/[webpac2]/trunk/run.pl
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/run.pl

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

revision 113 by dpavlin, Wed Nov 23 00:14:05 2005 UTC revision 430 by dpavlin, Mon Apr 17 15:09:54 2006 UTC
# Line 7  use File::Temp qw/tempdir/; Line 7  use File::Temp qw/tempdir/;
7  use Data::Dumper;  use Data::Dumper;
8  use lib './lib';  use lib './lib';
9    
10    use WebPAC::Common 0.02;
11  use WebPAC::Lookup;  use WebPAC::Lookup;
12  use WebPAC::Input::ISIS;  use WebPAC::Input 0.03;
13  use WebPAC::DB;  use WebPAC::Store 0.03;
14  use WebPAC::Normalize::XML;  use WebPAC::Normalize::XML;
15  use WebPAC::Output::TT;  use WebPAC::Output::TT;
16  use WebPAC::Output::Estraier;  use YAML qw/LoadFile/;
17    use Getopt::Long;
18    use File::Path;
19    use Time::HiRes qw/time/;
20    
21  my $limit = shift @ARGV;  =head1 NAME
22    
23  my $abs_path = abs_path($0);  run.pl - start WebPAC indexing
 $abs_path =~ s#/[^/]*$#/#;  
24    
25  my $isis_file = '/data/isis_data/ps/LIBRI/LIBRI';  B<this command will probably go away. Don't get used to it!>
26    
27  my $lookup = new WebPAC::Lookup(  Options:
         lookup_file => "$abs_path/conf/lookup/isis.pm",  
 );  
28    
29  my $isis = new WebPAC::Input::ISIS(  =over 4
         code_page => 'ISO-8859-2',      # application encoding  
         limit_mfn => $limit,  
 );  
30    
31  my $maxmfn = $isis->open(  =item --offset 42
         filename => $isis_file,  
         code_page => '852',             # database encoding  
 );  
32    
33  my $path = './db/';  start loading (all) databases at offset 42
34    
35  my $db = new WebPAC::DB(  =item --limit 100
         path => $path,  
 );  
36    
37  my $n = new WebPAC::Normalize::XML(  limit loading to 100 records
 #       filter => { 'foo' => sub { shift } },  
         db => $db,  
         lookup_regex => $lookup->regex,  
         lookup => $lookup,  
 );  
38    
39  $n->open(  =item --clean
         tag => 'isis',  
         xml_file => "$abs_path/conf/normalize/isis_ffzg.xml",  
 );  
40    
41  my $out = new WebPAC::Output::TT(  remove database and Hyper Estraier index before indexing
42          include_path => "$abs_path/conf/output/tt",  
43          filters => { foo => sub { shift } },  =item --only=database_name
44  );  
45    reindex just single database (legacy name is --one)
46    
47    =item --config conf/config.yml
48    
49    path to YAML configuration file
50    
51    =back
52    
53    =cut
54    
55    my $offset;
56    my $limit;
57    
58  my $est = new WebPAC::Output::Estraier(  my $clean = 0;
59          url => 'http://localhost:1978/node/webpac2',  my $config = 'conf/config.yml';
60          user => 'admin',  my $debug = 0;
61          passwd => 'admin',  my $only_db_name;
62          database => 'ps',  
63    GetOptions(
64            "limit=i" => \$limit,
65            "offset=i" => \$offset,
66            "clean" => \$clean,
67            "one=s" => \$only_db_name,
68            "only=s" => \$only_db_name,
69            "config" => \$config,
70            "debug" => \$debug,
71  );  );
72    
73    $config = LoadFile($config);
74    
75    print "config = ",Dumper($config) if ($debug);
76    
77    die "no databases in config file!\n" unless ($config->{databases});
78    my $use_indexer = $config->{use_indexer} || 'hyperestraier';
79    
80  my $total_rows = 0;  my $total_rows = 0;
81    my $start_t = time();
82    
83    while (my ($database, $db_config) = each %{ $config->{databases} }) {
84    
85            next if ($only_db_name && $database !~ m/$only_db_name/i);
86    
87            my $log = _new WebPAC::Common()->_get_logger();
88    
89  for ( 0 ... $isis->size ) {          my $indexer;
90    
91          my $row = $isis->fetch || next;          if ($use_indexer eq 'hyperestraier') {
92    
93          my $mfn = $row->{'000'}->[0] || die "can't find MFN";                  #
94                    # open Hyper Estraier database
95                    #
96    
97          my $ds = $n->data_structure($row);                  use WebPAC::Output::Estraier '0.10';
98                    my $est_config = $config->{hyperestraier} || $log->logdie("can't find 'hyperestraier' part in confguration");
99                    $est_config->{database} = $database;
100                    $est_config->{clean} = $clean;
101                    $est_config->{label} = $db_config->{name};
102    
103  #       print STDERR Dumper($row, $ds);                  $indexer = new WebPAC::Output::Estraier( %{ $est_config } );
104            } else {
105  #       my $html = $out->apply(                  $log->logdie("unknown use_indexer: $use_indexer");
106  #               template => 'html_ffzg.tt',          }
107  #               data => $ds,  
108  #       );          $log->logide("can't continue without valid indexer") unless ($indexer);
109  #  
110  #       # create test output          #
111  #          # now WebPAC::Store
112  #       my $file = sprintf('out/%02d.html', $mfn );          #
113  #       open(my $fh, '>', $file) or die "can't open $file: $!";          my $abs_path = abs_path($0);
114  #       print $fh $html;          $abs_path =~ s#/[^/]*$#/#;
115  #       close($fh);  
116  #          my $db_path = $config->{webpac}->{db_path} . '/' . $database;
117  #       $html =~ s#\s*[\n\r]+\s*##gs;  
118  #          if ($clean) {
119  #       print STDERR $html;                  $log->info("creating new database $database in $db_path");
120                    rmtree( $db_path ) || $log->warn("can't remove $db_path: $!");
121          $est->add(          } else {
122                  id => $mfn,                  $log->debug("working on $database in $db_path");
123                  ds => $ds,          }
124                  type => 'search',  
125            my $db = new WebPAC::Store(
126                    path => $db_path,
127                    database => $database,
128                    debug => $debug,
129          );          );
130    
         $total_rows++;  
131    
132  };          #
133            # now, iterate through input formats
134            #
135    
136            my @inputs;
137            if (ref($db_config->{input}) eq 'ARRAY') {
138                    @inputs = @{ $db_config->{input} };
139            } elsif ($db_config->{input}) {
140                    push @inputs, $db_config->{input};
141            } else {
142                    $log->info("database $database doesn't have inputs defined");
143            }
144    
145            my @supported_inputs = keys %{ $config->{webpac}->{inputs} };
146    
147            foreach my $input (@inputs) {
148    
149                    my $type = lc($input->{type});
150    
151                    die "I know only how to handle input types ", join(",", @supported_inputs), " not '$type'!\n" unless (grep(/$type/, @supported_inputs));
152    
153                    my $lookup = new WebPAC::Lookup(
154                            lookup_file => $input->{lookup},
155                    );
156    
157                    my $input_module = $config->{webpac}->{inputs}->{$type};
158    
159                    $log->info("working on input '$input->{path}' [$input->{type}] using $input_module lookup '$input->{lookup}'");
160    
161                    my $input_db = new WebPAC::Input(
162                            module => $input_module,
163                            code_page => $config->{webpac}->{webpac_encoding},
164                            limit => $limit || $input->{limit},
165                            offset => $offset,
166                            lookup => $lookup,
167                            recode => $input->{recode},
168                    );
169                    $log->logdie("can't create input using $input_module") unless ($input);
170    
171                    my $maxmfn = $input_db->open(
172                            path => $input->{path},
173                            code_page => $input->{encoding},        # database encoding
174                    );
175    
176                    my $n = new WebPAC::Normalize::XML(
177                    #       filter => { 'foo' => sub { shift } },
178                            db => $db,
179                            lookup_regex => $lookup->regex,
180                            lookup => $lookup,
181                            prefix => $input->{name},
182                    );
183    
184                    my $normalize_path = $input->{normalize}->{path};
185    
186                    if ($normalize_path =~ m/\.xml$/i) {
187                            $n->open(
188                                    tag => $input->{normalize}->{tag},
189                                    xml_file => $input->{normalize}->{path},
190                            );
191                    } elsif ($normalize_path =~ m/\.(?:yml|yaml)$/i) {
192                            $n->open_yaml(
193                                    path => $normalize_path,
194                                    tag => $input->{normalize}->{tag},
195                            );
196                    }
197    
198                    foreach my $pos ( 0 ... $input_db->size ) {
199    
200                            my $row = $input_db->fetch || next;
201    
202                            my $mfn = $row->{'000'}->[0];
203    
204                            if (! $mfn || $mfn !~ m#^\d+$#) {
205                                    $log->warn("record $pos doesn't have valid MFN but '$mfn', using $pos");
206                                    $mfn = $pos;
207                                    push @{ $row->{'000'} }, $pos;
208                            }
209    
210                            my $ds = $n->data_structure($row);
211    
212                            $indexer->add(
213                                    id => $input->{name} . "/" . $mfn,
214                                    ds => $ds,
215                                    type => $config->{$use_indexer}->{type},
216                            );
217    
218                            $total_rows++;
219                    }
220    
221            };
222    
223            my $dt = time() - $start_t;
224            $log->info("$total_rows records indexed in " .
225                    sprintf("%.2f sec [%.2f rec/sec]",
226                            $dt, ($total_rows / $dt)
227                    )
228            );
229    
230            if ($use_indexer eq 'hyperestraier') {
231                    #
232                    # add Hyper Estraier links to other databases
233                    #
234                    if (ref($db_config->{links}) eq 'ARRAY') {
235                            foreach my $link (@{ $db_config->{links} }) {
236                                    $log->info("adding link $database -> $link->{to} [$link->{credit}]");
237                                    $indexer->add_link(
238                                            from => $database,
239                                            to => $link->{to},
240                                            credit => $link->{credit},
241                                    );
242                            }
243                    }
244            } else {
245                    $log->warn("links not implemented for $use_indexer");
246            }
247    
248  my $log = $lookup->_get_logger;  }
249    
 $log->info("$total_rows records indexed");  
Legend:
Removed from v.113  
changed lines
  Added in v.430
  ViewVC Help
Powered by ViewVC 1.1.26