/[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 289 by dpavlin, Sun Dec 18 22:16:44 2005 UTC revision 585 by dpavlin, Wed Jul 5 19:52:45 2006 UTC
# Line 8  use blib; Line 8  use blib;
8  use WebPAC::Common;  use WebPAC::Common;
9  use base qw/WebPAC::Common/;  use base qw/WebPAC::Common/;
10  use Text::Iconv;  use Text::Iconv;
11    use Data::Dumper;
12    
13  =head1 NAME  =head1 NAME
14    
# Line 15  WebPAC::Input - read different file form Line 16  WebPAC::Input - read different file form
16    
17  =head1 VERSION  =head1 VERSION
18    
19  Version 0.03  Version 0.07
20    
21  =cut  =cut
22    
23  our $VERSION = '0.03';  our $VERSION = '0.07';
24    
25  =head1 SYNOPSIS  =head1 SYNOPSIS
26    
# Line 43  Perhaps a little code snippet. Line 44  Perhaps a little code snippet.
44      my $db = WebPAC::Input->new(      my $db = WebPAC::Input->new(
45          module => 'WebPAC::Input::ISIS',          module => 'WebPAC::Input::ISIS',
46                  config => $config,                  config => $config,
                 lookup => $lookup_obj,  
47                  low_mem => 1,                  low_mem => 1,
48      );      );
49    
50      $db->open('/path/to/database');      $db->open('/path/to/database');
51      print "database size: ",$db->size,"\n";          print "database size: ",$db->size,"\n";
52      while (my $rec = $db->fetch) {          while (my $rec = $db->fetch) {
53      }                  # do something with $rec
54            }
55    
56    
57    
# Line 62  Create new input database object. Line 63  Create new input database object.
63    
64    my $db = new WebPAC::Input(    my $db = new WebPAC::Input(
65          module => 'WebPAC::Input::MARC',          module => 'WebPAC::Input::MARC',
66          code_page => 'ISO-8859-2',          encoding => 'ISO-8859-2',
67          low_mem => 1,          low_mem => 1,
68            recode => 'char pairs',
69            no_progress_bar => 1,
70    );    );
71    
72  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
73  L<WebPAC::Input::MARC>.  L<WebPAC::Input::MARC>.
74    
75  Optional parametar C<code_page> specify application code page (which will be  Optional parametar C<encoding> specify application code page (which will be
76  used internally). This should probably be your terminal encoding, and by  used internally). This should probably be your terminal encoding, and by
77  default, it C<ISO-8859-2>.  default, it C<ISO-8859-2>.
78    
79  Default is not to use C<low_mem> options (see L<MEMORY USAGE> below).  Default is not to use C<low_mem> options (see L<MEMORY USAGE> below).
80    
81    C<recode> is optional string constisting of character or words pairs that
82    should be replaced in input stream.
83    
84    C<no_progress_bar> disables progress bar output on C<STDOUT>
85    
86  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
87  parametars.  parametars.
88    
# Line 87  sub new { Line 95  sub new {
95    
96          my $log = $self->_get_logger;          my $log = $self->_get_logger;
97    
98            $log->logconfess("code_page argument is not suppored any more. change it to encoding") if ($self->{lookup});
99            $log->logconfess("lookup argument is not suppored any more. rewrite call to lookup_ref") if ($self->{lookup});
100    
101          $log->logconfess("specify low-level file format module") unless ($self->{module});          $log->logconfess("specify low-level file format module") unless ($self->{module});
102          my $module = $self->{module};          my $module = $self->{module};
103          $module =~ s#::#/#g;          $module =~ s#::#/#g;
# Line 100  sub new { Line 111  sub new {
111          foreach my $subclass (qw/open_db fetch_rec init/) {          foreach my $subclass (qw/open_db fetch_rec init/) {
112                  my $n = $self->{module} . '::' . $subclass;                  my $n = $self->{module} . '::' . $subclass;
113                  if (! defined &{ $n }) {                  if (! defined &{ $n }) {
114                          $log->logwarn("missing implementation of $subclass");                          my $missing = "missing $subclass in $self->{module}";
115                            $self->{$subclass} = sub { $log->logwarn($missing) };
116                  } else {                  } else {
117                          $self->{$subclass} = \&{ $n };                          $self->{$subclass} = \&{ $n };
118                  }                  }
# Line 111  sub new { Line 123  sub new {
123                  $self->{init}->($self, @_);                  $self->{init}->($self, @_);
124          }          }
125    
126          $self->{'code_page'} ||= 'ISO-8859-2';          $self->{'encoding'} ||= 'ISO-8859-2';
127    
128          # running with low_mem flag? well, use DBM::Deep then.          # running with low_mem flag? well, use DBM::Deep then.
129          if ($self->{'low_mem'}) {          if ($self->{'low_mem'}) {
# Line 152  This function will read whole database i Line 164  This function will read whole database i
164          limit => 500,          limit => 500,
165          offset => 6000,          offset => 6000,
166          lookup => $lookup_obj,          lookup => $lookup_obj,
167            stats => 1,
168            lookup_ref => sub {
169                    my ($k,$v) = @_;
170                    # store lookup $k => $v
171            },
172   );   );
173    
174  By default, C<code_page> is assumed to be C<852>.  By default, C<code_page> is assumed to be C<852>.
# Line 160  C<offset> is optional parametar to posit Line 177  C<offset> is optional parametar to posit
177    
178  C<limit> is optional parametar to read just C<limit> records from database  C<limit> is optional parametar to read just C<limit> records from database
179    
180    C<stats> create optional report about usage of fields and subfields
181    
182    C<lookup_coderef> is closure to call when adding key => $value combinations to
183    lookup.
184    
185  Returns size of database, regardless of C<offset> and C<limit>  Returns size of database, regardless of C<offset> and C<limit>
186  parametars, see also C<size>.  parametars, see also C<size>.
187    
# Line 171  sub open { Line 193  sub open {
193    
194          my $log = $self->_get_logger();          my $log = $self->_get_logger();
195    
196            $log->logconfess("lookup argument is not suppored any more. rewrite call to lookup_coderef") if ($arg->{lookup});
197            $log->logconfess("lookup_coderef must be CODE, not ",ref($arg->{lookup_coderef}))
198                    if ($arg->{lookup_coderef} && ref($arg->{lookup_coderef}) ne 'CODE');
199    
200          $log->logcroak("need path") if (! $arg->{'path'});          $log->logcroak("need path") if (! $arg->{'path'});
201          my $code_page = $arg->{'code_page'} || '852';          my $code_page = $arg->{'code_page'} || '852';
202    
203          # store data in object          # store data in object
204          $self->{'code_page'} = $code_page;          $self->{'input_code_page'} = $code_page;
205          foreach my $v (qw/path offset limit/) {          foreach my $v (qw/path offset limit/) {
206                  $self->{$v} = $arg->{$v} if ($arg->{$v});                  $self->{$v} = $arg->{$v} if ($arg->{$v});
207          }          }
208    
209          # create Text::Iconv object          # create Text::Iconv object
210          $self->{iconv} = Text::Iconv->new($code_page,$self->{'code_page'});          $self->{iconv} = Text::Iconv->new($code_page,$self->{'encoding'});      ## FIXME remove!
211    
212            my $filter_ref;
213    
214            if ($self->{recode}) {
215                    my @r = split(/\s/, $self->{recode});
216                    if ($#r % 2 != 1) {
217                            $log->logwarn("recode needs even number of elements (some number of valid pairs)");
218                    } else {
219                            my $recode;
220                            while (@r) {
221                                    my $from = shift @r;
222                                    my $to = shift @r;
223                                    $recode->{$from} = $to;
224                            }
225    
226                            my $regex = join '|' => keys %{ $recode };
227    
228                            $log->debug("using recode regex: $regex");
229                            
230                            $filter_ref = sub {
231                                    my $t = shift;
232                                    $t =~ s/($regex)/$recode->{$1}/g;
233                                    return $t;
234                            };
235    
236                    }
237    
238            }
239    
240          my ($db, $size) = $self->{open_db}->( $self,          my ($db, $size) = $self->{open_db}->( $self,
241                  path => $arg->{path},                  path => $arg->{path},
242                    filter => $filter_ref,
243                    %{ $arg },
244          );          );
245    
246          unless ($db) {          unless (defined($db)) {
247                  $log->logwarn("can't open database $arg->{path}, skipping...");                  $log->logwarn("can't open database $arg->{path}, skipping...");
248                  return;                  return;
249          }          }
# Line 197  sub open { Line 253  sub open {
253                  return;                  return;
254          }          }
255    
256          my $offset = 1;          my $from_rec = 1;
257          my $limit = $size;          my $to_rec = $size;
258    
259          if (my $s = $self->{offset}) {          if (my $s = $self->{offset}) {
260                  $log->info("skipping to MFN $s");                  $log->debug("skipping to MFN $s");
261                  $offset = $s;                  $from_rec = $s;
262          } else {          } else {
263                  $self->{offset} = $offset;                  $self->{offset} = $from_rec;
264          }          }
265    
266          if ($self->{limit}) {          if ($self->{limit}) {
267                  $log->info("limiting to ",$self->{limit}," records");                  $log->debug("limiting to ",$self->{limit}," records");
268                  $limit = $offset + $self->{limit} - 1;                  $to_rec = $from_rec + $self->{limit} - 1;
269                  $limit = $size if ($limit > $size);                  $to_rec = $size if ($to_rec > $size);
270          }          }
271    
272          # store size for later          # store size for later
273          $self->{size} = ($limit - $offset) ? ($limit - $offset + 1) : 0;          $self->{size} = ($to_rec - $from_rec) ? ($to_rec - $from_rec + 1) : 0;
274    
275          $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]' : '');
276    
277          # read database          # read database
278          for (my $pos = $offset; $pos <= $limit; $pos++) {          for (my $pos = $from_rec; $pos <= $to_rec; $pos++) {
279    
280                  $log->debug("position: $pos\n");                  $log->debug("position: $pos\n");
281    
282                  my $rec = $self->{fetch_rec}->($self, $db, $pos );                  my $rec = $self->{fetch_rec}->($self, $db, $pos );
283    
284                    $log->debug(sub { Dumper($rec) });
285    
286                  if (! $rec) {                  if (! $rec) {
287                          $log->warn("record $pos empty? skipping...");                          $log->warn("record $pos empty? skipping...");
288                          next;                          next;
# Line 238  sub open { Line 296  sub open {
296                  }                  }
297    
298                  # create lookup                  # create lookup
299                  $self->{'lookup'}->add( $rec ) if ($rec && $self->{'lookup'});                  $arg->{'lookup_coderef'}->( $rec ) if ($rec && $arg->{'lookup_coderef'});
300    
301                    # update counters for statistics
302                    if ($self->{stats}) {
303                            map {
304                                    my $fld = $_;
305                                    $self->{_stats}->{fld}->{ $fld }++;
306                                    if (ref($rec->{ $fld }) eq 'ARRAY') {
307                                            map {
308                                                    if (ref($_) eq 'HASH') {
309                                                            map {
310                                                                    $self->{_stats}->{sf}->{ $fld }->{ $_ }++;
311                                                            } keys %{ $_ };
312                                                    } else {
313                                                            $self->{_stats}->{repeatable}->{ $fld }++;
314                                                    }
315                                            } @{ $rec->{$fld} };
316                                    }
317                            } keys %{ $rec };
318                    }
319    
320                  $self->progress_bar($pos,$limit);                  $self->progress_bar($pos,$to_rec) unless ($self->{no_progress_bar});
321    
322          }          }
323    
# Line 248  sub open { Line 325  sub open {
325          $self->{last_pcnt} = 0;          $self->{last_pcnt} = 0;
326    
327          # store max mfn and return it.          # store max mfn and return it.
328          $self->{max_pos} = $limit;          $self->{max_pos} = $to_rec;
329          $log->debug("max_pos: $limit");          $log->debug("max_pos: $to_rec");
330    
331          return $size;          return $size;
332  }  }
# Line 286  sub fetch { Line 363  sub fetch {
363                  return;                  return;
364          }          }
365    
366          $self->progress_bar($mfn,$self->{max_pos});          $self->progress_bar($mfn,$self->{max_pos}) unless ($self->{no_progress_bar});
367    
368          my $rec;          my $rec;
369    
# Line 361  sub seek { Line 438  sub seek {
438          return $self->{pos} = (($pos - 1) || -1);          return $self->{pos} = (($pos - 1) || -1);
439  }  }
440    
441    =head2 stats
442    
443    Dump statistics about field and subfield usage
444    
445      print $input->stats;
446    
447    =cut
448    
449    sub stats {
450            my $self = shift;
451    
452            my $log = $self->_get_logger();
453    
454            my $s = $self->{_stats};
455            if (! $s) {
456                    $log->warn("called stats, but there is no statistics collected");
457                    return;
458            }
459    
460            my $max_fld = 0;
461    
462            my $out = join("\n",
463                    map {
464                            my $f = $_ || die "no field";
465                            my $v = $s->{fld}->{$f} || die "no s->{fld}->{$f}";
466                            $max_fld = $v if ($v > $max_fld);
467    
468                            my $o = sprintf("%4s %d ~", $f, $v);
469    
470                            if (defined($s->{sf}->{$f})) {
471                                    map {
472                                            $o .= sprintf(" %s:%d", $_, $s->{sf}->{$f}->{$_});
473                                    } sort keys %{ $s->{sf}->{$f} };
474                            }
475    
476                            if (my $v_r = $s->{repeatable}->{$f}) {
477                                    $o .= " ($v_r)" if ($v_r != $v);
478                            }
479    
480                            $o;
481                    } sort { $a cmp $b } keys %{ $s->{fld} }
482            );
483    
484            $log->debug( sub { Dumper($s) } );
485    
486            return $out;
487    }
488    
489  =head1 MEMORY USAGE  =head1 MEMORY USAGE
490    
Legend:
Removed from v.289  
changed lines
  Added in v.585
  ViewVC Help
Powered by ViewVC 1.1.26