/[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 307 by dpavlin, Tue Dec 20 00:03:04 2005 UTC revision 520 by dpavlin, Thu May 18 13:48:58 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;
17  use WebPAC::Output::Estraier 0.08;  use WebPAC::Validate;
18  use YAML qw/LoadFile/;  use YAML qw/LoadFile/;
19  use Getopt::Long;  use Getopt::Long;
20  use File::Path;  use File::Path;
21    use Time::HiRes qw/time/;
22    use File::Slurp;
23    
24  =head1 NAME  =head1 NAME
25    
# Line 40  limit loading to 100 records Line 43  limit loading to 100 records
43    
44  remove database and Hyper Estraier index before indexing  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  =item --config conf/config.yml
54    
55  path to YAML configuration file  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  =back
72    
73  =cut  =cut
# Line 54  my $limit; Line 78  my $limit;
78  my $clean = 0;  my $clean = 0;
79  my $config = 'conf/config.yml';  my $config = 'conf/config.yml';
80  my $debug = 0;  my $debug = 0;
81    my $only_filter;
82    my $force_set = 0;
83    my $stats = 0;
84    my $validate_path;
85    
86  GetOptions(  GetOptions(
87          "limit=i" => \$limit,          "limit=i" => \$limit,
88          "offset=i" => \$offset,          "offset=i" => \$offset,
89          "clean" => \$clean,          "clean" => \$clean,
90            "one=s" => \$only_filter,
91            "only=s" => \$only_filter,
92          "config" => \$config,          "config" => \$config,
93          "debug" => \$debug,          "debug" => \$debug,
94            "force-set" => \$force_set,
95            "stats" => \$stats,
96            "validate=s" => \$validate_path,
97  );  );
98    
99  $config = LoadFile($config);  $config = LoadFile($config);
# Line 69  print "config = ",Dumper($config) if ($d Line 102  print "config = ",Dumper($config) if ($d
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 $indexer;
130          # open Hyper Estraier database  
131          #          if ($use_indexer) {
132                    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                    } else {
151                            $log->logdie("unknown use_indexer: $use_indexer");
152                    }
153    
154          my $est_config = $config->{hyperestraier} || $log->logdie("can't find 'hyperestraier' part in confguration");                  $log->logide("can't continue without valid indexer") unless ($indexer);
155          $est_config->{database} = $database;          }
         $est_config->{clean} = $clean;  
156    
         my $est = new WebPAC::Output::Estraier( %{ $est_config } );  
157    
158          #          #
159          # now WebPAC::Store          # now WebPAC::Store
# Line 94  while (my ($database, $db_config) = each Line 164  while (my ($database, $db_config) = each
164          my $db_path = $config->{webpac}->{db_path} . '/' . $database;          my $db_path = $config->{webpac}->{db_path} . '/' . $database;
165    
166          if ($clean) {          if ($clean) {
167                  $log->info("creating new database $database in $db_path");                  $log->info("creating new database '$database' in $db_path");
168                  rmtree( $db_path ) || $log->warn("can't remove $db_path: $!");                  rmtree( $db_path ) || $log->warn("can't remove $db_path: $!");
169          } else {          } else {
170                  $log->info("working on $database in $db_path");                  $log->info("working on database '$database' in $db_path");
171          }          }
172    
173          my $db = new WebPAC::Store(          my $db = new WebPAC::Store(
# Line 124  while (my ($database, $db_config) = each Line 194  while (my ($database, $db_config) = each
194    
195          foreach my $input (@inputs) {          foreach my $input (@inputs) {
196    
197                    next if ($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 types ", join(",", @supported_inputs), " not '$type'!\n" unless (grep(/$type/, @supported_inputs));                  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 => $input->{lookup},
205                  );                  ) if ($input->{lookup});
206    
207                  my $input_module = $config->{webpac}->{inputs}->{$type};                  my $input_module = $config->{webpac}->{inputs}->{$type};
208    
209                  $log->info("working on input $input->{path} [$input->{type}] using $input_module");                  $log->info("working on input '$input->{name}' in $input->{path} [type: $input->{type}] using $input_module lookup '$input->{lookup}'");
210    
211                  my $input_db = new WebPAC::Input(                  my $input_db = new WebPAC::Input(
212                          module => $input_module,                          module => $input_module,
# Line 142  while (my ($database, $db_config) = each Line 214  while (my ($database, $db_config) = each
214                          limit => $limit || $input->{limit},                          limit => $limit || $input->{limit},
215                          offset => $offset,                          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);                  $log->logdie("can't create input using $input_module") unless ($input);
221    
# Line 153  while (my ($database, $db_config) = each Line 227  while (my ($database, $db_config) = each
227                  my $n = new WebPAC::Normalize::XML(                  my $n = new WebPAC::Normalize::XML(
228                  #       filter => { 'foo' => sub { shift } },                  #       filter => { 'foo' => sub { shift } },
229                          db => $db,                          db => $db,
230                          lookup_regex => $lookup->regex,                          lookup_regex => $lookup ? $lookup->regex : undef,
231                          lookup => $lookup,                          lookup => $lookup,
232                          prefix => $input->{name},                          prefix => $input->{name},
233                  );                  );
234    
235                    my $rules;
236                  my $normalize_path = $input->{normalize}->{path};                  my $normalize_path = $input->{normalize}->{path};
237    
238                    if ($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$/i) {                  if ($normalize_path =~ m/\.xml$/i) {
250                          $n->open(                          $n->open(
251                                  tag => $input->{normalize}->{tag},                                  tag => $input->{normalize}->{tag},
252                                  xml_file => $input->{normalize}->{path},                                  xml_file => $normalize_path,
253                          );                          );
254                  } elsif ($normalize_path =~ m/\.(?:yml|yaml)$/i) {                  } elsif ($normalize_path =~ m/\.(?:yml|yaml)$/i) {
255                          $n->open_yaml(                          $n->open_yaml(
256                                  path => $normalize_path,                                  path => $normalize_path,
257                                  tag => $input->{normalize}->{tag},                                  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                  foreach my $pos ( 0 ... $input_db->size ) {                  foreach my $pos ( 0 ... $input_db->size ) {
# Line 184  while (my ($database, $db_config) = each Line 274  while (my ($database, $db_config) = each
274                                  push @{ $row->{'000'} }, $pos;                                  push @{ $row->{'000'} }, $pos;
275                          }                          }
276    
                         my $ds = $n->data_structure($row);  
277    
278                          $est->add(                          if ($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->lookup_hash : undef,
292                                    );
293    
294                                    $db->save_ds(
295                                            id => $mfn,
296                                            ds => $ds,
297                                            prefix => $input->{name},
298                                    ) if ($ds && !$stats);
299                            }
300    
301                            $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.307  
changed lines
  Added in v.520
  ViewVC Help
Powered by ViewVC 1.1.26