/[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 423 by dpavlin, Wed Mar 22 00:18:56 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::Output::TT;  use WebPAC::Output::TT;
16  use WebPAC::Output::Estraier 0.02;  use WebPAC::Output::Estraier '0.10';
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    
22  my $limit = shift @ARGV;  =head1 NAME
23    
24  my $config = LoadFile('conf/config.yml');  run.pl - start WebPAC indexing
25    
26  print "config = ",Dumper($config);  B<this command will probably go away. Don't get used to it!>
27    
28  die "no databases in config file!\n" unless ($config->{databases});  Options:
29    
30  while (my ($database, $db_config) = each %{ $config->{databases} }) {  =over 4
31    
32          my $type = lc($db_config->{input}->{type});  =item --offset 42
33    
34          die "I know only how to handle input type isis, not '$type'!\n" unless ($type eq 'isis');  start loading (all) databases at offset 42
35    
36          my $abs_path = abs_path($0);  =item --limit 100
         $abs_path =~ s#/[^/]*$#/#;  
37    
38          my $lookup = new WebPAC::Lookup(  limit loading to 100 records
                 lookup_file => $db_config->{input}->{lookup},  
         );  
39    
40          my $db_path = $config->{webpac}->{db_path} . '/' . $database;  =item --clean
41    
42    remove database and Hyper Estraier index before indexing
43    
44          my $log = $lookup->_get_logger;  =item --only=database_name
         $log->info("working on $database in $db_path");  
45    
46          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},  
         );  
47    
48          my $maxmfn = $isis->open(  =item --config conf/config.yml
                 filename => $db_config->{input}->{path},  
                 code_page => $db_config->{input}->{encoding},   # database encoding  
         );  
49    
50          my $path = './db/';  path to YAML configuration file
51    
52          my $db = new WebPAC::Store(  =back
                 path => $db_path,  
         );  
53    
54          my $n = new WebPAC::Normalize::XML(  =cut
         #       filter => { 'foo' => sub { shift } },  
                 db => $db,  
                 lookup_regex => $lookup->regex,  
                 lookup => $lookup,  
         );  
55    
56          $n->open(  my $offset;
57                  tag => $db_config->{normalize}->{tag},  my $limit;
                 xml_file => $db_config->{normalize}->{path},  
         );  
58    
59          my $out = new WebPAC::Output::TT(  my $clean = 0;
60                  include_path => $config->{webpac}->{template_path},  my $config = 'conf/config.yml';
61                  filters => { foo => sub { shift } },  my $debug = 0;
62          );  my $only_db_name;
63    
64          my $est_config = $config->{hyperestraier} || $log->logdie("can't find 'hyperestraier' part in confguration");  GetOptions(
65          $est_config->{database} = $database;          "limit=i" => \$limit,
66            "offset=i" => \$offset,
67            "clean" => \$clean,
68            "one=s" => \$only_db_name,
69            "only=s" => \$only_db_name,
70            "config" => \$config,
71            "debug" => \$debug,
72    );
73    
74          $log->info("using HyperEstraier URL $est_config->{url}");  $config = LoadFile($config);
75    
76          my $est = new WebPAC::Output::Estraier(  print "config = ",Dumper($config) if ($debug);
                 %{ $est_config },  
         );  
77    
78          my $total_rows = 0;  die "no databases in config file!\n" unless ($config->{databases});
79    
80    my $total_rows = 0;
81    my $start_t = time();
82    
83    while (my ($database, $db_config) = each %{ $config->{databases} }) {
84    
85          for ( 0 ... $isis->size ) {          next if ($only_db_name && $database !~ m/$only_db_name/i);
86    
87                  my $row = $isis->fetch || next;          my $log = _new WebPAC::Common()->_get_logger();
88    
89                  my $mfn = $row->{'000'}->[0] || die "can't find MFN";          #
90            # open Hyper Estraier database
91            #
92    
93                  my $ds = $n->data_structure($row);          my $est_config = $config->{hyperestraier} || $log->logdie("can't find 'hyperestraier' part in confguration");
94            $est_config->{database} = $database;
95            $est_config->{clean} = $clean;
96            $est_config->{label} = $db_config->{name};
97    
98          #       print STDERR Dumper($row, $ds);          my $est = new WebPAC::Output::Estraier( %{ $est_config } );
99    
         #       my $html = $out->apply(  
         #               template => 'html_ffzg.tt',  
         #               data => $ds,  
         #       );  
100          #          #
101          #       # create test output          # now WebPAC::Store
102          #          #
103          #       my $file = sprintf('out/%02d.html', $mfn );          my $abs_path = abs_path($0);
104          #       open(my $fh, '>', $file) or die "can't open $file: $!";          $abs_path =~ s#/[^/]*$#/#;
105          #       print $fh $html;  
106          #       close($fh);          my $db_path = $config->{webpac}->{db_path} . '/' . $database;
107    
108            if ($clean) {
109                    $log->info("creating new database $database in $db_path");
110                    rmtree( $db_path ) || $log->warn("can't remove $db_path: $!");
111            } else {
112                    $log->debug("working on $database in $db_path");
113            }
114    
115            my $db = new WebPAC::Store(
116                    path => $db_path,
117                    database => $database,
118                    debug => $debug,
119            );
120    
121    
122          #          #
123          #       $html =~ s#\s*[\n\r]+\s*##gs;          # now, iterate through input formats
124          #          #
         #       print STDERR $html;  
125    
126                  $est->add(          my @inputs;
127                          id => $mfn,          if (ref($db_config->{input}) eq 'ARRAY') {
128                          ds => $ds,                  @inputs = @{ $db_config->{input} };
129                          type => $config->{hyperestraier}->{type},          } elsif ($db_config->{input}) {
130                    push @inputs, $db_config->{input};
131            } else {
132                    $log->info("database $database doesn't have inputs defined");
133            }
134    
135            my @supported_inputs = keys %{ $config->{webpac}->{inputs} };
136    
137            foreach my $input (@inputs) {
138    
139                    my $type = lc($input->{type});
140    
141                    die "I know only how to handle input types ", join(",", @supported_inputs), " not '$type'!\n" unless (grep(/$type/, @supported_inputs));
142    
143                    my $lookup = new WebPAC::Lookup(
144                            lookup_file => $input->{lookup},
145                    );
146    
147                    my $input_module = $config->{webpac}->{inputs}->{$type};
148    
149                    $log->info("working on input '$input->{path}' [$input->{type}] using $input_module lookup '$input->{lookup}'");
150    
151                    my $input_db = new WebPAC::Input(
152                            module => $input_module,
153                            code_page => $config->{webpac}->{webpac_encoding},
154                            limit => $limit || $input->{limit},
155                            offset => $offset,
156                            lookup => $lookup,
157                            recode => $input->{recode},
158                    );
159                    $log->logdie("can't create input using $input_module") unless ($input);
160    
161                    my $maxmfn = $input_db->open(
162                            path => $input->{path},
163                            code_page => $input->{encoding},        # database encoding
164                    );
165    
166                    my $n = new WebPAC::Normalize::XML(
167                    #       filter => { 'foo' => sub { shift } },
168                            db => $db,
169                            lookup_regex => $lookup->regex,
170                            lookup => $lookup,
171                            prefix => $input->{name},
172                  );                  );
173    
174                  $total_rows++;                  my $normalize_path = $input->{normalize}->{path};
175    
176                    if ($normalize_path =~ m/\.xml$/i) {
177                            $n->open(
178                                    tag => $input->{normalize}->{tag},
179                                    xml_file => $input->{normalize}->{path},
180                            );
181                    } elsif ($normalize_path =~ m/\.(?:yml|yaml)$/i) {
182                            $n->open_yaml(
183                                    path => $normalize_path,
184                                    tag => $input->{normalize}->{tag},
185                            );
186                    }
187    
188                    foreach my $pos ( 0 ... $input_db->size ) {
189    
190                            my $row = $input_db->fetch || next;
191    
192                            my $mfn = $row->{'000'}->[0];
193    
194                            if (! $mfn || $mfn !~ m#^\d+$#) {
195                                    $log->warn("record $pos doesn't have valid MFN but '$mfn', using $pos");
196                                    $mfn = $pos;
197                                    push @{ $row->{'000'} }, $pos;
198                            }
199    
200                            my $ds = $n->data_structure($row);
201    
202                            $est->add(
203                                    id => $input->{name} . "/" . $mfn,
204                                    ds => $ds,
205                                    type => $config->{hyperestraier}->{type},
206                            );
207    
208                            $total_rows++;
209                    }
210    
211          };          };
212    
213          $log->info("$total_rows records indexed");          my $dt = time() - $start_t;
214            $log->info("$total_rows records indexed in " .
215                    sprintf("%.2f sec [%.2f rec/sec]",
216                            $dt, ($total_rows / $dt)
217                    )
218            );
219    
220            #
221            # add Hyper Estraier links to other databases
222            #
223            if (ref($db_config->{links}) eq 'ARRAY') {
224                    foreach my $link (@{ $db_config->{links} }) {
225                            $log->info("adding link $database -> $link->{to} [$link->{credit}]");
226                            $est->add_link(
227                                    from => $database,
228                                    to => $link->{to},
229                                    credit => $link->{credit},
230                            );
231                    }
232            }
233    
234  }  }
235    
Legend:
Removed from v.210  
changed lines
  Added in v.423
  ViewVC Help
Powered by ViewVC 1.1.26