/[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 887 by dpavlin, Mon Sep 3 15:26:46 2007 UTC revision 1223 by dpavlin, Tue Jun 9 21:41:49 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 255  foreach my $database ( sort keys %{ $con Line 270  foreach my $database ( sort keys %{ $con
270    
271                  } elsif ($use_indexer eq 'kinosearch') {                  } elsif ($use_indexer eq 'kinosearch') {
272    
273                          # open KinoSearch                          die "no longer supported";
                         require 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");
# Line 302  foreach my $database ( sort keys %{ $con Line 314  foreach my $database ( sort keys %{ $con
314                  debug => $debug,                  debug => $debug,
315          });          });
316    
317    
318          #          #
319          # prepare output          # prepare output
320          #          #
321          my @outputs;          my @outputs = force_array( $db_config->{output}, sub {
322          if (defined( $db_config->{output} )) {                  $log->error("Database $database doesn't have any outputs defined. Do you want to remove it from configuration?" );
323                  my $module = $db_config->{output}->{module} || $log->logdie("need module in output section of $database");          } );
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/::/;                  $module = 'WebPAC::Output::' . $module unless $module =~ m/::/;
333            
334                  $log->debug("loading output module $module");                  $log->debug("loading output module $module");
335                  eval "require $module";                  eval "require $module";
336                  my $out = new $module->new( $db_config->{output} );  
337                  $out->init;                  # add database to arugemnts for output filter
338                  push @outputs, $out;                  $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    
350    
# Line 321  foreach my $database ( sort keys %{ $con Line 352  foreach my $database ( sort keys %{ $con
352          # now, iterate through input formats          # now, iterate through input formats
353          #          #
354    
355          my @inputs;  
356          if (ref($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 354  foreach my $database ( sort keys %{ $con Line 410  foreach my $database ( sort keys %{ $con
410                          delete($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 401  foreach my $database ( sort keys %{ $con Line 472  foreach my $database ( sort keys %{ $con
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 442  foreach my $database ( sort keys %{ $con Line 513  foreach my $database ( sort keys %{ $con
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 457  foreach my $database ( sort keys %{ $con Line 530  foreach my $database ( sort keys %{ $con
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", $input_db->input_module->can('normalize') ? " using normalize from input module" : '') 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 500  foreach my $database ( sort keys %{ $con Line 579  foreach my $database ( sort keys %{ $con
579                  }                  }
580    
581    
582                    # setup input name for all output filters
583                    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    
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;
# Line 514  foreach my $database ( sort keys %{ $con Line 603  foreach my $database ( sort keys %{ $con
603                                  push @{ $row->{'000'} }, $pos;                                  push @{ $row->{'000'} }, $pos;
604                          }                          }
605    
606                            foreach my $out ( @output_modules ) {
607                                    $out->add_row( $mfn, $row ) if $out->can('add_row');
608                            }
609    
610                          if ($validate) {                          if ($validate) {
611                                  if ( my $errors = $validate->validate_rec( $row, $input_db->dump_ascii ) ) {                                  if ( my $errors = $validate->validate_rec( $row, $input_db->dump_ascii ) ) {
# Line 524  foreach my $database ( sort keys %{ $con Line 616  foreach my $database ( sort keys %{ $con
616                                  next;   # validation doesn't create any output                                  next;   # validation doesn't create any output
617                          }                          }
618    
619                          my $ds = WebPAC::Normalize::data_structure(                          my $ds;
620                                  row => $row,  
621                                  rules => $rules,                          if ($rules) {
622                                  lookup => $lookup_hash,  
623                                  config => create_ds_config( $db_config, $database, $input, $mfn ),                                  my $ds = WebPAC::Normalize::data_structure(
624                                  marc_encoding => 'utf-8',                                          row => $row,
625                                  load_row_coderef => sub {                                          rules => $rules,
626                                          my ($database,$input,$mfn) = @_;                                          lookup => $lookup_hash,
627                                          return $store->load_row(                                          config => create_ds_config( $db_config, $database, $input, $mfn ),
628                                                  database => $database,                                          marc_encoding => 'utf-8',
629                                                  input => $input,                                          load_row_coderef => sub {
630                                                  id => $mfn,                                                  my ($database,$input,$mfn) = @_;
631                                          );  #warn "### load_row($database,$input,$mfn) from data_structure\n";
632                                  },                                                  return $store->load_row(
633                          );                                                          database => $database,
634                                                            input => $input,
635                                                            id => $mfn,
636                                                    );
637                                            },
638                                    );
639    
640                            } elsif ( $input_db->input_module->can('normalize') ) {
641                                    $ds = $input_db->input_module->normalize( $mfn );
642                            }
643    
644                            if ( $ds ) {
645                                    $log->debug("ds = ", sub { dump($ds) });
646    
647                          $log->debug("ds = ", sub { dump($ds) }) if ($ds);                                  $store->save_ds(
648                                            database => $database,
649                                            input => $input_name,
650                                            id => $mfn,
651                                            ds => $ds,
652                                    ) if !$stats;
653    
654                                    $indexer->add(
655                                            id => "${input_name}/${mfn}",
656                                            ds => $ds,
657                                            type => $config->get($indexer_config)->{type},
658                                    ) if $indexer;
659    
660                          $store->save_ds(                                  foreach my $out ( @output_modules ) {
661                                  database => $database,                                          $out->add( $mfn, $ds ) if $out->can('add');
662                                  input => $input_name,                                  }
                                 id => $mfn,  
                                 ds => $ds,  
                         ) if ($ds && !$stats);  
   
                         $indexer->add(  
                                 id => "${input_name}/${mfn}",  
                                 ds => $ds,  
                                 type => $config->get($indexer_config)->{type},  
                         ) if ($indexer && $ds);  
663    
664                            } else {
665                                    $log->warn("record $pos didn't produce any output after normalization rules!") unless $marc;
666                            }
667                          if ($marc) {                          if ($marc) {
668                                  my $i = 0;                                  my $i = 0;
669    
670                                  while (my $fields = WebPAC::Normalize::_get_marc_fields( fetch_next => 1 ) ) {                                  while (my $fields = WebPAC::Normalize::MARC::_get_marc_fields( fetch_next => 1 ) ) {
671                                          $marc->add(                                          $marc->add(
672                                                  id => $mfn . ( $i ? "/$i" : '' ),                                                  id => $mfn . ( $i ? "/$i" : '' ),
673                                                  fields => $fields,                                                  fields => $fields,
674                                                  leader => WebPAC::Normalize::_get_marc_leader(),                                                  leader => WebPAC::Normalize::MARC::_get_marc_leader(),
675                                                  row => $row,                                                  row => $row,
676                                          );                                          );
677                                          $i++;                                          $i++;
# Line 571  foreach my $database ( sort keys %{ $con Line 680  foreach my $database ( sort keys %{ $con
680                                  $log->info("Created $i instances of MFN $mfn\n") if ($i > 1);                                  $log->info("Created $i instances of MFN $mfn\n") if ($i > 1);
681                          }                          }
682    
                         foreach my $out ( @outputs ) {  
                                 $out->add( $mfn, $ds ) if $out->can('add');  
                         }  
   
683                  }                  }
684    
685                  if ($validate) {                  if ($validate) {
# Line 603  foreach my $database ( sort keys %{ $con Line 708  foreach my $database ( sort keys %{ $con
708                  close($report_fh) if ($report_fh);                  close($report_fh) if ($report_fh);
709          }          }
710    
711          eval { $indexer->finish } if ($indexer && $indexer->can('finish'));          $indexer->finish if $indexer && $indexer->can('finish');
712    
713          foreach my $out ( @outputs ) {          foreach my $out ( @output_modules ) {
714                  $out->finish if $out->can('finish');                  $out->finish if $out->can('finish');
715          }          }
716    
Legend:
Removed from v.887  
changed lines
  Added in v.1223
  ViewVC Help
Powered by ViewVC 1.1.26