/[webpac2]/trunk/lib/WebPAC/Normalize.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/Normalize.pm

Parent Directory Parent Directory | Revision Log Revision Log | View Patch Patch

revision 29 by dpavlin, Sun Jul 24 11:17:44 2005 UTC revision 1013 by dpavlin, Wed Nov 7 11:54:34 2007 UTC
# Line 1  Line 1 
1  package WebPAC::Normalize;  package WebPAC::Normalize;
2    use Exporter 'import';
3    our @EXPORT = qw/
4            _set_ds _set_lookup
5            _set_load_row
6            _get_ds _clean_ds
7            _debug
8            _pack_subfields_hash
9    
10            search_display search display sorted
11    
12            marc marc_indicators marc_repeatable_subfield
13            marc_compose marc_leader marc_fixed
14            marc_duplicate marc_remove marc_count
15            marc_original_order
16            marc_template
17    
18            rec1 rec2 rec
19            frec
20            regex prefix suffix surround
21            first lookup join_with
22            save_into_lookup
23    
24            split_rec_on
25    
26            get set
27            count
28    
29    /;
30    
31  use warnings;  use warnings;
32  use strict;  use strict;
 use base 'WebPAC::Common';  
 use Data::Dumper;  
33    
34  =head1 NAME  #use base qw/WebPAC::Common/;
35    use Data::Dump qw/dump/;
36    use Storable qw/dclone/;
37    use Carp qw/confess/;
38    
39  WebPAC::Normalize - data mungling for normalisation  # debugging warn(s)
40    my $debug = 0;
41    
42  =head1 VERSION  use WebPAC::Normalize::ISBN;
43    push @EXPORT, ( 'isbn_10', 'isbn_13' );
44    
45  Version 0.01  =head1 NAME
46    
47    WebPAC::Normalize - describe normalisaton rules using sets
48    
49  =cut  =cut
50    
51  our $VERSION = '0.01';  our $VERSION = '0.33';
52    
53  =head1 SYNOPSIS  =head1 SYNOPSIS
54    
55  This package contains code that mungle data to produce normalized format.  This module uses C<conf/normalize/*.pl> files to perform normalisation
56    from input records using perl functions which are specialized for set
57    processing.
58    
59    Sets are implemented as arrays, and normalisation file is valid perl, which
60    means that you check it's validity before running WebPAC using
61    C<perl -c normalize.pl>.
62    
63    Normalisation can generate multiple output normalized data. For now, supported output
64    types (on the left side of definition) are: C<search_display>, C<display>, C<search> and
65    C<marc>.
66    
67  It contains several assumptions:  =head1 FUNCTIONS
68    
69  =over  Functions which start with C<_> are private and used by WebPAC internally.
70    All other functions are available for use within normalisation rules.
71    
72  =item *  =head2 data_structure
73    
74    Return data structure
75    
76  format of fields is defined using C<v123^a> notation for repeatable fields    my $ds = WebPAC::Normalize::data_structure(
77  or C<s123^a> for single (or first) value, where C<123> is field number and          lookup => $lookup_hash,
78  C<a> is subfield.          row => $row,
79            rules => $normalize_pl_config,
80            marc_encoding => 'utf-8',
81            config => $config,
82            load_row_coderef => sub {
83                    my ($database,$input,$mfn) = @_;
84                    $store->load_row( database => $database, input => $input, id => $mfn );
85            },
86      );
87    
88  =item *  Options C<row>, C<rules> and C<log> are mandatory while all
89    other are optional.
90    
91  source data records (C<$rec>) have unique identifiers in field C<000>  C<load_row_coderef> is closure only used when executing lookups, so they will
92    die if it's not defined.
93    
94  =item *  This function will B<die> if normalizastion can't be evaled.
95    
96  optional C<eval{length('v123^a') == 3}> tag at B<beginning of format> will be  Since this function isn't exported you have to call it with
97  perl code that is evaluated before producing output (value of field will be  C<WebPAC::Normalize::data_structure>.
 interpolated before that)  
98    
99  =item *  =cut
100    
101  optional C<filter{filter_name}> at B<begining of format> will apply perl  my $load_row_coderef;
 code defined as code ref on format after field substitution to producing  
 output  
102    
103  =item *  sub data_structure {
104            my $arg = {@_};
105    
106            die "need row argument" unless ($arg->{row});
107            die "need normalisation argument" unless ($arg->{rules});
108    
109            _set_lookup( $arg->{lookup} ) if defined($arg->{lookup});
110            _set_ds( $arg->{row} );
111            _set_config( $arg->{config} ) if defined($arg->{config});
112            _clean_ds( %{ $arg } );
113            $load_row_coderef = $arg->{load_row_coderef};
114    
115            no strict 'subs';
116            no warnings 'redefine';
117            eval "$arg->{rules};";
118            die "error evaling $arg->{rules}: $@\n" if ($@);
119    
120            return _get_ds();
121    }
122    
123    =head2 _set_ds
124    
125    Set current record hash
126    
127      _set_ds( $rec );
128    
129    =cut
130    
131    my $rec;
132    
133    sub _set_ds {
134            $rec = shift or die "no record hash";
135    }
136    
137  optional C<lookup{...}> will be then performed. See C<WebPAC::Lookups>.  =head2 _set_config
138    
139  =item *  Set current config hash
140    
141  at end, optional C<format>s rules are resolved. Format rules are similar to    _set_config( $config );
142  C<sprintf> and can also contain C<lookup{...}> which is performed after  
143  values are inserted in format.  Magic keys are:
144    
145    =over 4
146    
147    =item _
148    
149    Code of current database
150    
151    =item _mfn
152    
153    Current MFN
154    
155  =back  =back
156    
157  This also describes order in which transformations are applied (eval,  =cut
 filter, lookup, format) which is important to undestand when deciding how to  
 solve your data mungling and normalisation process.  
158    
159    my $config;
160    
161    sub _set_config {
162            $config = shift;
163    }
164    
165    =head2 _get_ds
166    
167  =head1 FUNCTIONS  Return hash formatted as data structure
168    
169  =head2 new    my $ds = _get_ds();
170    
171  Create new normalisation object  =cut
172    
173    my $n = new WebPAC::Normalize::Something(  my ($out, $marc_record, $marc_encoding, $marc_repeatable_subfield, $marc_indicators, $marc_leader);
174          filter => {  my ($marc_record_offset, $marc_fetch_offset) = (0, 0);
                 'filter_name_1' => sub {  
                         # filter code  
                         return length($_);  
                 }, ...  
         },  
         db => $db_obj,  
         lookup_regex => $lookup->regex,  
   );  
175    
176  Parametar C<filter> defines user supplied snippets of perl code which can  sub _get_ds {
177  be use with C<filter{...}> notation.  #warn "## out = ",dump($out);
178            return $out;
179    }
180    
181    =head2 _clean_ds
182    
183    Clean data structure hash for next record
184    
185      _clean_ds();
186    
187    =cut
188    
189    sub _clean_ds {
190            my $a = {@_};
191            ($out,$marc_record, $marc_encoding, $marc_repeatable_subfield, $marc_indicators, $marc_leader) = ();
192            ($marc_record_offset, $marc_fetch_offset) = (0,0);
193            $marc_encoding = $a->{marc_encoding};
194    }
195    
196  Recommended parametar C<lookup_regex> is used to enable parsing of lookups  =head2 _set_lookup
197  in structures.  
198    Set current lookup hash
199    
200      _set_lookup( $lookup );
201    
202  =cut  =cut
203    
204  sub new {  my $lookup;
         my $class = shift;  
         my $self = {@_};  
         bless($self, $class);  
205    
206          $self ? return $self : return undef;  sub _set_lookup {
207            $lookup = shift;
208  }  }
209    
210    =head2 _get_lookup
211    
212  =head2 data_structure  Get current lookup hash
213    
214  Create in-memory data structure which represents normalized layout from    my $lookup = _get_lookup();
 C<conf/normalize/*.xml>.  
215    
216  This structures are used to produce output.  =cut
217    
218    sub _get_lookup {
219            return $lookup;
220    }
221    
222   my @ds = $webpac->data_structure($rec);  =head2 _set_load_row
223    
224  B<Note: historical oddity follows>  Setup code reference which will return L<data_structure> from
225    L<WebPAC::Store>
226    
227  This method will also set C<< $webpac->{'currnet_filename'} >> if there is    _set_load_row(sub {
228  C<< <filename> >> tag and C<< $webpac->{'headline'} >> if there is                  my ($database,$input,$mfn) = @_;
229  C<< <headline> >> tag.                  $store->load_row( database => $database, input => $input, id => $mfn );
230      });
231    
232  =cut  =cut
233    
234  sub data_structure {  sub _set_load_row {
235          my $self = shift;          my $coderef = shift;
236            confess "argument isn't CODE" unless ref($coderef) eq 'CODE';
237    
238            $load_row_coderef = $coderef;
239    }
240    
241    =head2 _get_marc_fields
242    
243    Get all fields defined by calls to C<marc>
244    
245            $marc->add_fields( WebPAC::Normalize:_get_marc_fields() );
246    
247    We are using I<magic> which detect repeatable fields only from
248    sequence of field/subfield data generated by normalization.
249    
250    Repeatable field is created when there is second occurence of same subfield or
251    if any of indicators are different.
252    
253    This is sane for most cases. Something like:
254    
255      900a-1 900b-1 900c-1
256      900a-2 900b-2
257      900a-3
258    
259          my $log = $self->_get_logger();  will be created from any combination of:
260    
261          my $rec = shift;    900a-1 900a-2 900a-3 900b-1 900b-2 900c-1
         $log->logconfess("need HASH as first argument!") if ($rec !~ /HASH/o);  
262    
263          my $cache_file;  and following rules:
264    
265      marc('900','a', rec('200','a') );
266      marc('900','b', rec('200','b') );
267      marc('900','c', rec('200','c') );
268    
269    which might not be what you have in mind. If you need repeatable subfield,
270    define it using C<marc_repeatable_subfield> like this:
271    
272      marc_repeatable_subfield('900','a');
273      marc('900','a', rec('200','a') );
274      marc('900','b', rec('200','b') );
275      marc('900','c', rec('200','c') );
276    
277    will create:
278    
279      900a-1 900a-2 900a-3 900b-1 900c-1
280      900b-2
281    
282    There is also support for returning next or specific using:
283    
284      while (my $mf = WebPAC::Normalize:_get_marc_fields( fetch_next => 1 ) ) {
285            # do something with $mf
286      }
287    
288    will always return fields from next MARC record or
289    
290      my $mf = WebPAC::Normalize::_get_marc_fields( offset => 42 );
291    
292    will return 42th copy record (if it exists).
293    
294    =cut
295    
296          if ($self->{'db'}) {  my $fetch_pos;
297                  my @ds = $self->{'db'}->load_ds($rec);  
298                  $log->debug("load_ds( rec = ", sub { Dumper($rec) }, ") = ", sub { Dumper(@ds) });  sub _get_marc_fields {
299                  return @ds if ($#ds > 0);  
300                  $log->debug("cache miss, creating");          my $arg = {@_};
301            warn "### _get_marc_fields arg: ", dump($arg), $/ if ($debug > 2);
302            $fetch_pos = $marc_fetch_offset;
303            if ($arg->{offset}) {
304                    $fetch_pos = $arg->{offset};
305            } elsif($arg->{fetch_next}) {
306                    $marc_fetch_offset++;
307          }          }
308    
309          undef $self->{'currnet_filename'};          return if (! $marc_record || ref($marc_record) ne 'ARRAY');
         undef $self->{'headline'};  
310    
311          my @sorted_tags;          warn "### full marc_record = ", dump( @{ $marc_record }), $/ if ($debug > 2);
312          if ($self->{tags_by_order}) {  
313                  @sorted_tags = @{$self->{tags_by_order}};          my $marc_rec = $marc_record->[ $fetch_pos ];
314          } else {  
315                  @sorted_tags = sort { $self->_sort_by_order } keys %{$self->{'import_xml'}->{'indexer'}};          warn "## _get_marc_fields (at offset: $fetch_pos) -- marc_record = ", dump( @$marc_rec ), $/ if ($debug > 1);
316                  $self->{tags_by_order} = \@sorted_tags;  
317            return if (! $marc_rec || ref($marc_rec) ne 'ARRAY' || $#{ $marc_rec } < 0);
318    
319            # first, sort all existing fields
320            # XXX might not be needed, but modern perl might randomize elements in hash
321            my @sorted_marc_record = sort {
322                    $a->[0] . ( $a->[3] || '' ) cmp $b->[0] . ( $b->[3] || '')
323            } @{ $marc_rec };
324    
325            @sorted_marc_record = @{ $marc_rec };   ### FIXME disable sorting
326            
327            # output marc fields
328            my @m;
329    
330            # count unique field-subfields (used for offset when walking to next subfield)
331            my $u;
332            map { $u->{ $_->[0] . ( $_->[3] || '')  }++ } @sorted_marc_record;
333    
334            if ($debug) {
335                    warn "## marc_repeatable_subfield = ", dump( $marc_repeatable_subfield ), $/ if ( $marc_repeatable_subfield );
336                    warn "## marc_record[$fetch_pos] = ", dump( $marc_rec ), $/;
337                    warn "## sorted_marc_record = ", dump( \@sorted_marc_record ), $/;
338                    warn "## subfield count = ", dump( $u ), $/;
339          }          }
340    
341          my @ds;          my $len = $#sorted_marc_record;
342            my $visited;
343            my $i = 0;
344            my $field;
345    
346            foreach ( 0 .. $len ) {
347    
348          $log->debug("tags: ",sub { join(", ",@sorted_tags) });                  # find next element which isn't visited
349                    while ($visited->{$i}) {
350                            $i = ($i + 1) % ($len + 1);
351                    }
352    
353          foreach my $field (@sorted_tags) {                  # mark it visited
354                    $visited->{$i}++;
355    
356                  my $row;                  my $row = dclone( $sorted_marc_record[$i] );
357    
358  #print "field $field [",$self->{'tag'},"] = ",Dumper($self->{'import_xml'}->{'indexer'}->{$field}->{$self->{'tag'}});                  # field and subfield which is key for
359                    # marc_repeatable_subfield and u
360                    my $fsf = $row->[0] . ( $row->[3] || '' );
361    
362                    if ($debug > 1) {
363    
364                            print "### field so far [", $#$field, "] : ", dump( $field ), " ", $field ? 'T' : 'F', $/;
365                            print "### this [$i]: ", dump( $row ),$/;
366                            print "### sf: ", $row->[3], " vs ", $field->[3],
367                                    $marc_repeatable_subfield->{ $row->[0] . $row->[3] } ? ' (repeatable)' : '', $/,
368                                    if ($#$field >= 0);
369    
370                  foreach my $tag (@{$self->{'import_xml'}->{'indexer'}->{$field}->{$self->{'tag'}}}) {                  }
                         my $format = $tag->{'value'} || $tag->{'content'};  
371    
372                          $log->debug("format: $format");                  # if field exists
373                    if ( $#$field >= 0 ) {
374                            if (
375                                    $row->[0] ne $field->[0] ||             # field
376                                    $row->[1] ne $field->[1] ||             # i1
377                                    $row->[2] ne $field->[2]                # i2
378                            ) {
379                                    push @m, $field;
380                                    warn "## saved/1 ", dump( $field ),$/ if ($debug);
381                                    $field = $row;
382    
383                            } elsif (
384                                    ( $row->[3] lt $field->[-2] )           # subfield which is not next (e.g. a after c)
385                                    ||
386                                    ( $row->[3] eq $field->[-2] &&          # same subfield, but not repeatable
387                                            ! $marc_repeatable_subfield->{ $fsf }
388                                    )
389                            ) {
390                                    push @m, $field;
391                                    warn "## saved/2 ", dump( $field ),$/ if ($debug);
392                                    $field = $row;
393    
                         my @v;  
                         if ($self->{'lookup_regex'} && $format =~ $self->{'lookup_regex'}) {  
                                 @v = $self->fill_in_to_arr($rec,$format);  
394                          } else {                          } else {
395                                  @v = $self->parse_to_arr($rec,$format);                                  # append new subfields to existing field
396                                    push @$field, ( $row->[3], $row->[4] );
397                          }                          }
398                          next if (! @v);                  } else {
399                            # insert first field
400                            $field = $row;
401                    }
402    
403                          if ($tag->{'sort'}) {                  if (! $marc_repeatable_subfield->{ $fsf }) {
404                                  @v = $self->sort_arr(@v);                          # make step to next subfield
405                          }                          $i = ($i + $u->{ $fsf } ) % ($len + 1);
406                    }
407            }
408    
409                          # use format?          if ($#$field >= 0) {
410                          if ($tag->{'format_name'}) {                  push @m, $field;
411                                  @v = map { $self->apply_format($tag->{'format_name'},$tag->{'format_delimiter'},$_) } @v;                  warn "## saved/3 ", dump( $field ),$/ if ($debug);
412                          }          }
413    
414                          if ($field eq 'filename') {          return \@m;
415                                  $self->{'current_filename'} = join('',@v);  }
                                 $log->debug("filename: ",$self->{'current_filename'});  
                         } elsif ($field eq 'headline') {  
                                 $self->{'headline'} .= join('',@v);  
                                 $log->debug("headline: ",$self->{'headline'});  
                                 next; # don't return headline in data_structure!  
                         }  
416    
417                          # delimiter will join repeatable fields  =head2 _get_marc_leader
                         if ($tag->{'delimiter'}) {  
                                 @v = ( join($tag->{'delimiter'}, @v) );  
                         }  
418    
419                          # default types  Return leader from currently fetched record by L</_get_marc_fields>
                         my @types = qw(display swish);  
                         # override by type attribute  
                         @types = ( $tag->{'type'} ) if ($tag->{'type'});  
   
                         foreach my $type (@types) {  
                                 # append to previous line?  
                                 $log->debug("type: $type ",sub { join(" ",@v) }, $row->{'append'} || 'no append');  
                                 if ($tag->{'append'}) {  
   
                                         # I will delimit appended part with  
                                         # delimiter (or ,)  
                                         my $d = $tag->{'delimiter'};  
                                         # default delimiter  
                                         $d ||= " ";  
   
                                         my $last = pop @{$row->{$type}};  
                                         $d = "" if (! $last);  
                                         $last .= $d . join($d, @v);  
                                         push @{$row->{$type}}, $last;  
420    
421                                  } else {    print WebPAC::Normalize::_get_marc_leader();
                                         push @{$row->{$type}}, @v;  
                                 }  
                         }  
422    
423    =cut
424    
425                  }  sub _get_marc_leader {
426            die "no fetch_pos, did you called _get_marc_fields first?" unless ( defined( $fetch_pos ) );
427            return $marc_leader->[ $fetch_pos ];
428    }
429    
430                  if ($row) {  =head2 _debug
                         $row->{'tag'} = $field;  
431    
432                          # TODO: name_sigular, name_plural  Change level of debug warnings
                         my $name = $self->{'import_xml'}->{'indexer'}->{$field}->{'name'};  
                         $row->{'name'} = $name ? $self->_x($name) : $field;  
   
                         # post-sort all values in field  
                         if ($self->{'import_xml'}->{'indexer'}->{$field}->{'sort'}) {  
                                 $log->warn("sort at field tag not implemented");  
                         }  
433    
434                          push @ds, $row;    _debug( 2 );
435    
436                          $log->debug("row $field: ",sub { Dumper($row) });  =cut
                 }  
437    
438          }  sub _debug {
439            my $l = shift;
440            return $debug unless defined($l);
441            warn "debug level $l",$/ if ($l > 0);
442            $debug = $l;
443    }
444    
445    =head1 Functions to create C<data_structure>
446    
447    Those functions generally have to first in your normalization file.
448    
449          $self->{'db'}->save_ds(  =head2 search_display
                 ds => \@ds,  
                 current_filename => $self->{'current_filename'},  
                 headline => $self->{'headline'},  
         ) if ($self->{'db'});  
450    
451          $log->debug("ds: ", sub { Dumper(@ds) });  Define output for L<search> and L<display> at the same time
452    
453          return @ds;    search_display('Title', rec('200','a') );
454    
455    
456    =cut
457    
458    sub search_display {
459            my $name = shift or die "search_display needs name as first argument";
460            my @o = grep { defined($_) && $_ ne '' } @_;
461            return unless (@o);
462            $out->{$name}->{search} = \@o;
463            $out->{$name}->{display} = \@o;
464    }
465    
466    =head2 tag
467    
468    Old name for L<search_display>, but supported
469    
470    =cut
471    
472    sub tag {
473            search_display( @_ );
474  }  }
475    
476  =head2 parse  =head2 display
477    
478  Perform smart parsing of string, skipping delimiters for fields which aren't  Define output just for I<display>
 defined. It can also eval code in format starting with C<eval{...}> and  
 return output or nothing depending on eval code.  
479    
480   my $text = $webpac->parse($rec,'eval{"v901^a" eq "Deskriptor"}descriptor: v250^a', $i);    @v = display('Title', rec('200','a') );
481    
482  =cut  =cut
483    
484  sub parse {  sub _field {
485          my $self = shift;          my $type = shift or confess "need type -- BUG?";
486            my $name = shift or confess "needs name as first argument";
487            my @o = grep { defined($_) && $_ ne '' } @_;
488            return unless (@o);
489            $out->{$name}->{$type} = \@o;
490    }
491    
492          my ($rec, $format_utf8, $i) = @_;  sub display { _field( 'display', @_ ) }
493    
494          return if (! $format_utf8);  =head2 search
495    
496          my $log = $self->_get_logger();  Prepare values just for I<search>
497    
498          $log->logconfess("need HASH as first argument!") if ($rec !~ /HASH/o);    @v = search('Title', rec('200','a') );
499    
500          $i = 0 if (! $i);  =cut
501    
502          my $format = $self->_x($format_utf8) || $log->logconfess("can't convert '$format_utf8' from UTF-8 to ",$self->{'code_page'});  sub search { _field( 'search', @_ ) }
503    
504          my @out;  =head2 sorted
505    
506          $log->debug("format: $format");  Insert into lists which will be automatically sorted
507    
508          my $eval_code;   sorted('Title', rec('200','a') );
509          # remove eval{...} from beginning  
510          $eval_code = $1 if ($format =~ s/^eval{([^}]+)}//s);  =cut
511    
512    sub sorted { _field( 'sorted', @_ ) }
513    
         my $filter_name;  
         # remove filter{...} from beginning  
         $filter_name = $1 if ($format =~ s/^filter{([^}]+)}//s);  
514    
515          my $prefix;  =head2 marc_leader
         my $all_found=0;  
516    
517          while ($format =~ s/^(.*?)(v|s)(\d+)(?:\^(\w))?//s) {  Setup fields within MARC leader or get leader
518    
519                  my $del = $1 || '';    marc_leader('05','c');
520                  $prefix ||= $del if ($all_found == 0);    my $leader = marc_leader();
521    
522                  # repeatable index  =cut
                 my $r = $i;  
                 $r = 0 if (lc("$2") eq 's');  
523    
524                  my $found = 0;  sub marc_leader {
525                  my $tmp = $self->get_data(\$rec,$3,$4,$r,\$found);          my ($offset,$value) = @_;
526    
527                  if ($found) {          if ($offset) {
528                          push @out, $del;                  $marc_leader->[ $marc_record_offset ]->{ $offset } = $value;
529                          push @out, $tmp;          } else {
530                          $all_found += $found;                  
531                    if (defined($marc_leader)) {
532                            die "marc_leader not array = ", dump( $marc_leader ) unless (ref($marc_leader) eq 'ARRAY');
533                            return $marc_leader->[ $marc_record_offset ];
534                    } else {
535                            return;
536                  }                  }
537          }          }
538    }
539    
540    =head2 marc_fixed
541    
542    Create control/indentifier fields with values in fixed positions
543    
544          return if (! $all_found);    marc_fixed('008', 00, '070402');
545      marc_fixed('008', 39, '|');
546    
547          my $out = join('',@out);  Positions not specified will be filled with spaces (C<0x20>).
548    
549          if ($out) {  There will be no effort to extend last specified value to full length of
550                  # add rest of format (suffix)  field in standard.
                 $out .= $format;  
551    
552                  # add prefix if not there  =cut
553                  $out = $prefix . $out if ($out !~ m/^\Q$prefix\E/);  
554    sub marc_fixed {
555            my ($f, $pos, $val) = @_;
556            die "need marc(field, position, value)" unless defined($f) && defined($pos);
557    
558            confess "need val" unless defined $val;
559    
560            my $update = 0;
561    
562            map {
563                    if ($_->[0] eq $f) {
564                            my $old = $_->[1];
565                            if (length($old) <= $pos) {
566                                    $_->[1] .= ' ' x ( $pos - length($old) ) . $val;
567                                    warn "## marc_fixed($f,$pos,'$val') append '$old' -> '$_->[1]'\n" if ($debug > 1);
568                            } else {
569                                    $_->[1] = substr($old, 0, $pos) . $val . substr($old, $pos + length($val));
570                                    warn "## marc_fixed($f,$pos,'$val') update '$old' -> '$_->[1]'\n" if ($debug > 1);
571                            }
572                            $update++;
573                    }
574            } @{ $marc_record->[ $marc_record_offset ] };
575    
576                  $log->debug("result: $out");          if (! $update) {
577                    my $v = ' ' x $pos . $val;
578                    push @{ $marc_record->[ $marc_record_offset ] }, [ $f, $v ];
579                    warn "## marc_fixed($f,$pos,'val') created '$v'\n" if ($debug > 1);
580          }          }
581    }
582    
583    =head2 marc
584    
585    Save value for MARC field
586    
587      marc('900','a', rec('200','a') );
588      marc('001', rec('000') );
589    
590          if ($eval_code) {  =cut
591                  my $eval = $self->fill_in($rec,$eval_code,$i) || return;  
592                  $log->debug("about to eval{$eval} format: $out");  sub marc {
593                  return if (! $self->_eval($eval));          my $f = shift or die "marc needs field";
594            die "marc field must be numer" unless ($f =~ /^\d+$/);
595    
596            my $sf;
597            if ($f >= 10) {
598                    $sf = shift or die "marc needs subfield";
599          }          }
600            
601          if ($filter_name && $self->{'filter'}->{$filter_name}) {          foreach (@_) {
602                  $log->debug("about to filter{$filter_name} format: $out");                  my $v = $_;             # make var read-write for Encode
603                  $out = $self->{'filter'}->{$filter_name}->($out);                  next unless (defined($v) && $v !~ /^\s*$/);
604                  return unless(defined($out));                  my ($i1,$i2) = defined($marc_indicators->{$f}) ? @{ $marc_indicators->{$f} } : (' ',' ');
605                  $log->debug("filter result: $out");                  if (defined $sf) {
606                            push @{ $marc_record->[ $marc_record_offset ] }, [ $f, $i1, $i2, $sf => $v ];
607                    } else {
608                            push @{ $marc_record->[ $marc_record_offset ] }, [ $f, $v ];
609                    }
610          }          }
611    }
612    
613          return $out;  =head2 marc_repeatable_subfield
614    
615    Save values for MARC repetable subfield
616    
617      marc_repeatable_subfield('910', 'z', rec('909') );
618    
619    =cut
620    
621    sub marc_repeatable_subfield {
622            my ($f,$sf) = @_;
623            die "marc_repeatable_subfield need field and subfield!\n" unless ($f && $sf);
624            $marc_repeatable_subfield->{ $f . $sf }++;
625            marc(@_);
626  }  }
627    
628  =head2 parse_to_arr  =head2 marc_indicators
629    
630    Set both indicators for MARC field
631    
632  Similar to C<parse>, but returns array of all repeatable fields    marc_indicators('900', ' ', 1);
633    
634   my @arr = $webpac->parse_to_arr($rec,'v250^a');  Any indicator value other than C<0-9> will be treated as undefined.
635    
636  =cut  =cut
637    
638  sub parse_to_arr {  sub marc_indicators {
639          my $self = shift;          my $f = shift || die "marc_indicators need field!\n";
640            my ($i1,$i2) = @_;
641            die "marc_indicators($f, ...) need i1!\n" unless(defined($i1));
642            die "marc_indicators($f, $i1, ...) need i2!\n" unless(defined($i2));
643    
644            $i1 = ' ' if ($i1 !~ /^\d$/);
645            $i2 = ' ' if ($i2 !~ /^\d$/);
646            @{ $marc_indicators->{$f} } = ($i1,$i2);
647    }
648    
649    =head2 marc_compose
650    
651          my ($rec, $format_utf8) = @_;  Save values for each MARC subfield explicitly
652    
653          my $log = $self->_get_logger();    marc_compose('900',
654            'a', rec('200','a')
655            'b', rec('201','a')
656            'a', rec('200','b')
657            'c', rec('200','c')
658      );
659    
660          $log->logconfess("need HASH as first argument!") if ($rec !~ /HASH/o);  If you specify C<+> for subfield, value will be appended
661          return if (! $format_utf8);  to previous defined subfield.
662    
663          my $i = 0;  =cut
664          my @arr;  
665    sub marc_compose {
666            my $f = shift or die "marc_compose needs field";
667            die "marc_compose field must be numer" unless ($f =~ /^\d+$/);
668    
669            my ($i1,$i2) = defined($marc_indicators->{$f}) ? @{ $marc_indicators->{$f} } : (' ',' ');
670            my $m = [ $f, $i1, $i2 ];
671    
672            warn "### marc_compose input subfields = ", dump(@_),$/ if ($debug > 2);
673    
674            if ($#_ % 2 != 1) {
675                    die "ERROR: marc_compose",dump($f,@_)," not valid (must be even).\nDo you need to add first() or join() around some argument?\n";
676            }
677    
678          while (my $v = $self->parse($rec,$format_utf8,$i++)) {          while (@_) {
679                  push @arr, $v;                  my $sf = shift;
680                    my $v = shift;
681    
682                    next unless (defined($v) && $v !~ /^\s*$/);
683                    warn "## ++ marc_compose($f,$sf,$v) ", dump( $m ),$/ if ($debug > 1);
684                    if ($sf ne '+') {
685                            push @$m, ( $sf, $v );
686                    } else {
687                            $m->[ $#$m ] .= $v;
688                    }
689          }          }
690    
691          $log->debug("format '$format_utf8' returned ",--$i," elements: ", sub { join(" | ",@arr) }) if (@arr);          warn "## marc_compose current marc = ", dump( $m ),$/ if ($debug > 1);
692    
693            push @{ $marc_record->[ $marc_record_offset ] }, $m if ($#{$m} > 2);
694    }
695    
696    =head2 marc_duplicate
697    
698    Generate copy of current MARC record and continue working on copy
699    
700      marc_duplicate();
701    
702    Copies can be accessed using C<< _get_marc_fields( fetch_next => 1 ) >> or
703    C<< _get_marc_fields( offset => 42 ) >>.
704    
705    =cut
706    
707    sub marc_duplicate {
708             my $m = $marc_record->[ -1 ];
709             die "can't duplicate record which isn't defined" unless ($m);
710             push @{ $marc_record }, dclone( $m );
711             push @{ $marc_leader }, dclone( marc_leader() );
712             warn "## marc_duplicate = ", dump(@$marc_leader, @$marc_record), $/ if ($debug > 1);
713             $marc_record_offset = $#{ $marc_record };
714             warn "## marc_record_offset = $marc_record_offset", $/ if ($debug > 1);
715    
         return @arr;  
716  }  }
717    
718    =head2 marc_remove
719    
720  =head2 fill_in  Remove some field or subfield from MARC record.
721    
722  Workhourse of all: takes record from in-memory structure of database and    marc_remove('200');
723  strings with placeholders and returns string or array of with substituted    marc_remove('200','a');
 values from record.  
724    
725   my $text = $webpac->fill_in($rec,'v250^a');  This will erase field C<200> or C<200^a> from current MARC record.
726    
727  Optional argument is ordinal number for repeatable fields. By default,    marc_remove('*');
 it's assume to be first repeatable field (fields are perl array, so first  
 element is 0).  
 Following example will read second value from repeatable field.  
728    
729   my $text = $webpac->fill_in($rec,'Title: v250^a',1);  Will remove all fields in current MARC record.
730    
731  This function B<does not> perform parsing of format to inteligenty skip  This is useful after calling C<marc_duplicate> or on it's own (but, you
732  delimiters before fields which aren't used.  should probably just remove that subfield definition if you are not
733    using C<marc_duplicate>).
734    
735  This method will automatically decode UTF-8 string to local code page  FIXME: support fields < 10.
 if needed.  
736    
737  =cut  =cut
738    
739  sub fill_in {  sub marc_remove {
740          my $self = shift;          my ($f, $sf) = @_;
741    
742            die "marc_remove needs record number" unless defined($f);
743    
744          my $log = $self->_get_logger();          my $marc = $marc_record->[ $marc_record_offset ];
745    
746          my $rec = shift || $log->logconfess("need data record");          warn "### marc_remove before = ", dump( $marc ), $/ if ($debug > 2);
         my $format = shift || $log->logconfess("need format to parse");  
         # iteration (for repeatable fields)  
         my $i = shift || 0;  
747    
748          $log->logdie("infitite loop in format $format") if ($i > ($self->{'max_mfn'} || 9999));          if ($f eq '*') {
749    
750                    delete( $marc_record->[ $marc_record_offset ] );
751                    warn "## full marc_record = ", dump( @{ $marc_record }), $/ if ($debug > 1);
752    
753            } else {
754    
755                    my $i = 0;
756                    foreach ( 0 .. $#{ $marc } ) {
757                            last unless (defined $marc->[$i]);
758                            warn "#### working on ",dump( @{ $marc->[$i] }), $/ if ($debug > 3);
759                            if ($marc->[$i]->[0] eq $f) {
760                                    if (! defined $sf) {
761                                            # remove whole field
762                                            splice @$marc, $i, 1;
763                                            warn "#### slice \@\$marc, $i, 1 = ",dump( @{ $marc }), $/ if ($debug > 3);
764                                            $i--;
765                                    } else {
766                                            foreach my $j ( 0 .. (( $#{ $marc->[$i] } - 3 ) / 2) ) {
767                                                    my $o = ($j * 2) + 3;
768                                                    if ($marc->[$i]->[$o] eq $sf) {
769                                                            # remove subfield
770                                                            splice @{$marc->[$i]}, $o, 2;
771                                                            warn "#### slice \@{\$marc->[$i]}, $o, 2 = ", dump( @{ $marc }), $/ if ($debug > 3);
772                                                            # is record now empty?
773                                                            if ($#{ $marc->[$i] } == 2) {
774                                                                    splice @$marc, $i, 1;
775                                                                    warn "#### slice \@\$marc, $i, 1 = ", dump( @{ $marc }), $/ if ($debug > 3);
776                                                                    $i--;
777                                                            };
778                                                    }
779                                            }
780                                    }
781                            }
782                            $i++;
783                    }
784    
785          # FIXME remove for speedup?                  warn "### marc_remove($f", $sf ? ",$sf" : "", ") after = ", dump( $marc ), $/ if ($debug > 2);
         $log->logconfess("need HASH as first argument!") if ($rec !~ /HASH/o);  
786    
787          if (utf8::is_utf8($format)) {                  $marc_record->[ $marc_record_offset ] = $marc;
                 $format = $self->_x($format);  
788          }          }
789    
790          my $found = 0;          warn "## full marc_record = ", dump( @{ $marc_record }), $/ if ($debug > 1);
791    }
792    
793    =head2 marc_original_order
794    
795    Copy all subfields preserving original order to marc field.
796    
797      marc_original_order( marc_field_number, original_input_field_number );
798    
799    Please note that field numbers are consistent with other commands (marc
800    field number first), but somewhat counter-intuitive (destination and then
801    source).
802    
803    You might want to use this command if you are just renaming subfields or
804    using pre-processing modify_record in C<config.yml> and don't need any
805    post-processing or want to preserve order of original subfields.
806    
807    
808    =cut
809    
810    sub marc_original_order {
811    
812          my $eval_code;          my ($to, $from) = @_;
813          # remove eval{...} from beginning          die "marc_original_order needs from and to fields\n" unless ($from && $to);
         $eval_code = $1 if ($format =~ s/^eval{([^}]+)}//s);  
814    
815          my $filter_name;          return unless defined($rec->{$from});
         # remove filter{...} from beginning  
         $filter_name = $1 if ($format =~ s/^filter{([^}]+)}//s);  
816    
817          # do actual replacement of placeholders          my $r = $rec->{$from};
818          # repeatable fields          die "record field $from isn't array\n" unless (ref($r) eq 'ARRAY');
         $format =~ s/v(\d+)(?:\^(\w))?/$self->get_data(\$rec,$1,$2,$i,\$found)/ges;  
         # non-repeatable fields  
         $format =~ s/s(\d+)(?:\^(\w))?/$self->get_data(\$rec,$1,$2,0,\$found)/ges;  
819    
820          if ($found) {          my ($i1,$i2) = defined($marc_indicators->{$to}) ? @{ $marc_indicators->{$to} } : (' ',' ');
821                  $log->debug("format: $format");          warn "## marc_original_order($to,$from) source = ", dump( $r ),$/ if ($debug > 1);
822                  if ($eval_code) {  
823                          my $eval = $self->fill_in($rec,$eval_code,$i);          foreach my $d (@$r) {
824                          return if (! $self->_eval($eval));  
825                    if (! defined($d->{subfields}) && ref($d->{subfields}) ne 'ARRAY') {
826                            warn "# marc_original_order($to,$from): field $from doesn't have subfields specification\n";
827                            next;
828                  }                  }
829                  if ($filter_name && $self->{'filter'}->{$filter_name}) {          
830                          $log->debug("filter '$filter_name' for $format");                  my @sfs = @{ $d->{subfields} };
831                          $format = $self->{'filter'}->{$filter_name}->($format);  
832                          return unless(defined($format));                  die "field $from doesn't have even number of subfields specifications\n" unless($#sfs % 2 == 1);
833                          $log->debug("filter result: $format");  
834                    warn "#--> d: ",dump($d), "\n#--> sfs: ",dump(@sfs),$/ if ($debug > 2);
835    
836                    my $m = [ $to, $i1, $i2 ];
837    
838                    while (my $sf = shift @sfs) {
839    
840                            warn "#--> sf: ",dump($sf), $/ if ($debug > 2);
841                            my $offset = shift @sfs;
842                            die "corrupted sufields specification for field $from\n" unless defined($offset);
843    
844                            my $v;
845                            if (ref($d->{$sf}) eq 'ARRAY') {
846                                    $v = $d->{$sf}->[$offset] if (defined($d->{$sf}->[$offset]));
847                            } elsif ($offset == 0) {
848                                    $v = $d->{$sf};
849                            } else {
850                                    die "field $from subfield '$sf' need occurence $offset which doesn't exist", dump($d->{$sf});
851                            }
852                            push @$m, ( $sf, $v ) if (defined($v));
853                  }                  }
854                  # do we have lookups?  
855                  if ($self->{'lookup'}) {                  if ($#{$m} > 2) {
856                          return $self->lookup($format);                          push @{ $marc_record->[ $marc_record_offset ] }, $m;
                 } else {  
                         return $format;  
857                  }                  }
         } else {  
                 return;  
858          }          }
859    
860            warn "## marc_record = ", dump( $marc_record ),$/ if ($debug > 1);
861  }  }
862    
863    =head2 marc_template
864    
865  =head2 fill_in_to_arr  =cut
866    
867  Similar to C<fill_in>, but returns array of all repeatable fields. Usable  sub marc_template {
868  for fields which have lookups, so they shouldn't be parsed but rather          my $args = {@_};
869  C<fill_id>ed.          warn "## marc_template(",dump($args),")";
870    
871            foreach ( qw/subfields_rename marc_template/ ) {
872    #               warn "ref($_) = ",ref($args->{$_});
873                    die "$_ not ARRAY" if ref($args->{$_}) ne 'ARRAY';
874            }
875    
876   my @arr = $webpac->fill_in_to_arr($rec,'[v900];;[v250^a]');          my $r = $rec->{ $args->{from} }; # || return;
877            die "record field ", $args->{from}, " isn't array\n" unless (ref($r) eq 'ARRAY');
878    
879  =cut          my @subfields_rename = @{ $args->{subfields_rename} };
880    #       warn "### subfields_rename [$#subfields_rename] = ",dump( @subfields_rename );
881    
882  sub fill_in_to_arr {          confess "need mapping in pairs for subfields_rename"
883          my $self = shift;                  if $#subfields_rename % 2 != 1;
884            
885            my ( $subfields_rename, $from_subfields, $to_subfields );
886            while ( my ( $from, $to ) = splice(@subfields_rename, 0, 2) ) {
887                    my ( $f, $t ) = (
888                            $from_subfields->{ $from }++,
889                            $to_subfields->{ $to }++
890                    );
891                    $subfields_rename->{ $from }->[ $f ] = [ $to => $t ];
892            }
893            warn "### subfields_rename = ",dump( $subfields_rename ),$/;
894            warn "### from_subfields = ", dump( $from_subfields ),$/;
895            warn "### to_subfields = ", dump( $to_subfields ),$/;
896    
897            my $fields_re = join('|', keys %$to_subfields );
898    
899            my $pos_templates;
900            my $count;
901            my @marc_order;
902            my $marc_template_order;
903            my $fill_in;
904            my @marc_out;
905    
906            foreach my $template ( @{ $args->{marc_template} } ) {
907                    $count = {};
908                    @marc_order = ();
909                    sub my_count {
910                            my $sf = shift;
911                            my $nr = $count->{$sf}++;
912                            push @marc_order, [ $sf, $nr ];
913                            return $sf . $nr;
914                    }
915                    my $pos_template = $template;
916                    $pos_template =~ s/($fields_re)/my_count($1)/ge;
917                    my $count_key = dump( $count );
918                    warn "### template: |$template| -> |$pos_template| count = $count_key marc_order = ",dump( @marc_order ),$/;
919                    $pos_templates->{ $count_key } = $pos_template;
920                    $marc_template_order->{ $pos_template } = [ @marc_order ];
921            }
922            warn "### from ",dump( $args->{marc_template} ), " created ", dump( $pos_templates ), " and ", dump( $marc_template_order );
923    
924          my ($rec, $format_utf8) = @_;          my $m;
925    
926          my $log = $self->_get_logger();          foreach my $r ( @{ $rec->{ $args->{from} } } ) {
927    
928          $log->logconfess("need HASH as first argument!") if ($rec !~ /HASH/o);                  my $i1 = $r->{i1} || ' ';
929          return if (! $format_utf8);                  my $i2 = $r->{i2} || ' ';
930                    $m = [ $args->{to}, $i1, $i2 ];
931    
932          my $i = 0;                  warn "### r = ",dump( $r );
         my @arr;  
933    
934          while (my @v = $self->fill_in($rec,$format_utf8,$i++)) {                  my ( $new_r, $from_count, $to_count );
935                  push @arr, @v;                  foreach my $sf ( keys %{$r} ) {
936          }                          my $nr = $from_count->{$sf}++;
937                            my $rename_to = $subfields_rename->{ $sf };     # ||
938    #                               die "can't find subfield rename for $sf/$nr in ", dump( $subfields_rename );
939                            warn "### rename $sf/$nr to ", dump( $rename_to->[$nr] ), $/;
940                            my ( $to_sf, $to_nr ) = @{ $rename_to->[$nr] };
941                            $new_r->{ $to_sf }->[ $to_nr ] = [ $sf => $nr ];
942    
943          $log->debug("format '$format_utf8' returned ",--$i," elements: ", sub { join(" | ",@arr) }) if (@arr);                          $to_count->{ $to_sf }++;
944                    }
945    
946          return @arr;                  warn "### new_r = ",dump( $new_r );
947    
948                    my $from_count_key = dump( $to_count );
949    
950                    warn "### from_count = ",dump( $from_count ), $/;
951                    warn "### to_count   = ",dump( $to_count ), $/;
952    
953                    my $template = $pos_templates->{ $from_count_key } ||
954                            die "I don't have template for:\n$from_count_key\n## available templates\n", dump( $pos_templates );
955    
956                    warn "### selected template: |$template|\n";
957    
958                    $fill_in = {};
959    
960                    foreach my $sf ( split(/\|/, $template ) ) {
961                            sub fill_in {
962                                    my ( $r, $sf, $nr ) = @_;
963                                    my ( $from_sf, $from_nr ) = @{ $new_r->{ $sf }->[ $nr ] };
964                                    my $v = $r->{ $from_sf }; # || die "no $from_sf/$from_nr";
965                                    warn "#### fill_in( $sf, $nr ) = $from_sf/$from_nr >>>> ",dump( $v ), $/;
966                                    if ( ref( $v ) eq 'ARRAY' ) {
967                                            $fill_in->{$sf}->[$nr] = $v->[$from_nr];
968                                            return $v->[$from_nr];
969                                    } elsif ( $from_nr == 0 ) {
970                                            $fill_in->{$sf}->[$nr] = $v;
971                                            return $v;
972                                    } else {
973                                            die "requested subfield $from_sf/$from_nr but it's ",dump( $v );
974                                    }
975                            }
976                            warn "#### $sf <<<< $fields_re\n";
977                            $sf =~ s/($fields_re)(\d+)/fill_in($r,$1,$2)/ge;
978                            warn "#### >>>> $sf with fill_in = ",dump( $fill_in ),$/;
979                    }
980    
981                    warn "## template: |$template|\n## marc_template_order = ",dump( $marc_template_order );
982    
983                    foreach my $sf ( @{ $marc_template_order->{$template} } ) {
984                            my ( $sf, $nr ) = @$sf;
985                            my $v = $fill_in->{$sf}->[$nr] || die "can't find fill_in $sf/$nr";
986                            warn "++ $sf/$nr |$v|\n";
987                            push @$m, [ $sf, $v ];
988                    }
989    
990                    warn "#### >>>> created marc: ", dump( $m );
991    
992                    push @marc_out, $m;
993            }
994    
995            warn "### marc_template produced: ",dump( @marc_out );
996            return @marc_out;
997  }  }
998    
999    =head2 marc_count
1000    
1001    Return number of MARC records created using L</marc_duplicate>.
1002    
1003      print "created ", marc_count(), " records";
1004    
1005    =cut
1006    
1007    sub marc_count {
1008            return $#{ $marc_record };
1009    }
1010    
 =head2 get_data  
1011    
1012  Returns value from record.  =head1 Functions to extract data from input
1013    
1014   my $text = $self->get_data(\$rec,$f,$sf,$i,\$found);  This function should be used inside functions to create C<data_structure> described
1015    above.
1016    
1017  Arguments are:  =head2 _pack_subfields_hash
 record reference C<$rec>,  
 field C<$f>,  
 optional subfiled C<$sf>,  
 index for repeatable values C<$i>.  
1018    
1019  Optinal variable C<$found> will be incremeted if there   @subfields = _pack_subfields_hash( $h );
1020  is field.   $subfields = _pack_subfields_hash( $h, 1 );
1021    
1022  Returns value or empty string.  Return each subfield value in array or pack them all together and return scalar
1023    with subfields (denoted by C<^>) and values.
1024    
1025  =cut  =cut
1026    
1027  sub get_data {  sub _pack_subfields_hash {
1028          my $self = shift;  
1029            warn "## _pack_subfields_hash( ",dump(@_), " )\n" if ($debug > 1);
1030    
1031          my ($rec,$f,$sf,$i,$found) = @_;          my ($h,$include_subfields) = @_;
1032    
1033          if ($$rec->{$f}) {          # sanity and ease of use
1034                  return '' if (! $$rec->{$f}->[$i]);          return $h if (ref($h) ne 'HASH');
1035                  no strict 'refs';  
1036                  if ($sf && $$rec->{$f}->[$i]->{$sf}) {          if ( defined($h->{subfields}) ) {
1037                          $$found++ if (defined($$found));                  my $sfs = delete $h->{subfields} || die "no subfields?";
1038                          return $$rec->{$f}->[$i]->{$sf};                  my @out;
1039                  } elsif ($$rec->{$f}->[$i]) {                  while (@$sfs) {
1040                          $$found++ if (defined($$found));                          my $sf = shift @$sfs;
1041                          # it still might have subfield, just                          push @out, '^' . $sf if ($include_subfields);
1042                          # not specified, so we'll dump all                          my $o = shift @$sfs;
1043                          if ($$rec->{$f}->[$i] =~ /HASH/o) {                          if ($o == 0 && ref( $h->{$sf} ) ne 'ARRAY' ) {
1044                                  my $out;                                  # single element subfields are not arrays
1045                                  foreach my $k (keys %{$$rec->{$f}->[$i]}) {  #warn "====> $sf $o / $#$sfs ", dump( $sfs, $h->{$sf} ), "\n";
1046                                          $out .= $$rec->{$f}->[$i]->{$k}." ";  
1047                                    push @out, $h->{$sf};
1048                            } else {
1049    #warn "====> $sf $o / $#$sfs ", dump( $sfs, $h->{$sf} ), "\n";
1050                                    push @out, $h->{$sf}->[$o];
1051                            }
1052                    }
1053                    if ($include_subfields) {
1054                            return join('', @out);
1055                    } else {
1056                            return @out;
1057                    }
1058            } else {
1059                    if ($include_subfields) {
1060                            my $out = '';
1061                            foreach my $sf (sort keys %$h) {
1062                                    if (ref($h->{$sf}) eq 'ARRAY') {
1063                                            $out .= '^' . $sf . join('^' . $sf, @{ $h->{$sf} });
1064                                    } else {
1065                                            $out .= '^' . $sf . $h->{$sf};
1066                                  }                                  }
1067                                  return $out;                          }
1068                            return $out;
1069                    } else {
1070                            # FIXME this should probably be in alphabetical order instead of hash order
1071                            values %{$h};
1072                    }
1073            }
1074    }
1075    
1076    =head2 rec1
1077    
1078    Return all values in some field
1079    
1080      @v = rec1('200')
1081    
1082    TODO: order of values is probably same as in source data, need to investigate that
1083    
1084    =cut
1085    
1086    sub rec1 {
1087            my $f = shift;
1088            warn "rec1($f) = ", dump( $rec->{$f} ), $/ if ($debug > 1);
1089            return unless (defined($rec) && defined($rec->{$f}));
1090            warn "rec1($f) = ", dump( $rec->{$f} ), $/ if ($debug > 1);
1091            if (ref($rec->{$f}) eq 'ARRAY') {
1092                    my @out;
1093                    foreach my $h ( @{ $rec->{$f} } ) {
1094                            if (ref($h) eq 'HASH') {
1095                                    push @out, ( _pack_subfields_hash( $h ) );
1096                          } else {                          } else {
1097                                  return $$rec->{$f}->[$i];                                  push @out, $h;
1098                          }                          }
1099                  }                  }
1100                    return @out;
1101            } elsif( defined($rec->{$f}) ) {
1102                    return $rec->{$f};
1103            }
1104    }
1105    
1106    =head2 rec2
1107    
1108    Return all values in specific field and subfield
1109    
1110      @v = rec2('200','a')
1111    
1112    =cut
1113    
1114    sub rec2 {
1115            my $f = shift;
1116            return unless (defined($rec && $rec->{$f}));
1117            my $sf = shift;
1118            warn "rec2($f,$sf) = ", dump( $rec->{$f} ), $/ if ($debug > 1);
1119            return map {
1120                    if (ref($_->{$sf}) eq 'ARRAY') {
1121                            @{ $_->{$sf} };
1122                    } else {
1123                            $_->{$sf};
1124                    }
1125            } grep { ref($_) eq 'HASH' && $_->{$sf} } @{ $rec->{$f} };
1126    }
1127    
1128    =head2 rec
1129    
1130    syntaxtic sugar for
1131    
1132      @v = rec('200')
1133      @v = rec('200','a')
1134    
1135    If rec() returns just single value, it will
1136    return scalar, not array.
1137    
1138    =cut
1139    
1140    sub rec {
1141            my @out;
1142            if ($#_ == 0) {
1143                    @out = rec1(@_);
1144            } elsif ($#_ == 1) {
1145                    @out = rec2(@_);
1146            }
1147            if ($#out == 0 && ! wantarray) {
1148                    return $out[0];
1149            } elsif (@out) {
1150                    return @out;
1151          } else {          } else {
1152                  return '';                  return '';
1153          }          }
1154  }  }
1155    
1156    =head2 frec
1157    
1158    Returns first value from field
1159    
1160      $v = frec('200');
1161      $v = frec('200','a');
1162    
1163    =cut
1164    
1165    sub frec {
1166            my @out = rec(@_);
1167            warn "rec(",dump(@_),") has more than one return value, ignoring\n" if $#out > 0;
1168            return shift @out;
1169    }
1170    
1171    =head2 regex
1172    
1173    Apply regex to some or all values
1174    
1175      @v = regex( 's/foo/bar/g', @v );
1176    
1177    =cut
1178    
1179    sub regex {
1180            my $r = shift;
1181            my @out;
1182            #warn "r: $r\n", dump(\@_);
1183            foreach my $t (@_) {
1184                    next unless ($t);
1185                    eval "\$t =~ $r";
1186                    push @out, $t if ($t && $t ne '');
1187            }
1188            return @out;
1189    }
1190    
1191    =head2 prefix
1192    
1193  =head2 apply_format  Prefix all values with a string
1194    
1195  Apply format specified in tag with C<format_name="name"> and    @v = prefix( 'my_', @v );
 C<format_delimiter=";;">.  
1196    
1197   my $text = $webpac->apply_format($format_name,$format_delimiter,$data);  =cut
1198    
1199  Formats can contain C<lookup{...}> if you need them.  sub prefix {
1200            my $p = shift;
1201            return @_ unless defined( $p );
1202            return map { $p . $_ } grep { defined($_) } @_;
1203    }
1204    
1205    =head2 suffix
1206    
1207    suffix all values with a string
1208    
1209      @v = suffix( '_my', @v );
1210    
1211  =cut  =cut
1212    
1213  sub apply_format {  sub suffix {
1214          my $self = shift;          my $s = shift;
1215            return @_ unless defined( $s );
1216            return map { $_ . $s } grep { defined($_) } @_;
1217    }
1218    
1219    =head2 surround
1220    
1221          my ($name,$delimiter,$data) = @_;  surround all values with a two strings
1222    
1223      @v = surround( 'prefix_', '_suffix', @v );
1224    
1225    =cut
1226    
1227    sub surround {
1228            my $p = shift;
1229            my $s = shift;
1230            $p = '' unless defined( $p );
1231            $s = '' unless defined( $s );
1232            return map { $p . $_ . $s } grep { defined($_) } @_;
1233    }
1234    
1235    =head2 first
1236    
1237    Return first element
1238    
1239      $v = first( @v );
1240    
1241    =cut
1242    
1243    sub first {
1244            my $r = shift;
1245            return $r;
1246    }
1247    
1248          my $log = $self->_get_logger();  =head2 lookup
1249    
1250          if (! $self->{'import_xml'}->{'format'}->{$name}) {  Consult lookup hashes for some value
1251                  $log->warn("<format name=\"$name\"> is not defined in ",$self->{'import_xml_file'});  
1252                  return $data;    @v = lookup(
1253            sub {
1254                    'ffkk/peri/mfn'.rec('000')
1255            },
1256            'ffkk','peri','200-a-200-e',
1257            sub {
1258                    first(rec(200,'a')).' '.first(rec('200','e'))
1259            }
1260      );
1261    
1262    Code like above will be B<automatically generated> using L<WebPAC::Parse> from
1263    normal lookup definition in C<conf/lookup/something.pl> which looks like:
1264    
1265      lookup(
1266            # which results to return from record recorded in lookup
1267            sub { 'ffkk/peri/mfn' . rec('000') },
1268            # from which database and input
1269            'ffkk','peri',
1270            # such that following values match
1271            sub { first(rec(200,'a')) . ' ' . first(rec('200','e')) },
1272            # if this part is missing, we will try to match same fields
1273            # from lookup record and current one, or you can override
1274            # which records to use from current record using
1275            sub { rec('900','x') . ' ' . rec('900','y') },
1276      )
1277    
1278    You can think about this lookup as SQL (if that helps):
1279    
1280      select
1281            sub { what }
1282      from
1283            database, input
1284      where
1285        sub { filter from lookuped record }
1286      having
1287        sub { optional filter on current record }
1288    
1289    Easy as pie, right?
1290    
1291    =cut
1292    
1293    sub lookup {
1294            my ($what, $database, $input, $key, $having) = @_;
1295    
1296            confess "lookup needs 5 arguments: what, database, input, key, having\n" unless ($#_ == 4);
1297    
1298            warn "## lookup ($database, $input, $key)", $/ if ($debug > 1);
1299            return unless (defined($lookup->{$database}->{$input}->{$key}));
1300    
1301            confess "lookup really need load_row_coderef added to data_structure\n" unless ($load_row_coderef);
1302    
1303            my $mfns;
1304            my @having = $having->();
1305    
1306            warn "## having = ", dump( @having ) if ($debug > 2);
1307    
1308            foreach my $h ( @having ) {
1309                    if (defined($lookup->{$database}->{$input}->{$key}->{$h})) {
1310                            warn "lookup for $database/$input/$key/$h return ",dump($lookup->{$database}->{$input}->{$key}->{$h}),"\n" if ($debug);
1311                            $mfns->{$_}++ foreach keys %{ $lookup->{$database}->{$input}->{$key}->{$h} };
1312                    }
1313          }          }
1314    
1315          $log->warn("no delimiter for format $name") if (! $delimiter);          return unless ($mfns);
1316    
1317            my @mfns = sort keys %$mfns;
1318    
1319          my $format = $self->_x($self->{'import_xml'}->{'format'}->{$name}->{'content'}) || $log->logdie("can't find format '$name'");          warn "# lookup loading $database/$input/$key mfn ", join(",",@mfns)," having ",dump(@having),"\n" if ($debug);
1320    
1321          my @data = split(/\Q$delimiter\E/, $data);          my $old_rec = $rec;
1322            my @out;
1323    
1324            foreach my $mfn (@mfns) {
1325                    $rec = $load_row_coderef->( $database, $input, $mfn );
1326    
1327                    warn "got $database/$input/$mfn = ", dump($rec), $/ if ($debug);
1328    
1329          my $out = sprintf($format, @data);                  my @vals = $what->();
1330          $log->debug("using format $name [$format] on $data to produce: $out");  
1331                    push @out, ( @vals );
1332    
1333                    warn "lookup for mfn $mfn returned ", dump(@vals), $/ if ($debug);
1334            }
1335    
1336          if ($self->{'lookup_regex'} && $out =~ $self->{'lookup_regex'}) {  #       if (ref($lookup->{$k}) eq 'ARRAY') {
1337                  return $self->lookup($out);  #               return @{ $lookup->{$k} };
1338    #       } else {
1339    #               return $lookup->{$k};
1340    #       }
1341    
1342            $rec = $old_rec;
1343    
1344            warn "## lookup returns = ", dump(@out), $/ if ($debug);
1345    
1346            if ($#out == 0) {
1347                    return $out[0];
1348          } else {          } else {
1349                  return $out;                  return @out;
1350            }
1351    }
1352    
1353    =head2 save_into_lookup
1354    
1355    Save value into lookup. It associates current database, input
1356    and specific keys with one or more values which will be
1357    associated over MFN.
1358    
1359    MFN will be extracted from first occurence current of field 000
1360    in current record, or if it doesn't exist from L<_set_config> C<_mfn>.
1361    
1362      my $nr = save_into_lookup($database,$input,$key,sub {
1363            # code which produce one or more values
1364      });
1365    
1366    It returns number of items saved.
1367    
1368    This function shouldn't be called directly, it's called from code created by
1369    L<WebPAC::Parser>.
1370    
1371    =cut
1372    
1373    sub save_into_lookup {
1374            my ($database,$input,$key,$coderef) = @_;
1375            die "save_into_lookup needs database" unless defined($database);
1376            die "save_into_lookup needs input" unless defined($input);
1377            die "save_into_lookup needs key" unless defined($key);
1378            die "save_into_lookup needs CODE" unless ( defined($coderef) && ref($coderef) eq 'CODE' );
1379    
1380            warn "## save_into_lookup rec = ", dump($rec), " config = ", dump($config), $/ if ($debug > 2);
1381    
1382            my $mfn =
1383                    defined($rec->{'000'}->[0])     ?       $rec->{'000'}->[0]      :
1384                    defined($config->{_mfn})        ?       $config->{_mfn}         :
1385                                                                                    die "mfn not defined or zero";
1386    
1387            my $nr = 0;
1388    
1389            foreach my $v ( $coderef->() ) {
1390                    $lookup->{$database}->{$input}->{$key}->{$v}->{$mfn}++;
1391                    warn "# saved lookup $database/$input/$key [$v] $mfn\n" if ($debug > 1);
1392                    $nr++;
1393          }          }
1394    
1395            return $nr;
1396  }  }
1397    
1398  =head2 sort_arr  =head2 config
1399    
1400    Consult config values stored in C<config.yml>
1401    
1402  Sort array ignoring case and html in data    # return database code (key under databases in yaml)
1403      $database_code = config();    # use _ from hash
1404      $database_name = config('name');
1405      $database_input_name = config('input name');
1406    
1407   my @sorted = $webpac->sort_arr(@unsorted);  Up to three levels are supported.
1408    
1409  =cut  =cut
1410    
1411  sub sort_arr {  sub config {
1412          my $self = shift;          return unless ($config);
1413    
1414            my $p = shift;
1415    
1416            $p ||= '';
1417    
1418            my $v;
1419    
1420            warn "### getting config($p)\n" if ($debug > 1);
1421    
1422            my @p = split(/\s+/,$p);
1423            if ($#p < 0) {
1424                    $v = $config->{ '_' };  # special, database code
1425            } else {
1426    
1427                    my $c = dclone( $config );
1428    
1429                    foreach my $k (@p) {
1430                            warn "### k: $k c = ",dump($c),$/ if ($debug > 1);
1431                            if (ref($c) eq 'ARRAY') {
1432                                    $c = shift @$c;
1433                                    warn "config($p) taking first occurence of '$k', probably not what you wanted!\n";
1434                                    last;
1435                            }
1436    
1437          my $log = $self->_get_logger();                          if (! defined($c->{$k}) ) {
1438                                    $c = undef;
1439                                    last;
1440                            } else {
1441                                    $c = $c->{$k};
1442                            }
1443                    }
1444                    $v = $c if ($c);
1445    
1446          # FIXME add Schwartzian Transformation?          }
1447    
1448          my @sorted = sort {          warn "## config( '$p' ) = ",dump( $v ),$/ if ($v && $debug);
1449                  $a =~ s#<[^>]+/*>##;          warn "config( '$p' ) is empty\n" if (! $v);
                 $b =~ s#<[^>]+/*>##;  
                 lc($b) cmp lc($a)  
         } @_;  
         $log->debug("sorted values: ",sub { join(", ",@sorted) });  
1450    
1451          return @sorted;          return $v;
1452  }  }
1453    
1454    =head2 id
1455    
1456  =head1 INTERNAL METHODS  Returns unique id of this record
1457    
1458  =head2 _sort_by_order    $id = id();
1459    
1460  Sort xml tags data structure accoding to C<order=""> attribute.  Returns C<42/2> for 2nd occurence of MFN 42.
1461    
1462  =cut  =cut
1463    
1464  sub _sort_by_order {  sub id {
1465          my $self = shift;          my $mfn = $config->{_mfn} || die "no _mfn in config data";
1466            return $mfn . $#{$marc_record} ? $#{$marc_record} + 1 : '';
1467    }
1468    
1469    =head2 join_with
1470    
1471          my $va = $self->{'import_xml'}->{'indexer'}->{$a}->{'order'} ||  Joins walues with some delimiter
                 $self->{'import_xml'}->{'indexer'}->{$a};  
         my $vb = $self->{'import_xml'}->{'indexer'}->{$b}->{'order'} ||  
                 $self->{'import_xml'}->{'indexer'}->{$b};  
1472    
1473          return $va <=> $vb;    $v = join_with(", ", @v);
1474    
1475    =cut
1476    
1477    sub join_with {
1478            my $d = shift;
1479            warn "### join_with('$d',",dump(@_),")\n" if ($debug > 2);
1480            my $v = join($d, grep { defined($_) && $_ ne '' } @_);
1481            return '' unless defined($v);
1482            return $v;
1483  }  }
1484    
1485  =head2 _x  =head2 split_rec_on
1486    
1487  Convert strings from C<conf/normalize/*.xml> encoding into application  Split record subfield on some regex and take one of parts out
 specific encoding (optinally specified using C<code_page> to C<new>  
 constructor).  
1488    
1489   my $text = $n->_x('normalize text string');    $a_before_semi_column =
1490            split_rec_on('200','a', /\s*;\s*/, $part);
1491    
1492  This is a stub so that other modules doesn't have to implement it.  C<$part> is optional number of element. First element is
1493    B<1>, not 0!
1494    
1495    If there is no C<$part> parameter or C<$part> is 0, this function will
1496    return all values produced by splitting.
1497    
1498  =cut  =cut
1499    
1500  sub _x {  sub split_rec_on {
1501          my $self = shift;          die "split_rec_on need (fld,sf,regex[,part]" if ($#_ < 2);
1502          return shift;  
1503            my ($fld, $sf, $regex, $part) = @_;
1504            warn "### regex ", ref($regex), $regex, $/ if ($debug > 2);
1505    
1506            my @r = rec( $fld, $sf );
1507            my $v = shift @r;
1508            warn "### first rec($fld,$sf) = ",dump($v),$/ if ($debug > 2);
1509    
1510            return '' if ( ! defined($v) || $v =~ /^\s*$/);
1511    
1512            my @s = split( $regex, $v );
1513            warn "## split_rec_on($fld,$sf,$regex,$part) = ",dump(@s),$/ if ($debug > 1);
1514            if ($part && $part > 0) {
1515                    return $s[ $part - 1 ];
1516            } else {
1517                    return @s;
1518            }
1519  }  }
1520    
1521    my $hash;
1522    
1523    =head2 set
1524    
1525      set( key => 'value' );
1526    
1527    =cut
1528    
1529    sub set {
1530            my ($k,$v) = @_;
1531            warn "## set ( $k => ", dump($v), " )", $/ if ( $debug );
1532            $hash->{$k} = $v;
1533    };
1534    
1535    =head2 get
1536    
1537  =head1 AUTHOR    get( 'key' );
1538    
1539  Dobrica Pavlinusic, C<< <dpavlin@rot13.org> >>  =cut
1540    
1541  =head1 COPYRIGHT & LICENSE  sub get {
1542            my $k = shift || return;
1543            my $v = $hash->{$k};
1544            warn "## get $k = ", dump( $v ), $/ if ( $debug );
1545            return $v;
1546    }
1547    
1548  Copyright 2005 Dobrica Pavlinusic, All Rights Reserved.  =head2 count
1549    
1550  This program is free software; you can redistribute it and/or modify it    if ( count( @result ) == 1 ) {
1551  under the same terms as Perl itself.          # do something if only 1 result is there
1552      }
1553    
1554  =cut  =cut
1555    
1556  1; # End of WebPAC::DB  sub count {
1557            warn "## count ",dump(@_),$/ if ( $debug );
1558            return @_ . '';
1559    }
1560    
1561    # END
1562    1;

Legend:
Removed from v.29  
changed lines
  Added in v.1013

  ViewVC Help
Powered by ViewVC 1.1.26