/[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 509 by dpavlin, Mon May 15 17:23:38 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    =item --stats
59    
60    disable indexing and dump statistics about field and subfield
61    usage for each input
62    
63    =back
64    
65    =cut
66    
67    my $offset;
68    my $limit;
69    
70    my $clean = 0;
71    my $config = 'conf/config.yml';
72    my $debug = 0;
73    my $only_db_name;
74    my $force_set = 0;
75    my $stats = 0;
76    
77    GetOptions(
78            "limit=i" => \$limit,
79            "offset=i" => \$offset,
80            "clean" => \$clean,
81            "one=s" => \$only_db_name,
82            "only=s" => \$only_db_name,
83            "config" => \$config,
84            "debug" => \$debug,
85            "force-set" => \$force_set,
86            "stats" => \$stats,
87    );
88    
89    $config = LoadFile($config);
90    
91    print "config = ",Dumper($config) if ($debug);
92    
93  die "no databases in config file!\n" unless ($config->{databases});  die "no databases in config file!\n" unless ($config->{databases});
94    
95    my $log = _new WebPAC::Common()->_get_logger();
96    $log->info( "-" x 79 );
97    
98    my $use_indexer = $config->{use_indexer} || 'hyperestraier';
99    if ($stats) {
100            $log->debug("option --stats disables update of indexing engine...");
101            $use_indexer = undef;
102    } else {
103            $log->info("using $use_indexer indexing engine...");
104    }
105    
106  my $total_rows = 0;  my $total_rows = 0;
107    my $start_t = time();
108    
109  while (my ($database, $db_config) = each %{ $config->{databases} }) {  while (my ($database, $db_config) = each %{ $config->{databases} }) {
110    
111          my $type = lc($db_config->{input}->{type});          next if ($only_db_name && $database !~ m/$only_db_name/i);
112    
113          die "I know only how to handle input type isis, not '$type'!\n" unless ($type eq 'isis');          my $indexer;
114    
115          my $abs_path = abs_path($0);          if ($use_indexer) {
116          $abs_path =~ s#/[^/]*$#/#;                  my $indexer_config = $config->{$use_indexer} || $log->logdie("can't find '$use_indexer' part in confguration");
117                    $indexer_config->{database} = $database;
118                    $indexer_config->{clean} = $clean;
119                    $indexer_config->{label} = $db_config->{name};
120    
121                    if ($use_indexer eq 'hyperestraier') {
122    
123                            # open Hyper Estraier database
124                            use WebPAC::Output::Estraier '0.10';
125                            $indexer = new WebPAC::Output::Estraier( %{ $indexer_config } );
126                    
127                    } elsif ($use_indexer eq 'kinosearch') {
128    
129                            # open KinoSearch
130                            use WebPAC::Output::KinoSearch;
131                            $indexer_config->{clean} = 1 unless (-e $indexer_config->{index_path});
132                            $indexer = new WebPAC::Output::KinoSearch( %{ $indexer_config } );
133    
134          my $lookup = new WebPAC::Lookup(                  } else {
135                  lookup_file => $db_config->{input}->{lookup},                          $log->logdie("unknown use_indexer: $use_indexer");
136          );                  }
137    
138                    $log->logide("can't continue without valid indexer") unless ($indexer);
139            }
140    
         my $db_path = $config->{webpac}->{db_path} . '/' . $database;  
141    
142            #
143            # now WebPAC::Store
144            #
145            my $abs_path = abs_path($0);
146            $abs_path =~ s#/[^/]*$#/#;
147    
148          my $log = $lookup->_get_logger;          my $db_path = $config->{webpac}->{db_path} . '/' . $database;
         $log->info("working on $database in $db_path");  
149    
150          my $path = './db/';          if ($clean) {
151                    $log->info("creating new database $database in $db_path");
152                    rmtree( $db_path ) || $log->warn("can't remove $db_path: $!");
153            } else {
154                    $log->debug("working on $database in $db_path");
155            }
156    
157          my $db = new WebPAC::Store(          my $db = new WebPAC::Store(
158                  path => $db_path,                  path => $db_path,
159                    database => $database,
160                    debug => $debug,
161          );          );
162    
         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(  
                 %{ $est_config },  
         );  
163    
164          #          #
165          # now, iterate through input formats          # now, iterate through input formats
# Line 67  while (my ($database, $db_config) = each Line 168  while (my ($database, $db_config) = each
168          my @inputs;          my @inputs;
169          if (ref($db_config->{input}) eq 'ARRAY') {          if (ref($db_config->{input}) eq 'ARRAY') {
170                  @inputs = @{ $db_config->{input} };                  @inputs = @{ $db_config->{input} };
171          } else {          } elsif ($db_config->{input}) {
172                  push @inputs, $db_config->{input};                  push @inputs, $db_config->{input};
173            } else {
174                    $log->info("database $database doesn't have inputs defined");
175          }          }
176    
177            my @supported_inputs = keys %{ $config->{webpac}->{inputs} };
178    
179          foreach my $input (@inputs) {          foreach my $input (@inputs) {
                 $log->info("working on input $input->{path} [$input->{type}]");  
180    
181                  my $isis = new WebPAC::Input::ISIS(                  my $type = lc($input->{type});
182    
183                    die "I know only how to handle input types ", join(",", @supported_inputs), " not '$type'!\n" unless (grep(/$type/, @supported_inputs));
184    
185                    my $lookup = new WebPAC::Lookup(
186                            lookup_file => $input->{lookup},
187                    );
188    
189                    my $input_module = $config->{webpac}->{inputs}->{$type};
190    
191                    $log->info("working on input '$input->{path}' [$input->{type}] using $input_module lookup '$input->{lookup}'");
192    
193                    my $input_db = new WebPAC::Input(
194                            module => $input_module,
195                          code_page => $config->{webpac}->{webpac_encoding},                          code_page => $config->{webpac}->{webpac_encoding},
196                          limit_mfn => $input->{limit},                          limit => $limit || $input->{limit},
197                            offset => $offset,
198                            lookup => $lookup,
199                            recode => $input->{recode},
200                            stats => $stats,
201                  );                  );
202                    $log->logdie("can't create input using $input_module") unless ($input);
203    
204                  my $maxmfn = $isis->open(                  my $maxmfn = $input_db->open(
205                          filename => $input->{path},                          path => $input->{path},
206                          code_page => $input->{encoding},        # database encoding                          code_page => $input->{encoding},        # database encoding
207                  );                  );
208    
# Line 89  while (my ($database, $db_config) = each Line 211  while (my ($database, $db_config) = each
211                          db => $db,                          db => $db,
212                          lookup_regex => $lookup->regex,                          lookup_regex => $lookup->regex,
213                          lookup => $lookup,                          lookup => $lookup,
214                            prefix => $input->{name},
215                  );                  );
216    
217                  $n->open(                  my $rules;
218                          tag => $input->{normalize}->{tag},                  my $normalize_path = $input->{normalize}->{path};
                         xml_file => $input->{normalize}->{path},  
                 );  
219    
220                  for ( 0 ... $isis->size ) {                  if ($force_set) {
221                            my $new_norm_path = $normalize_path;
222                            $new_norm_path =~ s/\.xml$/.pl/;
223                            if (-e $new_norm_path) {
224                                    $log->debug("--force-set replaced $normalize_path with $new_norm_path");
225                                    $normalize_path = $new_norm_path;
226                            } else {
227                                    $log->debug("--force-set failed on $new_norm_path, fallback to $normalize_path");
228                            }
229                    }
230    
231                          my $row = $isis->fetch || next;                  if ($normalize_path =~ m/\.xml$/i) {
232                            $n->open(
233                                    tag => $input->{normalize}->{tag},
234                                    xml_file => $normalize_path,
235                            );
236                    } elsif ($normalize_path =~ m/\.(?:yml|yaml)$/i) {
237                            $n->open_yaml(
238                                    path => $normalize_path,
239                                    tag => $input->{normalize}->{tag},
240                            );
241                    } elsif ($normalize_path =~ m/\.(?:pl)$/i) {
242                            $n = undef;
243                            $log->info("using WebPAC::Normalize::Set to process $normalize_path");
244                            $rules = read_file( $normalize_path ) or die "can't open $normalize_path: $!";
245                    }
246    
247                          my $mfn = $row->{'000'}->[0] || die "can't find MFN";                  foreach my $pos ( 0 ... $input_db->size ) {
248    
249                          my $ds = $n->data_structure($row);                          my $row = $input_db->fetch || next;
250    
251                          $est->add(                          my $mfn = $row->{'000'}->[0];
252                                  id => $input->{name} . "#" . $mfn,  
253                            if (! $mfn || $mfn !~ m#^\d+$#) {
254                                    $log->warn("record $pos doesn't have valid MFN but '$mfn', using $pos");
255                                    $mfn = $pos;
256                                    push @{ $row->{'000'} }, $pos;
257                            }
258    
259                                    
260                            my $ds;
261                            if ($n) {
262                                    $ds = $n->data_structure($row);
263                            } else {
264                                    $ds = WebPAC::Normalize::Set::data_structure(
265                                            row => $row,
266                                            rules => $rules,
267                                            lookup => $lookup->lookup_hash,
268                                    );
269    
270                                    $db->save_ds(
271                                            id => $mfn,
272                                            ds => $ds,
273                                            prefix => $input->{name},
274                                    ) if ($ds && !$stats);
275                            }
276    
277                            $indexer->add(
278                                    id => $input->{name} . "/" . $mfn,
279                                  ds => $ds,                                  ds => $ds,
280                                  type => $config->{hyperestraier}->{type},                                  type => $config->{$use_indexer}->{type},
281                          );                          ) if ($indexer);
282    
283                          $total_rows++;                          $total_rows++;
284                  }                  }
285    
286                    $log->info("statistics of fields usage:\n", $input_db->stats) if ($stats);
287    
288          };          };
289    
290          $log->info("$total_rows records indexed");          eval { $indexer->finish } if ($indexer && $indexer->can('finish'));
291    
292            my $dt = time() - $start_t;
293            $log->info("$total_rows records indexed in " .
294                    sprintf("%.2f sec [%.2f rec/sec]",
295                            $dt, ($total_rows / $dt)
296                    )
297            );
298    
299            #
300            # add Hyper Estraier links to other databases
301            #
302            if (ref($db_config->{links}) eq 'ARRAY') {
303                    foreach my $link (@{ $db_config->{links} }) {
304                            if ($use_indexer eq 'hyperestraier') {
305                                    $log->info("adding link $database -> $link->{to} [$link->{credit}]");
306                                    $indexer->add_link(
307                                            from => $database,
308                                            to => $link->{to},
309                                            credit => $link->{credit},
310                                    );
311                            } else {
312                                    $log->warn("NOT IMPLEMENTED WITH $use_indexer: adding link $database -> $link->{to} [$link->{credit}]");
313                            }
314                    }
315            }
316    
317  }  }
318    
Legend:
Removed from v.213  
changed lines
  Added in v.509
  ViewVC Help
Powered by ViewVC 1.1.26