/[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 506 by dpavlin, Mon May 15 09:59:05 2006 UTC revision 597 by dpavlin, Thu Jul 13 11:54:33 2006 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;
7    
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;
# Line 14  WebPAC::Input - read different file form Line 16  WebPAC::Input - read different file form
16    
17  =head1 VERSION  =head1 VERSION
18    
19  Version 0.05  Version 0.08
20    
21  =cut  =cut
22    
23  our $VERSION = '0.05';  our $VERSION = '0.08';
24    
25  =head1 SYNOPSIS  =head1 SYNOPSIS
26    
# Line 37  C<fetch_rec> and optional C<init> functi Line 39  C<fetch_rec> and optional C<init> functi
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(          my $db = WebPAC::Input->new(
45          module => 'WebPAC::Input::ISIS',                  module => 'WebPAC::Input::ISIS',
                 config => $config,  
                 lookup => $lookup_obj,  
46                  low_mem => 1,                  low_mem => 1,
47      );          );
48    
49      $db->open('/path/to/database');          $db->open( path => '/path/to/database' );
50          print "database size: ",$db->size,"\n";          print "database size: ",$db->size,"\n";
51          while (my $rec = $db->fetch) {          while (my $rec = $db->fetch) {
52                  # do something with $rec                  # do something with $rec
# Line 62  Create new input database object. Line 62  Create new input database object.
62    
63    my $db = new WebPAC::Input(    my $db = new WebPAC::Input(
64          module => 'WebPAC::Input::MARC',          module => 'WebPAC::Input::MARC',
65          code_page => 'ISO-8859-2',          encoding => 'ISO-8859-2',
66          low_mem => 1,          low_mem => 1,
67          recode => 'char pairs',          recode => 'char pairs',
68          no_progress_bar => 1,          no_progress_bar => 1,
69    );    );
70    
71  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
72  L<WebPAC::Input::MARC>.  L<WebPAC::Input::MARC>.
73    
74  Optional parametar C<code_page> specify application code page (which will be  Optional parametar C<encoding> specify application code page (which will be
75  used internally). This should probably be your terminal encoding, and by  used internally). This should probably be your terminal encoding, and by
76  default, it C<ISO-8859-2>.  default, it C<ISO-8859-2>.
77    
# Line 94  sub new { Line 94  sub new {
94    
95          my $log = $self->_get_logger;          my $log = $self->_get_logger;
96    
97            $log->logconfess("code_page argument is not suppored any more. change it to encoding") if ($self->{lookup});
98            $log->logconfess("lookup argument is not suppored any more. rewrite call to lookup_ref") if ($self->{lookup});
99    
100          $log->logconfess("specify low-level file format module") unless ($self->{module});          $log->logconfess("specify low-level file format module") unless ($self->{module});
101          my $module = $self->{module};          my $module = $self->{module};
102          $module =~ s#::#/#g;          $module =~ s#::#/#g;
# Line 119  sub new { Line 122  sub new {
122                  $self->{init}->($self, @_);                  $self->{init}->($self, @_);
123          }          }
124    
125          $self->{'code_page'} ||= 'ISO-8859-2';          $self->{'encoding'} ||= 'ISO-8859-2';
126    
127          # running with low_mem flag? well, use DBM::Deep then.          # running with low_mem flag? well, use DBM::Deep then.
128          if ($self->{'low_mem'}) {          if ($self->{'low_mem'}) {
# Line 161  This function will read whole database i Line 164  This function will read whole database i
164          offset => 6000,          offset => 6000,
165          lookup => $lookup_obj,          lookup => $lookup_obj,
166          stats => 1,          stats => 1,
167            lookup_ref => sub {
168                    my ($k,$v) = @_;
169                    # store lookup $k => $v
170            },
171            modify_records => {
172                    900 => { '^a' => { ' : ' => '^b' } },
173                    901 => { '*' => { '^b' => ' ; ' } },
174            },
175   );   );
176    
177  By default, C<code_page> is assumed to be C<852>.  By default, C<code_page> is assumed to be C<852>.
# Line 171  C<limit> is optional parametar to read j Line 182  C<limit> is optional parametar to read j
182    
183  C<stats> create optional report about usage of fields and subfields  C<stats> create optional report about usage of fields and subfields
184    
185    C<lookup_coderef> is closure to call when adding C<< key => 'value' >> combinations to
186    lookup.
187    
188    C<modify_records> specify mapping from subfields to delimiters or from
189    delimiters to subfields, as well as oprations on fields (if subfield is
190    defined as C<*>.
191    
192  Returns size of database, regardless of C<offset> and C<limit>  Returns size of database, regardless of C<offset> and C<limit>
193  parametars, see also C<size>.  parametars, see also C<size>.
194    
# Line 182  sub open { Line 200  sub open {
200    
201          my $log = $self->_get_logger();          my $log = $self->_get_logger();
202    
203            $log->logconfess("lookup argument is not suppored any more. rewrite call to lookup_coderef") if ($arg->{lookup});
204            $log->logconfess("lookup_coderef must be CODE, not ",ref($arg->{lookup_coderef}))
205                    if ($arg->{lookup_coderef} && ref($arg->{lookup_coderef}) ne 'CODE');
206    
207          $log->logcroak("need path") if (! $arg->{'path'});          $log->logcroak("need path") if (! $arg->{'path'});
208          my $code_page = $arg->{'code_page'} || '852';          my $code_page = $arg->{'code_page'} || '852';
209    
# Line 192  sub open { Line 214  sub open {
214          }          }
215    
216          # create Text::Iconv object          # create Text::Iconv object
217          $self->{iconv} = Text::Iconv->new($code_page,$self->{'code_page'});          $self->{iconv} = Text::Iconv->new($code_page,$self->{'encoding'});      ## FIXME remove!
218    
219          my $filter_ref;          my $filter_ref;
220            my $recode_regex;
221            my $recode_map;
222    
223          if ($self->{recode}) {          if ($self->{recode}) {
224                  my @r = split(/\s/, $self->{recode});                  my @r = split(/\s/, $self->{recode});
225                  if ($#r % 2 != 1) {                  if ($#r % 2 != 1) {
226                          $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)");
227                  } else {                  } else {
                         my $recode;  
228                          while (@r) {                          while (@r) {
229                                  my $from = shift @r;                                  my $from = shift @r;
230                                  my $to = shift @r;                                  my $to = shift @r;
231                                  $recode->{$from} = $to;                                  $recode_map->{$from} = $to;
232                          }                          }
233    
234                          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;  
                         };  
235    
236                            $log->debug("using recode regex: $recode_regex");
237                  }                  }
238    
239          }          }
240    
241            my $rec_regex = $self->modify_record_regexps(%{ $arg->{modify_records} });
242            $log->debug("rec_regex: ", Dumper($rec_regex));
243    
244          my ($db, $size) = $self->{open_db}->( $self,          my ($db, $size) = $self->{open_db}->( $self,
245                  path => $arg->{path},                  path => $arg->{path},
246                  filter => $filter_ref,                  filter => sub {
247                                    my ($l,$f_nr) = @_;
248                                    return unless defined($l);
249    
250                                    ## FIXME remove iconv!
251                                    $l = $self->{iconv}->convert($l) if ($self->{iconv});
252            
253                                    $l =~ s/($recode_regex)/$recode_map->{$1}/g if ($recode_regex && $recode_map);
254    
255                                    return $l unless ($rec_regex);
256    
257                                    # apply regexps
258                                    if ($rec_regex && defined($rec_regex->{$f_nr})) {
259                                            $log->logconfess("regexps->{$f_nr} must be ARRAY") if (ref($rec_regex->{$f_nr}) ne 'ARRAY');
260                                            my $c = 0;
261                                            foreach my $r (@{ $rec_regex->{$f_nr} }) {
262                                                    while ( eval '$l =~ ' . $r ) { $c++ };
263                                            }
264                                            warn "## field $f_nr triggered $c regexpes\n" if ($c && $self->{debug});
265                                    }
266    
267                                    return $l;
268                    },
269                    %{ $arg },
270          );          );
271    
272          unless (defined($db)) {          unless (defined($db)) {
# Line 241  sub open { Line 283  sub open {
283          my $to_rec = $size;          my $to_rec = $size;
284    
285          if (my $s = $self->{offset}) {          if (my $s = $self->{offset}) {
286                  $log->info("skipping to MFN $s");                  $log->debug("skipping to MFN $s");
287                  $from_rec = $s;                  $from_rec = $s;
288          } else {          } else {
289                  $self->{offset} = $from_rec;                  $self->{offset} = $from_rec;
# Line 256  sub open { Line 298  sub open {
298          # store size for later          # store size for later
299          $self->{size} = ($to_rec - $from_rec) ? ($to_rec - $from_rec + 1) : 0;          $self->{size} = ($to_rec - $from_rec) ? ($to_rec - $from_rec + 1) : 0;
300    
301          $log->info("processing $self->{size}/$size records [$from_rec-$to_rec] convert $code_page -> $self->{code_page}", $self->{stats} ? ' [stats]' : '');          $log->info("processing $self->{size}/$size records [$from_rec-$to_rec] convert $code_page -> $self->{encoding}", $self->{stats} ? ' [stats]' : '');
302    
303          # read database          # read database
304          for (my $pos = $from_rec; $pos <= $to_rec; $pos++) {          for (my $pos = $from_rec; $pos <= $to_rec; $pos++) {
# Line 280  sub open { Line 322  sub open {
322                  }                  }
323    
324                  # create lookup                  # create lookup
325                  $self->{'lookup'}->add( $rec ) if ($rec && $self->{'lookup'});                  $arg->{'lookup_coderef'}->( $rec ) if ($rec && $arg->{'lookup_coderef'});
326    
327                  # update counters for statistics                  # update counters for statistics
328                  if ($self->{stats}) {                  if ($self->{stats}) {
329                          map {  
330                                  my $fld = $_;                          foreach my $fld (keys %{ $rec }) {
331                                  $self->{_stats}->{fld}->{ $fld }++;                                  $self->{_stats}->{fld}->{ $fld }++;
332                                  if (ref($rec->{ $fld }) eq 'ARRAY') {  
333                                          map {                                  $log->logdie("invalid record fild $fld, not ARRAY")
334                                                  if (ref($_) eq 'HASH') {                                          unless (ref($rec->{ $fld }) eq 'ARRAY');
335                                                          map {          
336                                                                  $self->{_stats}->{sf}->{ $fld }->{ $_ }++;                                  foreach my $row (@{ $rec->{$fld} }) {
337                                                          } keys %{ $_ };  
338                                                  } else {                                          if (ref($row) eq 'HASH') {
339                                                          $self->{_stats}->{repeatable}->{ $fld }++;  
340                                                    foreach my $sf (keys %{ $row }) {
341                                                            $self->{_stats}->{sf}->{ $fld }->{ $sf }->{count}++;
342                                                            $self->{_stats}->{sf}->{ $fld }->{ $sf }->{repeatable}++
343                                                                            if (ref($row->{$sf}) eq 'ARRAY');
344                                                  }                                                  }
345                                          } @{ $rec->{$fld} };  
346                                            } else {
347                                                    $self->{_stats}->{repeatable}->{ $fld }++;
348                                            }
349                                  }                                  }
350                          } keys %{ $rec };                          }
351                  }                  }
352    
353                  $self->progress_bar($pos,$to_rec) unless ($self->{no_progress_bar});                  $self->progress_bar($pos,$to_rec) unless ($self->{no_progress_bar});
# Line 426  sub seek { Line 475  sub seek {
475    
476  Dump statistics about field and subfield usage  Dump statistics about field and subfield usage
477    
478    print Dumper( $input->stats );    print $input->stats;
479    
480  =cut  =cut
481    
482  sub stats {  sub stats {
483          my $self = shift;          my $self = shift;
484          return $self->{_stats};  
485            my $log = $self->_get_logger();
486    
487            my $s = $self->{_stats};
488            if (! $s) {
489                    $log->warn("called stats, but there is no statistics collected");
490                    return;
491            }
492    
493            my $max_fld = 0;
494    
495            my $out = join("\n",
496                    map {
497                            my $f = $_ || die "no field";
498                            my $v = $s->{fld}->{$f} || die "no s->{fld}->{$f}";
499                            $max_fld = $v if ($v > $max_fld);
500    
501                            my $o = sprintf("%4s %d ~", $f, $v);
502    
503                            if (defined($s->{sf}->{$f})) {
504                                    map {
505                                            $o .= sprintf(" %s:%d%s", $_,
506                                                    $s->{sf}->{$f}->{$_}->{count},
507                                                    $s->{sf}->{$f}->{$_}->{repeatable} ? '*' : '',
508                                            );
509                                    } sort keys %{ $s->{sf}->{$f} };
510                            }
511    
512                            if (my $v_r = $s->{repeatable}->{$f}) {
513                                    $o .= " ($v_r)" if ($v_r != $v);
514                            }
515    
516                            $o;
517                    } sort { $a cmp $b } keys %{ $s->{fld} }
518            );
519    
520            $log->debug( sub { Dumper($s) } );
521    
522            return $out;
523    }
524    
525    =head1 modify_record_regexps
526    
527    Generate hash with regexpes to be applied using L<filter>.
528    
529      my $regexpes = $input->modify_record_regexps(
530                    900 => { '^a' => { ' : ' => '^b' } },
531                    901 => { '*' => { '^b' => ' ; ' } },
532      );
533    
534    =cut
535    
536    sub modify_record_regexps {
537            my $self = shift;
538            my $modify_record = {@_};
539    
540            my $regexpes;
541    
542            foreach my $f (keys %$modify_record) {
543    warn "--- f: $f\n";
544                    foreach my $sf (keys %{ $modify_record->{$f} }) {
545    warn "---- sf: $sf\n";
546                            foreach my $from (keys %{ $modify_record->{$f}->{$sf} }) {
547                                    my $to = $modify_record->{$f}->{$sf}->{$from};
548                                    #die "no field?" unless defined($to);
549    warn "----- transform: |$from| -> |$to|\n";
550    
551                                    if ($sf =~ /^\^/) {
552                                            my $regex =
553                                                    's/\Q'. $sf .'\E([^\^]+)\Q'. $from .'\E([^\^]+)/'. $sf .'$1'. $to .'$2/g';
554                                            push @{ $regexpes->{$f} }, $regex;
555    warn ">>>>> $regex [sf]\n";
556                                    } else {
557                                            my $regex =
558                                                    's/\Q'. $from .'\E/'. $to .'/g';
559                                            push @{ $regexpes->{$f} }, $regex;
560    warn ">>>>> $regex [global]\n";
561                                    }
562    
563                            }
564                    }
565            }
566    
567            return $regexpes;
568  }  }
569    
570  =head1 MEMORY USAGE  =head1 MEMORY USAGE
Legend:
Removed from v.506  
changed lines
  Added in v.597
  ViewVC Help
Powered by ViewVC 1.1.26