/[wait]/trunk/script/index_ora
This is repository of my old source code which isn't updated any more. Go to git.rot13.org for current projects!
ViewVC logotype

Diff of /trunk/script/index_ora

Parent Directory Parent Directory | Revision Log Revision Log | View Patch Patch

revision 71 by laperla, Sun Jan 27 15:27:38 2002 UTC revision 75 by laperla, Thu Mar 14 17:27:22 2002 UTC
# Line 1  Line 1 
1  #!/usr/bin/perl -w  #!/usr/bin/perl -w
2  #                              -*- Mode: Perl -*-  #                              -*- Mode: Perl -*-
3  # $Basename$  # $Basename$
4  # $Revision: 1.8 $  # $Revision: 1.12 $
5  # Author          : Ulrich Pfeifer  # Author          : Ulrich Pfeifer
6  # Created On      : Mon Dec 31 13:57:11 2001  # Created On      : Mon Dec 31 13:57:11 2001
7  # Last Modified By: Ulrich Pfeifer  # Last Modified By: Ulrich Pfeifer
8  # Last Modified On: Fri Jan  4 15:59:20 2002  # Last Modified On: Fri Jan  4 15:59:20 2002
9  # Language        : CPerl  # Language        : CPerl
10  #  #
11  # (C) Copyright 2001, UUNET Deutschland GmbH, Germany  # (C) Copyright 2001, Ulrich Pfeifer
12  #  #
13    
14  use 5.007;  use 5.007;
# Line 26  use WAIT::Database; Line 26  use WAIT::Database;
26  use WAIT::Parse::Ora;  use WAIT::Parse::Ora;
27  use WAIT::Document::Ora;  use WAIT::Document::Ora;
28  use WAIT::InvertedIndex;  use WAIT::InvertedIndex;
29    use Data::Dumper;
30    
31    
32  $DB_BTREE->{'cachesize'} = 200_000 ;  $DB_BTREE->{'cachesize'} = 200_000 ;
33    
34    use lib "/usr/local/apache/lib";
35    use lib "/online/www/sites/ora/catalogsearch/run/lib";
36    use oreilly_de_catalog::config;
37    use oreilly_de_catalog::wait_filter;
38    
39  my %OPT = (  my %OPT = (
40             database => 'DB',             database => 'oreilly_de_catalog',
41             dir      => $WAIT::Config->{WAIT_home} || '/tmp',             dir      => oreilly_de_catalog::config::WAITDIR,
42             table    => 'ora',             table    => 'ora',
43            );            );
44    
45    my $droot = oreilly_de_catalog::config::CATALOG;
46    
47  GetOptions(\%OPT,  GetOptions(\%OPT,
48             'database=s',             'database=s',
49             'dir=s',             'dir=s',
# Line 52  my $db = WAIT::Database->create(name Line 60  my $db = WAIT::Database->create(name
60    
61  my $layout = new WAIT::Parse::Ora;  my $layout = new WAIT::Parse::Ora;
62    
63  use lib "/usr/local/apache/lib";  my $stem  = ['OR_tr_20020124', 'OR_lc_20020125', 'split2', 'stop', 'Stem'];
64  use oreilly_de_catalog::wait_handler;  # my $text  = ['OR_tr_20020124', 'split2', 'OR_minus_20020311', 'OR_lc_20020125', 'split2', 'stop'];
65    my $text  = ['OR_tr_20020124', 'split', 'OR_minus_20020311', 'OR_lc_20020125'];
66  my $stem  = ['OR_tr_20020124', 'OR_lc_20020124', 'split2', 'stop', 'Stem'];  my $wplus = ['split', 'OR_lc_20020125', 'OR_mixedonly_20020221'];
67  my $text  = [{  my $sound = ['OR_tr_20020124', 'OR_lc_20020125', 'split2', 'Soundex'];
68                'prefix'    => ['OR_tr_20020124', 'OR_lc_20020124'],  my $trigr = ['OR_lc_20020125', 'OR_trigrams_20020125'];
69                'intervall' => ['OR_tr_20020124', 'OR_lc_20020124'],  # split6 is better than split13 or split10: it allows them to enter
70               },  # shorter sequences when searching.
71               'OR_tr_20020124', 'OR_lc_20020124', 'split2', 'stop'];  my $isbn  = ['split6', 'OR_isbn_20020127'];
 my $sound = ['OR_tr_20020124', 'OR_lc_20020124', 'split2', 'Soundex'];  
 my $trigr = ['OR_lc_20020124', 'OR_trigrams_20020125'];  
72    
73  my $cwd = cwd;  my $cwd = cwd;
74    
75  my %D;  my %D;
76  my $access = tie %D, 'WAIT::Document::Ora', @ARGV,  my $access = tie %D, 'WAIT::Document::Ora', $droot,
77    or die "Couldn't tie to file: $!\n";    or die "Couldn't tie to dir $droot: $!\n";
78    
79  my $tb = $db->create_table(name     => $OPT{table},  my $tb = $db->create_table(name     => $OPT{table},
80                             attr     => ['author', 'isbn', 'title',                             attr     => ['author', 'isbn', 'title',
# Line 77  my $tb = $db->create_table(name     => $ Line 83  my $tb = $db->create_table(name     => $
83                             access   => $access,                             access   => $access,
84                             invindex =>                             invindex =>
85                             [                             [
86                              'title'  => $stem,                              'aboutauthor'  => $text,
87                              'about'  => $stem,                              'aboutauthor'  => $wplus,
88                              'text'   => $text,                              'abouttranslator'  => $text,
89                                'abouttranslator'  => $wplus,
90                                'abstract' => $text,
91                                'abstract' => $wplus,
92                              'author' => $text,                              'author' => $text,
93                              'colophon' => $text,                              'colophon' => $text,
94                              'author' => $sound,                              'colophon' => $wplus,
95                              'isbn'   => $text,                              'desc'   => $text,
96                                'desc'   => $wplus,
97                                'inx'   => $text,
98                                'inx'   => $wplus,
99                                'isbn'   => $isbn,
100                                'subtitle'  => $text,
101                                'subtitle'  => $wplus,
102                                'title'  => $text,
103                                'title'  => $wplus,
104                                'title_orig'  => $text,
105                                'title_orig'  => $wplus,
106                                'toc'   => $text,
107                                'toc'   => $wplus,
108                                'translator'  => $text,
109                                'translator'  => $wplus,
110                             ]                             ]
111                            );                            );
112  die "Couldn't create table $OPT{table}: $@\n" unless $tb;  die "Couldn't create table $OPT{table}: $@\n" unless $tb;
113    
114  my ($did, $value);  my ($did, $value);
115  binmode STDOUT, ":utf8";  binmode STDOUT, ":utf8";
116  while (($did, $value) = each %D) {  my $ALL;
117    my $traceALL = 0; # expensive
118    my $done = 0;
119    my $todo = keys %D;
120    my $lasttimeround = my $starttime = time;
121    
122    DOC: while (($did, $value) = each %D) {
123      # next unless $did eq "jscook";
124    my $record   = $layout->split($value);    my $record   = $layout->split($value);
125    my $headline = $record->{title};    my $headline = $record->{title};
126    $headline =~ s/\s+/ /sg;    $headline =~ s/\s+/ /sg;
127    printf "%15s %s\n", $record->{isbn}, substr($headline,0,60);    # printf "%15s %s\n", $record->{isbn}, substr($headline,0,60);
128      printf "%15s %s...\n", $did, substr($headline,0,60);
129    $tb->insert('docid'  => $did,    $tb->insert('docid'  => $did,
130                headline => $headline,                headline => $headline,
131                %{$record});                %{$record});
132      $done++;
133      my $spenttime = time - $starttime;
134      my $averagetime = $spenttime/$done;
135      my $left = $todo-$done;
136      printf("%2d secs, %3d done, %3d left, %4d s done, %5.1f s avg, %4d s left\n",
137                   time - $lasttimeround,
138                   $done,
139                   $left,
140                   $spenttime,
141                   $averagetime,
142                   $left*$averagetime,
143                  );
144      $lasttimeround = time;
145      if ($traceALL) { # costs a lot when reaching the 100th file or so
146        $ALL->{$did} = $record;
147        open F, ">:utf8", "$OPT{dir}/$OPT{database}-$jobid/debug.dump" or die;
148        print F Data::Dumper::Dumper($ALL);
149        close F  or die "Couldn't close debug.dump: $!";;
150      }
151  }  }
152    undef $ALL;
153  $tb->set(top=>1);  $tb->set(top=>1);
154    
155  my $tritb = $db->create_table(  my $tritb = $db->create_table(
156                                name => "$OPT{table}_fallback",                                name => "$OPT{table}_fallback",
157                                attr => [qw(docid headline)],                                attr => [qw(docid headline)], # name
158                                                                # "headline"
159                                                                # only for
160                                                                # sman
161                                invindex => [ headline => $trigr ],                                invindex => [ headline => $trigr ],
162                               );                               );
163  my %dict;  my %dict;
164  for my $f ($tb->fields) {  for my $f ($tb->fields) {
165    my(@idx) = @{$tb->table->{inverted}{$f} || []};    my(@idx) = @{$tb->table->{inverted}{$f} || []};
166    for my $idx (@idx) {    for my $idx (@idx) {
167        my $name = $idx->name;
168        next if $name =~ /(_|\b)(mixedonly|Stem|Soundex)(\b|_)/;
169                  # irrelevant for alternatives
170      my @keys = $idx->keys;      my @keys = $idx->keys;
171      @dict{@keys} = ();      @dict{@keys} = ();
172    }    }
# Line 121  for my $headline (@dictkeys) { Line 178  for my $headline (@dictkeys) {
178      Dump $headline;      Dump $headline;
179      $maxdebug--;      $maxdebug--;
180    }    }
181      # printf "%s\n", substr($headline,0,60);
182    $tritb->insert(docid => $headline, headline => $headline);    $tritb->insert(docid => $headline, headline => $headline);
183  }  }
184  $tritb->set(top=>1);  $tritb->set(top=>1);
185  $tritb->close;  $tritb->close or die "Couldn't close table: $!";
186  $tb->close();  $tb->close() or die "Couldn't close table: $!";
187  $db->close();  $db->close() or die "Couldn't close database: $!";
188    
189  # Now we have a new database with a very long name and we want that  # Atomically relinking symlink: now we have a new database with a very
190  # database to be accessible with the $OPT{database} name  # long name "$OPT{database}-$jobid" (e.g.
191    # oreilly_de_catalog-2002-01-28_16:12_16467) and we want that database
192    # to be accessible with the oreilly_de_catalog name.
193    
194  use File::Spec;  use File::Spec;
195  my $long_dir   = "$OPT{database}-$jobid";  chdir $OPT{dir} or die;
196  my $want_dir   = File::Spec->catdir($OPT{dir}, $OPT{database});  my $dir    = "$OPT{database}-$jobid";
197  my $prel_slink = File::Spec->catdir($OPT{dir}, "$OPT{database}-$$");  my $slwant = File::Spec->catdir($OPT{dir}, $OPT{database});
198  unlink $prel_slink; # may fail  my $sltmp  = File::Spec->catdir($OPT{dir}, "$OPT{database}-$$");
199  symlink $long_dir, $prel_slink or die "Could not symlink $long_dir, $prel_slink: $!";  unlink $sltmp; # may fail
200  rename $prel_slink, $want_dir or die "Could not rename $prel_slink, $want_dir: $!";  symlink $dir, $sltmp or die "Couldn't symlink $dir, $sltmp: $!";
201    rename $sltmp, $slwant or die "Couldn't rename $sltmp, $slwant: $!";
202    warn "$slwant now points to $dir";
203    system("chmod 777 $slwant/*/read")==0 or die;
204    
205    opendir DIR, "." or die "Could not opendir .: $!";
206    for my $dirent (readdir DIR) {
207      next if $dirent =~ /^\./;
208      next unless $dirent =~ /^$OPT{database}(.*)/;
209      my $ext = $1 or next;
210      next unless -M $dirent > 4;
211      warn "removing old index $dirent";
212      File::Path::rmtree($dirent);
213    }
214    closedir DIR;
215    
216  $WAIT::Config = $WAIT::Config; # make perl -w happy  $WAIT::Config = $WAIT::Config; # make perl -w happy
217    
Legend:
Removed from v.71  
changed lines
  Added in v.75
  ViewVC Help
Powered by ViewVC 1.1.26