/[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 285 by dpavlin, Sun Dec 18 21:06:39 2005 UTC revision 797 by dpavlin, Sun Feb 4 13:28:30 2007 UTC
# Line 7  use blib; Line 7  use blib;
7    
8  use WebPAC::Common;  use WebPAC::Common;
9  use base qw/WebPAC::Common/;  use base qw/WebPAC::Common/;
10  use Text::Iconv;  use Data::Dump qw/dump/;
11    use Encode qw/from_to/;
12    
13  =head1 NAME  =head1 NAME
14    
15  WebPAC::Input - core module for input file format  WebPAC::Input - read different file formats into WebPAC
16    
17  =head1 VERSION  =head1 VERSION
18    
19  Version 0.02  Version 0.17
20    
21  =cut  =cut
22    
23  our $VERSION = '0.02';  our $VERSION = '0.17';
24    
25  =head1 SYNOPSIS  =head1 SYNOPSIS
26    
27  This module is used as base class for all database specific modules  This module implements input as database which have fixed and known
28  (basically, files which have one handle, fixed size while indexing and some  I<size> while indexing and single unique numeric identifier for database
29  kind of numeric idefinirier which goes from 1 to filesize).  position ranging from 1 to I<size>.
30    
31    Simply, something that is indexed by unmber from 1 .. I<size>.
32    
33    Examples of such databases are CDS/ISIS files, MARC files, lines in
34    text file, and so on.
35    
36    Specific file formats are implemented using low-level interface modules,
37    located in C<WebPAC::Input::*> namespace which export C<open_db>,
38    C<fetch_rec> and optional C<init> functions.
39    
40  Perhaps a little code snippet.  Perhaps a little code snippet.
41    
42      use WebPAC::Input;          use WebPAC::Input;
43    
44            my $db = WebPAC::Input->new(
45                    module => 'WebPAC::Input::ISIS',
46            );
47    
48            $db->open( path => '/path/to/database' );
49            print "database size: ",$db->size,"\n";
50            while (my $rec = $db->fetch) {
51                    # do something with $rec
52            }
53    
54    
     my $db = WebPAC::Input->new(  
         format => 'NULL',  
         config => $config,  
         lookup => $lookup_obj,  
         low_mem => 1,  
     );  
   
     $db->open('/path/to/database');  
     print "database size: ",$db->size,"\n";  
     while (my $row = $db->fetch) {  
         ...  
     }  
55    
56  =head1 FUNCTIONS  =head1 FUNCTIONS
57    
# Line 51  Perhaps a little code snippet. Line 60  Perhaps a little code snippet.
60  Create new input database object.  Create new input database object.
61    
62    my $db = new WebPAC::Input(    my $db = new WebPAC::Input(
63          format => 'NULL'          module => 'WebPAC::Input::MARC',
64          code_page => 'ISO-8859-2',          encoding => 'ISO-8859-2',
65          low_mem => 1,          recode => 'char pairs',
66            no_progress_bar => 1,
67    );    );
68    
69  Optional parametar C<code_page> specify application code page (which will be  C<module> is low-level file format module. See L<WebPAC::Input::ISIS> and
70    L<WebPAC::Input::MARC>.
71    
72    Optional parametar C<encoding> specify application code page (which will be
73  used internally). This should probably be your terminal encoding, and by  used internally). This should probably be your terminal encoding, and by
74  default, it C<ISO-8859-2>.  default, it C<ISO-8859-2>.
75    
76  Default is not to use C<low_mem> options (see L<MEMORY USAGE> below).  C<recode> is optional string constisting of character or words pairs that
77    should be replaced in input stream.
78    
79    C<no_progress_bar> disables progress bar output on C<STDOUT>
80    
81  This function will also call low-level C<init> if it exists with same  This function will also call low-level C<init> if it exists with same
82  parametars.  parametars.
# Line 74  sub new { Line 90  sub new {
90    
91          my $log = $self->_get_logger;          my $log = $self->_get_logger;
92    
93          # check if required subclasses are implemented          $log->logconfess("code_page argument is not suppored any more. change it to encoding") if ($self->{lookup});
94          foreach my $subclass (qw/open_db fetch_rec/) {          $log->logconfess("lookup argument is not suppored any more. rewrite call to lookup_ref") if ($self->{lookup});
95                  $log->logdie("missing implementation of $subclass") unless ($self->SUPER::can($subclass));          $log->logconfess("low_mem argument is not suppored any more. rewrite it to load_row and save_row") if ($self->{low_mem});
96          }  
97            $log->logconfess("specify low-level file format module") unless ($self->{module});
98            my $module_path = $self->{module};
99            $module_path =~ s#::#/#g;
100            $module_path .= '.pm';
101            $log->debug("require low-level module $self->{module} from $module_path");
102    
103          if ($self->can('init')) {          require $module_path;
                 $log->debug("calling init");  
                 $self->init(@_);  
         }  
   
         $self->{'code_page'} ||= 'ISO-8859-2';  
104    
105          # running with low_mem flag? well, use DBM::Deep then.          $self->{'encoding'} ||= 'ISO-8859-2';
         if ($self->{'low_mem'}) {  
                 $log->info("running with low_mem which impacts performance (<32 Mb memory usage)");  
106    
107                  my $db_file = "data.db";          $self ? return $self : return undef;
108    }
109    
110                  if (-e $db_file) {  =head2 open
                         unlink $db_file or $log->logdie("can't remove '$db_file' from last run");  
                         $log->debug("removed '$db_file' from last run");  
                 }  
111    
112                  require DBM::Deep;  This function will read whole database in memory and produce lookups.
113    
114                  my $db = new DBM::Deep $db_file;   my $store;     # simple in-memory hash
115    
116                  $log->logdie("DBM::Deep error: $!") unless ($db);   $input->open(
117            path => '/path/to/database/file',
118            code_page => 'cp852',
119            limit => 500,
120            offset => 6000,
121            stats => 1,
122            lookup_coderef => sub {
123                    my $rec = shift;
124                    # store lookups
125            },
126            modify_records => {
127                    900 => { '^a' => { ' : ' => '^b' } },
128                    901 => { '*' => { '^b' => ' ; ' } },
129            },
130            modify_file => 'conf/modify/mapping.map',
131            save_row => sub {
132                    my $a = shift;
133                    $store->{ $a->{id} } = $a->{row};
134            },
135            load_row => sub {
136                    my $a = shift;
137                    return defined($store->{ $a->{id} }) &&
138                            $store->{ $a->{id} };
139            },
140    
141                  if ($db->error()) {   );
                         $log->logdie("can't open '$db_file' under low_mem: ",$db->error());  
                 } else {  
                         $log->debug("using file '$db_file' for DBM::Deep");  
                 }  
142    
143                  $self->{'db'} = $db;  By default, C<code_page> is assumed to be C<cp852>.
         }  
144    
145          $self ? return $self : return undef;  C<offset> is optional parametar to position at some offset before reading from database.
 }  
146    
147  =head2 open  C<limit> is optional parametar to read just C<limit> records from database
148    
149  This function will read whole database in memory and produce lookups.  C<stats> create optional report about usage of fields and subfields
150    
151   $isis->open(  C<lookup_coderef> is closure to called to save data into lookups
         path => '/path/to/database/file',  
         code_page => '852',  
         limit_mfn => 500,  
         start_mfn => 6000,  
         lookup => $lookup_obj,  
  );  
152    
153  By default, C<code_page> is assumed to be C<852>.  C<modify_records> specify mapping from subfields to delimiters or from
154    delimiters to subfields, as well as oprations on fields (if subfield is
155    defined as C<*>.
156    
157  If optional parametar C<start_mfn> is set, this will be first MFN to read  C<modify_file> is alternative for C<modify_records> above which preserves order and offers
158  from database (so you can skip beginning of your database if you need to).  (hopefully) simplier sintax than YAML or perl (see L</modify_file_regex>). This option
159    overrides C<modify_records> if both exists for same input.
160    
161  If optional parametar C<limit_mfn> is set, it will read just 500 records  C<save_row> and C<load_row> are low-level implementation of store engine. Calling convention
162  from database in example above.  is documented in example above.
163    
164  Returns size of database, regardless of C<start_mfn> and C<limit_mfn>  Returns size of database, regardless of C<offset> and C<limit>
165  parametars, see also C<$isis->size>.  parametars, see also C<size>.
166    
167  =cut  =cut
168    
# Line 146  sub open { Line 172  sub open {
172    
173          my $log = $self->_get_logger();          my $log = $self->_get_logger();
174    
175            $log->logconfess("lookup argument is not suppored any more. rewrite call to lookup_coderef") if ($arg->{lookup});
176            $log->logconfess("lookup_coderef must be CODE, not ",ref($arg->{lookup_coderef}))
177                    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'} || '852';          my $code_page = $arg->{'code_page'} || 'cp852';
183    
184          # store data in object          # store data in object
185          $self->{'code_page'} = $code_page;          $self->{'input_code_page'} = $code_page;
186          foreach my $v (qw/path start_mfn limit_mfn/) {          foreach my $v (qw/path offset limit/) {
187                  $self->{$v} = $arg->{$v} if ($arg->{$v});                  $self->{$v} = $arg->{$v} if ($arg->{$v});
188          }          }
189    
190          # create Text::Iconv object          if ($arg->{load_row} || $arg->{save_row}) {
191          $self->{iconv} = Text::Iconv->new($code_page,$self->{'code_page'});                  $log->logconfess("save_row and load_row must be defined in pair and be CODE") unless (
192                            ref($arg->{load_row}) eq 'CODE' &&
193                            ref($arg->{save_row}) eq 'CODE'
194                    );
195                    $self->{load_row} = $arg->{load_row};
196                    $self->{save_row} = $arg->{save_row};
197                    $log->debug("using load_row and save_row instead of in-memory hash");
198            }
199    
200            my $filter_ref;
201            my $recode_regex;
202            my $recode_map;
203    
204            if ($self->{recode}) {
205                    my @r = split(/\s/, $self->{recode});
206                    if ($#r % 2 != 1) {
207                            $log->logwarn("recode needs even number of elements (some number of valid pairs)");
208                    } else {
209                            while (@r) {
210                                    my $from = shift @r;
211                                    my $to = shift @r;
212                                    $recode_map->{$from} = $to;
213                            }
214    
215                            $recode_regex = join '|' => keys %{ $recode_map };
216    
217          my ($db, $size) = $self->open_db(                          $log->debug("using recode regex: $recode_regex");
218                    }
219    
220            }
221    
222            my $rec_regex;
223            if (my $p = $arg->{modify_file}) {
224                    $log->debug("using modify_file $p");
225                    $rec_regex = $self->modify_file_regexps( $p );
226            } elsif (my $h = $arg->{modify_records}) {
227                    $log->debug("using modify_records ", sub { dump( $h ) });
228                    $rec_regex = $self->modify_record_regexps(%{ $h });
229            }
230            $log->debug("rec_regex: ", sub { dump($rec_regex) }) if ($rec_regex);
231    
232            my $class = $self->{module} || $log->logconfess("can't get low-level module name!");
233    
234            my $ll_db = $class->new(
235                  path => $arg->{path},                  path => $arg->{path},
236    #               filter => sub {
237    #                       my ($l,$f_nr) = @_;
238    #                       return unless defined($l);
239    #                       from_to($l, $code_page, $self->{'encoding'});
240    #                       $l =~ s/($recode_regex)/$recode_map->{$1}/g if ($recode_regex && $recode_map);
241    #                       return $l;
242    #               },
243                    %{ $arg },
244          );          );
245    
246          unless ($db) {          unless (defined($ll_db)) {
247                  $log->logwarn("can't open database $arg->{path}, skipping...");                  $log->logwarn("can't open database $arg->{path}, skipping...");
248                  return;                  return;
249          }          }
250    
251            my $size = $ll_db->size;
252    
253          unless ($size) {          unless ($size) {
254                  $log->logwarn("no records in database $arg->{path}, skipping...");                  $log->logwarn("no records in database $arg->{path}, skipping...");
255                  return;                  return;
256          }          }
257    
258          my $startmfn = 1;          my $from_rec = 1;
259          my $maxmfn = $size;          my $to_rec = $size;
260    
261          if (my $s = $self->{start_mfn}) {          if (my $s = $self->{offset}) {
262                  $log->info("skipping to MFN $s");                  $log->debug("skipping to MFN $s");
263                  $startmfn = $s;                  $from_rec = $s;
264          } else {          } else {
265                  $self->{start_mfn} = $startmfn;                  $self->{offset} = $from_rec;
266          }          }
267    
268          if ($self->{limit_mfn}) {          if ($self->{limit}) {
269                  $log->info("limiting to ",$self->{limit_mfn}," records");                  $log->debug("limiting to ",$self->{limit}," records");
270                  $maxmfn = $startmfn + $self->{limit_mfn} - 1;                  $to_rec = $from_rec + $self->{limit} - 1;
271                  $maxmfn = $size if ($maxmfn > $size);                  $to_rec = $size if ($to_rec > $size);
272          }          }
273    
274          # store size for later          # store size for later
275          $self->{size} = ($maxmfn - $startmfn) ? ($maxmfn - $startmfn + 1) : 0;          $self->{size} = ($to_rec - $from_rec) ? ($to_rec - $from_rec + 1) : 0;
276    
277          $log->info("processing $self->{size} records in $code_page, convert to $self->{code_page}");          $log->info("processing $self->{size}/$size records [$from_rec-$to_rec] convert $code_page -> $self->{encoding}", $self->{stats} ? ' [stats]' : '');
278    
279          # read database          # read database
280          for (my $mfn = $startmfn; $mfn <= $maxmfn; $mfn++) {          for (my $pos = $from_rec; $pos <= $to_rec; $pos++) {
281    
282                  $log->debug("mfn: $mfn\n");                  $log->debug("position: $pos\n");
283    
284                  my $rec = $self->fetch_rec( $db, $mfn );                  my $rec = $ll_db->fetch_rec($pos, sub {
285                                    my ($l,$f_nr) = @_;
286    #                               return unless defined($l);
287    #                               return $l unless ($rec_regex && $f_nr);
288    
289                                    $log->debug("-=> $f_nr ## $l");
290    
291                                    # codepage conversion and recode_regex
292                                    from_to($l, $code_page, $self->{'encoding'});
293                                    $l =~ s/($recode_regex)/$recode_map->{$1}/g if ($recode_regex && $recode_map);
294    
295                                    # apply regexps
296                                    if ($rec_regex && defined($rec_regex->{$f_nr})) {
297                                            $log->logconfess("regexps->{$f_nr} must be ARRAY") if (ref($rec_regex->{$f_nr}) ne 'ARRAY');
298                                            my $c = 0;
299                                            foreach my $r (@{ $rec_regex->{$f_nr} }) {
300                                                    my $old_l = $l;
301                                                    eval '$l =~ ' . $r;
302                                                    if ($old_l ne $l) {
303                                                            $log->debug("REGEX on $f_nr eval \$l =~ $r\n## old l: [$old_l]\n## new l: [$l]");
304                                                    }
305                                                    $log->error("error applying regex: $r") if ($@);
306                                            }
307                                    }
308    
309                                    $log->debug("<=- $f_nr ## $l");
310                                    return $l;
311                    });
312    
313                    $log->debug(sub { dump($rec) });
314    
315                  if (! $rec) {                  if (! $rec) {
316                          $log->warn("record $mfn empty? skipping...");                          $log->warn("record $pos empty? skipping...");
317                          next;                          next;
318                  }                  }
319    
320                  # store                  # store
321                  if ($self->{'low_mem'}) {                  if ($self->{save_row}) {
322                          $self->{'db'}->put($mfn, $rec);                          $self->{save_row}->({
323                                    id => $pos,
324                                    row => $rec,
325                            });
326                  } else {                  } else {
327                          $self->{'data'}->{$mfn} = $rec;                          $self->{data}->{$pos} = $rec;
328                  }                  }
329    
330                  # create lookup                  # create lookup
331                  $self->{'lookup'}->add( $rec ) if ($rec && $self->{'lookup'});                  $arg->{'lookup_coderef'}->( $rec ) if ($rec && $arg->{'lookup_coderef'});
332    
333                  $self->progress_bar($mfn,$maxmfn);                  # update counters for statistics
334                    if ($self->{stats}) {
335    
336          }                          # fetch clean record with regexpes applied for statistics
337                            my $rec = $ll_db->fetch_rec($pos);
338    
339          $self->{'current_mfn'} = -1;                          foreach my $fld (keys %{ $rec }) {
340          $self->{'last_pcnt'} = 0;                                  $self->{_stats}->{fld}->{ $fld }++;
341    
342                                    $log->logdie("invalid record fild $fld, not ARRAY")
343                                            unless (ref($rec->{ $fld }) eq 'ARRAY');
344            
345                                    foreach my $row (@{ $rec->{$fld} }) {
346    
347                                            if (ref($row) eq 'HASH') {
348    
349                                                    foreach my $sf (keys %{ $row }) {
350                                                            next if ($sf eq 'subfields');
351                                                            $self->{_stats}->{sf}->{ $fld }->{ $sf }->{count}++;
352                                                            $self->{_stats}->{sf}->{ $fld }->{ $sf }->{repeatable}++
353                                                                            if (ref($row->{$sf}) eq 'ARRAY');
354                                                    }
355    
356                                            } else {
357                                                    $self->{_stats}->{repeatable}->{ $fld }++;
358                                            }
359                                    }
360                            }
361                    }
362    
363          $log->debug("max mfn: $maxmfn");                  $self->progress_bar($pos,$to_rec) unless ($self->{no_progress_bar});
364    
365            }
366    
367            $self->{pos} = -1;
368            $self->{last_pcnt} = 0;
369    
370          # store max mfn and return it.          # store max mfn and return it.
371          $self->{'max_mfn'} = $maxmfn;          $self->{max_pos} = $to_rec;
372            $log->debug("max_pos: $to_rec");
373    
374            # save for dump
375            $self->{ll_db} = $ll_db;
376    
377          return $size;          return $size;
378  }  }
# Line 246  sub fetch { Line 393  sub fetch {
393    
394          my $log = $self->_get_logger();          my $log = $self->_get_logger();
395    
396          $log->logconfess("it seems that you didn't load database!") unless ($self->{'current_mfn'});          $log->logconfess("it seems that you didn't load database!") unless ($self->{pos});
397    
398          if ($self->{'current_mfn'} == -1) {          if ($self->{pos} == -1) {
399                  $self->{'current_mfn'} = $self->{'start_mfn'};                  $self->{pos} = $self->{offset};
400          } else {          } else {
401                  $self->{'current_mfn'}++;                  $self->{pos}++;
402          }          }
403    
404          my $mfn = $self->{'current_mfn'};          my $mfn = $self->{pos};
405    
406          if ($mfn > $self->{'max_mfn'}) {          if ($mfn > $self->{max_pos}) {
407                  $self->{'current_mfn'} = $self->{'max_mfn'};                  $self->{pos} = $self->{max_pos};
408                  $log->debug("at EOF");                  $log->debug("at EOF");
409                  return;                  return;
410          }          }
411    
412          $self->progress_bar($mfn,$self->{'max_mfn'});          $self->progress_bar($mfn,$self->{max_pos}) unless ($self->{no_progress_bar});
413    
414          my $rec;          my $rec;
415    
416          if ($self->{'low_mem'}) {          if ($self->{load_row}) {
417                  $rec = $self->{'db'}->get($mfn);                  $rec = $self->{load_row}->({ id => $mfn });
418          } else {          } else {
419                  $rec = $self->{'data'}->{$mfn};                  $rec = $self->{data}->{$mfn};
420          }          }
421    
422          $rec ||= 0E0;          $rec ||= 0E0;
# Line 287  First record in database has position 1. Line 434  First record in database has position 1.
434    
435  sub pos {  sub pos {
436          my $self = shift;          my $self = shift;
437          return $self->{'current_mfn'};          return $self->{pos};
438  }  }
439    
440    
# Line 301  Result from this function can be used to Line 448  Result from this function can be used to
448    
449   foreach my $mfn ( 1 ... $isis->size ) { ... }   foreach my $mfn ( 1 ... $isis->size ) { ... }
450    
451  because it takes into account C<start_mfn> and C<limit_mfn>.  because it takes into account C<offset> and C<limit>.
452    
453  =cut  =cut
454    
455  sub size {  sub size {
456          my $self = shift;          my $self = shift;
457          return $self->{'size'};          return $self->{size};
458  }  }
459    
460  =head2 seek  =head2 seek
# Line 322  First record in database has position 1. Line 469  First record in database has position 1.
469    
470  sub seek {  sub seek {
471          my $self = shift;          my $self = shift;
472          my $pos = shift || return;          my $pos = shift;
473    
474          my $log = $self->_get_logger();          my $log = $self->_get_logger();
475    
476            $log->logconfess("called without pos") unless defined($pos);
477    
478          if ($pos < 1) {          if ($pos < 1) {
479                  $log->warn("seek before first record");                  $log->warn("seek before first record");
480                  $pos = 1;                  $pos = 1;
481          } elsif ($pos > $self->{'max_mfn'}) {          } elsif ($pos > $self->{max_pos}) {
482                  $log->warn("seek beyond last record");                  $log->warn("seek beyond last record");
483                  $pos = $self->{'max_mfn'};                  $pos = $self->{max_pos};
484            }
485    
486            return $self->{pos} = (($pos - 1) || -1);
487    }
488    
489    =head2 stats
490    
491    Dump statistics about field and subfield usage
492    
493      print $input->stats;
494    
495    =cut
496    
497    sub stats {
498            my $self = shift;
499    
500            my $log = $self->_get_logger();
501    
502            my $s = $self->{_stats};
503            if (! $s) {
504                    $log->warn("called stats, but there is no statistics collected");
505                    return;
506          }          }
507    
508          return $self->{'current_mfn'} = (($pos - 1) || -1);          my $max_fld = 0;
509    
510            my $out = join("\n",
511                    map {
512                            my $f = $_ || die "no field";
513                            my $v = $s->{fld}->{$f} || die "no s->{fld}->{$f}";
514                            $max_fld = $v if ($v > $max_fld);
515    
516                            my $o = sprintf("%4s %d ~", $f, $v);
517    
518                            if (defined($s->{sf}->{$f})) {
519                                    map {
520                                            $o .= sprintf(" %s:%d%s", $_,
521                                                    $s->{sf}->{$f}->{$_}->{count},
522                                                    $s->{sf}->{$f}->{$_}->{repeatable} ? '*' : '',
523                                            );
524                                    } sort keys %{ $s->{sf}->{$f} };
525                            }
526    
527                            if (my $v_r = $s->{repeatable}->{$f}) {
528                                    $o .= " ($v_r)" if ($v_r != $v);
529                            }
530    
531                            $o;
532                    } sort { $a cmp $b } keys %{ $s->{fld} }
533            );
534    
535            $log->debug( sub { dump($s) } );
536    
537            return $out;
538    }
539    
540    =head2 dump_ascii
541    
542    Display humanly readable dump of record
543    
544    =cut
545    
546    sub dump_ascii {
547            my $self = shift;
548    
549            return unless $self->{ll_db};
550    
551            if ($self->{ll_db}->can('dump_rec')) {
552                    return $self->{ll_db}->dump_ascii( $self->{pos} );
553            } else {
554                    return dump( $self->{ll_db}->fetch_rec( $self->{pos} ) );
555            }
556  }  }
557    
558    =head2 modify_record_regexps
559    
560  =head1 MEMORY USAGE  Generate hash with regexpes to be applied using l<filter>.
561    
562      my $regexpes = $input->modify_record_regexps(
563                    900 => { '^a' => { ' : ' => '^b' } },
564                    901 => { '*' => { '^b' => ' ; ' } },
565      );
566    
567  C<low_mem> options is double-edged sword. If enabled, WebPAC  =cut
 will run on memory constraint machines (which doesn't have enough  
 physical RAM to create memory structure for whole source database).  
568    
569  If your machine has 512Mb or more of RAM and database is around 10000 records,  sub _get_regex {
570  memory shouldn't be an issue. If you don't have enough physical RAM, you          my ($sf,$from,$to) = @_;
 might consider using virtual memory (if your operating system is handling it  
 well, like on FreeBSD or Linux) instead of dropping to L<DBM::Deep> to handle  
 parsed structure of ISIS database (this is what C<low_mem> option does).  
571    
572  Hitting swap at end of reading source database is probably o.k. However,          # protect /
573  hitting swap before 90% will dramatically decrease performance and you will          $from =~ s!/!\\/!gs;
574  be better off with C<low_mem> and using rest of availble memory for          $to =~ s!/!\\/!gs;
 operating system disk cache (Linux is particuallary good about this).  
 However, every access to database record will require disk access, so  
 generation phase will be slower 10-100 times.  
575    
576  Parsed structures are essential - you just have option to trade RAM memory          if ($from =~ m/^regex:(.+)$/) {
577  (which is fast) for disk space (which is slow). Be sure to have planty of                  $from = $1;
578  disk space if you are using C<low_mem> and thus L<DBM::Deep>.          } else {
579                    $from = '\Q' . $from . '\E';
580            }
581            if ($sf =~ /^\^/) {
582                    return
583                            's/\Q'. $sf .'\E([^\^]*?)'. $from .'([^\^]*?)/'. $sf .'$1'. $to .'$2/';
584            } else {
585                    return
586                            's/'. $from .'/'. $to .'/g';
587            }
588    }
589    
590    sub modify_record_regexps {
591            my $self = shift;
592            my $modify_record = {@_};
593    
594            my $regexpes;
595    
596            my $log = $self->_get_logger();
597    
598  However, when WebPAC is running on desktop machines (or laptops :-), it's          foreach my $f (keys %$modify_record) {
599  highly undesireable for system to start swapping. Using C<low_mem> option can                  $log->debug("field: $f");
 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.  
600    
601                    foreach my $sf (keys %{ $modify_record->{$f} }) {
602                            $log->debug("subfield: $sf");
603    
604                            foreach my $from (keys %{ $modify_record->{$f}->{$sf} }) {
605                                    my $to = $modify_record->{$f}->{$sf}->{$from};
606                                    #die "no field?" unless defined($to);
607                                    $log->debug("transform: |$from| -> |$to|");
608    
609                                    my $regex = _get_regex($sf,$from,$to);
610                                    push @{ $regexpes->{$f} }, $regex;
611                                    $log->debug("regex: $regex");
612                            }
613                    }
614            }
615    
616            return $regexpes;
617    }
618    
619    =head2 modify_file_regexps
620    
621    Generate hash with regexpes to be applied using l<filter> from
622    pseudo hash/yaml format for regex mappings.
623    
624    It should be obvious:
625    
626            200
627              '^a'
628                ' : ' => '^e'
629                ' = ' => '^d'
630    
631    In field I<200> find C<'^a'> and then C<' : '>, and replace it with C<'^e'>.
632    In field I<200> find C<'^a'> and then C<' = '>, and replace it with C<'^d'>.
633    
634      my $regexpes = $input->modify_file_regexps( 'conf/modify/common.pl' );
635    
636    On undef path it will just return.
637    
638    =cut
639    
640    sub modify_file_regexps {
641            my $self = shift;
642    
643            my $modify_path = shift || return;
644    
645            my $log = $self->_get_logger();
646    
647            my $regexpes;
648    
649            CORE::open(my $fh, $modify_path) || $log->logdie("can't open modify file $modify_path: $!");
650    
651            my ($f,$sf);
652    
653            while(<$fh>) {
654                    chomp;
655                    next if (/^#/ || /^\s*$/);
656    
657                    if (/^\s*(\d+)\s*$/) {
658                            $f = $1;
659                            $log->debug("field: $f");
660                            next;
661                    } elsif (/^\s*'([^']*)'\s*$/) {
662                            $sf = $1;
663                            $log->die("can't define subfiled before field in: $_") unless ($f);
664                            $log->debug("subfield: $sf");
665                    } elsif (/^\s*'([^']*)'\s*=>\s*'([^']*)'\s*$/) {
666                            my ($from,$to) = ($1, $2);
667    
668                            $log->debug("transform: |$from| -> |$to|");
669    
670                            my $regex = _get_regex($sf,$from,$to);
671                            push @{ $regexpes->{$f} }, $regex;
672                            $log->debug("regex: $regex");
673                    }
674            }
675    
676            return $regexpes;
677    }
678    
679  =head1 AUTHOR  =head1 AUTHOR
680    
# Line 375  Dobrica Pavlinusic, C<< <dpavlin@rot13.o Line 682  Dobrica Pavlinusic, C<< <dpavlin@rot13.o
682    
683  =head1 COPYRIGHT & LICENSE  =head1 COPYRIGHT & LICENSE
684    
685  Copyright 2005 Dobrica Pavlinusic, All Rights Reserved.  Copyright 2005-2006 Dobrica Pavlinusic, All Rights Reserved.
686    
687  This program is free software; you can redistribute it and/or modify it  This program is free software; you can redistribute it and/or modify it
688  under the same terms as Perl itself.  under the same terms as Perl itself.
Legend:
Removed from v.285  
changed lines
  Added in v.797
  ViewVC Help
Powered by ViewVC 1.1.26