Bonus/html2latex

   1 #!/usr/local/bin/ruby
   2
   3 #
   4 #       HTML to LaTeX converter
   5 #         by A. Ito, 16 June, 1997
   6 #
   7
   8 require 'kconv'
   9
  10 # configuration
  11 def gif2eps(giffile,epsfile)
  12   cmd = "convert #{giffile} #{epsfile}"
  13   STDERR.print cmd,"\n"
  14   system cmd
  15 end
  16
  17 ###########################################################################
  18 class Tag
  19   def initialize(str)
  20     if str =~ /<(.+)>/ then
  21       str = $1
  22     end
  23     tags = str.split
  24     @tagname = tags.shift.downcase
  25     @vals = {}
  26     tags.each do |t|
  27       if t =~ /=/ then
  28         tn,tv = t.split(/\s*=\s*/,2)
  29         tv.sub!(/^"/,"")
  30         tv.sub!(/"$/,"")
  31         @vals[tn.downcase] = tv
  32       else
  33         @vals[t.downcase] = TRUE
  34       end
  35     end
  36   end
  37   def tagname
  38     return @tagname
  39   end
  40   def each
  41     @vals.each do |k,v|
  42       yield k,v
  43     end
  44   end
  45   def switch(k)
  46     return @vals[k]
  47   end
  48 end
  49
  50 class TokenStream
  51   TAG_START = ?<
  52   TAG_END = ?>
  53   AMP_START = ?&
  54   AMP_END = ?;
  55
  56   AMP_REPLACE_TABLE = {
  57     '&amp;'   => '\\&',
  58     '&gt;'    => '$>$',
  59     '&lt;'    => '$<$',
  60     '&nbsp;'  => '~',
  61     '&quot;'  => '"',
  62   }
  63   def initialize(file)
  64     if file.kind_of?(File) then
  65       @f = file
  66     else
  67       @f = File.new(file)
  68     end
  69     @buf = nil
  70     @bpos = 0
  71   end
  72
  73   def read_until(endsym)
  74     complete = FALSE
  75     tag = []
  76     begin
  77       while @bpos < @buf.size
  78         c = @buf[@bpos]
  79         if c == endsym then
  80           tag.push(c.chr)
  81           complete = TRUE
  82           @bpos += 1
  83           break
  84         end
  85         if c == 10 || c == 13 then
  86           tag.push(' ')
  87         else
  88           tag.push(c.chr)
  89         end
  90         @bpos += 1
  91       end
  92       unless complete
  93         @buf = @f.gets
  94         @bpos = 0
  95         break if @f.eof?
  96       end
  97     end until complete
  98     return tag.join('')
  99   end
 100
 101   def get
 102     while TRUE
 103       if @buf.nil? then
 104         @buf = Kconv.toeuc(@f.gets)
 105         if @f.eof? then
 106           return nil
 107         end
 108         @bpos = 0
 109       end
 110       if @buf[@bpos] == TAG_START then
 111         return Tag.new(read_until(TAG_END))
 112       elsif @buf[@bpos] == AMP_START then
 113         return replace_amp(read_until(AMP_END))
 114       else
 115         i = @bpos
 116         while i < @buf.size && @buf[i] != TAG_START && @buf[i] != AMP_START
 117           i += 1
 118         end
 119         r = @buf[@bpos,i-@bpos]
 120         if i == @buf.size then
 121           @buf = nil
 122         else
 123           @bpos = i
 124         end
 125         redo if r =~ /^\s+$/
 126         return r
 127       end
 128     end
 129   end
 130   public :eof?
 131   def eof?
 132     @f.eof?
 133   end
 134   def replace_amp(s)
 135     if AMP_REPLACE_TABLE.key?(s) then
 136       return AMP_REPLACE_TABLE[s]
 137     else
 138       return s
 139     end
 140   end
 141 end
 142
 143
 144 def print_header
 145   print '
 146 \documentstyle[epsf]{jarticle}
 147 \def\hr{\par\hbox to \textwidth{\hrulefill}}
 148 \def\pre{\begin{quote}\def\baselinestretch{0.8}\tt\obeylines}
 149 \def\endpre{\end{quote}}
 150 \makeatletter
 151 \@ifundefined{gt}{\let\gt=\dg}{}
 152 \makeatother
 153 '
 154 end
 155
 156
 157 class Environ_stack
 158   def initialize(*envs)
 159     @stack = envs
 160   end
 161   def action(tag)
 162     if tag =~ /^!/ then # comment
 163       return ["",nil]
 164     end
 165     i = @stack.size-1
 166     while i >= 0
 167       a = @stack[i].action(tag)
 168       unless a.nil? then
 169         return a
 170       end
 171       i -= 1
 172     end
 173     return nil
 174   end
 175   def pop
 176     @stack.pop
 177   end
 178   def push(env)
 179     @stack.push(env)
 180   end
 181   def top
 182     @stack[@stack.size-1]
 183   end
 184   def dup
 185     @stack.push(top.clone)
 186   end
 187 end
 188
 189
 190 class Environment
 191   def initialize(interp)
 192     @silent = FALSE
 193     @in_table = FALSE
 194     @interp = interp;
 195     @align = nil;
 196   end
 197   def action(tag)
 198     return @interp[tag]
 199   end
 200
 201   def flush(tok)
 202     if tok.kind_of?(String) then
 203       tok = tok.gsub(/&/,"\\&");
 204       tok = tok.gsub(/%/,"\\%");
 205       tok = tok.gsub(/#/,"\\#");
 206       tok = tok.gsub(/\$/,"\\$");
 207       tok = tok.gsub(/_/,"\\verb+_+");
 208       tok = tok.gsub(/\^/,"\\verb+^+");
 209       tok = tok.gsub(/~/,"\\verb+~+");
 210     end
 211     if @in_table then
 212       @table[@table_rows][@table_cols] += tok
 213     elsif !@silent then
 214       if !@align.nil? && tok =~ /\n$/ then
 215         print tok.chop,"\\\\\n"
 216       else
 217         print tok
 218       end
 219     end
 220   end
 221
 222   def set_interp(interp)
 223     @interp = interp
 224   end
 225
 226   # tag processing methods
 227
 228   # <TITLE>
 229   def do_silent(tag)
 230     @silent = TRUE
 231   end
 232
 233   # </TITLE>
 234   def undo_silent(tag)
 235     @silent = FALSE
 236   end
 237
 238   # <IMG>
 239   def img_proc(tag)
 240     src = tag.switch('src')
 241     newfile = src.sub(/\.GIF/i,".eps")
 242     gif2eps(src,newfile)
 243     flush "\\epsfile{file=#{newfile}}\n"
 244   end
 245
 246   # <TABLE>
 247   def starttable(tag)
 248     @table = []
 249     @tablespan = []
 250     @table_rows = -1
 251     @table_cols_max = 0
 252     @in_table = TRUE
 253     unless tag.switch('border').nil? then
 254       @table_border = TRUE
 255     else
 256       @table_border = FALSE
 257     end
 258   end
 259
 260   # <TR>
 261   def start_row(tag)
 262     @table_rows += 1
 263     @table[@table_rows] = []
 264     @tablespan[@table_rows] = []
 265     @table_cols = -1
 266     @colspan = 1
 267   end
 268
 269   # <TD>
 270   def start_col(tag)
 271     @colspan = tag.switch('colspan')
 272     if @colspan.nil? then
 273       @colspan = 1
 274     else
 275       @colspan = @colspan.to_i
 276     end
 277     @tablespan[@table_rows][@table_cols+1] = @colspan
 278     @table_cols += @colspan
 279     if @table_cols > @table_cols_max then
 280       @table_cols_max = @table_cols
 281     end
 282   end
 283
 284   # </TABLE>
 285   def endtable(tag)
 286     @in_table = FALSE
 287     flush "\\begin{tabular}{*{"
 288     flush @table_cols_max+1
 289     if @table_border then
 290       flush "}{|l}|}\n\\hline\n"
 291     else
 292       flush "}{l}}\n"
 293     end
 294     for i in 0..@table_rows
 295       j = 0
 296       while j <= @table_cols
 297         span = @tablespan[i][j]
 298         if span == 1 then
 299           flush @table[i][j]
 300         elsif @table_border then
 301           form = "|l"
 302           if j+span > @table_cols then
 303             form = "|l|"
 304           end
 305           flush "\\multicolumn{"+span.to_s+"}{"+form+"}{"
 306           flush @table[i][j+span-1]
 307           flush "}"
 308         else
 309           flush "\\multicolumn{"+span.to_s+"}{l}{"
 310           flush @table[i][j+span-1]
 311           flush "}"
 312         end
 313         j += span
 314         if j <= @table_cols then
 315           flush "&"
 316         end
 317       end
 318       flush "\\\\\n"
 319       flush "\\hline\n" if @table_border
 320     end
 321     flush "\\end{tabular}\n"
 322   end
 323
 324   # <CENTER>
 325   def startcenter(tag)
 326     if @in_table then
 327       flush "\\hfil"
 328     else
 329       flush "\\begin{center}\n"
 330     end
 331   end
 332
 333   # </CENTER>
 334   def endcenter(tag)
 335     if @in_table then
 336       flush "\\hfil"
 337     else
 338       flush "\\end{center}\n"
 339     end
 340   end
 341
 342   # <P>
 343   def paragraph(tag)
 344     align = tag.switch('align')
 345     if align.nil? then
 346       flush "\\par\n"
 347       @endparagraph = ""
 348     else
 349       align = align.downcase
 350       case align
 351       when "left" then
 352         flush "\\begin{flushleft}\n"
 353         @endparagraph = "\\end{flushleft}\n"
 354       when "center" then
 355         flush "\\begin{center}\n"
 356         @endparagraph = "\\end{center}\n"
 357       when "right" then
 358         flush "\\begin{flushright}\n"
 359         @endparagraph = "\\end{flushright}\n"
 360       end
 361     end
 362     @align = align
 363   end
 364
 365   # </P>
 366   def endparagraph(tag)
 367     unless @align.nil? then
 368       @align = nil
 369       flush @endparagraph
 370     end
 371   end
 372 end
 373
 374
 375 enum_interp = {
 376   'li' => ["\\item ",nil]
 377 }
 378
 379 item_interp = {
 380   'li' => ["\\item ",nil]
 381 }
 382
 383 desc_interp = {
 384   'dt' => ["\\item[",nil],
 385   'dd' => ["]\n",nil]
 386 }
 387
 388 table_interp = {
 389   'tr' => [:start_row,nil],
 390   'td' => [:start_col,nil],
 391   '/tr' => ["",nil],
 392   '/td' => ["",nil],
 393 }
 394
 395 para_interp = {
 396   '/p'      => [:endparagraph ,"pop",TRUE],
 397 }
 398
 399 main_interp = {
 400   'body'    => ["\\begin{document}\n",nil,FALSE],
 401   '/body'   => ["\\end{document}\n",nil,FALSE],
 402   'head'    => ["",nil,FALSE],
 403   '/head'   => ["",nil,FALSE],
 404   'html'    => ["",nil,FALSE],
 405   '/html'   => ["",nil,FALSE],
 406   'title'   => [:do_silent,nil,FALSE],
 407   '/title'  => [:undo_silent,nil,FALSE],
 408   '!'       => ["",nil,FALSE],
 409   'h1'      => ["\\section{",nil,TRUE],
 410   'h2'      => ["\\subsection{",nil,TRUE],
 411   'h3'      => ["\\subsubsection{",nil,TRUE],
 412   'h4'      => ["\\paragraph{",nil,TRUE],
 413   '/h1'     => ["}\n",nil,TRUE],
 414   '/h2'     => ["}\n",nil,TRUE],
 415   '/h3'     => ["}\n",nil,TRUE],
 416   '/h4'     => ["}\n",nil,TRUE],
 417   'a'       => ["",nil,TRUE],
 418   '/a'      => ["",nil,TRUE],
 419   'center'  => [:startcenter,nil,TRUE],
 420   '/center' => [:endcenter,nil,TRUE],
 421   'ol'      => ["\\begin{enumerate}\n",enum_interp,TRUE],
 422   '/ol'     => ["\\end{enumerate}\n","pop",TRUE],
 423   'ul'      => ["\\begin{itemize}\n",item_interp,TRUE],
 424   '/ul'     => ["\\end{itemize}\n","pop",TRUE],
 425   'dl'      => ["\\begin{description}\n",desc_interp,TRUE],
 426   '/dl'     => ["\\end{description}\n","pop",TRUE],
 427   'pre'     => ["\\begin{pre}\n",nil,TRUE],
 428   '/pre'    => ["\\end{pre}\n",nil,TRUE],
 429   'p'       => [:paragraph ,para_interp,TRUE],
 430   'br'      => ["\\par ",nil,TRUE],
 431   'img'     => [:img_proc,nil,TRUE],
 432   'hr'      => ["\\hr ",nil,TRUE],
 433   'b'       => ["{\\bf\\gt ",nil,TRUE],
 434   '/b'      => ["}",nil,TRUE],
 435   'strong'  => ["{\\bf\\gt ",nil,TRUE],
 436   '/strong' => ["}",nil,TRUE],
 437   'dfn'     => ["{\\bf\\gt ",nil,TRUE],
 438   '/dfn'    => ["}",nil,TRUE],
 439   'i'       => ["{\\it",nil,TRUE],
 440   '/i'      => ["}",nil,TRUE],
 441   'address' => ["{\\it",nil,TRUE],
 442   '/address'=> ["}",nil,TRUE],
 443   'cite'    => ["{\\it",nil,TRUE],
 444   '/cite'   => ["}",nil,TRUE],
 445   'code'    => ["{\\tt",nil,TRUE],
 446   '/code'   => ["}",nil,TRUE],
 447   'kbd'     => ["{\\tt",nil,TRUE],
 448   '/kbd'    => ["}",nil,TRUE],
 449   'tt'      => ["{\\tt",nil,TRUE],
 450   '/tt'     => ["}",nil,TRUE],
 451   'samp'    => ["{\\tt",nil,TRUE],
 452   '/samp'   => ["}",nil,TRUE],
 453   'em'      => ["{\\em",nil,TRUE],
 454   '/em'     => ["}",nil,TRUE],
 455   'u'       => ["$\\underline{\\mbox{",nil,TRUE],
 456   '/u'      => ["}}$",nil,TRUE],
 457   'sub'     => ["${}_\mbox{",nil,TRUE],
 458   '/sub'    => ["}$",nil,TRUE],
 459   'sup'     => ["${}^\mbox{",nil,TRUE],
 460   '/sup'    => ["}$",nil,TRUE],
 461   'table'   => [:starttable, table_interp,TRUE],
 462   '/table'  => [:endtable, "pop",TRUE],
 463   'font'    => ["",nil,TRUE],
 464   '/font'   => ["",nil,TRUE],
 465 }
 466
 467
 468
 469
 470 ################################ MAIN ####################################
 471
 472 $in_document = FALSE
 473 print_header
 474 intp = Environ_stack.new(Environment.new(main_interp))
 475 f = TokenStream.new(ARGV[0])
 476 until f.eof?
 477   tok = f.get
 478   if tok.kind_of?(Tag) then
 479     case tok.tagname
 480     when "body"
 481       $in_document = TRUE
 482     when "/body"
 483       $in_document = FALSE
 484     end
 485     act = intp.action(tok.tagname)
 486     if act.nil? then
 487       STDERR.print "tag ",tok.tagname," ignored\n"
 488     else
 489       if act[2] && !$in_document then
 490         print "\\begin{document}\n"
 491         $in_document = TRUE
 492       end
 493       # environment push
 494       if act[1].kind_of?(Hash) &&
 495           (tok.tagname != "p" || tok.switch('align') != nil) then
 496           intp.dup
 497           intp.top.set_interp(act[1])
 498       end
 499
 500       if act[0].kind_of?(String) then
 501         intp.top.flush act[0]
 502       elsif act[0].kind_of?(Fixnum) then # interned symbol
 503         intp.top.send(act[0],tok)
 504       end
 505
 506       # environment pop
 507       if act[1] == "pop" then
 508         intp.pop
 509       end
 510     end
 511   elsif !tok.nil? then
 512     intp.top.flush tok
 513   end
 514 end
 515 if $in_document then
 516   print "\\end{document}\n"
 517 end