/[webpac2]/trunk/lib/WebPAC/Input.pm
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/lib/WebPAC/Input.pm

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

revision 624 by dpavlin, Sat Aug 26 12:00:31 2006 UTC revision 1236 by dpavlin, Fri Jul 10 13:54:55 2009 UTC
# Line 3  package WebPAC::Input; Line 3  package WebPAC::Input;
3  use warnings;  use warnings;
4  use strict;  use strict;
5    
6  use blib;  use lib 'lib';
7    
8  use WebPAC::Common;  use WebPAC::Common;
9  use base qw/WebPAC::Common/;  use base qw/WebPAC::Common/;
10  use Data::Dumper;  use Data::Dump qw/dump/;
11  use Encode qw/from_to/;  use Encode qw/decode from_to/;
12    use YAML;
13    
14  =head1 NAME  =head1 NAME
15    
16  WebPAC::Input - read different file formats into WebPAC  WebPAC::Input - read different file formats into WebPAC
17    
 =head1 VERSION  
   
 Version 0.11  
   
18  =cut  =cut
19    
20  our $VERSION = '0.11';  our $VERSION = '0.19';
21    
22  =head1 SYNOPSIS  =head1 SYNOPSIS
23    
# Line 43  Perhaps a little code snippet. Line 40  Perhaps a little code snippet.
40    
41          my $db = WebPAC::Input->new(          my $db = WebPAC::Input->new(
42                  module => 'WebPAC::Input::ISIS',                  module => 'WebPAC::Input::ISIS',
                 low_mem => 1,  
43          );          );
44    
45          $db->open( path => '/path/to/database' );          $db->open( path => '/path/to/database' );
# Line 62  Create new input database object. Line 58  Create new input database object.
58    
59    my $db = new WebPAC::Input(    my $db = new WebPAC::Input(
60          module => 'WebPAC::Input::MARC',          module => 'WebPAC::Input::MARC',
         encoding => 'ISO-8859-2',  
         low_mem => 1,  
61          recode => 'char pairs',          recode => 'char pairs',
62          no_progress_bar => 1,          no_progress_bar => 1,
63            input_config => {
64                    mapping => [ 'foo', 'bar', 'baz' ],
65            },
66    );    );
67    
68  C<module> is low-level file format module. See L<WebPAC::Input::ISIS> and  C<module> is low-level file format module. See L<WebPAC::Input::ISIS> and
69  L<WebPAC::Input::MARC>.  L<WebPAC::Input::MARC>.
70    
 Optional parametar C<encoding> specify application code page (which will be  
 used internally). This should probably be your terminal encoding, and by  
 default, it C<ISO-8859-2>.  
   
 Default is not to use C<low_mem> options (see L<MEMORY USAGE> below).  
   
71  C<recode> is optional string constisting of character or words pairs that  C<recode> is optional string constisting of character or words pairs that
72  should be replaced in input stream.  should be replaced in input stream.
73    
# Line 94  sub new { Line 85  sub new {
85    
86          my $log = $self->_get_logger;          my $log = $self->_get_logger;
87    
88          $log->logconfess("code_page argument is not suppored any more. change it to encoding") if ($self->{lookup});          $log->logconfess("code_page argument is not suppored any more.") if $self->{code_page};
89          $log->logconfess("lookup argument is not suppored any more. rewrite call to lookup_ref") if ($self->{lookup});          $log->logconfess("encoding argument is not suppored any more.") if $self->{encoding};
90            $log->logconfess("lookup argument is not suppored any more. rewrite call to lookup_ref") if $self->{lookup};
91            $log->logconfess("low_mem argument is not suppored any more. rewrite it to load_row and save_row") if $self->{low_mem};
92    
93          $log->logconfess("specify low-level file format module") unless ($self->{module});          $log->logconfess("specify low-level file format module") unless ($self->{module});
94          my $module = $self->{module};          my $module_path = $self->{module};
95          $module =~ s#::#/#g;          $module_path =~ s#::#/#g;
96          $module .= '.pm';          $module_path .= '.pm';
97          $log->debug("require low-level module $self->{module} from $module");          $log->debug("require low-level module $self->{module} from $module_path");
   
         require $module;  
         #eval $self->{module} .'->import';  
   
         # check if required subclasses are implemented  
         foreach my $subclass (qw/open_db fetch_rec init/) {  
                 my $n = $self->{module} . '::' . $subclass;  
                 if (! defined &{ $n }) {  
                         my $missing = "missing $subclass in $self->{module}";  
                         $self->{$subclass} = sub { $log->logwarn($missing) };  
                 } else {  
                         $self->{$subclass} = \&{ $n };  
                 }  
         }  
   
         if ($self->{init}) {  
                 $log->debug("calling init");  
                 $self->{init}->($self, @_);  
         }  
   
         $self->{'encoding'} ||= 'ISO-8859-2';  
   
         # running with low_mem flag? well, use DBM::Deep then.  
         if ($self->{'low_mem'}) {  
                 $log->info("running with low_mem which impacts performance (<32 Mb memory usage)");  
   
                 my $db_file = "data.db";  
98    
99                  if (-e $db_file) {          require $module_path;
                         unlink $db_file or $log->logdie("can't remove '$db_file' from last run");  
                         $log->debug("removed '$db_file' from last run");  
                 }  
   
                 require DBM::Deep;  
   
                 my $db = new DBM::Deep $db_file;  
   
                 $log->logdie("DBM::Deep error: $!") unless ($db);  
   
                 if ($db->error()) {  
                         $log->logdie("can't open '$db_file' under low_mem: ",$db->error());  
                 } else {  
                         $log->debug("using file '$db_file' for DBM::Deep");  
                 }  
   
                 $self->{'db'} = $db;  
         }  
100    
101          $self ? return $self : return undef;          $self ? return $self : return undef;
102  }  }
# Line 157  sub new { Line 105  sub new {
105    
106  This function will read whole database in memory and produce lookups.  This function will read whole database in memory and produce lookups.
107    
108     my $store;     # simple in-memory hash
109    
110   $input->open(   $input->open(
111          path => '/path/to/database/file',          path => '/path/to/database/file',
112          code_page => 'cp852',          input_encoding => 'cp852',
113            strict_encoding => 0,
114          limit => 500,          limit => 500,
115          offset => 6000,          offset => 6000,
         lookup => $lookup_obj,  
116          stats => 1,          stats => 1,
117          lookup_ref => sub {          lookup_coderef => sub {
118                  my ($k,$v) = @_;                  my $rec = shift;
119                  # store lookup $k => $v                  # store lookups
120          },          },
121          modify_records => {          modify_records => {
122                  900 => { '^a' => { ' : ' => '^b' } },                  900 => { '^a' => { ' : ' => '^b' } },
123                  901 => { '*' => { '^b' => ' ; ' } },                  901 => { '*' => { '^b' => ' ; ' } },
124          },          },
125            modify_file => 'conf/modify/mapping.map',
126            save_row => sub {
127                    my $a = shift;
128                    $store->{ $a->{id} } = $a->{row};
129            },
130            load_row => sub {
131                    my $a = shift;
132                    return defined($store->{ $a->{id} }) &&
133                            $store->{ $a->{id} };
134            },
135    
136   );   );
137    
138  By default, C<code_page> is assumed to be C<cp852>.  By default, C<input_encoding> is assumed to be C<cp852>.
139    
140  C<offset> is optional parametar to position at some offset before reading from database.  C<offset> is optional parametar to position at some offset before reading from database.
141    
# Line 182  C<limit> is optional parametar to read j Line 143  C<limit> is optional parametar to read j
143    
144  C<stats> create optional report about usage of fields and subfields  C<stats> create optional report about usage of fields and subfields
145    
146  C<lookup_coderef> is closure to call when adding C<< key => 'value' >> combinations to  C<lookup_coderef> is closure to called to save data into lookups
 lookup.  
147    
148  C<modify_records> specify mapping from subfields to delimiters or from  C<modify_records> specify mapping from subfields to delimiters or from
149  delimiters to subfields, as well as oprations on fields (if subfield is  delimiters to subfields, as well as oprations on fields (if subfield is
150  defined as C<*>.  defined as C<*>.
151    
152    C<modify_file> is alternative for C<modify_records> above which preserves order and offers
153    (hopefully) simplier sintax than YAML or perl (see L</modify_file_regex>). This option
154    overrides C<modify_records> if both exists for same input.
155    
156    C<save_row> and C<load_row> are low-level implementation of store engine. Calling convention
157    is documented in example above.
158    
159    C<strict_encoding> should really default to 1, but it doesn't for now.
160    
161  Returns size of database, regardless of C<offset> and C<limit>  Returns size of database, regardless of C<offset> and C<limit>
162  parametars, see also C<size>.  parametars, see also C<size>.
163    
# Line 199  sub open { Line 168  sub open {
168          my $arg = {@_};          my $arg = {@_};
169    
170          my $log = $self->_get_logger();          my $log = $self->_get_logger();
171            $log->debug( "arguments: ",dump( $arg ));
172    
173            $log->logconfess("encoding argument is not suppored any more.") if $self->{encoding};
174            $log->logconfess("code_page argument is not suppored any more.") if $self->{code_page};
175          $log->logconfess("lookup argument is not suppored any more. rewrite call to lookup_coderef") if ($arg->{lookup});          $log->logconfess("lookup argument is not suppored any more. rewrite call to lookup_coderef") if ($arg->{lookup});
176          $log->logconfess("lookup_coderef must be CODE, not ",ref($arg->{lookup_coderef}))          $log->logconfess("lookup_coderef must be CODE, not ",ref($arg->{lookup_coderef}))
177                  if ($arg->{lookup_coderef} && ref($arg->{lookup_coderef}) ne 'CODE');                  if ($arg->{lookup_coderef} && ref($arg->{lookup_coderef}) ne 'CODE');
178    
179            $log->debug( $arg->{lookup_coderef} ? '' : 'not ', "using lookup_coderef");
180    
181          $log->logcroak("need path") if (! $arg->{'path'});          $log->logcroak("need path") if (! $arg->{'path'});
182          my $code_page = $arg->{'code_page'} || 'cp852';          my $input_encoding = $arg->{'input_encoding'} || $self->{'input_encoding'} || 'cp852';
183    
184          # store data in object          # store data in object
         $self->{'input_code_page'} = $code_page;  
185          foreach my $v (qw/path offset limit/) {          foreach my $v (qw/path offset limit/) {
186                  $self->{$v} = $arg->{$v} if ($arg->{$v});                  $self->{$v} = $arg->{$v} if ($arg->{$v});
187          }          }
188    
189            if ($arg->{load_row} || $arg->{save_row}) {
190                    $log->logconfess("save_row and load_row must be defined in pair and be CODE") unless (
191                            ref($arg->{load_row}) eq 'CODE' &&
192                            ref($arg->{save_row}) eq 'CODE'
193                    );
194                    $self->{load_row} = $arg->{load_row};
195                    $self->{save_row} = $arg->{save_row};
196                    $log->debug("using load_row and save_row instead of in-memory hash");
197            }
198    
199          my $filter_ref;          my $filter_ref;
200          my $recode_regex;          my $recode_regex;
201          my $recode_map;          my $recode_map;
# Line 235  sub open { Line 218  sub open {
218    
219          }          }
220    
221          my $rec_regex = $self->modify_record_regexps(%{ $arg->{modify_records} });          my $rec_regex;
222          $log->debug("rec_regex: ", Dumper($rec_regex));          if (my $p = $arg->{modify_file}) {
223                    $log->debug("using modify_file $p");
224                    $rec_regex = $self->modify_file_regexps( $p );
225            } elsif (my $h = $arg->{modify_records}) {
226                    $log->debug("using modify_records ", sub { dump( $h ) });
227                    $rec_regex = $self->modify_record_regexps(%{ $h });
228            }
229            $log->debug("rec_regex: ", sub { dump($rec_regex) }) if ($rec_regex);
230    
231          my ($db, $size) = $self->{open_db}->( $self,          my $class = $self->{module} || $log->logconfess("can't get low-level module name!");
232    
233            my $ll_db = $class->new(
234                  path => $arg->{path},                  path => $arg->{path},
235                    input_config => $arg->{input_config} || $self->{input_config},
236  #               filter => sub {  #               filter => sub {
237  #                       my ($l,$f_nr) = @_;  #                       my ($l,$f_nr) = @_;
238  #                       return unless defined($l);  #                       return unless defined($l);
239  #                       from_to($l, $code_page, $self->{'encoding'});  #                       $l = decode($input_encoding, $l);
240  #                       $l =~ s/($recode_regex)/$recode_map->{$1}/g if ($recode_regex && $recode_map);  #                       $l =~ s/($recode_regex)/$recode_map->{$1}/g if ($recode_regex && $recode_map);
241  #                       return $l;  #                       return $l;
242  #               },  #               },
243                  %{ $arg },                  %{ $arg },
244          );          );
245    
246          unless (defined($db)) {          # save for dump and input_module
247            $self->{ll_db} = $ll_db;
248    
249            unless (defined($ll_db)) {
250                  $log->logwarn("can't open database $arg->{path}, skipping...");                  $log->logwarn("can't open database $arg->{path}, skipping...");
251                  return;                  return;
252          }          }
253    
254            my $size = $ll_db->size;
255    
256          unless ($size) {          unless ($size) {
257                  $log->logwarn("no records in database $arg->{path}, skipping...");                  $log->logwarn("no records in database $arg->{path}, skipping...");
258                  return;                  return;
# Line 279  sub open { Line 277  sub open {
277          # store size for later          # store size for later
278          $self->{size} = ($to_rec - $from_rec) ? ($to_rec - $from_rec + 1) : 0;          $self->{size} = ($to_rec - $from_rec) ? ($to_rec - $from_rec + 1) : 0;
279    
280          $log->info("processing $self->{size}/$size records [$from_rec-$to_rec] convert $code_page -> $self->{encoding}", $self->{stats} ? ' [stats]' : '');          my $strict_encoding = $arg->{strict_encoding} || $self->{strict_encoding}; ## FIXME should be 1 really
281    
282            $log->info("processing $self->{size}/$size records [$from_rec-$to_rec]",
283                    " encoding $input_encoding ", $strict_encoding ? ' [strict]' : '',
284                    $self->{stats} ? ' [stats]' : '',
285            );
286    
287          # read database          # read database
288          for (my $pos = $from_rec; $pos <= $to_rec; $pos++) {          for (my $pos = $from_rec; $pos <= $to_rec; $pos++) {
289    
290                  $log->debug("position: $pos\n");                  $log->debug("position: $pos\n");
291    
292                  my $rec = $self->{fetch_rec}->($self, $db, $pos, sub {                  my $rec = $ll_db->fetch_rec($pos, sub {
293                                  my ($l,$f_nr) = @_;                                  my ($l,$f_nr,$debug) = @_;
294  #                               return unless defined($l);  #                               return unless defined($l);
295  #                               return $l unless ($rec_regex && $f_nr);  #                               return $l unless ($rec_regex && $f_nr);
296    
297  warn "## --> $f_nr ## $l\n";                                  return unless ( defined($l) && defined($f_nr) );
298    
299                                    warn "-=> $f_nr ## |$l|\n" if ($debug);
300                                    $log->debug("-=> $f_nr ## $l");
301    
302                                  # codepage conversion and recode_regex                                  # codepage conversion and recode_regex
303  #                               from_to($l, $code_page, $self->{'encoding'});                                  $l = decode($input_encoding, $l, 1);
                                 from_to($l, $code_page, 'utf-8');  
304                                  $l =~ s/($recode_regex)/$recode_map->{$1}/g if ($recode_regex && $recode_map);                                  $l =~ s/($recode_regex)/$recode_map->{$1}/g if ($recode_regex && $recode_map);
305    
306                                  # apply regexps                                  # apply regexps
# Line 302  warn "## --> $f_nr ## $l\n"; Line 308  warn "## --> $f_nr ## $l\n";
308                                          $log->logconfess("regexps->{$f_nr} must be ARRAY") if (ref($rec_regex->{$f_nr}) ne 'ARRAY');                                          $log->logconfess("regexps->{$f_nr} must be ARRAY") if (ref($rec_regex->{$f_nr}) ne 'ARRAY');
309                                          my $c = 0;                                          my $c = 0;
310                                          foreach my $r (@{ $rec_regex->{$f_nr} }) {                                          foreach my $r (@{ $rec_regex->{$f_nr} }) {
311                                                  #$log->debug("\$l = $l\neval \$l =~ $r");                                                  my $old_l = $l;
312                                                  eval '$l =~ ' . $r;                                                  $log->logconfess("expected regex in ", dump( $r )) unless defined($r->{regex});
313                                                  $log->error("error applying regex: $r") if ($@);                                                  eval '$l =~ ' . $r->{regex};
314                                                    if ($old_l ne $l) {
315                                                            my $d = "|$old_l| -> |$l| "; # . $r->{regex};
316                                                            $d .= ' +' . $r->{line} . ' ' . $r->{file} if defined($r->{line});
317                                                            $d .= ' ' . $r->{debug} if defined($r->{debug});
318                                                            $log->debug("MODIFY $d");
319                                                            warn "*** $d\n" if ($debug);
320    
321                                                    }
322                                                    $log->error("error applying regex: ",dump($r), $@) if $@;
323                                          }                                          }
324                                  }                                  }
325    
326  warn "## <-- $f_nr ## $l\n";                                  $log->debug("<=- $f_nr ## |$l|");
327                                    warn "<=- $f_nr ## $l\n" if ($debug);
328                                  return $l;                                  return $l;
329                  });                  });
330    
331                  $log->debug(sub { Dumper($rec) });                  $log->debug(sub { dump($rec) });
332    
333                  if (! $rec) {                  if (! $rec) {
334                          $log->warn("record $pos empty? skipping...");                          $log->warn("record $pos empty? skipping...");
# Line 320  warn "## <-- $f_nr ## $l\n"; Line 336  warn "## <-- $f_nr ## $l\n";
336                  }                  }
337    
338                  # store                  # store
339                  if ($self->{low_mem}) {                  if ($self->{save_row}) {
340                          $self->{db}->put($pos, $rec);                          $self->{save_row}->({
341                                    id => $pos,
342                                    row => $rec,
343                            });
344                  } else {                  } else {
345                          $self->{data}->{$pos} = $rec;                          $self->{data}->{$pos} = $rec;
346                  }                  }
# Line 333  warn "## <-- $f_nr ## $l\n"; Line 352  warn "## <-- $f_nr ## $l\n";
352                  if ($self->{stats}) {                  if ($self->{stats}) {
353    
354                          # fetch clean record with regexpes applied for statistics                          # fetch clean record with regexpes applied for statistics
355                          my $rec = $self->{fetch_rec}->($self, $db, $pos);                          my $rec = $ll_db->fetch_rec($pos);
356    
357                          foreach my $fld (keys %{ $rec }) {                          foreach my $fld (keys %{ $rec }) {
358                                  $self->{_stats}->{fld}->{ $fld }++;                                  $self->{_stats}->{fld}->{ $fld }++;
359    
360                                  $log->logdie("invalid record fild $fld, not ARRAY")                                  #$log->logdie("invalid record fild $fld, not ARRAY")
361                                          unless (ref($rec->{ $fld }) eq 'ARRAY');                                  next unless (ref($rec->{ $fld }) eq 'ARRAY');
362                    
363                                  foreach my $row (@{ $rec->{$fld} }) {                                  foreach my $row (@{ $rec->{$fld} }) {
364    
# Line 373  warn "## <-- $f_nr ## $l\n"; Line 392  warn "## <-- $f_nr ## $l\n";
392          return $size;          return $size;
393  }  }
394    
395    sub input_module { $_[0]->{ll_db} }
396    
397  =head2 fetch  =head2 fetch
398    
399  Fetch next record from database. It will also displays progress bar.  Fetch next record from database. It will also displays progress bar.
# Line 409  sub fetch { Line 430  sub fetch {
430    
431          my $rec;          my $rec;
432    
433          if ($self->{low_mem}) {          if ($self->{load_row}) {
434                  $rec = $self->{db}->get($mfn);                  $rec = $self->{load_row}->({ id => $mfn });
435          } else {          } else {
436                  $rec = $self->{data}->{$mfn};                  $rec = $self->{data}->{$mfn};
437          }          }
# Line 465  First record in database has position 1. Line 486  First record in database has position 1.
486    
487  sub seek {  sub seek {
488          my $self = shift;          my $self = shift;
489          my $pos = shift || return;          my $pos = shift;
490    
491          my $log = $self->_get_logger();          my $log = $self->_get_logger();
492    
493            $log->logconfess("called without pos") unless defined($pos);
494    
495          if ($pos < 1) {          if ($pos < 1) {
496                  $log->warn("seek before first record");                  $log->warn("seek before first record");
497                  $pos = 1;                  $pos = 1;
# Line 503  sub stats { Line 526  sub stats {
526    
527          my $out = join("\n",          my $out = join("\n",
528                  map {                  map {
529                          my $f = $_ || die "no field";                          my $f = $_;
530                            die "no field in ", dump( $s->{fld} ) unless defined( $f );
531                          my $v = $s->{fld}->{$f} || die "no s->{fld}->{$f}";                          my $v = $s->{fld}->{$f} || die "no s->{fld}->{$f}";
532                          $max_fld = $v if ($v > $max_fld);                          $max_fld = $v if ($v > $max_fld);
533    
534                          my $o = sprintf("%4s %d ~", $f, $v);                          my $o = sprintf("%4s %d ~", $f, $v);
535    
536                          if (defined($s->{sf}->{$f})) {                          if (defined($s->{sf}->{$f})) {
537                                    my @subfields = keys %{ $s->{sf}->{$f} };
538                                  map {                                  map {
539                                          $o .= sprintf(" %s:%d%s", $_,                                          $o .= sprintf(" %s:%d%s", $_,
540                                                  $s->{sf}->{$f}->{$_}->{count},                                                  $s->{sf}->{$f}->{$_}->{count},
541                                                  $s->{sf}->{$f}->{$_}->{repeatable} ? '*' : '',                                                  $s->{sf}->{$f}->{$_}->{repeatable} ? '*' : '',
542                                          );                                          );
543                                  } sort keys %{ $s->{sf}->{$f} };                                  } (
544                                            # first indicators and other special subfields
545                                            sort( grep { length($_)  > 1 } @subfields ),
546                                            # then subfileds (single char)
547                                            sort( grep { length($_) == 1 } @subfields ),
548                                    );
549                          }                          }
550    
551                          if (my $v_r = $s->{repeatable}->{$f}) {                          if (my $v_r = $s->{repeatable}->{$f}) {
# Line 523  sub stats { Line 553  sub stats {
553                          }                          }
554    
555                          $o;                          $o;
556                  } sort { $a cmp $b } keys %{ $s->{fld} }                  } sort {
557                            if ( $a =~ m/^\d+$/ && $b =~ m/^\d+$/ ) {
558                                    $a <=> $b
559                            } else {
560                                    $a cmp $b
561                            }
562                    } keys %{ $s->{fld} }
563          );          );
564    
565          $log->debug( sub { Dumper($s) } );          $log->debug( sub { dump($s) } );
566    
567            my $path = 'var/stats.yml';
568            YAML::DumpFile( $path, $s );
569            $log->info( 'created ', $path, ' with ', -s $path, ' bytes' );
570    
571          return $out;          return $out;
572  }  }
573    
574    =head2 dump_ascii
575    
576    Display humanly readable dump of record
577    
578    =cut
579    
580    sub dump_ascii {
581            my $self = shift;
582    
583            return unless $self->{ll_db};
584    
585            if ($self->{ll_db}->can('dump_ascii')) {
586                    return $self->{ll_db}->dump_ascii( $self->{pos} );
587            } else {
588                    return dump( $self->{ll_db}->fetch_rec( $self->{pos} ) );
589            }
590    }
591    
592    =head2 _get_regex
593    
594    Helper function called which create regexps to be execute on code.
595    
596      _get_regex( 900, 'regex:[0-9]+' ,'numbers' );
597      _get_regex( 900, '^b', ' : ^b' );
598    
599    It supports perl regexps with C<regex:> prefix to from value and has
600    additional logic to skip empty subfields.
601    
602    =cut
603    
604    sub _get_regex {
605            my ($sf,$from,$to) = @_;
606    
607            # protect /
608            $from =~ s!/!\\/!gs;
609            $to =~ s!/!\\/!gs;
610    
611            if ($from =~ m/^regex:(.+)$/) {
612                    $from = $1;
613            } else {
614                    $from = '\Q' . $from . '\E';
615            }
616            if ($sf =~ /^\^/) {
617                    my $need_subfield_data = '*';   # no
618                    # if from is also subfield, require some data in between
619                    # to correctly skip empty subfields
620                    $need_subfield_data = '+' if ($from =~ m/^\\Q\^/);
621                    return
622                            's/\Q'. $sf .'\E([^\^]' . $need_subfield_data . '?)'. $from .'([^\^]*?)/'. $sf .'$1'. $to .'$2/';
623            } else {
624                    return
625                            's/'. $from .'/'. $to .'/g';
626            }
627    }
628    
629    
630  =head2 modify_record_regexps  =head2 modify_record_regexps
631    
632  Generate hash with regexpes to be applied using L<filter>.  Generate hash with regexpes to be applied using L<filter>.
# Line 548  sub modify_record_regexps { Line 644  sub modify_record_regexps {
644    
645          my $regexpes;          my $regexpes;
646    
647            my $log = $self->_get_logger();
648    
649          foreach my $f (keys %$modify_record) {          foreach my $f (keys %$modify_record) {
650  warn "--- f: $f\n";                  $log->debug("field: $f");
651    
652                  foreach my $sf (keys %{ $modify_record->{$f} }) {                  foreach my $sf (keys %{ $modify_record->{$f} }) {
653  warn "---- sf: $sf\n";                          $log->debug("subfield: $sf");
654    
655                          foreach my $from (keys %{ $modify_record->{$f}->{$sf} }) {                          foreach my $from (keys %{ $modify_record->{$f}->{$sf} }) {
656                                  my $to = $modify_record->{$f}->{$sf}->{$from};                                  my $to = $modify_record->{$f}->{$sf}->{$from};
657                                  #die "no field?" unless defined($to);                                  #die "no field?" unless defined($to);
658  warn "----- transform: |$from| -> |$to|\n";                                  my $d = "|$from| -> |$to|";
659                                    $log->debug("transform: $d");
                                 if ($sf =~ /^\^/) {  
                                         my $regex =  
                                                 's/\Q'. $sf .'\E([^\^]+)\Q'. $from .'\E([^\^]+)/'. $sf .'$1'. $to .'$2/g';  
                                         push @{ $regexpes->{$f} }, $regex;  
 warn ">>>>> $regex [sf]\n";  
                                 } else {  
                                         my $regex =  
                                                 's/\Q'. $from .'\E/'. $to .'/g';  
                                         push @{ $regexpes->{$f} }, $regex;  
 warn ">>>>> $regex [global]\n";  
                                 }  
660    
661                                    my $regex = _get_regex($sf,$from,$to);
662                                    push @{ $regexpes->{$f} }, { regex => $regex, debug => $d };
663                                    $log->debug("regex: $regex");
664                          }                          }
665                  }                  }
666          }          }
# Line 576  warn ">>>>> $regex [global]\n"; Line 668  warn ">>>>> $regex [global]\n";
668          return $regexpes;          return $regexpes;
669  }  }
670    
671  =head1 MEMORY USAGE  =head2 modify_file_regexps
672    
673    Generate hash with regexpes to be applied using L<filter> from
674    pseudo hash/yaml format for regex mappings.
675    
676    It should be obvious:
677    
678            200
679              '^a'
680                ' : ' => '^e'
681                ' = ' => '^d'
682    
683    In field I<200> find C<'^a'> and then C<' : '>, and replace it with C<'^e'>.
684    In field I<200> find C<'^a'> and then C<' = '>, and replace it with C<'^d'>.
685    
686      my $regexpes = $input->modify_file_regexps( 'conf/modify/common.pl' );
687    
688    On undef path it will just return.
689    
690  C<low_mem> options is double-edged sword. If enabled, WebPAC  =cut
691  will run on memory constraint machines (which doesn't have enough  
692  physical RAM to create memory structure for whole source database).  sub modify_file_regexps {
693            my $self = shift;
694  If your machine has 512Mb or more of RAM and database is around 10000 records,  
695  memory shouldn't be an issue. If you don't have enough physical RAM, you          my $modify_path = shift || return;
696  might consider using virtual memory (if your operating system is handling it  
697  well, like on FreeBSD or Linux) instead of dropping to L<DBM::Deep> to handle          my $log = $self->_get_logger();
 parsed structure of ISIS database (this is what C<low_mem> option does).  
   
 Hitting swap at end of reading source database is probably o.k. However,  
 hitting swap before 90% will dramatically decrease performance and you will  
 be better off with C<low_mem> and using rest of availble memory for  
 operating system disk cache (Linux is particuallary good about this).  
 However, every access to database record will require disk access, so  
 generation phase will be slower 10-100 times.  
   
 Parsed structures are essential - you just have option to trade RAM memory  
 (which is fast) for disk space (which is slow). Be sure to have planty of  
 disk space if you are using C<low_mem> and thus L<DBM::Deep>.  
   
 However, when WebPAC is running on desktop machines (or laptops :-), it's  
 highly undesireable for system to start swapping. Using C<low_mem> option can  
 reduce WecPAC memory usage to around 64Mb for same database with lookup  
 fields and sorted indexes which stay in RAM. Performance will suffer, but  
 memory usage will really be minimal. It might be also more confortable to  
 run WebPAC reniced on those machines.  
698    
699            my $regexpes;
700    
701            CORE::open(my $fh, $modify_path) || $log->logdie("can't open modify file $modify_path: $!");
702    
703            my ($f,$sf);
704    
705            while(<$fh>) {
706                    chomp;
707                    next if (/^#/ || /^\s*$/);
708    
709                    if (/^\s*(\d+)\s*$/) {
710                            $f = $1;
711                            $log->debug("field: $f");
712                            next;
713                    } elsif (/^\s*'([^']*)'\s*$/) {
714                            $sf = $1;
715                            $log->die("can't define subfiled before field in: $_") unless ($f);
716                            $log->debug("subfield: $sf");
717                    } elsif (/^\s*'([^']*)'\s*=>\s*'([^']*)'\s*$/) {
718                            my ($from,$to) = ($1, $2);
719    
720                            $log->debug("transform: |$from| -> |$to|");
721    
722                            my $regex = _get_regex($sf,$from,$to);
723                            push @{ $regexpes->{$f} }, {
724                                    regex => $regex,
725                                    file => $modify_path,
726                                    line => $.,
727                            };
728                            $log->debug("regex: $regex");
729                    } else {
730                            die "can't parse: $_";
731                    }
732            }
733    
734            return $regexpes;
735    }
736    
737  =head1 AUTHOR  =head1 AUTHOR
738    
Legend:
Removed from v.624  
changed lines
  Added in v.1236
  ViewVC Help
Powered by ViewVC 1.1.26