/[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 516 by dpavlin, Tue May 16 15:23:12 2006 UTC revision 588 by dpavlin, Fri Jul 7 21:47:13 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 0.03;
11  use WebPAC::Input 0.03;  use WebPAC::Input 0.07;
12  use WebPAC::Store 0.03;  use WebPAC::Store 0.03;
13  use WebPAC::Normalize::XML;  use WebPAC::Normalize 0.11;
 use WebPAC::Normalize::Set;  
14  use WebPAC::Output::TT;  use WebPAC::Output::TT;
15  use WebPAC::Validate;  use WebPAC::Validate;
16    use WebPAC::Output::MARC;
17  use YAML qw/LoadFile/;  use YAML qw/LoadFile/;
18  use Getopt::Long;  use Getopt::Long;
19  use File::Path;  use File::Path;
20  use Time::HiRes qw/time/;  use Time::HiRes qw/time/;
21  use File::Slurp;  use File::Slurp;
22    use Data::Dump qw/dump/;
23    
24  =head1 NAME  =head1 NAME
25    
# Line 54  or C<type> from input Line 54  or C<type> from input
54    
55  path to YAML configuration file  path to YAML configuration file
56    
 =item --force-set  
   
 force conversion C<< normalize->path >> in C<config.yml> from  
 C<.xml> to C<.pl>  
   
57  =item --stats  =item --stats
58    
59  disable indexing and dump statistics about field and subfield  disable indexing and dump statistics about field and subfield
# Line 68  usage for each input Line 63  usage for each input
63    
64  turn on extra validation of imput records, see L<WebPAC::Validation>  turn on extra validation of imput records, see L<WebPAC::Validation>
65    
66    =item --marc-normalize conf/normalize/mapping.pl
67    
68    This option specifies normalisation file for MARC creation
69    
70    =item --marc-output out/marc/test.marc
71    
72    Optional path to output file
73    
74    =item --marc-lint
75    
76    By default turned on if C<--marc-normalize> is used. You can disable lint
77    messages with C<--no-marc-lint>.
78    
79    =item --marc-dump
80    
81    Force dump or input and marc record for debugging.
82    
83  =back  =back
84    
85  =cut  =cut
# Line 79  my $clean = 0; Line 91  my $clean = 0;
91  my $config = 'conf/config.yml';  my $config = 'conf/config.yml';
92  my $debug = 0;  my $debug = 0;
93  my $only_filter;  my $only_filter;
 my $force_set = 0;  
94  my $stats = 0;  my $stats = 0;
95  my $validate_path;  my $validate_path;
96    my ($marc_normalize, $marc_output);
97    my $marc_lint = 1;
98    my $marc_dump = 0;
99    
100  GetOptions(  GetOptions(
101          "limit=i" => \$limit,          "limit=i" => \$limit,
# Line 90  GetOptions( Line 104  GetOptions(
104          "one=s" => \$only_filter,          "one=s" => \$only_filter,
105          "only=s" => \$only_filter,          "only=s" => \$only_filter,
106          "config" => \$config,          "config" => \$config,
107          "debug" => \$debug,          "debug+" => \$debug,
         "force-set" => \$force_set,  
108          "stats" => \$stats,          "stats" => \$stats,
109          "validate=s" => \$validate_path,          "validate=s" => \$validate_path,
110            "marc-normalize=s" => \$marc_normalize,
111            "marc-output=s" => \$marc_output,
112            "marc-lint!" => \$marc_lint,
113            "marc-dump!" => \$marc_dump,
114  );  );
115    
116  $config = LoadFile($config);  $config = LoadFile($config);
117    
118  print "config = ",Dumper($config) if ($debug);  print "config = ",dump($config) if ($debug);
119    
120  die "no databases in config file!\n" unless ($config->{databases});  die "no databases in config file!\n" unless ($config->{databases});
121    
# Line 118  if ($stats) { Line 135  if ($stats) {
135          $log->info("using $use_indexer indexing engine...");          $log->info("using $use_indexer indexing engine...");
136  }  }
137    
138    # disable indexing when creating marc
139    $use_indexer = undef if ($marc_normalize);
140    
141  my $total_rows = 0;  my $total_rows = 0;
142  my $start_t = time();  my $start_t = time();
143    
144    my @links;
145    my $indexer;
146    
147  while (my ($database, $db_config) = each %{ $config->{databases} }) {  while (my ($database, $db_config) = each %{ $config->{databases} }) {
148    
149          my ($only_database,$only_input) = split(m#/#, $only_filter) if ($only_filter);          my ($only_database,$only_input) = split(m#/#, $only_filter) if ($only_filter);
150          next if ($only_database && $database !~ m/$only_database/i);          next if ($only_database && $database !~ m/$only_database/i);
151    
         my $indexer;  
   
152          if ($use_indexer) {          if ($use_indexer) {
153                  my $indexer_config = $config->{$use_indexer} || $log->logdie("can't find '$use_indexer' part in confguration");                  my $indexer_config = $config->{$use_indexer} || $log->logdie("can't find '$use_indexer' part in confguration");
154                  $indexer_config->{database} = $database;                  $indexer_config->{database} = $database;
# Line 200  while (my ($database, $db_config) = each Line 221  while (my ($database, $db_config) = each
221    
222                  die "I know only how to handle input types ", join(",", @supported_inputs), " not '$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));
223    
224                  my $lookup = new WebPAC::Lookup(                  my $lookup;
225                          lookup_file => $input->{lookup},                  if ($input->{lookup}) {
226                  );                          $lookup = new WebPAC::Lookup(
227                                    lookup_file => $input->{lookup},
228                            );
229                            delete( $input->{lookup} );
230                    }
231    
232                  my $input_module = $config->{webpac}->{inputs}->{$type};                  my $input_module = $config->{webpac}->{inputs}->{$type};
233    
234                  $log->info("working on input '$input->{name}' in $input->{path} [type: $input->{type}] using $input_module lookup '$input->{lookup}'");                  $log->info("working on input '$input->{name}' in $input->{path} [type: $input->{type}] using $input_module",
235                            $input->{lookup} ? "lookup '$input->{lookup}'" : ""
236                    );
237    
238                  my $input_db = new WebPAC::Input(                  my $input_db = new WebPAC::Input(
239                          module => $input_module,                          module => $input_module,
240                          code_page => $config->{webpac}->{webpac_encoding},                          encoding => $config->{webpac}->{webpac_encoding},
241                          limit => $limit || $input->{limit},                          limit => $limit || $input->{limit},
242                          offset => $offset,                          offset => $offset,
243                          lookup => $lookup,                          lookup_coderef => sub {
244                                    my $rec = shift || return;
245                                    $lookup->add( $rec );
246                            },
247                          recode => $input->{recode},                          recode => $input->{recode},
248                          stats => $stats,                          stats => $stats,
249                  );                  );
# Line 222  while (my ($database, $db_config) = each Line 252  while (my ($database, $db_config) = each
252                  my $maxmfn = $input_db->open(                  my $maxmfn = $input_db->open(
253                          path => $input->{path},                          path => $input->{path},
254                          code_page => $input->{encoding},        # database encoding                          code_page => $input->{encoding},        # database encoding
255                            %{ $input },
256                  );                  );
257    
258                  my $n = new WebPAC::Normalize::XML(                  my @norm_array = ref($input->{normalize}) eq 'ARRAY' ?
259                  #       filter => { 'foo' => sub { shift } },                          @{ $input->{normalize} } : ( $input->{normalize} );
                         db => $db,  
                         lookup_regex => $lookup->regex,  
                         lookup => $lookup,  
                         prefix => $input->{name},  
                 );  
   
                 my $rules;  
                 my $normalize_path = $input->{normalize}->{path};  
260    
261                  if ($force_set) {                  if ($marc_normalize) {
262                          my $new_norm_path = $normalize_path;                          @norm_array = ( {
263                          $new_norm_path =~ s/\.xml$/.pl/;                                  path => $marc_normalize,
264                          if (-e $new_norm_path) {                                  output => $marc_output || 'out/marc/' . $database . '-' . $input->{name} . '.marc',
265                                  $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 $normalize_path");  
                         }  
266                  }                  }
267    
268                  if ($normalize_path =~ m/\.xml$/i) {                  foreach my $normalize (@norm_array) {
                         $n->open(  
                                 tag => $input->{normalize}->{tag},  
                                 xml_file => $normalize_path,  
                         );  
                 } elsif ($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 $normalize_path = $normalize->{path} || $log->logdie("can't find normalize path in config");
271    
272                          my $row = $input_db->fetch || next;                          $log->logdie("Found '$normalize_path' as normalization file which isn't supported any more!") unless ( $normalize_path =~ m!\.pl$!i );
273    
274                          my $mfn = $row->{'000'}->[0];                          my $rules = read_file( $normalize_path ) or die "can't open $normalize_path: $!";
275    
276                          if (! $mfn || $mfn !~ m#^\d+$#) {                          $log->info("Using $normalize_path for normalization...");
                                 $log->warn("record $pos doesn't have valid MFN but '$mfn', using $pos");  
                                 $mfn = $pos;  
                                 push @{ $row->{'000'} }, $pos;  
                         }  
277    
278                            my $marc = new WebPAC::Output::MARC(
279                                    path => $normalize->{output},
280                                    lint => $marc_lint,
281                                    dump => $marc_dump,
282                            ) if ($normalize->{output});
283    
284                          if ($validate) {                          # reset position in database
285                                  my @errors = $validate->validate_errors( $row );                          $input_db->seek(1);
                                 $log->error( "MFN $mfn validation errors:\n", join("\n", @errors) ) if (@errors);  
                         }  
286    
287                                                            foreach my $pos ( 0 ... $input_db->size ) {
288                          my $ds;  
289                          if ($n) {                                  my $row = $input_db->fetch || next;
290                                  $ds = $n->data_structure($row);  
291                          } else {                                  my $mfn = $row->{'000'}->[0];
292                                  $ds = WebPAC::Normalize::Set::data_structure(  
293                                    if (! $mfn || $mfn !~ m#^\d+$#) {
294                                            $log->warn("record $pos doesn't have valid MFN but '$mfn', using $pos");
295                                            $mfn = $pos;
296                                            push @{ $row->{'000'} }, $pos;
297                                    }
298    
299    
300                                    if ($validate) {
301                                            my @errors = $validate->validate_errors( $row );
302                                            $log->error( "MFN $mfn validation errors:\n", join("\n", @errors) ) if (@errors);
303                                    }
304    
305                                    my $ds = WebPAC::Normalize::data_structure(
306                                          row => $row,                                          row => $row,
307                                          rules => $rules,                                          rules => $rules,
308                                          lookup => $lookup->lookup_hash,                                          lookup => $lookup ? $lookup->lookup_hash : undef,
309                                            marc_encoding => 'utf-8',
310                                  );                                  );
311    
312                                  $db->save_ds(                                  $db->save_ds(
# Line 296  while (my ($database, $db_config) = each Line 314  while (my ($database, $db_config) = each
314                                          ds => $ds,                                          ds => $ds,
315                                          prefix => $input->{name},                                          prefix => $input->{name},
316                                  ) if ($ds && !$stats);                                  ) if ($ds && !$stats);
317    
318                                    $indexer->add(
319                                            id => $input->{name} . "/" . $mfn,
320                                            ds => $ds,
321                                            type => $config->{$use_indexer}->{type},
322                                    ) if ($indexer && $ds);
323    
324                                    if ($marc) {
325                                            my $i = 0;
326    
327                                            while (my $fields = WebPAC::Normalize::_get_marc_fields( fetch_next => 1 ) ) {
328                                                    $marc->add(
329                                                            id => $mfn . ( $i ? "/$i" : '' ),
330                                                            fields => $fields,
331                                                            leader => WebPAC::Normalize::marc_leader(),
332                                                            row => $row,
333                                                    );
334                                                    $i++;
335                                            }
336    
337                                            $log->info("Created $i instances of MFN $mfn\n") if ($i > 1);
338                                    }
339    
340                                    $total_rows++;
341                          }                          }
342    
343                          $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},  
                         ) if ($indexer);  
344    
345                          $total_rows++;                          # close MARC file
346                  }                          $marc->finish if ($marc);
347    
348                  $log->info("statistics of fields usage:\n", $input_db->stats) if ($stats);                  }
349    
350          };          }
351    
352          eval { $indexer->finish } if ($indexer && $indexer->can('finish'));          eval { $indexer->finish } if ($indexer && $indexer->can('finish'));
353    
# Line 323  while (my ($database, $db_config) = each Line 361  while (my ($database, $db_config) = each
361          #          #
362          # add Hyper Estraier links to other databases          # add Hyper Estraier links to other databases
363          #          #
364          if (ref($db_config->{links}) eq 'ARRAY') {          if (ref($db_config->{links}) eq 'ARRAY' && $use_indexer) {
365                  foreach my $link (@{ $db_config->{links} }) {                  foreach my $link (@{ $db_config->{links} }) {
366                          if ($use_indexer eq 'hyperestraier') {                          if ($use_indexer eq 'hyperestraier') {
367                                  $log->info("adding link $database -> $link->{to} [$link->{credit}]");                                  $log->info("saving link $database -> $link->{to} [$link->{credit}]");
368                                  $indexer->add_link(                                  push @links, {
369                                          from => $database,                                          from => $database,
370                                          to => $link->{to},                                          to => $link->{to},
371                                          credit => $link->{credit},                                          credit => $link->{credit},
372                                  );                                  };
373                          } else {                          } else {
374                                  $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}]");
375                          }                          }
# Line 340  while (my ($database, $db_config) = each Line 378  while (my ($database, $db_config) = each
378    
379  }  }
380    
381    foreach my $link (@links) {
382            $log->info("adding link $link->{from} -> $link->{to} [$link->{credit}]");
383            $indexer->add_link( %{ $link } );
384    }
Legend:
Removed from v.516  
changed lines
  Added in v.588
  ViewVC Help
Powered by ViewVC 1.1.26