/[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 436 by dpavlin, Sun Apr 30 12:17:19 2006 UTC revision 1015 by dpavlin, Thu Nov 8 17:19:50 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 frec_eq frec_ne
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 blib;  
 use WebPAC::Common;  
 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    # debugging warn(s)
40    my $debug = 0;
41    
42  WebPAC::Normalize - data mungling for normalisation  use WebPAC::Normalize::ISBN;
43    push @EXPORT, ( 'isbn_10', 'isbn_13' );
44    
45  =head1 VERSION  =head1 NAME
46    
47  Version 0.09  WebPAC::Normalize - describe normalisaton rules using sets
48    
49  =cut  =cut
50    
51  our $VERSION = '0.09';  our $VERSION = '0.34';
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  format of fields is defined using C<v123^a> notation for repeatable fields  Return data structure
 or C<s123^a> for single (or first) value, where C<123> is field number and  
 C<a> is subfield.  
75    
76  =item *    my $ds = WebPAC::Normalize::data_structure(
77            lookup => $lookup_hash,
78            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 => $mfn );
85            },
86      );
87    
88  source data records (C<$rec>) have unique identifiers in field C<000>  Options C<row>, C<rules> and C<log> are mandatory while all
89    other are optional.
90    
91  =item *  C<load_row_coderef> is closure only used when executing lookups, so they will
92    die if it's not defined.
93    
94  optional C<eval{length('v123^a') == 3}> tag at B<beginning of format> will be  This function will B<die> if normalizastion can't be evaled.
 perl code that is evaluated before producing output (value of field will be  
 interpolated before that)  
95    
96  =item *  Since this function isn't exported you have to call it with
97    C<WebPAC::Normalize::data_structure>.
98    
99  optional C<filter{filter_name}> at B<begining of format> will apply perl  =cut
 code defined as code ref on format after field substitution to producing  
 output  
100    
101  There is one built-in filter called C<regex> which can be use like this:  my $load_row_coderef;
102    
103    filter{regex(s/foo/bar/)}  sub data_structure {
104            my $arg = {@_};
105    
106  =item *          die "need row argument" unless ($arg->{row});
107            die "need normalisation argument" unless ($arg->{rules});
108    
109  optional C<lookup{...}> will be then performed. See C<WebPAC::Lookups>.          _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  =item *          return _get_ds();
121    }
122    
123  at end, optional C<format>s rules are resolved. Format rules are similar to  =head2 _set_ds
 C<sprintf> and can also contain C<lookup{...}> which is performed after  
 values are inserted in format.  
124    
125  =back  Set current record hash
126    
127  This also describes order in which transformations are applied (eval,    _set_ds( $rec );
 filter, lookup, format) which is important to undestand when deciding how to  
 solve your data mungling and normalisation process.  
128    
129    =cut
130    
131    my $rec;
132    
133    sub _set_ds {
134            $rec = shift or die "no record hash";
135    }
136    
137  =head1 FUNCTIONS  =head2 _set_config
138    
139  =head2 new  Set current config hash
140    
141  Create new normalisation object    _set_config( $config );
142    
143    my $n = new WebPAC::Normalize::Something(  Magic keys are:
144          filter => {  
145                  'filter_name_1' => sub {  =over 4
146                          # filter code  
147                          return length($_);  =item _
                 }, ...  
         },  
         db => $db_obj,  
         lookup_regex => $lookup->regex,  
         lookup => $lookup_obj,  
         prefix => 'foobar',  
   );  
148    
149  Parametar C<filter> defines user supplied snippets of perl code which can  Code of current database
 be use with C<filter{...}> notation.  
150    
151  C<prefix> is used to form filename for database record (to support multiple  =item _mfn
 source files which are joined in one database).  
152    
153  Recommended parametar C<lookup_regex> is used to enable parsing of lookups  Current MFN
154  in structures. If you pass this parametar, you must also pass C<lookup>  
155  which is C<WebPAC::Lookup> object.  =back
156    
157  =cut  =cut
158    
159  sub new {  my $config;
         my $class = shift;  
         my $self = {@_};  
         bless($self, $class);  
160    
161          my $r = $self->{'lookup_regex'} ? 1 : 0;  sub _set_config {
162          my $l = $self->{'lookup'} ? 1 : 0;          $config = shift;
163    }
164    
165          my $log = $self->_get_logger();  =head2 _get_ds
166    
167          # those two must be in pair  Return hash formatted as data structure
         if ( ($r & $l) != ($r || $l) ) {  
                 my $log = $self->_get_logger();  
                 $log->logdie("lookup_regex and lookup must be in pair");  
         }  
168    
169          $log->logdie("lookup must be WebPAC::Lookup object") if ($self->{'lookup'} && ! $self->{'lookup'}->isa('WebPAC::Lookup'));    my $ds = _get_ds();
170    
171          $log->warn("no prefix defined. please check that!") unless ($self->{'prefix'});  =cut
172    
173          $log->debug("using lookup regex: ", $self->{lookup_regex}) if ($r && $l);  my ($out, $marc_record, $marc_encoding, $marc_repeatable_subfield, $marc_indicators, $marc_leader);
174    my ($marc_record_offset, $marc_fetch_offset) = (0, 0);
175    
176          if (! $self->{filter} || ! $self->{filter}->{regex}) {  sub _get_ds {
177                  $log->debug("adding built-in filter regex");  #warn "## out = ",dump($out);
178                  $self->{filter}->{regex} = sub {          return $out;
179                          my ($val, $regex) = @_;  }
                         eval "\$val =~ $regex";  
                         return $val;  
                 };  
         }  
180    
181          $self ? return $self : return undef;  =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  =head2 all_tags  =head2 _set_lookup
197    
198  Returns all tags in document in specified order  Set current lookup hash
199    
200    my $sorted_tags = $self->all_tags();    _set_lookup( $lookup );
201    
202  =cut  =cut
203    
204  sub all_tags {  my $lookup;
         my $self = shift;  
205    
206          if (! $self->{_tags_by_order}) {  sub _set_lookup {
207            $lookup = shift;
208    }
209    
210                  my $log = $self->_get_logger;  =head2 _get_lookup
                 # sanity check  
                 $log->logdie("can't find self->{inport_xml}->{indexer}") unless ($self->{import_xml}->{indexer});  
211    
212                  my @tags = keys %{ $self->{'import_xml'}->{'indexer'}};  Get current lookup hash
                 $log->debug("unsorted tags: " . join(", ", @tags));  
213    
214                  @tags = sort { $self->_sort_by_order } @tags;    my $lookup = _get_lookup();
215    
216                  $log->debug("sorted tags: " . join(",", @tags) );  =cut
217    
218                  $self->{_tags_by_order} = \@tags;  sub _get_lookup {
219          }          return $lookup;
220    }
221    
222    =head2 _set_load_row
223    
224    Setup code reference which will return L<data_structure> from
225    L<WebPAC::Store>
226    
227      _set_load_row(sub {
228                    my ($database,$input,$mfn) = @_;
229                    $store->load_row( database => $database, input => $input, id => $mfn );
230      });
231    
232          return $self->{_tags_by_order};  =cut
233    
234    sub _set_load_row {
235            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  =head2 data_structure          $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  Create in-memory data structure which represents normalized layout from  Repeatable field is created when there is second occurence of same subfield or
251  C<conf/normalize/*.xml>.  if any of indicators are different.
252    
253  This structures are used to produce output.  This is sane for most cases. Something like:
254    
255   my $ds = $webpac->data_structure($rec);    900a-1 900b-1 900c-1
256      900a-2 900b-2
257      900a-3
258    
259    will be created from any combination of:
260    
261      900a-1 900a-2 900a-3 900b-1 900b-2 900c-1
262    
263    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  =cut
295    
296  sub data_structure {  my $fetch_pos;
297          my $self = shift;  
298    sub _get_marc_fields {
299    
300          my $log = $self->_get_logger();          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            return if (! $marc_record || ref($marc_record) ne 'ARRAY');
310    
311          my $rec = shift;          warn "### full marc_record = ", dump( @{ $marc_record }), $/ if ($debug > 2);
         $log->logconfess("need HASH as first argument!") if ($rec !~ /HASH/o);  
312    
313          $log->debug("data_structure rec = ", sub { Dumper($rec) });          my $marc_rec = $marc_record->[ $fetch_pos ];
314    
315          $log->logdie("need unique ID (mfn) in field 000 of record " . Dumper($rec) ) unless (defined($rec->{'000'}));          warn "## _get_marc_fields (at offset: $fetch_pos) -- marc_record = ", dump( @$marc_rec ), $/ if ($debug > 1);
316    
317          my $id = $rec->{'000'}->[0] || $log->logdie("field 000 isn't array!");          return if (! $marc_rec || ref($marc_rec) ne 'ARRAY' || $#{ $marc_rec } < 0);
318    
319          my $cache_file;          # 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            } @{ $marc_rec };
324    
325          if ($self->{'db'}) {          @sorted_marc_record = @{ $marc_rec };   ### FIXME disable sorting
326                  my $ds = $self->{'db'}->load_ds( id => $id, prefix => $self->{prefix} );          
327                  $log->debug("load_ds( rec = ", sub { Dumper($rec) }, ") = ", sub { Dumper($ds) });          # output marc fields
328                  return $ds if ($ds);          my @m;
329                  $log->debug("cache miss, creating");  
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 $tags = $self->all_tags();          my $len = $#sorted_marc_record;
342            my $visited;
343            my $i = 0;
344            my $field;
345    
346          $log->debug("tags: ",sub { join(", ",@{ $tags }) });          foreach ( 0 .. $len ) {
347    
348          my $ds;                  # find next element which isn't visited
349                    while ($visited->{$i}) {
350                            $i = ($i + 1) % ($len + 1);
351                    }
352    
353          foreach my $field (@{ $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;  
371    
372                          $log->logdie("expected tag HASH and got $tag") unless (ref($tag) eq 'HASH');                  # if field exists
373                          $format = $tag->{'value'} || $tag->{'content'};                  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 = $self->_rec_to_arr($rec,$format,'fill_in');  
                         } else {  
                                 @v = $self->_rec_to_arr($rec,$format,'parse');  
                         }  
                         if (! @v) {  
                                 $log->debug("$field <",$self->{tag},"> format: $format no values");  
                                 next;  
394                          } else {                          } else {
395                                  $log->debug("$field <",$self->{tag},"> format: $format values: ", join(",", @v));                                  # append new subfields to existing field
396                                    push @$field, ( $row->[3], $row->[4] );
397                          }                          }
398                    } 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 ($debug);
412                          }          }
413    
414                          # delimiter will join repeatable fields          return \@m;
415                          if ($tag->{'delimiter'}) {  }
                                 @v = ( join($tag->{'delimiter'}, @v) );  
                         }  
416    
417                          # default types  =head2 _get_marc_leader
                         my @types = qw(display search);  
                         # override by type attribute  
                         @types = ( $tag->{'type'} ) if ($tag->{'type'});  
   
                         foreach my $type (@types) {  
                                 # append to previous line?  
                                 $log->debug("tag $field / $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}}, $last;  
418    
419                                  } else {  Return leader from currently fetched record by L</_get_marc_fields>
                                         push @{$row->{$type}}, @v;  
                                 }  
                         }  
420    
421      print WebPAC::Normalize::_get_marc_leader();
422    
423                  }  =cut
424    
425                  if ($row) {  sub _get_marc_leader {
426                          $row->{'tag'} = $field;          die "no fetch_pos, did you called _get_marc_fields first?" unless ( defined( $fetch_pos ) );
427            return $marc_leader->[ $fetch_pos ];
428    }
429    
430                          # TODO: name_sigular, name_plural  =head2 _debug
                         my $name = $self->{'import_xml'}->{'indexer'}->{$field}->{'name'};  
                         my $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");  
                         }  
431    
432                          $ds->{$row_name} = $row;  Change level of debug warnings
433    
434                          $log->debug("row $field: ",sub { Dumper($row) });    _debug( 2 );
                 }  
435    
436          }  =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          $self->{'db'}->save_ds(  Those functions generally have to first in your normalization file.
                 id => $id,  
                 ds => $ds,  
                 prefix => $self->{prefix},  
         ) if ($self->{'db'});  
448    
449          $log->debug("ds: ", sub { Dumper($ds) });  =head2 search_display
450    
451          $log->logconfess("data structure returned is not array any more!") if wantarray;  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 parse  =head2 tag
467    
468  Perform smart parsing of string, skipping delimiters for fields which aren't  Old name for L<search_display>, but supported
 defined. It can also eval code in format starting with C<eval{...}> and  
 return output or nothing depending on eval code.  
469    
470   my $text = $webpac->parse($rec,'eval{"v901^a" eq "Deskriptor"}descriptor: v250^a', $i);  =cut
471    
472  Filters are implemented here. While simple form of filters looks like this:  sub tag {
473            search_display( @_ );
474    }
475    
476    filter{name_of_filter}  =head2 display
477    
478  but, filters can also have variable number of parametars like this:  Define output just for I<display>
479    
480    filter{name_of_filter(param,param,param)}    @v = display('Title', rec('200','a') );
481    
482  =cut  =cut
483    
484  my $warn_once;  sub _field {
485            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    sub display { _field( 'display', @_ ) }
493    
494  sub parse {  =head2 search
         my $self = shift;  
495    
496          my ($rec, $format_utf8, $i, $rec_size) = @_;  Prepare values just for I<search>
497    
498          return if (! $format_utf8);    @v = search('Title', rec('200','a') );
499    
500          my $log = $self->_get_logger();  =cut
501    
502          $log->logconfess("need HASH as first argument!") if ($rec !~ /HASH/o);  sub search { _field( 'search', @_ ) }
503    
504          $i = 0 if (! $i);  =head2 sorted
505    
506          my $format = $self->_x($format_utf8) || $log->logconfess("can't convert '$format_utf8' from UTF-8 to ",$self->{'code_page'});  Insert into lists which will be automatically sorted
507    
508          my @out;   sorted('Title', rec('200','a') );
509    
510    =cut
511    
512    sub sorted { _field( 'sorted', @_ ) }
513    
         $log->debug("format: $format [$i]");  
514    
515          my $eval_code;  =head2 marc_leader
516          # remove eval{...} from beginning  
517          $eval_code = $1 if ($format =~ s/^eval{([^}]+)}//s);  Setup fields within MARC leader or get leader
518    
519      marc_leader('05','c');
520      my $leader = marc_leader();
521    
522    =cut
523    
524    sub marc_leader {
525            my ($offset,$value) = @_;
526    
527            if ($offset) {
528                    $marc_leader->[ $marc_record_offset ]->{ $offset } = $value;
529            } else {
530                    
531                    if (defined($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          my $filter_name;  =head2 marc_fixed
         # remove filter{...} from beginning  
         $filter_name = $1 if ($format =~ s/^filter{([^}]+)}//s);  
541    
542          # did we found any (att all) field from format in row?  Create control/indentifier fields with values in fixed positions
         my $found_any;  
         # prefix before first field which we preserve it $found_any  
         my $prefix;  
543    
544          my $f_step = 1;    marc_fixed('008', 00, '070402');
545      marc_fixed('008', 39, '|');
546    
547          while ($format =~ s/^(.*?)(v|s)(\d+)(?:\^(\w))?//s) {  Positions not specified will be filled with spaces (C<0x20>).
548    
549                  my $del = $1 || '';  There will be no effort to extend last specified value to full length of
550                  $prefix = $del if ($f_step == 1);  field in standard.
551    
552                  my $fld_type = lc($2);  =cut
553    
554                  # repeatable index  sub marc_fixed {
555                  my $r = $i;          my ($f, $pos, $val) = @_;
556                  if ($fld_type eq 's') {          die "need marc(field, position, value)" unless defined($f) && defined($pos);
557                          if ($found_any->{'v'}) {  
558                                  $r = 0;          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 {                          } else {
569                                  return;                                  $_->[1] = substr($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            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                  my $found = 0;    marc('900','a', rec('200','a') );
588                  my $tmp = $self->get_data(\$rec,$3,$4,$r,\$found,$rec_size);    marc('001', rec('000') );
589    
590                  if ($found) {  =cut
591                          $found_any->{$fld_type} += $found;  
592    sub marc {
593            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                          # we will skip delimiter before first occurence of field!          foreach (@_) {
602                          push @out, $del unless($found_any->{$fld_type} == 1);                  my $v = $_;             # make var read-write for Encode
603                          push @out, $tmp if ($tmp);                  next unless (defined($v) && $v !~ /^\s*$/);
604                    my ($i1,$i2) = defined($marc_indicators->{$f}) ? @{ $marc_indicators->{$f} } : (' ',' ');
605                    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                  }                  }
                 $f_step++;  
610          }          }
611    }
612    
613          # test if any fields found?  =head2 marc_repeatable_subfield
         return if (! $found_any->{'v'} && ! $found_any->{'s'});  
614    
615          my $out = join('',@out);  Save values for MARC repetable subfield
616    
617          if ($out) {    marc_repeatable_subfield('910', 'z', rec('909') );
                 # add rest of format (suffix)  
                 $out .= $format;  
618    
619                  # add prefix if not there  =cut
                 $out = $prefix . $out if ($out !~ m/^\Q$prefix\E/);  
620    
621                  $log->debug("result: $out");  sub marc_repeatable_subfield {
622          }          my ($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 marc_indicators
629    
630    Set both indicators for MARC field
631    
632      marc_indicators('900', ' ', 1);
633    
634    Any indicator value other than C<0-9> will be treated as undefined.
635    
636    =cut
637    
638    sub marc_indicators {
639            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          if ($eval_code) {  Save values for each MARC subfield explicitly
652                  my $eval = $self->fill_in($rec,$eval_code,$i) || return;  
653                  $log->debug("about to eval{$eval} format: $out");    marc_compose('900',
654                  return if (! $self->_eval($eval));          'a', rec('200','a')
655            'b', rec('201','a')
656            'a', rec('200','b')
657            'c', rec('200','c')
658      );
659    
660    If you specify C<+> for subfield, value will be appended
661    to previous defined subfield.
662    
663    =cut
664    
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($f,@_)," not valid (must be even).\nDo you need to add first() or join() around some argument?\n";
676          }          }
677            
678          if ($filter_name) {          while (@_) {
679                  my @filter_args;                  my $sf = shift;
680                  if ($filter_name =~ s/(\w+)\((.*)\)/$1/) {                  my $v = shift;
681                          @filter_args = split(/,/, $2);  
682                  }                  next unless (defined($v) && $v !~ /^\s*$/);
683                  if ($self->{'filter'}->{$filter_name}) {                  warn "## ++ marc_compose($f,$sf,$v) ", dump( $m ),$/ if ($debug > 1);
684                          $log->debug("about to filter{$filter_name} format: $out with arguments: ", join(",", @filter_args));                  if ($sf ne '+') {
685                          unshift @filter_args, $out;                          push @$m, ( $sf, $v );
686                          $out = $self->{'filter'}->{$filter_name}->(@filter_args);                  } else {
687                          return unless(defined($out));                          $m->[ $#$m ] .= $v;
                         $log->debug("filter result: $out");  
                 } elsif (! $warn_once->{$filter_name}) {  
                         $log->warn("trying to use undefined filter $filter_name");  
                         $warn_once->{$filter_name}++;  
688                  }                  }
689          }          }
690    
691          return $out;          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 fill_in  =head2 marc_duplicate
697    
698    Generate copy of current MARC record and continue working on copy
699    
700  Workhourse of all: takes record from in-memory structure of database and    marc_duplicate();
 strings with placeholders and returns string or array of with substituted  
 values from record.  
701    
702   my $text = $webpac->fill_in($rec,'v250^a');  Copies can be accessed using C<< _get_marc_fields( fetch_next => 1 ) >> or
703    C<< _get_marc_fields( offset => 42 ) >>.
704    
705  Optional argument is ordinal number for repeatable fields. By default,  =cut
706  it's assume to be first repeatable field (fields are perl array, so first  
707  element is 0).  sub marc_duplicate {
708  Following example will read second value from repeatable field.           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    
716   my $text = $webpac->fill_in($rec,'Title: v250^a',1);  }
717    
718  This function B<does not> perform parsing of format to inteligenty skip  =head2 marc_remove
 delimiters before fields which aren't used.  
719    
720  This method will automatically decode UTF-8 string to local code page  Remove some field or subfield from MARC record.
 if needed.  
721    
722  There is optional parametar C<$record_size> which can be used to get sizes of    marc_remove('200');
723  all C<field^subfield> combinations in this format.    marc_remove('200','a');
724    
725   my $text = $webpac->fill_in($rec,'got: v900^a v900^x',0,\$rec_size);  This will erase field C<200> or C<200^a> from current MARC record.
726    
727      marc_remove('*');
728    
729    Will remove all fields in current MARC record.
730    
731    This is useful after calling C<marc_duplicate> or on it's own (but, you
732    should probably just remove that subfield definition if you are not
733    using C<marc_duplicate>).
734    
735    FIXME: support fields < 10.
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,$format,$i,$rec_size) = @_;          warn "### marc_remove before = ", dump( $marc ), $/ if ($debug > 2);
747    
748          $log->logconfess("need data record") unless ($rec);          if ($f eq '*') {
         $log->logconfess("need format to parse") unless($format);  
749    
750          # iteration (for repeatable fields)                  delete( $marc_record->[ $marc_record_offset ] );
751          $i ||= 0;                  warn "## full marc_record = ", dump( @{ $marc_record }), $/ if ($debug > 1);
752    
753          $log->logdie("infitite loop in format $format") if ($i > ($self->{'max_mfn'} || 9999));          } 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          my $just_single = 1;  }
792    
793    =head2 marc_original_order
794    
795    Copy all subfields preserving original order to marc field.
796    
797          my $eval_code;    marc_original_order( marc_field_number, original_input_field_number );
         # remove eval{...} from beginning  
         $eval_code = $1 if ($format =~ s/^eval{([^}]+)}//s);  
798    
799          my $filter_name;  Please note that field numbers are consistent with other commands (marc
800          # remove filter{...} from beginning  field number first), but somewhat counter-intuitive (destination and then
801          $filter_name = $1 if ($format =~ s/^filter{([^}]+)}//s);  source).
802    
803          {  You might want to use this command if you are just renaming subfields or
804                  # fix warnings  using pre-processing modify_record in C<config.yml> and don't need any
805                  no warnings 'uninitialized';  post-processing or want to preserve order of original subfields.
806    
807    
808    =cut
809    
810                  # do actual replacement of placeholders  sub marc_original_order {
811                  # repeatable fields  
812                  if ($format =~ s/v(\d+)(?:\^(\w))?/$self->get_data(\$rec,$1,$2,$i,\$found,$rec_size)/ges) {          my ($to, $from) = @_;
813                          $just_single = 0;          die "marc_original_order needs from and to fields\n" unless ($from && $to);
814    
815            return unless defined($rec->{$from});
816    
817            my $r = $rec->{$from};
818            die "record field $from isn't array\n" unless (ref($r) eq 'ARRAY');
819    
820            my ($i1,$i2) = defined($marc_indicators->{$to}) ? @{ $marc_indicators->{$to} } : (' ',' ');
821            warn "## marc_original_order($to,$from) source = ", dump( $r ),$/ if ($debug > 1);
822    
823            foreach my $d (@$r) {
824    
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            
830                    my @sfs = @{ $d->{subfields} };
831    
832                    die "field $from doesn't have even number of subfields specifications\n" unless($#sfs % 2 == 1);
833    
834                    warn "#--> d: ",dump($d), "\n#--> sfs: ",dump(@sfs),$/ if ($debug > 2);
835    
836                    my $m = [ $to, $i1, $i2 ];
837    
838                    while (my $sf = shift @sfs) {
839    
840                  # non-repeatable fields                          warn "#--> sf: ",dump($sf), $/ if ($debug > 2);
841                  if ($format =~ s/s(\d+)(?:\^(\w))?/$self->get_data(\$rec,$1,$2,0,\$found,$rec_size)/ges) {                          my $offset = shift @sfs;
842                          return if ($i > 0 && $just_single);                          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    
855                    if ($#{$m} > 2) {
856                            push @{ $marc_record->[ $marc_record_offset ] }, $m;
857                    }
858            }
859    
860            warn "## marc_record = ", dump( $marc_record ),$/ if ($debug > 1);
861    }
862    
863    =head2 marc_template
864    
865    =cut
866    
867    sub marc_template {
868            my $args = {@_};
869            warn "## marc_template(",dump($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          if ($found) {          my $r = $rec->{ $args->{from} }; # || return;
877                  $log->debug("format: $format");          die "record field ", $args->{from}, " isn't array\n" unless (ref($r) eq 'ARRAY');
878                  if ($eval_code) {  
879                          my $eval = $self->fill_in($rec,$eval_code,$i);          my @subfields_rename = @{ $args->{subfields_rename} };
880                          return if (! $self->_eval($eval));  #       warn "### subfields_rename [$#subfields_rename] = ",dump( @subfields_rename );
881    
882            confess "need mapping in pairs for subfields_rename"
883                    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 . $nr;
914                  }                  }
915                  if ($filter_name && $self->{'filter'}->{$filter_name}) {                  my $pos_template = $template;
916                          $log->debug("filter '$filter_name' for $format");                  $pos_template =~ s/($fields_re)/my_count($1)/ge;
917                          $format = $self->{'filter'}->{$filter_name}->($format);                  my $count_key = dump( $count );
918                          return unless(defined($format));                  warn "### template: |$template| -> |$pos_template| count = $count_key marc_order = ",dump( @marc_order ),$/;
919                          $log->debug("filter result: $format");                  $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 $m;
925    
926            foreach my $r ( @{ $rec->{ $args->{from} } } ) {
927    
928                    my $i1 = $r->{i1} || ' ';
929                    my $i2 = $r->{i2} || ' ';
930                    $m = [ $args->{to}, $i1, $i2 ];
931    
932                    warn "### r = ",dump( $r );
933    
934                    my ( $new_r, $from_count, $to_count );
935                    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                            $to_count->{ $to_sf }++;
944                  }                  }
945                  # do we have lookups?  
946                  if ($self->{'lookup'}) {                  warn "### new_r = ",dump( $new_r );
947                          if ($self->{'lookup'}->can('lookup')) {  
948                                  my @lookup = $self->{lookup}->lookup($format);                  my $from_count_key = dump( $to_count );
949                                  $log->debug("lookup $format", join(", ", @lookup));  
950                                  return @lookup;                  warn "### from_count = ",dump( $from_count ), $/;
951                          } else {                  warn "### to_count   = ",dump( $to_count ), $/;
952                                  $log->warn("Have lookup object but can't invoke lookup method");  
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                  } else {                          warn "#### $sf <<<< $fields_re\n";
977                          return $format;                          $sf =~ s/($fields_re)(\d+)/fill_in($r,$1,$2)/ge;
978                            warn "#### >>>> $sf with fill_in = ",dump( $fill_in ),$/;
979                  }                  }
980          } else {  
981                  return;                  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    
1011    
1012    =head1 Functions to extract data from input
1013    
1014  =head2 _rec_to_arr  This function should be used inside functions to create C<data_structure> described
1015    above.
1016    
1017  Similar to C<parse> and C<fill_in>, but returns array of all repeatable fields. Usable  =head2 _pack_subfields_hash
 for fields which have lookups, so they shouldn't be parsed but rather  
 C<paste>d or C<fill_id>ed. Last argument is name of operation: C<paste> or C<fill_in>.  
1018    
1019   my @arr = $webpac->fill_in_to_arr($rec,'[v900];;[v250^a]','paste');   @subfields = _pack_subfields_hash( $h );
1020     $subfields = _pack_subfields_hash( $h, 1 );
1021    
1022    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 _rec_to_arr {  sub _pack_subfields_hash {
         my $self = shift;  
1028    
1029          my ($rec, $format_utf8, $code) = @_;          warn "## _pack_subfields_hash( ",dump(@_), " )\n" if ($debug > 1);
1030    
1031          my $log = $self->_get_logger();          my ($h,$include_subfields) = @_;
1032    
1033          $log->logconfess("need HASH as first argument!") if ($rec !~ /HASH/o);          # sanity and ease of use
1034          return if (! $format_utf8);          return $h if (ref($h) ne 'HASH');
1035    
1036          $log->debug("using $code on $format_utf8");          if ( defined($h->{subfields}) ) {
1037                    my $sfs = delete $h->{subfields} || die "no subfields?";
1038                    my @out;
1039                    while (@$sfs) {
1040                            my $sf = shift @$sfs;
1041                            push @out, '^' . $sf if ($include_subfields);
1042                            my $o = shift @$sfs;
1043                            if ($o == 0 && ref( $h->{$sf} ) ne 'ARRAY' ) {
1044                                    # single element subfields are not arrays
1045    #warn "====> $sf $o / $#$sfs ", dump( $sfs, $h->{$sf} ), "\n";
1046    
1047          my $i = 0;                                  push @out, $h->{$sf};
1048          my $max = 0;                          } else {
1049          my @arr;  #warn "====> $sf $o / $#$sfs ", dump( $sfs, $h->{$sf} ), "\n";
1050          my $rec_size = {};                                  push @out, $h->{$sf}->[$o];
   
         while ($i <= $max) {  
                 my @v = $self->$code($rec,$format_utf8,$i++,\$rec_size);  
                 if ($rec_size) {  
                         foreach my $f (keys %{ $rec_size }) {  
                                 $max = $rec_size->{$f} if ($rec_size->{$f} > $max);  
1051                          }                          }
                         $log->debug("max set to $max");  
                         undef $rec_size;  
1052                  }                  }
1053                  if (@v) {                  if ($include_subfields) {
1054                          push @arr, @v;                          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                            }
1068                            return $out;
1069                  } else {                  } else {
1070                          push @arr, '' if ($max > $i);                          # FIXME this should probably be in alphabetical order instead of hash order
1071                            values %{$h};
1072                  }                  }
1073          }          }
1074    }
1075    
1076    =head2 rec1
1077    
1078    Return all values in some field
1079    
1080          $log->debug("format '$format_utf8' returned ",--$i," elements: ", sub { join(" | ",@arr) }) if (@arr);    @v = rec1('200')
1081    
1082          return @arr;  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 {
1097                                    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  =head2 get_data  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  Returns value from record.  =head2 rec
1129    
1130   my $text = $self->get_data(\$rec,$f,$sf,$i,\$found,\$rec_size);  syntaxtic sugar for
1131    
1132  Required arguments are:    @v = rec('200')
1133      @v = rec('200','a')
1134    
1135  =over 8  If rec() returns just single value, it will
1136    return scalar, not array.
1137    
1138  =item C<$rec>  =cut
1139    
1140  record reference  sub rec {
1141            my @out;
1142            if ($#_ == 0) {
1143                    @out = rec1(@_);
1144            } elsif ($#_ == 1) {
1145                    @out = rec2(@_);
1146            }
1147            if ($#out == 0 && ! wantarray) {
1148                    return $out[0];
1149            } elsif (@out) {
1150                    return @out;
1151            } else {
1152                    return '';
1153            }
1154    }
1155    
1156  =item C<$f>  =head2 frec
1157    
1158  field  Returns first value from field
1159    
1160  =item C<$sf>    $v = frec('200');
1161      $v = frec('200','a');
1162    
1163  optional subfield  =cut
1164    
1165  =item C<$i>  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  index offset for repeatable values ( 0 ... $rec_size->{'400^a'} )  =head2 frec_eq
1172    
1173  =item C<$found>  =head2 frec_ne
1174    
1175  optional variable that will be incremeted if preset  Check if first values from two fields are same or different
1176    
1177  =item C<$rec_size>    if ( frec_eq( 900 => 'a', 910 => 'c' ) ) {
1178            # values are same
1179      } else {
1180        # values are different
1181      }
1182    
1183  hash to hold maximum occurances of C<field^subfield> combinations  Strictly speaking C<frec_eq> and C<frec_ne> wouldn't be needed if you
1184  (which can be accessed using keys in same format)  could write something like:
1185    
1186  =back    if ( frec( '900','a' ) eq frec( '910','c' ) ) {
1187            # yada tada
1188      }
1189    
1190  Returns value or empty string, updates C<$found> and C<rec_size>  but you can't since our parser L<WebPAC::Parser> will remove all whitespaces
1191  if present.  in order to parse text and create invalid function C<eqfrec>.
1192    
1193  =cut  =cut
1194    
1195  sub get_data {  sub frec_eq {
1196          my $self = shift;          my ( $f1,$sf1, $f2, $sf2 ) = @_;
1197            return (rec( $f1, $sf1 ))[0] eq (rec( $f2, $sf2 ))[0];
1198    }
1199    
1200          my ($rec,$f,$sf,$i,$found,$cache) = @_;  sub frec_ne {
1201            return ! frec_eq( @_ );
1202    }
1203    
1204          return '' unless ($$rec->{$f} && ref($$rec->{$f}) eq 'ARRAY');  =head2 regex
1205    
1206          if (defined($$cache)) {  Apply regex to some or all values
                 $$cache->{ $f . ( $sf ? '^' . $sf : '' ) } ||= scalar @{ $$rec->{$f} };  
         }  
1207    
1208          return '' unless ($$rec->{$f}->[$i]);    @v = regex( 's/foo/bar/g', @v );
1209    
1210          {  =cut
1211                  no strict 'refs';  
1212                  if (defined($sf)) {  sub regex {
1213                          $$found++ if (defined($$found) && $$rec->{$f}->[$i]->{$sf});          my $r = shift;
1214                          return $$rec->{$f}->[$i]->{$sf};          my @out;
1215                  } else {          #warn "r: $r\n", dump(\@_);
1216                          $$found++ if (defined($$found));          foreach my $t (@_) {
1217                          # it still might have subfields, just                  next unless ($t);
1218                          # not specified, so we'll dump some debug info                  eval "\$t =~ $r";
1219                          if ($$rec->{$f}->[$i] =~ /HASH/o) {                  push @out, $t if ($t && $t ne '');
                                 my $out;  
                                 foreach my $k (keys %{$$rec->{$f}->[$i]}) {  
                                         my $v = $$rec->{$f}->[$i]->{$k};  
                                         $out .= '$' . $k .':' . $v if ($v);  
                                 }  
                                 return $out;  
                         } else {  
                                 return $$rec->{$f}->[$i];  
                         }  
                 }  
1220          }          }
1221            return @out;
1222  }  }
1223    
1224    =head2 prefix
1225    
1226  =head2 apply_format  Prefix all values with a string
1227    
1228  Apply format specified in tag with C<format_name="name"> and    @v = prefix( 'my_', @v );
 C<format_delimiter=";;">.  
1229    
1230   my $text = $webpac->apply_format($format_name,$format_delimiter,$data);  =cut
1231    
1232    sub prefix {
1233            my $p = shift;
1234            return @_ unless defined( $p );
1235            return map { $p . $_ } grep { defined($_) } @_;
1236    }
1237    
1238    =head2 suffix
1239    
1240    suffix all values with a string
1241    
1242      @v = suffix( '_my', @v );
1243    
1244    =cut
1245    
1246    sub suffix {
1247            my $s = shift;
1248            return @_ unless defined( $s );
1249            return map { $_ . $s } grep { defined($_) } @_;
1250    }
1251    
1252    =head2 surround
1253    
1254    surround all values with a two strings
1255    
1256      @v = surround( 'prefix_', '_suffix', @v );
1257    
1258    =cut
1259    
1260    sub surround {
1261            my $p = shift;
1262            my $s = shift;
1263            $p = '' unless defined( $p );
1264            $s = '' unless defined( $s );
1265            return map { $p . $_ . $s } grep { defined($_) } @_;
1266    }
1267    
1268    =head2 first
1269    
1270    Return first element
1271    
1272      $v = first( @v );
1273    
1274    =cut
1275    
1276    sub first {
1277            my $r = shift;
1278            return $r;
1279    }
1280    
1281    =head2 lookup
1282    
1283    Consult lookup hashes for some value
1284    
1285      @v = lookup(
1286            sub {
1287                    'ffkk/peri/mfn'.rec('000')
1288            },
1289            'ffkk','peri','200-a-200-e',
1290            sub {
1291                    first(rec(200,'a')).' '.first(rec('200','e'))
1292            }
1293      );
1294    
1295    Code like above will be B<automatically generated> using L<WebPAC::Parse> from
1296    normal lookup definition in C<conf/lookup/something.pl> which looks like:
1297    
1298      lookup(
1299            # which results to return from record recorded in lookup
1300            sub { 'ffkk/peri/mfn' . rec('000') },
1301            # from which database and input
1302            'ffkk','peri',
1303            # such that following values match
1304            sub { first(rec(200,'a')) . ' ' . first(rec('200','e')) },
1305            # if this part is missing, we will try to match same fields
1306            # from lookup record and current one, or you can override
1307            # which records to use from current record using
1308            sub { rec('900','x') . ' ' . rec('900','y') },
1309      )
1310    
1311    You can think about this lookup as SQL (if that helps):
1312    
1313      select
1314            sub { what }
1315      from
1316            database, input
1317      where
1318        sub { filter from lookuped record }
1319      having
1320        sub { optional filter on current record }
1321    
1322  Formats can contain C<lookup{...}> if you need them.  Easy as pie, right?
1323    
1324  =cut  =cut
1325    
1326  sub apply_format {  sub lookup {
1327          my $self = shift;          my ($what, $database, $input, $key, $having) = @_;
1328    
1329            confess "lookup needs 5 arguments: what, database, input, key, having\n" unless ($#_ == 4);
1330    
1331            warn "## lookup ($database, $input, $key)", $/ if ($debug > 1);
1332            return unless (defined($lookup->{$database}->{$input}->{$key}));
1333    
1334            confess "lookup really need load_row_coderef added to data_structure\n" unless ($load_row_coderef);
1335    
1336          my ($name,$delimiter,$data) = @_;          my $mfns;
1337            my @having = $having->();
1338    
1339          my $log = $self->_get_logger();          warn "## having = ", dump( @having ) if ($debug > 2);
1340    
1341          if (! $self->{'import_xml'}->{'format'}->{$name}) {          foreach my $h ( @having ) {
1342                  $log->warn("<format name=\"$name\"> is not defined in ",$self->{'import_xml_file'});                  if (defined($lookup->{$database}->{$input}->{$key}->{$h})) {
1343                  return $data;                          warn "lookup for $database/$input/$key/$h return ",dump($lookup->{$database}->{$input}->{$key}->{$h}),"\n" if ($debug);
1344                            $mfns->{$_}++ foreach keys %{ $lookup->{$database}->{$input}->{$key}->{$h} };
1345                    }
1346          }          }
1347    
1348          $log->warn("no delimiter for format $name") if (! $delimiter);          return unless ($mfns);
1349    
1350            my @mfns = sort keys %$mfns;
1351    
1352            warn "# lookup loading $database/$input/$key mfn ", join(",",@mfns)," having ",dump(@having),"\n" if ($debug);
1353    
1354            my $old_rec = $rec;
1355            my @out;
1356    
1357            foreach my $mfn (@mfns) {
1358                    $rec = $load_row_coderef->( $database, $input, $mfn );
1359    
1360                    warn "got $database/$input/$mfn = ", dump($rec), $/ if ($debug);
1361    
1362                    my @vals = $what->();
1363    
1364                    push @out, ( @vals );
1365    
1366                    warn "lookup for mfn $mfn returned ", dump(@vals), $/ if ($debug);
1367            }
1368    
1369          my $format = $self->_x($self->{'import_xml'}->{'format'}->{$name}->{'content'}) || $log->logdie("can't find format '$name'");  #       if (ref($lookup->{$k}) eq 'ARRAY') {
1370    #               return @{ $lookup->{$k} };
1371    #       } else {
1372    #               return $lookup->{$k};
1373    #       }
1374    
1375          my @data = split(/\Q$delimiter\E/, $data);          $rec = $old_rec;
1376    
1377          my $out = sprintf($format, @data);          warn "## lookup returns = ", dump(@out), $/ if ($debug);
         $log->debug("using format $name [$format] on $data to produce: $out");  
1378    
1379          if ($self->{'lookup_regex'} && $out =~ $self->{'lookup_regex'}) {          if ($#out == 0) {
1380                  return $self->{'lookup'}->lookup($out);                  return $out[0];
1381          } else {          } else {
1382                  return $out;                  return @out;
1383          }          }
1384    }
1385    
1386    =head2 save_into_lookup
1387    
1388    Save value into lookup. It associates current database, input
1389    and specific keys with one or more values which will be
1390    associated over MFN.
1391    
1392    MFN will be extracted from first occurence current of field 000
1393    in current record, or if it doesn't exist from L<_set_config> C<_mfn>.
1394    
1395      my $nr = save_into_lookup($database,$input,$key,sub {
1396            # code which produce one or more values
1397      });
1398    
1399    It returns number of items saved.
1400    
1401    This function shouldn't be called directly, it's called from code created by
1402    L<WebPAC::Parser>.
1403    
1404    =cut
1405    
1406    sub save_into_lookup {
1407            my ($database,$input,$key,$coderef) = @_;
1408            die "save_into_lookup needs database" unless defined($database);
1409            die "save_into_lookup needs input" unless defined($input);
1410            die "save_into_lookup needs key" unless defined($key);
1411            die "save_into_lookup needs CODE" unless ( defined($coderef) && ref($coderef) eq 'CODE' );
1412    
1413            warn "## save_into_lookup rec = ", dump($rec), " config = ", dump($config), $/ if ($debug > 2);
1414    
1415            my $mfn =
1416                    defined($rec->{'000'}->[0])     ?       $rec->{'000'}->[0]      :
1417                    defined($config->{_mfn})        ?       $config->{_mfn}         :
1418                                                                                    die "mfn not defined or zero";
1419    
1420            my $nr = 0;
1421    
1422            foreach my $v ( $coderef->() ) {
1423                    $lookup->{$database}->{$input}->{$key}->{$v}->{$mfn}++;
1424                    warn "# saved lookup $database/$input/$key [$v] $mfn\n" if ($debug > 1);
1425                    $nr++;
1426            }
1427    
1428            return $nr;
1429  }  }
1430    
1431  =head2 sort_arr  =head2 config
1432    
1433    Consult config values stored in C<config.yml>
1434    
1435  Sort array ignoring case and html in data    # return database code (key under databases in yaml)
1436      $database_code = config();    # use _ from hash
1437      $database_name = config('name');
1438      $database_input_name = config('input name');
1439    
1440   my @sorted = $webpac->sort_arr(@unsorted);  Up to three levels are supported.
1441    
1442  =cut  =cut
1443    
1444  sub sort_arr {  sub config {
1445          my $self = shift;          return unless ($config);
1446    
1447          my $log = $self->_get_logger();          my $p = shift;
1448    
1449          # FIXME add Schwartzian Transformation?          $p ||= '';
1450    
1451          my @sorted = sort {          my $v;
                 $a =~ s#<[^>]+/*>##;  
                 $b =~ s#<[^>]+/*>##;  
                 lc($b) cmp lc($a)  
         } @_;  
         $log->debug("sorted values: ",sub { join(", ",@sorted) });  
1452    
1453          return @sorted;          warn "### getting config($p)\n" if ($debug > 1);
1454    
1455            my @p = split(/\s+/,$p);
1456            if ($#p < 0) {
1457                    $v = $config->{ '_' };  # special, database code
1458            } else {
1459    
1460                    my $c = dclone( $config );
1461    
1462                    foreach my $k (@p) {
1463                            warn "### k: $k c = ",dump($c),$/ if ($debug > 1);
1464                            if (ref($c) eq 'ARRAY') {
1465                                    $c = shift @$c;
1466                                    warn "config($p) taking first occurence of '$k', probably not what you wanted!\n";
1467                                    last;
1468                            }
1469    
1470                            if (! defined($c->{$k}) ) {
1471                                    $c = undef;
1472                                    last;
1473                            } else {
1474                                    $c = $c->{$k};
1475                            }
1476                    }
1477                    $v = $c if ($c);
1478    
1479            }
1480    
1481            warn "## config( '$p' ) = ",dump( $v ),$/ if ($v && $debug);
1482            warn "config( '$p' ) is empty\n" if (! $v);
1483    
1484            return $v;
1485  }  }
1486    
1487    =head2 id
1488    
1489  =head1 INTERNAL METHODS  Returns unique id of this record
1490    
1491  =head2 _sort_by_order    $id = id();
1492    
1493  Sort xml tags data structure accoding to C<order=""> attribute.  Returns C<42/2> for 2nd occurence of MFN 42.
1494    
1495  =cut  =cut
1496    
1497  sub _sort_by_order {  sub id {
1498          my $self = shift;          my $mfn = $config->{_mfn} || die "no _mfn in config data";
1499            return $mfn . $#{$marc_record} ? $#{$marc_record} + 1 : '';
1500    }
1501    
1502    =head2 join_with
1503    
1504    Joins walues with some delimiter
1505    
1506          my $va = $self->{'import_xml'}->{'indexer'}->{$a}->{'order'} ||    $v = join_with(", ", @v);
                 $self->{'import_xml'}->{'indexer'}->{$a};  
         my $vb = $self->{'import_xml'}->{'indexer'}->{$b}->{'order'} ||  
                 $self->{'import_xml'}->{'indexer'}->{$b};  
1507    
1508          return $va <=> $vb;  =cut
1509    
1510    sub join_with {
1511            my $d = shift;
1512            warn "### join_with('$d',",dump(@_),")\n" if ($debug > 2);
1513            my $v = join($d, grep { defined($_) && $_ ne '' } @_);
1514            return '' unless defined($v);
1515            return $v;
1516  }  }
1517    
1518  =head2 _x  =head2 split_rec_on
1519    
1520    Split record subfield on some regex and take one of parts out
1521    
1522  Convert strings from C<conf/normalize/*.xml> encoding into application    $a_before_semi_column =
1523  specific encoding (optinally specified using C<code_page> to C<new>          split_rec_on('200','a', /\s*;\s*/, $part);
 constructor).  
1524    
1525   my $text = $n->_x('normalize text string');  C<$part> is optional number of element. First element is
1526    B<1>, not 0!
1527    
1528  This is a stub so that other modules doesn't have to implement it.  If there is no C<$part> parameter or C<$part> is 0, this function will
1529    return all values produced by splitting.
1530    
1531  =cut  =cut
1532    
1533  sub _x {  sub split_rec_on {
1534          my $self = shift;          die "split_rec_on need (fld,sf,regex[,part]" if ($#_ < 2);
1535          return shift;  
1536            my ($fld, $sf, $regex, $part) = @_;
1537            warn "### regex ", ref($regex), $regex, $/ if ($debug > 2);
1538    
1539            my @r = rec( $fld, $sf );
1540            my $v = shift @r;
1541            warn "### first rec($fld,$sf) = ",dump($v),$/ if ($debug > 2);
1542    
1543            return '' if ( ! defined($v) || $v =~ /^\s*$/);
1544    
1545            my @s = split( $regex, $v );
1546            warn "## split_rec_on($fld,$sf,$regex,$part) = ",dump(@s),$/ if ($debug > 1);
1547            if ($part && $part > 0) {
1548                    return $s[ $part - 1 ];
1549            } else {
1550                    return @s;
1551            }
1552  }  }
1553    
1554    my $hash;
1555    
1556    =head2 set
1557    
1558  =head1 AUTHOR    set( key => 'value' );
1559    
1560  Dobrica Pavlinusic, C<< <dpavlin@rot13.org> >>  =cut
1561    
1562  =head1 COPYRIGHT & LICENSE  sub set {
1563            my ($k,$v) = @_;
1564            warn "## set ( $k => ", dump($v), " )", $/ if ( $debug );
1565            $hash->{$k} = $v;
1566    };
1567    
1568  Copyright 2005 Dobrica Pavlinusic, All Rights Reserved.  =head2 get
1569    
1570  This program is free software; you can redistribute it and/or modify it    get( 'key' );
 under the same terms as Perl itself.  
1571    
1572  =cut  =cut
1573    
1574  1; # End of WebPAC::Normalize  sub get {
1575            my $k = shift || return;
1576            my $v = $hash->{$k};
1577            warn "## get $k = ", dump( $v ), $/ if ( $debug );
1578            return $v;
1579    }
1580    
1581    =head2 count
1582    
1583      if ( count( @result ) == 1 ) {
1584            # do something if only 1 result is there
1585      }
1586    
1587    =cut
1588    
1589    sub count {
1590            warn "## count ",dump(@_),$/ if ( $debug );
1591            return @_ . '';
1592    }
1593    
1594    # END
1595    1;

Legend:
Removed from v.436  
changed lines
  Added in v.1015

  ViewVC Help
Powered by ViewVC 1.1.26