# -*- coding: utf-8 -*-
import os
print '\n'*100
print '''Bienvenido/a a PyGlosGNU 0.0 \nEste programa localiza en un archivo de texto plano los términos del glosario de GNU para traductores y revisores a otras lenguas.\nVéase: www.gnu.org/server/standards/translations/es/recursos.html#glosario\n 
Al terminar la búsqueda, podrá guardar los resultados en un archivo.
'''
archivo = str(raw_input('Introduzca el nombre del archivo a revisar (con extensión): '))
# Comprueba que exista el archivo.
existe = os.path.exists(archivo)
while existe != True:
    print 'El archivo no existe o no está en este directorio.\n'
    print 'Si no se encuentra en el mismo directorio en el que está \nel archivo a revisar, introduzca la ruta.\nEjemplo: /home/Mipc/Documentos/archivo.txt\n'
    print 'Si desea salir del programa, pulse <Ctrl>+<D>\n'
    archivo = str(raw_input('Introduzca el nombre del archivo a revisar (con extensión): '))
    existe = os.path.exists(archivo)    	
print
texto = open(archivo,'r')
contador_linea = 0
# Glosario de palabras
glosario = ['back door', 'backend as a service', 'baas', 'blobs', 'computer', 'copyleft', 'copyleft license', 'copyleft program', 'copylefted program', 'developer', 'digital handcuffs', 'digital locks', 'digital restrictions management','drm', "drm'd", 'distro', 'driver', 'dual boot', 'ebooks', 'e-books', 'firmware blobs', 'firmware file', 'free software', 'free software activists', 'free software advocates', 'free software foundation', 'fsf', 'free software license', 'free software movement', 'free system distribution', 'gnu affero general public license', 'gnu affero gpl', 'agpl', 'gnu coding standards', 'gnu free documentation license', 'gfdl', 'gnu lesser general public license', 'lgpl',"gnu's not unix", 'gnu project', 'gpl-covered software', 'gratis', 'instant bootable distribution','lax license', 'permissive license', 'licensing & compliance lab', 'linux-based versions of GNU', 'malicious features','non-copyleft license','nondisclosure agreement','nonfree software','open source', 'source code', 'proprietary', 'proprietary software', 'library', 'maintainer', 'notice', 'release', 'run', 'see', 'reversible debugging', 'saas', 'software as a service', 'under the gpl', 'vendor lock-in','tivoization', 'webmaster', 'work']
resultado = []  	# Variable para almacenar resultados.
resumen = []            # Variables para almacenar resumen.
lineas = []
suma = 0
linea_ant= ''
def buscar(pal,cad, ant):
    cad = cad.lower()
    linea_form = cad.split()
    if linea_form != []:
        if linea_form[0] == '<link' or linea_form[0] == '<meta' or linea_form[0] == '<style>':
            return False
    for l in linea_form:
        if ' ' not in pal:
            if pal in l:
                if 'http' in l:
                    if l.index('http') <  l.index(pal):
                        if '>' not in l[l.index('http'):l.index(pal)]:
                            return False
                if 'href' in l:
                    if l.index('href') <  l.index(pal):
                        if '>' not in l[l.index('href'):l.index(pal)]:
                            return False
                if 'html' in l:
                    if l.index('html') > l.index(pal):
                        if '<' not in l[l.index(pal):l.index('html')]:
                            return False
                if 'src' in l:
                    if l.index('src') < l.index(pal):
                        if '>' not in l[l.index('src'):l.index(pal)]:
                            return False
                if 'url' in l:
                    if l.index('url') < l.index(pal):
                        if '>' not in l[l.index('url'):l.index(pal)]:
                            return False
                if '@' in l:
                    return False
                else:
                    return True
                
    if ' ' in pal:
        doslin = linea_ant[:-1].lower()+' '+cad
        if pal in cad:
            return True
        elif '_'.join(pal.split()) in cad:
            return True
        elif '\xc2\xa0'.join(pal.split()) in cad:
            return True
        elif pal in doslin and pal not in linea_ant.lower():
            return True
for linea in texto:
    contador_linea +=1
    for term in glosario:
        if buscar(term,linea, linea_ant):
            suma +=1
            print 'El término < {0} > encontrado en la línea {1} \n>>>{2} '.format (term, contador_linea, linea)
            # Ordena resultados                     
            if term not in resumen:
                resumen.append(term)
                lineas.append([contador_linea])
            else:
                ind = resumen.index(term)
                lineas[ind].append(contador_linea)
            dato1 = ['El término < {0} > encontrado en la línea {1} \n>>>{2} '.format (term, contador_linea, linea)]
            resultado.append(dato1)
    linea_ant = linea
texto.close()
print '*** Resumen de coincidencias ***\nTérmino : linea/s\n'
for palabra in range(0, len(resumen)):
    print '{0} : {1}: {2}'.format(resumen[palabra], lineas[palabra], len(lineas[palabra]))
print 'TOTAL DE COINCIDENCIAS: ', suma
if resultado == []:
    print '\nNo hay coincidencias\n'
else:
    guardar = str(raw_input('¿Desea conservar los resultados en un archivo? (s/n): '))
    if guardar == 's' or guardar == 'S':
        archivo2 = str(raw_input('Introduzca el nombre del archivo: '))
        archivo2 = archivo2+'.txt'
        # Comprueba si el archivo existe y si se desea sobreescribir.
        existe = os.path.exists(archivo2)
        while existe:
            print 'El archivo', archivo2, 'ya existe.\n'
            sobre = str(raw_input('¿Desea sobreescribirlo? (s/n): '))
            if sobre.lower() == 's':
                existe = False
            else:
                archivo2 = str(raw_input('\nIntroduzca un nuevo nombre para el archivo : '))
                existe = os.path.exists(archivo2)
            # Escribe el resultado de la búsqueda en el archivo nuevo
        f_salida = open(archivo2, 'w')
        for linea in resultado:
            for i in linea:
                f_salida.write(str(i))
        res = '*** Resumen de coincidencias ***\nTérmino : linea/s\n'
        f_salida.write(res)
        for palabra in range(0, len(resumen)):
            f_salida.write('{0} : {1}'.format(resumen[palabra], lineas[palabra]))
            f_salida.write('\n')
        f_salida.write('Total de coincidencias: {0}\n'.format(suma))    
        f_salida.close()
print '<<< Fin del script>>>'