('.') == -1:
  2465.             return 0
  2466.         fileext = path.split('.').pop().lower()
  2467.         return fileext in self.known_binary_extensions
  2468.  
  2469.     def findTags(self):
  2470.         all = lambda x: 1
  2471.         for elm in self.document(all, {'rel': re.compile(r'\btag\b')}):
  2472.             href = elm.get('href')
  2473.             if not href:
  2474.                 continue
  2475.             urlscheme, domain, path, params, query, fragment = \
  2476.                        urlparse.urlparse(_urljoin(self.baseuri, href))
  2477.             segments = path.split('/')
  2478.             tag = segments.pop()
  2479.             if not tag:
  2480.                 if segments:
  2481.                     tag = segments.pop()
  2482.                 else:
  2483.                     # there are no tags
  2484.                     continue
  2485.             tagscheme = urlparse.urlunparse((urlscheme, domain, '/'.join(segments), '', '', ''))
  2486.             if not tagscheme.endswith('/'):
  2487.                 tagscheme += '/'
  2488.             self.tags.append(FeedParserDict({"term": tag, "scheme": tagscheme, "label": elm.string or ''}))
  2489.  
  2490.     def findEnclosures(self):
  2491.         all = lambda x: 1
  2492.         enclosure_match = re.compile(r'\benclosure\b')
  2493.         for elm in self.document(all, {'href': re.compile(r'.+')}):
  2494.             if not enclosure_match.search(elm.get('rel', u'')) and not self.isProbablyDownloadable(elm):
  2495.                 continue
  2496.             if elm.attrMap not in self.enclosures:
  2497.                 self.enclosures.append(elm.attrMap)
  2498.                 if elm.string and not elm.get('title'):
  2499.                     self.enclosures[-1]['title'] = elm.string
  2500.  
  2501.     def findXFN(self):
  2502.         all = lambda x: 1
  2503.         for elm in self.document(all, {'rel': re.compile('.+'), 'href': re.compile('.+')}):
  2504.             rels = elm.get('rel', u'').split()
  2505.             xfn_rels = [r for r in rels if r in self.known_xfn_relationships]
  2506.             if xfn_rels:
  2507.                 self.xfn.append({"relationships": xfn_rels, "href": elm.get('href', ''), "name": elm.string})
  2508.  
  2509. def _parseMicroformats(htmlSource, baseURI, encoding):
  2510.     if not BeautifulSoup:
  2511.         return
  2512.     try:
  2513.         p = _MicroformatsParser(htmlSource, baseURI, encoding)
  2514.     except UnicodeEncodeError:
  2515.         # sgmllib throws this exception when performing lookups of tags
  2516.         # with non-ASCII characters in them.
  2517.         return
  2518.     p.vcard = p.findVCards(p.document)
  2519.     p.findTags()
  2520.     p.findEnclosures()
  2521.     p.findXFN()
  2522.     return {"tags": p.tags, "enclosures": p.enclosures, "xfn": p.xfn, "vcard": p.vcard}
  2523.  
  2524. class _RelativeURIResolver(_BaseHTMLProcessor):
  2525.     relative_uris = set([('a', 'href'),
  2526.                      ('applet', 'codebase'),
  2527.                      ('area', 'href'),
  2528.                      ('blockquote', 'cite'),
  2529.                      ('body', 'background'),
  2530.                      ('del', 'cite'),
  2531.                      ('form', 'action'),
  2532.                      ('frame', 'longdesc'),
  2533.                      ('frame', 'src'),
  2534.                      ('iframe', 'longdesc'),
  2535.                      ('iframe', 'src'),
  2536.                      ('head', 'profile'),
  2537.                      ('img', 'longdesc'),
  2538.                      ('img', 'src'),
  2539.                      ('img', 'usemap'),
  2540.                      ('input', 'src'),
  2541.                      ('input', 'usemap'),
  2542.                      ('ins', 'cite'),
  2543.                      ('link', 'href'),
  2544.                      ('object', 'classid'),
  2545.                      ('object', 'codebase'),
  2546.                      ('object', 'data'),
  2547.                      ('object', 'usemap'),
  2548.                      ('q', 'cite'),
  2549.                      ('script', 'src'),
  2550.                      ('video', 'poster')])
  2551.  
  2552.     def __init__(self, baseuri, encoding, _type):
  2553.         _BaseHTMLProcessor.__init__(self, encoding, _type)
  2554.         self.baseuri = baseuri
  2555.  
  2556.     def resolveURI(self, uri):
  2557.         return _makeSafeAbsoluteURI(self.baseuri, uri.strip())
  2558.  
  2559.     def unknown_starttag(self, tag, attrs):
  2560.         attrs = self.normalize_attrs(attrs)
  2561.         attrs = [(key, ((tag, key) in self.relative_uris) and self.resolveURI(value) or value) for key, value in attrs]
  2562.         _BaseHTMLProcessor.unknown_starttag(self, tag, attrs)
  2563.  
  2564. def _resolveRelativeURIs(htmlSource, baseURI, encoding, _type):
  2565.     if not _SGML_AVAILABLE:
  2566.         return htmlSource
  2567.  
  2568.     p = _RelativeURIResolver(baseURI, encoding, _type)
  2569.     p.feed(htmlSource)
  2570.     return p.output()
  2571.  
  2572. def _makeSafeAbsoluteURI(base, rel=None):
  2573.     # bail if ACCEPTABLE_URI_SCHEMES is empty
  2574.     if not ACCEPTABLE_URI_SCHEMES:
  2575.         try:
  2576.             return _urljoin(base, rel or u'')
  2577.         except ValueError:
  2578.             return u''
  2579.     if not base:
  2580.         return rel or u''
  2581.     if not rel:
  2582.         try:
  2583.             scheme = urlparse.urlparse(base)[0]
  2584.         except ValueError:
  2585.             return u''
  2586.         if not scheme or scheme in ACCEPTABLE_URI_SCHEMES:
  2587.             return base
  2588.         return u''
  2589.     try:
  2590.         uri = _urljoin(base, rel)
  2591.     except ValueError:
  2592.         return u''
  2593.     if uri.strip().split(':', 1)[0] not in ACCEPTABLE_URI_SCHEMES:
  2594.         return u''
  2595.     return uri
  2596.  
  2597. class _HTMLSanitizer(_BaseHTMLProcessor):
  2598.     acceptable_elements = set(['a', 'abbr', 'acronym', 'address', 'area',
  2599.         'article', 'aside', 'audio', 'b', 'big', 'blockquote', 'br', 'button',
  2600.         'canvas', 'caption', 'center', 'cite', 'code', 'col', 'colgroup',
  2601.         'command', 'datagrid', 'datalist', 'dd', 'del', 'details', 'dfn',
  2602.         'dialog', 'dir', 'div', 'dl', 'dt', 'em', 'event-source', 'fieldset',
  2603.         'figcaption', 'figure', 'footer', 'font', 'form', 'header', 'h1',
  2604.         'h2', 'h3', 'h4', 'h5', 'h6', 'hr', 'i', 'img', 'input', 'ins',
  2605.         'keygen', 'kbd', 'label', 'legend', 'li', 'm', 'map', 'menu', 'meter',
  2606.         'multicol', 'nav', 'nextid', 'ol', 'output', 'optgroup', 'option',
  2607.         'p', 'pre', 'progress', 'q', 's', 'samp', 'section', 'select',
  2608.         'small', 'sound', 'source', 'spacer', 'span', 'strike', 'strong',
  2609.         'sub', 'sup', 'table', 'tbody', 'td', 'textarea', 'time', 'tfoot',
  2610.         'th', 'thead', 'tr', 'tt', 'u', 'ul', 'var', 'video', 'noscript'])
  2611.  
  2612.     acceptable_attributes = set(['abbr', 'accept', 'accept-charset', 'accesskey',
  2613.       'action', 'align', 'alt', 'autocomplete', 'autofocus', 'axis',
  2614.       'background', 'balance', 'bgcolor', 'bgproperties', 'border',
  2615.       'bordercolor', 'bordercolordark', 'bordercolorlight', 'bottompadding',
  2616.       'cellpadding', 'cellspacing', 'ch', 'challenge', 'char', 'charoff',
  2617.       'choff', 'charset', 'checked', 'cite', 'class', 'clear', 'color', 'cols',
  2618.       'colspan', 'compact', 'contenteditable', 'controls', 'coords', 'data',
  2619.       'datafld', 'datapagesize', 'datasrc', 'datetime', 'default', 'delay',
  2620.       'dir', 'disabled', 'draggable', 'dynsrc', 'enctype', 'end', 'face', 'for',
  2621.       'form', 'frame', 'galleryimg', 'gutter', 'headers', 'height', 'hidefocus',
  2622.       'hidden', 'high', 'href', 'hreflang', 'hspace', 'icon', 'id', 'inputmode',
  2623.       'ismap', 'keytype', 'label', 'leftspacing', 'lang', 'list', 'longdesc',
  2624.       'loop', 'loopcount', 'loopend', 'loopstart', 'low', 'lowsrc', 'max',
  2625.       'maxlength', 'media', 'method', 'min', 'multiple', 'name', 'nohref',
  2626.       'noshade', 'nowrap', 'open', 'optimum', 'pattern', 'ping', 'point-size',
  2627.       'poster', 'pqg', 'preload', 'prompt', 'radiogroup', 'readonly', 'rel',
  2628.       'repeat-max', 'repeat-min', 'replace', 'required', 'rev', 'rightspacing',
  2629.       'rows', 'rowspan', 'rules', 'scope', 'selected', 'shape', 'size', 'span',
  2630.       'src', 'start', 'step', 'summary', 'suppress', 'tabindex', 'target',
  2631.       'template', 'title', 'toppadding', 'type', 'unselectable', 'usemap',
  2632.       'urn', 'valign', 'value', 'variable', 'volume', 'vspace', 'vrml',
  2633.       'width', 'wrap', 'xml:lang'])
  2634.  
  2635.     unacceptable_elements_with_end_tag = set(['script', 'applet', 'style'])
  2636.  
  2637.     acceptable_css_properties = set(['azimuth', 'background-color',
  2638.       'border-bottom-color', 'border-collapse', 'border-color',
  2639.       'border-left-color', 'border-right-color', 'border-top-color', 'clear',
  2640.       'color', 'cursor', 'direction', 'display', 'elevation', 'float', 'font',
  2641.       'font-family', 'font-size', 'font-style', 'font-variant', 'font-weight',
  2642.       'height', 'letter-spacing', 'line-height', 'overflow', 'pause',
  2643.       'pause-after', 'pause-before', 'pitch', 'pitch-range', 'richness',
  2644.       'speak', 'speak-header', 'speak-numeral', 'speak-punctuation',
  2645.       'speech-rate', 'stress', 'text-align', 'text-decoration', 'text-indent',
  2646.       'unicode-bidi', 'vertical-align', 'voice-family', 'volume',
  2647.       'white-space', 'width'])
  2648.  
  2649.     # survey of common keywords found in feeds
  2650.     acceptable_css_keywords = set(['auto', 'aqua', 'black', 'block', 'blue',
  2651.       'bold', 'both', 'bottom', 'brown', 'center', 'collapse', 'dashed',
  2652.       'dotted', 'fuchsia', 'gray', 'green', '!important', 'italic', 'left',
  2653.       'lime', 'maroon', 'medium', 'none', 'navy', 'normal', 'nowrap', 'olive',
  2654.       'pointer', 'purple', 'red', 'right', 'solid', 'silver', 'teal', 'top',
  2655.       'transparent', 'underline', 'white', 'yellow'])
  2656.  
  2657.     valid_css_values = re.compile('^(#[0-9a-f]+|rgb\(\d+%?,\d*%?,?\d*%?\)?|' +
  2658.       '\d{0,2}\.?\d{0,2}(cm|em|ex|in|mm|pc|pt|px|%|,|\))?)$')
  2659.  
  2660.     mathml_elements = set(['annotation', 'annotation-xml', 'maction', 'math',
  2661.       'merror', 'mfenced', 'mfrac', 'mi', 'mmultiscripts', 'mn', 'mo', 'mover', 'mpadded',
  2662.       'mphantom', 'mprescripts', 'mroot', 'mrow', 'mspace', 'msqrt', 'mstyle',
  2663.       'msub', 'msubsup', 'msup', 'mtable', 'mtd', 'mtext', 'mtr', 'munder',
  2664.       'munderover', 'none', 'semantics'])
  2665.  
  2666.     mathml_attributes = set(['actiontype', 'align', 'columnalign', 'columnalign',
  2667.       'columnalign', 'close', 'columnlines', 'columnspacing', 'columnspan', 'depth',
  2668.       'display', 'displaystyle', 'encoding', 'equalcolumns', 'equalrows',
  2669.       'fence', 'fontstyle', 'fontweight', 'frame', 'height', 'linethickness',
  2670.       'lspace', 'mathbackground', 'mathcolor', 'mathvariant', 'mathvariant',
  2671.       'maxsize', 'minsize', 'open', 'other', 'rowalign', 'rowalign', 'rowalign',
  2672.       'rowlines', 'rowspacing', 'rowspan', 'rspace', 'scriptlevel', 'selection',
  2673.       'separator', 'separators', 'stretchy', 'width', 'width', 'xlink:href',
  2674.       'xlink:show', 'xlink:type', 'xmlns', 'xmlns:xlink'])
  2675.  
  2676.     # svgtiny - foreignObject + linearGradient + radialGradient + stop
  2677.     svg_elements = set(['a', 'animate', 'animateColor', 'animateMotion',
  2678.       'animateTransform', 'circle', 'defs', 'desc', 'ellipse', 'foreignObject',
  2679.       'font-face', 'font-face-name', 'font-face-src', 'g', 'glyph', 'hkern',
  2680.       'linearGradient', 'line', 'marker', 'metadata', 'missing-glyph', 'mpath',
  2681.       'path', 'polygon', 'polyline', 'radialGradient', 'rect', 'set', 'stop',
  2682.       'svg', 'switch', 'text', 'title', 'tspan', 'use'])
  2683.  
  2684.     # svgtiny + class + opacity + offset + xmlns + xmlns:xlink
  2685.     svg_attributes = set(['accent-height', 'accumulate', 'additive', 'alphabetic',
  2686.        'arabic-form', 'ascent', 'attributeName', 'attributeType',
  2687.        'baseProfile', 'bbox', 'begin', 'by', 'calcMode', 'cap-height',
  2688.        'class', 'color', 'color-rendering', 'content', 'cx', 'cy', 'd', 'dx',
  2689.        'dy', 'descent', 'display', 'dur', 'end', 'fill', 'fill-opacity',
  2690.        'fill-rule', 'font-family', 'font-size', 'font-stretch', 'font-style',
  2691.        'font-variant', 'font-weight', 'from', 'fx', 'fy', 'g1', 'g2',
  2692.        'glyph-name', 'gradientUnits', 'hanging', 'height', 'horiz-adv-x',
  2693.        'horiz-origin-x', 'id', 'ideographic', 'k', 'keyPoints', 'keySplines',
  2694.        'keyTimes', 'lang', 'mathematical', 'marker-end', 'marker-mid',
  2695.        'marker-start', 'markerHeight', 'markerUnits', 'markerWidth', 'max',
  2696.        'min', 'name', 'offset', 'opacity', 'orient', 'origin',
  2697.        'overline-position', 'overline-thickness', 'panose-1', 'path',
  2698.        'pathLength', 'points', 'preserveAspectRatio', 'r', 'refX', 'refY',
  2699.        'repeatCount', 'repeatDur', 'requiredExtensions', 'requiredFeatures',
  2700.        'restart', 'rotate', 'rx', 'ry', 'slope', 'stemh', 'stemv',
  2701.        'stop-color', 'stop-opacity', 'strikethrough-position',
  2702.        'strikethrough-thickness', 'stroke', 'stroke-dasharray',
  2703.        'stroke-dashoffset', 'stroke-linecap', 'stroke-linejoin',
  2704.        'stroke-miterlimit', 'stroke-opacity', 'stroke-width', 'systemLanguage',
  2705.        'target', 'text-anchor', 'to', 'transform', 'type', 'u1', 'u2',
  2706.        'underline-position', 'underline-thickness', 'unicode', 'unicode-range',
  2707.        'units-per-em', 'values', 'version', 'viewBox', 'visibility', 'width',
  2708.        'widths', 'x', 'x-height', 'x1', 'x2', 'xlink:actuate', 'xlink:arcrole',
  2709.        'xlink:href', 'xlink:role', 'xlink:show', 'xlink:title', 'xlink:type',
  2710.        'xml:base', 'xml:lang', 'xml:space', 'xmlns', 'xmlns:xlink', 'y', 'y1',
  2711.        'y2', 'zoomAndPan'])
  2712.  
  2713.     svg_attr_map = None
  2714.     svg_elem_map = None
  2715.  
  2716.     acceptable_svg_properties = set([ 'fill', 'fill-opacity', 'fill-rule',
  2717.       'stroke', 'stroke-width', 'stroke-linecap', 'stroke-linejoin',
  2718.       'stroke-opacity'])
  2719.  
  2720.     def reset(self):
  2721.         _BaseHTMLProcessor.reset(self)
  2722.         self.unacceptablestack = 0
  2723.         self.mathmlOK = 0
  2724.         self.svgOK = 0
  2725.  
  2726.     def unknown_starttag(self, tag, attrs):
  2727.         acceptable_attributes = self.acceptable_attributes
  2728.         keymap = {}
  2729.         if not tag in self.acceptable_elements or self.svgOK:
  2730.             if tag in self.unacceptable_elements_with_end_tag:
  2731.                 self.unacceptablestack += 1
  2732.  
  2733.             # add implicit namespaces to html5 inline svg/mathml
  2734.             if self._type.endswith('html'):
  2735.                 if not dict(attrs).get('xmlns'):
  2736.                     if tag=='svg':
  2737.                         attrs.append( ('xmlns','http://www.w3.org/2000/svg') )
  2738.                     if tag=='math':
  2739.                         attrs.append( ('xmlns','http://www.w3.org/1998/Math/MathML') )
  2740.  
  2741.             # not otherwise acceptable, perhaps it is MathML or SVG?
  2742.             if tag=='math' and ('xmlns','http://www.w3.org/1998/Math/MathML') in attrs:
  2743.                 self.mathmlOK += 1
  2744.             if tag=='svg' and ('xmlns','http://www.w3.org/2000/svg') in attrs:
  2745.                 self.svgOK += 1
  2746.  
  2747.             # chose acceptable attributes based on tag class, else bail
  2748.             if  self.mathmlOK and tag in self.mathml_elements:
  2749.                 acceptable_attributes = self.mathml_attributes
  2750.             elif self.svgOK and tag in self.svg_elements:
  2751.                 # for most vocabularies, lowercasing is a good idea.  Many
  2752.                 # svg elements, however, are camel case
  2753.                 if not self.svg_attr_map:
  2754.                     lower=[attr.lower() for attr in self.svg_attributes]
  2755.                     mix=[a for a in self.svg_attributes if a not in lower]
  2756.                     self.svg_attributes = lower
  2757.                     self.svg_attr_map = dict([(a.lower(),a) for a in mix])
  2758.  
  2759.                     lower=[attr.lower() for attr in self.svg_elements]
  2760.                     mix=[a for a in self.svg_elements if a not in lower]
  2761.                     self.svg_elements = lower
  2762.                     self.svg_elem_map = dict([(a.lower(),a) for a in mix])
  2763.                 acceptable_attributes = self.svg_attributes
  2764.                 tag = self.svg_elem_map.get(tag,tag)
  2765.                 keymap = self.svg_attr_map
  2766.             elif not tag in self.acceptable_elements:
  2767.                 return
  2768.  
  2769.         # declare xlink namespace, if needed
  2770.         if self.mathmlOK or self.svgOK:
  2771.             if filter(lambda (n,v): n.startswith('xlink:'),attrs):
  2772.                 if not ('xmlns:xlink','http://www.w3.org/1999/xlink') in attrs:
  2773.                     attrs.append(('xmlns:xlink','http://www.w3.org/1999/xlink'))
  2774.  
  2775.         clean_attrs = []
  2776.         for key, value in self.normalize_attrs(attrs):
  2777.             if key in acceptable_attributes:
  2778.                 key=keymap.get(key,key)
  2779.                 # make sure the uri uses an acceptable uri scheme
  2780.                 if key == u'href':
  2781.                     value = _makeSafeAbsoluteURI(value)
  2782.                 clean_attrs.append((key,value))
  2783.             elif key=='style':
  2784.                 clean_value = self.sanitize_style(value)
  2785.                 if clean_value:
  2786.                     clean_attrs.append((key,clean_value))
  2787.         _BaseHTMLProcessor.unknown_starttag(self, tag, clean_attrs)
  2788.  
  2789.     def unknown_endtag(self, tag):
  2790.         if not tag in self.acceptable_elements:
  2791.             if tag in self.unacceptable_elements_with_end_tag:
  2792.                 self.unacceptablestack -= 1
  2793.             if self.mathmlOK and tag in self.mathml_elements:
  2794.                 if tag == 'math' and self.mathmlOK:
  2795.                     self.mathmlOK -= 1
  2796.             elif self.svgOK and tag in self.svg_elements:
  2797.                 tag = self.svg_elem_map.get(tag,tag)
  2798.                 if tag == 'svg' and self.svgOK:
  2799.                     self.svgOK -= 1
  2800.             else:
  2801.                 return
  2802.         _BaseHTMLProcessor.unknown_endtag(self, tag)
  2803.  
  2804.     def handle_pi(self, text):
  2805.         pass
  2806.  
  2807.     def handle_decl(self, text):
  2808.         pass
  2809.  
  2810.     def handle_data(self, text):
  2811.         if not self.unacceptablestack:
  2812.             _BaseHTMLProcessor.handle_data(self, text)
  2813.  
  2814.     def sanitize_style(self, style):
  2815.         # disallow urls
  2816.         style=re.compile('url\s*\(\s*[^\s)]+?\s*\)\s*').sub(' ',style)
  2817.  
  2818.         # gauntlet
  2819.         if not re.match("""^([:,;#%.\sa-zA-Z0-9!]|\w-\w|'[\s\w]+'|"[\s\w]+"|\([\d,\s]+\))*$""", style):
  2820.             return ''
  2821.         # This replaced a regexp that used re.match and was prone to pathological back-tracking.
  2822.         if re.sub("\s*[-\w]+\s*:\s*[^:;]*;?", '', style).strip():
  2823.             return ''
  2824.  
  2825.         clean = []
  2826.         for prop,value in re.findall("([-\w]+)\s*:\s*([^:;]*)",style):
  2827.             if not value:
  2828.                 continue
  2829.             if prop.lower() in self.acceptable_css_properties:
  2830.                 clean.append(prop + ': ' + value + ';')
  2831.             elif prop.split('-')[0].lower() in ['background','border','margin','padding']:
  2832.                 for keyword in value.split():
  2833.                     if not keyword in self.acceptable_css_keywords and \
  2834.                         not self.valid_css_values.match(keyword):
  2835.                         break
  2836.                 else:
  2837.                     clean.append(prop + ': ' + value + ';')
  2838.             elif self.svgOK and prop.lower() in self.acceptable_svg_properties:
  2839.                 clean.append(prop + ': ' + value + ';')
  2840.  
  2841.         return ' '.join(clean)
  2842.  
  2843.     def parse_comment(self, i, report=1):
  2844.         ret = _BaseHTMLProcessor.parse_comment(self, i, report)
  2845.         if ret >= 0:
  2846.             return ret
  2847.         # if ret == -1, this may be a malicious attempt to circumvent
  2848.         # sanitization, or a page-destroying unclosed comment
  2849.         match = re.compile(r'--[^>]*>').search(self.rawdata, i+4)
  2850.         if match:
  2851.             return match.end()
  2852.         # unclosed comment; deliberately fail to handle_data()
  2853.         return len(self.rawdata)
  2854.  
  2855.  
  2856. def _sanitizeHTML(htmlSource, encoding, _type):
  2857.     if not _SGML_AVAILABLE:
  2858.         return htmlSource
  2859.     p = _HTMLSanitizer(encoding, _type)
  2860.     htmlSource = htmlSource.replace('<![CDATA[', '<![CDATA[')
  2861.     p.feed(htmlSource)
  2862.     data = p.output()
  2863.     if TIDY_MARKUP:
  2864.         # loop through list of preferred Tidy interfaces looking for one that's installed,
  2865.         # then set up a common _tidy function to wrap the interface-specific API.
  2866.         _tidy = None
  2867.         for tidy_interface in PREFERRED_TIDY_INTERFACES:
  2868.             try:
  2869.                 if tidy_interface == "uTidy":
  2870.                     from tidy import parseString as _utidy
  2871.                     def _tidy(data, **kwargs):
  2872.                         return str(_utidy(data, **kwargs))
  2873.                     break
  2874.                 elif tidy_interface == "mxTidy":
  2875.                     from mx.Tidy import Tidy as _mxtidy
  2876.                     def _tidy(data, **kwargs):
  2877.                         nerrors, nwarnings, data, errordata = _mxtidy.tidy(data, **kwargs)
  2878.                         return data
  2879.                     break
  2880.             except:
  2881.                 pass
  2882.         if _tidy:
  2883.             utf8 = isinstance(data, unicode)
  2884.             if utf8:
  2885.                 data = data.encode('utf-8')
  2886.             data = _tidy(data, output_xhtml=1, numeric_entities=1, wrap=0, char_encoding="utf8")
  2887.             if utf8:
  2888.                 data = unicode(data, 'utf-8')
  2889.             if data.count('<body'):
  2890.                 data = data.split('<body', 1)[1]
  2891.                 if data.count('>'):
  2892.                     data = data.split('>', 1)[1]
  2893.             if data.count('</body'):
  2894.                 data = data.split('</body', 1)[0]
  2895.     data = data.strip().replace('\r\n', '\n')
  2896.     return data
  2897.  
  2898. class _FeedURLHandler(urllib2.HTTPDigestAuthHandler, urllib2.HTTPRedirectHandler, urllib2.HTTPDefaultErrorHandler):
  2899.     def http_error_default(self, req, fp, code, msg, headers):
  2900.         # The default implementation just raises HTTPError.
  2901.         # Forget that.
  2902.         fp.status = code
  2903.         return fp
  2904.  
  2905.     def http_error_301(self, req, fp, code, msg, hdrs):
  2906.         result = urllib2.HTTPRedirectHandler.http_error_301(self, req, fp,
  2907.                                                             code, msg, hdrs)
  2908.         result.status = code
  2909.         result.newurl = result.geturl()
  2910.         return result
  2911.     # The default implementations in urllib2.HTTPRedirectHandler
  2912.     # are identical, so hardcoding a http_error_301 call above
  2913.     # won't affect anything
  2914.     http_error_300 = http_error_301
  2915.     http_error_302 = http_error_301
  2916.     http_error_303 = http_error_301
  2917.     http_error_307 = http_error_301
  2918.  
  2919.     def http_error_401(self, req, fp, code, msg, headers):
  2920.         # Check if
  2921.         # - server requires digest auth, AND
  2922.         # - we tried (unsuccessfully) with basic auth, AND
  2923.         # If all conditions hold, parse authentication information
  2924.         # out of the Authorization header we sent the first time
  2925.         # (for the username and password) and the WWW-Authenticate
  2926.         # header the server sent back (for the realm) and retry
  2927.         # the request with the appropriate digest auth headers instead.
  2928.         # This evil genius hack has been brought to you by Aaron Swartz.
  2929.         host = urlparse.urlparse(req.get_full_url())[1]
  2930.         if base64 is None or 'Authorization' not in req.headers \
  2931.                           or 'WWW-Authenticate' not in headers:
  2932.             return self.http_error_default(req, fp, code, msg, headers)
  2933.         auth = _base64decode(req.headers['Authorization'].split(' ')[1])
  2934.         user, passw = auth.split(':')
  2935.         realm = re.findall('realm="([^"]*)"', headers['WWW-Authenticate'])[0]
  2936.         self.add_password(realm, host, user, passw)
  2937.         retry = self.http_error_auth_reqed('www-authenticate', host, req, headers)
  2938.         self.reset_retry_count()
  2939.         return retry
  2940.  
  2941. def _open_resource(url_file_stream_or_string, etag, modified, agent, referrer, handlers, request_headers):
  2942.     """URL, filename, or string --> stream
  2943.  
  2944.     This function lets you define parsers that take any input source
  2945.     (URL, pathname to local or network file, or actual data as a string)
  2946.     and deal with it in a uniform manner.  Returned object is guaranteed
  2947.     to have all the basic stdio read methods (read, readline, readlines).
  2948.     Just .close() the object when you're done with it.
  2949.  
  2950.     If the etag argument is supplied, it will be used as the value of an
  2951.     If-None-Match request header.
  2952.  
  2953.     If the modified argument is supplied, it can be a tuple of 9 integers
  2954.     (as returned by gmtime() in the standard Python time module) or a date
  2955.     string in any format supported by feedparser. Regardless, it MUST
  2956.     be in GMT (Greenwich Mean Time). It will be reformatted into an
  2957.     RFC 1123-compliant date and used as the value of an If-Modified-Since
  2958.     request header.
  2959.  
  2960.     If the agent argument is supplied, it will be used as the value of a
  2961.     User-Agent request header.
  2962.  
  2963.     If the referrer argument is supplied, it will be used as the value of a
  2964.     Referer[sic] request header.
  2965.  
  2966.     If handlers is supplied, it is a list of handlers used to build a
  2967.     urllib2 opener.
  2968.  
  2969.     if request_headers is supplied it is a dictionary of HTTP request headers
  2970.     that will override the values generated by FeedParser.
  2971.     """
  2972.  
  2973.     if hasattr(url_file_stream_or_string, 'read'):
  2974.         return url_file_stream_or_string
  2975.  
  2976.     if isinstance(url_file_stream_or_string, basestring) \
  2977.        and urlparse.urlparse(url_file_stream_or_string)[0] in ('http', 'https', 'ftp', 'file', 'feed'):
  2978.         # Deal with the feed URI scheme
  2979.         if url_file_stream_or_string.startswith('feed:http'):
  2980.             url_file_stream_or_string = url_file_stream_or_string[5:]
  2981.         elif url_file_stream_or_string.startswith('feed:'):
  2982.             url_file_stream_or_string = 'http:' + url_file_stream_or_string[5:]
  2983.         if not agent:
  2984.             agent = USER_AGENT
  2985.         # Test for inline user:password credentials for HTTP basic auth
  2986.         auth = None
  2987.         if base64 and not url_file_stream_or_string.startswith('ftp:'):
  2988.             urltype, rest = urllib.splittype(url_file_stream_or_string)
  2989.             realhost, rest = urllib.splithost(rest)
  2990.             if realhost:
  2991.                 user_passwd, realhost = urllib.splituser(realhost)
  2992.                 if user_passwd:
  2993.                     url_file_stream_or_string = '%s://%s%s' % (urltype, realhost, rest)
  2994.                     auth = base64.standard_b64encode(user_passwd).strip()
  2995.  
  2996.         # iri support
  2997.         if isinstance(url_file_stream_or_string, unicode):
  2998.             url_file_stream_or_string = _convert_to_idn(url_file_stream_or_string)
  2999.  
  3000.         # try to open with urllib2 (to use optional headers)
  3001.         request = _build_urllib2_request(url_file_stream_or_string, agent, etag, modified, referrer, auth, request_headers)
  3002.         opener = urllib2.build_opener(*tuple(handlers + [_FeedURLHandler()]))
  3003.         opener.addheaders = [] # RMK - must clear so we only send our custom User-Agent
  3004.         try:
  3005.             return opener.open(request)
  3006.         finally:
  3007.             opener.close() # JohnD
  3008.  
  3009.     # try to open with native open function (if url_file_stream_or_string is a filename)
  3010.     try:
  3011.         return open(url_file_stream_or_string, 'rb')
  3012.     except (IOError, UnicodeEncodeError, TypeError):
  3013.         # if url_file_stream_or_string is a unicode object that
  3014.         # cannot be converted to the encoding returned by
  3015.         # sys.getfilesystemencoding(), a UnicodeEncodeError
  3016.         # will be thrown
  3017.         # If url_file_stream_or_string is a string that contains NULL
  3018.         # (such as an XML document encoded in UTF-32), TypeError will
  3019.         # be thrown.
  3020.         pass
  3021.  
  3022.     # treat url_file_stream_or_string as string
  3023.     if isinstance(url_file_stream_or_string, unicode):
  3024.         return _StringIO(url_file_stream_or_string.encode('utf-8'))
  3025.     return _StringIO(url_file_stream_or_string)
  3026.  
  3027. def _convert_to_idn(url):
  3028.     """Convert a URL to IDN notation"""
  3029.     # this function should only be called with a unicode string
  3030.     # strategy: if the host cannot be encoded in ascii, then
  3031.     # it'll be necessary to encode it in idn form
  3032.     parts = list(urlparse.urlsplit(url))
  3033.     try:
  3034.         parts[1].encode('ascii')
  3035.     except UnicodeEncodeError:
  3036.         # the url needs to be converted to idn notation
  3037.         host = parts[1].rsplit(':', 1)
  3038.         newhost = []
  3039.         port = u''
  3040.         if len(host) == 2:
  3041.             port = host.pop()
  3042.         for h in host[0].split('.'):
  3043.             newhost.append(h.encode('idna').decode('utf-8'))
  3044.         parts[1] = '.'.join(newhost)
  3045.         if port:
  3046.             parts[1] += ':' + port
  3047.         return urlparse.urlunsplit(parts)
  3048.     else:
  3049.         return url
  3050.  
  3051. def _build_urllib2_request(url, agent, etag, modified, referrer, auth, request_headers):
  3052.     request = urllib2.Request(url)
  3053.     request.add_header('User-Agent', agent)
  3054.     if etag:
  3055.         request.add_header('If-None-Match', etag)
  3056.     if isinstance(modified, basestring):
  3057.         modified = _parse_date(modified)
  3058.     elif isinstance(modified, datetime.datetime):
  3059.         modified = modified.utctimetuple()
  3060.     if modified:
  3061.         # format into an RFC 1123-compliant timestamp. We can't use
  3062.         # time.strftime() since the %a and %b directives can be affected
  3063.         # by the current locale, but RFC 2616 states that dates must be
  3064.         # in English.
  3065.         short_weekdays = ['Mon', 'Tue', 'Wed', 'Thu', 'Fri', 'Sat', 'Sun']
  3066.         months = ['Jan', 'Feb', 'Mar', 'Apr', 'May', 'Jun', 'Jul', 'Aug', 'Sep', 'Oct', 'Nov', 'Dec']
  3067.         request.add_header('If-Modified-Since', '%s, %02d %s %04d %02d:%02d:%02d GMT' % (short_weekdays[modified[6]], modified[2], months[modified[1] - 1], modified[0], modified[3], modified[4], modified[5]))
  3068.     if referrer:
  3069.         request.add_header('Referer', referrer)
  3070.     if gzip and zlib:
  3071.         request.add_header('Accept-encoding', 'gzip, deflate')
  3072.     elif gzip:
  3073.         request.add_header('Accept-encoding', 'gzip')
  3074.     elif zlib:
  3075.         request.add_header('Accept-encoding', 'deflate')
  3076.     else:
  3077.         request.add_header('Accept-encoding', '')
  3078.     if auth:
  3079.         request.add_header('Authorization', 'Basic %s' % auth)
  3080.     if ACCEPT_HEADER:
  3081.         request.add_header('Accept', ACCEPT_HEADER)
  3082.     # use this for whatever -- cookies, special headers, etc
  3083.     # [('Cookie','Something'),('x-special-header','Another Value')]
  3084.     for header_name, header_value in request_headers.items():
  3085.         request.add_header(header_name, header_value)
  3086.     request.add_header('A-IM', 'feed') # RFC 3229 support
  3087.     return request
  3088.  
  3089. _date_handlers = []
  3090. def registerDateHandler(func):
  3091.     '''Register a date handler function (takes string, returns 9-tuple date in GMT)'''
  3092.     _date_handlers.insert(0, func)
  3093.  
  3094. # ISO-8601 date parsing routines written by Fazal Majid.
  3095. # The ISO 8601 standard is very convoluted and irregular - a full ISO 8601
  3096. # parser is beyond the scope of feedparser and would be a worthwhile addition
  3097. # to the Python library.
  3098. # A single regular expression cannot parse ISO 8601 date formats into groups
  3099. # as the standard is highly irregular (for instance is 030104 2003-01-04 or
  3100. # 0301-04-01), so we use templates instead.
  3101. # Please note the order in templates is significant because we need a
  3102. # greedy match.
  3103. _iso8601_tmpl = ['YYYY-?MM-?DD', 'YYYY-0MM?-?DD', 'YYYY-MM', 'YYYY-?OOO',
  3104.                 'YY-?MM-?DD', 'YY-?OOO', 'YYYY',
  3105.                 '-YY-?MM', '-OOO', '-YY',
  3106.                 '--MM-?DD', '--MM',
  3107.                 '---DD',
  3108.                 'CC', '']
  3109. _iso8601_re = [
  3110.     tmpl.replace(
  3111.     'YYYY', r'(?P<year>\d{4})').replace(
  3112.     'YY', r'(?P<year>\d\d)').replace(
  3113.     'MM', r'(?P<month>[01]\d)').replace(
  3114.     'DD', r'(?P<day>[0123]\d)').replace(
  3115.     'OOO', r'(?P<ordinal>[0123]\d\d)').replace(
  3116.     'CC', r'(?P<century>\d\d$)')
  3117.     + r'(T?(?P<hour>\d{2}):(?P<minute>\d{2})'
  3118.     + r'(:(?P<second>\d{2}))?'
  3119.     + r'(\.(?P<fracsecond>\d+))?'
  3120.     + r'(?P<tz>[+-](?P<tzhour>\d{2})(:(?P<tzmin>\d{2}))?|Z)?)?'
  3121.     for tmpl in _iso8601_tmpl]
  3122. try:
  3123.     del tmpl
  3124. except NameError:
  3125.     pass
  3126. _iso8601_matches = [re.compile(regex).match for regex in _iso8601_re]
  3127. try:
  3128.     del regex
  3129. except NameError:
  3130.     pass
  3131. def _parse_date_iso8601(dateString):
  3132.     '''Parse a variety of ISO-8601-compatible formats like 20040105'''
  3133.     m = None
  3134.     for _iso8601_match in _iso8601_matches:
  3135.         m = _iso8601_match(dateString)
  3136.         if m:
  3137.             break
  3138.     if not m:
  3139.         return
  3140.     if m.span() == (0, 0):
  3141.         return
  3142.     params = m.groupdict()
  3143.     ordinal = params.get('ordinal', 0)
  3144.     if ordinal:
  3145.         ordinal = int(ordinal)
  3146.     else:
  3147.         ordinal = 0
  3148.     year = params.get('year', '--')
  3149.     if not year or year == '--':
  3150.         year = time.gmtime()[0]
  3151.     elif len(year) == 2:
  3152.         # ISO 8601 assumes current century, i.e. 93 -> 2093, NOT 1993
  3153.         year = 100 * int(time.gmtime()[0] / 100) + int(year)
  3154.     else:
  3155.         year = int(year)
  3156.     month = params.get('month', '-')
  3157.     if not month or month == '-':
  3158.         # ordinals are NOT normalized by mktime, we simulate them
  3159.         # by setting month=1, day=ordinal
  3160.         if ordinal:
  3161.             month = 1
  3162.         else:
  3163.             month = time.gmtime()[1]
  3164.     month = int(month)
  3165.     day = params.get('day', 0)
  3166.     if not day:
  3167.         # see above
  3168.         if ordinal:
  3169.             day = ordinal
  3170.         elif params.get('century', 0) or \
  3171.                  params.get('year', 0) or params.get('month', 0):
  3172.             day = 1
  3173.         else:
  3174.             day = time.gmtime()[2]
  3175.     else:
  3176.         day = int(day)
  3177.     # special case of the century - is the first year of the 21st century
  3178.     # 2000 or 2001 ? The debate goes on...
  3179.     if 'century' in params:
  3180.         year = (int(params['century']) - 1) * 100 + 1
  3181.     # in ISO 8601 most fields are optional
  3182.     for field in ['hour', 'minute', 'second', 'tzhour', 'tzmin']:
  3183.         if not params.get(field, None):
  3184.             params[field] = 0
  3185.     hour = int(params.get('hour', 0))
  3186.     minute = int(params.get('minute', 0))
  3187.     second = int(float(params.get('second', 0)))
  3188.     # weekday is normalized by mktime(), we can ignore it
  3189.     weekday = 0
  3190.     daylight_savings_flag = -1
  3191.     tm = [year, month, day, hour, minute, second, weekday,
  3192.           ordinal, daylight_savings_flag]
  3193.     # ISO 8601 time zone adjustments
  3194.     tz = params.get('tz')
  3195.     if tz and tz != 'Z':
  3196.         if tz[0] == '-':
  3197.             tm[3] += int(params.get('tzhour', 0))
  3198.             tm[4] += int(params.get('tzmin', 0))
  3199.         elif tz[0] == '+':
  3200.             tm[3] -= int(params.get('tzhour', 0))
  3201.             tm[4] -= int(params.get('tzmin', 0))
  3202.         else:
  3203.             return None
  3204.     # Python's time.mktime() is a wrapper around the ANSI C mktime(3c)
  3205.     # which is guaranteed to normalize d/m/y/h/m/s.
  3206.     # Many implementations have bugs, but we'll pretend they don't.
  3207.     return time.localtime(time.mktime(tuple(tm)))
  3208. registerDateHandler(_parse_date_iso8601)
  3209.  
  3210. # 8-bit date handling routines written by ytrewq1.
  3211. _korean_year  = u'\ub144' # b3e2 in euc-kr
  3212. _korean_month = u'\uc6d4' # bff9 in euc-kr
  3213. _korean_day   = u'\uc77c' # c0cf in euc-kr
  3214. _korean_am    = u'\uc624\uc804' # bfc0 c0fc in euc-kr
  3215. _korean_pm    = u'\uc624\ud6c4' # bfc0 c8c4 in euc-kr
  3216.  
  3217. _korean_onblog_date_re = \
  3218.     re.compile('(\d{4})%s\s+(\d{2})%s\s+(\d{2})%s\s+(\d{2}):(\d{2}):(\d{2})' % \
  3219.                (_korean_year, _korean_month, _korean_day))
  3220. _korean_nate_date_re = \
  3221.     re.compile(u'(\d{4})-(\d{2})-(\d{2})\s+(%s|%s)\s+(\d{,2}):(\d{,2}):(\d{,2})' % \
  3222.                (_korean_am, _korean_pm))
  3223. def _parse_date_onblog(dateString):
  3224.     '''Parse a string according to the OnBlog 8-bit date format'''
  3225.     m = _korean_onblog_date_re.match(dateString)
  3226.     if not m:
  3227.         return
  3228.     w3dtfdate = '%(year)s-%(month)s-%(day)sT%(hour)s:%(minute)s:%(second)s%(zonediff)s' % \
  3229.                 {'year': m.group(1), 'month': m.group(2), 'day': m.group(3),\
  3230.                  'hour': m.group(4), 'minute': m.group(5), 'second': m.group(6),\
  3231.                  'zonediff': '+09:00'}
  3232.     return _parse_date_w3dtf(w3dtfdate)
  3233. registerDateHandler(_parse_date_onblog)
  3234.  
  3235. def _parse_date_nate(dateString):
  3236.     '''Parse a string according to the Nate 8-bit date format'''
  3237.     m = _korean_nate_date_re.match(dateString)
  3238.     if not m:
  3239.         return
  3240.     hour = int(m.group(5))
  3241.     ampm = m.group(4)
  3242.     if (ampm == _korean_pm):
  3243.         hour += 12
  3244.     hour = str(hour)
  3245.     if len(hour) == 1:
  3246.         hour = '0' + hour
  3247.     w3dtfdate = '%(year)s-%(month)s-%(day)sT%(hour)s:%(minute)s:%(second)s%(zonediff)s' % \
  3248.                 {'year': m.group(1), 'month': m.group(2), 'day': m.group(3),\
  3249.                  'hour': hour, 'minute': m.group(6), 'second': m.group(7),\
  3250.                  'zonediff': '+09:00'}
  3251.     return _parse_date_w3dtf(w3dtfdate)
  3252. registerDateHandler(_parse_date_nate)
  3253.  
  3254. # Unicode strings for Greek date strings
  3255. _greek_months = \
  3256.   { \
  3257.    u'\u0399\u03b1\u03bd': u'Jan',       # c9e1ed in iso-8859-7
  3258.    u'\u03a6\u03b5\u03b2': u'Feb',       # d6e5e2 in iso-8859-7
  3259.    u'\u039c\u03ac\u03ce': u'Mar',       # ccdcfe in iso-8859-7
  3260.    u'\u039c\u03b1\u03ce': u'Mar',       # cce1fe in iso-8859-7
  3261.    u'\u0391\u03c0\u03c1': u'Apr',       # c1f0f1 in iso-8859-7
  3262.    u'\u039c\u03ac\u03b9': u'May',       # ccdce9 in iso-8859-7
  3263.    u'\u039c\u03b1\u03ca': u'May',       # cce1fa in iso-8859-7
  3264.    u'\u039c\u03b1\u03b9': u'May',       # cce1e9 in iso-8859-7
  3265.    u'\u0399\u03bf\u03cd\u03bd': u'Jun', # c9effded in iso-8859-7
  3266.    u'\u0399\u03bf\u03bd': u'Jun',       # c9efed in iso-8859-7
  3267.    u'\u0399\u03bf\u03cd\u03bb': u'Jul', # c9effdeb in iso-8859-7
  3268.    u'\u0399\u03bf\u03bb': u'Jul',       # c9f9eb in iso-8859-7
  3269.    u'\u0391\u03cd\u03b3': u'Aug',       # c1fde3 in iso-8859-7
  3270.    u'\u0391\u03c5\u03b3': u'Aug',       # c1f5e3 in iso-8859-7
  3271.    u'\u03a3\u03b5\u03c0': u'Sep',       # d3e5f0 in iso-8859-7
  3272.    u'\u039f\u03ba\u03c4': u'Oct',       # cfeaf4 in iso-8859-7
  3273.    u'\u039d\u03bf\u03ad': u'Nov',       # cdefdd in iso-8859-7
  3274.    u'\u039d\u03bf\u03b5': u'Nov',       # cdefe5 in iso-8859-7
  3275.    u'\u0394\u03b5\u03ba': u'Dec',       # c4e5ea in iso-8859-7
  3276.   }
  3277.  
  3278. _greek_wdays = \
  3279.   { \
  3280.    u'\u039a\u03c5\u03c1': u'Sun', # caf5f1 in iso-8859-7
  3281.    u'\u0394\u03b5\u03c5': u'Mon', # c4e5f5 in iso-8859-7
  3282.    u'\u03a4\u03c1\u03b9': u'Tue', # d4f1e9 in iso-8859-7
  3283.    u'\u03a4\u03b5\u03c4': u'Wed', # d4e5f4 in iso-8859-7
  3284.    u'\u03a0\u03b5\u03bc': u'Thu', # d0e5ec in iso-8859-7
  3285.    u'\u03a0\u03b1\u03c1': u'Fri', # d0e1f1 in iso-8859-7
  3286.    u'\u03a3\u03b1\u03b2': u'Sat', # d3e1e2 in iso-8859-7
  3287.   }
  3288.  
  3289. _greek_date_format_re = \
  3290.     re.compile(u'([^,]+),\s+(\d{2})\s+([^\s]+)\s+(\d{4})\s+(\d{2}):(\d{2}):(\d{2})\s+([^\s]+)')
  3291.  
  3292. def _parse_date_greek(dateString):
  3293.     '''Parse a string according to a Greek 8-bit date format.'''
  3294.     m = _greek_date_format_re.match(dateString)
  3295.     if not m:
  3296.         return
  3297.     wday = _greek_wdays[m.group(1)]
  3298.     month = _greek_months[m.group(3)]
  3299.     rfc822date = '%(wday)s, %(day)s %(month)s %(year)s %(hour)s:%(minute)s:%(second)s %(zonediff)s' % \
  3300.                  {'wday': wday, 'day': m.group(2), 'month': month, 'year': m.group(4),\
  3301.                   'hour': m.group(5), 'minute': m.group(6), 'second': m.group(7),\
  3302.                   'zonediff': m.group(8)}
  3303.     return _parse_date_rfc822(rfc822date)
  3304. registerDateHandler(_parse_date_greek)
  3305.  
  3306. # Unicode strings for Hungarian date strings
  3307. _hungarian_months = \
  3308.   { \
  3309.     u'janu\u00e1r':   u'01',  # e1 in iso-8859-2
  3310.     u'febru\u00e1ri': u'02',  # e1 in iso-8859-2
  3311.     u'm\u00e1rcius':  u'03',  # e1 in iso-8859-2
  3312.     u'\u00e1prilis':  u'04',  # e1 in iso-8859-2
  3313.     u'm\u00e1ujus':   u'05',  # e1 in iso-8859-2
  3314.     u'j\u00fanius':   u'06',  # fa in iso-8859-2
  3315.     u'j\u00falius':   u'07',  # fa in iso-8859-2
  3316.     u'augusztus':     u'08',
  3317.     u'szeptember':    u'09',
  3318.     u'okt\u00f3ber':  u'10',  # f3 in iso-8859-2
  3319.     u'november':      u'11',
  3320.     u'december':      u'12',
  3321.   }
  3322.  
  3323. _hungarian_date_format_re = \
  3324.   re.compile(u'(\d{4})-([^-]+)-(\d{,2})T(\d{,2}):(\d{2})((\+|-)(\d{,2}:\d{2}))')
  3325.  
  3326. def _parse_date_hungarian(dateString):
  3327.     '''Parse a string according to a Hungarian 8-bit date format.'''
  3328.     m = _hungarian_date_format_re.match(dateString)
  3329.     if not m or m.group(2) not in _hungarian_months:
  3330.         return None
  3331.     month = _hungarian_months[m.group(2)]
  3332.     day = m.group(3)
  3333.     if len(day) == 1:
  3334.         day = '0' + day
  3335.     hour = m.group(4)
  3336.     if len(hour) == 1:
  3337.         hour = '0' + hour
  3338.     w3dtfdate = '%(year)s-%(month)s-%(day)sT%(hour)s:%(minute)s%(zonediff)s' % \
  3339.                 {'year': m.group(1), 'month': month, 'day': day,\
  3340.                  'hour': hour, 'minute': m.group(5),\
  3341.                  'zonediff': m.group(6)}
  3342.     return _parse_date_w3dtf(w3dtfdate)
  3343. registerDateHandler(_parse_date_hungarian)
  3344.  
  3345. # W3DTF-style date parsing adapted from PyXML xml.utils.iso8601, written by
  3346. # Drake and licensed under the Python license.  Removed all range checking
  3347. # for month, day, hour, minute, and second, since mktime will normalize
  3348. # these later
  3349. # Modified to also support MSSQL-style datetimes as defined at:
  3350. # http://msdn.microsoft.com/en-us/library/ms186724.aspx
  3351. # (which basically means allowing a space as a date/time/timezone separator)
  3352. def _parse_date_w3dtf(dateString):
  3353.     def __extract_date(m):
  3354.         year = int(m.group('year'))
  3355.         if year < 100:
  3356.             year = 100 * int(time.gmtime()[0] / 100) + int(year)
  3357.         if year < 1000:
  3358.             return 0, 0, 0
  3359.         julian = m.group('julian')
  3360.         if julian:
  3361.             julian = int(julian)
  3362.             month = julian / 30 + 1
  3363.             day = julian % 30 + 1
  3364.             jday = None
  3365.             while jday != julian:
  3366.                 t = time.mktime((year, month, day, 0, 0, 0, 0, 0, 0))
  3367.                 jday = time.gmtime(t)[-2]
  3368.                 diff = abs(jday - julian)
  3369.                 if jday > julian:
  3370.                     if diff < day:
  3371.                         day = day - diff
  3372.                     else:
  3373.                         month = month - 1
  3374.                         day = 31
  3375.                 elif jday < julian:
  3376.                     if day + diff < 28:
  3377.                         day = day + diff
  3378.                     else:
  3379.                         month = month + 1
  3380.             return year, month, day
  3381.         month = m.group('month')
  3382.         day = 1
  3383.         if month is None:
  3384.             month = 1
  3385.         else:
  3386.             month = int(month)
  3387.             day = m.group('day')
  3388.             if day:
  3389.                 day = int(day)
  3390.             else:
  3391.                 day = 1
  3392.         return year, month, day
  3393.  
  3394.     def __extract_time(m):
  3395.         if not m:
  3396.             return 0, 0, 0
  3397.         hours = m.group('hours')
  3398.         if not hours:
  3399.             return 0, 0, 0
  3400.         hours = int(hours)
  3401.         minutes = int(m.group('minutes'))
  3402.         seconds = m.group('seconds')
  3403.         if seconds:
  3404.             seconds = int(seconds)
  3405.         else:
  3406.             seconds = 0
  3407.         return hours, minutes, seconds
  3408.  
  3409.     def __extract_tzd(m):
  3410.         '''Return the Time Zone Designator as an offset in seconds from UTC.'''
  3411.         if not m:
  3412.             return 0
  3413.         tzd = m.group('tzd')
  3414.         if not tzd:
  3415.             return 0
  3416.         if tzd == 'Z':
  3417.             return 0
  3418.         hours = int(m.group('tzdhours'))
  3419.         minutes = m.group('tzdminutes')
  3420.         if minutes:
  3421.             minutes = int(minutes)
  3422.         else:
  3423.             minutes = 0
  3424.         offset = (hours*60 + minutes) * 60
  3425.         if tzd[0] == '+':
  3426.             return -offset
  3427.         return offset
  3428.  
  3429.     __date_re = ('(?P<year>\d\d\d\d)'
  3430.                  '(?:(?P<dsep>-|)'
  3431.                  '(?:(?P<month>\d\d)(?:(?P=dsep)(?P<day>\d\d))?'
  3432.                  '|(?P<julian>\d\d\d)))?')
  3433.     __tzd_re = ' ?(?P<tzd>[-+](?P<tzdhours>\d\d)(?::?(?P<tzdminutes>\d\d))|Z)?'
  3434.     __time_re = ('(?P<hours>\d\d)(?P<tsep>:|)(?P<minutes>\d\d)'
  3435.                  '(?:(?P=tsep)(?P<seconds>\d\d)(?:[.,]\d+)?)?'
  3436.                  + __tzd_re)
  3437.     __datetime_re = '%s(?:[T ]%s)?' % (__date_re, __time_re)
  3438.     __datetime_rx = re.compile(__datetime_re)
  3439.     m = __datetime_rx.match(dateString)
  3440.     if (m is None) or (m.group() != dateString):
  3441.         return
  3442.     gmt = __extract_date(m) + __extract_time(m) + (0, 0, 0)
  3443.     if gmt[0] == 0:
  3444.         return
  3445.     return time.gmtime(time.mktime(gmt) + __extract_tzd(m) - time.timezone)
  3446. registerDateHandler(_parse_date_w3dtf)
  3447.  
  3448. # Define the strings used by the RFC822 datetime parser
  3449. _rfc822_months = ['jan', 'feb', 'mar', 'apr', 'may', 'jun',
  3450.           'jul', 'aug', 'sep', 'oct', 'nov', 'dec']
  3451. _rfc822_daynames = ['mon', 'tue', 'wed', 'thu', 'fri', 'sat', 'sun']
  3452.  
  3453. # Only the first three letters of the month name matter
  3454. _rfc822_month = "(?P<month>%s)(?:[a-z]*,?)" % ('|'.join(_rfc822_months))
  3455. # The year may be 2 or 4 digits; capture the century if it exists
  3456. _rfc822_year = "(?P<year>(?:\d{2})?\d{2})"
  3457. _rfc822_day = "(?P<day> *\d{1,2})"
  3458. _rfc822_date = "%s %s %s" % (_rfc822_day, _rfc822_month, _rfc822_year)
  3459.  
  3460. _rfc822_hour = "(?P<hour>\d{2}):(?P<minute>\d{2})(?::(?P<second>\d{2}))?"
  3461. _rfc822_tz = "(?P<tz>ut|gmt(?:[+-]\d{2}:\d{2})?|[aecmp][sd]?t|[zamny]|[+-]\d{4})"
  3462. _rfc822_tznames = {
  3463.     'ut': 0, 'gmt': 0, 'z': 0,
  3464.     'adt': -3, 'ast': -4, 'at': -4,
  3465.     'edt': -4, 'est': -5, 'et': -5,
  3466.     'cdt': -5, 'cst': -6, 'ct': -6,
  3467.     'mdt': -6, 'mst': -7, 'mt': -7,
  3468.     'pdt': -7, 'pst': -8, 'pt': -8,
  3469.     'a': -1, 'n': 1,
  3470.     'm': -12, 'y': 12,
  3471.  }
  3472. # The timezone may be prefixed by 'Etc/'
  3473. _rfc822_time = "%s (?:etc/)?%s" % (_rfc822_hour, _rfc822_tz)
  3474.  
  3475. _rfc822_dayname = "(?P<dayname>%s)" % ('|'.join(_rfc822_daynames))
  3476. _rfc822_match = re.compile(
  3477.     "(?:%s, )?%s(?: %s)?" % (_rfc822_dayname, _rfc822_date, _rfc822_time)
  3478. ).match
  3479.  
  3480. def _parse_date_group_rfc822(m):
  3481.     # Calculate a date and timestamp
  3482.     for k in ('year', 'day', 'hour', 'minute', 'second'):
  3483.         m[k] = int(m[k])
  3484.     m['month'] = _rfc822_months.index(m['month']) + 1
  3485.     # If the year is 2 digits, assume everything in the 90's is the 1990's
  3486.     if m['year'] < 100:
  3487.         m['year'] += (1900, 2000)[m['year'] < 90]
  3488.     stamp = datetime.datetime(*[m[i] for i in 
  3489.                 ('year', 'month', 'day', 'hour', 'minute', 'second')])
  3490.  
  3491.     # Use the timezone information to calculate the difference between
  3492.     # the given date and timestamp and Universal Coordinated Time
  3493.     tzhour = 0
  3494.     tzmin = 0
  3495.     if m['tz'] and m['tz'].startswith('gmt'):
  3496.         # Handle GMT and GMT+hh:mm timezone syntax (the trailing
  3497.         # timezone info will be handled by the next `if` block)
  3498.         m['tz'] = ''.join(m['tz'][3:].split(':')) or 'gmt'
  3499.     if not m['tz']:
  3500.         pass
  3501.     elif m['tz'].startswith('+'):
  3502.         tzhour = int(m['tz'][1:3])
  3503.         tzmin = int(m['tz'][3:])
  3504.     elif m['tz'].startswith('-'):
  3505.         tzhour = int(m['tz'][1:3]) * -1
  3506.         tzmin = int(m['tz'][3:]) * -1
  3507.     else:
  3508.         tzhour = _rfc822_tznames[m['tz']]
  3509.     delta = datetime.timedelta(0, 0, 0, 0, tzmin, tzhour)
  3510.  
  3511.     # Return the date and timestamp in UTC
  3512.     return (stamp - delta).utctimetuple()
  3513.  
  3514. def _parse_date_rfc822(dt):
  3515.     """Parse RFC 822 dates and times, with one minor
  3516.     difference: years may be 4DIGIT or 2DIGIT.
  3517.     http://tools.ietf.org/html/rfc822#section-5"""
  3518.     try:
  3519.         m = _rfc822_match(dt.lower()).groupdict(0)
  3520.     except AttributeError:
  3521.         return None
  3522.  
  3523.     return _parse_date_group_rfc822(m)
  3524. registerDateHandler(_parse_date_rfc822)
  3525.  
  3526. def _parse_date_rfc822_grubby(dt):
  3527.     """Parse date format similar to RFC 822, but 
  3528.     the comma after the dayname is optional and
  3529.     month/day are inverted"""
  3530.     _rfc822_date_grubby = "%s %s %s" % (_rfc822_month, _rfc822_day, _rfc822_year)
  3531.     _rfc822_match_grubby = re.compile(
  3532.         "(?:%s[,]? )?%s(?: %s)?" % (_rfc822_dayname, _rfc822_date_grubby, _rfc822_time)
  3533.     ).match
  3534.  
  3535.     try:
  3536.         m = _rfc822_match_grubby(dt.lower()).groupdict(0)
  3537.     except AttributeError:
  3538.         return None
  3539.  
  3540.     return _parse_date_group_rfc822(m)
  3541. registerDateHandler(_parse_date_rfc822_grubby)
  3542.  
  3543. def _parse_date_asctime(dt):
  3544.     """Parse asctime-style dates"""
  3545.     dayname, month, day, remainder = dt.split(None, 3)
  3546.     # Convert month and day into zero-padded integers
  3547.     month = '%02i ' % (_rfc822_months.index(month.lower()) + 1)
  3548.     day = '%02i ' % (int(day),)
  3549.     dt = month + day + remainder
  3550.     return time.strptime(dt, '%m %d %H:%M:%S %Y')[:-1] + (0, )
  3551. registerDateHandler(_parse_date_asctime)
  3552.  
  3553. def _parse_date_perforce(aDateString):
  3554.     """parse a date in yyyy/mm/dd hh:mm:ss TTT format"""
  3555.     # Fri, 2006/09/15 08:19:53 EDT
  3556.     _my_date_pattern = re.compile( \
  3557.         r'(\w{,3}), (\d{,4})/(\d{,2})/(\d{2}) (\d{,2}):(\d{2}):(\d{2}) (\w{,3})')
  3558.  
  3559.     m = _my_date_pattern.search(aDateString)
  3560.     if m is None:
  3561.         return None
  3562.     dow, year, month, day, hour, minute, second, tz = m.groups()
  3563.     months = ['Jan', 'Feb', 'Mar', 'Apr', 'May', 'Jun', 'Jul', 'Aug', 'Sep', 'Oct', 'Nov', 'Dec']
  3564.     dateString = "%s, %s %s %s %s:%s:%s %s" % (dow, day, months[int(month) - 1], year, hour, minute, second, tz)
  3565.     tm = rfc822.parsedate_tz(dateString)
  3566.     if tm:
  3567.         return time.gmtime(rfc822.mktime_tz(tm))
  3568. registerDateHandler(_parse_date_perforce)
  3569.  
  3570. def _parse_date(dateString):
  3571.     '''Parses a variety of date formats into a 9-tuple in GMT'''
  3572.     if not dateString:
  3573.         return None
  3574.     for handler in _date_handlers:
  3575.         try:
  3576.             date9tuple = handler(dateString)
  3577.         except (KeyError, OverflowError, ValueError):
  3578.             continue
  3579.         if not date9tuple:
  3580.             continue
  3581.         if len(date9tuple) != 9:
  3582.             continue
  3583.         return date9tuple
  3584.     return None
  3585.  
  3586. # Each marker represents some of the characters of the opening XML
  3587. # processing instruction ('<?xm') in the specified encoding.
  3588. EBCDIC_MARKER = _l2bytes([0x4C, 0x6F, 0xA7, 0x94])
  3589. UTF16BE_MARKER = _l2bytes([0x00, 0x3C, 0x00, 0x3F])
  3590. UTF16LE_MARKER = _l2bytes([0x3C, 0x00, 0x3F, 0x00])
  3591. UTF32BE_MARKER = _l2bytes([0x00, 0x00, 0x00, 0x3C])
  3592. UTF32LE_MARKER = _l2bytes([0x3C, 0x00, 0x00, 0x00])
  3593.  
  3594. ZERO_BYTES = _l2bytes([0x00, 0x00])
  3595.  
  3596. # Match the opening XML declaration.
  3597. # Example: <?xml version="1.0" encoding="utf-8"?>
  3598. RE_XML_DECLARATION = re.compile('^<\?xml[^>]*?>')
  3599.  
  3600. # Capture the value of the XML processing instruction's encoding attribute.
  3601. # Example: <?xml version="1.0" encoding="utf-8"?>
  3602. RE_XML_PI_ENCODING = re.compile(_s2bytes('^<\?.*encoding=[\'"](.*?)[\'"].*\?>'))
  3603.  
  3604. def convert_to_utf8(http_headers, data):
  3605.     '''Detect and convert the character encoding to UTF-8.
  3606.  
  3607.     http_headers is a dictionary
  3608.     data is a raw string (not Unicode)'''
  3609.  
  3610.     # This is so much trickier than it sounds, it's not even funny.
  3611.     # According to RFC 3023 ('XML Media Types'), if the HTTP Content-Type
  3612.     # is application/xml, application/*+xml,
  3613.     # application/xml-external-parsed-entity, or application/xml-dtd,
  3614.     # the encoding given in the charset parameter of the HTTP Content-Type
  3615.     # takes precedence over the encoding given in the XML prefix within the
  3616.     # document, and defaults to 'utf-8' if neither are specified.  But, if
  3617.     # the HTTP Content-Type is text/xml, text/*+xml, or
  3618.     # text/xml-external-parsed-entity, the encoding given in the XML prefix
  3619.     # within the document is ALWAYS IGNORED and only the encoding given in
  3620.     # the charset parameter of the HTTP Content-Type header should be
  3621.     # respected, and it defaults to 'us-ascii' if not specified.
  3622.  
  3623.     # Furthermore, discussion on the atom-syntax mailing list with the
  3624.     # author of RFC 3023 leads me to the conclusion that any document
  3625.     # served with a Content-Type of text/* and no charset parameter
  3626.     # must be treated as us-ascii.  (We now do this.)  And also that it
  3627.     # must always be flagged as non-well-formed.  (We now do this too.)
  3628.  
  3629.     # If Content-Type is unspecified (input was local file or non-HTTP source)
  3630.     # or unrecognized (server just got it totally wrong), then go by the
  3631.     # encoding given in the XML prefix of the document and default to
  3632.     # 'iso-8859-1' as per the HTTP specification (RFC 2616).
  3633.  
  3634.     # Then, assuming we didn't find a character encoding in the HTTP headers
  3635.     # (and the HTTP Content-type allowed us to look in the body), we need
  3636.     # to sniff the first few bytes of the XML data and try to determine
  3637.     # whether the encoding is ASCII-compatible.  Section F of the XML
  3638.     # specification shows the way here:
  3639.     # http://www.w3.org/TR/REC-xml/#sec-guessing-no-ext-info
  3640.  
  3641.     # If the sniffed encoding is not ASCII-compatible, we need to make it
  3642.     # ASCII compatible so that we can sniff further into the XML declaration
  3643.     # to find the encoding attribute, which will tell us the true encoding.
  3644.  
  3645.     # Of course, none of this guarantees that we will be able to parse the
  3646.     # feed in the declared character encoding (assuming it was declared
  3647.     # correctly, which many are not).  iconv_codec can help a lot;
  3648.     # you should definitely install it if you can.
  3649.     # http://cjkpython.i18n.org/
  3650.  
  3651.     bom_encoding = u''
  3652.     xml_encoding = u''
  3653.     rfc3023_encoding = u''
  3654.  
  3655.     # Look at the first few bytes of the document to guess what
  3656.     # its encoding may be. We only need to decode enough of the
  3657.     # document that we can use an ASCII-compatible regular
  3658.     # expression to search for an XML encoding declaration.
  3659.     # The heuristic follows the XML specification, section F:
  3660.     # http://www.w3.org/TR/REC-xml/#sec-guessing-no-ext-info
  3661.     # Check for BOMs first.
  3662.     if data[:4] == codecs.BOM_UTF32_BE:
  3663.         bom_encoding = u'utf-32be'
  3664.         data = data[4:]
  3665.     elif data[:4] == codecs.BOM_UTF32_LE:
  3666.         bom_encoding = u'utf-32le'
  3667.         data = data[4:]
  3668.     elif data[:2] == codecs.BOM_UTF16_BE and data[2:4] != ZERO_BYTES:
  3669.         bom_encoding = u'utf-16be'
  3670.         data = data[2:]
  3671.     elif data[:2] == codecs.BOM_UTF16_LE and data[2:4] != ZERO_BYTES:
  3672.         bom_encoding = u'utf-16le'
  3673.         data = data[2:]
  3674.     elif data[:3] == codecs.BOM_UTF8:
  3675.         bom_encoding = u'utf-8'
  3676.         data = data[3:]
  3677.     # Check for the characters '<?xm' in several encodings.
  3678.     elif data[:4] == EBCDIC_MARKER:
  3679.         bom_encoding = u'cp037'
  3680.     elif data[:4] == UTF16BE_MARKER:
  3681.         bom_encoding = u'utf-16be'
  3682.     elif data[:4] == UTF16LE_MARKER:
  3683.         bom_encoding = u'utf-16le'
  3684.     elif data[:4] == UTF32BE_MARKER:
  3685.         bom_encoding = u'utf-32be'
  3686.     elif data[:4] == UTF32LE_MARKER:
  3687.         bom_encoding = u'utf-32le'
  3688.  
  3689.     tempdata = data
  3690.     try:
  3691.         if bom_encoding:
  3692.             tempdata = data.decode(bom_encoding).encode('utf-8')
  3693.     except (UnicodeDecodeError, LookupError):
  3694.         # feedparser recognizes UTF-32 encodings that aren't
  3695.         # available in Python 2.4 and 2.5, so it's possible to
  3696.         # encounter a LookupError during decoding.
  3697.         xml_encoding_match = None
  3698.     else:
  3699.         xml_encoding_match = RE_XML_PI_ENCODING.match(tempdata)
  3700.  
  3701.     if xml_encoding_match:
  3702.         xml_encoding = xml_encoding_match.groups()[0].decode('utf-8').lower()
  3703.         # Normalize the xml_encoding if necessary.
  3704.         if bom_encoding and (xml_encoding in (
  3705.             u'u16', u'utf-16', u'utf16', u'utf_16',
  3706.             u'u32', u'utf-32', u'utf32', u'utf_32',
  3707.             u'iso-10646-ucs-2', u'iso-10646-ucs-4',
  3708.             u'csucs4', u'csunicode', u'ucs-2', u'ucs-4'
  3709.         )):
  3710.             xml_encoding = bom_encoding
  3711.  
  3712.     # Find the HTTP Content-Type and, hopefully, a character
  3713.     # encoding provided by the server. The Content-Type is used
  3714.     # to choose the "correct" encoding among the BOM encoding,
  3715.     # XML declaration encoding, and HTTP encoding, following the
  3716.     # heuristic defined in RFC 3023.
  3717.     http_content_type = http_headers.get('content-type') or ''
  3718.     http_content_type, params = cgi.parse_header(http_content_type)
  3719.     http_encoding = params.get('charset', '').replace("'", "")
  3720.     if not isinstance(http_encoding, unicode):
  3721.         http_encoding = http_encoding.decode('utf-8', 'ignore')
  3722.  
  3723.     acceptable_content_type = 0
  3724.     application_content_types = (u'application/xml', u'application/xml-dtd',
  3725.                                  u'application/xml-external-parsed-entity')
  3726.     text_content_types = (u'text/xml', u'text/xml-external-parsed-entity')
  3727.     if (http_content_type in application_content_types) or \
  3728.        (http_content_type.startswith(u'application/') and 
  3729.         http_content_type.endswith(u'+xml')):
  3730.         acceptable_content_type = 1
  3731.         rfc3023_encoding = http_encoding or xml_encoding or u'utf-8'
  3732.     elif (http_content_type in text_content_types) or \
  3733.          (http_content_type.startswith(u'text/') and
  3734.           http_content_type.endswith(u'+xml')):
  3735.         acceptable_content_type = 1
  3736.         rfc3023_encoding = http_encoding or u'us-ascii'
  3737.     elif http_content_type.startswith(u'text/'):
  3738.         rfc3023_encoding = http_encoding or u'us-ascii'
  3739.     elif http_headers and 'content-type' not in http_headers:
  3740.         rfc3023_encoding = xml_encoding or u'iso-8859-1'
  3741.     else:
  3742.         rfc3023_encoding = xml_encoding or u'utf-8'
  3743.     # gb18030 is a superset of gb2312, so always replace gb2312
  3744.     # with gb18030 for greater compatibility.
  3745.     if rfc3023_encoding.lower() == u'gb2312':
  3746.         rfc3023_encoding = u'gb18030'
  3747.     if xml_encoding.lower() == u'gb2312':
  3748.         xml_encoding = u'gb18030'
  3749.  
  3750.     # there are four encodings to keep track of:
  3751.     # - http_encoding is the encoding declared in the Content-Type HTTP header
  3752.     # - xml_encoding is the encoding declared in the <?xml declaration
  3753.     # - bom_encoding is the encoding sniffed from the first 4 bytes of the XML data
  3754.     # - rfc3023_encoding is the actual encoding, as per RFC 3023 and a variety of other conflicting specifications
  3755.     error = None
  3756.  
  3757.     if http_headers and (not acceptable_content_type):
  3758.         if 'content-type' in http_headers:
  3759.             msg = '%s is not an XML media type' % http_headers['content-type']
  3760.         else:
  3761.             msg = 'no Content-type specified'
  3762.         error = NonXMLContentType(msg)
  3763.  
  3764.     # determine character encoding
  3765.     known_encoding = 0
  3766.     chardet_encoding = None
  3767.     tried_encodings = []
  3768.     if chardet:
  3769.         chardet_encoding = unicode(chardet.detect(data)['encoding'] or '', 'ascii', 'ignore')
  3770.     # try: HTTP encoding, declared XML encoding, encoding sniffed from BOM
  3771.     for proposed_encoding in (rfc3023_encoding, xml_encoding, bom_encoding,
  3772.                               chardet_encoding, u'utf-8', u'windows-1252', u'iso-8859-2'):
  3773.         if not proposed_encoding:
  3774.             continue
  3775.         if proposed_encoding in tried_encodings:
  3776.             continue
  3777.         tried_encodings.append(proposed_encoding)
  3778.         try:
  3779.             data = data.decode(proposed_encoding)
  3780.         except (UnicodeDecodeError, LookupError):
  3781.             pass
  3782.         else:
  3783.             known_encoding = 1
  3784.             # Update the encoding in the opening XML processing instruction.
  3785.             new_declaration = '''<?xml version='1.0' encoding='utf-8'?>'''
  3786.             if RE_XML_DECLARATION.search(data):
  3787.                 data = RE_XML_DECLARATION.sub(new_declaration, data)
  3788.             else:
  3789.                 data = new_declaration + u'\n' + data
  3790.             data = data.encode('utf-8')
  3791.             break
  3792.     # if still no luck, give up
  3793.     if not known_encoding:
  3794.         error = CharacterEncodingUnknown(
  3795.             'document encoding unknown, I tried ' +
  3796.             '%s, %s, utf-8, windows-1252, and iso-8859-2 but nothing worked' %
  3797.             (rfc3023_encoding, xml_encoding))
  3798.         rfc3023_encoding = u''
  3799.     elif proposed_encoding != rfc3023_encoding:
  3800.         error = CharacterEncodingOverride(
  3801.             'document declared as %s, but parsed as %s' %
  3802.             (rfc3023_encoding, proposed_encoding))
  3803.         rfc3023_encoding = proposed_encoding
  3804.  
  3805.     return data, rfc3023_encoding, error
  3806.  
  3807. # Match XML entity declarations.
  3808. # Example: <!ENTITY copyright "(C)">
  3809. RE_ENTITY_PATTERN = re.compile(_s2bytes(r'^\s*<!ENTITY([^>]*?)>'), re.MULTILINE)
  3810.  
  3811. # Match XML DOCTYPE declarations.
  3812. # Example: <!DOCTYPE feed [ ]>
  3813. RE_DOCTYPE_PATTERN = re.compile(_s2bytes(r'^\s*<!DOCTYPE([^>]*?)>'), re.MULTILINE)
  3814.  
  3815. # Match safe entity declarations.
  3816. # This will allow hexadecimal character references through,
  3817. # as well as text, but not arbitrary nested entities.
  3818. # Example: cubed "³"
  3819. # Example: copyright "(C)"
  3820. # Forbidden: explode1 "&explode2;&explode2;"
  3821. RE_SAFE_ENTITY_PATTERN = re.compile(_s2bytes('\s+(\w+)\s+"(&#\w+;|[^&"]*)"'))
  3822.  
  3823. def replace_doctype(data):
  3824.     '''Strips and replaces the DOCTYPE, returns (rss_version, stripped_data)
  3825.  
  3826.     rss_version may be 'rss091n' or None
  3827.     stripped_data is the same XML document with a replaced DOCTYPE
  3828.     '''
  3829.  
  3830.     # Divide the document into two groups by finding the location
  3831.     # of the first element that doesn't begin with '<?' or '<!'.
  3832.     start = re.search(_s2bytes('<\w'), data)
  3833.     start = start and start.start() or -1
  3834.     head, data = data[:start+1], data[start+1:]
  3835.  
  3836.     # Save and then remove all of the ENTITY declarations.
  3837.     entity_results = RE_ENTITY_PATTERN.findall(head)
  3838.     head = RE_ENTITY_PATTERN.sub(_s2bytes(''), head)
  3839.  
  3840.     # Find the DOCTYPE declaration and check the feed type.
  3841.     doctype_results = RE_DOCTYPE_PATTERN.findall(head)
  3842.     doctype = doctype_results and doctype_results[0] or _s2bytes('')
  3843.     if _s2bytes('netscape') in doctype.lower():
  3844.         version = u'rss091n'
  3845.     else:
  3846.         version = None
  3847.  
  3848.     # Re-insert the safe ENTITY declarations if a DOCTYPE was found.
  3849.     replacement = _s2bytes('')
  3850.     if len(doctype_results) == 1 and entity_results:
  3851.         match_safe_entities = lambda e: RE_SAFE_ENTITY_PATTERN.match(e)
  3852.         safe_entities = filter(match_safe_entities, entity_results)
  3853.         if safe_entities:
  3854.             replacement = _s2bytes('<!DOCTYPE feed [\n<!ENTITY') \
  3855.                         + _s2bytes('>\n<!ENTITY ').join(safe_entities) \
  3856.                         + _s2bytes('>\n]>')
  3857.     data = RE_DOCTYPE_PATTERN.sub(replacement, head) + data
  3858.  
  3859.     # Precompute the safe entities for the loose parser.
  3860.     safe_entities = dict((k.decode('utf-8'), v.decode('utf-8'))
  3861.                       for k, v in RE_SAFE_ENTITY_PATTERN.findall(replacement))
  3862.     return version, data, safe_entities
  3863.  
  3864. def parse(url_file_stream_or_string, etag=None, modified=None, agent=None, referrer=None, handlers=None, request_headers=None, response_headers=None):
  3865.     '''Parse a feed from a URL, file, stream, or string.
  3866.  
  3867.     request_headers, if given, is a dict from http header name to value to add
  3868.     to the request; this overrides internally generated values.
  3869.     '''
  3870.  
  3871.     if handlers is None:
  3872.         handlers = []
  3873.     if request_headers is None:
  3874.         request_headers = {}
  3875.     if response_headers is None:
  3876.         response_headers = {}
  3877.  
  3878.     result = FeedParserDict()
  3879.     result['feed'] = FeedParserDict()
  3880.     result['entries'] = []
  3881.     result['bozo'] = 0
  3882.     if not isinstance(handlers, list):
  3883.         handlers = [handlers]
  3884.     try:
  3885.         f = _open_resource(url_file_stream_or_string, etag, modified, agent, referrer, handlers, request_headers)
  3886.         data = f.read()
  3887.     except Exception, e:
  3888.         result['bozo'] = 1
  3889.         result['bozo_exception'] = e
  3890.         data = None
  3891.         f = None
  3892.  
  3893.     if hasattr(f, 'headers'):
  3894.         result['headers'] = dict(f.headers)
  3895.     # overwrite existing headers using response_headers
  3896.     if 'headers' in result:
  3897.         result['headers'].update(response_headers)
  3898.     elif response_headers:
  3899.         result['headers'] = copy.deepcopy(response_headers)
  3900.  
  3901.     # lowercase all of the HTTP headers for comparisons per RFC 2616
  3902.     if 'headers' in result:
  3903.         http_headers = dict((k.lower(), v) for k, v in result['headers'].items())
  3904.     else:
  3905.         http_headers = {}
  3906.  
  3907.     # if feed is gzip-compressed, decompress it
  3908.     if f and data and http_headers:
  3909.         if gzip and 'gzip' in http_headers.get('content-encoding', ''):
  3910.             try:
  3911.                 data = gzip.GzipFile(fileobj=_StringIO(data)).read()
  3912.             except (IOError, struct.error), e:
  3913.                 # IOError can occur if the gzip header is bad.
  3914.                 # struct.error can occur if the data is damaged.
  3915.                 result['bozo'] = 1
  3916.                 result['bozo_exception'] = e
  3917.                 if isinstance(e, struct.error):
  3918.                     # A gzip header was found but the data is corrupt.
  3919.                     # Ideally, we should re-request the feed without the
  3920.                     # 'Accept-encoding: gzip' header, but we don't.
  3921.                     data = None
  3922.         elif zlib and 'deflate' in http_headers.get('content-encoding', ''):
  3923.             try:
  3924.                 data = zlib.decompress(data)
  3925.             except zlib.error, e:
  3926.                 try:
  3927.                     # The data may have no headers and no checksum.
  3928.                     data = zlib.decompress(data, -15)
  3929.                 except zlib.error, e:
  3930.                     result['bozo'] = 1
  3931.                     result['bozo_exception'] = e
  3932.  
  3933.     # save HTTP headers
  3934.     if http_headers:
  3935.         if 'etag' in http_headers:
  3936.             etag = http_headers.get('etag', u'')
  3937.             if not isinstance(etag, unicode):
  3938.                 etag = etag.decode('utf-8', 'ignore')
  3939.             if etag:
  3940.                 result['etag'] = etag
  3941.         if 'last-modified' in http_headers:
  3942.             modified = http_headers.get('last-modified', u'')
  3943.             if modified:
  3944.                 result['modified'] = modified
  3945.                 result['modified_parsed'] = _parse_date(modified)
  3946.     if hasattr(f, 'url'):
  3947.         if not isinstance(f.url, unicode):
  3948.             result['href'] = f.url.decode('utf-8', 'ignore')
  3949.         else:
  3950.             result['href'] = f.url
  3951.         result['status'] = 200
  3952.     if hasattr(f, 'status'):
  3953.         result['status'] = f.status
  3954.     if hasattr(f, 'close'):
  3955.         f.close()
  3956.  
  3957.     if data is None:
  3958.         return result
  3959.  
  3960.     # Stop processing if the server sent HTTP 304 Not Modified.
  3961.     if getattr(f, 'code', 0) == 304:
  3962.         result['version'] = u''
  3963.         result['debug_message'] = 'The feed has not changed since you last checked, ' + \
  3964.             'so the server sent no data.  This is a feature, not a bug!'
  3965.         return result
  3966.  
  3967.     data, result['encoding'], error = convert_to_utf8(http_headers, data)
  3968.     use_strict_parser = result['encoding'] and True or False
  3969.     if error is not None:
  3970.         result['bozo'] = 1
  3971.         result['bozo_exception'] = error
  3972.  
  3973.     result['version'], data, entities = replace_doctype(data)
  3974.  
  3975.     # Ensure that baseuri is an absolute URI using an acceptable URI scheme.
  3976.     contentloc = http_headers.get('content-location', u'')
  3977.     href = result.get('href', u'')
  3978.     baseuri = _makeSafeAbsoluteURI(href, contentloc) or _makeSafeAbsoluteURI(contentloc) or href
  3979.  
  3980.     baselang = http_headers.get('content-language', None)
  3981.     if not isinstance(baselang, unicode) and baselang is not None:
  3982.         baselang = baselang.decode('utf-8', 'ignore')
  3983.  
  3984.     if not _XML_AVAILABLE:
  3985.         use_strict_parser = 0
  3986.     if use_strict_parser:
  3987.         # initialize the SAX parser
  3988.         feedparser = _StrictFeedParser(baseuri, baselang, 'utf-8')
  3989.         saxparser = xml.sax.make_parser(PREFERRED_XML_PARSERS)
  3990.         saxparser.setFeature(xml.sax.handler.feature_namespaces, 1)
  3991.         try:
  3992.             # disable downloading external doctype references, if possible
  3993.             saxparser.setFeature(xml.sax.handler.feature_external_ges, 0)
  3994.         except xml.sax.SAXNotSupportedException:
  3995.             pass
  3996.         saxparser.setContentHandler(feedparser)
  3997.         saxparser.setErrorHandler(feedparser)
  3998.         source = xml.sax.xmlreader.InputSource()
  3999.         source.setByteStream(_StringIO(data))
  4000.         try:
  4001.             saxparser.parse(source)
  4002.         except xml.sax.SAXException, e:
  4003.             result['bozo'] = 1
  4004.             result['bozo_exception'] = feedparser.exc or e
  4005.             use_strict_parser = 0
  4006.     if not use_strict_parser and _SGML_AVAILABLE:
  4007.         feedparser = _LooseFeedParser(baseuri, baselang, 'utf-8', entities)
  4008.         feedparser.feed(data.decode('utf-8', 'replace'))
  4009.     result['feed'] = feedparser.feeddata
  4010.     result['entries'] = feedparser.entries
  4011.     result['version'] = result['version'] or feedparser.version
  4012.     result['namespaces'] = feedparser.namespacesInUse
  4013.     return result
  4014.