/[webpac2]/branches/Sack/run.pl
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 /branches/Sack/run.pl

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

revision 141 by dpavlin, Fri Nov 25 00:22:58 2005 UTC revision 430 by dpavlin, Mon Apr 17 15:09:54 2006 UTC
# Line 7  use File::Temp qw/tempdir/; Line 7  use File::Temp qw/tempdir/;
7  use Data::Dumper;  use Data::Dumper;
8  use lib './lib';  use lib './lib';
9    
10    use WebPAC::Common 0.02;
11  use WebPAC::Lookup;  use WebPAC::Lookup;
12  use WebPAC::Input::ISIS;  use WebPAC::Input 0.03;
13  use WebPAC::DB 0.02;  use WebPAC::Store 0.03;
14  use WebPAC::Normalize::XML;  use WebPAC::Normalize::XML;
15  use WebPAC::Output::TT;  use WebPAC::Output::TT;
 use WebPAC::Output::Estraier;  
16  use YAML qw/LoadFile/;  use YAML qw/LoadFile/;
17    use Getopt::Long;
18    use File::Path;
19    use Time::HiRes qw/time/;
20    
21  my $limit = shift @ARGV;  =head1 NAME
22    
23  my $config = LoadFile('conf/config.yml');  run.pl - start WebPAC indexing
24    
25  print "config = ",Dumper($config);  B<this command will probably go away. Don't get used to it!>
26    
27  my $type = lc($config->{input}->{type});  Options:
28    
29  die "I know only how to handle input type isis, not '$type'!\n" unless ($type eq 'isis');  =over 4
30    
31  my $abs_path = abs_path($0);  =item --offset 42
 $abs_path =~ s#/[^/]*$#/#;  
32    
33  my $lookup = new WebPAC::Lookup(  start loading (all) databases at offset 42
         lookup_file => $config->{input}->{lookup},  
 );  
34    
35    =item --limit 100
36    
37    limit loading to 100 records
38    
39  my $isis = new WebPAC::Input::ISIS(  =item --clean
         code_page => $config->{webpac}->{webpac_encoding},  
         limit_mfn => $config->{input}->{limit},  
 );  
40    
41  my $maxmfn = $isis->open(  remove database and Hyper Estraier index before indexing
         filename => $config->{input}->{path},  
         code_page => $config->{input}->{encoding},      # database encoding  
 );  
42    
43  my $path = './db/';  =item --only=database_name
44    
45  my $db = new WebPAC::DB(  reindex just single database (legacy name is --one)
         path => $config->{webpac}->{db_path},  
 );  
46    
47  my $n = new WebPAC::Normalize::XML(  =item --config conf/config.yml
 #       filter => { 'foo' => sub { shift } },  
         db => $db,  
         lookup_regex => $lookup->regex,  
         lookup => $lookup,  
 );  
48    
49  $n->open(  path to YAML configuration file
         tag => $config->{normalize}->{tag},  
         xml_file => $config->{normalize}->{path},  
 );  
50    
51  my $out = new WebPAC::Output::TT(  =back
52          include_path => $config->{webpac}->{template_path},  
53          filters => { foo => sub { shift } },  =cut
54  );  
55    my $offset;
56    my $limit;
57    
58  my $est = new WebPAC::Output::Estraier(  my $clean = 0;
59          %{ $config->{hyperestraier} }  my $config = 'conf/config.yml';
60    my $debug = 0;
61    my $only_db_name;
62    
63    GetOptions(
64            "limit=i" => \$limit,
65            "offset=i" => \$offset,
66            "clean" => \$clean,
67            "one=s" => \$only_db_name,
68            "only=s" => \$only_db_name,
69            "config" => \$config,
70            "debug" => \$debug,
71  );  );
72    
73    $config = LoadFile($config);
74    
75    print "config = ",Dumper($config) if ($debug);
76    
77    die "no databases in config file!\n" unless ($config->{databases});
78    my $use_indexer = $config->{use_indexer} || 'hyperestraier';
79    
80  my $total_rows = 0;  my $total_rows = 0;
81    my $start_t = time();
82    
83    while (my ($database, $db_config) = each %{ $config->{databases} }) {
84    
85            next if ($only_db_name && $database !~ m/$only_db_name/i);
86    
87            my $log = _new WebPAC::Common()->_get_logger();
88    
89            my $indexer;
90    
91            if ($use_indexer eq 'hyperestraier') {
92    
93  for ( 0 ... $isis->size ) {                  #
94                    # open Hyper Estraier database
95                    #
96    
97          my $row = $isis->fetch || next;                  use WebPAC::Output::Estraier '0.10';
98                    my $est_config = $config->{hyperestraier} || $log->logdie("can't find 'hyperestraier' part in confguration");
99                    $est_config->{database} = $database;
100                    $est_config->{clean} = $clean;
101                    $est_config->{label} = $db_config->{name};
102    
103          my $mfn = $row->{'000'}->[0] || die "can't find MFN";                  $indexer = new WebPAC::Output::Estraier( %{ $est_config } );
104            } else {
105                    $log->logdie("unknown use_indexer: $use_indexer");
106            }
107    
108          my $ds = $n->data_structure($row);          $log->logide("can't continue without valid indexer") unless ($indexer);
109    
110  #       print STDERR Dumper($row, $ds);          #
111            # now WebPAC::Store
112  #       my $html = $out->apply(          #
113  #               template => 'html_ffzg.tt',          my $abs_path = abs_path($0);
114  #               data => $ds,          $abs_path =~ s#/[^/]*$#/#;
115  #       );  
116  #          my $db_path = $config->{webpac}->{db_path} . '/' . $database;
117  #       # create test output  
118  #          if ($clean) {
119  #       my $file = sprintf('out/%02d.html', $mfn );                  $log->info("creating new database $database in $db_path");
120  #       open(my $fh, '>', $file) or die "can't open $file: $!";                  rmtree( $db_path ) || $log->warn("can't remove $db_path: $!");
121  #       print $fh $html;          } else {
122  #       close($fh);                  $log->debug("working on $database in $db_path");
123  #          }
124  #       $html =~ s#\s*[\n\r]+\s*##gs;  
125  #          my $db = new WebPAC::Store(
126  #       print STDERR $html;                  path => $db_path,
127                    database => $database,
128          $est->add(                  debug => $debug,
                 id => $mfn,  
                 ds => $ds,  
                 type => $config->{hyperestraier}->{type},  
129          );          );
130    
         $total_rows++;  
131    
132  };          #
133            # now, iterate through input formats
134            #
135    
136            my @inputs;
137            if (ref($db_config->{input}) eq 'ARRAY') {
138                    @inputs = @{ $db_config->{input} };
139            } elsif ($db_config->{input}) {
140                    push @inputs, $db_config->{input};
141            } else {
142                    $log->info("database $database doesn't have inputs defined");
143            }
144    
145            my @supported_inputs = keys %{ $config->{webpac}->{inputs} };
146    
147            foreach my $input (@inputs) {
148    
149                    my $type = lc($input->{type});
150    
151                    die "I know only how to handle input types ", join(",", @supported_inputs), " not '$type'!\n" unless (grep(/$type/, @supported_inputs));
152    
153                    my $lookup = new WebPAC::Lookup(
154                            lookup_file => $input->{lookup},
155                    );
156    
157                    my $input_module = $config->{webpac}->{inputs}->{$type};
158    
159                    $log->info("working on input '$input->{path}' [$input->{type}] using $input_module lookup '$input->{lookup}'");
160    
161                    my $input_db = new WebPAC::Input(
162                            module => $input_module,
163                            code_page => $config->{webpac}->{webpac_encoding},
164                            limit => $limit || $input->{limit},
165                            offset => $offset,
166                            lookup => $lookup,
167                            recode => $input->{recode},
168                    );
169                    $log->logdie("can't create input using $input_module") unless ($input);
170    
171                    my $maxmfn = $input_db->open(
172                            path => $input->{path},
173                            code_page => $input->{encoding},        # database encoding
174                    );
175    
176                    my $n = new WebPAC::Normalize::XML(
177                    #       filter => { 'foo' => sub { shift } },
178                            db => $db,
179                            lookup_regex => $lookup->regex,
180                            lookup => $lookup,
181                            prefix => $input->{name},
182                    );
183    
184                    my $normalize_path = $input->{normalize}->{path};
185    
186                    if ($normalize_path =~ m/\.xml$/i) {
187                            $n->open(
188                                    tag => $input->{normalize}->{tag},
189                                    xml_file => $input->{normalize}->{path},
190                            );
191                    } elsif ($normalize_path =~ m/\.(?:yml|yaml)$/i) {
192                            $n->open_yaml(
193                                    path => $normalize_path,
194                                    tag => $input->{normalize}->{tag},
195                            );
196                    }
197    
198                    foreach my $pos ( 0 ... $input_db->size ) {
199    
200                            my $row = $input_db->fetch || next;
201    
202                            my $mfn = $row->{'000'}->[0];
203    
204                            if (! $mfn || $mfn !~ m#^\d+$#) {
205                                    $log->warn("record $pos doesn't have valid MFN but '$mfn', using $pos");
206                                    $mfn = $pos;
207                                    push @{ $row->{'000'} }, $pos;
208                            }
209    
210                            my $ds = $n->data_structure($row);
211    
212                            $indexer->add(
213                                    id => $input->{name} . "/" . $mfn,
214                                    ds => $ds,
215                                    type => $config->{$use_indexer}->{type},
216                            );
217    
218                            $total_rows++;
219                    }
220    
221            };
222    
223            my $dt = time() - $start_t;
224            $log->info("$total_rows records indexed in " .
225                    sprintf("%.2f sec [%.2f rec/sec]",
226                            $dt, ($total_rows / $dt)
227                    )
228            );
229    
230            if ($use_indexer eq 'hyperestraier') {
231                    #
232                    # add Hyper Estraier links to other databases
233                    #
234                    if (ref($db_config->{links}) eq 'ARRAY') {
235                            foreach my $link (@{ $db_config->{links} }) {
236                                    $log->info("adding link $database -> $link->{to} [$link->{credit}]");
237                                    $indexer->add_link(
238                                            from => $database,
239                                            to => $link->{to},
240                                            credit => $link->{credit},
241                                    );
242                            }
243                    }
244            } else {
245                    $log->warn("links not implemented for $use_indexer");
246            }
247    
248  my $log = $lookup->_get_logger;  }
249    
 $log->info("$total_rows records indexed");  
Legend:
Removed from v.141  
changed lines
  Added in v.430
  ViewVC Help
Powered by ViewVC 1.1.26