/[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 14 by dpavlin, Sun Jul 17 00:04:25 2005 UTC revision 982 by dpavlin, Sat Nov 3 13:35:03 2007 UTC
# Line 1  Line 1 
1  package WebPAC::Normalize;  package WebPAC::Normalize;
2    use Exporter 'import';
3    our @EXPORT = qw/
4            _set_rec _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    
17            rec1 rec2 rec
18            frec
19            regex prefix suffix surround
20            first lookup join_with
21            save_into_lookup
22    
23            split_rec_on
24    
25            get set
26            count
27    
28    /;
29    
30  use warnings;  use warnings;
31  use strict;  use strict;
 use Data::Dumper;  
 use Storable;  
32    
33  =head1 NAME  #use base qw/WebPAC::Common/;
34    use Data::Dump qw/dump/;
35    use Storable qw/dclone/;
36    use Carp qw/confess/;
37    
38  WebPAC::Normalize - normalisation of source file  # debugging warn(s)
39    my $debug = 0;
40    
41  =head1 VERSION  use WebPAC::Normalize::ISBN;
42    push @EXPORT, ( 'isbn_10', 'isbn_13' );
43    
44  Version 0.01  =head1 NAME
45    
46    WebPAC::Normalize - describe normalisaton rules using sets
47    
48  =cut  =cut
49    
50  our $VERSION = '0.01';  our $VERSION = '0.31';
51    
52  =head1 SYNOPSIS  =head1 SYNOPSIS
53    
54  This package contains code that could be helpful in implementing different  This module uses C<conf/normalize/*.pl> files to perform normalisation
55  normalisation front-ends.  from input records using perl functions which are specialized for set
56    processing.
57    
58    Sets are implemented as arrays, and normalisation file is valid perl, which
59    means that you check it's validity before running WebPAC using
60    C<perl -c normalize.pl>.
61    
62    Normalisation can generate multiple output normalized data. For now, supported output
63    types (on the left side of definition) are: C<search_display>, C<display>, C<search> and
64    C<marc>.
65    
66  =head1 FUNCTIONS  =head1 FUNCTIONS
67    
68  =head2 new  Functions which start with C<_> are private and used by WebPAC internally.
69    All other functions are available for use within normalisation rules.
70    
71  Create new normalisation object  =head2 data_structure
72    
73    my $n = new WebPAC::Normalize::Something(  Return data structure
74          cache_data_structure => './cache/ds/',  
75          lookup_regex => $lookup->regex,    my $ds = WebPAC::Normalize::data_structure(
76            lookup => $lookup_hash,
77            row => $row,
78            rules => $normalize_pl_config,
79            marc_encoding => 'utf-8',
80            config => $config,
81            load_row_coderef => sub {
82                    my ($database,$input,$mfn) = @_;
83                    $store->load_row( database => $database, input => $input, id => $mfn );
84            },
85    );    );
86    
87  Optional parameter C<cache_data_structure> defines path to directory  Options C<row>, C<rules> and C<log> are mandatory while all
88  in which cache file for C<data_structure> call will be created.  other are optional.
89    
90    C<load_row_coderef> is closure only used when executing lookups, so they will
91    die if it's not defined.
92    
93    This function will B<die> if normalizastion can't be evaled.
94    
95    Since this function isn't exported you have to call it with
96    C<WebPAC::Normalize::data_structure>.
97    
98    =cut
99    
100    my $load_row_coderef;
101    
102    sub data_structure {
103            my $arg = {@_};
104    
105            die "need row argument" unless ($arg->{row});
106            die "need normalisation argument" unless ($arg->{rules});
107    
108            no strict 'subs';
109            _set_lookup( $arg->{lookup} ) if defined($arg->{lookup});
110            _set_rec( $arg->{row} );
111            _set_config( $arg->{config} ) if defined($arg->{config});
112            _clean_ds( %{ $arg } );
113            $load_row_coderef = $arg->{load_row_coderef};
114    
115            eval "$arg->{rules}";
116            die "error evaling $arg->{rules}: $@\n" if ($@);
117    
118            return _get_ds();
119    }
120    
121    =head2 _set_rec
122    
123    Set current record hash
124    
125      _set_rec( $rec );
126    
127    =cut
128    
129    my $rec;
130    
131    sub _set_rec {
132            $rec = shift or die "no record hash";
133    }
134    
135    =head2 _set_config
136    
137    Set current config hash
138    
139      _set_config( $config );
140    
141    Magic keys are:
142    
143    =over 4
144    
145    =item _
146    
147    Code of current database
148    
149    =item _mfn
150    
151    Current MFN
152    
153    =back
154    
155    =cut
156    
157    my $config;
158    
159    sub _set_config {
160            $config = shift;
161    }
162    
163    =head2 _get_ds
164    
165    Return hash formatted as data structure
166    
167      my $ds = _get_ds();
168    
169    =cut
170    
171    my ($out, $marc_record, $marc_encoding, $marc_repeatable_subfield, $marc_indicators, $marc_leader);
172    my ($marc_record_offset, $marc_fetch_offset) = (0, 0);
173    
174  Recommended parametar C<lookup_regex> is used to enable parsing of lookups  sub _get_ds {
175  in structures.  #warn "## out = ",dump($out);
176            return $out;
177    }
178    
179    =head2 _clean_ds
180    
181    Clean data structure hash for next record
182    
183      _clean_ds();
184    
185  =cut  =cut
186    
187  sub new {  sub _clean_ds {
188          my $class = shift;          my $a = {@_};
189          my $self = {@_};          ($out,$marc_record, $marc_encoding, $marc_repeatable_subfield, $marc_indicators, $marc_leader) = ();
190          bless($self, $class);          ($marc_record_offset, $marc_fetch_offset) = (0,0);
191            $marc_encoding = $a->{marc_encoding};
192    }
193    
194    =head2 _set_lookup
195    
196    Set current lookup hash
197    
198      _set_lookup( $lookup );
199    
200    =cut
201    
202    my $lookup;
203    
204    sub _set_lookup {
205            $lookup = shift;
206    }
207    
208    =head2 _get_lookup
209    
210    Get current lookup hash
211    
212      my $lookup = _get_lookup();
213    
214    =cut
215    
216    sub _get_lookup {
217            return $lookup;
218    }
219    
220    =head2 _set_load_row
221    
222    Setup code reference which will return L<data_structure> from
223    L<WebPAC::Store>
224    
225      _set_load_row(sub {
226                    my ($database,$input,$mfn) = @_;
227                    $store->load_row( database => $database, input => $input, id => $mfn );
228      });
229    
230    =cut
231    
232          $self->setup_cache_dir( $self->{'cache_data_structure'} );  sub _set_load_row {
233            my $coderef = shift;
234            confess "argument isn't CODE" unless ref($coderef) eq 'CODE';
235    
236          $self ? return $self : return undef;          $load_row_coderef = $coderef;
237  }  }
238    
239  =head2 setup_cache_dir  =head2 _get_marc_fields
240    
241    Get all fields defined by calls to C<marc>
242    
243            $marc->add_fields( WebPAC::Normalize:_get_marc_fields() );
244    
245    We are using I<magic> which detect repeatable fields only from
246    sequence of field/subfield data generated by normalization.
247    
248    Repeatable field is created when there is second occurence of same subfield or
249    if any of indicators are different.
250    
251    This is sane for most cases. Something like:
252    
253      900a-1 900b-1 900c-1
254      900a-2 900b-2
255      900a-3
256    
257    will be created from any combination of:
258    
259      900a-1 900a-2 900a-3 900b-1 900b-2 900c-1
260    
261    and following rules:
262    
263      marc('900','a', rec('200','a') );
264      marc('900','b', rec('200','b') );
265      marc('900','c', rec('200','c') );
266    
267    which might not be what you have in mind. If you need repeatable subfield,
268    define it using C<marc_repeatable_subfield> like this:
269    
270      marc_repeatable_subfield('900','a');
271      marc('900','a', rec('200','a') );
272      marc('900','b', rec('200','b') );
273      marc('900','c', rec('200','c') );
274    
275  Check if specified cache directory exist, and if not, disable caching.  will create:
276    
277   $setup_cache_dir('./cache/ds/');    900a-1 900a-2 900a-3 900b-1 900c-1
278      900b-2
279    
280  If you pass false or zero value to this function, it will disable  There is also support for returning next or specific using:
281  cacheing.  
282      while (my $mf = WebPAC::Normalize:_get_marc_fields( fetch_next => 1 ) ) {
283            # do something with $mf
284      }
285    
286    will always return fields from next MARC record or
287    
288      my $mf = WebPAC::Normalize::_get_marc_fields( offset => 42 );
289    
290    will return 42th copy record (if it exists).
291    
292  =cut  =cut
293    
294  sub setup_cache_dir {  my $fetch_pos;
295          my $self = shift;  
296    sub _get_marc_fields {
297    
298            my $arg = {@_};
299            warn "### _get_marc_fields arg: ", dump($arg), $/ if ($debug > 2);
300            $fetch_pos = $marc_fetch_offset;
301            if ($arg->{offset}) {
302                    $fetch_pos = $arg->{offset};
303            } elsif($arg->{fetch_next}) {
304                    $marc_fetch_offset++;
305            }
306    
307            return if (! $marc_record || ref($marc_record) ne 'ARRAY');
308    
309            warn "### full marc_record = ", dump( @{ $marc_record }), $/ if ($debug > 2);
310    
311          my $dir = shift;          my $marc_rec = $marc_record->[ $fetch_pos ];
312    
313          my $log = $self->_get_logger();          warn "## _get_marc_fields (at offset: $fetch_pos) -- marc_record = ", dump( @$marc_rec ), $/ if ($debug > 1);
314    
315          if ($dir) {          return if (! $marc_rec || ref($marc_rec) ne 'ARRAY' || $#{ $marc_rec } < 0);
316                  my $msg;  
317                  if (! -e $dir) {          # first, sort all existing fields
318                          $msg = "doesn't exist";          # XXX might not be needed, but modern perl might randomize elements in hash
319                  } elsif (! -d $dir) {          my @sorted_marc_record = sort {
320                          $msg = "is not directory";                  $a->[0] . ( $a->[3] || '' ) cmp $b->[0] . ( $b->[3] || '')
321                  } elsif (! -w $dir) {          } @{ $marc_rec };
322                          $msg = "not writable";  
323            @sorted_marc_record = @{ $marc_rec };   ### FIXME disable sorting
324            
325            # output marc fields
326            my @m;
327    
328            # count unique field-subfields (used for offset when walking to next subfield)
329            my $u;
330            map { $u->{ $_->[0] . ( $_->[3] || '')  }++ } @sorted_marc_record;
331    
332            if ($debug) {
333                    warn "## marc_repeatable_subfield = ", dump( $marc_repeatable_subfield ), $/ if ( $marc_repeatable_subfield );
334                    warn "## marc_record[$fetch_pos] = ", dump( $marc_rec ), $/;
335                    warn "## sorted_marc_record = ", dump( \@sorted_marc_record ), $/;
336                    warn "## subfield count = ", dump( $u ), $/;
337            }
338    
339            my $len = $#sorted_marc_record;
340            my $visited;
341            my $i = 0;
342            my $field;
343    
344            foreach ( 0 .. $len ) {
345    
346                    # find next element which isn't visited
347                    while ($visited->{$i}) {
348                            $i = ($i + 1) % ($len + 1);
349                  }                  }
350    
351                  if ($msg) {                  # mark it visited
352                          undef $self->{'cache_data_structure'};                  $visited->{$i}++;
353                          $log->warn("cache_data_structure $dir $msg, disabling...");  
354                    my $row = dclone( $sorted_marc_record[$i] );
355    
356                    # field and subfield which is key for
357                    # marc_repeatable_subfield and u
358                    my $fsf = $row->[0] . ( $row->[3] || '' );
359    
360                    if ($debug > 1) {
361    
362                            print "### field so far [", $#$field, "] : ", dump( $field ), " ", $field ? 'T' : 'F', $/;
363                            print "### this [$i]: ", dump( $row ),$/;
364                            print "### sf: ", $row->[3], " vs ", $field->[3],
365                                    $marc_repeatable_subfield->{ $row->[0] . $row->[3] } ? ' (repeatable)' : '', $/,
366                                    if ($#$field >= 0);
367    
368                    }
369    
370                    # if field exists
371                    if ( $#$field >= 0 ) {
372                            if (
373                                    $row->[0] ne $field->[0] ||             # field
374                                    $row->[1] ne $field->[1] ||             # i1
375                                    $row->[2] ne $field->[2]                # i2
376                            ) {
377                                    push @m, $field;
378                                    warn "## saved/1 ", dump( $field ),$/ if ($debug);
379                                    $field = $row;
380    
381                            } elsif (
382                                    ( $row->[3] lt $field->[-2] )           # subfield which is not next (e.g. a after c)
383                                    ||
384                                    ( $row->[3] eq $field->[-2] &&          # same subfield, but not repeatable
385                                            ! $marc_repeatable_subfield->{ $fsf }
386                                    )
387                            ) {
388                                    push @m, $field;
389                                    warn "## saved/2 ", dump( $field ),$/ if ($debug);
390                                    $field = $row;
391    
392                            } else {
393                                    # append new subfields to existing field
394                                    push @$field, ( $row->[3], $row->[4] );
395                            }
396                  } else {                  } else {
397                          $log->debug("using cache dir $dir");                          # insert first field
398                            $field = $row;
399                  }                  }
400          } else {  
401                  $log->debug("disabling cache");                  if (! $marc_repeatable_subfield->{ $fsf }) {
402                  undef $self->{'cache_data_structure'};                          # make step to next subfield
403                            $i = ($i + $u->{ $fsf } ) % ($len + 1);
404                    }
405            }
406    
407            if ($#$field >= 0) {
408                    push @m, $field;
409                    warn "## saved/3 ", dump( $field ),$/ if ($debug);
410          }          }
411    
412            return \@m;
413  }  }
414    
415    =head2 _get_marc_leader
416    
417  =head2 data_structure  Return leader from currently fetched record by L</_get_marc_fields>
418    
419      print WebPAC::Normalize::_get_marc_leader();
420    
421  Create in-memory data structure which represents normalized layout from  =cut
 C<conf/normalize/*.xml>.  
422    
423  This structures are used to produce output.  sub _get_marc_leader {
424            die "no fetch_pos, did you called _get_marc_fields first?" unless ( defined( $fetch_pos ) );
425            return $marc_leader->[ $fetch_pos ];
426    }
427    
428   my @ds = $webpac->data_structure($rec);  =head2 _debug
429    
430  B<Note: historical oddity follows>  Change level of debug warnings
431    
432  This method will also set C<< $webpac->{'currnet_filename'} >> if there is    _debug( 2 );
 C<< <filename> >> tag and C<< $webpac->{'headline'} >> if there is  
 C<< <headline> >> tag.  
433    
434  =cut  =cut
435    
436  sub data_structure {  sub _debug {
437          my $self = shift;          my $l = shift;
438            return $debug unless defined($l);
439            warn "debug level $l",$/ if ($l > 0);
440            $debug = $l;
441    }
442    
443    =head1 Functions to create C<data_structure>
444    
445    Those functions generally have to first in your normalization file.
446    
447    =head2 search_display
448    
449    Define output for L<search> and L<display> at the same time
450    
451      search_display('Title', rec('200','a') );
452    
453    
454    =cut
455    
456    sub search_display {
457            my $name = shift or die "search_display needs name as first argument";
458            my @o = grep { defined($_) && $_ ne '' } @_;
459            return unless (@o);
460            $out->{$name}->{search} = \@o;
461            $out->{$name}->{display} = \@o;
462    }
463    
464    =head2 tag
465    
466    Old name for L<search_display>, but supported
467    
468    =cut
469    
470    sub tag {
471            search_display( @_ );
472    }
473    
474    =head2 display
475    
476    Define output just for I<display>
477    
478      @v = display('Title', rec('200','a') );
479    
480    =cut
481    
482    sub _field {
483            my $type = shift or confess "need type -- BUG?";
484            my $name = shift or confess "needs name as first argument";
485            my @o = grep { defined($_) && $_ ne '' } @_;
486            return unless (@o);
487            $out->{$name}->{$type} = \@o;
488    }
489    
490    sub display { _field( 'display', @_ ) }
491    
492          my $log = $self->_get_logger();  =head2 search
493    
494          my $rec = shift;  Prepare values just for I<search>
         $log->logconfess("need HASH as first argument!") if ($rec !~ /HASH/o);  
495    
496          my $cache_file;    @v = search('Title', rec('200','a') );
497    
498          if (my $cache_path = $self->{'cache_data_structure'}) {  =cut
499                  my $id = $rec->{'000'};  
500                  $id = $rec->{'000'}->[0] if ($id =~ m/^ARRAY/o);  sub search { _field( 'search', @_ ) }
501                  unless (defined($id)) {  
502                          $log->warn("Can't use cache_data_structure on records without unique identifier in field 000");  =head2 sorted
503                          undef $self->{'cache_data_structure'};  
504    Insert into lists which will be automatically sorted
505    
506     sorted('Title', rec('200','a') );
507    
508    =cut
509    
510    sub sorted { _field( 'sorted', @_ ) }
511    
512    
513    =head2 marc_leader
514    
515    Setup fields within MARC leader or get leader
516    
517      marc_leader('05','c');
518      my $leader = marc_leader();
519    
520    =cut
521    
522    sub marc_leader {
523            my ($offset,$value) = @_;
524    
525            if ($offset) {
526                    $marc_leader->[ $marc_record_offset ]->{ $offset } = $value;
527            } else {
528                    
529                    if (defined($marc_leader)) {
530                            die "marc_leader not array = ", dump( $marc_leader ) unless (ref($marc_leader) eq 'ARRAY');
531                            return $marc_leader->[ $marc_record_offset ];
532                  } else {                  } else {
533                          $cache_file = "$cache_path/$id";                          return;
534                          if (-r $cache_file) {                  }
535                                  my $ds_ref = retrieve($cache_file);          }
536                                  if ($ds_ref) {  }
537                                          $log->debug("cache hit: $cache_file");  
538                                          my $ok = 1;  =head2 marc_fixed
539                                          foreach my $f (qw(current_filename headline)) {  
540                                                  if ($ds_ref->{$f}) {  Create control/indentifier fields with values in fixed positions
541                                                          $self->{$f} = $ds_ref->{$f};  
542                                                  } else {    marc_fixed('008', 00, '070402');
543                                                          $ok = 0;    marc_fixed('008', 39, '|');
544                                                  }  
545                                          };  Positions not specified will be filled with spaces (C<0x20>).
546                                          if ($ok && $ds_ref->{'ds'}) {  
547                                                  return @{ $ds_ref->{'ds'} };  There will be no effort to extend last specified value to full length of
548                                          } else {  field in standard.
549                                                  $log->warn("cache_data_structure $cache_path corrupt. Use rm $cache_path/* to re-create it on next run!");  
550                                                  undef $self->{'cache_data_structure'};  =cut
551                                          }  
552                                  }  sub marc_fixed {
553            my ($f, $pos, $val) = @_;
554            die "need marc(field, position, value)" unless defined($f) && defined($pos);
555    
556            confess "need val" unless defined $val;
557    
558            my $update = 0;
559    
560            map {
561                    if ($_->[0] eq $f) {
562                            my $old = $_->[1];
563                            if (length($old) <= $pos) {
564                                    $_->[1] .= ' ' x ( $pos - length($old) ) . $val;
565                                    warn "## marc_fixed($f,$pos,'$val') append '$old' -> '$_->[1]'\n" if ($debug > 1);
566                            } else {
567                                    $_->[1] = substr($old, 0, $pos) . $val . substr($old, $pos + length($val));
568                                    warn "## marc_fixed($f,$pos,'$val') update '$old' -> '$_->[1]'\n" if ($debug > 1);
569                          }                          }
570                            $update++;
571                  }                  }
572            } @{ $marc_record->[ $marc_record_offset ] };
573    
574            if (! $update) {
575                    my $v = ' ' x $pos . $val;
576                    push @{ $marc_record->[ $marc_record_offset ] }, [ $f, $v ];
577                    warn "## marc_fixed($f,$pos,'val') created '$v'\n" if ($debug > 1);
578          }          }
579    }
580    
581          undef $self->{'currnet_filename'};  =head2 marc
         undef $self->{'headline'};  
582    
583          my @sorted_tags;  Save value for MARC field
584          if ($self->{tags_by_order}) {  
585                  @sorted_tags = @{$self->{tags_by_order}};    marc('900','a', rec('200','a') );
586          } else {    marc('001', rec('000') );
587                  @sorted_tags = sort { $self->_sort_by_order } keys %{$self->{'import_xml'}->{'indexer'}};  
588                  $self->{tags_by_order} = \@sorted_tags;  =cut
589    
590    sub marc {
591            my $f = shift or die "marc needs field";
592            die "marc field must be numer" unless ($f =~ /^\d+$/);
593    
594            my $sf;
595            if ($f >= 10) {
596                    $sf = shift or die "marc needs subfield";
597          }          }
598    
599          my @ds;          foreach (@_) {
600                    my $v = $_;             # make var read-write for Encode
601                    next unless (defined($v) && $v !~ /^\s*$/);
602                    my ($i1,$i2) = defined($marc_indicators->{$f}) ? @{ $marc_indicators->{$f} } : (' ',' ');
603                    if (defined $sf) {
604                            push @{ $marc_record->[ $marc_record_offset ] }, [ $f, $i1, $i2, $sf => $v ];
605                    } else {
606                            push @{ $marc_record->[ $marc_record_offset ] }, [ $f, $v ];
607                    }
608            }
609    }
610    
611          $log->debug("tags: ",sub { join(", ",@sorted_tags) });  =head2 marc_repeatable_subfield
612    
613          foreach my $field (@sorted_tags) {  Save values for MARC repetable subfield
614    
615                  my $row;    marc_repeatable_subfield('910', 'z', rec('909') );
616    
617  #print "field $field [",$self->{'tag'},"] = ",Dumper($self->{'import_xml'}->{'indexer'}->{$field}->{$self->{'tag'}});  =cut
618    
619                  foreach my $tag (@{$self->{'import_xml'}->{'indexer'}->{$field}->{$self->{'tag'}}}) {  sub marc_repeatable_subfield {
620                          my $format = $tag->{'value'} || $tag->{'content'};          my ($f,$sf) = @_;
621            die "marc_repeatable_subfield need field and subfield!\n" unless ($f && $sf);
622            $marc_repeatable_subfield->{ $f . $sf }++;
623            marc(@_);
624    }
625    
626                          $log->debug("format: $format");  =head2 marc_indicators
627    
628                          my @v;  Set both indicators for MARC field
                         if ($self->{'lookup_regex'} && $format =~ $self->{'lookup_regex'}) {  
                                 @v = $self->fill_in_to_arr($rec,$format);  
                         } else {  
                                 @v = $self->parse_to_arr($rec,$format);  
                         }  
                         next if (! @v);  
629    
630                          if ($tag->{'sort'}) {    marc_indicators('900', ' ', 1);
                                 @v = $self->sort_arr(@v);  
                         }  
631    
632                          # use format?  Any indicator value other than C<0-9> will be treated as undefined.
                         if ($tag->{'format_name'}) {  
                                 @v = map { $self->apply_format($tag->{'format_name'},$tag->{'format_delimiter'},$_) } @v;  
                         }  
633    
634                          if ($field eq 'filename') {  =cut
                                 $self->{'current_filename'} = join('',@v);  
                                 $log->debug("filename: ",$self->{'current_filename'});  
                         } elsif ($field eq 'headline') {  
                                 $self->{'headline'} .= join('',@v);  
                                 $log->debug("headline: ",$self->{'headline'});  
                                 next; # don't return headline in data_structure!  
                         }  
635    
636                          # delimiter will join repeatable fields  sub marc_indicators {
637                          if ($tag->{'delimiter'}) {          my $f = shift || die "marc_indicators need field!\n";
638                                  @v = ( join($tag->{'delimiter'}, @v) );          my ($i1,$i2) = @_;
639                          }          die "marc_indicators($f, ...) need i1!\n" unless(defined($i1));
640            die "marc_indicators($f, $i1, ...) need i2!\n" unless(defined($i2));
641    
642            $i1 = ' ' if ($i1 !~ /^\d$/);
643            $i2 = ' ' if ($i2 !~ /^\d$/);
644            @{ $marc_indicators->{$f} } = ($i1,$i2);
645    }
646    
647                          # default types  =head2 marc_compose
                         my @types = qw(display swish);  
                         # override by type attribute  
                         @types = ( $tag->{'type'} ) if ($tag->{'type'});  
   
                         foreach my $type (@types) {  
                                 # append to previous line?  
                                 $log->debug("type: $type ",sub { join(" ",@v) }, $row->{'append'} || 'no append');  
                                 if ($tag->{'append'}) {  
   
                                         # I will delimit appended part with  
                                         # delimiter (or ,)  
                                         my $d = $tag->{'delimiter'};  
                                         # default delimiter  
                                         $d ||= " ";  
   
                                         my $last = pop @{$row->{$type}};  
                                         $d = "" if (! $last);  
                                         $last .= $d . join($d, @v);  
                                         push @{$row->{$type}}, $last;  
648    
649                                  } else {  Save values for each MARC subfield explicitly
                                         push @{$row->{$type}}, @v;  
                                 }  
                         }  
650    
651      marc_compose('900',
652            'a', rec('200','a')
653            'b', rec('201','a')
654            'a', rec('200','b')
655            'c', rec('200','c')
656      );
657    
658                  }  If you specify C<+> for subfield, value will be appended
659    to previous defined subfield.
660    
661                  if ($row) {  =cut
                         $row->{'tag'} = $field;  
662    
663                          # TODO: name_sigular, name_plural  sub marc_compose {
664                          my $name = $self->{'import_xml'}->{'indexer'}->{$field}->{'name'};          my $f = shift or die "marc_compose needs field";
665                          $row->{'name'} = $name ? $self->_x($name) : $field;          die "marc_compose field must be numer" unless ($f =~ /^\d+$/);
   
                         # post-sort all values in field  
                         if ($self->{'import_xml'}->{'indexer'}->{$field}->{'sort'}) {  
                                 $log->warn("sort at field tag not implemented");  
                         }  
666    
667                          push @ds, $row;          my ($i1,$i2) = defined($marc_indicators->{$f}) ? @{ $marc_indicators->{$f} } : (' ',' ');
668            my $m = [ $f, $i1, $i2 ];
669    
670                          $log->debug("row $field: ",sub { Dumper($row) });          warn "### marc_compose input subfields = ", dump(@_),$/ if ($debug > 2);
                 }  
671    
672            if ($#_ % 2 != 1) {
673                    die "ERROR: marc_compose",dump($f,@_)," not valid (must be even).\nDo you need to add first() or join() around some argument?\n";
674          }          }
675    
676          if ($cache_file) {          while (@_) {
677                  store {                  my $sf = shift;
678                          ds => \@ds,                  my $v = shift;
679                          current_filename => $self->{'current_filename'},  
680                          headline => $self->{'headline'},                  next unless (defined($v) && $v !~ /^\s*$/);
681                  }, $cache_file;                  warn "## ++ marc_compose($f,$sf,$v) ", dump( $m ),$/ if ($debug > 1);
682                  $log->debug("created storable cache file $cache_file");                  if ($sf ne '+') {
683                            push @$m, ( $sf, $v );
684                    } else {
685                            $m->[ $#$m ] .= $v;
686                    }
687          }          }
688    
689          return @ds;          warn "## marc_compose current marc = ", dump( $m ),$/ if ($debug > 1);
690    
691            push @{ $marc_record->[ $marc_record_offset ] }, $m if ($#{$m} > 2);
692  }  }
693    
694  =head2 apply_format  =head2 marc_duplicate
695    
696  Apply format specified in tag with C<format_name="name"> and  Generate copy of current MARC record and continue working on copy
 C<format_delimiter=";;">.  
697    
698   my $text = $webpac->apply_format($format_name,$format_delimiter,$data);    marc_duplicate();
699    
700  Formats can contain C<lookup{...}> if you need them.  Copies can be accessed using C<< _get_marc_fields( fetch_next => 1 ) >> or
701    C<< _get_marc_fields( offset => 42 ) >>.
702    
703  =cut  =cut
704    
705  sub apply_format {  sub marc_duplicate {
706          my $self = shift;           my $m = $marc_record->[ -1 ];
707             die "can't duplicate record which isn't defined" unless ($m);
708             push @{ $marc_record }, dclone( $m );
709             push @{ $marc_leader }, dclone( marc_leader() );
710             warn "## marc_duplicate = ", dump(@$marc_leader, @$marc_record), $/ if ($debug > 1);
711             $marc_record_offset = $#{ $marc_record };
712             warn "## marc_record_offset = $marc_record_offset", $/ if ($debug > 1);
713    
714          my ($name,$delimiter,$data) = @_;  }
715    
716          my $log = $self->_get_logger();  =head2 marc_remove
717    
718          if (! $self->{'import_xml'}->{'format'}->{$name}) {  Remove some field or subfield from MARC record.
719                  $log->warn("<format name=\"$name\"> is not defined in ",$self->{'import_xml_file'});  
720                  return $data;    marc_remove('200');
721          }    marc_remove('200','a');
722    
723    This will erase field C<200> or C<200^a> from current MARC record.
724    
725      marc_remove('*');
726    
727    Will remove all fields in current MARC record.
728    
729    This is useful after calling C<marc_duplicate> or on it's own (but, you
730    should probably just remove that subfield definition if you are not
731    using C<marc_duplicate>).
732    
733    FIXME: support fields < 10.
734    
735    =cut
736    
737    sub marc_remove {
738            my ($f, $sf) = @_;
739    
740          $log->warn("no delimiter for format $name") if (! $delimiter);          die "marc_remove needs record number" unless defined($f);
741    
742          my $format = $self->_x($self->{'import_xml'}->{'format'}->{$name}->{'content'}) || $log->logdie("can't find format '$name'");          my $marc = $marc_record->[ $marc_record_offset ];
743    
744          my @data = split(/\Q$delimiter\E/, $data);          warn "### marc_remove before = ", dump( $marc ), $/ if ($debug > 2);
745    
746          my $out = sprintf($format, @data);          if ($f eq '*') {
747          $log->debug("using format $name [$format] on $data to produce: $out");  
748                    delete( $marc_record->[ $marc_record_offset ] );
749                    warn "## full marc_record = ", dump( @{ $marc_record }), $/ if ($debug > 1);
750    
         if ($self->{'lookup_regex'} && $out =~ $self->{'lookup_regex'}) {  
                 return $self->lookup($out);  
751          } else {          } else {
752                  return $out;  
753                    my $i = 0;
754                    foreach ( 0 .. $#{ $marc } ) {
755                            last unless (defined $marc->[$i]);
756                            warn "#### working on ",dump( @{ $marc->[$i] }), $/ if ($debug > 3);
757                            if ($marc->[$i]->[0] eq $f) {
758                                    if (! defined $sf) {
759                                            # remove whole field
760                                            splice @$marc, $i, 1;
761                                            warn "#### slice \@\$marc, $i, 1 = ",dump( @{ $marc }), $/ if ($debug > 3);
762                                            $i--;
763                                    } else {
764                                            foreach my $j ( 0 .. (( $#{ $marc->[$i] } - 3 ) / 2) ) {
765                                                    my $o = ($j * 2) + 3;
766                                                    if ($marc->[$i]->[$o] eq $sf) {
767                                                            # remove subfield
768                                                            splice @{$marc->[$i]}, $o, 2;
769                                                            warn "#### slice \@{\$marc->[$i]}, $o, 2 = ", dump( @{ $marc }), $/ if ($debug > 3);
770                                                            # is record now empty?
771                                                            if ($#{ $marc->[$i] } == 2) {
772                                                                    splice @$marc, $i, 1;
773                                                                    warn "#### slice \@\$marc, $i, 1 = ", dump( @{ $marc }), $/ if ($debug > 3);
774                                                                    $i--;
775                                                            };
776                                                    }
777                                            }
778                                    }
779                            }
780                            $i++;
781                    }
782    
783                    warn "### marc_remove($f", $sf ? ",$sf" : "", ") after = ", dump( $marc ), $/ if ($debug > 2);
784    
785                    $marc_record->[ $marc_record_offset ] = $marc;
786          }          }
787    
788            warn "## full marc_record = ", dump( @{ $marc_record }), $/ if ($debug > 1);
789  }  }
790    
791  =head2 parse  =head2 marc_original_order
792    
793    Copy all subfields preserving original order to marc field.
794    
795      marc_original_order( marc_field_number, original_input_field_number );
796    
797    Please note that field numbers are consistent with other commands (marc
798    field number first), but somewhat counter-intuitive (destination and then
799    source).
800    
801  Perform smart parsing of string, skipping delimiters for fields which aren't  You might want to use this command if you are just renaming subfields or
802  defined. It can also eval code in format starting with C<eval{...}> and  using pre-processing modify_record in C<config.yml> and don't need any
803  return output or nothing depending on eval code.  post-processing or want to preserve order of original subfields.
804    
  my $text = $webpac->parse($rec,'eval{"v901^a" eq "Deskriptor"}descriptor: v250^a', $i);  
805    
806  =cut  =cut
807    
808  sub parse {  sub marc_original_order {
         my $self = shift;  
809    
810          my ($rec, $format_utf8, $i) = @_;          my ($to, $from) = @_;
811            die "marc_original_order needs from and to fields\n" unless ($from && $to);
812    
813          return if (! $format_utf8);          return unless defined($rec->{$from});
814    
815          my $log = $self->_get_logger();          my $r = $rec->{$from};
816            die "record field $from isn't array\n" unless (ref($r) eq 'ARRAY');
817    
818          $log->logconfess("need HASH as first argument!") if ($rec !~ /HASH/o);          my ($i1,$i2) = defined($marc_indicators->{$to}) ? @{ $marc_indicators->{$to} } : (' ',' ');
819            warn "## marc_original_order($to,$from) source = ", dump( $r ),$/ if ($debug > 1);
820    
821          $i = 0 if (! $i);          foreach my $d (@$r) {
822    
823          my $format = $self->_x($format_utf8) || $log->logconfess("can't convert '$format_utf8' from UTF-8 to ",$self->{'code_page'});                  if (! defined($d->{subfields}) && ref($d->{subfields}) ne 'ARRAY') {
824                            warn "# marc_original_order($to,$from): field $from doesn't have subfields specification\n";
825                            next;
826                    }
827            
828                    my @sfs = @{ $d->{subfields} };
829    
830          my @out;                  die "field $from doesn't have even number of subfields specifications\n" unless($#sfs % 2 == 1);
831    
832          $log->debug("format: $format");                  warn "#--> d: ",dump($d), "\n#--> sfs: ",dump(@sfs),$/ if ($debug > 2);
833    
834          my $eval_code;                  my $m = [ $to, $i1, $i2 ];
         # remove eval{...} from beginning  
         $eval_code = $1 if ($format =~ s/^eval{([^}]+)}//s);  
835    
836          my $filter_name;                  while (my $sf = shift @sfs) {
837          # remove filter{...} from beginning  
838          $filter_name = $1 if ($format =~ s/^filter{([^}]+)}//s);                          warn "#--> sf: ",dump($sf), $/ if ($debug > 2);
839                            my $offset = shift @sfs;
840                            die "corrupted sufields specification for field $from\n" unless defined($offset);
841    
842                            my $v;
843                            if (ref($d->{$sf}) eq 'ARRAY') {
844                                    $v = $d->{$sf}->[$offset] if (defined($d->{$sf}->[$offset]));
845                            } elsif ($offset == 0) {
846                                    $v = $d->{$sf};
847                            } else {
848                                    die "field $from subfield '$sf' need occurence $offset which doesn't exist", dump($d->{$sf});
849                            }
850                            push @$m, ( $sf, $v ) if (defined($v));
851                    }
852    
853          my $prefix;                  if ($#{$m} > 2) {
854          my $all_found=0;                          push @{ $marc_record->[ $marc_record_offset ] }, $m;
855                    }
856            }
857    
858          while ($format =~ s/^(.*?)(v|s)(\d+)(?:\^(\w))?//s) {          warn "## marc_record = ", dump( $marc_record ),$/ if ($debug > 1);
859    }
860    
861                  my $del = $1 || '';  =head2 marc_count
                 $prefix ||= $del if ($all_found == 0);  
862    
863                  # repeatable index  Return number of MARC records created using L</marc_duplicate>.
                 my $r = $i;  
                 $r = 0 if (lc("$2") eq 's');  
864    
865                  my $found = 0;    print "created ", marc_count(), " records";
                 my $tmp = $self->get_data(\$rec,$3,$4,$r,\$found);  
866    
867                  if ($found) {  =cut
868                          push @out, $del;  
869                          push @out, $tmp;  sub marc_count {
870                          $all_found += $found;          return $#{ $marc_record };
871    }
872    
873    
874    =head1 Functions to extract data from input
875    
876    This function should be used inside functions to create C<data_structure> described
877    above.
878    
879    =head2 _pack_subfields_hash
880    
881     @subfields = _pack_subfields_hash( $h );
882     $subfields = _pack_subfields_hash( $h, 1 );
883    
884    Return each subfield value in array or pack them all together and return scalar
885    with subfields (denoted by C<^>) and values.
886    
887    =cut
888    
889    sub _pack_subfields_hash {
890    
891            warn "## _pack_subfields_hash( ",dump(@_), " )\n" if ($debug > 1);
892    
893            my ($h,$include_subfields) = @_;
894    
895            # sanity and ease of use
896            return $h if (ref($h) ne 'HASH');
897    
898            if ( defined($h->{subfields}) ) {
899                    my $sfs = delete $h->{subfields} || die "no subfields?";
900                    my @out;
901                    while (@$sfs) {
902                            my $sf = shift @$sfs;
903                            push @out, '^' . $sf if ($include_subfields);
904                            my $o = shift @$sfs;
905                            if ($o == 0 && ref( $h->{$sf} ) ne 'ARRAY' ) {
906                                    # single element subfields are not arrays
907    #warn "====> $sf $o / $#$sfs ", dump( $sfs, $h->{$sf} ), "\n";
908    
909                                    push @out, $h->{$sf};
910                            } else {
911    #warn "====> $sf $o / $#$sfs ", dump( $sfs, $h->{$sf} ), "\n";
912                                    push @out, $h->{$sf}->[$o];
913                            }
914                    }
915                    if ($include_subfields) {
916                            return join('', @out);
917                    } else {
918                            return @out;
919                    }
920            } else {
921                    if ($include_subfields) {
922                            my $out = '';
923                            foreach my $sf (sort keys %$h) {
924                                    if (ref($h->{$sf}) eq 'ARRAY') {
925                                            $out .= '^' . $sf . join('^' . $sf, @{ $h->{$sf} });
926                                    } else {
927                                            $out .= '^' . $sf . $h->{$sf};
928                                    }
929                            }
930                            return $out;
931                    } else {
932                            # FIXME this should probably be in alphabetical order instead of hash order
933                            values %{$h};
934                  }                  }
935          }          }
936    }
937    
938    =head2 rec1
939    
940          return if (! $all_found);  Return all values in some field
941    
942          my $out = join('',@out);    @v = rec1('200')
943    
944          if ($out) {  TODO: order of values is probably same as in source data, need to investigate that
                 # add rest of format (suffix)  
                 $out .= $format;  
945    
946                  # add prefix if not there  =cut
                 $out = $prefix . $out if ($out !~ m/^\Q$prefix\E/);  
947    
948                  $log->debug("result: $out");  sub rec1 {
949            my $f = shift;
950            warn "rec1($f) = ", dump( $rec->{$f} ), $/ if ($debug > 1);
951            return unless (defined($rec) && defined($rec->{$f}));
952            warn "rec1($f) = ", dump( $rec->{$f} ), $/ if ($debug > 1);
953            if (ref($rec->{$f}) eq 'ARRAY') {
954                    my @out;
955                    foreach my $h ( @{ $rec->{$f} } ) {
956                            if (ref($h) eq 'HASH') {
957                                    push @out, ( _pack_subfields_hash( $h ) );
958                            } else {
959                                    push @out, $h;
960                            }
961                    }
962                    return @out;
963            } elsif( defined($rec->{$f}) ) {
964                    return $rec->{$f};
965          }          }
966    }
967    
968    =head2 rec2
969    
970    Return all values in specific field and subfield
971    
972      @v = rec2('200','a')
973    
974    =cut
975    
976    sub rec2 {
977            my $f = shift;
978            return unless (defined($rec && $rec->{$f}));
979            my $sf = shift;
980            warn "rec2($f,$sf) = ", dump( $rec->{$f} ), $/ if ($debug > 1);
981            return map {
982                    if (ref($_->{$sf}) eq 'ARRAY') {
983                            @{ $_->{$sf} };
984                    } else {
985                            $_->{$sf};
986                    }
987            } grep { ref($_) eq 'HASH' && $_->{$sf} } @{ $rec->{$f} };
988    }
989    
990    =head2 rec
991    
992    syntaxtic sugar for
993    
994      @v = rec('200')
995      @v = rec('200','a')
996    
997    If rec() returns just single value, it will
998    return scalar, not array.
999    
1000    =cut
1001    
1002    sub frec {
1003            my @out = rec(@_);
1004            warn "rec(",dump(@_),") has more than one return value, ignoring\n" if $#out > 0;
1005            return shift @out;
1006    }
1007    
1008          if ($eval_code) {  sub rec {
1009                  my $eval = $self->fill_in($rec,$eval_code,$i) || return;          my @out;
1010                  $log->debug("about to eval{$eval} format: $out");          if ($#_ == 0) {
1011                  return if (! $self->_eval($eval));                  @out = rec1(@_);
1012            } elsif ($#_ == 1) {
1013                    @out = rec2(@_);
1014          }          }
1015                    if ($#out == 0 && ! wantarray) {
1016          if ($filter_name && $self->{'filter'}->{$filter_name}) {                  return $out[0];
1017                  $log->debug("about to filter{$filter_name} format: $out");          } elsif (@out) {
1018                  $out = $self->{'filter'}->{$filter_name}->($out);                  return @out;
1019                  return unless(defined($out));          } else {
1020                  $log->debug("filter result: $out");                  return '';
1021          }          }
1022    }
1023    
1024          return $out;  =head2 regex
1025    
1026    Apply regex to some or all values
1027    
1028      @v = regex( 's/foo/bar/g', @v );
1029    
1030    =cut
1031    
1032    sub regex {
1033            my $r = shift;
1034            my @out;
1035            #warn "r: $r\n", dump(\@_);
1036            foreach my $t (@_) {
1037                    next unless ($t);
1038                    eval "\$t =~ $r";
1039                    push @out, $t if ($t && $t ne '');
1040            }
1041            return @out;
1042  }  }
1043    
1044  =head2 parse_to_arr  =head2 prefix
1045    
1046  Similar to C<parse>, but returns array of all repeatable fields  Prefix all values with a string
1047    
1048   my @arr = $webpac->parse_to_arr($rec,'v250^a');    @v = prefix( 'my_', @v );
1049    
1050  =cut  =cut
1051    
1052  sub parse_to_arr {  sub prefix {
1053          my $self = shift;          my $p = shift;
1054            return @_ unless defined( $p );
1055            return map { $p . $_ } grep { defined($_) } @_;
1056    }
1057    
1058          my ($rec, $format_utf8) = @_;  =head2 suffix
1059    
1060          my $log = $self->_get_logger();  suffix all values with a string
1061    
1062          $log->logconfess("need HASH as first argument!") if ($rec !~ /HASH/o);    @v = suffix( '_my', @v );
         return if (! $format_utf8);  
1063    
1064          my $i = 0;  =cut
         my @arr;  
1065    
1066          while (my $v = $self->parse($rec,$format_utf8,$i++)) {  sub suffix {
1067                  push @arr, $v;          my $s = shift;
1068          }          return @_ unless defined( $s );
1069            return map { $_ . $s } grep { defined($_) } @_;
1070    }
1071    
1072    =head2 surround
1073    
1074    surround all values with a two strings
1075    
1076      @v = surround( 'prefix_', '_suffix', @v );
1077    
1078    =cut
1079    
1080    sub surround {
1081            my $p = shift;
1082            my $s = shift;
1083            $p = '' unless defined( $p );
1084            $s = '' unless defined( $s );
1085            return map { $p . $_ . $s } grep { defined($_) } @_;
1086    }
1087    
1088          $log->debug("format '$format_utf8' returned ",--$i," elements: ", sub { join(" | ",@arr) }) if (@arr);  =head2 first
1089    
1090          return @arr;  Return first element
1091    
1092      $v = first( @v );
1093    
1094    =cut
1095    
1096    sub first {
1097            my $r = shift;
1098            return $r;
1099  }  }
1100    
1101  =head2 fill_in_to_arr  =head2 lookup
1102    
1103  Similar to C<fill_in>, but returns array of all repeatable fields. Usable  Consult lookup hashes for some value
1104  for fields which have lookups, so they shouldn't be parsed but rather  
1105  C<fill_id>ed.    @v = lookup(
1106            sub {
1107                    'ffkk/peri/mfn'.rec('000')
1108            },
1109            'ffkk','peri','200-a-200-e',
1110            sub {
1111                    first(rec(200,'a')).' '.first(rec('200','e'))
1112            }
1113      );
1114    
1115   my @arr = $webpac->fill_in_to_arr($rec,'[v900];;[v250^a]');  Code like above will be B<automatically generated> using L<WebPAC::Parse> from
1116    normal lookup definition in C<conf/lookup/something.pl> which looks like:
1117    
1118      lookup(
1119            # which results to return from record recorded in lookup
1120            sub { 'ffkk/peri/mfn' . rec('000') },
1121            # from which database and input
1122            'ffkk','peri',
1123            # such that following values match
1124            sub { first(rec(200,'a')) . ' ' . first(rec('200','e')) },
1125            # if this part is missing, we will try to match same fields
1126            # from lookup record and current one, or you can override
1127            # which records to use from current record using
1128            sub { rec('900','x') . ' ' . rec('900','y') },
1129      )
1130    
1131    You can think about this lookup as SQL (if that helps):
1132    
1133      select
1134            sub { what }
1135      from
1136            database, input
1137      where
1138        sub { filter from lookuped record }
1139      having
1140        sub { optional filter on current record }
1141    
1142    Easy as pie, right?
1143    
1144  =cut  =cut
1145    
1146  sub fill_in_to_arr {  sub lookup {
1147          my $self = shift;          my ($what, $database, $input, $key, $having) = @_;
1148    
1149          my ($rec, $format_utf8) = @_;          confess "lookup needs 5 arguments: what, database, input, key, having\n" unless ($#_ == 4);
1150    
1151          my $log = $self->_get_logger();          warn "## lookup ($database, $input, $key)", $/ if ($debug > 1);
1152            return unless (defined($lookup->{$database}->{$input}->{$key}));
1153    
1154          $log->logconfess("need HASH as first argument!") if ($rec !~ /HASH/o);          confess "lookup really need load_row_coderef added to data_structure\n" unless ($load_row_coderef);
         return if (! $format_utf8);  
1155    
1156          my $i = 0;          my $mfns;
1157          my @arr;          my @having = $having->();
1158    
1159          while (my @v = $self->fill_in($rec,$format_utf8,$i++)) {          warn "## having = ", dump( @having ) if ($debug > 2);
1160                  push @arr, @v;  
1161            foreach my $h ( @having ) {
1162                    if (defined($lookup->{$database}->{$input}->{$key}->{$h})) {
1163                            warn "lookup for $database/$input/$key/$h return ",dump($lookup->{$database}->{$input}->{$key}->{$h}),"\n" if ($debug);
1164                            $mfns->{$_}++ foreach keys %{ $lookup->{$database}->{$input}->{$key}->{$h} };
1165                    }
1166          }          }
1167    
1168          $log->debug("format '$format_utf8' returned ",--$i," elements: ", sub { join(" | ",@arr) }) if (@arr);          return unless ($mfns);
1169    
1170            my @mfns = sort keys %$mfns;
1171    
1172            warn "# lookup loading $database/$input/$key mfn ", join(",",@mfns)," having ",dump(@having),"\n" if ($debug);
1173    
1174            my $old_rec = $rec;
1175            my @out;
1176    
1177            foreach my $mfn (@mfns) {
1178                    $rec = $load_row_coderef->( $database, $input, $mfn );
1179    
1180                    warn "got $database/$input/$mfn = ", dump($rec), $/ if ($debug);
1181    
1182                    my @vals = $what->();
1183    
1184                    push @out, ( @vals );
1185    
1186                    warn "lookup for mfn $mfn returned ", dump(@vals), $/ if ($debug);
1187            }
1188    
1189    #       if (ref($lookup->{$k}) eq 'ARRAY') {
1190    #               return @{ $lookup->{$k} };
1191    #       } else {
1192    #               return $lookup->{$k};
1193    #       }
1194    
1195            $rec = $old_rec;
1196    
1197            warn "## lookup returns = ", dump(@out), $/ if ($debug);
1198    
1199          return @arr;          if ($#out == 0) {
1200                    return $out[0];
1201            } else {
1202                    return @out;
1203            }
1204  }  }
1205    
1206  =head2 sort_arr  =head2 save_into_lookup
1207    
1208    Save value into lookup. It associates current database, input
1209    and specific keys with one or more values which will be
1210    associated over MFN.
1211    
1212    MFN will be extracted from first occurence current of field 000
1213    in current record, or if it doesn't exist from L<_set_config> C<_mfn>.
1214    
1215  Sort array ignoring case and html in data    my $nr = save_into_lookup($database,$input,$key,sub {
1216            # code which produce one or more values
1217      });
1218    
1219   my @sorted = $webpac->sort_arr(@unsorted);  It returns number of items saved.
1220    
1221    This function shouldn't be called directly, it's called from code created by
1222    L<WebPAC::Parser>.
1223    
1224  =cut  =cut
1225    
1226  sub sort_arr {  sub save_into_lookup {
1227          my $self = shift;          my ($database,$input,$key,$coderef) = @_;
1228            die "save_into_lookup needs database" unless defined($database);
1229            die "save_into_lookup needs input" unless defined($input);
1230            die "save_into_lookup needs key" unless defined($key);
1231            die "save_into_lookup needs CODE" unless ( defined($coderef) && ref($coderef) eq 'CODE' );
1232    
1233            warn "## save_into_lookup rec = ", dump($rec), " config = ", dump($config), $/ if ($debug > 2);
1234    
1235            my $mfn =
1236                    defined($rec->{'000'}->[0])     ?       $rec->{'000'}->[0]      :
1237                    defined($config->{_mfn})        ?       $config->{_mfn}         :
1238                                                                                    die "mfn not defined or zero";
1239    
1240            my $nr = 0;
1241    
1242            foreach my $v ( $coderef->() ) {
1243                    $lookup->{$database}->{$input}->{$key}->{$v}->{$mfn}++;
1244                    warn "# saved lookup $database/$input/$key [$v] $mfn\n" if ($debug > 1);
1245                    $nr++;
1246            }
1247    
1248          my $log = $self->_get_logger();          return $nr;
1249    }
1250    
1251    =head2 config
1252    
1253    Consult config values stored in C<config.yml>
1254    
1255      # return database code (key under databases in yaml)
1256      $database_code = config();    # use _ from hash
1257      $database_name = config('name');
1258      $database_input_name = config('input name');
1259    
1260    Up to three levels are supported.
1261    
1262    =cut
1263    
1264          # FIXME add Schwartzian Transformation?  sub config {
1265            return unless ($config);
1266    
1267          my @sorted = sort {          my $p = shift;
1268                  $a =~ s#<[^>]+/*>##;  
1269                  $b =~ s#<[^>]+/*>##;          $p ||= '';
1270                  lc($b) cmp lc($a)  
1271          } @_;          my $v;
1272          $log->debug("sorted values: ",sub { join(", ",@sorted) });  
1273            warn "### getting config($p)\n" if ($debug > 1);
1274    
1275            my @p = split(/\s+/,$p);
1276            if ($#p < 0) {
1277                    $v = $config->{ '_' };  # special, database code
1278            } else {
1279    
1280                    my $c = dclone( $config );
1281    
1282                    foreach my $k (@p) {
1283                            warn "### k: $k c = ",dump($c),$/ if ($debug > 1);
1284                            if (ref($c) eq 'ARRAY') {
1285                                    $c = shift @$c;
1286                                    warn "config($p) taking first occurence of '$k', probably not what you wanted!\n";
1287                                    last;
1288                            }
1289    
1290                            if (! defined($c->{$k}) ) {
1291                                    $c = undef;
1292                                    last;
1293                            } else {
1294                                    $c = $c->{$k};
1295                            }
1296                    }
1297                    $v = $c if ($c);
1298    
1299          return @sorted;          }
1300    
1301            warn "## config( '$p' ) = ",dump( $v ),$/ if ($v && $debug);
1302            warn "config( '$p' ) is empty\n" if (! $v);
1303    
1304            return $v;
1305  }  }
1306    
1307    =head2 id
1308    
1309  =head2 _sort_by_order  Returns unique id of this record
1310    
1311  Sort xml tags data structure accoding to C<order=""> attribute.    $id = id();
1312    
1313    Returns C<42/2> for 2nd occurence of MFN 42.
1314    
1315  =cut  =cut
1316    
1317  sub _sort_by_order {  sub id {
1318          my $self = shift;          my $mfn = $config->{_mfn} || die "no _mfn in config data";
1319            return $mfn . $#{$marc_record} ? $#{$marc_record} + 1 : '';
1320    }
1321    
1322    =head2 join_with
1323    
1324          my $va = $self->{'import_xml'}->{'indexer'}->{$a}->{'order'} ||  Joins walues with some delimiter
                 $self->{'import_xml'}->{'indexer'}->{$a};  
         my $vb = $self->{'import_xml'}->{'indexer'}->{$b}->{'order'} ||  
                 $self->{'import_xml'}->{'indexer'}->{$b};  
1325    
1326          return $va <=> $vb;    $v = join_with(", ", @v);
1327    
1328    =cut
1329    
1330    sub join_with {
1331            my $d = shift;
1332            warn "### join_with('$d',",dump(@_),")\n" if ($debug > 2);
1333            my $v = join($d, grep { defined($_) && $_ ne '' } @_);
1334            return '' unless defined($v);
1335            return $v;
1336  }  }
1337    
1338  =head2 _x  =head2 split_rec_on
1339    
1340  Convert strings from C<conf/normalize> encoding into application specific  Split record subfield on some regex and take one of parts out
 (optinally specified using C<code_page> to C<new> constructor.  
1341    
1342   my $text = $n->_x('normalize text string');    $a_before_semi_column =
1343            split_rec_on('200','a', /\s*;\s*/, $part);
1344    
1345  This is a stub so that other modules doesn't have to implement it.  C<$part> is optional number of element. First element is
1346    B<1>, not 0!
1347    
1348    If there is no C<$part> parameter or C<$part> is 0, this function will
1349    return all values produced by splitting.
1350    
1351  =cut  =cut
1352    
1353  sub _x {  sub split_rec_on {
1354          my $self = shift;          die "split_rec_on need (fld,sf,regex[,part]" if ($#_ < 2);
1355          return shift;  
1356            my ($fld, $sf, $regex, $part) = @_;
1357            warn "### regex ", ref($regex), $regex, $/ if ($debug > 2);
1358    
1359            my @r = rec( $fld, $sf );
1360            my $v = shift @r;
1361            warn "### first rec($fld,$sf) = ",dump($v),$/ if ($debug > 2);
1362    
1363            return '' if ( ! defined($v) || $v =~ /^\s*$/);
1364    
1365            my @s = split( $regex, $v );
1366            warn "## split_rec_on($fld,$sf,$regex,$part) = ",dump(@s),$/ if ($debug > 1);
1367            if ($part && $part > 0) {
1368                    return $s[ $part - 1 ];
1369            } else {
1370                    return @s;
1371            }
1372  }  }
1373    
1374    my $hash;
1375    
1376    =head2 set
1377    
1378      set( key => 'value' );
1379    
1380    =cut
1381    
1382    sub set {
1383            my ($k,$v) = @_;
1384            warn "## set ( $k => ", dump($v), " )", $/ if ( $debug );
1385            $hash->{$k} = $v;
1386    };
1387    
1388    =head2 get
1389    
1390  =head1 AUTHOR    get( 'key' );
1391    
1392  Dobrica Pavlinusic, C<< <dpavlin@rot13.org> >>  =cut
1393    
1394  =head1 COPYRIGHT & LICENSE  sub get {
1395            my $k = shift || return;
1396            my $v = $hash->{$k};
1397            warn "## get $k = ", dump( $v ), $/ if ( $debug );
1398            return $v;
1399    }
1400    
1401  Copyright 2005 Dobrica Pavlinusic, All Rights Reserved.  =head2 count
1402    
1403  This program is free software; you can redistribute it and/or modify it    if ( count( @result ) == 1 ) {
1404  under the same terms as Perl itself.          # do something if only 1 result is there
1405      }
1406    
1407  =cut  =cut
1408    
1409  1; # End of WebPAC::DB  sub count {
1410            warn "## count ",dump(@_),$/ if ( $debug );
1411            return @_ . '';
1412    }
1413    
1414    # END
1415    1;

Legend:
Removed from v.14  
changed lines
  Added in v.982

  ViewVC Help
Powered by ViewVC 1.1.26