/[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 508 by dpavlin, Mon May 15 13:32:18 2006 UTC revision 559 by dpavlin, Sun Jul 2 12:42:02 2006 UTC
# Line 4  use strict; Line 4  use strict;
4    
5  use Cwd qw/abs_path/;  use Cwd qw/abs_path/;
6  use File::Temp qw/tempdir/;  use File::Temp qw/tempdir/;
 use Data::Dumper;  
7  use lib './lib';  use lib './lib';
8    
9  use WebPAC::Common 0.02;  use WebPAC::Common 0.02;
10  use WebPAC::Lookup;  use WebPAC::Lookup;
11  use WebPAC::Input 0.03;  use WebPAC::Input 0.03;
12  use WebPAC::Store 0.03;  use WebPAC::Store 0.03;
13  use WebPAC::Normalize::XML;  use WebPAC::Normalize;
 use WebPAC::Normalize::Set;  
14  use WebPAC::Output::TT;  use WebPAC::Output::TT;
15    use WebPAC::Validate;
16  use YAML qw/LoadFile/;  use YAML qw/LoadFile/;
17  use Getopt::Long;  use Getopt::Long;
18  use File::Path;  use File::Path;
19  use Time::HiRes qw/time/;  use Time::HiRes qw/time/;
20  use File::Slurp;  use File::Slurp;
21    use MARC::Record 2.0;   # need 2.0 for utf-8 encoding see marcpm.sf.net
22    use MARC::Lint;
23    use Data::Dump qw/dump/;
24    
25  =head1 NAME  =head1 NAME
26    
# Line 42  limit loading to 100 records Line 44  limit loading to 100 records
44    
45  remove database and Hyper Estraier index before indexing  remove database and Hyper Estraier index before indexing
46    
47  =item --only=database_name  =item --only=database_name/input_filter
48    
49  reindex just single database (legacy name is --one)  reindex just single database (legacy name is --one)
50    
51    C</input_filter> is optional part which can be C<name>
52    or C<type> from input
53    
54  =item --config conf/config.yml  =item --config conf/config.yml
55    
56  path to YAML configuration file  path to YAML configuration file
57    
58  =item --force-set  =item --stats
59    
60  force conversion C<< normalize->path >> in C<config.yml> from  disable indexing and dump statistics about field and subfield
61  C<.xml> to C<.pl>  usage for each input
62    
63  =item --stats  =item --validate path/to/validation_file
64    
65    turn on extra validation of imput records, see L<WebPAC::Validation>
66    
67    =item --marc-normalize conf/normalize/mapping.pl
68    
69    This option specifies normalisation file for MARC creation
70    
71  dump statistics about used fields and subfields in each input  =item --marc-output out/marc/test.marc
72    
73    Optional path to output file
74    
75    =item --marc-lint
76    
77    By default turned on if C<--marc-normalize> is used. You can disable lint
78    messages with C<--no-marc-lint>.
79    
80    =item --marc-dump
81    
82    Force dump or input and marc record for debugging.
83    
84  =back  =back
85    
# Line 69  my $limit; Line 91  my $limit;
91  my $clean = 0;  my $clean = 0;
92  my $config = 'conf/config.yml';  my $config = 'conf/config.yml';
93  my $debug = 0;  my $debug = 0;
94  my $only_db_name;  my $only_filter;
 my $force_set = 0;  
95  my $stats = 0;  my $stats = 0;
96    my $validate_path;
97    my ($marc_normalize, $marc_output);
98    my $marc_lint = 1;
99    my $marc_dump = 0;
100    
101  GetOptions(  GetOptions(
102          "limit=i" => \$limit,          "limit=i" => \$limit,
103          "offset=i" => \$offset,          "offset=i" => \$offset,
104          "clean" => \$clean,          "clean" => \$clean,
105          "one=s" => \$only_db_name,          "one=s" => \$only_filter,
106          "only=s" => \$only_db_name,          "only=s" => \$only_filter,
107          "config" => \$config,          "config" => \$config,
108          "debug" => \$debug,          "debug" => \$debug,
         "force-set" => \$force_set,  
109          "stats" => \$stats,          "stats" => \$stats,
110            "validate=s" => \$validate_path,
111            "marc-normalize=s" => \$marc_normalize,
112            "marc-output=s" => \$marc_output,
113            "marc-lint!" => \$marc_lint,
114            "marc-dump!" => \$marc_dump,
115  );  );
116    
117  $config = LoadFile($config);  $config = LoadFile($config);
118    
119  print "config = ",Dumper($config) if ($debug);  print "config = ",dump($config) if ($debug);
120    
121  die "no databases in config file!\n" unless ($config->{databases});  die "no databases in config file!\n" unless ($config->{databases});
122    
123  my $log = _new WebPAC::Common()->_get_logger();  my $log = _new WebPAC::Common()->_get_logger();
124    $log->info( "-" x 79 );
125    
126    my $validate;
127    $validate = new WebPAC::Validate(
128            path => $validate_path,
129    ) if ($validate_path);
130    
131  my $use_indexer = $config->{use_indexer} || 'hyperestraier';  my $use_indexer = $config->{use_indexer} || 'hyperestraier';
132  $log->info("using $use_indexer indexing engine...");  if ($stats) {
133            $log->debug("option --stats disables update of indexing engine...");
134            $use_indexer = undef;
135    } else {
136            $log->info("using $use_indexer indexing engine...");
137    }
138    
139    # disable indexing when creating marc
140    $use_indexer = undef if ($marc_normalize);
141    
142  my $total_rows = 0;  my $total_rows = 0;
143  my $start_t = time();  my $start_t = time();
144    
145    my @links;
146    my $indexer;
147    
148    my $lint = new MARC::Lint if ($marc_lint);
149    
150  while (my ($database, $db_config) = each %{ $config->{databases} }) {  while (my ($database, $db_config) = each %{ $config->{databases} }) {
151    
152          next if ($only_db_name && $database !~ m/$only_db_name/i);          my ($only_database,$only_input) = split(m#/#, $only_filter) if ($only_filter);
153            next if ($only_database && $database !~ m/$only_database/i);
154    
155          my $indexer;          if ($use_indexer) {
156                    my $indexer_config = $config->{$use_indexer} || $log->logdie("can't find '$use_indexer' part in confguration");
157                    $indexer_config->{database} = $database;
158                    $indexer_config->{clean} = $clean;
159                    $indexer_config->{label} = $db_config->{name};
160    
161                    if ($use_indexer eq 'hyperestraier') {
162    
163                            # open Hyper Estraier database
164                            use WebPAC::Output::Estraier '0.10';
165                            $indexer = new WebPAC::Output::Estraier( %{ $indexer_config } );
166                    
167                    } elsif ($use_indexer eq 'kinosearch') {
168    
169                            # open KinoSearch
170                            use WebPAC::Output::KinoSearch;
171                            $indexer_config->{clean} = 1 unless (-e $indexer_config->{index_path});
172                            $indexer = new WebPAC::Output::KinoSearch( %{ $indexer_config } );
173    
174          my $indexer_config = $config->{$use_indexer} || $log->logdie("can't find '$use_indexer' part in confguration");                  } else {
175          $indexer_config->{database} = $database;                          $log->logdie("unknown use_indexer: $use_indexer");
176          $indexer_config->{clean} = $clean;                  }
         $indexer_config->{label} = $db_config->{name};  
   
         if ($use_indexer eq 'hyperestraier') {  
   
                 # 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 } );  
177    
178          } else {                  $log->logide("can't continue without valid indexer") unless ($indexer);
                 $log->logdie("unknown use_indexer: $use_indexer");  
179          }          }
180    
         $log->logide("can't continue without valid indexer") unless ($indexer);  
181    
182          #          #
183          # now WebPAC::Store          # now WebPAC::Store
# Line 138  while (my ($database, $db_config) = each Line 188  while (my ($database, $db_config) = each
188          my $db_path = $config->{webpac}->{db_path} . '/' . $database;          my $db_path = $config->{webpac}->{db_path} . '/' . $database;
189    
190          if ($clean) {          if ($clean) {
191                  $log->info("creating new database $database in $db_path");                  $log->info("creating new database '$database' in $db_path");
192                  rmtree( $db_path ) || $log->warn("can't remove $db_path: $!");                  rmtree( $db_path ) || $log->warn("can't remove $db_path: $!");
193          } else {          } else {
194                  $log->debug("working on $database in $db_path");                  $log->info("working on database '$database' in $db_path");
195          }          }
196    
197          my $db = new WebPAC::Store(          my $db = new WebPAC::Store(
# Line 168  while (my ($database, $db_config) = each Line 218  while (my ($database, $db_config) = each
218    
219          foreach my $input (@inputs) {          foreach my $input (@inputs) {
220    
221                    next if ($only_input && ($input->{name} !~ m#$only_input#i && $input->{type} !~ m#$only_input#i));
222    
223                  my $type = lc($input->{type});                  my $type = lc($input->{type});
224    
225                  die "I know only how to handle input types ", join(",", @supported_inputs), " not '$type'!\n" unless (grep(/$type/, @supported_inputs));                  die "I know only how to handle input types ", join(",", @supported_inputs), " not '$type'!\n" unless (grep(/$type/, @supported_inputs));
226    
227                  my $lookup = new WebPAC::Lookup(                  my $lookup = new WebPAC::Lookup(
228                          lookup_file => $input->{lookup},                          lookup_file => $input->{lookup},
229                  );                  ) if ($input->{lookup});
230    
231                  my $input_module = $config->{webpac}->{inputs}->{$type};                  my $input_module = $config->{webpac}->{inputs}->{$type};
232    
233                  $log->info("working on input '$input->{path}' [$input->{type}] using $input_module lookup '$input->{lookup}'");                  $log->info("working on input '$input->{name}' in $input->{path} [type: $input->{type}] using $input_module",
234                            $input->{lookup} ? "lookup '$input->{lookup}'" : ""
235                    );
236    
237                  my $input_db = new WebPAC::Input(                  my $input_db = new WebPAC::Input(
238                          module => $input_module,                          module => $input_module,
# Line 194  while (my ($database, $db_config) = each Line 248  while (my ($database, $db_config) = each
248                  my $maxmfn = $input_db->open(                  my $maxmfn = $input_db->open(
249                          path => $input->{path},                          path => $input->{path},
250                          code_page => $input->{encoding},        # database encoding                          code_page => $input->{encoding},        # database encoding
251                            %{ $input },
252                  );                  );
253    
254                  my $n = new WebPAC::Normalize::XML(                  my @norm_array = ref($input->{normalize}) eq 'ARRAY' ?
255                  #       filter => { 'foo' => sub { shift } },                          @{ $input->{normalize} } : ( $input->{normalize} );
                         db => $db,  
                         lookup_regex => $lookup->regex,  
                         lookup => $lookup,  
                         prefix => $input->{name},  
                 );  
   
                 my $rules;  
                 my $normalize_path = $input->{normalize}->{path};  
256    
257                  if ($force_set) {                  if ($marc_normalize) {
258                          my $new_norm_path = $normalize_path;                          @norm_array = ( {
259                          $new_norm_path =~ s/\.xml$/.pl/;                                  path => $marc_normalize,
260                          if (-e $new_norm_path) {                                  output => $marc_output || 'out/marc/' . $database . '-' . $input->{name} . '.marc',
261                                  $log->debug("--force-set replaced $normalize_path with $new_norm_path");                          } );
                                 $normalize_path = $new_norm_path;  
                         } else {  
                                 $log->debug("--force-set failed on $new_norm_path, fallback to $normalize_path");  
                         }  
262                  }                  }
263    
264                  if ($normalize_path =~ m/\.xml$/i) {                  foreach my $normalize (@norm_array) {
265                          $n->open(  
266                                  tag => $input->{normalize}->{tag},                          my $normalize_path = $normalize->{path} || $log->logdie("can't find normalize path in config");
267                                  xml_file => $normalize_path,  
268                          );                          $log->logdie("Found '$normalize_path' as normalization file which isn't supported any more!") unless ( $normalize_path =~ m!\.pl$!i );
                 } elsif ($normalize_path =~ m/\.(?:yml|yaml)$/i) {  
                         $n->open_yaml(  
                                 path => $normalize_path,  
                                 tag => $input->{normalize}->{tag},  
                         );  
                 } elsif ($normalize_path =~ m/\.(?:pl)$/i) {  
                         $n = undef;  
                         $log->info("using WebPAC::Normalize::Set to process $normalize_path");  
                         $rules = read_file( $normalize_path ) or die "can't open $normalize_path: $!";  
                 }  
269    
270                  foreach my $pos ( 0 ... $input_db->size ) {                          my $rules = read_file( $normalize_path ) or die "can't open $normalize_path: $!";
271    
272                          my $row = $input_db->fetch || next;                          $log->info("Using $normalize_path for normalization...");
273    
274                          my $mfn = $row->{'000'}->[0];                          my $marc_fh;
275                            if (my $path = $normalize->{output}) {
276                                    open($marc_fh, '>', $path) ||
277                                            $log->logdie("can't open MARC output $path: $!");
278    
279                          if (! $mfn || $mfn !~ m#^\d+$#) {                                  $log->info("Creating MARC export file $path", $marc_lint ? ' (with lint)' : '', "\n");
                                 $log->warn("record $pos doesn't have valid MFN but '$mfn', using $pos");  
                                 $mfn = $pos;  
                                 push @{ $row->{'000'} }, $pos;  
280                          }                          }
281    
282                                                            # reset position in database
283                          my $ds;                          $input_db->seek(1);
284                          if ($n) {  
285                                  $ds = $n->data_structure($row);                          foreach my $pos ( 0 ... $input_db->size ) {
286                          } else {  
287                                  $ds = WebPAC::Normalize::Set::data_structure(                                  my $row = $input_db->fetch || next;
288    
289                                    my $mfn = $row->{'000'}->[0];
290    
291                                    if (! $mfn || $mfn !~ m#^\d+$#) {
292                                            $log->warn("record $pos doesn't have valid MFN but '$mfn', using $pos");
293                                            $mfn = $pos;
294                                            push @{ $row->{'000'} }, $pos;
295                                    }
296    
297    
298                                    if ($validate) {
299                                            my @errors = $validate->validate_errors( $row );
300                                            $log->error( "MFN $mfn validation errors:\n", join("\n", @errors) ) if (@errors);
301                                    }
302    
303                                            
304                                    my $ds = WebPAC::Normalize::data_structure(
305                                          row => $row,                                          row => $row,
306                                          rules => $rules,                                          rules => $rules,
307                                          lookup => $lookup->lookup_hash,                                          lookup => $lookup ? $lookup->lookup_hash : undef,
308                                            marc_encoding => 'utf-8',
309                                  );                                  );
310    
311                                  $db->save_ds(                                  $db->save_ds(
312                                          id => $mfn,                                          id => $mfn,
313                                          ds => $ds,                                          ds => $ds,
314                                          prefix => $input->{name},                                          prefix => $input->{name},
315                                  ) if ($ds);                                  ) if ($ds && !$stats);
316    
317                                    $indexer->add(
318                                            id => $input->{name} . "/" . $mfn,
319                                            ds => $ds,
320                                            type => $config->{$use_indexer}->{type},
321                                    ) if ($indexer && $ds);
322    
323                                    if ($marc_fh) {
324                                            my $marc = new MARC::Record;
325                                            $marc->encoding( 'utf-8' );
326                                            my @marc_fields = WebPAC::Normalize::_get_marc_fields();
327                                            if (! @marc_fields) {
328                                                    $log->warn("MARC record $mfn is empty, skipping");
329                                            } else {
330                                                    $marc->add_fields( @marc_fields );
331    
332                                                    if ($marc_lint) {
333                                                            $lint->check_record( $marc );
334                                                            my $err = join( "\n", $lint->warnings );
335                                                            $log->error("MARC lint detected warning on MFN $mfn\n",
336                                                                    "Original imput row: ",dump($row), "\n",
337                                                                    "Normalized MARC row: ",dump(@marc_fields), "\n",
338                                                                    "MARC lint warnings: ",$err,"\n"
339                                                            ) if ($err);
340                                                    }
341    
342                                                    if ($marc_dump) {
343                                                            $log->info("MARC record on MFN $mfn\n",
344                                                                    "Original imput row: ",dump($row), "\n",
345                                                                    "Normalized MARC row: ",dump(@marc_fields), "\n",
346                                                            );
347                                                    }
348    
349                                                    print $marc_fh $marc->as_usmarc;
350                                            }
351                                    }
352    
353                                    $total_rows++;
354                          }                          }
355    
356                          $indexer->add(                          $log->info("statistics of fields usage:\n", $input_db->stats) if ($stats);
                                 id => $input->{name} . "/" . $mfn,  
                                 ds => $ds,  
                                 type => $config->{$use_indexer}->{type},  
                         );  
357    
358                          $total_rows++;                          # close MARC file
359                  }                          close($marc_fh) if ($marc_fh);
360    
361                  $log->info("statistics of fields usage:\n", $input_db->stats) if ($stats);                  }
362    
363          };          }
364    
365          eval { $indexer->finish } if ($indexer->can('finish'));          eval { $indexer->finish } if ($indexer && $indexer->can('finish'));
366    
367          my $dt = time() - $start_t;          my $dt = time() - $start_t;
368          $log->info("$total_rows records indexed in " .          $log->info("$total_rows records ", $indexer ? "indexed " : "",
369                  sprintf("%.2f sec [%.2f rec/sec]",                  sprintf("in %.2f sec [%.2f rec/sec]",
370                          $dt, ($total_rows / $dt)                          $dt, ($total_rows / $dt)
371                  )                  )
372          );          );
# Line 289  while (my ($database, $db_config) = each Line 374  while (my ($database, $db_config) = each
374          #          #
375          # add Hyper Estraier links to other databases          # add Hyper Estraier links to other databases
376          #          #
377          if (ref($db_config->{links}) eq 'ARRAY') {          if (ref($db_config->{links}) eq 'ARRAY' && $use_indexer) {
378                  foreach my $link (@{ $db_config->{links} }) {                  foreach my $link (@{ $db_config->{links} }) {
379                          if ($use_indexer eq 'hyperestraier') {                          if ($use_indexer eq 'hyperestraier') {
380                                  $log->info("adding link $database -> $link->{to} [$link->{credit}]");                                  $log->info("saving link $database -> $link->{to} [$link->{credit}]");
381                                  $indexer->add_link(                                  push @links, {
382                                          from => $database,                                          from => $database,
383                                          to => $link->{to},                                          to => $link->{to},
384                                          credit => $link->{credit},                                          credit => $link->{credit},
385                                  );                                  };
386                          } else {                          } else {
387                                  $log->warn("NOT IMPLEMENTED WITH $use_indexer: adding link $database -> $link->{to} [$link->{credit}]");                                  $log->warn("NOT IMPLEMENTED WITH $use_indexer: adding link $database -> $link->{to} [$link->{credit}]");
388                          }                          }
# Line 306  while (my ($database, $db_config) = each Line 391  while (my ($database, $db_config) = each
391    
392  }  }
393    
394    foreach my $link (@links) {
395            $log->info("adding link $link->{from} -> $link->{to} [$link->{credit}]");
396            $indexer->add_link( %{ $link } );
397    }
Legend:
Removed from v.508  
changed lines
  Added in v.559
  ViewVC Help
Powered by ViewVC 1.1.26