-
Notifications
You must be signed in to change notification settings - Fork 1
/
Copy pathavbotanalysis.py
659 lines (572 loc) · 35.9 KB
/
avbotanalysis.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
# -*- coding: utf-8 -*-
# AVBOT - Anti-vandalism bot for MediaWiki wikis
# Copyright (C) 2008-2016 emijrp <[email protected]>
# This program is free software: you can redistribute it and/or modify
# it under the terms of the GNU General Public License as published by
# the Free Software Foundation, either version 3 of the License, or
# (at your option) any later version.
#
# This program is distributed in the hope that it will be useful,
# but WITHOUT ANY WARRANTY; without even the implied warranty of
# MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE. See the
# GNU General Public License for more details.
#
# You should have received a copy of the GNU General Public License
# along with this program. If not, see <http://www.gnu.org/licenses/>.
## @package avbotanalysis
# Module for detect vandalisms, blanking, testing edits, new pages analysis\n
# Módulo para detectar vandalismos, blanqueos, ediciones de prueba, y analizar páginas nuevas
import re
import datetime
import random
import time
import threading
""" pywikipediabot modules """
import wikipedia
""" AVBOT modules """
import avbotglobals
import avbotload
import avbotsave
import avbotmsg
import avbotcomb
class Diegus(threading.Thread):
def __init__(self, page, fun, oldid, diff, revcount):
threading.Thread.__init__(self)
self.page=page
self.fun=fun
self.oldid=oldid
self.diff=diff
self.revcount=revcount
self.oldText=""
self.newText=""
self.pageHistory=[]
self.HTMLdiff=""
def run(self):
#print self.page.title(), self.fun
if self.fun=='getOldVersionOldid':
self.oldText = self.page.getOldVersion(self.oldid, get_redirect=True) #cogemos redirect si se tercia, y ya filtramos luego
#print 'oldText', self.value, len(self.oldText)
elif self.fun=='getOldVersionDiff':
self.newText = self.page.getOldVersion(self.diff, get_redirect=True) #cogemos redirect si se tercia, y ya filtramos luego
#print 'newText', self.value, len(self.newText)
elif self.fun=='getVersionHistory':
self.pageHistory = self.page.getVersionHistory(revCount=self.revcount)
elif self.fun=='getUrl':
self.HTMLDiff = avbotglobals.preferences['site'].getUrl('/w/index.php?diff=%s&oldid=%s&diffonly=1' % (self.diff, self.oldid))
def getOldText(self):
return self.oldText
def getNewText(self):
return self.newText
def getPageHistory(self):
return self.pageHistory
def getHTMLDiff(self):
return self.HTMLDiff
def haveIRevertedThisVandalism(wtitle, diff):
""" Verifica que ha sido este bot el que ha revertido el vandalismo """
""" Check if this bot has reverted this vandalism """
vandalisedPage=wikipedia.Page(avbotglobals.preferences['site'], wtitle)
vandalisedPageHistory=vandalisedPage.getVersionHistory(forceReload=True, revCount=avbotglobals.preferences['historyLength']) #con 10 creo que es suficiente, no van a haber editado tanto desde que se revirtió
print vandalisedPageHistory
try: #fix mirar porque falla y no sale la más nueva (hacer mi propio gethistory a ver si no falla?)
c=0
while vandalisedPageHistory[c][0]!=diff and c<len(vandalisedPageHistory):
c+=1
if c>0 and vandalisedPageHistory[c-1][2]==avbotglobals.preferences['botNick']:
return True
else:
"""if vandalisedPageHistory[c][0]==diff:
print '-'*75
print "Lag?"
print '-'*75
print vandalisedPageHistory
print '-'*75"""
return False
except:
False
def sameOldid(editData):
""" Are both the same oldid? """
""" ¿Es el mismo oldid? """
print editData['pageTitle'], ' oldid=', editData['oldid'], ' stableid=', editData['stableid']
if editData['oldid']!=editData['stableid']:
print 222
editData['stableText']=editData['page'].getOldVersion(editData['stableid']) #costoso? pero no queda otra
else:
#editData['stableText']=editData['oldText'] #no sé porqué pero a veces oldtext almacena el primer vandalismo de una serie de vandalismos en cascada http://es.wikipedia.org/w/index.php?title=Dedo&offset=20090507213843&limit=10&action=history #fix fallaba esto realmente?
print 333
t1=time.time()
editData['stableText']=editData['page'].getOldVersion(editData['stableid']) #costoso?
print 4, editData['pageTitle'], time.time()-t1
return editData
def isSameVandalism(regexlistold, regexlistnew):
""" Is same vandalism? """
""" ¿Se trata del mismo vandalismo? """
if len(regexlistold)!=len(regexlistnew):
return False
else:
for r in regexlistold:
if regexlistold.count(r)!=regexlistnew.count(r):
return False
return True
def updateStats(type):
""" Incrementa variables de estadísticas """
""" Increase stats variables """
avbotglobals.statsDic[2][type]+=1
avbotglobals.statsDic[12][type]+=1
avbotglobals.statsDic[24][type]+=1
def watch(editData):
""" ¿Debe ser analizada esta página? """
""" Check if it may watch and analysis edit in editData """
author=re.sub('_', ' ', editData['author'])
pageTitle=re.sub('_', ' ', editData['pageTitle'])
#cosas que no aparezcan en la lista de exclusiones pueden verse filtradas por este if, explicarlo en algún sitio? #fix
if (editData['namespace'] in [0, 4, 10, 12, 14, 100, 102, 104] or (editData['namespace']==2 and not re.search(avbotglobals.parserRegexps['watch-1'], editData['pageTitle']) and not re.search(ur'(?i)%s' % author, pageTitle))): #este re.search no es costoso
if editData['userClass']=='anon' or (editData['userClass']=='reg' and avbotglobals.userData['edits'][editData['author']]<=avbotglobals.preferences['newbie']):
return True
return False
def isRubbish(editData):
""" Analiza si se trata de un artículo nuevo inservible """
""" Check if the new article is useless """
destruir=False
motive=u'Otros'
score=0
if avbotglobals.preferences['language']=='es':
if editData['userClass']=='anon' or (editData['userClass']=='reg' and avbotglobals.userData['edits'][editData['author']]<=avbotglobals.preferences['newbie']):#repetido ? #fix
if (editData['namespace']==0) and not editData['page'].isRedirectPage() and not editData['page'].isDisambig():
if not re.search(avbotglobals.parserRegexps['isrubbish-tl-red'], editData['newText']):
for k, v in avbotglobals.vandalRegexps.items():
m=v['compiled'].finditer(editData['newText'])
for i in m:
score+=v['score']
if score<0 and ((score>-5 and len(editData['newText'])<score*-150) or score<-4): #igualar a densidad de isVandalism()? #fix
destruir=True
motive=u'Vandalismo'
if len(editData['newText'])<=75 and not destruir:
if not re.search(avbotglobals.parserRegexps['isrubbish-link'], editData['newText']):
destruir=True
motive=u'Demasiado corto'
if destruir:
updateStats('d')
if not avbotglobals.preferences['nosave']:
if editData['page'].exists():
editData['page'].put(u'{{RobotDestruir|%s|%s}}\n%s' % (editData['author'], motive, editData['newText']), u'Marcando para destruir. Motivo: %s. Página creada por [[User:%s|%s]] ([[User talk:%s|disc]] · [[Special:Contributions/%s|cont]])' % (motive, editData['author'], editData['author'], editData['author'], editData['author']))
else:
wikipedia.output(u'[[%s]] has been deleted' % editData['pageTitle'])
return False, '' #Exit
return True, motive
return False, ''
def improveNewArticle(editData):
""" Intenta mejorar el artículo según unos consejos básicos del manual de estilo """
""" Make some changes in the new article to improve it """
if avbotglobals.preferences['language']=='es':
newText=editData['page'].get()
if (editData['namespace']==0) and not editData['page'].isRedirectPage() and not editData['page'].isDisambig():
if not re.search(ur'(?i)\{\{ *(destruir|plagio|copyvio)|redirect', newText): #descarta demasiado? destruir|plagio|copyvio
if len(newText)>=500:
resumen=u''
newnewText=u''
if not editData['page'].interwiki():
try:
[newnewText, resumen]=avbotcomb.magicInterwiki(editData['page'], resumen, 'en')
except:
pass
[newnewText, resumen]=avbotcomb.vtee(newnewText, resumen)
if len(newnewText)>len(newText):
if not avbotglobals.preferences['nosave']:
editData['page'].put(newnewText, u'BOT - Aplicando %s... al artículo recién creado' % resumen)
return True, resumen
return False, u''
def revertAllEditsByUser(editData, userClass, regexplist):
""" Revierte todas las ediciones de un usuario en un mismo artículo """
""" Revert all edits in a same article by a same author """
#Add to vandalism control log, meter donde ompruebo si he revertido yo el vandalismo?
if avbotglobals.vandalControl.has_key(editData['author']):
avbotglobals.vandalControl[editData['author']][editData['diff']]=[editData['pageTitle'], editData['score'], regexplist]
else:
avbotglobals.vandalControl[editData['author']]={'avisos': 0, editData['diff']: [editData['pageTitle'], editData['score'], regexplist]}
if editData['type']=='bl': #malditos blanqueos #fix http://es.wikipedia.org/w/index.php?title=Saneamiento_ambiental&action=history
return False, editData
c=0
for i in editData['pageHistory']:
if i[2]!=editData['author']:
if i[2]==avbotglobals.preferences['botNick']:#evitar que el bot entre en guerras de ediciones, ni aunque la puntuacion sea muy baja, CUIDADO CON LOS CLONES!!!
"""debido a las guerras de ediciones entre los bots y los supuestos vandalos
dejo que revierta solo 1 vez cada 24 horas"""
break #buscar en la lista de bots y mirar si hace 24 horas #fix
"""
#excepto si es un blanqueo distinto del anterior
#http://es.wikipedia.org/wiki/Especial:Contribuciones/90.39.120.216
#http://es.wikipedia.org/wiki/Especial:Contribuciones/85.53.17.213
if editData['type']=='bl':
#para blanqueos no comprobamos si tiene la misma lista de regexp (regexplist) que el anterior blanqueo, sino cual fue la logintud que tenia el texto final del blanqueo anterior
if len(editData['pageHistory'])-1>=c+1:
if avbotglobals.vandalControl[editData['author']].has_key(editData['pageHistory'][c+1][0]):
if avbotglobals.vandalControl[editData['author']][editData['pageHistory'][c+1][0]][1]==editData['score']: #pageHistory[c+1][0] es la id de la edicion anterior a i[0]
#evitamos revertir dos veces el mismo blanqueo, misma puntuacion
break
#excepto si es un vandalismo con otras palabras
elif editData['type']=='v' or editData['type']=='t' or editData['type']=='nn': #hace falta añadir las que no son BL para descartar C o entrará algún C alguna vez?
regexplist=avbotglobals.vandalControl[editData['author']][editData['diff']][2]
if len(editData['pageHistory'])-1>=c+1:
if avbotglobals.vandalControl[editData['author']].has_key(editData['pageHistory'][c+1][0]):
if isSameVandalism(avbotglobals.vandalControl[editData['author']][editData['pageHistory'][c+1][0]][2], regexplist): #pageHistory[c+1][0] es la id de la edicion anterior a i[0]
#evitamos revertir dos veces el mismo vandalismo, misma puntuacion, ¿excepto si es muy baja?
break
elif editData['type']=='g': # if the sum is good, break and do not revert (a bit redundant, due to score will not be negative and not enter in this fun)
break"""
editData['stableid']=i[0]
editData['stableAuthor']=i[2]
editData=sameOldid(editData)
#Restore previous version of the page
t1=time.time()
if not avbotglobals.preferences['nosave']:
if len(editData['pageHistory'])<avbotglobals.preferences['historyLength']: #es nueva? comprobamos antes de revertir, no vayamos a recrearla...
if not editData['page'].exists():
wikipedia.output(u'[[%s]] has been deleted' % editData['pageTitle'])
return False, editData #Exit
print "----> pageTitle", editData['pageTitle']
print "----> obj page", editData['page'].title()
editData['page']=wikipedia.Page(avbotglobals.preferences['site'], editData['pageTitle']) #por algún motivo pierde la "sesión" porqué? #fix
editData['page'].put(editData['stableText'], avbotcomb.resumeTranslator(editData), botflag=False, maxTries=1) #¡¡¡MANTENER BOTFLAG=FALSE!!! POR DEFECTO EN LA FUNCIÓN PUT DE WIKIPEDIA.PY ES TRUE, botflag=False, maxTries=1, 1 sólo intento y descartar, sin flag
print 'put', time.time()-t1, editData['pageTitle']
#wii=wikipedia.Page(wikipedia.Site('es', 'wikipedia'), u"User:AVBOT/Sandbox")
#wii.put(editData['stableText'], "test", botflag=False, maxTries=1)
#Ha revertido el bot u otro usuario?
#esperamos un tiempo aleatorio para evitar lag, conflictos de edición...
time.sleep(random.randint(5,10))
if haveIRevertedThisVandalism(editData['pageTitle'], editData['diff']):
updateStats(editData['type'])
#Send message to user
avbotglobals.vandalControl[editData['author']]['avisos']+=1
if not avbotglobals.preferences['nosave'] and avbotglobals.vandalControl[editData['author']]['avisos']<=3:
avbotmsg.sendMessage(editData['author'], editData['pageTitle'], editData['diff'], avbotglobals.vandalControl[editData['author']]['avisos'], editData['type'])
#Save log for depuration purposes
log=open('%s/%s.txt' % (avbotglobals.preferences['logsDirectory'], datetime.date.today()), 'a')
logentry=u'\n%s\nPage: [[%s]]\nDate: %s\nPoints: %d\nRegular expressions:\n%s\n%s' % ('-'*100, editData['pageTitle'], datetime.datetime.today(), editData['score'], editData['details'], '-'*100)
log.write(logentry.encode('utf-8'))
log.close()
#Send message to admins board
if not avbotglobals.preferences['nosave']:
blockedInEnglishWikipedia=avbotcomb.checkBlockInEnglishWikipedia(editData)
if len(avbotglobals.vandalControl[editData['author']].items())==4 or blockedInEnglishWikipedia[1]: #al tercer aviso o cuando es proxy
#Not send the message if vandals have been reported before
avbotmsg.msgVandalismoEnCurso(avbotglobals.vandalControl[editData['author']], editData['author'], userClass, blockedInEnglishWikipedia)
#Trial run?
if avbotglobals.preferences['trial']:
type=editData['type']
msg=u"* %s: Possible [{{SERVER}}/w/index.php?diff=%s&oldid=%s %s] in [[%s]] by [[Special:Contributions/%s|%s]], reverting to [{{SERVER}}/w/index.php?oldid=%s %s] edit by [[User:%s|%s]]" % (datetime.datetime.now(), editData['diff'], editData['stableid'], avbotglobals.preferences['msg'][type]['meaning'], editData['pageTitle'], editData['author'], editData['author'], editData['stableid'], editData['stableid'], editData['stableAuthor'], editData['stableAuthor'])
wiii=wikipedia.Page(avbotglobals.preferences['site'], u"User:%s/Trial" % (avbotglobals.preferences['botNick']), botflag=False, maxTries=1)
wiii.put(u"%s\n%s" % (msg, wiii.get()), avbotcomb.resumeTranslator(editData))
return True, editData
c+=1
return False, editData
def mustBeReverted(editData, cleandata, userClass):
""" ¿Debe ser revertida la edición? ¿Es vandalismo, prueba de edición o blanqueo? """
""" Checks if an edit is a vandalism, test or blanking edit """
editData['score']=0
#fix poner editData['type']='g' ?
regexplist=[]
reverted=False
#antiguerra de ediciones bot vs. posible vandalo
if len(editData['pageHistory'])>=3: #si tiene al menos 3 ediciones el articulo
if editData['pageHistory'][0][2] == editData['author'] and \
editData['pageHistory'][2][2] == editData['author'] and \
editData['pageHistory'][1][2] != editData['author']:
# si la última edición y la antepenúltima son del mismo autor, y la de en medio no
# pepe (wtext=x)
# otro (wtext=y)
# pepe (wtext=x)
# y tienen el mismo texto, es que pepe ha revertido a su edición
# evitamos entrar en la guerra
# comprobamos también antes de la antepenúltima para más aseguridad??? #fix
if editData['page'].getOldVersion(editData['pageHistory'][0][0]) == editData['page'].getOldVersion(editData['pageHistory'][2][0]):
wikipedia.output(u"Evitamos entrar en guerra de ediciones en [[%s]]" % editData['pageTitle'])
return reverted, editData
#inclusión de líneas cortas al final detrás de los iws http://es.wikipedia.org/w/index.php?title=La_vida_es_sue%C3%B1o&diff=35775982&oldid=35775819
#al principio también http://es.wikipedia.org/w/index.php?title=Ingenier%C3%ADa_biom%C3%A9dica&diff=prev&oldid=35776392
#junto a los interwikis [[es:Blabla]]isdfjisf sfdsf sdf
#cuidado? los interwikis también los tocan IPs de otras wikis?
#también entre párrafos o más propenso a falsos positivos? http://es.wikipedia.org/w/index.php?title=Termas_de_Caracalla&diff=prev&oldid=35776174
oldTextSplit=editData['oldText'].splitlines()
newTextSplit=editData['newText'].splitlines()
if len(oldTextSplit)>10 and len(newTextSplit)>len(oldTextSplit): #que antes tuviera al menos 10 para evitar esbozos, redirecciones, desamb, ... propenso a errores
equal=True
c=0
for line in oldTextSplit:
if line!=newTextSplit[c]:
equal=False
break
c+=1
if equal:
clines=len(newTextSplit)-len(oldTextSplit)
cchars=0
footerrubbish=True #hay ips que insertan iws o categorías (usuarios de otras wikis), cuidado con esto
while c<len(newTextSplit):#recorremos las líneas nuevas y acumulamos cuantos caracteres ha insertado
if re.search(avbotglobals.parserRegexps['footerallowed'], newTextSplit[c]):
footerrubbish=False
break
cchars+=len(newTextSplit[c])
c+=1
#calculamos densidad
#teniendo en cuenta que puede meter líneas en blanco http://es.wikipedia.org/w/index.php?title=La_vida_es_sue%C3%B1o&diff=35775982&oldid=35775819
if footerrubbish and cchars/clines<40:
editData['type']='t'
editData['score']=-1 #poner algo proporcional como en los blanqueos?
editData['details']=u"" #no olvidar
return revertAllEditsByUser(editData, userClass, regexplist) #Revert
#Interwiki and categories blanking. Example: http://es.wikipedia.org/w/index.php?title=Reciclaje&diff=34127808&oldid=34116543
oldCategoriesNumber=len(re.findall(avbotglobals.parserRegexps['categories'], editData['oldText']))
newCategoriesNumber=len(re.findall(avbotglobals.parserRegexps['categories'], editData['newText']))
oldInterwikisNumber=len(re.findall(avbotglobals.parserRegexps['interwikis'], editData['oldText']))
newInterwikisNumber=len(re.findall(avbotglobals.parserRegexps['interwikis'], editData['newText']))
if oldInterwikisNumber>=10 and newInterwikisNumber<=oldInterwikisNumber/2 and not re.search(avbotglobals.parserRegexps['blanqueos'], editData['newText']): #10 es un número conservador?
editData['type']='bl'
editData['score']=-(editData['lenNew']+1) #la puntuacion de los blanqueos es la nueva longitud + 1, negada, para evitar el -0
editData['details']=u''
return revertAllEditsByUser(editData, userClass, regexplist) #Revert
#Vandalism or test edit?
regexplist=[]
editData['type']='' #dummie, contrapeso
priority=99999999
for type, msgprop in avbotglobals.preferences['msg'].items():
if msgprop['priority']<priority:
editData['type']=type
priority=msgprop['priority']
editData['details']=u''
for k, v in avbotglobals.vandalRegexps.items(): #fix mirar si en la revisión anterior ya había tales palabras malsonantes? (evitamos que un copia/pega desplazado se considere como texto nuevo) no contar las positivas de la anterior
m=v['compiled'].finditer(cleandata)
added=False #Avoid duplicate entries in the log
for i in m:
if avbotglobals.preferences['msg'][v['type']]['priority']>avbotglobals.preferences['msg'][editData['type']]['priority']:
#vandalism > test > contrapeso
editData['type']=v['type']
editData['score']+=v['score']
regexplist.append(k)
if not added:
editData['details']+=u'%s\n' % (k)
added=True
threshold=-4 #lower points, automatically reverted
density=150 #negative points allowed per length string
if editData['score']<0 and ((editData['score']>=threshold and len(cleandata)<abs(editData['score']*density)) or editData['score']<threshold):
if avbotglobals.preferences['testmode']:
return True, editData
else:
return revertAllEditsByUser(editData, userClass, regexplist) #Revert
#Anti-birthday
if re.search(avbotglobals.parserRegexps['anti-birthday-es'], editData['pageTitle']):
if editData['namespace']==0:
regexplist=[] # ¿Si la enviamos vacía al revertalledits funciona? o depende del editData['type']?
enlaceexiste=False
anyoactual=int(datetime.date.today().year)
sections=editData['newText'].split("==")
births=""
deaths=""
c=0
for section in sections:
if re.sub(ur"[ =]", ur"", section).lower()=="nacimientos" and len(sections)>c+1:
births=sections[c+1]
if re.sub(ur"[ =]", ur"", section).lower()=="fallecimientos" and len(sections)>c+1:
deaths=sections[c+1]
c+=1
if births:
m=re.compile(ur'(?i)\* *\[?\[?(?P<year>\d{4})\]?\]? *?[\:\-] *?[^\[]*?\[\[(?P<enlace>[^\|\]]+?)(\|[^\]]*?)?\]\]').finditer(cleandata)
for i in m: #controlar si se ha metido mas de un cumpleaños?
anyo=int(i.group("year"))
enlace=i.group("enlace")
wikipedia.output(u'---Efeméride rara en [[%s]]--->[[%s]] - [[%s]]' % (editData['pageTitle'], anyo, enlace))
wii={} #por si quisieramos comprobar en otras wikis
wii['es']=wikipedia.Page(avbotglobals.preferences['site'], u'%s' % enlace)
try:
if wii['es'].exists():
enlaceexiste=True
except:
pass
if enlaceexiste:
wikipedia.output(u"El artículo al que apunta la efeméride sí existe : )")
else:
anyoenlacecompiled=re.compile(ur'(?i)%d.*%s' % (anyo, enlace))
if anyo>anyoactual: #poner anyos futuros en los acontecimientos es posible, pero no en births o deaths
if re.search(anyoenlacecompiled, births) or re.search(anyoenlacecompiled, deaths):
editData['type']='nn'
return revertAllEditsByUser(editData, userClass, regexplist) #Revert
motivo=u'Fecha imposible (Año %d)' % anyo
wikipedia.output(motivo)
elif re.search(anyoenlacecompiled, births):
if anyo>=anyoactual-20:
#que chico mas precoz, comprobemos su relevancia
wii['en']=wikipedia.Page(wikipedia.Site('en', 'wikipedia'), enlace)
#wii['de']=wikipedia.Page(wikipedia.Site('de', 'wikipedia'), enlace)
#wii['fr']=wikipedia.Page(wikipedia.Site('fr', 'wikipedia'), enlace)
#la inglesa da error a veces, gestionamos la excepcion
try:
if not wii['en'].exists():
editData['type']='nn'
return revertAllEditsByUser(editData, userClass, regexplist) #Revert
motivo=u'Posible efeméride irrelevante, no existe en la inglesa'
wikipedia.output(motivo)
except:
pass
return reverted, editData
def newArticleAnalysis(editData):
""" Análisis de artículos nuevos """
""" New articles analysis """
if editData['page'].exists():
editData['newText']=editData['page'].get()
else:
wikipedia.output(u"[[%s]] has been deleted!" % editData['pageTitle'])
return
editData['lenNew']=len(editData['newText'])
[done, motive]=isRubbish(editData)
if done:
wikipedia.output(u'\03{lightred}Alert!: Putting destroy template in [[%s]]. Motive: %s\03{default}' % (editData['pageTitle'], motive))
return
[done, resume]=improveNewArticle(editData)
if done:
wikipedia.output(u'\03{lightred}Alert!: Aplicando %s... a [[%s]]\03{default}' % (resume, editData['pageTitle']))
return
return
def cleandiff(pageTitle, data):
""" Extrae el texto que ha sido insertado en la edición """
""" Clean downloaded diff page """
#fix hacerme mi propio differ con la librería difflib?
#tener en cuenta las expresiones que ya estaba en oldText por si la IP mueve un bloque de texto
marker=' ; ' #no poner ;;; porque da falsos positivos con regexp de repetición de caracteres
clean=marker
trozos=data.split('<tr>')
if len(trozos)>=3:
trozos=trozos[2:] #....(0 cosas)<tr>(1 info sobre líneas</tr>)<tr>(2 lo que nos interesa... # el 1 contiene el numero de línea, nos lo saltamos
for trozo in trozos:
try:
trozo=trozo.split('</tr>')[0] #no es que sea necesario pero...
if re.search(avbotglobals.parserRegexps['cleandiff-diff-context'], trozo): #linea de contexto, nos la saltamos
continue
elif re.search(avbotglobals.parserRegexps['cleandiff-diff-addedline'], trozo):
if re.search(avbotglobals.parserRegexps['cleandiff-diff-deletedline'], trozo): #sustitucion/añadido/eliminacion de algo, nos quedamos con lo de dentro del diffchange, dentro del diff-addedline
trozo=((trozo.split('<td class="diff-addedline">')[1]).split('</td>'))[0]
m=avbotglobals.parserRegexps['cleandiff-diffchange'].finditer(trozo)
for i in m:
clean+=u'%s%s%s' % (marker, i.group('text'), marker)
else: #se trata de una linea nueva añadida, nos quedamos con lo de dentro del diff-addedline
if re.search(avbotglobals.parserRegexps['cleandiff-diff-addedline-div'], trozo):
trozo=((trozo.split('<td class="diff-addedline"><div>')[1]).split('</div></td>'))[0]
else:
trozo=((trozo.split('<td class="diff-addedline">')[1]).split('</td>'))[0]
clean+=u'%s%s%s' % (marker, trozo, marker)
except:
wikipedia.output(u'ERROR: %s' % trozo)
clean=re.sub(ur'(?m)[\n\r]', ur' ', clean) #no new lines
#if len(clean)<3000:
# wikipedia.output(clean)
if clean==marker:
clean=''
return clean
def editAnalysis(editData):
""" Lanzamiento de funciones de análisis previo descarte de páginas/ediciones que no deben ser analizadas """
""" Checks edit to search vandalisms, blanking, tests, etc """
#Getting page object for this edit
editData['page']=wikipedia.Page(avbotglobals.preferences['site'], editData['pageTitle'])
#if editData['page'].exists(): #no es necesario para páginas antiguas (menos de 10 de historial), las nuevas ya se verifica justo antes de poner {{destruir}}
editData['pageTitle']=editData['page'].title()
editData['namespace']=editData['page'].namespace()
nm=u''
if editData['new']:
nm+=u'\03{lightred}N\03{default}'
if editData['minor']:
nm+=u'\03{lightred}m\03{default}'
if nm:
nm+=u' '
if editData['userClass']=='anon':
wikipedia.output(u'[%s] %s[[%s]] {\03{%s}%s\03{default}}' % (avbotcomb.getTime(), nm, editData['pageTitle'], avbotglobals.preferences['colors'][editData['userClass']], editData['author']))
else:
avbotcomb.updateUserDataIfNeeded(editData) # Solo necesario para no anónimos
if avbotglobals.userData['edits'].has_key(editData['author']):
wikipedia.output(u'[%s] %s[[%s]] {\03{%s}%s\03{default}, %s ed.}' % (avbotcomb.getTime(), nm, editData['pageTitle'], avbotglobals.preferences['colors'][editData['userClass']], editData['author'], avbotglobals.userData['edits'][editData['author']]))
if avbotglobals.userData['edits'][editData['author']]>avbotglobals.preferences['newbie']:
return #Exit
else:
wikipedia.output(u'Ha habido un error con el número de ediciones de [[User:%s]]' % editData['author'])
return #Exit
if editData['page'].isRedirectPage(): #Do not analysis redirect pages
return #Exit
# Avoid to check our edits
if editData['author'] == avbotglobals.preferences['botNick']:
return #Exit
# Must be analysed?
if not watch(editData):
wikipedia.output(u'[[%s]] edit must not be checked' % editData['pageTitle'])
return #Exit
# Avoid analysis of excluded pages
for exclusion, compiledexclusion in avbotglobals.excludedPages.items():
if re.search(compiledexclusion, editData['pageTitle']):
wikipedia.output(u'[[%s]] is in the exclusion list' % editData['pageTitle'])
return #Exit
# New pages analysis
if editData['new'] and avbotglobals.preferences['language']=='es':
time.sleep(5) #Para evitar que .exists() o .get() devuelva que no existe
newArticleAnalysis(editData)
return #Exit
# To get history
editData['oldText']=u''
editData['newText']=u''
#try: #costoso? pero no queda otra
t1=time.time()
#simplificar las llamas a los hilos? pasar todos los parámetros o solo los necesarios?
threadHistory=Diegus(editData['page'], 'getVersionHistory', editData['oldid'], editData['diff'], avbotglobals.preferences['historyLength'])
threadOldid=Diegus(editData['page'], 'getOldVersionOldid', editData['oldid'], editData['diff'], avbotglobals.preferences['historyLength'])
threadDiff=Diegus(editData['page'], 'getOldVersionDiff', editData['oldid'], editData['diff'], avbotglobals.preferences['historyLength'])
threadHTMLDiff=Diegus(editData['page'], 'getUrl', editData['oldid'], editData['diff'], avbotglobals.preferences['historyLength'])
threadHistory.start()
threadOldid.start()
threadDiff.start()
threadHTMLDiff.start()
threadHistory.join()
editData['pageHistory'] = threadHistory.getPageHistory()
#print editData['pageHistory']
threadOldid.join()
editData['oldText'] = threadOldid.getOldText()
threadDiff.join()
editData['newText'] = threadDiff.getNewText()
#hacer mi propio differ, tengo el oldText y el newText, pedir esto retarda la reversión unos segundos #fix #costoso?
threadHTMLDiff.join()
editData['HTMLDiff'] = threadHTMLDiff.getHTMLDiff()
editData['HTMLDiff']=editData['HTMLDiff'].split('<!-- content -->')[1]
editData['HTMLDiff']=editData['HTMLDiff'].split('<!-- /content -->')[0] #No change
cleandata=cleandiff(editData['pageTitle'], editData['HTMLDiff']) #To clean diff text and to extract inserted lines and words
print 0, editData['pageTitle'], time.time()-t1, editData['pageHistory'][0][0], len(editData['oldText']), len(editData['newText']), len(editData['HTMLDiff'])
"""t1=time.time()
editData['pageHistory'] = editData['page'].getVersionHistory(revCount=10) #To avoid bot edit wars, 10 está bien?
#editData['oldText'] = editData['page'].getOldVersion(editData['page'].previousRevision()) #Previous text
print 1, editData['pageTitle'], time.time()-t1
t1=time.time()
editData['oldText'] = editData['page'].getOldVersion(editData['oldid']) #Previous text, oldid es la versión anterior a la actual que es diff
print 2, editData['pageTitle'], time.time()-t1
t1=time.time()
editData['newText'] = editData['page'].getOldVersion(editData['diff']) #Current text, más lento que el .get() ?
print 3, editData['pageTitle'], time.time()-t1"""
#except:
# return #No previous text? New? Exit
editData['lenOld'] = len(editData['oldText'])
editData['lenNew'] = len(editData['newText'])
editData['lenDiff'] = editData['lenNew']-editData['lenOld']
# Proposed to delete? Skip
if re.search(avbotglobals.parserRegexps['destruir'], editData['newText']):
wikipedia.output(u'Alguien ha marcado [[%s]] para destruir. Saltamos.' % editData['pageTitle'])
return
# Avoid to check false positives pages
if re.search(avbotglobals.parserRegexps['conflictivos'], editData['newText']+editData['oldText']): #buscamos tanto en old como en new, mayor seguridad?
wikipedia.output(u'[[%s]] es un artículo conflictivo, no lo analizamos' % editData['pageTitle'])
return
#hacer mi propio differ, tengo el oldText y el newText, pedir esto retarda la reversión unos segundos #fix #costoso?
"""try: #Try to catch diff
t1=time.time()
data=avbotglobals.preferences['site'].getUrl('/w/index.php?diff=%s&oldid=%s&diffonly=1' % (editData['diff'], editData['oldid']))
print 5, editData['pageTitle'], time.time()-t1
data=data.split('<!-- start content -->')[1]
data=data.split('<!-- end content -->')[0] #No change
except:
return #No diff, exit
"""
#Analysis of this edit, must be reverted?
[reverted, editData]=mustBeReverted(editData, cleandata, editData['userClass'])
if reverted:
wikipedia.output(u'%s\n\03{lightred}Alert!: Possible %s by %s in [[%s]]\nDetails:\n%s\n%s\03{default}%s' % ('-'*50, avbotglobals.preferences['msg'][editData['type']]['meaning'].lower(), editData['author'], editData['pageTitle'], editData['score'], editData['details'], '-'*50))
return