/[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 251 by dpavlin, Thu Dec 15 14:12:00 2005 UTC revision 510 by dpavlin, Mon May 15 17:38:22 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/input_filter
46    
47    reindex just single database (legacy name is --one)
48    
49    C</input_filter> is optional part which can be C<name>
50    or C<type> from input
51    
52    =item --config conf/config.yml
53    
54    path to YAML configuration file
55    
56    =item --force-set
57    
58    force conversion C<< normalize->path >> in C<config.yml> from
59    C<.xml> to C<.pl>
60    
61    =item --stats
62    
63    disable indexing and dump statistics about field and subfield
64    usage for each input
65    
66    =back
67    
68    =cut
69    
70    my $offset;
71    my $limit;
72    
73    my $clean = 0;
74    my $config = 'conf/config.yml';
75    my $debug = 0;
76    my $only_filter;
77    my $force_set = 0;
78    my $stats = 0;
79    
80    GetOptions(
81            "limit=i" => \$limit,
82            "offset=i" => \$offset,
83            "clean" => \$clean,
84            "one=s" => \$only_filter,
85            "only=s" => \$only_filter,
86            "config" => \$config,
87            "debug" => \$debug,
88            "force-set" => \$force_set,
89            "stats" => \$stats,
90    );
91    
92    $config = LoadFile($config);
93    
94    print "config = ",Dumper($config) if ($debug);
95    
96  die "no databases in config file!\n" unless ($config->{databases});  die "no databases in config file!\n" unless ($config->{databases});
97    
98    my $log = _new WebPAC::Common()->_get_logger();
99    $log->info( "-" x 79 );
100    
101    my $use_indexer = $config->{use_indexer} || 'hyperestraier';
102    if ($stats) {
103            $log->debug("option --stats disables update of indexing engine...");
104            $use_indexer = undef;
105    } else {
106            $log->info("using $use_indexer indexing engine...");
107    }
108    
109  my $total_rows = 0;  my $total_rows = 0;
110    my $start_t = time();
111    
112  while (my ($database, $db_config) = each %{ $config->{databases} }) {  while (my ($database, $db_config) = each %{ $config->{databases} }) {
113    
114            my ($only_database,$only_input) = split(m#/#, $only_filter);
115            next if ($only_database && $database !~ m/$only_database/i);
116    
117            my $indexer;
118    
119            if ($use_indexer) {
120                    my $indexer_config = $config->{$use_indexer} || $log->logdie("can't find '$use_indexer' part in confguration");
121                    $indexer_config->{database} = $database;
122                    $indexer_config->{clean} = $clean;
123                    $indexer_config->{label} = $db_config->{name};
124    
125                    if ($use_indexer eq 'hyperestraier') {
126    
127                            # open Hyper Estraier database
128                            use WebPAC::Output::Estraier '0.10';
129                            $indexer = new WebPAC::Output::Estraier( %{ $indexer_config } );
130                    
131                    } elsif ($use_indexer eq 'kinosearch') {
132    
133                            # open KinoSearch
134                            use WebPAC::Output::KinoSearch;
135                            $indexer_config->{clean} = 1 unless (-e $indexer_config->{index_path});
136                            $indexer = new WebPAC::Output::KinoSearch( %{ $indexer_config } );
137    
138                    } else {
139                            $log->logdie("unknown use_indexer: $use_indexer");
140                    }
141    
142                    $log->logide("can't continue without valid indexer") unless ($indexer);
143            }
144    
145    
146            #
147            # now WebPAC::Store
148            #
149          my $abs_path = abs_path($0);          my $abs_path = abs_path($0);
150          $abs_path =~ s#/[^/]*$#/#;          $abs_path =~ s#/[^/]*$#/#;
151    
152          my $db_path = $config->{webpac}->{db_path} . '/' . $database;          my $db_path = $config->{webpac}->{db_path} . '/' . $database;
153    
154            if ($clean) {
155                    $log->info("creating new database $database in $db_path");
156                    rmtree( $db_path ) || $log->warn("can't remove $db_path: $!");
157            } else {
158                    $log->debug("working on $database in $db_path");
159            }
160    
161          my $db = new WebPAC::Store(          my $db = new WebPAC::Store(
162                  path => $db_path,                  path => $db_path,
163                  database => $database,                  database => $database,
164                  debug => 1,                  debug => $debug,
165          );          );
166    
         my $log = $db->_get_logger;  
         $log->info("working on $database in $db_path");  
   
         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(  
                 %{ $est_config },  
         );  
167    
168          #          #
169          # now, iterate through input formats          # now, iterate through input formats
# Line 58  while (my ($database, $db_config) = each Line 172  while (my ($database, $db_config) = each
172          my @inputs;          my @inputs;
173          if (ref($db_config->{input}) eq 'ARRAY') {          if (ref($db_config->{input}) eq 'ARRAY') {
174                  @inputs = @{ $db_config->{input} };                  @inputs = @{ $db_config->{input} };
175          } else {          } elsif ($db_config->{input}) {
176                  push @inputs, $db_config->{input};                  push @inputs, $db_config->{input};
177            } else {
178                    $log->info("database $database doesn't have inputs defined");
179          }          }
180    
181            my @supported_inputs = keys %{ $config->{webpac}->{inputs} };
182    
183          foreach my $input (@inputs) {          foreach my $input (@inputs) {
184    
185                    next if ($only_input && $input->{name} =~ m#$only_input#i || $input->{type} =~ m#$only_input#i);
186    
187                  my $type = lc($input->{type});                  my $type = lc($input->{type});
188    
189                  die "I know only how to handle input type isis, not '$type'!\n" unless ($type eq 'isis');                  die "I know only how to handle input types ", join(",", @supported_inputs), " not '$type'!\n" unless (grep(/$type/, @supported_inputs));
190    
191                  my $lookup = new WebPAC::Lookup(                  my $lookup = new WebPAC::Lookup(
192                          lookup_file => $input->{lookup},                          lookup_file => $input->{lookup},
193                  );                  );
194    
195                  $log->info("working on input $input->{path} [$input->{type}]");                  my $input_module = $config->{webpac}->{inputs}->{$type};
196    
197                    $log->info("working on input '$input->{path}' [$input->{type}] using $input_module lookup '$input->{lookup}'");
198    
199                  my $isis = new WebPAC::Input::ISIS(                  my $input_db = new WebPAC::Input(
200                            module => $input_module,
201                          code_page => $config->{webpac}->{webpac_encoding},                          code_page => $config->{webpac}->{webpac_encoding},
202                          limit_mfn => $input->{limit},                          limit => $limit || $input->{limit},
203                            offset => $offset,
204                          lookup => $lookup,                          lookup => $lookup,
205                            recode => $input->{recode},
206                            stats => $stats,
207                  );                  );
208                    $log->logdie("can't create input using $input_module") unless ($input);
209    
210                  my $maxmfn = $isis->open(                  my $maxmfn = $input_db->open(
211                          filename => $input->{path},                          path => $input->{path},
212                          code_page => $input->{encoding},        # database encoding                          code_page => $input->{encoding},        # database encoding
213                  );                  );
214    
 $log->info( Dumper($lookup->{_lookup_data}) );  
   
215                  my $n = new WebPAC::Normalize::XML(                  my $n = new WebPAC::Normalize::XML(
216                  #       filter => { 'foo' => sub { shift } },                  #       filter => { 'foo' => sub { shift } },
217                          db => $db,                          db => $db,
# Line 95  $log->info( Dumper($lookup->{_lookup_dat Line 220  $log->info( Dumper($lookup->{_lookup_dat
220                          prefix => $input->{name},                          prefix => $input->{name},
221                  );                  );
222    
223                  $n->open(                  my $rules;
224                          tag => $input->{normalize}->{tag},                  my $normalize_path = $input->{normalize}->{path};
                         xml_file => $input->{normalize}->{path},  
                 );  
225    
226                  for ( 0 ... $isis->size ) {                  if ($force_set) {
227                            my $new_norm_path = $normalize_path;
228                            $new_norm_path =~ s/\.xml$/.pl/;
229                            if (-e $new_norm_path) {
230                                    $log->debug("--force-set replaced $normalize_path with $new_norm_path");
231                                    $normalize_path = $new_norm_path;
232                            } else {
233                                    $log->debug("--force-set failed on $new_norm_path, fallback to $normalize_path");
234                            }
235                    }
236    
237                    if ($normalize_path =~ m/\.xml$/i) {
238                            $n->open(
239                                    tag => $input->{normalize}->{tag},
240                                    xml_file => $normalize_path,
241                            );
242                    } elsif ($normalize_path =~ m/\.(?:yml|yaml)$/i) {
243                            $n->open_yaml(
244                                    path => $normalize_path,
245                                    tag => $input->{normalize}->{tag},
246                            );
247                    } elsif ($normalize_path =~ m/\.(?:pl)$/i) {
248                            $n = undef;
249                            $log->info("using WebPAC::Normalize::Set to process $normalize_path");
250                            $rules = read_file( $normalize_path ) or die "can't open $normalize_path: $!";
251                    }
252    
253                    foreach my $pos ( 0 ... $input_db->size ) {
254    
255                          my $row = $isis->fetch || next;                          my $row = $input_db->fetch || next;
256    
257                          my $mfn = $row->{'000'}->[0] || die "can't find MFN";                          my $mfn = $row->{'000'}->[0];
258    
259                          my $ds = $n->data_structure($row);                          if (! $mfn || $mfn !~ m#^\d+$#) {
260                                    $log->warn("record $pos doesn't have valid MFN but '$mfn', using $pos");
261                                    $mfn = $pos;
262                                    push @{ $row->{'000'} }, $pos;
263                            }
264    
265                                    
266                            my $ds;
267                            if ($n) {
268                                    $ds = $n->data_structure($row);
269                            } else {
270                                    $ds = WebPAC::Normalize::Set::data_structure(
271                                            row => $row,
272                                            rules => $rules,
273                                            lookup => $lookup->lookup_hash,
274                                    );
275    
276                                    $db->save_ds(
277                                            id => $mfn,
278                                            ds => $ds,
279                                            prefix => $input->{name},
280                                    ) if ($ds && !$stats);
281                            }
282    
283                          $est->add(                          $indexer->add(
284                                  id => $input->{name} . "#" . $mfn,                                  id => $input->{name} . "/" . $mfn,
285                                  ds => $ds,                                  ds => $ds,
286                                  type => $config->{hyperestraier}->{type},                                  type => $config->{$use_indexer}->{type},
287                          );                          ) if ($indexer);
288    
289                          $total_rows++;                          $total_rows++;
290                  }                  }
291    
292                    $log->info("statistics of fields usage:\n", $input_db->stats) if ($stats);
293    
294          };          };
295    
296          $log->info("$total_rows records indexed");          eval { $indexer->finish } if ($indexer && $indexer->can('finish'));
297    
298            my $dt = time() - $start_t;
299            $log->info("$total_rows records indexed in " .
300                    sprintf("%.2f sec [%.2f rec/sec]",
301                            $dt, ($total_rows / $dt)
302                    )
303            );
304    
305            #
306            # add Hyper Estraier links to other databases
307            #
308            if (ref($db_config->{links}) eq 'ARRAY') {
309                    foreach my $link (@{ $db_config->{links} }) {
310                            if ($use_indexer eq 'hyperestraier') {
311                                    $log->info("adding link $database -> $link->{to} [$link->{credit}]");
312                                    $indexer->add_link(
313                                            from => $database,
314                                            to => $link->{to},
315                                            credit => $link->{credit},
316                                    );
317                            } else {
318                                    $log->warn("NOT IMPLEMENTED WITH $use_indexer: adding link $database -> $link->{to} [$link->{credit}]");
319                            }
320                    }
321            }
322    
323  }  }
324    
Legend:
Removed from v.251  
changed lines
  Added in v.510
  ViewVC Help
Powered by ViewVC 1.1.26