/[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 74 by dpavlin, Sun Nov 20 20:13:39 2005 UTC revision 431 by dpavlin, Mon Apr 17 15:10:04 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::DB;  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;  use YAML qw/LoadFile/;
17    use Getopt::Long;
18    use File::Path;
19    use Time::HiRes qw/time/;
20    
21  my $abs_path = abs_path($0);  =head1 NAME
 $abs_path =~ s#/[^/]*$#/#;  
22    
23  my $isis_file = '/data/isis_data/ps/LIBRI/LIBRI';  run.pl - start WebPAC indexing
24    
25  my $lookup = new WebPAC::Lookup(  B<this command will probably go away. Don't get used to it!>
         lookup_file => "$abs_path/conf/lookup/isis.pm",  
 );  
26    
27  my $isis = new WebPAC::Input::ISIS(  Options:
         code_page => 'ISO-8859-2',      # application encoding  
         limit_mfn => 50,  
 );  
28    
29  my $maxmfn = $isis->open(  =over 4
         filename => $isis_file,  
         code_page => '852',             # database encoding  
 );  
30    
31  my $path = './db/';  =item --offset 42
32    
33  my $db = new WebPAC::DB(  start loading (all) databases at offset 42
         path => $path,  
 );  
34    
35  my $n = new WebPAC::Normalize::XML(  =item --limit 100
 #       filter => { 'foo' => sub { shift } },  
         db => $db,  
         lookup_regex => $lookup->regex,  
         lookup => $lookup,  
 );  
36    
37  $n->open(  limit loading to 100 records
         tag => 'isis',  
         xml_file => "$abs_path/conf/normalize/isis_ffzg.xml",  
 );  
38    
39  my $out = new WebPAC::Output::TT(  =item --clean
40          include_path => "$abs_path/conf/output/tt",  
41          filters => { foo => sub { shift } },  remove database and Hyper Estraier index before indexing
42  );  
43    =item --only=database_name
44    
45    reindex just single database (legacy name is --one)
46    
47    =item --config conf/config.yml
48    
49    path to YAML configuration file
50    
51    =back
52    
53    =cut
54    
55    my $offset;
56    my $limit;
57    
58    my $clean = 0;
59    my $config = 'conf/config.yml';
60    my $debug = 0;
61    my $only_db_name;
62    
63  my $est = new WebPAC::Output::Estraier(  GetOptions(
64          url => 'http://localhost:1978/node/webpac2',          "limit=i" => \$limit,
65          user => 'admin',          "offset=i" => \$offset,
66          passwd => 'admin',          "clean" => \$clean,
67          database => 'ps',          "one=s" => \$only_db_name,
68            "only=s" => \$only_db_name,
69            "config" => \$config,
70            "debug" => \$debug,
71  );  );
72    
73  while (my $row = $isis->fetch) {  $config = LoadFile($config);
74    
75          my $mfn = $row->{'000'}->[0] || die "can't find MFN";  print "config = ",Dumper($config) if ($debug);
76    
77          my $ds = $n->data_structure($row);  die "no databases in config file!\n" unless ($config->{databases});
78    
79  #       print STDERR Dumper($row, $ds);  my $log = _new WebPAC::Common()->_get_logger();
80    
81          my $html = $out->apply(  my $use_indexer = $config->{use_indexer} || 'hyperestraier';
82                  template => 'html_ffzg.tt',  $log->info("using $use_indexer indexing engine...");
83                  data => $ds,  
84          );  my $total_rows = 0;
85    my $start_t = time();
86    
87    while (my ($database, $db_config) = each %{ $config->{databases} }) {
88    
89            next if ($only_db_name && $database !~ m/$only_db_name/i);
90    
91            my $indexer;
92    
93            my $indexer_config = $config->{$use_indexer} || $log->logdie("can't find '$use_indexer' part in confguration");
94            $indexer_config->{database} = $database;
95            $indexer_config->{clean} = $clean;
96            $indexer_config->{label} = $db_config->{name};
97    
98            if ($use_indexer eq 'hyperestraier') {
99    
100                    # open Hyper Estraier database
101                    use WebPAC::Output::Estraier '0.10';
102                    $indexer = new WebPAC::Output::Estraier( %{ $indexer_config } );
103            
104            } elsif ($use_indexer eq 'kinosearch') {
105    
106          # create test output                  # open KinoSearch
107                    use WebPAC::Output::KinoSearch;
108                    $indexer = new WebPAC::Output::KinoSearch( %{ $indexer_config } );
109    
110          my $file = sprintf('out/%02d.html', $mfn );          } else {
111          open(my $fh, '>', $file) or die "can't open $file: $!";                  $log->logdie("unknown use_indexer: $use_indexer");
112          print $fh $html;          }
         close($fh);  
113    
114          $html =~ s#\s*[\n\r]+\s*##gs;          $log->logide("can't continue without valid indexer") unless ($indexer);
115    
116  #       print STDERR $html;          #
117            # now WebPAC::Store
118            #
119            my $abs_path = abs_path($0);
120            $abs_path =~ s#/[^/]*$#/#;
121    
122          $est->add(          my $db_path = $config->{webpac}->{db_path} . '/' . $database;
123                  id => $mfn,  
124                  ds => $ds,          if ($clean) {
125                  type => 'search',                  $log->info("creating new database $database in $db_path");
126                    rmtree( $db_path ) || $log->warn("can't remove $db_path: $!");
127            } else {
128                    $log->debug("working on $database in $db_path");
129            }
130    
131            my $db = new WebPAC::Store(
132                    path => $db_path,
133                    database => $database,
134                    debug => $debug,
135          );          );
136    
137  };  
138            #
139            # now, iterate through input formats
140            #
141    
142            my @inputs;
143            if (ref($db_config->{input}) eq 'ARRAY') {
144                    @inputs = @{ $db_config->{input} };
145            } elsif ($db_config->{input}) {
146                    push @inputs, $db_config->{input};
147            } else {
148                    $log->info("database $database doesn't have inputs defined");
149            }
150    
151            my @supported_inputs = keys %{ $config->{webpac}->{inputs} };
152    
153            foreach my $input (@inputs) {
154    
155                    my $type = lc($input->{type});
156    
157                    die "I know only how to handle input types ", join(",", @supported_inputs), " not '$type'!\n" unless (grep(/$type/, @supported_inputs));
158    
159                    my $lookup = new WebPAC::Lookup(
160                            lookup_file => $input->{lookup},
161                    );
162    
163                    my $input_module = $config->{webpac}->{inputs}->{$type};
164    
165                    $log->info("working on input '$input->{path}' [$input->{type}] using $input_module lookup '$input->{lookup}'");
166    
167                    my $input_db = new WebPAC::Input(
168                            module => $input_module,
169                            code_page => $config->{webpac}->{webpac_encoding},
170                            limit => $limit || $input->{limit},
171                            offset => $offset,
172                            lookup => $lookup,
173                            recode => $input->{recode},
174                    );
175                    $log->logdie("can't create input using $input_module") unless ($input);
176    
177                    my $maxmfn = $input_db->open(
178                            path => $input->{path},
179                            code_page => $input->{encoding},        # database encoding
180                    );
181    
182                    my $n = new WebPAC::Normalize::XML(
183                    #       filter => { 'foo' => sub { shift } },
184                            db => $db,
185                            lookup_regex => $lookup->regex,
186                            lookup => $lookup,
187                            prefix => $input->{name},
188                    );
189    
190                    my $normalize_path = $input->{normalize}->{path};
191    
192                    if ($normalize_path =~ m/\.xml$/i) {
193                            $n->open(
194                                    tag => $input->{normalize}->{tag},
195                                    xml_file => $input->{normalize}->{path},
196                            );
197                    } elsif ($normalize_path =~ m/\.(?:yml|yaml)$/i) {
198                            $n->open_yaml(
199                                    path => $normalize_path,
200                                    tag => $input->{normalize}->{tag},
201                            );
202                    }
203    
204                    foreach my $pos ( 0 ... $input_db->size ) {
205    
206                            my $row = $input_db->fetch || next;
207    
208                            my $mfn = $row->{'000'}->[0];
209    
210                            if (! $mfn || $mfn !~ m#^\d+$#) {
211                                    $log->warn("record $pos doesn't have valid MFN but '$mfn', using $pos");
212                                    $mfn = $pos;
213                                    push @{ $row->{'000'} }, $pos;
214                            }
215    
216                            my $ds = $n->data_structure($row);
217    
218                            $indexer->add(
219                                    id => $input->{name} . "/" . $mfn,
220                                    ds => $ds,
221                                    type => $config->{$use_indexer}->{type},
222                            );
223    
224                            $total_rows++;
225                    }
226    
227            };
228    
229            my $dt = time() - $start_t;
230            $log->info("$total_rows records indexed in " .
231                    sprintf("%.2f sec [%.2f rec/sec]",
232                            $dt, ($total_rows / $dt)
233                    )
234            );
235    
236            #
237            # add Hyper Estraier links to other databases
238            #
239            if (ref($db_config->{links}) eq 'ARRAY') {
240                    foreach my $link (@{ $db_config->{links} }) {
241                            if ($use_indexer eq 'hyperestraier') {
242                                    $log->info("adding link $database -> $link->{to} [$link->{credit}]");
243                                    $indexer->add_link(
244                                            from => $database,
245                                            to => $link->{to},
246                                            credit => $link->{credit},
247                                    );
248                            } else {
249                                    $log->warn("NOT IMPLEMENTED WITH $use_indexer: adding link $database -> $link->{to} [$link->{credit}]");
250                            }
251                    }
252            }
253    
254    }
255    
Legend:
Removed from v.74  
changed lines
  Added in v.431
  ViewVC Help
Powered by ViewVC 1.1.26