/[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 307 by dpavlin, Tue Dec 20 00:03:04 2005 UTC revision 844 by dpavlin, Sat May 26 10:40:01 2007 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 Data::Dump qw/dump/;
11    use Encode qw/from_to/;
12    
13  =head1 NAME  =head1 NAME
14    
# Line 13  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 0.18
20    
21  =cut  =cut
22    
23  our $VERSION = '0.03';  our $VERSION = '0.18';
24    
25  =head1 SYNOPSIS  =head1 SYNOPSIS
26    
# Line 36  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',
46                  config => $config,          );
47                  lookup => $lookup_obj,  
48                  low_mem => 1,          $db->open( path => '/path/to/database' );
49      );          print "database size: ",$db->size,"\n";
50            while (my $rec = $db->fetch) {
51      $db->open('/path/to/database');                  # do something with $rec
52      print "database size: ",$db->size,"\n";          }
     while (my $rec = $db->fetch) {  
     }  
53    
54    
55    
# Line 60  Create new input database object. Line 61  Create new input database object.
61    
62    my $db = new WebPAC::Input(    my $db = new WebPAC::Input(
63          module => 'WebPAC::Input::MARC',          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  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
70  L<WebPAC::Input::MARC>.  L<WebPAC::Input::MARC>.
71    
72  Optional parametar C<code_page> specify application code page (which will be  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 85  sub new { Line 90  sub new {
90    
91          my $log = $self->_get_logger;          my $log = $self->_get_logger;
92    
93          $log->logconfess("specify low-level file format module") unless ($self->{module});          $log->logconfess("code_page argument is not suppored any more. change it to encoding") if ($self->{lookup});
94          my $module = $self->{module};          $log->logconfess("lookup argument is not suppored any more. rewrite call to lookup_ref") if ($self->{lookup});
95          $module =~ s#::#/#g;          $log->logconfess("low_mem argument is not suppored any more. rewrite it to load_row and save_row") if ($self->{low_mem});
         $module .= '.pm';  
         $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;  
96    
97                  my $db = new DBM::Deep $db_file;          $log->logconfess("specify low-level file format module") unless ($self->{module});
98            my $module_path = $self->{module};
99                  $log->logdie("DBM::Deep error: $!") unless ($db);          $module_path =~ s#::#/#g;
100            $module_path .= '.pm';
101            $log->debug("require low-level module $self->{module} from $module_path");
102    
103                  if ($db->error()) {          require $module_path;
                         $log->logdie("can't open '$db_file' under low_mem: ",$db->error());  
                 } else {  
                         $log->debug("using file '$db_file' for DBM::Deep");  
                 }  
104    
105                  $self->{'db'} = $db;          $self->{'encoding'} ||= 'ISO-8859-2';
         }  
106    
107          $self ? return $self : return undef;          $self ? return $self : return undef;
108  }  }
# Line 145  sub new { Line 111  sub new {
111    
112  This function will read whole database in memory and produce lookups.  This function will read whole database in memory and produce lookups.
113    
114     my $store;     # simple in-memory hash
115    
116   $input->open(   $input->open(
117          path => '/path/to/database/file',          path => '/path/to/database/file',
118          code_page => '852',          code_page => 'cp852',
119          limit => 500,          limit => 500,
120          offset => 6000,          offset => 6000,
121          lookup => $lookup_obj,          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   );   );
142    
143  By default, C<code_page> is assumed to be C<852>.  By default, C<code_page> is assumed to be C<cp852>.
144    
145  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.
146    
147  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
148    
149    C<stats> create optional report about usage of fields and subfields
150    
151    C<lookup_coderef> is closure to called to save data into lookups
152    
153    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    C<modify_file> is alternative for C<modify_records> above which preserves order and offers
158    (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    C<save_row> and C<load_row> are low-level implementation of store engine. Calling convention
162    is documented in example above.
163    
164  Returns size of database, regardless of C<offset> and C<limit>  Returns size of database, regardless of C<offset> and C<limit>
165  parametars, see also C<size>.  parametars, see also C<size>.
166    
# Line 170  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->{'input_code_page'} = $code_page;          $self->{'input_code_page'} = $code_page;
# Line 179  sub open { Line 187  sub open {
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                            $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} || $log->logconfess("can't get low-level module name!");
233    
234          my ($db, $size) = $self->{open_db}->( $self,          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 $offset = 1;          my $from_rec = 1;
259          my $limit = $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                  $offset = $s;                  $from_rec = $s;
264          } else {          } else {
265                  $self->{offset} = $offset;                  $self->{offset} = $from_rec;
266          }          }
267    
268          if ($self->{limit}) {          if ($self->{limit}) {
269                  $log->debug("limiting to ",$self->{limit}," records");                  $log->debug("limiting to ",$self->{limit}," records");
270                  $limit = $offset + $self->{limit} - 1;                  $to_rec = $from_rec + $self->{limit} - 1;
271                  $limit = $size if ($limit > $size);                  $to_rec = $size if ($to_rec > $size);
272          }          }
273    
274          # store size for later          # store size for later
275          $self->{size} = ($limit - $offset) ? ($limit - $offset + 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 $pos = $offset; $pos <= $limit; $pos++) {          for (my $pos = $from_rec; $pos <= $to_rec; $pos++) {
281    
282                  $log->debug("position: $pos\n");                  $log->debug("position: $pos\n");
283    
284                  my $rec = $self->{fetch_rec}->($self, $db, $pos );                  my $rec = $ll_db->fetch_rec($pos, sub {
285                                    my ($l,$f_nr,$debug) = @_;
286    #                               return unless defined($l);
287    #                               return $l unless ($rec_regex && $f_nr);
288    
289                                    return unless ( defined($l) && defined($f_nr) );
290    
291                                    warn "-=> $f_nr ## |$l|\n" if ($debug);
292                                    $log->debug("-=> $f_nr ## $l");
293    
294                                    # codepage conversion and recode_regex
295                                    from_to($l, $code_page, $self->{'encoding'});
296                                    $l =~ s/($recode_regex)/$recode_map->{$1}/g if ($recode_regex && $recode_map);
297    
298                                    # apply regexps
299                                    if ($rec_regex && defined($rec_regex->{$f_nr})) {
300                                            $log->logconfess("regexps->{$f_nr} must be ARRAY") if (ref($rec_regex->{$f_nr}) ne 'ARRAY');
301                                            my $c = 0;
302                                            foreach my $r (@{ $rec_regex->{$f_nr} }) {
303                                                    my $old_l = $l;
304                                                    $log->logconfess("expected regex in ", dump( $r )) unless defined($r->{regex});
305                                                    eval '$l =~ ' . $r->{regex};
306                                                    if ($old_l ne $l) {
307                                                            my $d = "|$old_l| -> |$l| "; # . $r->{regex};
308                                                            $d .= ' +' . $r->{line} . ' ' . $r->{file} if defined($r->{line});
309                                                            $d .= ' ' . $r->{debug} if defined($r->{debug});
310                                                            $log->debug("MODIFY $d");
311                                                            warn "*** $d\n" if ($debug);
312    
313                                                    }
314                                                    $log->error("error applying regex: $r") if ($@);
315                                            }
316                                    }
317    
318                                    $log->debug("<=- $f_nr ## |$l|");
319                                    warn "<=- $f_nr ## $l\n" if ($debug);
320                                    return $l;
321                    });
322    
323                    $log->debug(sub { dump($rec) });
324    
325                  if (! $rec) {                  if (! $rec) {
326                          $log->warn("record $pos empty? skipping...");                          $log->warn("record $pos empty? skipping...");
# Line 230  sub open { Line 328  sub open {
328                  }                  }
329    
330                  # store                  # store
331                  if ($self->{low_mem}) {                  if ($self->{save_row}) {
332                          $self->{db}->put($pos, $rec);                          $self->{save_row}->({
333                                    id => $pos,
334                                    row => $rec,
335                            });
336                  } else {                  } else {
337                          $self->{data}->{$pos} = $rec;                          $self->{data}->{$pos} = $rec;
338                  }                  }
339    
340                  # create lookup                  # create lookup
341                  $self->{'lookup'}->add( $rec ) if ($rec && $self->{'lookup'});                  $arg->{'lookup_coderef'}->( $rec ) if ($rec && $arg->{'lookup_coderef'});
342    
343                  $self->progress_bar($pos,$limit);                  # update counters for statistics
344                    if ($self->{stats}) {
345    
346                            # fetch clean record with regexpes applied for statistics
347                            my $rec = $ll_db->fetch_rec($pos);
348    
349                            foreach my $fld (keys %{ $rec }) {
350                                    $self->{_stats}->{fld}->{ $fld }++;
351    
352                                    $log->logdie("invalid record fild $fld, not ARRAY")
353                                            unless (ref($rec->{ $fld }) eq 'ARRAY');
354            
355                                    foreach my $row (@{ $rec->{$fld} }) {
356    
357                                            if (ref($row) eq 'HASH') {
358    
359                                                    foreach my $sf (keys %{ $row }) {
360                                                            next if ($sf eq 'subfields');
361                                                            $self->{_stats}->{sf}->{ $fld }->{ $sf }->{count}++;
362                                                            $self->{_stats}->{sf}->{ $fld }->{ $sf }->{repeatable}++
363                                                                            if (ref($row->{$sf}) eq 'ARRAY');
364                                                    }
365    
366                                            } else {
367                                                    $self->{_stats}->{repeatable}->{ $fld }++;
368                                            }
369                                    }
370                            }
371                    }
372    
373                    $self->progress_bar($pos,$to_rec) unless ($self->{no_progress_bar});
374    
375          }          }
376    
# Line 247  sub open { Line 378  sub open {
378          $self->{last_pcnt} = 0;          $self->{last_pcnt} = 0;
379    
380          # store max mfn and return it.          # store max mfn and return it.
381          $self->{max_pos} = $limit;          $self->{max_pos} = $to_rec;
382          $log->debug("max_pos: $limit");          $log->debug("max_pos: $to_rec");
383    
384            # save for dump
385            $self->{ll_db} = $ll_db;
386    
387          return $size;          return $size;
388  }  }
# Line 285  sub fetch { Line 419  sub fetch {
419                  return;                  return;
420          }          }
421    
422          $self->progress_bar($mfn,$self->{max_pos});          $self->progress_bar($mfn,$self->{max_pos}) unless ($self->{no_progress_bar});
423    
424          my $rec;          my $rec;
425    
426          if ($self->{low_mem}) {          if ($self->{load_row}) {
427                  $rec = $self->{db}->get($mfn);                  $rec = $self->{load_row}->({ id => $mfn });
428          } else {          } else {
429                  $rec = $self->{data}->{$mfn};                  $rec = $self->{data}->{$mfn};
430          }          }
# Line 345  First record in database has position 1. Line 479  First record in database has position 1.
479    
480  sub seek {  sub seek {
481          my $self = shift;          my $self = shift;
482          my $pos = shift || return;          my $pos = shift;
483    
484          my $log = $self->_get_logger();          my $log = $self->_get_logger();
485    
486            $log->logconfess("called without pos") unless defined($pos);
487    
488          if ($pos < 1) {          if ($pos < 1) {
489                  $log->warn("seek before first record");                  $log->warn("seek before first record");
490                  $pos = 1;                  $pos = 1;
# Line 360  sub seek { Line 496  sub seek {
496          return $self->{pos} = (($pos - 1) || -1);          return $self->{pos} = (($pos - 1) || -1);
497  }  }
498    
499    =head2 stats
500    
501    Dump statistics about field and subfield usage
502    
503      print $input->stats;
504    
505    =cut
506    
507    sub stats {
508            my $self = shift;
509    
510            my $log = $self->_get_logger();
511    
512            my $s = $self->{_stats};
513            if (! $s) {
514                    $log->warn("called stats, but there is no statistics collected");
515                    return;
516            }
517    
518            my $max_fld = 0;
519    
520            my $out = join("\n",
521                    map {
522                            my $f = $_;
523                            die "no field in ", dump( $s->{fld} ) unless defined( $f );
524                            my $v = $s->{fld}->{$f} || die "no s->{fld}->{$f}";
525                            $max_fld = $v if ($v > $max_fld);
526    
527                            my $o = sprintf("%4s %d ~", $f, $v);
528    
529                            if (defined($s->{sf}->{$f})) {
530                                    map {
531                                            $o .= sprintf(" %s:%d%s", $_,
532                                                    $s->{sf}->{$f}->{$_}->{count},
533                                                    $s->{sf}->{$f}->{$_}->{repeatable} ? '*' : '',
534                                            );
535                                    } sort keys %{ $s->{sf}->{$f} };
536                            }
537    
538                            if (my $v_r = $s->{repeatable}->{$f}) {
539                                    $o .= " ($v_r)" if ($v_r != $v);
540                            }
541    
542                            $o;
543                    } sort { $a cmp $b } keys %{ $s->{fld} }
544            );
545    
546            $log->debug( sub { dump($s) } );
547    
548            return $out;
549    }
550    
551  =head1 MEMORY USAGE  =head2 dump_ascii
552    
553  C<low_mem> options is double-edged sword. If enabled, WebPAC  Display humanly readable dump of record
 will run on memory constraint machines (which doesn't have enough  
 physical RAM to create memory structure for whole source database).  
   
 If your machine has 512Mb or more of RAM and database is around 10000 records,  
 memory shouldn't be an issue. If you don't have enough physical RAM, you  
 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).  
   
 Hitting swap at end of reading source database is probably o.k. However,  
 hitting swap before 90% will dramatically decrease performance and you will  
 be better off with C<low_mem> and using rest of availble memory for  
 operating system disk cache (Linux is particuallary good about this).  
 However, every access to database record will require disk access, so  
 generation phase will be slower 10-100 times.  
   
 Parsed structures are essential - you just have option to trade RAM memory  
 (which is fast) for disk space (which is slow). Be sure to have planty of  
 disk space if you are using C<low_mem> and thus L<DBM::Deep>.  
   
 However, when WebPAC is running on desktop machines (or laptops :-), it's  
 highly undesireable for system to start swapping. Using C<low_mem> option can  
 reduce WecPAC memory usage to around 64Mb for same database with lookup  
 fields and sorted indexes which stay in RAM. Performance will suffer, but  
 memory usage will really be minimal. It might be also more confortable to  
 run WebPAC reniced on those machines.  
554    
555    =cut
556    
557    sub dump_ascii {
558            my $self = shift;
559    
560            return unless $self->{ll_db};
561    
562            if ($self->{ll_db}->can('dump_rec')) {
563                    return $self->{ll_db}->dump_ascii( $self->{pos} );
564            } else {
565                    return dump( $self->{ll_db}->fetch_rec( $self->{pos} ) );
566            }
567    }
568    
569    =head2 _get_regex
570    
571    Helper function called which create regexps to be execute on code.
572    
573      _get_regex( 900, 'regex:[0-9]+' ,'numbers' );
574      _get_regex( 900, '^b', ' : ^b' );
575    
576    It supports perl regexps with C<regex:> prefix to from value and has
577    additional logic to skip empty subfields.
578    
579    =cut
580    
581    sub _get_regex {
582            my ($sf,$from,$to) = @_;
583    
584            # protect /
585            $from =~ s!/!\\/!gs;
586            $to =~ s!/!\\/!gs;
587    
588            if ($from =~ m/^regex:(.+)$/) {
589                    $from = $1;
590            } else {
591                    $from = '\Q' . $from . '\E';
592            }
593            if ($sf =~ /^\^/) {
594                    my $need_subfield_data = '*';   # no
595                    # if from is also subfield, require some data in between
596                    # to correctly skip empty subfields
597                    $need_subfield_data = '+' if ($from =~ m/^\\Q\^/);
598                    return
599                            's/\Q'. $sf .'\E([^\^]' . $need_subfield_data . '?)'. $from .'([^\^]*?)/'. $sf .'$1'. $to .'$2/';
600            } else {
601                    return
602                            's/'. $from .'/'. $to .'/g';
603            }
604    }
605    
606    
607    =head2 modify_record_regexps
608    
609    Generate hash with regexpes to be applied using L<filter>.
610    
611      my $regexpes = $input->modify_record_regexps(
612                    900 => { '^a' => { ' : ' => '^b' } },
613                    901 => { '*' => { '^b' => ' ; ' } },
614      );
615    
616    =cut
617    
618    sub modify_record_regexps {
619            my $self = shift;
620            my $modify_record = {@_};
621    
622            my $regexpes;
623    
624            my $log = $self->_get_logger();
625    
626            foreach my $f (keys %$modify_record) {
627                    $log->debug("field: $f");
628    
629                    foreach my $sf (keys %{ $modify_record->{$f} }) {
630                            $log->debug("subfield: $sf");
631    
632                            foreach my $from (keys %{ $modify_record->{$f}->{$sf} }) {
633                                    my $to = $modify_record->{$f}->{$sf}->{$from};
634                                    #die "no field?" unless defined($to);
635                                    my $d = "|$from| -> |$to|";
636                                    $log->debug("transform: $d");
637    
638                                    my $regex = _get_regex($sf,$from,$to);
639                                    push @{ $regexpes->{$f} }, { regex => $regex, debug => $d };
640                                    $log->debug("regex: $regex");
641                            }
642                    }
643            }
644    
645            return $regexpes;
646    }
647    
648    =head2 modify_file_regexps
649    
650    Generate hash with regexpes to be applied using L<filter> from
651    pseudo hash/yaml format for regex mappings.
652    
653    It should be obvious:
654    
655            200
656              '^a'
657                ' : ' => '^e'
658                ' = ' => '^d'
659    
660    In field I<200> find C<'^a'> and then C<' : '>, and replace it with C<'^e'>.
661    In field I<200> find C<'^a'> and then C<' = '>, and replace it with C<'^d'>.
662    
663      my $regexpes = $input->modify_file_regexps( 'conf/modify/common.pl' );
664    
665    On undef path it will just return.
666    
667    =cut
668    
669    sub modify_file_regexps {
670            my $self = shift;
671    
672            my $modify_path = shift || return;
673    
674            my $log = $self->_get_logger();
675    
676            my $regexpes;
677    
678            CORE::open(my $fh, $modify_path) || $log->logdie("can't open modify file $modify_path: $!");
679    
680            my ($f,$sf);
681    
682            while(<$fh>) {
683                    chomp;
684                    next if (/^#/ || /^\s*$/);
685    
686                    if (/^\s*(\d+)\s*$/) {
687                            $f = $1;
688                            $log->debug("field: $f");
689                            next;
690                    } elsif (/^\s*'([^']*)'\s*$/) {
691                            $sf = $1;
692                            $log->die("can't define subfiled before field in: $_") unless ($f);
693                            $log->debug("subfield: $sf");
694                    } elsif (/^\s*'([^']*)'\s*=>\s*'([^']*)'\s*$/) {
695                            my ($from,$to) = ($1, $2);
696    
697                            $log->debug("transform: |$from| -> |$to|");
698    
699                            my $regex = _get_regex($sf,$from,$to);
700                            push @{ $regexpes->{$f} }, {
701                                    regex => $regex,
702                                    file => $modify_path,
703                                    line => $.,
704                            };
705                            $log->debug("regex: $regex");
706                    }
707            }
708    
709            return $regexpes;
710    }
711    
712  =head1 AUTHOR  =head1 AUTHOR
713    
# Line 398  Dobrica Pavlinusic, C<< <dpavlin@rot13.o Line 715  Dobrica Pavlinusic, C<< <dpavlin@rot13.o
715    
716  =head1 COPYRIGHT & LICENSE  =head1 COPYRIGHT & LICENSE
717    
718  Copyright 2005 Dobrica Pavlinusic, All Rights Reserved.  Copyright 2005-2006 Dobrica Pavlinusic, All Rights Reserved.
719    
720  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
721  under the same terms as Perl itself.  under the same terms as Perl itself.
Legend:
Removed from v.307  
changed lines
  Added in v.844
  ViewVC Help
Powered by ViewVC 1.1.26