/[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 340 by dpavlin, Mon Jan 2 10:58:26 2006 UTC revision 1216 by dpavlin, Tue Jun 2 13:17:24 2009 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            to
11            search_display search display sorted
12    
13            rec1 rec2 rec
14            frec frec_eq frec_ne
15            regex prefix suffix surround
16            first lookup join_with
17            save_into_lookup
18    
19            split_rec_on
20    
21            get set
22            count
23    
24            row
25            rec_array
26    
27    /;
28    
29  use warnings;  use warnings;
30  use strict;  use strict;
 use base 'WebPAC::Common';  
 use Data::Dumper;  
31    
32  =head1 NAME  #use base qw/WebPAC::Common/;
33    use Data::Dump qw/dump/;
34    use Carp qw/confess/;
35    
36    # debugging warn(s)
37    my $debug = 0;
38    _debug( $debug );
39    
40    # FIXME
41    use WebPAC::Normalize::ISBN;
42    push @EXPORT, ( 'isbn_10', 'isbn_13' );
43    
44    use WebPAC::Normalize::MARC;
45    push @EXPORT, ( qw/
46            marc marc_indicators marc_repeatable_subfield
47            marc_compose marc_leader marc_fixed
48            marc_duplicate marc_remove marc_count
49            marc_original_order
50            marc_template
51    /);
52    
53  WebPAC::Normalize - data mungling for normalisation  use Storable qw/dclone/;
54    
55  =head1 VERSION  =head1 NAME
56    
57  Version 0.08  WebPAC::Normalize - describe normalisaton rules using sets
58    
59  =cut  =cut
60    
61  our $VERSION = '0.08';  our $VERSION = '0.36';
62    
63  =head1 SYNOPSIS  =head1 SYNOPSIS
64    
65  This package contains code that mungle data to produce normalized format.  This module uses C<conf/normalize/*.pl> files to perform normalisation
66    from input records using perl functions which are specialized for set
67    processing.
68    
69    Sets are implemented as arrays, and normalisation file is valid perl, which
70    means that you check it's validity before running WebPAC using
71    C<perl -c normalize.pl>.
72    
73    Normalisation can generate multiple output normalized data. For now, supported output
74    types (on the left side of definition) are: C<search_display>, C<display>, C<search> and
75    C<marc>.
76    
77  It contains several assumptions:  =head1 FUNCTIONS
78    
79  =over  Functions which start with C<_> are private and used by WebPAC internally.
80    All other functions are available for use within normalisation rules.
81    
82  =item *  =head2 data_structure
83    
84  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.  
85    
86  =item *    my $ds = WebPAC::Normalize::data_structure(
87            lookup => $lookup_hash,
88            row => $row,
89            rules => $normalize_pl_config,
90            marc_encoding => 'utf-8',
91            config => $config,
92            load_row_coderef => sub {
93                    my ($database,$input,$mfn) = @_;
94                    $store->load_row( database => $database, input => $input, id => $mfn );
95            },
96      );
97    
98  source data records (C<$rec>) have unique identifiers in field C<000>  Options C<row>, C<rules> and C<log> are mandatory while all
99    other are optional.
100    
101  =item *  C<load_row_coderef> is closure only used when executing lookups, so they will
102    die if it's not defined.
103    
104  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)  
105    
106  =item *  Since this function isn't exported you have to call it with
107    C<WebPAC::Normalize::data_structure>.
108    
109  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  
110    
111  There is one built-in filter called C<regex> which can be use like this:  my $load_row_coderef;
112    
113    filter{regex(s/foo/bar/)}  sub data_structure {
114            my $arg = {@_};
115    
116  =item *          die "need row argument" unless ($arg->{row});
117            die "need normalisation argument" unless ($arg->{rules});
118    
119  optional C<lookup{...}> will be then performed. See C<WebPAC::Lookups>.          _set_lookup( $arg->{lookup} ) if defined($arg->{lookup});
120            _set_ds( $arg->{row} );
121            _set_config( $arg->{config} ) if defined($arg->{config});
122            _clean_ds( %{ $arg } );
123            $load_row_coderef = $arg->{load_row_coderef};
124    
125  =item *          no strict 'subs';
126            no warnings 'redefine';
127            eval "$arg->{rules};";
128            die "error evaling $arg->{rules}: $@\n" if ($@);
129    
130  at end, optional C<format>s rules are resolved. Format rules are similar to          return _get_ds();
131  C<sprintf> and can also contain C<lookup{...}> which is performed after  }
 values are inserted in format.  
132    
133  =back  =head2 _set_ds
134    
135  This also describes order in which transformations are applied (eval,  Set current record hash
 filter, lookup, format) which is important to undestand when deciding how to  
 solve your data mungling and normalisation process.  
136    
137      _set_ds( $rec );
138    
139    =cut
140    
141    my $rec;
142    
143  =head1 FUNCTIONS  sub _set_ds {
144            $rec = shift or die "no record hash";
145            $WebPAC::Normalize::MARC::rec = $rec;
146    }
147    
148  =head2 new  =head2
149    
150  Create new normalisation object    my $rec = _get_rec();
151    
152    my $n = new WebPAC::Normalize::Something(  =cut
         filter => {  
                 'filter_name_1' => sub {  
                         # filter code  
                         return length($_);  
                 }, ...  
         },  
         db => $db_obj,  
         lookup_regex => $lookup->regex,  
         lookup => $lookup_obj,  
         prefix => 'foobar',  
   );  
153    
154  Parametar C<filter> defines user supplied snippets of perl code which can  sub _get_rec { $rec };
 be use with C<filter{...}> notation.  
155    
156  C<prefix> is used to form filename for database record (to support multiple  =head2 _set_config
 source files which are joined in one database).  
157    
158  Recommended parametar C<lookup_regex> is used to enable parsing of lookups  Set current config hash
 in structures. If you pass this parametar, you must also pass C<lookup>  
 which is C<WebPAC::Lookup> object.  
159    
160  =cut    _set_config( $config );
161    
162  sub new {  Magic keys are:
         my $class = shift;  
         my $self = {@_};  
         bless($self, $class);  
163    
164          my $r = $self->{'lookup_regex'} ? 1 : 0;  =over 4
         my $l = $self->{'lookup'} ? 1 : 0;  
165    
166          my $log = $self->_get_logger();  =item _
167    
168          # those two must be in pair  Code of current database
         if ( ($r & $l) != ($r || $l) ) {  
                 my $log = $self->_get_logger();  
                 $log->logdie("lookup_regex and lookup must be in pair");  
         }  
169    
170          $log->logdie("lookup must be WebPAC::Lookup object") if ($self->{'lookup'} && ! $self->{'lookup'}->isa('WebPAC::Lookup'));  =item _mfn
171    
172          $log->warn("no prefix defined. please check that!") unless ($self->{'prefix'});  Current MFN
173    
174          $log->debug("using lookup regex: ", $self->{lookup_regex}) if ($r && $l);  =back
175    
176          if (! $self->{filter} || ! $self->{filter}->{regex}) {  =cut
177                  $log->debug("adding built-in filter regex");  
178                  $self->{filter}->{regex} = sub {  my $config;
                         my ($val, $regex) = @_;  
                         eval "\$val =~ $regex";  
                         return $val;  
                 };  
         }  
179    
180          $self ? return $self : return undef;  sub _set_config {
181            $config = shift;
182  }  }
183    
184    =head2 _get_ds
185    
186  =head2 data_structure  Return hash formatted as data structure
187    
188  Create in-memory data structure which represents normalized layout from    my $ds = _get_ds();
 C<conf/normalize/*.xml>.  
189    
190  This structures are used to produce output.  =cut
191    
192    my $out;
193    
194    sub _get_ds {
195    #warn "## out = ",dump($out);
196            return $out;
197    }
198    
199    =head2 _clean_ds
200    
201    Clean data structure hash for next record
202    
203   my $ds = $webpac->data_structure($rec);    _clean_ds();
204    
205  =cut  =cut
206    
207  sub data_structure {  sub _clean_ds {
208          my $self = shift;          my $a = {@_};
209            $out = undef;
210            WebPAC::Normalize::MARC::_clean();
211    }
212    
213          my $log = $self->_get_logger();  =head2 _set_lookup
214    
215          my $rec = shift;  Set current lookup hash
         $log->logconfess("need HASH as first argument!") if ($rec !~ /HASH/o);  
216    
217          $log->debug("data_structure rec = ", sub { Dumper($rec) });    _set_lookup( $lookup );
218    
219          $log->logdie("need unique ID (mfn) in field 000 of record " . Dumper($rec) ) unless (defined($rec->{'000'}));  =cut
220    
221          my $id = $rec->{'000'}->[0] || $log->logdie("field 000 isn't array!");  my $lookup;
222    
223          my $cache_file;  sub _set_lookup {
224            $lookup = shift;
225    }
226    
227          if ($self->{'db'}) {  =head2 _get_lookup
                 my $ds = $self->{'db'}->load_ds( id => $id, prefix => $self->{prefix} );  
                 $log->debug("load_ds( rec = ", sub { Dumper($rec) }, ") = ", sub { Dumper($ds) });  
                 return $ds if ($ds);  
                 $log->debug("cache miss, creating");  
         }  
228    
229          my @sorted_tags;  Get current lookup hash
         if ($self->{tags_by_order}) {  
                 @sorted_tags = @{$self->{tags_by_order}};  
         } else {  
                 @sorted_tags = sort { $self->_sort_by_order } keys %{$self->{'import_xml'}->{'indexer'}};  
                 $self->{tags_by_order} = \@sorted_tags;  
         }  
230    
231          my $ds;    my $lookup = _get_lookup();
232    
233          $log->debug("tags: ",sub { join(", ",@sorted_tags) });  =cut
234    
235          foreach my $field (@sorted_tags) {  sub _get_lookup {
236            return $lookup;
237    }
238    
239                  my $row;  =head2 _set_load_row
240    
241  #print "field $field [",$self->{'tag'},"] = ",Dumper($self->{'import_xml'}->{'indexer'}->{$field}->{$self->{'tag'}});  Setup code reference which will return L<data_structure> from
242    L<WebPAC::Store>
243    
244                  foreach my $tag (@{$self->{'import_xml'}->{'indexer'}->{$field}->{$self->{'tag'}}}) {    _set_load_row(sub {
245                          my $format;                  my ($database,$input,$mfn) = @_;
246                    $store->load_row( database => $database, input => $input, id => $mfn );
247      });
248    
249                          $log->logdie("expected tag HASH and got $tag") unless (ref($tag) eq 'HASH');  =cut
                         $format = $tag->{'value'} || $tag->{'content'};  
250    
251                          $log->debug("format: $format");  sub _set_load_row {
252            my $coderef = shift;
253            confess "argument isn't CODE" unless ref($coderef) eq 'CODE';
254    
255                          my @v;          $load_row_coderef = $coderef;
256                          if ($self->{'lookup_regex'} && $format =~ $self->{'lookup_regex'}) {  }
                                 @v = $self->fill_in_to_arr($rec,$format);  
                         } else {  
                                 @v = $self->parse_to_arr($rec,$format);  
                         }  
                         next if (! @v);  
257    
258                          if ($tag->{'sort'}) {  =head2 _debug
                                 @v = $self->sort_arr(@v);  
                         }  
259    
260                          # use format?  Change level of debug warnings
                         if ($tag->{'format_name'}) {  
                                 @v = map { $self->apply_format($tag->{'format_name'},$tag->{'format_delimiter'},$_) } @v;  
                         }  
261    
262                          # delimiter will join repeatable fields    _debug( 2 );
                         if ($tag->{'delimiter'}) {  
                                 @v = ( join($tag->{'delimiter'}, @v) );  
                         }  
263    
264                          # default types  =cut
                         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("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}}, $last;  
265    
266                                  } else {  sub _debug {
267                                          push @{$row->{$type}}, @v;          my $l = shift;
268                                  }          return $debug unless defined($l);
269                          }          warn "debug level $l",$/ if ($l > 0);
270            $debug = $l;
271            $WebPAC::Normalize::MARC::debug = $debug;
272    }
273    
274    =head1 Functions to create C<data_structure>
275    
276                  }  Those functions generally have to first in your normalization file.
277    
278                  if ($row) {  =head2 to
                         $row->{'tag'} = $field;  
279    
280                          # TODO: name_sigular, name_plural  Generic way to set values for some name
                         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");  
                         }  
281    
282                          $ds->{$row_name} = $row;    to('field-name', 'name-value' => rec('200','a') );
283    
284                          $log->debug("row $field: ",sub { Dumper($row) });  There are many helpers defined below which might be easier to use.
                 }  
285    
286          }  =cut
287    
288    sub to {
289            my $type = shift or confess "need type -- BUG?";
290            my $name = shift or confess "needs name as first argument";
291            my @o = grep { defined($_) && $_ ne '' } @_;
292            return unless (@o);
293            $out->{$name}->{$type} = \@o;
294    }
295    
296    =head2 search_display
297    
298    Define output for L<search> and L<display> at the same time
299    
300      search_display('Title', rec('200','a') );
301    
302    =cut
303    
304          $self->{'db'}->save_ds(  sub search_display {
305                  id => $id,          my $name = shift or die "search_display needs name as first argument";
306                  ds => $ds,          my @o = grep { defined($_) && $_ ne '' } @_;
307                  prefix => $self->{prefix},          return unless (@o);
308          ) if ($self->{'db'});          $out->{$name}->{search} = \@o;
309            $out->{$name}->{display} = \@o;
310    }
311    
312          $log->debug("ds: ", sub { Dumper($ds) });  =head2 tag
313    
314          $log->logconfess("data structure returned is not array any more!") if wantarray;  Old name for L<search_display>, it will probably be removed at one point.
315    
316          return $ds;  =cut
317    
318    sub tag {
319            search_display( @_ );
320  }  }
321    
322  =head2 parse  =head2 display
323    
324  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.  
325    
326   my $text = $webpac->parse($rec,'eval{"v901^a" eq "Deskriptor"}descriptor: v250^a', $i);    @v = display('Title', rec('200','a') );
327    
328  Filters are implemented here. While simple form of filters looks like this:  =cut
329    
330    filter{name_of_filter}  sub display { to( 'display', @_ ) }
331    
332  but, filters can also have variable number of parametars like this:  =head2 search
333    
334    filter{name_of_filter(param,param,param)}  Prepare values just for I<search>
335    
336      @v = search('Title', rec('200','a') );
337    
338  =cut  =cut
339    
340  my $warn_once;  sub search { to( 'search', @_ ) }
341    
342  sub parse {  =head2 sorted
         my $self = shift;  
343    
344          my ($rec, $format_utf8, $i) = @_;  Insert into lists which will be automatically sorted
345    
346          return if (! $format_utf8);   sorted('Title', rec('200','a') );
347    
348          my $log = $self->_get_logger();  =cut
349    
350          $log->logconfess("need HASH as first argument!") if ($rec !~ /HASH/o);  sub sorted { to( 'sorted', @_ ) }
351    
352          $i = 0 if (! $i);  =head2 row
353    
354          my $format = $self->_x($format_utf8) || $log->logconfess("can't convert '$format_utf8' from UTF-8 to ",$self->{'code_page'});  Insert new row of data into output module
355    
356      row( column => 'foo', column2 => 'bar' );
357    
358    =cut
359    
360    use Data::Dump qw/dump/;
361    
362    sub row {
363            die "array doesn't have odd number of elements but $#_: ",dump( @_ ) if $#_ % 2 == 1;
364            my $table = shift @_;
365            push @{ $out->{'_rows'}->{$table} }, {@_};
366    }
367    
         my @out;  
368    
369          $log->debug("format: $format [$i]");  =head1 Functions to extract data from input
370    
371          my $eval_code;  This function should be used inside functions to create C<data_structure> described
372          # remove eval{...} from beginning  above.
         $eval_code = $1 if ($format =~ s/^eval{([^}]+)}//s);  
373    
374          my $filter_name;  =head2 _pack_subfields_hash
         # remove filter{...} from beginning  
         $filter_name = $1 if ($format =~ s/^filter{([^}]+)}//s);  
375    
376          # did we found any (att all) field from format in row?   @subfields = _pack_subfields_hash( $h );
377          my $found_any;   $subfields = _pack_subfields_hash( $h, 1 );
         # prefix before first field which we preserve it $found_any  
         my $prefix;  
378    
379          my $f_step = 1;  Return each subfield value in array or pack them all together and return scalar
380    with subfields (denoted by C<^>) and values.
381    
382          while ($format =~ s/^(.*?)(v|s)(\d+)(?:\^(\w))?//s) {  =cut
383    
384    sub _pack_subfields_hash {
385    
386            warn "## _pack_subfields_hash( ",dump(@_), " )\n" if ($debug > 1);
387    
388            my ($hash,$include_subfields) = @_;
389    
390                  my $del = $1 || '';          # sanity and ease of use
391                  $prefix = $del if ($f_step == 1);          return $hash if (ref($hash) ne 'HASH');
392    
393                  my $fld_type = lc($2);          my $h = dclone( $hash );
394    
395                  # repeatable index          if ( defined($h->{subfields}) ) {
396                  my $r = $i;                  my $sfs = delete $h->{subfields} || die "no subfields?";
397                  if ($fld_type eq 's') {                  my @out;
398                          if ($found_any->{'v'}) {                  while (@$sfs) {
399                                  $r = 0;                          my $sf = shift @$sfs;
400                            push @out, '^' . $sf if ($include_subfields);
401                            my $o = shift @$sfs;
402                            if ($o == 0 && ref( $h->{$sf} ) ne 'ARRAY' ) {
403                                    # single element subfields are not arrays
404    #warn "====> $sf $o / $#$sfs ", dump( $sfs, $h->{$sf} ), "\n";
405    
406                                    push @out, $h->{$sf};
407                          } else {                          } else {
408                                  return;  #warn "====> $sf $o / $#$sfs ", dump( $sfs, $h->{$sf} ), "\n";
409                                    push @out, $h->{$sf}->[$o];
410                          }                          }
411                  }                  }
412                    if ($include_subfields) {
413                            return join('', @out);
414                    } else {
415                            return @out;
416                    }
417            } else {
418                    if ($include_subfields) {
419                            my $out = '';
420                            foreach my $sf (sort keys %$h) {
421                                    if (ref($h->{$sf}) eq 'ARRAY') {
422                                            $out .= '^' . $sf . join('^' . $sf, @{ $h->{$sf} });
423                                    } else {
424                                            $out .= '^' . $sf . $h->{$sf};
425                                    }
426                            }
427                            return $out;
428                    } else {
429                            # FIXME this should probably be in alphabetical order instead of hash order
430                            values %{$h};
431                    }
432            }
433    }
434    
435    =head2 rec1
436    
437    Return all values in some field
438    
439                  my $found = 0;    @v = rec1('200')
                 my $tmp = $self->get_data(\$rec,$3,$4,$r,\$found);  
440    
441                  if ($found) {  TODO: order of values is probably same as in source data, need to investigate that
                         $found_any->{$fld_type} += $found;  
442    
443                          # we will skip delimiter before first occurence of field!  =cut
444                          push @out, $del unless($found_any == 1);  
445                          push @out, $tmp;  sub rec1 {
446            my $f = shift;
447            warn "rec1($f) = ", dump( $rec->{$f} ), $/ if ($debug > 1);
448            return unless (defined($rec) && defined($rec->{$f}));
449            warn "rec1($f) = ", dump( $rec->{$f} ), $/ if ($debug > 1);
450            if (ref($rec->{$f}) eq 'ARRAY') {
451                    my @out;
452                    foreach my $h ( @{ $rec->{$f} } ) {
453                            if (ref($h) eq 'HASH') {
454                                    push @out, ( _pack_subfields_hash( $h ) );
455                            } else {
456                                    push @out, $h;
457                            }
458                  }                  }
459                  $f_step++;                  return @out;
460            } elsif( defined($rec->{$f}) ) {
461                    return $rec->{$f};
462          }          }
463    }
464    
465          # test if any fields found?  =head2 rec2
         return if (! $found_any->{'v'} && ! $found_any->{'s'});  
   
         my $out = join('',@out);  
466    
467          if ($out) {  Return all values in specific field and subfield
                 # add rest of format (suffix)  
                 $out .= $format;  
468    
469                  # add prefix if not there    @v = rec2('200','a')
                 $out = $prefix . $out if ($out !~ m/^\Q$prefix\E/);  
470    
471                  $log->debug("result: $out");  =cut
         }  
472    
473          if ($eval_code) {  sub rec2 {
474                  my $eval = $self->fill_in($rec,$eval_code,$i) || return;          my $f = shift;
475                  $log->debug("about to eval{$eval} format: $out");          return unless (defined($rec && $rec->{$f}));
476                  return if (! $self->_eval($eval));          my $sf = shift;
477          }          warn "rec2($f,$sf) = ", dump( $rec->{$f} ), $/ if ($debug > 1);
478                    return map {
479          if ($filter_name) {                  if (ref($_->{$sf}) eq 'ARRAY') {
480                  my @filter_args;                          @{ $_->{$sf} };
481                  if ($filter_name =~ s/(\w+)\((.*)\)/$1/) {                  } else {
482                          @filter_args = split(/,/, $2);                          $_->{$sf};
                 }  
                 if ($self->{'filter'}->{$filter_name}) {  
                         $log->debug("about to filter{$filter_name} format: $out with arguments: ", join(",", @filter_args));  
                         unshift @filter_args, $out;  
                         $out = $self->{'filter'}->{$filter_name}->(@filter_args);  
                         return unless(defined($out));  
                         $log->debug("filter result: $out");  
                 } elsif (! $warn_once->{$filter_name}) {  
                         $log->warn("trying to use undefined filter $filter_name");  
                         $warn_once->{$filter_name}++;  
483                  }                  }
484            } grep { ref($_) eq 'HASH' && defined $_->{$sf} } @{ $rec->{$f} };
485    }
486    
487    =head2 rec
488    
489    syntaxtic sugar for
490    
491      @v = rec('200')
492      @v = rec('200','a')
493    
494    If rec() returns just single value, it will
495    return scalar, not array.
496    
497    =cut
498    
499    sub rec {
500            my @out;
501            if ($#_ == 0) {
502                    @out = rec1(@_);
503            } elsif ($#_ == 1) {
504                    @out = rec2(@_);
505            }
506            if ($#out == 0 && ! wantarray) {
507                    return $out[0];
508            } elsif (@out) {
509                    return @out;
510            } else {
511                    return '';
512          }          }
513    }
514    
515          return $out;  =head2 frec
516    
517    Returns first value from field
518    
519      $v = frec('200');
520      $v = frec('200','a');
521    
522    =cut
523    
524    sub frec {
525            my @out = rec(@_);
526            warn "rec(",dump(@_),") has more than one return value, ignoring\n" if $#out > 0;
527            return shift @out;
528  }  }
529    
530  =head2 parse_to_arr  =head2 frec_eq
531    
532  Similar to C<parse>, but returns array of all repeatable fields  =head2 frec_ne
533    
534   my @arr = $webpac->parse_to_arr($rec,'v250^a');  Check if first values from two fields are same or different
535    
536      if ( frec_eq( 900 => 'a', 910 => 'c' ) ) {
537            # values are same
538      } else {
539        # values are different
540      }
541    
542    Strictly speaking C<frec_eq> and C<frec_ne> wouldn't be needed if you
543    could write something like:
544    
545      if ( frec( '900','a' ) eq frec( '910','c' ) ) {
546            # yada tada
547      }
548    
549    but you can't since our parser L<WebPAC::Parser> will remove all whitespaces
550    in order to parse text and create invalid function C<eqfrec>.
551    
552  =cut  =cut
553    
554  sub parse_to_arr {  sub frec_eq {
555          my $self = shift;          my ( $f1,$sf1, $f2, $sf2 ) = @_;
556            return (rec( $f1, $sf1 ))[0] eq (rec( $f2, $sf2 ))[0];
557    }
558    
559    sub frec_ne {
560            return ! frec_eq( @_ );
561    }
562    
563          my ($rec, $format_utf8) = @_;  =head2 regex
564    
565          my $log = $self->_get_logger();  Apply regex to some or all values
566    
567          $log->logconfess("need HASH as first argument!") if ($rec !~ /HASH/o);    @v = regex( 's/foo/bar/g', @v );
         return if (! $format_utf8);  
568    
569          my $i = 0;  =cut
         my @arr;  
570    
571          while (my $v = $self->parse($rec,$format_utf8,$i++)) {  sub regex {
572                  push @arr, $v;          my $r = shift;
573            my @out;
574            #warn "r: $r\n", dump(\@_);
575            foreach my $t (@_) {
576                    next unless ($t);
577                    eval "\$t =~ $r";
578                    push @out, $t if ($t && $t ne '');
579          }          }
580            return @out;
581    }
582    
583          $log->debug("format '$format_utf8' returned ",--$i," elements: ", sub { join(" | ",@arr) }) if (@arr);  =head2 prefix
584    
585          return @arr;  Prefix all values with a string
586    
587      @v = prefix( 'my_', @v );
588    
589    =cut
590    
591    sub prefix {
592            my $p = shift;
593            return @_ unless defined( $p );
594            return map { $p . $_ } grep { defined($_) } @_;
595  }  }
596    
597    =head2 suffix
598    
599  =head2 fill_in  suffix all values with a string
600    
601  Workhourse of all: takes record from in-memory structure of database and    @v = suffix( '_my', @v );
 strings with placeholders and returns string or array of with substituted  
 values from record.  
602    
603   my $text = $webpac->fill_in($rec,'v250^a');  =cut
604    
605  Optional argument is ordinal number for repeatable fields. By default,  sub suffix {
606  it's assume to be first repeatable field (fields are perl array, so first          my $s = shift;
607  element is 0).          return @_ unless defined( $s );
608  Following example will read second value from repeatable field.          return map { $_ . $s } grep { defined($_) } @_;
609    }
610    
611   my $text = $webpac->fill_in($rec,'Title: v250^a',1);  =head2 surround
612    
613  This function B<does not> perform parsing of format to inteligenty skip  surround all values with a two strings
 delimiters before fields which aren't used.  
614    
615  This method will automatically decode UTF-8 string to local code page    @v = surround( 'prefix_', '_suffix', @v );
 if needed.  
616    
617  =cut  =cut
618    
619  sub fill_in {  sub surround {
620          my $self = shift;          my $p = shift;
621            my $s = shift;
622          my $log = $self->_get_logger();          $p = '' unless defined( $p );
623            $s = '' unless defined( $s );
624            return map { $p . $_ . $s } grep { defined($_) } @_;
625    }
626    
627          my $rec = shift || $log->logconfess("need data record");  =head2 first
         my $format = shift || $log->logconfess("need format to parse");  
         # iteration (for repeatable fields)  
         my $i = shift || 0;  
628    
629          $log->logdie("infitite loop in format $format") if ($i > ($self->{'max_mfn'} || 9999));  Return first element
630    
631          # FIXME remove for speedup?    $v = first( @v );
         $log->logconfess("need HASH as first argument!") if ($rec !~ /HASH/o);  
632    
633          if (utf8::is_utf8($format)) {  =cut
                 $format = $self->_x($format);  
         }  
634    
635          my $found = 0;  sub first {
636          my $just_single = 1;          my $r = shift;
637            return $r;
638    }
639    
640          my $eval_code;  =head2 lookup
         # remove eval{...} from beginning  
         $eval_code = $1 if ($format =~ s/^eval{([^}]+)}//s);  
641    
642          my $filter_name;  Consult lookup hashes for some value
         # remove filter{...} from beginning  
         $filter_name = $1 if ($format =~ s/^filter{([^}]+)}//s);  
643    
644          # do actual replacement of placeholders    @v = lookup(
645          # repeatable fields          sub {
646          if ($format =~ s/v(\d+)(?:\^(\w))?/$self->get_data(\$rec,$1,$2,$i,\$found)/ges) {                  'ffkk/peri/mfn'.rec('000')
647                  $just_single = 0;          },
648          }          'ffkk','peri','200-a-200-e',
649                    sub {
650          # non-repeatable fields                  first(rec(200,'a')).' '.first(rec('200','e'))
         if ($format =~ s/s(\d+)(?:\^(\w))?/$self->get_data(\$rec,$1,$2,0,\$found)/ges) {  
                 return if ($i > 0 && $just_single);  
651          }          }
652      );
653    
654          if ($found) {  Code like above will be B<automatically generated> using L<WebPAC::Parse> from
655                  $log->debug("format: $format");  normal lookup definition in C<conf/lookup/something.pl> which looks like:
                 if ($eval_code) {  
                         my $eval = $self->fill_in($rec,$eval_code,$i);  
                         return if (! $self->_eval($eval));  
                 }  
                 if ($filter_name && $self->{'filter'}->{$filter_name}) {  
                         $log->debug("filter '$filter_name' for $format");  
                         $format = $self->{'filter'}->{$filter_name}->($format);  
                         return unless(defined($format));  
                         $log->debug("filter result: $format");  
                 }  
                 # do we have lookups?  
                 if ($self->{'lookup'}) {  
                         if ($self->{'lookup'}->can('lookup')) {  
                                 my @lookup = $self->{lookup}->lookup($format);  
                                 $log->debug("lookup $format", join(", ", @lookup));  
                                 return @lookup;  
                         } else {  
                                 $log->warn("Have lookup object but can't invoke lookup method");  
                         }  
                 } else {  
                         return $format;  
                 }  
         } else {  
                 return;  
         }  
 }  
656    
657      lookup(
658            # which results to return from record recorded in lookup
659            sub { 'ffkk/peri/mfn' . rec('000') },
660            # from which database and input
661            'ffkk','peri',
662            # such that following values match
663            sub { first(rec(200,'a')) . ' ' . first(rec('200','e')) },
664            # if this part is missing, we will try to match same fields
665            # from lookup record and current one, or you can override
666            # which records to use from current record using
667            sub { rec('900','x') . ' ' . rec('900','y') },
668      )
669    
670  =head2 fill_in_to_arr  You can think about this lookup as SQL (if that helps):
671    
672  Similar to C<fill_in>, but returns array of all repeatable fields. Usable    select
673  for fields which have lookups, so they shouldn't be parsed but rather          sub { what }
674  C<fill_id>ed.    from
675            database, input
676      where
677        sub { filter from lookuped record }
678      having
679        sub { optional filter on current record }
680    
681   my @arr = $webpac->fill_in_to_arr($rec,'[v900];;[v250^a]');  Easy as pie, right?
682    
683  =cut  =cut
684    
685  sub fill_in_to_arr {  sub lookup {
686          my $self = shift;          my ($what, $database, $input, $key, $having) = @_;
687    
688            confess "lookup needs 5 arguments: what, database, input, key, having\n" unless ($#_ == 4);
689    
690          my ($rec, $format_utf8) = @_;          warn "## lookup ($database, $input, $key)", $/ if ($debug > 1);
691            return unless (defined($lookup->{$database}->{$input}->{$key}));
692    
693          my $log = $self->_get_logger();          confess "lookup really need load_row_coderef added to data_structure\n" unless ($load_row_coderef);
694    
695          $log->logconfess("need HASH as first argument!") if ($rec !~ /HASH/o);          my $mfns;
696          return if (! $format_utf8);          my @having = $having->();
697    
698          my $i = 0;          warn "## having = ", dump( @having ) if ($debug > 2);
         my @arr;  
699    
700          while (my @v = $self->fill_in($rec,$format_utf8,$i++)) {          foreach my $h ( @having ) {
701                  push @arr, @v;                  if (defined($lookup->{$database}->{$input}->{$key}->{$h})) {
702                            warn "lookup for $database/$input/$key/$h return ",dump($lookup->{$database}->{$input}->{$key}->{$h}),"\n" if ($debug);
703                            $mfns->{$_}++ foreach keys %{ $lookup->{$database}->{$input}->{$key}->{$h} };
704                    }
705          }          }
706    
707          $log->debug("format '$format_utf8' returned ",--$i," elements: ", sub { join(" | ",@arr) }) if (@arr);          return unless ($mfns);
708    
709          return @arr;          my @mfns = sort keys %$mfns;
 }  
710    
711            warn "# lookup loading $database/$input/$key mfn ", join(",",@mfns)," having ",dump(@having),"\n" if ($debug);
712    
713  =head2 get_data          my $old_rec = $rec;
714            my @out;
715    
716  Returns value from record.          foreach my $mfn (@mfns) {
717                    $rec = $load_row_coderef->( $database, $input, $mfn );
718    
719   my $text = $self->get_data(\$rec,$f,$sf,$i,\$found);                  warn "got $database/$input/$mfn = ", dump($rec), $/ if ($debug);
720    
721  Arguments are:                  my @vals = $what->();
 record reference C<$rec>,  
 field C<$f>,  
 optional subfiled C<$sf>,  
 index for repeatable values C<$i>.  
722    
723  Optinal variable C<$found> will be incremeted if there                  push @out, ( @vals );
 is field.  
724    
725  Returns value or empty string.                  warn "lookup for mfn $mfn returned ", dump(@vals), $/ if ($debug);
726            }
727    
728  =cut  #       if (ref($lookup->{$k}) eq 'ARRAY') {
729    #               return @{ $lookup->{$k} };
730    #       } else {
731    #               return $lookup->{$k};
732    #       }
733    
734  sub get_data {          $rec = $old_rec;
         my $self = shift;  
735    
736          my ($rec,$f,$sf,$i,$found) = @_;          warn "## lookup returns = ", dump(@out), $/ if ($debug);
737    
738          if ($$rec->{$f}) {          if ($#out == 0) {
739                  return '' if (! $$rec->{$f}->[$i]);                  return $out[0];
                 no strict 'refs';  
                 if ($sf && $$rec->{$f}->[$i]->{$sf}) {  
                         $$found++ if (defined($$found));  
                         return $$rec->{$f}->[$i]->{$sf};  
                 } elsif (! $sf && $$rec->{$f}->[$i]) {  
                         $$found++ if (defined($$found));  
                         # it still might have subfield, just  
                         # not specified, so we'll dump all  
                         if ($$rec->{$f}->[$i] =~ /HASH/o) {  
                                 my $out;  
                                 foreach my $k (keys %{$$rec->{$f}->[$i]}) {  
                                         $out .= $$rec->{$f}->[$i]->{$k}." ";  
                                 }  
                                 return $out;  
                         } else {  
                                 return $$rec->{$f}->[$i];  
                         }  
                 } else {  
                         return '';  
                 }  
740          } else {          } else {
741                  return '';                  return @out;
742          }          }
743  }  }
744    
745    =head2 save_into_lookup
746    
747  =head2 apply_format  Save value into lookup. It associates current database, input
748    and specific keys with one or more values which will be
749    associated over MFN.
750    
751  Apply format specified in tag with C<format_name="name"> and  MFN will be extracted from first occurence current of field 000
752  C<format_delimiter=";;">.  in current record, or if it doesn't exist from L<_set_config> C<_mfn>.
753    
754   my $text = $webpac->apply_format($format_name,$format_delimiter,$data);    my $nr = save_into_lookup($database,$input,$key,sub {
755            # code which produce one or more values
756      });
757    
758  Formats can contain C<lookup{...}> if you need them.  It returns number of items saved.
759    
760    This function shouldn't be called directly, it's called from code created by
761    L<WebPAC::Parser>.
762    
763  =cut  =cut
764    
765  sub apply_format {  sub save_into_lookup {
766          my $self = shift;          my ($database,$input,$key,$coderef) = @_;
767            die "save_into_lookup needs database" unless defined($database);
768            die "save_into_lookup needs input" unless defined($input);
769            die "save_into_lookup needs key" unless defined($key);
770            die "save_into_lookup needs CODE" unless ( defined($coderef) && ref($coderef) eq 'CODE' );
771    
772            warn "## save_into_lookup rec = ", dump($rec), " config = ", dump($config), $/ if ($debug > 2);
773    
774          my ($name,$delimiter,$data) = @_;          my $mfn =
775                    defined($rec->{'000'}->[0])     ?       $rec->{'000'}->[0]      :
776                    defined($config->{_mfn})        ?       $config->{_mfn}         :
777                                                                                    die "mfn not defined or zero";
778    
779          my $log = $self->_get_logger();          my $nr = 0;
780    
781          if (! $self->{'import_xml'}->{'format'}->{$name}) {          foreach my $v ( $coderef->() ) {
782                  $log->warn("<format name=\"$name\"> is not defined in ",$self->{'import_xml_file'});                  $lookup->{$database}->{$input}->{$key}->{$v}->{$mfn}++;
783                  return $data;                  warn "# saved lookup $database/$input/$key [$v] $mfn\n" if ($debug > 1);
784                    $nr++;
785          }          }
786    
787          $log->warn("no delimiter for format $name") if (! $delimiter);          return $nr;
788    }
789    
790    =head2 config
791    
792          my $format = $self->_x($self->{'import_xml'}->{'format'}->{$name}->{'content'}) || $log->logdie("can't find format '$name'");  Consult config values stored in C<config.yml>
793    
794          my @data = split(/\Q$delimiter\E/, $data);    # return database code (key under databases in yaml)
795      $database_code = config();    # use _ from hash
796      $database_name = config('name');
797      $database_input_name = config('input name');
798    
799    Up to three levels are supported.
800    
801    =cut
802    
803          my $out = sprintf($format, @data);  sub config {
804          $log->debug("using format $name [$format] on $data to produce: $out");          return unless ($config);
805    
806          if ($self->{'lookup_regex'} && $out =~ $self->{'lookup_regex'}) {          my $p = shift;
807                  return $self->{'lookup'}->lookup($out);  
808            $p ||= '';
809    
810            my $v;
811    
812            warn "### getting config($p)\n" if ($debug > 1);
813    
814            my @p = split(/\s+/,$p);
815            if ($#p < 0) {
816                    $v = $config->{ '_' };  # special, database code
817          } else {          } else {
818                  return $out;  
819                    my $c = dclone( $config );
820    
821                    foreach my $k (@p) {
822                            warn "### k: $k c = ",dump($c),$/ if ($debug > 1);
823                            if (ref($c) eq 'ARRAY') {
824                                    $c = shift @$c;
825                                    warn "config($p) taking first occurence of '$k', probably not what you wanted!\n";
826                                    last;
827                            }
828    
829                            if (! defined($c->{$k}) ) {
830                                    $c = undef;
831                                    last;
832                            } else {
833                                    $c = $c->{$k};
834                            }
835                    }
836                    $v = $c if ($c);
837    
838          }          }
839    
840            warn "## config( '$p' ) = ",dump( $v ),$/ if ($v && $debug);
841            warn "config( '$p' ) is empty\n" if (! $v);
842    
843            return $v;
844  }  }
845    
846  =head2 sort_arr  =head2 id
847    
848  Sort array ignoring case and html in data  Returns unique id of this record
849    
850   my @sorted = $webpac->sort_arr(@unsorted);    $id = id();
851    
852    Returns C<42/2> for 2nd occurence of MFN 42.
853    
854  =cut  =cut
855    
856  sub sort_arr {  sub id {
857          my $self = shift;          my $mfn = $config->{_mfn} || die "no _mfn in config data";
858            return $mfn . ( WebPAC::Normalize::MARC::_created_marc_records() || '' );
859    }
860    
861    =head2 join_with
862    
863          my $log = $self->_get_logger();  Joins walues with some delimiter
864    
865          # FIXME add Schwartzian Transformation?    $v = join_with(", ", @v);
866    
867          my @sorted = sort {  =cut
                 $a =~ s#<[^>]+/*>##;  
                 $b =~ s#<[^>]+/*>##;  
                 lc($b) cmp lc($a)  
         } @_;  
         $log->debug("sorted values: ",sub { join(", ",@sorted) });  
868    
869          return @sorted;  sub join_with {
870            my $d = shift;
871            warn "### join_with('$d',",dump(@_),")\n" if ($debug > 2);
872            my $v = join($d, grep { defined($_) && $_ ne '' } @_);
873            return '' unless defined($v);
874            return $v;
875  }  }
876    
877    =head2 split_rec_on
878    
879    Split record subfield on some regex and take one of parts out
880    
881  =head1 INTERNAL METHODS    $a_before_semi_column =
882            split_rec_on('200','a', /\s*;\s*/, $part);
883    
884  =head2 _sort_by_order  C<$part> is optional number of element. First element is
885    B<1>, not 0!
886    
887  Sort xml tags data structure accoding to C<order=""> attribute.  If there is no C<$part> parameter or C<$part> is 0, this function will
888    return all values produced by splitting.
889    
890  =cut  =cut
891    
892  sub _sort_by_order {  sub split_rec_on {
893          my $self = shift;          die "split_rec_on need (fld,sf,regex[,part]" if ($#_ < 2);
894    
895            my ($fld, $sf, $regex, $part) = @_;
896            warn "### regex ", ref($regex), $regex, $/ if ($debug > 2);
897    
898          my $va = $self->{'import_xml'}->{'indexer'}->{$a}->{'order'} ||          my @r = rec( $fld, $sf );
899                  $self->{'import_xml'}->{'indexer'}->{$a};          my $v = shift @r;
900          my $vb = $self->{'import_xml'}->{'indexer'}->{$b}->{'order'} ||          warn "### first rec($fld,$sf) = ",dump($v),$/ if ($debug > 2);
                 $self->{'import_xml'}->{'indexer'}->{$b};  
901    
902          return $va <=> $vb;          return '' if ( ! defined($v) || $v =~ /^\s*$/);
903    
904            my @s = split( $regex, $v );
905            warn "## split_rec_on($fld,$sf,$regex,$part) = ",dump(@s),$/ if ($debug > 1);
906            if ($part && $part > 0) {
907                    return $s[ $part - 1 ];
908            } else {
909                    return @s;
910            }
911  }  }
912    
913  =head2 _x  my $hash;
914    
915    =head2 set
916    
917      set( key => 'value' );
918    
919    =cut
920    
921  Convert strings from C<conf/normalize/*.xml> encoding into application  sub set {
922  specific encoding (optinally specified using C<code_page> to C<new>          my ($k,$v) = @_;
923  constructor).          warn "## set ( $k => ", dump($v), " )", $/ if ( $debug );
924            $hash->{$k} = $v;
925    };
926    
927   my $text = $n->_x('normalize text string');  =head2 get
928    
929  This is a stub so that other modules doesn't have to implement it.    get( 'key' );
930    
931  =cut  =cut
932    
933  sub _x {  sub get {
934          my $self = shift;          my $k = shift || return;
935          return shift;          my $v = $hash->{$k};
936            warn "## get $k = ", dump( $v ), $/ if ( $debug );
937            return $v;
938  }  }
939    
940    =head2 count
941    
942      if ( count( @result ) == 1 ) {
943            # do something if only 1 result is there
944      }
945    
946  =head1 AUTHOR  =cut
947    
948  Dobrica Pavlinusic, C<< <dpavlin@rot13.org> >>  sub count {
949            warn "## count ",dump(@_),$/ if ( $debug );
950            return @_ . '';
951    }
952    
953  =head1 COPYRIGHT & LICENSE  =head2 rec_array
954    
955  Copyright 2005 Dobrica Pavlinusic, All Rights Reserved.  Always return field as array
956    
957  This program is free software; you can redistribute it and/or modify it    foreach my $d ( rec_array('field') ) {
958  under the same terms as Perl itself.          warn $d;
959      }
960    
961  =cut  =cut
962    
963  1; # End of WebPAC::Normalize  sub rec_array {
964            my $d = $rec->{ $_[0] };
965            return @$d if ref($d) eq 'ARRAY';
966            return ($d);
967    }
968    
969    # END
970    1;

Legend:
Removed from v.340  
changed lines
  Added in v.1216

  ViewVC Help
Powered by ViewVC 1.1.26