/[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 209 by dpavlin, Mon Dec 5 17:46:57 2005 UTC revision 493 by dpavlin, Sun May 14 13:42:48 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::Normalize::Set;
16  use WebPAC::Output::TT;  use WebPAC::Output::TT;
 use WebPAC::Output::Estraier;  
17  use YAML qw/LoadFile/;  use YAML qw/LoadFile/;
18    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  my $type = lc($config->{input}->{type});  Options:
30    
31  die "I know only how to handle input type isis, not '$type'!\n" unless ($type eq 'isis');  =over 4
32    
33  my $abs_path = abs_path($0);  =item --offset 42
 $abs_path =~ s#/[^/]*$#/#;  
34    
35  my $lookup = new WebPAC::Lookup(  start loading (all) databases at offset 42
         lookup_file => $config->{input}->{lookup},  
 );  
36    
37    =item --limit 100
38    
39    limit loading to 100 records
40    
41  my $isis = new WebPAC::Input::ISIS(  =item --clean
         code_page => $config->{webpac}->{webpac_encoding},  
         limit_mfn => $config->{input}->{limit},  
 );  
42    
43  my $maxmfn = $isis->open(  remove database and Hyper Estraier index before indexing
         filename => $config->{input}->{path},  
         code_page => $config->{input}->{encoding},      # database encoding  
 );  
44    
45  my $path = './db/';  =item --only=database_name
46    
47  my $db = new WebPAC::Store(  reindex just single database (legacy name is --one)
         path => $config->{webpac}->{db_path},  
 );  
48    
49  my $n = new WebPAC::Normalize::XML(  =item --config conf/config.yml
 #       filter => { 'foo' => sub { shift } },  
         db => $db,  
         lookup_regex => $lookup->regex,  
         lookup => $lookup,  
 );  
50    
51  $n->open(  path to YAML configuration file
         tag => $config->{normalize}->{tag},  
         xml_file => $config->{normalize}->{path},  
 );  
52    
53  my $out = new WebPAC::Output::TT(  =item --force-set
         include_path => $config->{webpac}->{template_path},  
         filters => { foo => sub { shift } },  
 );  
54    
55  my $est = new WebPAC::Output::Estraier(  force conversion C<normalize->path> in C<config.yml> from
56          %{ $config->{hyperestraier} }  C<.xml> to C<.pl>
57    
58    =back
59    
60    =cut
61    
62    my $offset;
63    my $limit;
64    
65    my $clean = 0;
66    my $config = 'conf/config.yml';
67    my $debug = 0;
68    my $only_db_name;
69    my $force_set = 0;
70    
71    GetOptions(
72            "limit=i" => \$limit,
73            "offset=i" => \$offset,
74            "clean" => \$clean,
75            "one=s" => \$only_db_name,
76            "only=s" => \$only_db_name,
77            "config" => \$config,
78            "debug" => \$debug,
79            "force-set" => \$force_set,
80  );  );
81    
82    $config = LoadFile($config);
83    
84    print "config = ",Dumper($config) if ($debug);
85    
86    die "no databases in config file!\n" unless ($config->{databases});
87    
88    my $log = _new WebPAC::Common()->_get_logger();
89    
90    my $use_indexer = $config->{use_indexer} || 'hyperestraier';
91    $log->info("using $use_indexer indexing engine...");
92    
93  my $total_rows = 0;  my $total_rows = 0;
94    my $start_t = time();
95    
96    while (my ($database, $db_config) = each %{ $config->{databases} }) {
97    
98            next if ($only_db_name && $database !~ m/$only_db_name/i);
99    
100            my $indexer;
101    
102            my $indexer_config = $config->{$use_indexer} || $log->logdie("can't find '$use_indexer' part in confguration");
103            $indexer_config->{database} = $database;
104            $indexer_config->{clean} = $clean;
105            $indexer_config->{label} = $db_config->{name};
106    
107  for ( 0 ... $isis->size ) {          # important: clean database just once!
108            $clean = 0;
109    
110          my $row = $isis->fetch || next;          if ($use_indexer eq 'hyperestraier') {
111    
112          my $mfn = $row->{'000'}->[0] || die "can't find MFN";                  # open Hyper Estraier database
113                    use WebPAC::Output::Estraier '0.10';
114                    $indexer = new WebPAC::Output::Estraier( %{ $indexer_config } );
115            
116            } elsif ($use_indexer eq 'kinosearch') {
117    
118          my $ds = $n->data_structure($row);                  # open KinoSearch
119                    use WebPAC::Output::KinoSearch;
120                    $indexer_config->{clean} = 1 unless (-e $indexer_config->{index_path});
121                    $indexer = new WebPAC::Output::KinoSearch( %{ $indexer_config } );
122    
123  #       print STDERR Dumper($row, $ds);          } else {
124                    $log->logdie("unknown use_indexer: $use_indexer");
125  #       my $html = $out->apply(          }
126  #               template => 'html_ffzg.tt',  
127  #               data => $ds,          $log->logide("can't continue without valid indexer") unless ($indexer);
128  #       );  
129  #          #
130  #       # create test output          # now WebPAC::Store
131  #          #
132  #       my $file = sprintf('out/%02d.html', $mfn );          my $abs_path = abs_path($0);
133  #       open(my $fh, '>', $file) or die "can't open $file: $!";          $abs_path =~ s#/[^/]*$#/#;
134  #       print $fh $html;  
135  #       close($fh);          my $db_path = $config->{webpac}->{db_path} . '/' . $database;
136  #  
137  #       $html =~ s#\s*[\n\r]+\s*##gs;          if ($clean) {
138  #                  $log->info("creating new database $database in $db_path");
139  #       print STDERR $html;                  rmtree( $db_path ) || $log->warn("can't remove $db_path: $!");
140            } else {
141          $est->add(                  $log->debug("working on $database in $db_path");
142                  id => $mfn,          }
143                  ds => $ds,  
144                  type => $config->{hyperestraier}->{type},          my $db = new WebPAC::Store(
145                    path => $db_path,
146                    database => $database,
147                    debug => $debug,
148          );          );
149    
         $total_rows++;  
150    
151  };          #
152            # now, iterate through input formats
153            #
154    
155            my @inputs;
156            if (ref($db_config->{input}) eq 'ARRAY') {
157                    @inputs = @{ $db_config->{input} };
158            } elsif ($db_config->{input}) {
159                    push @inputs, $db_config->{input};
160            } else {
161                    $log->info("database $database doesn't have inputs defined");
162            }
163    
164            my @supported_inputs = keys %{ $config->{webpac}->{inputs} };
165    
166            foreach my $input (@inputs) {
167    
168                    my $type = lc($input->{type});
169    
170                    die "I know only how to handle input types ", join(",", @supported_inputs), " not '$type'!\n" unless (grep(/$type/, @supported_inputs));
171    
172                    my $lookup = new WebPAC::Lookup(
173                            lookup_file => $input->{lookup},
174                    );
175    
176                    my $input_module = $config->{webpac}->{inputs}->{$type};
177    
178                    $log->info("working on input '$input->{path}' [$input->{type}] using $input_module lookup '$input->{lookup}'");
179    
180                    my $input_db = new WebPAC::Input(
181                            module => $input_module,
182                            code_page => $config->{webpac}->{webpac_encoding},
183                            limit => $limit || $input->{limit},
184                            offset => $offset,
185                            lookup => $lookup,
186                            recode => $input->{recode},
187                    );
188                    $log->logdie("can't create input using $input_module") unless ($input);
189    
190                    my $maxmfn = $input_db->open(
191                            path => $input->{path},
192                            code_page => $input->{encoding},        # database encoding
193                    );
194    
195                    my $n = new WebPAC::Normalize::XML(
196                    #       filter => { 'foo' => sub { shift } },
197                            db => $db,
198                            lookup_regex => $lookup->regex,
199                            lookup => $lookup,
200                            prefix => $input->{name},
201                    );
202    
203                    my $rules;
204                    my $normalize_path = $input->{normalize}->{path};
205    
206                    if ($force_set) {
207                            my $new_norm_path = $normalize_path;
208                            $new_norm_path =~ s/\.xml$/.pl/;
209                            if (-e $new_norm_path) {
210                                    $log->debug("--force-set replaced $normalize_path with $new_norm_path");
211                                    $normalize_path = $new_norm_path;
212                            } else {
213                                    $log->debug("--force-set failed on $new_norm_path, fallback to $normalize_path");
214                            }
215                    }
216    
217                    if ($normalize_path =~ m/\.xml$/i) {
218                            $n->open(
219                                    tag => $input->{normalize}->{tag},
220                                    xml_file => $normalize_path,
221                            );
222                    } elsif ($normalize_path =~ m/\.(?:yml|yaml)$/i) {
223                            $n->open_yaml(
224                                    path => $normalize_path,
225                                    tag => $input->{normalize}->{tag},
226                            );
227                    } elsif ($normalize_path =~ m/\.(?:pl)$/i) {
228                            $n = undef;
229                            $log->info("using WebPAC::Normalize::Set to process $normalize_path");
230                            $rules = read_file( $normalize_path ) or die "can't open $normalize_path: $!";
231                    }
232    
233                    foreach my $pos ( 0 ... $input_db->size ) {
234    
235                            my $row = $input_db->fetch || next;
236    
237                            my $mfn = $row->{'000'}->[0];
238    
239                            if (! $mfn || $mfn !~ m#^\d+$#) {
240                                    $log->warn("record $pos doesn't have valid MFN but '$mfn', using $pos");
241                                    $mfn = $pos;
242                                    push @{ $row->{'000'} }, $pos;
243                            }
244    
245                            my $ds = $n ? $n->data_structure($row) :
246                                    WebPAC::Normalize::Set::data_structure(
247                                            row => $row,
248                                            rules => $rules,
249                                            lookup => $lookup->lookup_hash,
250                                    );
251    
252                            $indexer->add(
253                                    id => $input->{name} . "/" . $mfn,
254                                    ds => $ds,
255                                    type => $config->{$use_indexer}->{type},
256                            );
257    
258                            $total_rows++;
259                    }
260    
261            };
262    
263            eval { $indexer->finish } if ($indexer->can('finish'));
264    
265            my $dt = time() - $start_t;
266            $log->info("$total_rows records indexed in " .
267                    sprintf("%.2f sec [%.2f rec/sec]",
268                            $dt, ($total_rows / $dt)
269                    )
270            );
271    
272            #
273            # add Hyper Estraier links to other databases
274            #
275            if (ref($db_config->{links}) eq 'ARRAY') {
276                    foreach my $link (@{ $db_config->{links} }) {
277                            if ($use_indexer eq 'hyperestraier') {
278                                    $log->info("adding link $database -> $link->{to} [$link->{credit}]");
279                                    $indexer->add_link(
280                                            from => $database,
281                                            to => $link->{to},
282                                            credit => $link->{credit},
283                                    );
284                            } else {
285                                    $log->warn("NOT IMPLEMENTED WITH $use_indexer: adding link $database -> $link->{to} [$link->{credit}]");
286                            }
287                    }
288            }
289    
290  my $log = $lookup->_get_logger;  }
291    
 $log->info("$total_rows records indexed");  
Legend:
Removed from v.209  
changed lines
  Added in v.493
  ViewVC Help
Powered by ViewVC 1.1.26