/[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 941 by dpavlin, Wed Oct 31 13:31:12 2007 UTC revision 1185 by dpavlin, Tue May 19 11:55:30 2009 UTC
# Line 11  use WebPAC::Parser 0.08; Line 11  use WebPAC::Parser 0.08;
11  use WebPAC::Input 0.16;  use WebPAC::Input 0.16;
12  use WebPAC::Store 0.15;  use WebPAC::Store 0.15;
13  use WebPAC::Normalize 0.22;  use WebPAC::Normalize 0.22;
14  use WebPAC::Output::TT;  #use WebPAC::Output::TT;
15  use WebPAC::Validate 0.11;  use WebPAC::Validate 0.11;
16  use WebPAC::Output::MARC;  use WebPAC::Output::MARC;
17  use WebPAC::Config;  use WebPAC::Config;
# Line 22  use File::Slurp; Line 22  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/;  use Pod::Usage qw/pod2usage/;
25    use LWP::Simple qw//;
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 103  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 123  my $marc_dump = 0; Line 127  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;  my $help;
132    
133  my $log = _new WebPAC::Common()->_get_logger();  my $log = _new WebPAC::Common()->_get_logger();
# Line 133  GetOptions( Line 138  GetOptions(
138          "clean" => \$clean,          "clean" => \$clean,
139          "one=s" => \$only_filter,          "one=s" => \$only_filter,
140          "only=s" => \$only_filter,          "only=s" => \$only_filter,
141          "config" => \$config_path,          "config=s" => \$config_path,
142          "debug+" => \$debug,          "debug+" => \$debug,
143          "stats" => \$stats,          "stats" => \$stats,
144          "validate=s" => \$validate_path,          "validate=s" => \$validate_path,
# Line 144  GetOptions( Line 149  GetOptions(
149          "parallel=i" => \$parallel,          "parallel=i" => \$parallel,
150          "only-links!" => \$only_links,          "only-links!" => \$only_links,
151          "merge" => \$merge,          "merge" => \$merge,
152            "mirror=s" => \$mirror,
153          "help" => \$help,          "help" => \$help,
154  );  );
155    
# Line 153  pod2usage(-verbose => 2) if ($help); Line 159  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 ($config->databases);
# Line 191  if ($stats) { Line 199  if ($stats) {
199    
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 199  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 215  sub create_ds_config { Line 231  sub create_ds_config {
231  foreach my $database ( sort keys %{ $config->databases } ) {  foreach my $database ( sort keys %{ $config->databases } ) {
232          my $db_config = $config->databases->{$database};          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 311  foreach my $database ( sort keys %{ $con Line 326  foreach my $database ( sort keys %{ $con
326    
327          foreach my $output ( @outputs ) {          foreach my $output ( @outputs ) {
328    
329  warn '## output = ',dump( $output );  #warn '## output = ',dump( $output );
330    
331                  my $module = $output->{module} || $log->logdie("need module in output section of $database");                  my $module = $output->{module} || $log->logdie("need module in output section of $database");
332                  $module = 'WebPAC::Output::' . $module unless $module =~ m/::/;                  $module = 'WebPAC::Output::' . $module unless $module =~ m/::/;
# Line 321  warn '## output = ',dump( $output ); Line 336  warn '## output = ',dump( $output );
336    
337                  # add database to arugemnts for output filter                  # add database to arugemnts for output filter
338                  $output->{database} = $database;                  $output->{database} = $database;
339                    $output->{clean} = $clean;
340    
341                  $log->debug("calling $module->new(",dump( $output ),")");                  $log->debug("calling $module->new(",dump( $output ),")");
342                  my $out = new $module->new( $output );                  my $out = new $module->new( $output );
343                  $out->init;                  if ( $out->init ) {
344                            push @output_modules, $out;
345                  push @output_modules, $out;                  } else {
346                            $log->warn("SKIPPED $module");
347                    }
348          }          }
349    
350    
# Line 339  warn '## output = ',dump( $output ); Line 357  warn '## output = ',dump( $output );
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 363  warn '## output = ',dump( $output ); Line 410  warn '## output = ',dump( $output );
410                          delete($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 $rc = LWP::Simple::mirror( "$mirror/$path", $path );
421                            if (LWP::Simple::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},
# Line 410  warn '## output = ',dump( $output ); Line 472  warn '## output = ',dump( $output );
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,                          lookup => $lookup_jar,
478                          %{ $input },                          %{ $input },
# Line 451  warn '## output = ',dump( $output ); Line 513  warn '## output = ',dump( $output );
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 ",
# Line 466  warn '## output = ',dump( $output ); Line 530  warn '## output = ',dump( $output );
530    
531                  my $marc;                  my $marc;
532                  if ($marc_generate && $parser->have_rules( 'marc', $database, $input_name )) {                  if ($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                          $marc = new WebPAC::Output::MARC(                          $marc = new WebPAC::Output::MARC(
538                                  path => "out/marc/${database}-${input_name}.marc",                                  path => "$out_marc/${database}-${input_name}.marc",
539                                  lint => $marc_lint,                                  lint => $marc_lint,
540                                  dump => $marc_dump,                                  dump => $marc_dump,
541                          );                          );
542                  }                  }
543    
544                  my $rules = $parser->normalize_rules($database,$input_name) || $log->logdie("no normalize rules found for $database/$input_name");                  my $rules = $parser->normalize_rules($database,$input_name);
545                    $log->logwarn("no normalize rules for $database/$input_name") unless $rules;
546    
547                  $log->debug("parsed normalize rules:\n$rules");                  $log->debug("parsed normalize rules:\n$rules");
548    
549                  # reset position in database                  # reset position in database
# Line 543  warn '## output = ',dump( $output ); Line 613  warn '## output = ',dump( $output );
613                                  next;   # validation doesn't create any output                                  next;   # validation doesn't create any output
614                          }                          }
615    
616                          my $ds = WebPAC::Normalize::data_structure(                          if ($rules) {
617                                  row => $row,  
618                                  rules => $rules,                                  my $ds = WebPAC::Normalize::data_structure(
619                                  lookup => $lookup_hash,                                          row => $row,
620                                  config => create_ds_config( $db_config, $database, $input, $mfn ),                                          rules => $rules,
621                                  marc_encoding => 'utf-8',                                          lookup => $lookup_hash,
622                                  load_row_coderef => sub {                                          config => create_ds_config( $db_config, $database, $input, $mfn ),
623                                          my ($database,$input,$mfn) = @_;                                          marc_encoding => 'utf-8',
624                                          return $store->load_row(                                          load_row_coderef => sub {
625                                                    my ($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                                    $log->debug("ds = ", sub { dump($ds) });
636    
637                                    if ( $ds ) {
638    
639                                            $store->save_ds(
640                                                  database => $database,                                                  database => $database,
641                                                  input => $input,                                                  input => $input_name,
642                                                  id => $mfn,                                                  id => $mfn,
643                                          );                                                  ds => $ds,
644                                  },                                          ) if !$stats;
                         );  
645    
646                          $log->debug("ds = ", sub { dump($ds) }) if ($ds);                                          $indexer->add(
647                                                    id => "${input_name}/${mfn}",
648                                                    ds => $ds,
649                                                    type => $config->get($indexer_config)->{type},
650                                            ) if $indexer;
651    
652                                            foreach my $out ( @output_modules ) {
653                                                    $out->add( $mfn, $ds ) if $out->can('add');
654                                            }
655    
656                          $store->save_ds(                                  } else {
657                                  database => $database,                                          $log->warn("record $pos didn't produce any output after normalization rules!") unless $marc;
658                                  input => $input_name,                                  }
659                                  id => $mfn,                          }
                                 ds => $ds,  
                         ) if ($ds && !$stats);  
   
                         $indexer->add(  
                                 id => "${input_name}/${mfn}",  
                                 ds => $ds,  
                                 type => $config->get($indexer_config)->{type},  
                         ) if ($indexer && $ds);  
660    
661                          if ($marc) {                          if ($marc) {
662                                  my $i = 0;                                  my $i = 0;
663    
664                                  while (my $fields = WebPAC::Normalize::_get_marc_fields( fetch_next => 1 ) ) {                                  while (my $fields = WebPAC::Normalize::MARC::_get_marc_fields( fetch_next => 1 ) ) {
665                                          $marc->add(                                          $marc->add(
666                                                  id => $mfn . ( $i ? "/$i" : '' ),                                                  id => $mfn . ( $i ? "/$i" : '' ),
667                                                  fields => $fields,                                                  fields => $fields,
668                                                  leader => WebPAC::Normalize::_get_marc_leader(),                                                  leader => WebPAC::Normalize::MARC::_get_marc_leader(),
669                                                  row => $row,                                                  row => $row,
670                                          );                                          );
671                                          $i++;                                          $i++;
# Line 590  warn '## output = ',dump( $output ); Line 674  warn '## output = ',dump( $output );
674                                  $log->info("Created $i instances of MFN $mfn\n") if ($i > 1);                                  $log->info("Created $i instances of MFN $mfn\n") if ($i > 1);
675                          }                          }
676    
                         foreach my $out ( @output_modules ) {  
                                 $out->add( $mfn, $ds ) if $out->can('add');  
                         }  
   
677                  }                  }
678    
679                  if ($validate) {                  if ($validate) {
# Line 622  warn '## output = ',dump( $output ); Line 702  warn '## output = ',dump( $output );
702                  close($report_fh) if ($report_fh);                  close($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 ) {          foreach my $out ( @output_modules ) {
708                  $out->finish if $out->can('finish');                  $out->finish if $out->can('finish');
Legend:
Removed from v.941  
changed lines
  Added in v.1185
  ViewVC Help
Powered by ViewVC 1.1.26