/[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 290 by dpavlin, Sun Dec 18 23:10:02 2005 UTC revision 507 by dpavlin, Mon May 15 13:15:01 2006 UTC
# Line 12  use WebPAC::Lookup; Line 12  use WebPAC::Lookup;
12  use WebPAC::Input 0.03;  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 0.05;  
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    Options:
30    
31    =over 4
32    
33    =item --offset 42
34    
35    start loading (all) databases at offset 42
36    
37    =item --limit 100
38    
39    limit loading to 100 records
40    
41    =item --clean
42    
43    remove database and Hyper Estraier index before indexing
44    
45    =item --only=database_name
46    
47    reindex just single database (legacy name is --one)
48    
49    =item --config conf/config.yml
50    
51    path to YAML configuration file
52    
53    =item --force-set
54    
55    force conversion C<normalize->path> in C<config.yml> from
56    C<.xml> to C<.pl>
57    
58    =item --stats
59    
60    dump statistics about used fields and subfields in each input
61    
62    =back
63    
64    =cut
65    
66    my $offset;
67    my $limit;
68    
69    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    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    $config = LoadFile($config);
89    
90    print "config = ",Dumper($config) if ($debug);
91    
92  die "no databases in config file!\n" unless ($config->{databases});  die "no databases in config file!\n" unless ($config->{databases});
93    
94    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;  my $total_rows = 0;
100    my $start_t = time();
101    
102  while (my ($database, $db_config) = each %{ $config->{databases} }) {  while (my ($database, $db_config) = each %{ $config->{databases} }) {
103    
104          my $log = _new WebPAC::Common()->_get_logger();          next if ($only_db_name && $database !~ m/$only_db_name/i);
105    
106          #          my $indexer;
         # open Hyper Estraier database  
         #  
107    
108          my $est_config = $config->{hyperestraier} || $log->logdie("can't find 'hyperestraier' part in confguration");          my $indexer_config = $config->{$use_indexer} || $log->logdie("can't find '$use_indexer' part in confguration");
109          $est_config->{database} = $database;          $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          $log->info("using HyperEstraier URL $est_config->{masterurl}");          } else {
127                    $log->logdie("unknown use_indexer: $use_indexer");
128            }
129    
130          my $est = new WebPAC::Output::Estraier(          $log->logide("can't continue without valid indexer") unless ($indexer);
                 %{ $est_config },  
         );  
131    
132          #          #
133          # now WebPAC::Store          # now WebPAC::Store
# Line 52  while (my ($database, $db_config) = each Line 137  while (my ($database, $db_config) = each
137    
138          my $db_path = $config->{webpac}->{db_path} . '/' . $database;          my $db_path = $config->{webpac}->{db_path} . '/' . $database;
139    
140          $log->info("working on $database in $db_path");          if ($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(          my $db = new WebPAC::Store(
148                  path => $db_path,                  path => $db_path,
149                  database => $database,                  database => $database,
150                  debug => 1,                  debug => $debug,
151          );          );
152    
153    
# Line 88  while (my ($database, $db_config) = each Line 178  while (my ($database, $db_config) = each
178    
179                  my $input_module = $config->{webpac}->{inputs}->{$type};                  my $input_module = $config->{webpac}->{inputs}->{$type};
180    
181                  $log->info("working on input $input->{path} [$input->{type}] using $input_module");                  $log->info("working on input '$input->{path}' [$input->{type}] using $input_module lookup '$input->{lookup}'");
182    
183                  my $input_db = new WebPAC::Input(                  my $input_db = new WebPAC::Input(
184                          module => $input_module,                          module => $input_module,
185                          code_page => $config->{webpac}->{webpac_encoding},                          code_page => $config->{webpac}->{webpac_encoding},
186                          limit => $input->{limit},                          limit => $limit || $input->{limit},
187                            offset => $offset,
188                          lookup => $lookup,                          lookup => $lookup,
189                            recode => $input->{recode},
190                            stats => $stats,
191                  );                  );
192                  $log->logdie("can't create input using $input_module") unless ($input);                  $log->logdie("can't create input using $input_module") unless ($input);
193    
# Line 111  while (my ($database, $db_config) = each Line 204  while (my ($database, $db_config) = each
204                          prefix => $input->{name},                          prefix => $input->{name},
205                  );                  );
206    
207                    my $rules;
208                  my $normalize_path = $input->{normalize}->{path};                  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$/i) {                  if ($normalize_path =~ m/\.xml$/i) {
222                          $n->open(                          $n->open(
223                                  tag => $input->{normalize}->{tag},                                  tag => $input->{normalize}->{tag},
224                                  xml_file => $input->{normalize}->{path},                                  xml_file => $normalize_path,
225                          );                          );
226                  } elsif ($normalize_path =~ m/\.(?:yml|yaml)$/i) {                  } elsif ($normalize_path =~ m/\.(?:yml|yaml)$/i) {
227                          $n->open_yaml(                          $n->open_yaml(
228                                  path => $normalize_path,                                  path => $normalize_path,
229                                  tag => $input->{normalize}->{tag},                                  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 ) {                  foreach my $pos ( 0 ... $input_db->size ) {
238    
239                          my $row = $input_db->fetch || next;                          my $row = $input_db->fetch || next;
240    
241                          my $mfn = $row->{000}->[0] || $row->{000} || die "can't find MFN";                          my $mfn = $row->{'000'}->[0];
242    
243                          if ($mfn =~ m#^\d+$#) {                          if (! $mfn || $mfn !~ m#^\d+$#) {
244                                  $log->warn("record $pos doesn't have valid MFN but '$mfn', using $pos");                                  $log->warn("record $pos doesn't have valid MFN but '$mfn', using $pos");
245                                  $mfn = $pos;                                  $mfn = $pos;
246                                  $row->{000}->[0] = $pos;                                  push @{ $row->{'000'} }, $pos;
247                          }                          }
248    
249                          my $ds = $n->data_structure($row);                          my $ds = $n ? $n->data_structure($row) :
250                                    WebPAC::Normalize::Set::data_structure(
251                                            row => $row,
252                                            rules => $rules,
253                                            lookup => $lookup->lookup_hash,
254                                    );
255    
256                          $est->add(                          $indexer->add(
257                                  id => $input->{name} . "#" . $mfn,                                  id => $input->{name} . "/" . $mfn,
258                                  ds => $ds,                                  ds => $ds,
259                                  type => $config->{hyperestraier}->{type},                                  type => $config->{$use_indexer}->{type},
260                          );                          );
261    
262                          $total_rows++;                          $total_rows++;
263                  }                  }
264    
265                    $log->info("statistics of fields usage:\n", $input_db->stats) if ($stats);
266    
267          };          };
268    
269          $log->info("$total_rows records indexed");          eval { $indexer->finish } if ($indexer->can('finish'));
270    
271            my $dt = time() - $start_t;
272            $log->info("$total_rows records indexed in " .
273                    sprintf("%.2f sec [%.2f rec/sec]",
274                            $dt, ($total_rows / $dt)
275                    )
276            );
277    
278          #          #
279          # add Hyper Estraier links to other databases          # add Hyper Estraier links to other databases
280          #          #
281          if (ref($db_config->{links}) eq 'ARRAY') {          if (ref($db_config->{links}) eq 'ARRAY') {
282                  foreach my $link (@{ $db_config->{links} }) {                  foreach my $link (@{ $db_config->{links} }) {
283                          $log->info("adding link $database -> $link->{to} [$link->{credit}]");                          if ($use_indexer eq 'hyperestraier') {
284                          $est->add_link(                                  $log->info("adding link $database -> $link->{to} [$link->{credit}]");
285                                  from => $database,                                  $indexer->add_link(
286                                  to => $link->{to},                                          from => $database,
287                                  credit => $link->{credit},                                          to => $link->{to},
288                          );                                          credit => $link->{credit},
289                                    );
290                            } else {
291                                    $log->warn("NOT IMPLEMENTED WITH $use_indexer: adding link $database -> $link->{to} [$link->{credit}]");
292                            }
293                  }                  }
294          }          }
295    
Legend:
Removed from v.290  
changed lines
  Added in v.507
  ViewVC Help
Powered by ViewVC 1.1.26