/[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 210 by dpavlin, Mon Dec 5 17:47:04 2005 UTC revision 508 by dpavlin, Mon May 15 13:32:18 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::Store 0.03;  use WebPAC::Store 0.03;
14  use WebPAC::Normalize::XML;  use WebPAC::Normalize::XML;
15    use WebPAC::Normalize::Set;
16  use WebPAC::Output::TT;  use WebPAC::Output::TT;
 use WebPAC::Output::Estraier 0.02;  
17  use YAML qw/LoadFile/;  use YAML qw/LoadFile/;
18  use LWP::Simple;  use Getopt::Long;
19    use File::Path;
20    use Time::HiRes qw/time/;
21    use File::Slurp;
22    
23  my $limit = shift @ARGV;  =head1 NAME
24    
25  my $config = LoadFile('conf/config.yml');  run.pl - start WebPAC indexing
26    
27  print "config = ",Dumper($config);  B<this command will probably go away. Don't get used to it!>
28    
29  die "no databases in config file!\n" unless ($config->{databases});  Options:
30    
31  while (my ($database, $db_config) = each %{ $config->{databases} }) {  =over 4
32    
33          my $type = lc($db_config->{input}->{type});  =item --offset 42
34    
35          die "I know only how to handle input type isis, not '$type'!\n" unless ($type eq 'isis');  start loading (all) databases at offset 42
36    
37          my $abs_path = abs_path($0);  =item --limit 100
         $abs_path =~ s#/[^/]*$#/#;  
38    
39          my $lookup = new WebPAC::Lookup(  limit loading to 100 records
                 lookup_file => $db_config->{input}->{lookup},  
         );  
40    
41          my $db_path = $config->{webpac}->{db_path} . '/' . $database;  =item --clean
42    
43    remove database and Hyper Estraier index before indexing
44    
45          my $log = $lookup->_get_logger;  =item --only=database_name
         $log->info("working on $database in $db_path");  
46    
47          my $isis = new WebPAC::Input::ISIS(  reindex just single database (legacy name is --one)
                 code_page => $config->{webpac}->{webpac_encoding},  
                 limit_mfn => $db_config->{input}->{limit},  
         );  
48    
49          my $maxmfn = $isis->open(  =item --config conf/config.yml
                 filename => $db_config->{input}->{path},  
                 code_page => $db_config->{input}->{encoding},   # database encoding  
         );  
50    
51          my $path = './db/';  path to YAML configuration file
52    
53          my $db = new WebPAC::Store(  =item --force-set
                 path => $db_path,  
         );  
54    
55          my $n = new WebPAC::Normalize::XML(  force conversion C<< normalize->path >> in C<config.yml> from
56          #       filter => { 'foo' => sub { shift } },  C<.xml> to C<.pl>
                 db => $db,  
                 lookup_regex => $lookup->regex,  
                 lookup => $lookup,  
         );  
57    
58          $n->open(  =item --stats
                 tag => $db_config->{normalize}->{tag},  
                 xml_file => $db_config->{normalize}->{path},  
         );  
59    
60          my $out = new WebPAC::Output::TT(  dump statistics about used fields and subfields in each input
                 include_path => $config->{webpac}->{template_path},  
                 filters => { foo => sub { shift } },  
         );  
61    
62          my $est_config = $config->{hyperestraier} || $log->logdie("can't find 'hyperestraier' part in confguration");  =back
         $est_config->{database} = $database;  
63    
64          $log->info("using HyperEstraier URL $est_config->{url}");  =cut
65    
66          my $est = new WebPAC::Output::Estraier(  my $offset;
67                  %{ $est_config },  my $limit;
         );  
68    
69          my $total_rows = 0;  my $clean = 0;
70    my $config = 'conf/config.yml';
71    my $debug = 0;
72    my $only_db_name;
73    my $force_set = 0;
74    my $stats = 0;
75    
76          for ( 0 ... $isis->size ) {  GetOptions(
77            "limit=i" => \$limit,
78            "offset=i" => \$offset,
79            "clean" => \$clean,
80            "one=s" => \$only_db_name,
81            "only=s" => \$only_db_name,
82            "config" => \$config,
83            "debug" => \$debug,
84            "force-set" => \$force_set,
85            "stats" => \$stats,
86    );
87    
88                  my $row = $isis->fetch || next;  $config = LoadFile($config);
89    
90                  my $mfn = $row->{'000'}->[0] || die "can't find MFN";  print "config = ",Dumper($config) if ($debug);
91    
92                  my $ds = $n->data_structure($row);  die "no databases in config file!\n" unless ($config->{databases});
93    
94          #       print STDERR Dumper($row, $ds);  my $log = _new WebPAC::Common()->_get_logger();
95    
96    my $use_indexer = $config->{use_indexer} || 'hyperestraier';
97    $log->info("using $use_indexer indexing engine...");
98    
99    my $total_rows = 0;
100    my $start_t = time();
101    
102    while (my ($database, $db_config) = each %{ $config->{databases} }) {
103    
104            next if ($only_db_name && $database !~ m/$only_db_name/i);
105    
106            my $indexer;
107    
108            my $indexer_config = $config->{$use_indexer} || $log->logdie("can't find '$use_indexer' part in confguration");
109            $indexer_config->{database} = $database;
110            $indexer_config->{clean} = $clean;
111            $indexer_config->{label} = $db_config->{name};
112    
113            if ($use_indexer eq 'hyperestraier') {
114    
115                    # open Hyper Estraier database
116                    use WebPAC::Output::Estraier '0.10';
117                    $indexer = new WebPAC::Output::Estraier( %{ $indexer_config } );
118            
119            } elsif ($use_indexer eq 'kinosearch') {
120    
121                    # open KinoSearch
122                    use WebPAC::Output::KinoSearch;
123                    $indexer_config->{clean} = 1 unless (-e $indexer_config->{index_path});
124                    $indexer = new WebPAC::Output::KinoSearch( %{ $indexer_config } );
125    
126            } else {
127                    $log->logdie("unknown use_indexer: $use_indexer");
128            }
129    
130            $log->logide("can't continue without valid indexer") unless ($indexer);
131    
         #       my $html = $out->apply(  
         #               template => 'html_ffzg.tt',  
         #               data => $ds,  
         #       );  
132          #          #
133          #       # create test output          # now WebPAC::Store
134          #          #
135          #       my $file = sprintf('out/%02d.html', $mfn );          my $abs_path = abs_path($0);
136          #       open(my $fh, '>', $file) or die "can't open $file: $!";          $abs_path =~ s#/[^/]*$#/#;
137          #       print $fh $html;  
138          #       close($fh);          my $db_path = $config->{webpac}->{db_path} . '/' . $database;
139    
140            if ($clean) {
141                    $log->info("creating new database $database in $db_path");
142                    rmtree( $db_path ) || $log->warn("can't remove $db_path: $!");
143            } else {
144                    $log->debug("working on $database in $db_path");
145            }
146    
147            my $db = new WebPAC::Store(
148                    path => $db_path,
149                    database => $database,
150                    debug => $debug,
151            );
152    
153    
154          #          #
155          #       $html =~ s#\s*[\n\r]+\s*##gs;          # now, iterate through input formats
156          #          #
         #       print STDERR $html;  
157    
158                  $est->add(          my @inputs;
159                          id => $mfn,          if (ref($db_config->{input}) eq 'ARRAY') {
160                          ds => $ds,                  @inputs = @{ $db_config->{input} };
161                          type => $config->{hyperestraier}->{type},          } elsif ($db_config->{input}) {
162                    push @inputs, $db_config->{input};
163            } else {
164                    $log->info("database $database doesn't have inputs defined");
165            }
166    
167            my @supported_inputs = keys %{ $config->{webpac}->{inputs} };
168    
169            foreach my $input (@inputs) {
170    
171                    my $type = lc($input->{type});
172    
173                    die "I know only how to handle input types ", join(",", @supported_inputs), " not '$type'!\n" unless (grep(/$type/, @supported_inputs));
174    
175                    my $lookup = new WebPAC::Lookup(
176                            lookup_file => $input->{lookup},
177                    );
178    
179                    my $input_module = $config->{webpac}->{inputs}->{$type};
180    
181                    $log->info("working on input '$input->{path}' [$input->{type}] using $input_module lookup '$input->{lookup}'");
182    
183                    my $input_db = new WebPAC::Input(
184                            module => $input_module,
185                            code_page => $config->{webpac}->{webpac_encoding},
186                            limit => $limit || $input->{limit},
187                            offset => $offset,
188                            lookup => $lookup,
189                            recode => $input->{recode},
190                            stats => $stats,
191                    );
192                    $log->logdie("can't create input using $input_module") unless ($input);
193    
194                    my $maxmfn = $input_db->open(
195                            path => $input->{path},
196                            code_page => $input->{encoding},        # database encoding
197                  );                  );
198    
199                  $total_rows++;                  my $n = new WebPAC::Normalize::XML(
200                    #       filter => { 'foo' => sub { shift } },
201                            db => $db,
202                            lookup_regex => $lookup->regex,
203                            lookup => $lookup,
204                            prefix => $input->{name},
205                    );
206    
207                    my $rules;
208                    my $normalize_path = $input->{normalize}->{path};
209    
210                    if ($force_set) {
211                            my $new_norm_path = $normalize_path;
212                            $new_norm_path =~ s/\.xml$/.pl/;
213                            if (-e $new_norm_path) {
214                                    $log->debug("--force-set replaced $normalize_path with $new_norm_path");
215                                    $normalize_path = $new_norm_path;
216                            } else {
217                                    $log->debug("--force-set failed on $new_norm_path, fallback to $normalize_path");
218                            }
219                    }
220    
221                    if ($normalize_path =~ m/\.xml$/i) {
222                            $n->open(
223                                    tag => $input->{normalize}->{tag},
224                                    xml_file => $normalize_path,
225                            );
226                    } elsif ($normalize_path =~ m/\.(?:yml|yaml)$/i) {
227                            $n->open_yaml(
228                                    path => $normalize_path,
229                                    tag => $input->{normalize}->{tag},
230                            );
231                    } elsif ($normalize_path =~ m/\.(?:pl)$/i) {
232                            $n = undef;
233                            $log->info("using WebPAC::Normalize::Set to process $normalize_path");
234                            $rules = read_file( $normalize_path ) or die "can't open $normalize_path: $!";
235                    }
236    
237                    foreach my $pos ( 0 ... $input_db->size ) {
238    
239                            my $row = $input_db->fetch || next;
240    
241                            my $mfn = $row->{'000'}->[0];
242    
243                            if (! $mfn || $mfn !~ m#^\d+$#) {
244                                    $log->warn("record $pos doesn't have valid MFN but '$mfn', using $pos");
245                                    $mfn = $pos;
246                                    push @{ $row->{'000'} }, $pos;
247                            }
248    
249                                    
250                            my $ds;
251                            if ($n) {
252                                    $ds = $n->data_structure($row);
253                            } else {
254                                    $ds = WebPAC::Normalize::Set::data_structure(
255                                            row => $row,
256                                            rules => $rules,
257                                            lookup => $lookup->lookup_hash,
258                                    );
259    
260                                    $db->save_ds(
261                                            id => $mfn,
262                                            ds => $ds,
263                                            prefix => $input->{name},
264                                    ) if ($ds);
265                            }
266    
267                            $indexer->add(
268                                    id => $input->{name} . "/" . $mfn,
269                                    ds => $ds,
270                                    type => $config->{$use_indexer}->{type},
271                            );
272    
273                            $total_rows++;
274                    }
275    
276                    $log->info("statistics of fields usage:\n", $input_db->stats) if ($stats);
277    
278          };          };
279    
280          $log->info("$total_rows records indexed");          eval { $indexer->finish } if ($indexer->can('finish'));
281    
282            my $dt = time() - $start_t;
283            $log->info("$total_rows records indexed in " .
284                    sprintf("%.2f sec [%.2f rec/sec]",
285                            $dt, ($total_rows / $dt)
286                    )
287            );
288    
289            #
290            # add Hyper Estraier links to other databases
291            #
292            if (ref($db_config->{links}) eq 'ARRAY') {
293                    foreach my $link (@{ $db_config->{links} }) {
294                            if ($use_indexer eq 'hyperestraier') {
295                                    $log->info("adding link $database -> $link->{to} [$link->{credit}]");
296                                    $indexer->add_link(
297                                            from => $database,
298                                            to => $link->{to},
299                                            credit => $link->{credit},
300                                    );
301                            } else {
302                                    $log->warn("NOT IMPLEMENTED WITH $use_indexer: adding link $database -> $link->{to} [$link->{credit}]");
303                            }
304                    }
305            }
306    
307  }  }
308    
Legend:
Removed from v.210  
changed lines
  Added in v.508
  ViewVC Help
Powered by ViewVC 1.1.26