/[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 483 by dpavlin, Sun May 14 09:34:05 2006 UTC revision 1168 by dpavlin, Sat Apr 25 17:13:20 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 WebPAC::Common 0.03;  use lib 'lib';
7    
8    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 Data::Dumper;  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 0.04  
   
18  =cut  =cut
19    
20  our $VERSION = '0.04';  our $VERSION = '0.19';
21    
22  =head1 SYNOPSIS  =head1 SYNOPSIS
23    
# Line 37  C<fetch_rec> and optional C<init> functi Line 36  C<fetch_rec> and optional C<init> functi
36    
37  Perhaps a little code snippet.  Perhaps a little code snippet.
38    
39      use WebPAC::Input;          use WebPAC::Input;
40    
41      my $db = WebPAC::Input->new(          my $db = WebPAC::Input->new(
42          module => 'WebPAC::Input::ISIS',                  module => 'WebPAC::Input::ISIS',
43                  config => $config,          );
                 lookup => $lookup_obj,  
                 low_mem => 1,  
     );  
44    
45      $db->open('/path/to/database');          $db->open( path => '/path/to/database' );
46          print "database size: ",$db->size,"\n";          print "database size: ",$db->size,"\n";
47          while (my $rec = $db->fetch) {          while (my $rec = $db->fetch) {
48                  # do something with $rec                  # do something with $rec
# 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',
         code_page => '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<code_page> 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          $log->logconfess("specify low-level file format module") unless ($self->{module});          $log->logconfess("code_page argument is not suppored any more.") if $self->{code_page};
89          my $module = $self->{module};          $log->logconfess("encoding argument is not suppored any more.") if $self->{encoding};
90          $module =~ s#::#/#g;          $log->logconfess("lookup argument is not suppored any more. rewrite call to lookup_ref") if $self->{lookup};
91          $module .= '.pm';          $log->logconfess("low_mem argument is not suppored any more. rewrite it to load_row and save_row") if $self->{low_mem};
         $log->debug("require low-level module $self->{module} from $module");  
   
         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->{'code_page'} ||= '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";  
   
                 if (-e $db_file) {  
                         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;  
92    
93                  my $db = new DBM::Deep $db_file;          $log->logconfess("specify low-level file format module") unless ($self->{module});
94            my $module_path = $self->{module};
95            $module_path =~ s#::#/#g;
96            $module_path .= '.pm';
97            $log->debug("require low-level module $self->{module} from $module_path");
98    
99                  $log->logdie("DBM::Deep error: $!") unless ($db);          require $module_path;
   
                 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 154  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 => '852',          input_encoding => 'cp852',
113            strict_encoding => 0,
114          limit => 500,          limit => 500,
115          offset => 6000,          offset => 6000,
116          lookup => $lookup_obj,          stats => 1,
117            lookup_coderef => sub {
118                    my $rec = shift;
119                    # store lookups
120            },
121            modify_records => {
122                    900 => { '^a' => { ' : ' => '^b' } },
123                    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<852>.  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    
142  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
143    
144    C<stats> create optional report about usage of fields and subfields
145    
146    C<lookup_coderef> is closure to called to save data into lookups
147    
148    C<modify_records> specify mapping from subfields to delimiters or from
149    delimiters to subfields, as well as oprations on fields (if subfield is
150    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 178  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});
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 $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          # create Text::Iconv object          if ($arg->{load_row} || $arg->{save_row}) {
190          $self->{iconv} = Text::Iconv->new($code_page,$self->{'code_page'});                  $log->logconfess("save_row and load_row must be defined in pair and be CODE") unless (
191                            ref($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;
201            my $recode_map;
202    
203          if ($self->{recode}) {          if ($self->{recode}) {
204                  my @r = split(/\s/, $self->{recode});                  my @r = split(/\s/, $self->{recode});
205                  if ($#r % 2 != 1) {                  if ($#r % 2 != 1) {
206                          $log->logwarn("recode needs even number of elements (some number of valid pairs)");                          $log->logwarn("recode needs even number of elements (some number of valid pairs)");
207                  } else {                  } else {
                         my $recode;  
208                          while (@r) {                          while (@r) {
209                                  my $from = shift @r;                                  my $from = shift @r;
210                                  my $to = shift @r;                                  my $to = shift @r;
211                                  $recode->{$from} = $to;                                  $recode_map->{$from} = $to;
212                          }                          }
213    
214                          my $regex = join '|' => keys %{ $recode };                          $recode_regex = join '|' => keys %{ $recode_map };
   
                         $log->debug("using recode regex: $regex");  
                           
                         $filter_ref = sub {  
                                 my $t = shift;  
                                 $t =~ s/($regex)/$recode->{$1}/g;  
                                 return $t;  
                         };  
215    
216                            $log->debug("using recode regex: $recode_regex");
217                  }                  }
218    
219          }          }
220    
221          my ($db, $size) = $self->{open_db}->( $self,          my $rec_regex;
222            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 $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                  filter => $filter_ref,                  input_config => $arg->{input_config} || $self->{input_config},
236    #               filter => sub {
237    #                       my ($l,$f_nr) = @_;
238    #                       return unless defined($l);
239    #                       $l = decode($input_encoding, $l);
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;
# Line 238  sub open { Line 259  sub open {
259          my $to_rec = $size;          my $to_rec = $size;
260    
261          if (my $s = $self->{offset}) {          if (my $s = $self->{offset}) {
262                  $log->info("skipping to MFN $s");                  $log->debug("skipping to MFN $s");
263                  $from_rec = $s;                  $from_rec = $s;
264          } else {          } else {
265                  $self->{offset} = $from_rec;                  $self->{offset} = $from_rec;
# Line 253  sub open { Line 274  sub open {
274          # store size for later          # store size for later
275          $self->{size} = ($to_rec - $from_rec) ? ($to_rec - $from_rec + 1) : 0;          $self->{size} = ($to_rec - $from_rec) ? ($to_rec - $from_rec + 1) : 0;
276    
277          $log->info("processing $self->{size}/$size records [$from_rec-$to_rec] convert $code_page -> $self->{code_page}");          my $strict_encoding = $arg->{strict_encoding} || $self->{strict_encoding}; ## FIXME should be 1 really
278    
279            $log->info("processing $self->{size}/$size records [$from_rec-$to_rec]",
280                    " encoding $input_encoding ", $strict_encoding ? ' [strict]' : '',
281                    $self->{stats} ? ' [stats]' : '',
282            );
283    
284          # read database          # read database
285          for (my $pos = $from_rec; $pos <= $to_rec; $pos++) {          for (my $pos = $from_rec; $pos <= $to_rec; $pos++) {
286    
287                  $log->debug("position: $pos\n");                  $log->debug("position: $pos\n");
288    
289                  my $rec = $self->{fetch_rec}->($self, $db, $pos );                  my $rec = $ll_db->fetch_rec($pos, sub {
290                                    my ($l,$f_nr,$debug) = @_;
291    #                               return unless defined($l);
292    #                               return $l unless ($rec_regex && $f_nr);
293    
294                                    return unless ( defined($l) && defined($f_nr) );
295    
296                                    warn "-=> $f_nr ## |$l|\n" if ($debug);
297                                    $log->debug("-=> $f_nr ## $l");
298    
299                                    # codepage conversion and recode_regex
300                                    $l = decode($input_encoding, $l, 1);
301                                    $l =~ s/($recode_regex)/$recode_map->{$1}/g if ($recode_regex && $recode_map);
302    
303                                    # apply regexps
304                                    if ($rec_regex && defined($rec_regex->{$f_nr})) {
305                                            $log->logconfess("regexps->{$f_nr} must be ARRAY") if (ref($rec_regex->{$f_nr}) ne 'ARRAY');
306                                            my $c = 0;
307                                            foreach my $r (@{ $rec_regex->{$f_nr} }) {
308                                                    my $old_l = $l;
309                                                    $log->logconfess("expected regex in ", dump( $r )) unless defined($r->{regex});
310                                                    eval '$l =~ ' . $r->{regex};
311                                                    if ($old_l ne $l) {
312                                                            my $d = "|$old_l| -> |$l| "; # . $r->{regex};
313                                                            $d .= ' +' . $r->{line} . ' ' . $r->{file} if defined($r->{line});
314                                                            $d .= ' ' . $r->{debug} if defined($r->{debug});
315                                                            $log->debug("MODIFY $d");
316                                                            warn "*** $d\n" if ($debug);
317    
318                                                    }
319                                                    $log->error("error applying regex: ",dump($r), $@) if $@;
320                                            }
321                                    }
322    
323                                    $log->debug("<=- $f_nr ## |$l|");
324                                    warn "<=- $f_nr ## $l\n" if ($debug);
325                                    return $l;
326                    });
327    
328                  $log->debug(sub { Dumper($rec) });                  $log->debug(sub { dump($rec) });
329    
330                  if (! $rec) {                  if (! $rec) {
331                          $log->warn("record $pos empty? skipping...");                          $log->warn("record $pos empty? skipping...");
# Line 270  sub open { Line 333  sub open {
333                  }                  }
334    
335                  # store                  # store
336                  if ($self->{low_mem}) {                  if ($self->{save_row}) {
337                          $self->{db}->put($pos, $rec);                          $self->{save_row}->({
338                                    id => $pos,
339                                    row => $rec,
340                            });
341                  } else {                  } else {
342                          $self->{data}->{$pos} = $rec;                          $self->{data}->{$pos} = $rec;
343                  }                  }
344    
345                  # create lookup                  # create lookup
346                  $self->{'lookup'}->add( $rec ) if ($rec && $self->{'lookup'});                  $arg->{'lookup_coderef'}->( $rec ) if ($rec && $arg->{'lookup_coderef'});
347    
348                    # update counters for statistics
349                    if ($self->{stats}) {
350    
351                            # fetch clean record with regexpes applied for statistics
352                            my $rec = $ll_db->fetch_rec($pos);
353    
354                            foreach my $fld (keys %{ $rec }) {
355                                    $self->{_stats}->{fld}->{ $fld }++;
356    
357                                    #$log->logdie("invalid record fild $fld, not ARRAY")
358                                    next unless (ref($rec->{ $fld }) eq 'ARRAY');
359            
360                                    foreach my $row (@{ $rec->{$fld} }) {
361    
362                                            if (ref($row) eq 'HASH') {
363    
364                                                    foreach my $sf (keys %{ $row }) {
365                                                            next if ($sf eq 'subfields');
366                                                            $self->{_stats}->{sf}->{ $fld }->{ $sf }->{count}++;
367                                                            $self->{_stats}->{sf}->{ $fld }->{ $sf }->{repeatable}++
368                                                                            if (ref($row->{$sf}) eq 'ARRAY');
369                                                    }
370    
371                                            } else {
372                                                    $self->{_stats}->{repeatable}->{ $fld }++;
373                                            }
374                                    }
375                            }
376                    }
377    
378                  $self->progress_bar($pos,$to_rec) unless ($self->{no_progress_bar});                  $self->progress_bar($pos,$to_rec) unless ($self->{no_progress_bar});
379    
# Line 290  sub open { Line 386  sub open {
386          $self->{max_pos} = $to_rec;          $self->{max_pos} = $to_rec;
387          $log->debug("max_pos: $to_rec");          $log->debug("max_pos: $to_rec");
388    
389            # save for dump
390            $self->{ll_db} = $ll_db;
391    
392          return $size;          return $size;
393  }  }
394    
# Line 329  sub fetch { Line 428  sub fetch {
428    
429          my $rec;          my $rec;
430    
431          if ($self->{low_mem}) {          if ($self->{load_row}) {
432                  $rec = $self->{db}->get($mfn);                  $rec = $self->{load_row}->({ id => $mfn });
433          } else {          } else {
434                  $rec = $self->{data}->{$mfn};                  $rec = $self->{data}->{$mfn};
435          }          }
# Line 385  First record in database has position 1. Line 484  First record in database has position 1.
484    
485  sub seek {  sub seek {
486          my $self = shift;          my $self = shift;
487          my $pos = shift || return;          my $pos = shift;
488    
489          my $log = $self->_get_logger();          my $log = $self->_get_logger();
490    
491            $log->logconfess("called without pos") unless defined($pos);
492    
493          if ($pos < 1) {          if ($pos < 1) {
494                  $log->warn("seek before first record");                  $log->warn("seek before first record");
495                  $pos = 1;                  $pos = 1;
# Line 400  sub seek { Line 501  sub seek {
501          return $self->{pos} = (($pos - 1) || -1);          return $self->{pos} = (($pos - 1) || -1);
502  }  }
503    
504    =head2 stats
505    
506  =head1 MEMORY USAGE  Dump statistics about field and subfield usage
507    
508  C<low_mem> options is double-edged sword. If enabled, WebPAC    print $input->stats;
509  will run on memory constraint machines (which doesn't have enough  
510  physical RAM to create memory structure for whole source database).  =cut
511    
512  If your machine has 512Mb or more of RAM and database is around 10000 records,  sub stats {
513  memory shouldn't be an issue. If you don't have enough physical RAM, you          my $self = shift;
514  might consider using virtual memory (if your operating system is handling it  
515  well, like on FreeBSD or Linux) instead of dropping to L<DBM::Deep> to handle          my $log = $self->_get_logger();
516  parsed structure of ISIS database (this is what C<low_mem> option does).  
517            my $s = $self->{_stats};
518  Hitting swap at end of reading source database is probably o.k. However,          if (! $s) {
519  hitting swap before 90% will dramatically decrease performance and you will                  $log->warn("called stats, but there is no statistics collected");
520  be better off with C<low_mem> and using rest of availble memory for                  return;
521  operating system disk cache (Linux is particuallary good about this).          }
522  However, every access to database record will require disk access, so  
523  generation phase will be slower 10-100 times.          my $max_fld = 0;
524    
525  Parsed structures are essential - you just have option to trade RAM memory          my $out = join("\n",
526  (which is fast) for disk space (which is slow). Be sure to have planty of                  map {
527  disk space if you are using C<low_mem> and thus L<DBM::Deep>.                          my $f = $_;
528                            die "no field in ", dump( $s->{fld} ) unless defined( $f );
529  However, when WebPAC is running on desktop machines (or laptops :-), it's                          my $v = $s->{fld}->{$f} || die "no s->{fld}->{$f}";
530  highly undesireable for system to start swapping. Using C<low_mem> option can                          $max_fld = $v if ($v > $max_fld);
531  reduce WecPAC memory usage to around 64Mb for same database with lookup  
532  fields and sorted indexes which stay in RAM. Performance will suffer, but                          my $o = sprintf("%4s %d ~", $f, $v);
533  memory usage will really be minimal. It might be also more confortable to  
534  run WebPAC reniced on those machines.                          if (defined($s->{sf}->{$f})) {
535                                    my @subfields = keys %{ $s->{sf}->{$f} };
536                                    map {
537                                            $o .= sprintf(" %s:%d%s", $_,
538                                                    $s->{sf}->{$f}->{$_}->{count},
539                                                    $s->{sf}->{$f}->{$_}->{repeatable} ? '*' : '',
540                                            );
541                                    } (
542                                            # first indicators and other special subfields
543                                            sort( grep { length($_)  > 1 } @subfields ),
544                                            # then subfileds (single char)
545                                            sort( grep { length($_) == 1 } @subfields ),
546                                    );
547                            }
548    
549                            if (my $v_r = $s->{repeatable}->{$f}) {
550                                    $o .= " ($v_r)" if ($v_r != $v);
551                            }
552    
553                            $o;
554                    } sort {
555                            if ( $a =~ m/^\d+$/ && $b =~ m/^\d+$/ ) {
556                                    $a <=> $b
557                            } else {
558                                    $a cmp $b
559                            }
560                    } keys %{ $s->{fld} }
561            );
562    
563            $log->debug( sub { dump($s) } );
564    
565            my $path = 'var/stats.yml';
566            YAML::DumpFile( $path, $s );
567            $log->info( 'created ', $path, ' with ', -s $path, ' bytes' );
568    
569            return $out;
570    }
571    
572    =head2 dump_ascii
573    
574    Display humanly readable dump of record
575    
576    =cut
577    
578    sub dump_ascii {
579            my $self = shift;
580    
581            return unless $self->{ll_db};
582    
583            if ($self->{ll_db}->can('dump_ascii')) {
584                    return $self->{ll_db}->dump_ascii( $self->{pos} );
585            } else {
586                    return dump( $self->{ll_db}->fetch_rec( $self->{pos} ) );
587            }
588    }
589    
590    =head2 _get_regex
591    
592    Helper function called which create regexps to be execute on code.
593    
594      _get_regex( 900, 'regex:[0-9]+' ,'numbers' );
595      _get_regex( 900, '^b', ' : ^b' );
596    
597    It supports perl regexps with C<regex:> prefix to from value and has
598    additional logic to skip empty subfields.
599    
600    =cut
601    
602    sub _get_regex {
603            my ($sf,$from,$to) = @_;
604    
605            # protect /
606            $from =~ s!/!\\/!gs;
607            $to =~ s!/!\\/!gs;
608    
609            if ($from =~ m/^regex:(.+)$/) {
610                    $from = $1;
611            } else {
612                    $from = '\Q' . $from . '\E';
613            }
614            if ($sf =~ /^\^/) {
615                    my $need_subfield_data = '*';   # no
616                    # if from is also subfield, require some data in between
617                    # to correctly skip empty subfields
618                    $need_subfield_data = '+' if ($from =~ m/^\\Q\^/);
619                    return
620                            's/\Q'. $sf .'\E([^\^]' . $need_subfield_data . '?)'. $from .'([^\^]*?)/'. $sf .'$1'. $to .'$2/';
621            } else {
622                    return
623                            's/'. $from .'/'. $to .'/g';
624            }
625    }
626    
627    
628    =head2 modify_record_regexps
629    
630    Generate hash with regexpes to be applied using L<filter>.
631    
632      my $regexpes = $input->modify_record_regexps(
633                    900 => { '^a' => { ' : ' => '^b' } },
634                    901 => { '*' => { '^b' => ' ; ' } },
635      );
636    
637    =cut
638    
639    sub modify_record_regexps {
640            my $self = shift;
641            my $modify_record = {@_};
642    
643            my $regexpes;
644    
645            my $log = $self->_get_logger();
646    
647            foreach my $f (keys %$modify_record) {
648                    $log->debug("field: $f");
649    
650                    foreach my $sf (keys %{ $modify_record->{$f} }) {
651                            $log->debug("subfield: $sf");
652    
653                            foreach my $from (keys %{ $modify_record->{$f}->{$sf} }) {
654                                    my $to = $modify_record->{$f}->{$sf}->{$from};
655                                    #die "no field?" unless defined($to);
656                                    my $d = "|$from| -> |$to|";
657                                    $log->debug("transform: $d");
658    
659                                    my $regex = _get_regex($sf,$from,$to);
660                                    push @{ $regexpes->{$f} }, { regex => $regex, debug => $d };
661                                    $log->debug("regex: $regex");
662                            }
663                    }
664            }
665    
666            return $regexpes;
667    }
668    
669    =head2 modify_file_regexps
670    
671    Generate hash with regexpes to be applied using L<filter> from
672    pseudo hash/yaml format for regex mappings.
673    
674    It should be obvious:
675    
676            200
677              '^a'
678                ' : ' => '^e'
679                ' = ' => '^d'
680    
681    In field I<200> find C<'^a'> and then C<' : '>, and replace it with C<'^e'>.
682    In field I<200> find C<'^a'> and then C<' = '>, and replace it with C<'^d'>.
683    
684      my $regexpes = $input->modify_file_regexps( 'conf/modify/common.pl' );
685    
686    On undef path it will just return.
687    
688    =cut
689    
690    sub modify_file_regexps {
691            my $self = shift;
692    
693            my $modify_path = shift || return;
694    
695            my $log = $self->_get_logger();
696    
697            my $regexpes;
698    
699            CORE::open(my $fh, $modify_path) || $log->logdie("can't open modify file $modify_path: $!");
700    
701            my ($f,$sf);
702    
703            while(<$fh>) {
704                    chomp;
705                    next if (/^#/ || /^\s*$/);
706    
707                    if (/^\s*(\d+)\s*$/) {
708                            $f = $1;
709                            $log->debug("field: $f");
710                            next;
711                    } elsif (/^\s*'([^']*)'\s*$/) {
712                            $sf = $1;
713                            $log->die("can't define subfiled before field in: $_") unless ($f);
714                            $log->debug("subfield: $sf");
715                    } elsif (/^\s*'([^']*)'\s*=>\s*'([^']*)'\s*$/) {
716                            my ($from,$to) = ($1, $2);
717    
718                            $log->debug("transform: |$from| -> |$to|");
719    
720                            my $regex = _get_regex($sf,$from,$to);
721                            push @{ $regexpes->{$f} }, {
722                                    regex => $regex,
723                                    file => $modify_path,
724                                    line => $.,
725                            };
726                            $log->debug("regex: $regex");
727                    } else {
728                            die "can't parse: $_";
729                    }
730            }
731    
732            return $regexpes;
733    }
734    
735  =head1 AUTHOR  =head1 AUTHOR
736    
# Line 438  Dobrica Pavlinusic, C<< <dpavlin@rot13.o Line 738  Dobrica Pavlinusic, C<< <dpavlin@rot13.o
738    
739  =head1 COPYRIGHT & LICENSE  =head1 COPYRIGHT & LICENSE
740    
741  Copyright 2005 Dobrica Pavlinusic, All Rights Reserved.  Copyright 2005-2006 Dobrica Pavlinusic, All Rights Reserved.
742    
743  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
744  under the same terms as Perl itself.  under the same terms as Perl itself.
Legend:
Removed from v.483  
changed lines
  Added in v.1168
  ViewVC Help
Powered by ViewVC 1.1.26