/[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 496 by dpavlin, Sun May 14 19:45:26 2006 UTC revision 910 by dpavlin, Tue Oct 30 01:51:20 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 Data::Dumper;  use Encode qw/from_to/;
12    
13  =head1 NAME  =head1 NAME
14    
# 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 0.04  Version 0.18
20    
21  =cut  =cut
22    
23  our $VERSION = '0.04';  our $VERSION = '0.18';
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',
46                  config => $config,          );
                 lookup => $lookup_obj,  
                 low_mem => 1,  
     );  
47    
48      $db->open('/path/to/database');          $db->open( path => '/path/to/database' );
49          print "database size: ",$db->size,"\n";          print "database size: ",$db->size,"\n";
50          while (my $rec = $db->fetch) {          while (my $rec = $db->fetch) {
51                  # do something with $rec                  # do something with $rec
# Line 62  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',
         low_mem => 1,  
65          recode => 'char pairs',          recode => 'char pairs',
66          no_progress_bar => 1,          no_progress_bar => 1,
67            input_config => {
68                    mapping => [ 'foo', 'bar', 'baz' ],
69            },
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    
 Default is not to use C<low_mem> options (see L<MEMORY USAGE> below).  
   
79  C<recode> is optional string constisting of character or words pairs that  C<recode> is optional string constisting of character or words pairs that
80  should be replaced in input stream.  should be replaced in input stream.
81    
# Line 94  sub new { Line 93  sub new {
93    
94          my $log = $self->_get_logger;          my $log = $self->_get_logger;
95    
96          $log->logconfess("specify low-level file format module") unless ($self->{module});          $log->logconfess("code_page argument is not suppored any more. change it to encoding") if ($self->{lookup});
97          my $module = $self->{module};          $log->logconfess("lookup argument is not suppored any more. rewrite call to lookup_ref") if ($self->{lookup});
98          $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, @_);  
         }  
99    
100          $self->{'code_page'} ||= 'ISO-8859-2';          $log->logconfess("specify low-level file format module") unless ($self->{module});
101            my $module_path = $self->{module};
102          # running with low_mem flag? well, use DBM::Deep then.          $module_path =~ s#::#/#g;
103          if ($self->{'low_mem'}) {          $module_path .= '.pm';
104                  $log->info("running with low_mem which impacts performance (<32 Mb memory usage)");          $log->debug("require low-level module $self->{module} from $module_path");
   
                 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;  
105    
106                  my $db = new DBM::Deep $db_file;          require $module_path;
107    
108                  $log->logdie("DBM::Deep error: $!") unless ($db);          $self->{'encoding'} ||= 'ISO-8859-2';
   
                 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;  
         }  
109    
110          $self ? return $self : return undef;          $self ? return $self : return undef;
111  }  }
# Line 154  sub new { Line 114  sub new {
114    
115  This function will read whole database in memory and produce lookups.  This function will read whole database in memory and produce lookups.
116    
117     my $store;     # simple in-memory hash
118    
119   $input->open(   $input->open(
120          path => '/path/to/database/file',          path => '/path/to/database/file',
121          code_page => '852',          code_page => 'cp852',
122          limit => 500,          limit => 500,
123          offset => 6000,          offset => 6000,
124          lookup => $lookup_obj,          stats => 1,
125            lookup_coderef => sub {
126                    my $rec = shift;
127                    # store lookups
128            },
129            modify_records => {
130                    900 => { '^a' => { ' : ' => '^b' } },
131                    901 => { '*' => { '^b' => ' ; ' } },
132            },
133            modify_file => 'conf/modify/mapping.map',
134            save_row => sub {
135                    my $a = shift;
136                    $store->{ $a->{id} } = $a->{row};
137            },
138            load_row => sub {
139                    my $a = shift;
140                    return defined($store->{ $a->{id} }) &&
141                            $store->{ $a->{id} };
142            },
143    
144   );   );
145    
146  By default, C<code_page> is assumed to be C<852>.  By default, C<code_page> is assumed to be C<cp852>.
147    
148  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.
149    
150  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
151    
152    C<stats> create optional report about usage of fields and subfields
153    
154    C<lookup_coderef> is closure to called to save data into lookups
155    
156    C<modify_records> specify mapping from subfields to delimiters or from
157    delimiters to subfields, as well as oprations on fields (if subfield is
158    defined as C<*>.
159    
160    C<modify_file> is alternative for C<modify_records> above which preserves order and offers
161    (hopefully) simplier sintax than YAML or perl (see L</modify_file_regex>). This option
162    overrides C<modify_records> if both exists for same input.
163    
164    C<save_row> and C<load_row> are low-level implementation of store engine. Calling convention
165    is documented in example above.
166    
167  Returns size of database, regardless of C<offset> and C<limit>  Returns size of database, regardless of C<offset> and C<limit>
168  parametars, see also C<size>.  parametars, see also C<size>.
169    
# Line 179  sub open { Line 175  sub open {
175    
176          my $log = $self->_get_logger();          my $log = $self->_get_logger();
177    
178            $log->logconfess("lookup argument is not suppored any more. rewrite call to lookup_coderef") if ($arg->{lookup});
179            $log->logconfess("lookup_coderef must be CODE, not ",ref($arg->{lookup_coderef}))
180                    if ($arg->{lookup_coderef} && ref($arg->{lookup_coderef}) ne 'CODE');
181    
182            $log->debug( $arg->{lookup_coderef} ? '' : 'not ', "using lookup_coderef");
183    
184          $log->logcroak("need path") if (! $arg->{'path'});          $log->logcroak("need path") if (! $arg->{'path'});
185          my $code_page = $arg->{'code_page'} || '852';          my $code_page = $arg->{'code_page'} || 'cp852';
186    
187          # store data in object          # store data in object
188          $self->{'input_code_page'} = $code_page;          $self->{'input_code_page'} = $code_page;
# Line 188  sub open { Line 190  sub open {
190                  $self->{$v} = $arg->{$v} if ($arg->{$v});                  $self->{$v} = $arg->{$v} if ($arg->{$v});
191          }          }
192    
193          # create Text::Iconv object          if ($arg->{load_row} || $arg->{save_row}) {
194          $self->{iconv} = Text::Iconv->new($code_page,$self->{'code_page'});                  $log->logconfess("save_row and load_row must be defined in pair and be CODE") unless (
195                            ref($arg->{load_row}) eq 'CODE' &&
196                            ref($arg->{save_row}) eq 'CODE'
197                    );
198                    $self->{load_row} = $arg->{load_row};
199                    $self->{save_row} = $arg->{save_row};
200                    $log->debug("using load_row and save_row instead of in-memory hash");
201            }
202    
203          my $filter_ref;          my $filter_ref;
204            my $recode_regex;
205            my $recode_map;
206    
207          if ($self->{recode}) {          if ($self->{recode}) {
208                  my @r = split(/\s/, $self->{recode});                  my @r = split(/\s/, $self->{recode});
209                  if ($#r % 2 != 1) {                  if ($#r % 2 != 1) {
210                          $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)");
211                  } else {                  } else {
                         my $recode;  
212                          while (@r) {                          while (@r) {
213                                  my $from = shift @r;                                  my $from = shift @r;
214                                  my $to = shift @r;                                  my $to = shift @r;
215                                  $recode->{$from} = $to;                                  $recode_map->{$from} = $to;
216                          }                          }
217    
218                          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;  
                         };  
219    
220                            $log->debug("using recode regex: $recode_regex");
221                  }                  }
222    
223          }          }
224    
225          my ($db, $size) = $self->{open_db}->( $self,          my $rec_regex;
226            if (my $p = $arg->{modify_file}) {
227                    $log->debug("using modify_file $p");
228                    $rec_regex = $self->modify_file_regexps( $p );
229            } elsif (my $h = $arg->{modify_records}) {
230                    $log->debug("using modify_records ", sub { dump( $h ) });
231                    $rec_regex = $self->modify_record_regexps(%{ $h });
232            }
233            $log->debug("rec_regex: ", sub { dump($rec_regex) }) if ($rec_regex);
234    
235            my $class = $self->{module} || $log->logconfess("can't get low-level module name!");
236    
237            my $ll_db = $class->new(
238                  path => $arg->{path},                  path => $arg->{path},
239                  filter => $filter_ref,                  input_config => $arg->{input_config} || $self->{input_config},
240    #               filter => sub {
241    #                       my ($l,$f_nr) = @_;
242    #                       return unless defined($l);
243    #                       from_to($l, $code_page, $self->{'encoding'});
244    #                       $l =~ s/($recode_regex)/$recode_map->{$1}/g if ($recode_regex && $recode_map);
245    #                       return $l;
246    #               },
247                    %{ $arg },
248          );          );
249    
250          unless (defined($db)) {          unless (defined($ll_db)) {
251                  $log->logwarn("can't open database $arg->{path}, skipping...");                  $log->logwarn("can't open database $arg->{path}, skipping...");
252                  return;                  return;
253          }          }
254    
255            my $size = $ll_db->size;
256    
257          unless ($size) {          unless ($size) {
258                  $log->logwarn("no records in database $arg->{path}, skipping...");                  $log->logwarn("no records in database $arg->{path}, skipping...");
259                  return;                  return;
# Line 238  sub open { Line 263  sub open {
263          my $to_rec = $size;          my $to_rec = $size;
264    
265          if (my $s = $self->{offset}) {          if (my $s = $self->{offset}) {
266                  $log->info("skipping to MFN $s");                  $log->debug("skipping to MFN $s");
267                  $from_rec = $s;                  $from_rec = $s;
268          } else {          } else {
269                  $self->{offset} = $from_rec;                  $self->{offset} = $from_rec;
# Line 253  sub open { Line 278  sub open {
278          # store size for later          # store size for later
279          $self->{size} = ($to_rec - $from_rec) ? ($to_rec - $from_rec + 1) : 0;          $self->{size} = ($to_rec - $from_rec) ? ($to_rec - $from_rec + 1) : 0;
280    
281          $log->info("processing $self->{size}/$size records [$from_rec-$to_rec] convert $code_page -> $self->{code_page}");          $log->info("processing $self->{size}/$size records [$from_rec-$to_rec] convert $code_page -> $self->{encoding}", $self->{stats} ? ' [stats]' : '');
282    
283          # read database          # read database
284          for (my $pos = $from_rec; $pos <= $to_rec; $pos++) {          for (my $pos = $from_rec; $pos <= $to_rec; $pos++) {
285    
286                  $log->debug("position: $pos\n");                  $log->debug("position: $pos\n");
287    
288                  my $rec = $self->{fetch_rec}->($self, $db, $pos );                  my $rec = $ll_db->fetch_rec($pos, sub {
289                                    my ($l,$f_nr,$debug) = @_;
290    #                               return unless defined($l);
291    #                               return $l unless ($rec_regex && $f_nr);
292    
293                                    return unless ( defined($l) && defined($f_nr) );
294    
295                                    warn "-=> $f_nr ## |$l|\n" if ($debug);
296                                    $log->debug("-=> $f_nr ## $l");
297    
298                                    # codepage conversion and recode_regex
299                                    from_to($l, $code_page, $self->{'encoding'});
300                                    $l =~ s/($recode_regex)/$recode_map->{$1}/g if ($recode_regex && $recode_map);
301    
302                                    # apply regexps
303                                    if ($rec_regex && defined($rec_regex->{$f_nr})) {
304                                            $log->logconfess("regexps->{$f_nr} must be ARRAY") if (ref($rec_regex->{$f_nr}) ne 'ARRAY');
305                                            my $c = 0;
306                                            foreach my $r (@{ $rec_regex->{$f_nr} }) {
307                                                    my $old_l = $l;
308                                                    $log->logconfess("expected regex in ", dump( $r )) unless defined($r->{regex});
309                                                    eval '$l =~ ' . $r->{regex};
310                                                    if ($old_l ne $l) {
311                                                            my $d = "|$old_l| -> |$l| "; # . $r->{regex};
312                                                            $d .= ' +' . $r->{line} . ' ' . $r->{file} if defined($r->{line});
313                                                            $d .= ' ' . $r->{debug} if defined($r->{debug});
314                                                            $log->debug("MODIFY $d");
315                                                            warn "*** $d\n" if ($debug);
316    
317                                                    }
318                                                    $log->error("error applying regex: $r") if ($@);
319                                            }
320                                    }
321    
322                                    $log->debug("<=- $f_nr ## |$l|");
323                                    warn "<=- $f_nr ## $l\n" if ($debug);
324                                    return $l;
325                    });
326    
327                  $log->debug(sub { Dumper($rec) });                  $log->debug(sub { dump($rec) });
328    
329                  if (! $rec) {                  if (! $rec) {
330                          $log->warn("record $pos empty? skipping...");                          $log->warn("record $pos empty? skipping...");
# Line 270  sub open { Line 332  sub open {
332                  }                  }
333    
334                  # store                  # store
335                  if ($self->{low_mem}) {                  if ($self->{save_row}) {
336                          $self->{db}->put($pos, $rec);                          $self->{save_row}->({
337                                    id => $pos,
338                                    row => $rec,
339                            });
340                  } else {                  } else {
341                          $self->{data}->{$pos} = $rec;                          $self->{data}->{$pos} = $rec;
342                  }                  }
343    
344                  # create lookup                  # create lookup
345                  $self->{'lookup'}->add( $rec ) if ($rec && $self->{'lookup'});                  $arg->{'lookup_coderef'}->( $rec ) if ($rec && $arg->{'lookup_coderef'});
346    
347                    # update counters for statistics
348                    if ($self->{stats}) {
349    
350                            # fetch clean record with regexpes applied for statistics
351                            my $rec = $ll_db->fetch_rec($pos);
352    
353                            foreach my $fld (keys %{ $rec }) {
354                                    $self->{_stats}->{fld}->{ $fld }++;
355    
356                                    $log->logdie("invalid record fild $fld, not ARRAY")
357                                            unless (ref($rec->{ $fld }) eq 'ARRAY');
358            
359                                    foreach my $row (@{ $rec->{$fld} }) {
360    
361                                            if (ref($row) eq 'HASH') {
362    
363                                                    foreach my $sf (keys %{ $row }) {
364                                                            next if ($sf eq 'subfields');
365                                                            $self->{_stats}->{sf}->{ $fld }->{ $sf }->{count}++;
366                                                            $self->{_stats}->{sf}->{ $fld }->{ $sf }->{repeatable}++
367                                                                            if (ref($row->{$sf}) eq 'ARRAY');
368                                                    }
369    
370                                            } else {
371                                                    $self->{_stats}->{repeatable}->{ $fld }++;
372                                            }
373                                    }
374                            }
375                    }
376    
377                  $self->progress_bar($pos,$to_rec) unless ($self->{no_progress_bar});                  $self->progress_bar($pos,$to_rec) unless ($self->{no_progress_bar});
378    
# Line 290  sub open { Line 385  sub open {
385          $self->{max_pos} = $to_rec;          $self->{max_pos} = $to_rec;
386          $log->debug("max_pos: $to_rec");          $log->debug("max_pos: $to_rec");
387    
388            # save for dump
389            $self->{ll_db} = $ll_db;
390    
391          return $size;          return $size;
392  }  }
393    
# Line 329  sub fetch { Line 427  sub fetch {
427    
428          my $rec;          my $rec;
429    
430          if ($self->{low_mem}) {          if ($self->{load_row}) {
431                  $rec = $self->{db}->get($mfn);                  $rec = $self->{load_row}->({ id => $mfn });
432          } else {          } else {
433                  $rec = $self->{data}->{$mfn};                  $rec = $self->{data}->{$mfn};
434          }          }
# Line 385  First record in database has position 1. Line 483  First record in database has position 1.
483    
484  sub seek {  sub seek {
485          my $self = shift;          my $self = shift;
486          my $pos = shift || return;          my $pos = shift;
487    
488          my $log = $self->_get_logger();          my $log = $self->_get_logger();
489    
490            $log->logconfess("called without pos") unless defined($pos);
491    
492          if ($pos < 1) {          if ($pos < 1) {
493                  $log->warn("seek before first record");                  $log->warn("seek before first record");
494                  $pos = 1;                  $pos = 1;
# Line 400  sub seek { Line 500  sub seek {
500          return $self->{pos} = (($pos - 1) || -1);          return $self->{pos} = (($pos - 1) || -1);
501  }  }
502    
503    =head2 stats
504    
505    Dump statistics about field and subfield usage
506    
507      print $input->stats;
508    
509    =cut
510    
511    sub stats {
512            my $self = shift;
513    
514  =head1 MEMORY USAGE          my $log = $self->_get_logger();
515    
516  C<low_mem> options is double-edged sword. If enabled, WebPAC          my $s = $self->{_stats};
517  will run on memory constraint machines (which doesn't have enough          if (! $s) {
518  physical RAM to create memory structure for whole source database).                  $log->warn("called stats, but there is no statistics collected");
519                    return;
520  If your machine has 512Mb or more of RAM and database is around 10000 records,          }
521  memory shouldn't be an issue. If you don't have enough physical RAM, you  
522  might consider using virtual memory (if your operating system is handling it          my $max_fld = 0;
523  well, like on FreeBSD or Linux) instead of dropping to L<DBM::Deep> to handle  
524  parsed structure of ISIS database (this is what C<low_mem> option does).          my $out = join("\n",
525                    map {
526  Hitting swap at end of reading source database is probably o.k. However,                          my $f = $_;
527  hitting swap before 90% will dramatically decrease performance and you will                          die "no field in ", dump( $s->{fld} ) unless defined( $f );
528  be better off with C<low_mem> and using rest of availble memory for                          my $v = $s->{fld}->{$f} || die "no s->{fld}->{$f}";
529  operating system disk cache (Linux is particuallary good about this).                          $max_fld = $v if ($v > $max_fld);
530  However, every access to database record will require disk access, so  
531  generation phase will be slower 10-100 times.                          my $o = sprintf("%4s %d ~", $f, $v);
532    
533  Parsed structures are essential - you just have option to trade RAM memory                          if (defined($s->{sf}->{$f})) {
534  (which is fast) for disk space (which is slow). Be sure to have planty of                                  my @subfields = keys %{ $s->{sf}->{$f} };
535  disk space if you are using C<low_mem> and thus L<DBM::Deep>.                                  map {
536                                            $o .= sprintf(" %s:%d%s", $_,
537  However, when WebPAC is running on desktop machines (or laptops :-), it's                                                  $s->{sf}->{$f}->{$_}->{count},
538  highly undesireable for system to start swapping. Using C<low_mem> option can                                                  $s->{sf}->{$f}->{$_}->{repeatable} ? '*' : '',
539  reduce WecPAC memory usage to around 64Mb for same database with lookup                                          );
540  fields and sorted indexes which stay in RAM. Performance will suffer, but                                  } (
541  memory usage will really be minimal. It might be also more confortable to                                          # first indicators and other special subfields
542  run WebPAC reniced on those machines.                                          sort( grep { length($_)  > 1 } @subfields ),
543                                            # then subfileds (single char)
544                                            sort( grep { length($_) == 1 } @subfields ),
545                                    );
546                            }
547    
548                            if (my $v_r = $s->{repeatable}->{$f}) {
549                                    $o .= " ($v_r)" if ($v_r != $v);
550                            }
551    
552                            $o;
553                    } sort { $a <=> $b } keys %{ $s->{fld} }
554            );
555    
556            $log->debug( sub { dump($s) } );
557    
558            return $out;
559    }
560    
561    =head2 dump_ascii
562    
563    Display humanly readable dump of record
564    
565    =cut
566    
567    sub dump_ascii {
568            my $self = shift;
569    
570            return unless $self->{ll_db};
571    
572            if ($self->{ll_db}->can('dump_ascii')) {
573                    return $self->{ll_db}->dump_ascii( $self->{pos} );
574            } else {
575                    return dump( $self->{ll_db}->fetch_rec( $self->{pos} ) );
576            }
577    }
578    
579    =head2 _get_regex
580    
581    Helper function called which create regexps to be execute on code.
582    
583      _get_regex( 900, 'regex:[0-9]+' ,'numbers' );
584      _get_regex( 900, '^b', ' : ^b' );
585    
586    It supports perl regexps with C<regex:> prefix to from value and has
587    additional logic to skip empty subfields.
588    
589    =cut
590    
591    sub _get_regex {
592            my ($sf,$from,$to) = @_;
593    
594            # protect /
595            $from =~ s!/!\\/!gs;
596            $to =~ s!/!\\/!gs;
597    
598            if ($from =~ m/^regex:(.+)$/) {
599                    $from = $1;
600            } else {
601                    $from = '\Q' . $from . '\E';
602            }
603            if ($sf =~ /^\^/) {
604                    my $need_subfield_data = '*';   # no
605                    # if from is also subfield, require some data in between
606                    # to correctly skip empty subfields
607                    $need_subfield_data = '+' if ($from =~ m/^\\Q\^/);
608                    return
609                            's/\Q'. $sf .'\E([^\^]' . $need_subfield_data . '?)'. $from .'([^\^]*?)/'. $sf .'$1'. $to .'$2/';
610            } else {
611                    return
612                            's/'. $from .'/'. $to .'/g';
613            }
614    }
615    
616    
617    =head2 modify_record_regexps
618    
619    Generate hash with regexpes to be applied using L<filter>.
620    
621      my $regexpes = $input->modify_record_regexps(
622                    900 => { '^a' => { ' : ' => '^b' } },
623                    901 => { '*' => { '^b' => ' ; ' } },
624      );
625    
626    =cut
627    
628    sub modify_record_regexps {
629            my $self = shift;
630            my $modify_record = {@_};
631    
632            my $regexpes;
633    
634            my $log = $self->_get_logger();
635    
636            foreach my $f (keys %$modify_record) {
637                    $log->debug("field: $f");
638    
639                    foreach my $sf (keys %{ $modify_record->{$f} }) {
640                            $log->debug("subfield: $sf");
641    
642                            foreach my $from (keys %{ $modify_record->{$f}->{$sf} }) {
643                                    my $to = $modify_record->{$f}->{$sf}->{$from};
644                                    #die "no field?" unless defined($to);
645                                    my $d = "|$from| -> |$to|";
646                                    $log->debug("transform: $d");
647    
648                                    my $regex = _get_regex($sf,$from,$to);
649                                    push @{ $regexpes->{$f} }, { regex => $regex, debug => $d };
650                                    $log->debug("regex: $regex");
651                            }
652                    }
653            }
654    
655            return $regexpes;
656    }
657    
658    =head2 modify_file_regexps
659    
660    Generate hash with regexpes to be applied using L<filter> from
661    pseudo hash/yaml format for regex mappings.
662    
663    It should be obvious:
664    
665            200
666              '^a'
667                ' : ' => '^e'
668                ' = ' => '^d'
669    
670    In field I<200> find C<'^a'> and then C<' : '>, and replace it with C<'^e'>.
671    In field I<200> find C<'^a'> and then C<' = '>, and replace it with C<'^d'>.
672    
673      my $regexpes = $input->modify_file_regexps( 'conf/modify/common.pl' );
674    
675    On undef path it will just return.
676    
677    =cut
678    
679    sub modify_file_regexps {
680            my $self = shift;
681    
682            my $modify_path = shift || return;
683    
684            my $log = $self->_get_logger();
685    
686            my $regexpes;
687    
688            CORE::open(my $fh, $modify_path) || $log->logdie("can't open modify file $modify_path: $!");
689    
690            my ($f,$sf);
691    
692            while(<$fh>) {
693                    chomp;
694                    next if (/^#/ || /^\s*$/);
695    
696                    if (/^\s*(\d+)\s*$/) {
697                            $f = $1;
698                            $log->debug("field: $f");
699                            next;
700                    } elsif (/^\s*'([^']*)'\s*$/) {
701                            $sf = $1;
702                            $log->die("can't define subfiled before field in: $_") unless ($f);
703                            $log->debug("subfield: $sf");
704                    } elsif (/^\s*'([^']*)'\s*=>\s*'([^']*)'\s*$/) {
705                            my ($from,$to) = ($1, $2);
706    
707                            $log->debug("transform: |$from| -> |$to|");
708    
709                            my $regex = _get_regex($sf,$from,$to);
710                            push @{ $regexpes->{$f} }, {
711                                    regex => $regex,
712                                    file => $modify_path,
713                                    line => $.,
714                            };
715                            $log->debug("regex: $regex");
716                    }
717            }
718    
719            return $regexpes;
720    }
721    
722  =head1 AUTHOR  =head1 AUTHOR
723    
# Line 438  Dobrica Pavlinusic, C<< <dpavlin@rot13.o Line 725  Dobrica Pavlinusic, C<< <dpavlin@rot13.o
725    
726  =head1 COPYRIGHT & LICENSE  =head1 COPYRIGHT & LICENSE
727    
728  Copyright 2005 Dobrica Pavlinusic, All Rights Reserved.  Copyright 2005-2006 Dobrica Pavlinusic, All Rights Reserved.
729    
730  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
731  under the same terms as Perl itself.  under the same terms as Perl itself.
Legend:
Removed from v.496  
changed lines
  Added in v.910
  ViewVC Help
Powered by ViewVC 1.1.26