/[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 713 by dpavlin, Tue Sep 26 12:42:49 2006 UTC revision 1184 by dpavlin, Mon May 18 18:51:40 2009 UTC
# Line 7  use File::Temp qw/tempdir/; Line 7  use File::Temp qw/tempdir/;
7  use lib './lib';  use lib './lib';
8    
9  use WebPAC::Common 0.02;  use WebPAC::Common 0.02;
10  use WebPAC::Parser 0.04;  use WebPAC::Parser 0.08;
11  use WebPAC::Input 0.13;  use WebPAC::Input 0.16;
12  use WebPAC::Store 0.11;  use WebPAC::Store 0.15;
13  use WebPAC::Normalize 0.11;  use WebPAC::Normalize 0.22;
14  use WebPAC::Output::TT;  #use WebPAC::Output::TT;
15  use WebPAC::Validate 0.06;  use WebPAC::Validate 0.11;
16  use WebPAC::Output::MARC;  use WebPAC::Output::MARC;
17  use WebPAC::Config;  use WebPAC::Config;
18  use Getopt::Long;  use Getopt::Long;
# Line 21  use Time::HiRes qw/time/; Line 21  use Time::HiRes qw/time/;
21  use File::Slurp;  use File::Slurp;
22  use Data::Dump qw/dump/;  use Data::Dump qw/dump/;
23  use Storable qw/dclone/;  use Storable qw/dclone/;
24    use Pod::Usage qw/pod2usage/;
25    use LWP::Simple;
26    
 use Proc::Queue size => 1;  
27  use POSIX ":sys_wait_h"; # imports WNOHANG  use POSIX ":sys_wait_h"; # imports WNOHANG
28    
29  =head1 NAME  =head1 NAME
# Line 31  run.pl - start WebPAC indexing Line 32  run.pl - start WebPAC indexing
32    
33  B<this command will probably go away. Don't get used to it!>  B<this command will probably go away. Don't get used to it!>
34    
35  Options:  =head1 OPTIONS
36    
37  =over 4  =over 4
38    
# Line 67  and subfield usage for each input Line 68  and subfield usage for each input
68    
69  turn on extra validation of imput records, see L<WebPAC::Validation>  turn on extra validation of imput records, see L<WebPAC::Validation>
70    
71  =item --marc-normalize conf/normalize/mapping.pl  You can use special variables C<$database> and $C<$input> in this parametar
72    like C<--validate 'conf/validate/$database-$input'> to construct filename
73    
74  This option specifies normalisation file for MARC creation  =item --validate-delimiters path/to/validate_delimiters_file
75    
76  =item --marc-output out/marc/test.marc  this option is used with C<--validate> to turn on extra validation of
77    delimiters. If file is non existant, it will be created on first run.
78    
79  Optional path to output file  =item --marc-generate
80    
81    Generate MARC file. This will automatically be on if file contains C<marc*> directives.
82    You can use this option as C<--no-marc-generate> to disable MARC generation.
83    
84  =item --marc-lint  =item --marc-lint
85    
86  By default turned on if C<--marc-normalize> is used. You can disable lint  By default turned on if normalisation file has C<marc*> directives. You can disable lint
87  messages with C<--no-marc-lint>.  messages with C<--no-marc-lint>.
88    
89  =item --marc-dump  =item --marc-dump
# Line 97  Create just links Line 103  Create just links
103    
104  Create merged index of databases which have links  Create merged index of databases which have links
105    
106    =item --mirror http://www.example.com
107    
108    Tries to download input path files from mirror URI
109    
110  =back  =back
111    
112  =cut  =cut
# Line 110  my $debug = 0; Line 120  my $debug = 0;
120  my $only_filter;  my $only_filter;
121  my $stats = 0;  my $stats = 0;
122  my $validate_path;  my $validate_path;
123  my ($marc_normalize, $marc_output);  my $validate_delimiters_path;
124    my $marc_generate = 1;
125  my $marc_lint = 1;  my $marc_lint = 1;
126  my $marc_dump = 0;  my $marc_dump = 0;
127  my $parallel = 0;  my $parallel = 0;
128  my $only_links = 0;  my $only_links = 0;
129  my $merge = 0;  my $merge = 0;
130    my $mirror;
131    my $help;
132    
133  my $log = _new WebPAC::Common()->_get_logger();  my $log = _new WebPAC::Common()->_get_logger();
134    
# Line 125  GetOptions( Line 138  GetOptions(
138          "clean" => \$clean,          "clean" => \$clean,
139          "one=s" => \$only_filter,          "one=s" => \$only_filter,
140          "only=s" => \$only_filter,          "only=s" => \$only_filter,
141          "config" => \$config_path,          "config=s" => \$config_path,
142          "debug+" => \$debug,          "debug+" => \$debug,
143          "stats" => \$stats,          "stats" => \$stats,
144          "validate=s" => \$validate_path,          "validate=s" => \$validate_path,
145          "marc-normalize=s" => \$marc_normalize,          "validate-delimiters=s" => \$validate_delimiters_path,
146          "marc-output=s" => \$marc_output,          "marc-generate!" => \$marc_generate,
147          "marc-lint!" => \$marc_lint,          "marc-lint!" => \$marc_lint,
148          "marc-dump!" => \$marc_dump,          "marc-dump!" => \$marc_dump,
149          "parallel=i" => \$parallel,          "parallel=i" => \$parallel,
150          "only-links!" => \$only_links,          "only-links!" => \$only_links,
151          "merge" => \$merge,          "merge" => \$merge,
152            "mirror=s" => \$mirror,
153            "help" => \$help,
154  );  );
155    
156    $marc_generate = 0 if ( $validate_delimiters_path );
157    
158    pod2usage(-verbose => 2) if ($help);
159    
160  my $config = new WebPAC::Config( path => $config_path );  my $config = new WebPAC::Config( path => $config_path );
161    
162    WebPAC::Normalize::_debug( $debug - 1 ) if $debug > 1;
163    
164  #print "config = ",dump($config) if ($debug);  #print "config = ",dump($config) if ($debug);
165    
166  die "no databases in config file!\n" unless ($config->databases);  die "no databases in config file!\n" unless ($config->databases);
167    
168  $log->info( "-" x 79 );  $log->info( "-" x 79 );
169    
170    my $log_file = 'log';
171    
172    if (-e $log_file ) {    # && -s $log_file > 5 * 1024 * 1024) {
173            $log->info("moved old log with ", -s $log_file, " bytes to '${log_file}.old'");
174            rename $log_file, "${log_file}.old" || $log->logwarn("can't rename $log_file to ${log_file}.old: $!");
175    }
176    
177  my $estcmd_fh;  my $estcmd_fh;
178  my $estcmd_path = './estcmd-merge.sh';  my $estcmd_path = './estcmd-merge.sh';
# Line 156  if ($merge) { Line 183  if ($merge) {
183          $log->info("created merge batch file $estcmd_path");          $log->info("created merge batch file $estcmd_path");
184  }  }
185    
   
186  my $validate;  my $validate;
187  $validate = new WebPAC::Validate(  $validate = new WebPAC::Validate(
188          path => $validate_path,          delimiters => $config->webpac('delimiters'),
189  ) if ($validate_path);  ) if ($validate_path || $validate_delimiters_path);
   
190    
191  my $use_indexer = $config->use_indexer;  my $use_indexer = $config->use_indexer;
192    $stats ||= $validate;
193  if ($stats) {  if ($stats) {
194          $log->debug("option --stats disables update of indexing engine...");          $log->debug("disabled indexing for stats collection");
195          $use_indexer = undef;          $use_indexer = undef;
196  } else {  } elsif ( $use_indexer ) {
197          $log->info("using $use_indexer indexing engine...");          $log->info("using $use_indexer indexing engine...");
198  }  }
199    
 # disable indexing when creating marc  
 $use_indexer = undef if ($marc_normalize);  
   
200  # parse normalize files and create source files for lookup and normalization  # parse normalize files and create source files for lookup and normalization
201    
202  my $parser = new WebPAC::Parser( config => $config );  my ($only_database,$only_input) = split(m#/#, $only_filter) if $only_filter;
203    
204    my $parser = new WebPAC::Parser(
205            config => $config,
206            only_database => $only_database,
207            only_input => $only_input,
208    );
209    
210  my $total_rows = 0;  my $total_rows = 0;
211  my $start_t = time();  my $start_t = time();
# Line 184  my $start_t = time(); Line 213  my $start_t = time();
213  my @links;  my @links;
214    
215  if ($parallel) {  if ($parallel) {
216            eval 'use Proc::Queue size => 1;';
217            die $@ if $@;
218          $log->info("Using $parallel processes for speedup");          $log->info("Using $parallel processes for speedup");
219          Proc::Queue::size($parallel);          Proc::Queue::size($parallel);
220  }  }
# Line 197  sub create_ds_config { Line 228  sub create_ds_config {
228          return $c;          return $c;
229  }  }
230    
231  while (my ($database, $db_config) = each %{ $config->databases }) {  foreach my $database ( sort keys %{ $config->databases } ) {
232            my $db_config = $config->databases->{$database};
233    
         my ($only_database,$only_input) = split(m#/#, $only_filter) if ($only_filter);  
234          next if ($only_database && $database !~ m/$only_database/i);          next if ($only_database && $database !~ m/$only_database/i);
235    
236          if ($parallel) {          if ($parallel) {
# Line 212  while (my ($database, $db_config) = each Line 243  while (my ($database, $db_config) = each
243          }          }
244    
245          my $indexer;          my $indexer;
246          if ($use_indexer) {          if ($use_indexer && $parser->have_rules( 'search', $database )) {
247    
248                  my $cfg_name = $use_indexer;                  my $cfg_name = $use_indexer;
249                  $cfg_name =~ s/\-.*$//;                  $cfg_name =~ s/\-.*$//;
# Line 228  while (my ($database, $db_config) = each Line 259  while (my ($database, $db_config) = each
259                  if ($use_indexer eq 'hyperestraier') {                  if ($use_indexer eq 'hyperestraier') {
260    
261                          # open Hyper Estraier database                          # open Hyper Estraier database
262                          use WebPAC::Output::Estraier '0.10';                          require WebPAC::Output::Estraier;
263                          $indexer = new WebPAC::Output::Estraier( %{ $indexer_config } );                          $indexer = new WebPAC::Output::Estraier( %{ $indexer_config } );
264                                    
265                  } elsif ($use_indexer eq 'hyperestraier-native') {                  } elsif ($use_indexer eq 'hyperestraier-native') {
266    
267                          # open Hyper Estraier database                          # open Hyper Estraier database
268                          use WebPAC::Output::EstraierNative;                          require WebPAC::Output::EstraierNative;
269                          $indexer = new WebPAC::Output::EstraierNative( %{ $indexer_config } );                          $indexer = new WebPAC::Output::EstraierNative( %{ $indexer_config } );
270    
271                  } elsif ($use_indexer eq 'kinosearch') {                  } elsif ($use_indexer eq 'kinosearch') {
272    
273                          # open KinoSearch                          die "no longer supported";
                         use WebPAC::Output::KinoSearch;  
                         $indexer_config->{clean} = 1 unless (-e $indexer_config->{index_path});  
                         $indexer = new WebPAC::Output::KinoSearch( %{ $indexer_config } );  
274    
275                  } else {                  } else {
276                          $log->logdie("unknown use_indexer: $use_indexer");                          $log->logdie("unknown use_indexer: $use_indexer");
277                  }                  }
278    
279                  $log->logide("can't continue without valid indexer") unless ($indexer);                  $log->logdie("can't continue without valid indexer") unless ($indexer);
280          }          }
281    
282    
# Line 282  while (my ($database, $db_config) = each Line 310  while (my ($database, $db_config) = each
310          #          #
311          # now WebPAC::Store          # now WebPAC::Store
312          #          #
313          my $abs_path = abs_path($0);          my $store = new WebPAC::Store({
314          $abs_path =~ s#/[^/]*$#/#;                  debug => $debug,
315            });
316    
         my $db_path = $config->webpac('db_path');  
317    
318          if ($clean) {          #
319                  $log->info("creating new database '$database' in $db_path");          # prepare output
320                  rmtree( $db_path ) || $log->warn("can't remove $db_path: $!");          #
321          } else {          my @outputs = force_array( $db_config->{output}, sub {
322                  $log->info("working on database '$database' in $db_path");                  $log->error("Database $database doesn't have any outputs defined. Do you want to remove it from configuration?" );
323            } );
324    
325            my @output_modules;
326    
327            foreach my $output ( @outputs ) {
328    
329    #warn '## output = ',dump( $output );
330    
331                    my $module = $output->{module} || $log->logdie("need module in output section of $database");
332                    $module = 'WebPAC::Output::' . $module unless $module =~ m/::/;
333            
334                    $log->debug("loading output module $module");
335                    eval "require $module";
336    
337                    # add database to arugemnts for output filter
338                    $output->{database} = $database;
339                    $output->{clean} = $clean;
340    
341                    $log->debug("calling $module->new(",dump( $output ),")");
342                    my $out = new $module->new( $output );
343                    if ( $out->init ) {
344                            push @output_modules, $out;
345                    } else {
346                            $log->warn("SKIPPED $module");
347                    }
348          }          }
349    
         my $store = new WebPAC::Store(  
                 path => $db_path,  
                 debug => $debug,  
         );  
   
350    
351          #          #
352          # now, iterate through input formats          # now, iterate through input formats
353          #          #
354    
355          my @inputs;  
356          if (ref($db_config->{input}) eq 'ARRAY') {          my @inputs = force_array( $db_config->{input}, sub {
                 @inputs = @{ $db_config->{input} };  
         } elsif ($db_config->{input}) {  
                 push @inputs, $db_config->{input};  
         } else {  
357                  $log->info("database $database doesn't have inputs defined");                  $log->info("database $database doesn't have inputs defined");
358          }          } );
359    
360            if ( -e 'out/debug' ) { # FIXME flag?
361                    my $out;
362                    foreach my $i ( @inputs ) {
363                            warn dump( $i );
364                            next unless defined $i->{normalize};
365                            warn dump( $i->{normalize} );
366                            foreach my $normalize ( @{ $i->{normalize} } ) {
367                                    my $path = $normalize->{path};
368                                    $out .= qq/\n##\n## $path\n##\n\n/;
369                                    $out .= read_file( $path );
370                            }
371                    }
372                    my $all = "out/debug/all-normalize.pl";
373                    write_file( $all, $out );
374                    warn "### all normalize for this input saved to: $all";
375            };
376    
377          foreach my $input (@inputs) {          foreach my $input (@inputs) {
378    
379                  my $input_name = $input->{name} || $log->logdie("input without a name isn't valid: ",dump($input));                  my $input_name = $input->{name} || $log->logdie("input without a name isn't valid: ",dump($input));
380    
381                    if ( $input->{skip} ) {
382                            $log->info("skip $input_name");
383                            next;
384                    }
385    
386                  next if ($only_input && ($input_name !~ m#$only_input#i && $input->{type} !~ m#$only_input#i));                  next if ($only_input && ($input_name !~ m#$only_input#i && $input->{type} !~ m#$only_input#i));
387    
388                  my $type = lc($input->{type});                  my $type = lc($input->{type});
389    
390                  die "I know only how to handle input types ", join(",", $config->webpac('inputs') ), " not '$type'!\n" unless (grep(/$type/, $config->webpac('inputs')));                  # FIXME check if input module exists
391                    my $input_module = $input->{module};
392    
393                  my $input_module = $config->webpac('inputs')->{$type};                  if ( ! $input_module ) {
394                            if ( grep(/$type/, $config->webpac('inputs')) ) {
395                                    $input_module = $config->webpac('inputs')->{$type};
396                            } else {
397                                    $log->logdie("I know only how to handle input types ", join(",", $config->webpac('inputs') ), " not '$type'!" );
398                            }
399                    }
400    
401                  my @lookups = $parser->have_lookup_create($database, $input);                  my @lookups = $parser->have_lookup_create($database, $input);
402    
403                  $log->info("working on input '$input_name' in $input->{path} [type: $input->{type}] using $input_module",                  $log->info("working on $database/$input_name with $input_module on $input->{path}",
404                          @lookups ? " creating lookups: ".join(", ", @lookups) : ""                          @lookups ? " creating lookups: ".join(", ", @lookups) : ""
405                  );                  );
406    
# Line 337  while (my ($database, $db_config) = each Line 410  while (my ($database, $db_config) = each
410                          delete($input->{modify_file});                          delete($input->{modify_file});
411                  }                  }
412    
413                    if ( $mirror ) {
414                            my $path = $input->{path} || die "no input path in ",dump( $input );
415    
416                            my $base = $path;
417                            $base =~ s{/[^/]+$}{};
418                            mkpath $base unless -e $base;
419    
420                            my $rc = mirror( "$mirror/$path", $path );
421                            if (is_error( $rc )) {
422                                    die "can't mirror $mirror/$path -> $path [$rc]";
423                            } else {
424                                    $log->info( "mirror ", $path, " [$rc] ", -s $path, " bytes" );
425                            }
426                            
427                    }
428    
429                  my $input_db = new WebPAC::Input(                  my $input_db = new WebPAC::Input(
430                          module => $input_module,                          module => $input_module,
                         encoding => $config->webpac('webpac_encoding'),  
431                          limit => $limit || $input->{limit},                          limit => $limit || $input->{limit},
432                          offset => $offset,                          offset => $offset,
433                          recode => $input->{recode},                          recode => $input->{recode},
434                          stats => $stats,                          stats => $stats,
435                          modify_records => $input->{modify_records},                          modify_records => $input->{modify_records},
436                          modify_file => $input->{modify_file},                          modify_file => $input->{modify_file},
437                            input_config => $input,
438                  );                  );
439                  $log->logdie("can't create input using $input_module") unless ($input);                  $log->logdie("can't create input using $input_module") unless ($input);
440    
# Line 354  while (my ($database, $db_config) = each Line 443  while (my ($database, $db_config) = each
443                          delete( $input->{lookup} );                          delete( $input->{lookup} );
444                  }                  }
445    
                 my $lookup;  
446                  my $lookup_coderef;                  my $lookup_coderef;
447    
448                  if (@lookups) {                  if (@lookups) {
# Line 368  while (my ($database, $db_config) = each Line 456  while (my ($database, $db_config) = each
456                                  WebPAC::Normalize::data_structure(                                  WebPAC::Normalize::data_structure(
457                                          row => $rec,                                          row => $rec,
458                                          rules => $rules,                                          rules => $rules,
                                         lookup => $lookup,  
459                                          config => create_ds_config( $db_config, $database, $input, $mfn ),                                          config => create_ds_config( $db_config, $database, $input, $mfn ),
460                                  );                                  );
461    
462                                  warn "current lookup = ", dump($lookup) if ($lookup);                                  #warn "current lookup: ", dump(WebPAC::Normalize::_get_lookup());
463                          };                          };
464    
465                          WebPAC::Normalize::_set_lookup( undef );                          WebPAC::Normalize::_set_lookup( undef );
# Line 381  while (my ($database, $db_config) = each Line 468  while (my ($database, $db_config) = each
468    
469                  };                  };
470    
471                    my $lookup_jar;
472    
473                  my $maxmfn = $input_db->open(                  my $maxmfn = $input_db->open(
474                          path => $input->{path},                          path => $input->{path},
475                          code_page => $input->{encoding},        # database encoding                          input_encoding => $input->{encoding},   # database encoding
476                          lookup_coderef => $lookup_coderef,                          lookup_coderef => $lookup_coderef,
477                            lookup => $lookup_jar,
478                          %{ $input },                          %{ $input },
479                            load_row => sub {
480                                    my $a = shift;
481                                    return $store->load_row(
482                                            database => $database,
483                                            input => $input_name,
484                                            id => $a->{id},
485                                    );
486                            },
487                            save_row => sub {
488                                    my $a = shift;
489                                    return $store->save_row(
490                                            database => $database,
491                                            input => $input_name,
492                                            id => $a->{id},
493                                            row => $a->{row},
494                                    );
495                            },
496    
497                  );                  );
498    
499                  my $lookup_data = WebPAC::Normalize::_get_lookup();                  my $lookup_data = WebPAC::Normalize::_get_lookup();
500    
501                  if (defined( $lookup_data->{$database}->{$input_name} )) {                  if (defined( $lookup_data->{$database}->{$input_name} )) {
502                          $log->debug("created following lookups: ", dump( $lookup_data ));                          $log->debug("created following lookups: ", sub { dump( $lookup_data ) } );
503    
504                          foreach my $key (keys %{ $lookup_data->{$database}->{$input_name} }) {                          foreach my $key (keys %{ $lookup_data->{$database}->{$input_name} }) {
505                                  $store->save_lookup(                                  $store->save_lookup(
# Line 405  while (my ($database, $db_config) = each Line 513  while (my ($database, $db_config) = each
513    
514                  my $report_fh;                  my $report_fh;
515                  if ($stats || $validate) {                  if ($stats || $validate) {
516                          my $path = "out/report/${database}-${input_name}.txt";                          my $out_report = 'out/report'; # FIXME move to config
517                            mkpath $out_report unless -e $out_report;
518                            my $path = "$out_report/${database}-${input_name}.txt";
519                          open($report_fh, '>', $path) || $log->logdie("can't open $path: $!");                          open($report_fh, '>', $path) || $log->logdie("can't open $path: $!");
520    
521                          print $report_fh "Report for database '$database' input '$input_name' records ",                          print $report_fh "Report for database '$database' input '$input_name' records ",
522                                  $offset || 1, "-", $limit || $input->{limit} || $maxmfn, "\n\n";                                  $offset || 1, "-", $limit || $input->{limit} || $maxmfn, "\n\n";
523                          $log->info("Generating report file $path");                          $log->info("Generating report file $path");
524    
525                            if ( $validate ) {
526                                    $validate->read_validate_file( $validate->fill_in( $validate_path, database => $database, input => $input_name ) ) if ( $validate_path );
527                                    $validate->read_validate_delimiters_file( $validate->fill_in( $validate_delimiters_path, database => $database, input => $input_name ) ) if ( $validate_delimiters_path );
528                            }
529                  }                  }
530    
531                  my @norm_array = ref($input->{normalize}) eq 'ARRAY' ?                  my $marc;
532                          @{ $input->{normalize} } : ( $input->{normalize} );                  if ($marc_generate && $parser->have_rules( 'marc', $database, $input_name )) {
533                            
534                            my $out_marc = 'out/marc'; # FIXME move to config
535                            mkpath $out_marc unless -e $out_marc;
536    
537                  if ($marc_normalize) {                          $marc = new WebPAC::Output::MARC(
538                          @norm_array = ( {                                  path => "$out_marc/${database}-${input_name}.marc",
539                                  path => $marc_normalize,                                  lint => $marc_lint,
540                                  output => $marc_output || "out/marc/${database}-${input_name}.marc",                                  dump => $marc_dump,
541                          } );                          );
542                  }                  }
543    
544                  foreach my $normalize (@norm_array) {                  my $rules = $parser->normalize_rules($database,$input_name);
545                    $log->logwarn("no normalize rules for $database/$input_name") unless $rules;
546    
547                          my $normalize_path = $normalize->{path} || $log->logdie("can't find normalize path in config");                  $log->debug("parsed normalize rules:\n$rules");
548    
549                          $log->logdie("Found '$normalize_path' as normalization file which isn't supported any more!") unless ( $normalize_path =~ m!\.pl$!i );                  # reset position in database
550                    $input_db->seek(1);
551    
552                          my $rules = read_file( $normalize_path ) or die "can't open $normalize_path: $!";                  # generate name of config key for indexer (strip everything after -)
553                    my $indexer_config = $use_indexer;
554                    $indexer_config =~ s/^(\w+)-?.*$/$1/g if ($indexer_config);
555    
556                    my $lookup_hash;
557                    my $depends = $parser->depends($database,$input_name);
558            
559                    if ($depends) {
560                            $log->debug("$database/$input_name depends on: ", dump($depends)) if ($depends);
561                            $log->logdie("parser->depends didn't return HASH") unless (ref($depends) eq 'HASH');
562    
563                            foreach my $db (keys %$depends) {
564                                    foreach my $i (keys %{$depends->{$db}}) {
565                                            foreach my $k (keys %{$depends->{$db}->{$i}}) {
566                                                    my $t = time();
567                                                    $log->debug("loading lookup $db/$i");
568                                                    $lookup_hash->{$db}->{$i}->{$k} = $store->load_lookup(
569                                                            database => $db,
570                                                            input => $i,
571                                                            key => $k,
572                                                    );
573                                                    $log->debug(sprintf("lookup $db/$i took %.2fs", time() - $t));
574                                            }
575                                    }
576                            }
577    
578                          $log->info("Using $normalize_path for normalization...");                          $log->debug("lookup_hash = ", sub { dump( $lookup_hash ) });
579                    }
580    
                         my $marc = new WebPAC::Output::MARC(  
                                 path => $normalize->{output},  
                                 lint => $marc_lint,  
                                 dump => $marc_dump,  
                         ) if ($normalize->{output});  
581    
582                          # reset position in database                  # setup input name for all output filters
583                          $input_db->seek(1);                  foreach my $out ( @output_modules ) {
584                            if ( $out->can('input') ) {
585                                    $out->input( $input_name );
586                            } else {
587                                    $log->warn("output filter ",ref($out)," doesn't support input name");
588                            }
589                    }
590    
                         # generate name of config key for indexer (strip everything after -)  
                         my $indexer_config = $use_indexer;  
                         $indexer_config =~ s/^(\w+)-?.*$/$1/g if ($indexer_config);  
591    
592                          foreach my $pos ( 0 ... $input_db->size ) {                  foreach my $pos ( 0 ... $input_db->size ) {
593    
594                                  my $row = $input_db->fetch || next;                          my $row = $input_db->fetch || next;
595    
596                                  my $mfn = $row->{'000'}->[0];                          $total_rows++;
597    
598                                  if (! $mfn || $mfn !~ m#^\d+$#) {                          my $mfn = $row->{'000'}->[0];
                                         $log->warn("record $pos doesn't have valid MFN but '$mfn', using $pos");  
                                         $mfn = $pos;  
                                         push @{ $row->{'000'} }, $pos;  
                                 }  
599    
600                            if (! $mfn || $mfn !~ m{^\d+$}) {
601                                    $log->warn("record $pos doesn't have valid MFN but '$mfn', using $pos");
602                                    $mfn = $pos;
603                                    push @{ $row->{'000'} }, $pos;
604                            }
605    
606                                  if ($validate) {  
607                                          if ( my $errors = $validate->validate_errors( $row, $input_db->dump ) ) {                          if ($validate) {
608                                                  $log->error( "MFN $mfn validation error:\n",                                  if ( my $errors = $validate->validate_rec( $row, $input_db->dump_ascii ) ) {
609                                                          $validate->report_error( $errors )                                          $log->error( "MFN $mfn validation error:\n",
610                                                  );                                                  $validate->report_error( $errors )
611                                          }                                          );
612                                  }                                  }
613                                    next;   # validation doesn't create any output
614                            }
615    
616                            if ($rules) {
617    
618                                  my $ds = WebPAC::Normalize::data_structure(                                  my $ds = WebPAC::Normalize::data_structure(
619                                          row => $row,                                          row => $row,
620                                          rules => $rules,                                          rules => $rules,
621                                          lookup => $lookup ? $lookup->lookup_hash : undef,                                          lookup => $lookup_hash,
622                                          config => create_ds_config( $db_config, $database, $input, $mfn ),                                          config => create_ds_config( $db_config, $database, $input, $mfn ),
623                                          marc_encoding => 'utf-8',                                          marc_encoding => 'utf-8',
624                                            load_row_coderef => sub {
625                                                    my ($database,$input,$mfn) = @_;
626    #warn "### load_row($database,$input,$mfn) from data_structure\n";
627                                                    return $store->load_row(
628                                                            database => $database,
629                                                            input => $input,
630                                                            id => $mfn,
631                                                    );
632                                            },
633                                  );                                  );
634    
635                                  $store->save_ds(                                  $log->debug("ds = ", sub { dump($ds) });
636                                          database => $database,  
637                                          input => $input_name,                                  if ( $ds ) {
638                                          id => $mfn,  
639                                          ds => $ds,                                          $store->save_ds(
640                                  ) if ($ds && !$stats);                                                  database => $database,
641                                                    input => $input_name,
642                                  $indexer->add(                                                  id => $mfn,
643                                          id => "${input_name}/${mfn}",                                                  ds => $ds,
644                                          ds => $ds,                                          ) if !$stats;
645                                          type => $config->get($indexer_config)->{type},  
646                                  ) if ($indexer && $ds);                                          $indexer->add(
647                                                    id => "${input_name}/${mfn}",
648                                  if ($marc) {                                                  ds => $ds,
649                                          my $i = 0;                                                  type => $config->get($indexer_config)->{type},
650                                            ) if $indexer;
651                                          while (my $fields = WebPAC::Normalize::_get_marc_fields( fetch_next => 1 ) ) {  
652                                                  $marc->add(                                          foreach my $out ( @output_modules ) {
653                                                          id => $mfn . ( $i ? "/$i" : '' ),                                                  $out->add( $mfn, $ds ) if $out->can('add');
                                                         fields => $fields,  
                                                         leader => WebPAC::Normalize::marc_leader(),  
                                                         row => $row,  
                                                 );  
                                                 $i++;  
654                                          }                                          }
655    
656                                          $log->info("Created $i instances of MFN $mfn\n") if ($i > 1);                                  } else {
657                                            $log->warn("record $pos didn't produce any output after normalization rules!") unless $marc;
658                                  }                                  }
   
                                 $total_rows++;  
659                          }                          }
660    
661                          if ($validate) {                          if ($marc) {
662                                  my $errors = $validate->report;                                  my $i = 0;
663                                  if ($errors) {  
664                                          $log->info("validation errors:\n$errors\n" );                                  while (my $fields = WebPAC::Normalize::MARC::_get_marc_fields( fetch_next => 1 ) ) {
665                                          print $report_fh "$errors\n" if ($report_fh);                                          $marc->add(
666                                                    id => $mfn . ( $i ? "/$i" : '' ),
667                                                    fields => $fields,
668                                                    leader => WebPAC::Normalize::MARC::_get_marc_leader(),
669                                                    row => $row,
670                                            );
671                                            $i++;
672                                  }                                  }
673    
674                                    $log->info("Created $i instances of MFN $mfn\n") if ($i > 1);
675                          }                          }
676    
677                          if ($stats) {                  }
678                                  my $s = $input_db->stats;  
679                                  $log->info("statistics of fields usage:\n$s");                  if ($validate) {
680                                  print $report_fh "Statistics of fields usage:\n$s" if ($report_fh);                          my $errors = $validate->report;
681                            if ($errors) {
682                                    $log->info("validation errors:\n$errors\n" );
683                                    print $report_fh "$errors\n" if ($report_fh);
684                          }                          }
685    
686                          # close MARC file                          print $report_fh "\nAll possible subfields/delimiter templates:\n", $validate->delimiters_templates( report => 1, current_input => 1 ), "\n\n";
                         $marc->finish if ($marc);  
687    
688                          # close report                          # must be last thing that touches $validate for this input
689                          close($report_fh) if ($report_fh)                          $validate->reset;
690                  }                  }
691    
692                    if ($stats) {
693                            my $s = $input_db->stats;
694                            $log->info("statistics of fields usage:\n$s");
695                            print $report_fh "Statistics of fields usage:\n$s" if ($report_fh);
696                    }
697    
698                    # close MARC file
699                    $marc->finish if ($marc);
700    
701                    # close report
702                    close($report_fh) if ($report_fh);
703          }          }
704    
705          eval { $indexer->finish } if ($indexer && $indexer->can('finish'));          $indexer->finish if $indexer && $indexer->can('finish');
706    
707            foreach my $out ( @output_modules ) {
708                    $out->finish if $out->can('finish');
709            }
710    
711          my $dt = time() - $start_t;          my $dt = time() - $start_t;
712          $log->info("$total_rows records ", $indexer ? "indexed " : "",          $log->info("$total_rows records ", $indexer ? "indexed " : "",
# Line 554  if ($parallel) { Line 730  if ($parallel) {
730          $log->info("all parallel processes finished");          $log->info("all parallel processes finished");
731  }  }
732    
733    # save new delimiters if needed
734    $validate->save_delimiters_templates if ( $validate_delimiters_path );
735    
736  #  #
737  # handle links or merge after indexing  # handle links or merge after indexing
738  #  #
Legend:
Removed from v.713  
changed lines
  Added in v.1184
  ViewVC Help
Powered by ViewVC 1.1.26