/[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 213 by dpavlin, Mon Dec 5 17:47:23 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 0.02;  
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    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    Options:
30    
31    =over 4
32    
33    =item --offset 42
34    
35    start loading (all) databases at offset 42
36    
37    =item --limit 100
38    
39    limit loading to 100 records
40    
41    =item --clean
42    
43    remove database and Hyper Estraier index before indexing
44    
45    =item --only=database_name
46    
47    reindex just single database (legacy name is --one)
48    
49    =item --config conf/config.yml
50    
51    path to YAML configuration file
52    
53    =item --force-set
54    
55    force conversion C<normalize->path> in C<config.yml> from
56    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 ($config->{databases});  die "no databases in config file!\n" unless ($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 %{ $config->{databases} }) {  while (my ($database, $db_config) = each %{ $config->{databases} }) {
97    
98          my $type = lc($db_config->{input}->{type});          next if ($only_db_name && $database !~ m/$only_db_name/i);
99    
100          die "I know only how to handle input type isis, not '$type'!\n" unless ($type eq 'isis');          my $indexer;
101    
102          my $abs_path = abs_path($0);          my $indexer_config = $config->{$use_indexer} || $log->logdie("can't find '$use_indexer' part in confguration");
103          $abs_path =~ s#/[^/]*$#/#;          $indexer_config->{database} = $database;
104            $indexer_config->{clean} = $clean;
105            $indexer_config->{label} = $db_config->{name};
106    
107            # important: clean database just once!
108            $clean = 0;
109    
110            if ($use_indexer eq 'hyperestraier') {
111    
112                    # 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                    # 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          my $lookup = new WebPAC::Lookup(          } else {
124                  lookup_file => $db_config->{input}->{lookup},                  $log->logdie("unknown use_indexer: $use_indexer");
125          );          }
126    
127          my $db_path = $config->{webpac}->{db_path} . '/' . $database;          $log->logide("can't continue without valid indexer") unless ($indexer);
128    
129            #
130            # now WebPAC::Store
131            #
132            my $abs_path = abs_path($0);
133            $abs_path =~ s#/[^/]*$#/#;
134    
135          my $log = $lookup->_get_logger;          my $db_path = $config->{webpac}->{db_path} . '/' . $database;
         $log->info("working on $database in $db_path");  
136    
137          my $path = './db/';          if ($clean) {
138                    $log->info("creating new database $database in $db_path");
139                    rmtree( $db_path ) || $log->warn("can't remove $db_path: $!");
140            } else {
141                    $log->debug("working on $database in $db_path");
142            }
143    
144          my $db = new WebPAC::Store(          my $db = new WebPAC::Store(
145                  path => $db_path,                  path => $db_path,
146                    database => $database,
147                    debug => $debug,
148          );          );
149    
         my $est_config = $config->{hyperestraier} || $log->logdie("can't find 'hyperestraier' part in confguration");  
         $est_config->{database} = $database;  
   
         $log->info("using HyperEstraier URL $est_config->{masterurl}");  
   
         my $est = new WebPAC::Output::Estraier(  
                 %{ $est_config },  
         );  
150    
151          #          #
152          # now, iterate through input formats          # now, iterate through input formats
# Line 67  while (my ($database, $db_config) = each Line 155  while (my ($database, $db_config) = each
155          my @inputs;          my @inputs;
156          if (ref($db_config->{input}) eq 'ARRAY') {          if (ref($db_config->{input}) eq 'ARRAY') {
157                  @inputs = @{ $db_config->{input} };                  @inputs = @{ $db_config->{input} };
158          } else {          } elsif ($db_config->{input}) {
159                  push @inputs, $db_config->{input};                  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) {          foreach my $input (@inputs) {
                 $log->info("working on input $input->{path} [$input->{type}]");  
167    
168                  my $isis = new WebPAC::Input::ISIS(                  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},                          code_page => $config->{webpac}->{webpac_encoding},
183                          limit_mfn => $input->{limit},                          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 = $isis->open(                  my $maxmfn = $input_db->open(
191                          filename => $input->{path},                          path => $input->{path},
192                          code_page => $input->{encoding},        # database encoding                          code_page => $input->{encoding},        # database encoding
193                  );                  );
194    
# Line 89  while (my ($database, $db_config) = each Line 197  while (my ($database, $db_config) = each
197                          db => $db,                          db => $db,
198                          lookup_regex => $lookup->regex,                          lookup_regex => $lookup->regex,
199                          lookup => $lookup,                          lookup => $lookup,
200                            prefix => $input->{name},
201                  );                  );
202    
203                  $n->open(                  my $rules;
204                          tag => $input->{normalize}->{tag},                  my $normalize_path = $input->{normalize}->{path};
205                          xml_file => $input->{normalize}->{path},  
206                  );                  if ($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                  for ( 0 ... $isis->size ) {                  foreach my $pos ( 0 ... $input_db->size ) {
234    
235                          my $row = $isis->fetch || next;                          my $row = $input_db->fetch || next;
236    
237                          my $mfn = $row->{'000'}->[0] || die "can't find MFN";                          my $mfn = $row->{'000'}->[0];
238    
239                          my $ds = $n->data_structure($row);                          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                          $est->add(                          $indexer->add(
253                                  id => $input->{name} . "#" . $mfn,                                  id => $input->{name} . "/" . $mfn,
254                                  ds => $ds,                                  ds => $ds,
255                                  type => $config->{hyperestraier}->{type},                                  type => $config->{$use_indexer}->{type},
256                          );                          );
257    
258                          $total_rows++;                          $total_rows++;
# Line 115  while (my ($database, $db_config) = each Line 260  while (my ($database, $db_config) = each
260    
261          };          };
262    
263          $log->info("$total_rows records indexed");          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  }  }
291    
Legend:
Removed from v.213  
changed lines
  Added in v.493
  ViewVC Help
Powered by ViewVC 1.1.26