/[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 255 by dpavlin, Fri Dec 16 01:04:20 2005 UTC revision 516 by dpavlin, Tue May 16 15:23:12 2006 UTC
# Line 9  use lib './lib'; Line 9  use lib './lib';
9    
10  use WebPAC::Common 0.02;  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;
17  use WebPAC::Output::Estraier 0.05;  use WebPAC::Validate;
18  use YAML qw/LoadFile/;  use YAML qw/LoadFile/;
19  use LWP::Simple;  use Getopt::Long;
20    use File::Path;
21    use Time::HiRes qw/time/;
22    use File::Slurp;
23    
24  my $limit = shift @ARGV;  =head1 NAME
25    
26  my $config = LoadFile('conf/config.yml');  run.pl - start WebPAC indexing
27    
28  print "config = ",Dumper($config);  B<this command will probably go away. Don't get used to it!>
29    
30    Options:
31    
32    =over 4
33    
34    =item --offset 42
35    
36    start loading (all) databases at offset 42
37    
38    =item --limit 100
39    
40    limit loading to 100 records
41    
42    =item --clean
43    
44    remove database and Hyper Estraier index before indexing
45    
46    =item --only=database_name/input_filter
47    
48    reindex just single database (legacy name is --one)
49    
50    C</input_filter> is optional part which can be C<name>
51    or C<type> from input
52    
53    =item --config conf/config.yml
54    
55    path to YAML configuration file
56    
57    =item --force-set
58    
59    force conversion C<< normalize->path >> in C<config.yml> from
60    C<.xml> to C<.pl>
61    
62    =item --stats
63    
64    disable indexing and dump statistics about field and subfield
65    usage for each input
66    
67    =item --validate path/to/validation_file
68    
69    turn on extra validation of imput records, see L<WebPAC::Validation>
70    
71    =back
72    
73    =cut
74    
75    my $offset;
76    my $limit;
77    
78    my $clean = 0;
79    my $config = 'conf/config.yml';
80    my $debug = 0;
81    my $only_filter;
82    my $force_set = 0;
83    my $stats = 0;
84    my $validate_path;
85    
86    GetOptions(
87            "limit=i" => \$limit,
88            "offset=i" => \$offset,
89            "clean" => \$clean,
90            "one=s" => \$only_filter,
91            "only=s" => \$only_filter,
92            "config" => \$config,
93            "debug" => \$debug,
94            "force-set" => \$force_set,
95            "stats" => \$stats,
96            "validate=s" => \$validate_path,
97    );
98    
99    $config = LoadFile($config);
100    
101    print "config = ",Dumper($config) if ($debug);
102    
103  die "no databases in config file!\n" unless ($config->{databases});  die "no databases in config file!\n" unless ($config->{databases});
104    
105    my $log = _new WebPAC::Common()->_get_logger();
106    $log->info( "-" x 79 );
107    
108    my $validate;
109    $validate = new WebPAC::Validate(
110            path => $validate_path,
111    ) if ($validate_path);
112    
113    my $use_indexer = $config->{use_indexer} || 'hyperestraier';
114    if ($stats) {
115            $log->debug("option --stats disables update of indexing engine...");
116            $use_indexer = undef;
117    } else {
118            $log->info("using $use_indexer indexing engine...");
119    }
120    
121  my $total_rows = 0;  my $total_rows = 0;
122    my $start_t = time();
123    
124  while (my ($database, $db_config) = each %{ $config->{databases} }) {  while (my ($database, $db_config) = each %{ $config->{databases} }) {
125    
126          my $log = _new WebPAC::Common()->_get_logger();          my ($only_database,$only_input) = split(m#/#, $only_filter) if ($only_filter);
127            next if ($only_database && $database !~ m/$only_database/i);
128    
129          #          my $indexer;
         # open Hyper Estraier database  
         #  
130    
131          my $est_config = $config->{hyperestraier} || $log->logdie("can't find 'hyperestraier' part in confguration");          if ($use_indexer) {
132          $est_config->{database} = $database;                  my $indexer_config = $config->{$use_indexer} || $log->logdie("can't find '$use_indexer' part in confguration");
133                    $indexer_config->{database} = $database;
134                    $indexer_config->{clean} = $clean;
135                    $indexer_config->{label} = $db_config->{name};
136    
137                    if ($use_indexer eq 'hyperestraier') {
138    
139                            # open Hyper Estraier database
140                            use WebPAC::Output::Estraier '0.10';
141                            $indexer = new WebPAC::Output::Estraier( %{ $indexer_config } );
142                    
143                    } elsif ($use_indexer eq 'kinosearch') {
144    
145                            # open KinoSearch
146                            use WebPAC::Output::KinoSearch;
147                            $indexer_config->{clean} = 1 unless (-e $indexer_config->{index_path});
148                            $indexer = new WebPAC::Output::KinoSearch( %{ $indexer_config } );
149    
150          $log->info("using HyperEstraier URL $est_config->{masterurl}");                  } else {
151                            $log->logdie("unknown use_indexer: $use_indexer");
152                    }
153    
154                    $log->logide("can't continue without valid indexer") unless ($indexer);
155            }
156    
         my $est = new WebPAC::Output::Estraier(  
                 %{ $est_config },  
         );  
157    
158          #          #
159          # now WebPAC::Store          # now WebPAC::Store
# Line 52  while (my ($database, $db_config) = each Line 163  while (my ($database, $db_config) = each
163    
164          my $db_path = $config->{webpac}->{db_path} . '/' . $database;          my $db_path = $config->{webpac}->{db_path} . '/' . $database;
165    
166          $log->info("working on $database in $db_path");          if ($clean) {
167                    $log->info("creating new database '$database' in $db_path");
168                    rmtree( $db_path ) || $log->warn("can't remove $db_path: $!");
169            } else {
170                    $log->info("working on database '$database' in $db_path");
171            }
172    
173          my $db = new WebPAC::Store(          my $db = new WebPAC::Store(
174                  path => $db_path,                  path => $db_path,
175                  database => $database,                  database => $database,
176                  debug => 1,                  debug => $debug,
177          );          );
178    
179    
# Line 74  while (my ($database, $db_config) = each Line 190  while (my ($database, $db_config) = each
190                  $log->info("database $database doesn't have inputs defined");                  $log->info("database $database doesn't have inputs defined");
191          }          }
192    
193            my @supported_inputs = keys %{ $config->{webpac}->{inputs} };
194    
195          foreach my $input (@inputs) {          foreach my $input (@inputs) {
196    
197  print Dumper($input);                  next if ($only_input && ($input->{name} !~ m#$only_input#i && $input->{type} !~ m#$only_input#i));
198    
199                  my $type = lc($input->{type});                  my $type = lc($input->{type});
200    
201                  die "I know only how to handle input type isis, not '$type'!\n" unless ($type eq 'isis');                  die "I know only how to handle input types ", join(",", @supported_inputs), " not '$type'!\n" unless (grep(/$type/, @supported_inputs));
202    
203                  my $lookup = new WebPAC::Lookup(                  my $lookup = new WebPAC::Lookup(
204                          lookup_file => $input->{lookup},                          lookup_file => $input->{lookup},
205                  );                  );
206    
207                  $log->info("working on input $input->{path} [$input->{type}]");                  my $input_module = $config->{webpac}->{inputs}->{$type};
208    
209                    $log->info("working on input '$input->{name}' in $input->{path} [type: $input->{type}] using $input_module lookup '$input->{lookup}'");
210    
211                  my $isis = new WebPAC::Input::ISIS(                  my $input_db = new WebPAC::Input(
212                            module => $input_module,
213                          code_page => $config->{webpac}->{webpac_encoding},                          code_page => $config->{webpac}->{webpac_encoding},
214                          limit_mfn => $input->{limit},                          limit => $limit || $input->{limit},
215                            offset => $offset,
216                          lookup => $lookup,                          lookup => $lookup,
217                            recode => $input->{recode},
218                            stats => $stats,
219                  );                  );
220                    $log->logdie("can't create input using $input_module") unless ($input);
221    
222                  my $maxmfn = $isis->open(                  my $maxmfn = $input_db->open(
223                          filename => $input->{path},                          path => $input->{path},
224                          code_page => $input->{encoding},        # database encoding                          code_page => $input->{encoding},        # database encoding
225                  );                  );
226    
# Line 107  print Dumper($input); Line 232  print Dumper($input);
232                          prefix => $input->{name},                          prefix => $input->{name},
233                  );                  );
234    
235                  $n->open(                  my $rules;
236                          tag => $input->{normalize}->{tag},                  my $normalize_path = $input->{normalize}->{path};
237                          xml_file => $input->{normalize}->{path},  
238                  );                  if ($force_set) {
239                            my $new_norm_path = $normalize_path;
240                            $new_norm_path =~ s/\.xml$/.pl/;
241                            if (-e $new_norm_path) {
242                                    $log->debug("--force-set replaced $normalize_path with $new_norm_path");
243                                    $normalize_path = $new_norm_path;
244                            } else {
245                                    $log->debug("--force-set failed on $new_norm_path, fallback to $normalize_path");
246                            }
247                    }
248    
249                    if ($normalize_path =~ m/\.xml$/i) {
250                            $n->open(
251                                    tag => $input->{normalize}->{tag},
252                                    xml_file => $normalize_path,
253                            );
254                    } elsif ($normalize_path =~ m/\.(?:yml|yaml)$/i) {
255                            $n->open_yaml(
256                                    path => $normalize_path,
257                                    tag => $input->{normalize}->{tag},
258                            );
259                    } elsif ($normalize_path =~ m/\.(?:pl)$/i) {
260                            $n = undef;
261                            $log->info("using WebPAC::Normalize::Set to process $normalize_path");
262                            $rules = read_file( $normalize_path ) or die "can't open $normalize_path: $!";
263                    }
264    
265                  for ( 0 ... $isis->size ) {                  foreach my $pos ( 0 ... $input_db->size ) {
266    
267                          my $row = $isis->fetch || next;                          my $row = $input_db->fetch || next;
268    
269                          my $mfn = $row->{'000'}->[0] || die "can't find MFN";                          my $mfn = $row->{'000'}->[0];
270    
271                          my $ds = $n->data_structure($row);                          if (! $mfn || $mfn !~ m#^\d+$#) {
272                                    $log->warn("record $pos doesn't have valid MFN but '$mfn', using $pos");
273                                    $mfn = $pos;
274                                    push @{ $row->{'000'} }, $pos;
275                            }
276    
277    
278                            if ($validate) {
279                                    my @errors = $validate->validate_errors( $row );
280                                    $log->error( "MFN $mfn validation errors:\n", join("\n", @errors) ) if (@errors);
281                            }
282    
283                                    
284                            my $ds;
285                            if ($n) {
286                                    $ds = $n->data_structure($row);
287                            } else {
288                                    $ds = WebPAC::Normalize::Set::data_structure(
289                                            row => $row,
290                                            rules => $rules,
291                                            lookup => $lookup->lookup_hash,
292                                    );
293    
294                                    $db->save_ds(
295                                            id => $mfn,
296                                            ds => $ds,
297                                            prefix => $input->{name},
298                                    ) if ($ds && !$stats);
299                            }
300    
301                          $est->add(                          $indexer->add(
302                                  id => $input->{name} . "#" . $mfn,                                  id => $input->{name} . "/" . $mfn,
303                                  ds => $ds,                                  ds => $ds,
304                                  type => $config->{hyperestraier}->{type},                                  type => $config->{$use_indexer}->{type},
305                          );                          ) if ($indexer);
306    
307                          $total_rows++;                          $total_rows++;
308                  }                  }
309    
310                    $log->info("statistics of fields usage:\n", $input_db->stats) if ($stats);
311    
312          };          };
313    
314          $log->info("$total_rows records indexed");          eval { $indexer->finish } if ($indexer && $indexer->can('finish'));
315    
316            my $dt = time() - $start_t;
317            $log->info("$total_rows records ", $indexer ? "indexed " : "",
318                    sprintf("in %.2f sec [%.2f rec/sec]",
319                            $dt, ($total_rows / $dt)
320                    )
321            );
322    
323          #          #
324          # add Hyper Estraier links to other databases          # add Hyper Estraier links to other databases
325          #          #
326          if (ref($db_config->{links}) eq 'ARRAY') {          if (ref($db_config->{links}) eq 'ARRAY') {
327                  foreach my $link (@{ $db_config->{links} }) {                  foreach my $link (@{ $db_config->{links} }) {
328                          $log->info("adding link $database -> $link->{to} [$link->{credit}]");                          if ($use_indexer eq 'hyperestraier') {
329                          $est->add_link(                                  $log->info("adding link $database -> $link->{to} [$link->{credit}]");
330                                  from => $database,                                  $indexer->add_link(
331                                  to => $link->{to},                                          from => $database,
332                                  credit => $link->{credit},                                          to => $link->{to},
333                          );                                          credit => $link->{credit},
334                                    );
335                            } else {
336                                    $log->warn("NOT IMPLEMENTED WITH $use_indexer: adding link $database -> $link->{to} [$link->{credit}]");
337                            }
338                  }                  }
339          }          }
340    
Legend:
Removed from v.255  
changed lines
  Added in v.516
  ViewVC Help
Powered by ViewVC 1.1.26