/[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!

Diff of /trunk/run.pl

Parent Directory | Revision Log | View Patch Patch

-revision 210 by dpavlin,
Mon Dec  5 17:47:04 2005 UTC
+revision 434 by dpavlin,
Mon Apr 17 16:50:53 2006 UTC
 Line 7 
 use File::Temp qw/tempdir/;
  use Data::Dumper;
  use lib './lib';
+ use WebPAC::Common 0.02;
  use WebPAC::Lookup;
- use WebPAC::Input::ISIS;
+ use WebPAC::Input 0.03;
  use WebPAC::Store 0.03;
  use WebPAC::Normalize::XML;
  use WebPAC::Output::TT;
- use WebPAC::Output::Estraier 0.02;
  use YAML qw/LoadFile/;
- use LWP::Simple;
+ use Getopt::Long;
+ use File::Path;
+ use Time::HiRes qw/time/;
- my $limit = shift @ARGV;
+ =head1 NAME
- my $config = LoadFile('conf/config.yml');
+ run.pl - start WebPAC indexing
- print "config = ",Dumper($config);
+ B<this command will probably go away. Don't get used to it!>
- die "no databases in config file!\n" unless ($config->{databases});
+ Options:
- while (my ($database, $db_config) = each %{ $config->{databases} }) {
+ =over 4
-         my $type = lc($db_config->{input}->{type});
+ =item --offset 42
-         die "I know only how to handle input type isis, not '$type'!\n" unless ($type eq 'isis');
+ start loading (all) databases at offset 42
-         my $abs_path = abs_path($0);
+ =item --limit 100
-         $abs_path =~ s#/[^/]*$#/#;
-         my $lookup = new WebPAC::Lookup(
+ limit loading to 100 records
-                 lookup_file => $db_config->{input}->{lookup},
-         );
-         my $db_path = $config->{webpac}->{db_path} . '/' . $database;
+ =item --clean
+ remove database and Hyper Estraier index before indexing
-         my $log = $lookup->_get_logger;
+ =item --only=database_name
-         $log->info("working on $database in $db_path");
-         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},
-         );
-         my $maxmfn = $isis->open(
+ =item --config conf/config.yml
-                 filename => $db_config->{input}->{path},
-                 code_page => $db_config->{input}->{encoding},   # database encoding
-         );
-         my $path = './db/';
+ path to YAML configuration file
-         my $db = new WebPAC::Store(
+ =back
-                 path => $db_path,
-         );
-         my $n = new WebPAC::Normalize::XML(
+ =cut
-         #       filter => { 'foo' => sub { shift } },
-                 db => $db,
-                 lookup_regex => $lookup->regex,
-                 lookup => $lookup,
-         );
-         $n->open(
+ my $offset;
-                 tag => $db_config->{normalize}->{tag},
+ my $limit;
-                 xml_file => $db_config->{normalize}->{path},
-         );
-         my $out = new WebPAC::Output::TT(
+ my $clean = 0;
-                 include_path => $config->{webpac}->{template_path},
+ my $config = 'conf/config.yml';
-                 filters => { foo => sub { shift } },
+ my $debug = 0;
-         );
+ my $only_db_name;
-         my $est_config = $config->{hyperestraier} || $log->logdie("can't find 'hyperestraier' part in confguration");
+ GetOptions(
-         $est_config->{database} = $database;
+         "limit=i" => \$limit,
+         "offset=i" => \$offset,
+         "clean" => \$clean,
+         "one=s" => \$only_db_name,
+         "only=s" => \$only_db_name,
+         "config" => \$config,
+         "debug" => \$debug,
+ );
-         $log->info("using HyperEstraier URL $est_config->{url}");
+ $config = LoadFile($config);
-         my $est = new WebPAC::Output::Estraier(
+ print "config = ",Dumper($config) if ($debug);
-                 %{ $est_config },
-         );
-         my $total_rows = 0;
+ die "no databases in config file!\n" unless ($config->{databases});
+ my $log = _new WebPAC::Common()->_get_logger();
+ my $use_indexer = $config->{use_indexer} || 'hyperestraier';
+ $log->info("using $use_indexer indexing engine...");
+ my $total_rows = 0;
+ my $start_t = time();
+ while (my ($database, $db_config) = each %{ $config->{databases} }) {
+         next if ($only_db_name && $database !~ m/$only_db_name/i);
-         for ( 0 ... $isis->size ) {
+         my $indexer;
-                 my $row = $isis->fetch || next;
+         my $indexer_config = $config->{$use_indexer} || $log->logdie("can't find '$use_indexer' part in confguration");
+         $indexer_config->{database} = $database;
+         $indexer_config->{clean} = $clean;
+         $indexer_config->{label} = $db_config->{name};
-                 my $mfn = $row->{'000'}->[0] || die "can't find MFN";
+         # important: clean database just once!
+         $clean = 0;
-                 my $ds = $n->data_structure($row);
+         if ($use_indexer eq 'hyperestraier') {
-         #       print STDERR Dumper($row, $ds);
+                 # open Hyper Estraier database
+                 use WebPAC::Output::Estraier '0.10';
+                 $indexer = new WebPAC::Output::Estraier( %{ $indexer_config } );
+         } elsif ($use_indexer eq 'kinosearch') {
+                 # open KinoSearch
+                 use WebPAC::Output::KinoSearch;
+                 $indexer_config->{clean} = 1 unless (-e $indexer_config->{index_path});
+                 $indexer = new WebPAC::Output::KinoSearch( %{ $indexer_config } );
+         } else {
+                 $log->logdie("unknown use_indexer: $use_indexer");
+         }
+         $log->logide("can't continue without valid indexer") unless ($indexer);
-         #       my $html = $out->apply(
-         #               template => 'html_ffzg.tt',
-         #               data => $ds,
-         #       );
          #
-         #       # create test output
+         # now WebPAC::Store
          #
-         #       my $file = sprintf('out/%02d.html', $mfn );
+         my $abs_path = abs_path($0);
-         #       open(my $fh, '>', $file) or die "can't open $file: $!";
+         $abs_path =~ s#/[^/]*$#/#;
-         #       print $fh $html;
-         #       close($fh);
+         my $db_path = $config->{webpac}->{db_path} . '/' . $database;
+         if ($clean) {
+                 $log->info("creating new database $database in $db_path");
+                 rmtree( $db_path ) || $log->warn("can't remove $db_path: $!");
+         } else {
+                 $log->debug("working on $database in $db_path");
+         }
+         my $db = new WebPAC::Store(
+                 path => $db_path,
+                 database => $database,
+                 debug => $debug,
+         );
          #
-         #       $html =~ s#\s*[\n\r]+\s*##gs;
+         # now, iterate through input formats
          #
-         #       print STDERR $html;
-                 $est->add(
+         my @inputs;
-                         id => $mfn,
+         if (ref($db_config->{input}) eq 'ARRAY') {
-                         ds => $ds,
+                 @inputs = @{ $db_config->{input} };
-                         type => $config->{hyperestraier}->{type},
+         } elsif ($db_config->{input}) {
+                 push @inputs, $db_config->{input};
+         } else {
+                 $log->info("database $database doesn't have inputs defined");
+         }
+         my @supported_inputs = keys %{ $config->{webpac}->{inputs} };
+         foreach my $input (@inputs) {
+                 my $type = lc($input->{type});
+                 die "I know only how to handle input types ", join(",", @supported_inputs), " not '$type'!\n" unless (grep(/$type/, @supported_inputs));
+                 my $lookup = new WebPAC::Lookup(
+                         lookup_file => $input->{lookup},
+                 );
+                 my $input_module = $config->{webpac}->{inputs}->{$type};
+                 $log->info("working on input '$input->{path}' [$input->{type}] using $input_module lookup '$input->{lookup}'");
+                 my $input_db = new WebPAC::Input(
+                         module => $input_module,
+                         code_page => $config->{webpac}->{webpac_encoding},
+                         limit => $limit || $input->{limit},
+                         offset => $offset,
+                         lookup => $lookup,
+                         recode => $input->{recode},
+                 );
+                 $log->logdie("can't create input using $input_module") unless ($input);
+                 my $maxmfn = $input_db->open(
+                         path => $input->{path},
+                         code_page => $input->{encoding},        # database encoding
                  );
-                 $total_rows++;
+                 my $n = new WebPAC::Normalize::XML(
+                 #       filter => { 'foo' => sub { shift } },
+                         db => $db,
+                         lookup_regex => $lookup->regex,
+                         lookup => $lookup,
+                         prefix => $input->{name},
+                 );
+                 my $normalize_path = $input->{normalize}->{path};
+                 if ($normalize_path =~ m/\.xml$/i) {
+                         $n->open(
+                                 tag => $input->{normalize}->{tag},
+                                 xml_file => $input->{normalize}->{path},
+                         );
+                 } elsif ($normalize_path =~ m/\.(?:yml|yaml)$/i) {
+                         $n->open_yaml(
+                                 path => $normalize_path,
+                                 tag => $input->{normalize}->{tag},
+                         );
+                 }
+                 foreach my $pos ( 0 ... $input_db->size ) {
+                         my $row = $input_db->fetch || next;
+                         my $mfn = $row->{'000'}->[0];
+                         if (! $mfn || $mfn !~ m#^\d+$#) {
+                                 $log->warn("record $pos doesn't have valid MFN but '$mfn', using $pos");
+                                 $mfn = $pos;
+                                 push @{ $row->{'000'} }, $pos;
+                         }
+                         my $ds = $n->data_structure($row);
+                         $indexer->add(
+                                 id => $input->{name} . "/" . $mfn,
+                                 ds => $ds,
+                                 type => $config->{$use_indexer}->{type},
+                         );
+                         $total_rows++;
+                 }
          };
-         $log->info("$total_rows records indexed");
+         eval { $indexer->finish } if ($indexer->can('finish'));
+         my $dt = time() - $start_t;
+         $log->info("$total_rows records indexed in " .
+                 sprintf("%.2f sec [%.2f rec/sec]",
+                         $dt, ($total_rows / $dt)
+                 )
+         );
+         #
+         # add Hyper Estraier links to other databases
+         #
+         if (ref($db_config->{links}) eq 'ARRAY') {
+                 foreach my $link (@{ $db_config->{links} }) {
+                         if ($use_indexer eq 'hyperestraier') {
+                                 $log->info("adding link $database -> $link->{to} [$link->{credit}]");
+                                 $indexer->add_link(
+                                         from => $database,
+                                         to => $link->{to},
+                                         credit => $link->{credit},
+                                 );
+                         } else {
+                                 $log->warn("NOT IMPLEMENTED WITH $use_indexer: adding link $database -> $link->{to} [$link->{credit}]");
+                         }
+                 }
+         }
  }

 Legend:



Removed from v.210
 


changed lines


 
Added in v.434
 Legend:



Removed from v.210
 


changed lines


 
Added in v.434
-Removed from v.210
+Added in v.434

	ViewVC Help
Powered by ViewVC 1.1.26