/[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 493 by dpavlin, Sun May 14 13:42:48 2006 UTC revision 520 by dpavlin, Thu May 18 13:48:58 2006 UTC
# Line 14  use WebPAC::Store 0.03; Line 14  use WebPAC::Store 0.03;
14  use WebPAC::Normalize::XML;  use WebPAC::Normalize::XML;
15  use WebPAC::Normalize::Set;  use WebPAC::Normalize::Set;
16  use WebPAC::Output::TT;  use WebPAC::Output::TT;
17    use WebPAC::Validate;
18  use YAML qw/LoadFile/;  use YAML qw/LoadFile/;
19  use Getopt::Long;  use Getopt::Long;
20  use File::Path;  use File::Path;
# Line 42  limit loading to 100 records Line 43  limit loading to 100 records
43    
44  remove database and Hyper Estraier index before indexing  remove database and Hyper Estraier index before indexing
45    
46  =item --only=database_name  =item --only=database_name/input_filter
47    
48  reindex just single database (legacy name is --one)  reindex just single database (legacy name is --one)
49    
50    C</input_filter> is optional part which can be C<name>
51    or C<type> from input
52    
53  =item --config conf/config.yml  =item --config conf/config.yml
54    
55  path to YAML configuration file  path to YAML configuration file
56    
57  =item --force-set  =item --force-set
58    
59  force conversion C<normalize->path> in C<config.yml> from  force conversion C<< normalize->path >> in C<config.yml> from
60  C<.xml> to C<.pl>  C<.xml> to C<.pl>
61    
62    =item --stats
63    
64    disable indexing and dump statistics about field and subfield
65    usage for each input
66    
67    =item --validate path/to/validation_file
68    
69    turn on extra validation of imput records, see L<WebPAC::Validation>
70    
71  =back  =back
72    
73  =cut  =cut
# Line 65  my $limit; Line 78  my $limit;
78  my $clean = 0;  my $clean = 0;
79  my $config = 'conf/config.yml';  my $config = 'conf/config.yml';
80  my $debug = 0;  my $debug = 0;
81  my $only_db_name;  my $only_filter;
82  my $force_set = 0;  my $force_set = 0;
83    my $stats = 0;
84    my $validate_path;
85    
86  GetOptions(  GetOptions(
87          "limit=i" => \$limit,          "limit=i" => \$limit,
88          "offset=i" => \$offset,          "offset=i" => \$offset,
89          "clean" => \$clean,          "clean" => \$clean,
90          "one=s" => \$only_db_name,          "one=s" => \$only_filter,
91          "only=s" => \$only_db_name,          "only=s" => \$only_filter,
92          "config" => \$config,          "config" => \$config,
93          "debug" => \$debug,          "debug" => \$debug,
94          "force-set" => \$force_set,          "force-set" => \$force_set,
95            "stats" => \$stats,
96            "validate=s" => \$validate_path,
97  );  );
98    
99  $config = LoadFile($config);  $config = LoadFile($config);
# Line 86  print "config = ",Dumper($config) if ($d Line 103  print "config = ",Dumper($config) if ($d
103  die "no databases in config file!\n" unless ($config->{databases});  die "no databases in config file!\n" unless ($config->{databases});
104    
105  my $log = _new WebPAC::Common()->_get_logger();  my $log = _new WebPAC::Common()->_get_logger();
106    $log->info( "-" x 79 );
107    
108    my $validate;
109    $validate = new WebPAC::Validate(
110            path => $validate_path,
111    ) if ($validate_path);
112    
113  my $use_indexer = $config->{use_indexer} || 'hyperestraier';  my $use_indexer = $config->{use_indexer} || 'hyperestraier';
114  $log->info("using $use_indexer indexing engine...");  if ($stats) {
115            $log->debug("option --stats disables update of indexing engine...");
116            $use_indexer = undef;
117    } else {
118            $log->info("using $use_indexer indexing engine...");
119    }
120    
121  my $total_rows = 0;  my $total_rows = 0;
122  my $start_t = time();  my $start_t = time();
123    
124  while (my ($database, $db_config) = each %{ $config->{databases} }) {  while (my ($database, $db_config) = each %{ $config->{databases} }) {
125    
126          next if ($only_db_name && $database !~ m/$only_db_name/i);          my ($only_database,$only_input) = split(m#/#, $only_filter) if ($only_filter);
127            next if ($only_database && $database !~ m/$only_database/i);
128    
129          my $indexer;          my $indexer;
130    
131          my $indexer_config = $config->{$use_indexer} || $log->logdie("can't find '$use_indexer' part in confguration");          if ($use_indexer) {
132          $indexer_config->{database} = $database;                  my $indexer_config = $config->{$use_indexer} || $log->logdie("can't find '$use_indexer' part in confguration");
133          $indexer_config->{clean} = $clean;                  $indexer_config->{database} = $database;
134          $indexer_config->{label} = $db_config->{name};                  $indexer_config->{clean} = $clean;
135                    $indexer_config->{label} = $db_config->{name};
136          # important: clean database just once!  
137          $clean = 0;                  if ($use_indexer eq 'hyperestraier') {
138    
139          if ($use_indexer eq 'hyperestraier') {                          # open Hyper Estraier database
140                            use WebPAC::Output::Estraier '0.10';
141                  # open Hyper Estraier database                          $indexer = new WebPAC::Output::Estraier( %{ $indexer_config } );
142                  use WebPAC::Output::Estraier '0.10';                  
143                  $indexer = new WebPAC::Output::Estraier( %{ $indexer_config } );                  } elsif ($use_indexer eq 'kinosearch') {
144            
145          } elsif ($use_indexer eq 'kinosearch') {                          # open KinoSearch
146                            use WebPAC::Output::KinoSearch;
147                  # open KinoSearch                          $indexer_config->{clean} = 1 unless (-e $indexer_config->{index_path});
148                  use WebPAC::Output::KinoSearch;                          $indexer = new WebPAC::Output::KinoSearch( %{ $indexer_config } );
                 $indexer_config->{clean} = 1 unless (-e $indexer_config->{index_path});  
                 $indexer = new WebPAC::Output::KinoSearch( %{ $indexer_config } );  
149    
150          } else {                  } else {
151                  $log->logdie("unknown use_indexer: $use_indexer");                          $log->logdie("unknown use_indexer: $use_indexer");
152                    }
153    
154                    $log->logide("can't continue without valid indexer") unless ($indexer);
155          }          }
156    
         $log->logide("can't continue without valid indexer") unless ($indexer);  
157    
158          #          #
159          # now WebPAC::Store          # now WebPAC::Store
# Line 135  while (my ($database, $db_config) = each Line 164  while (my ($database, $db_config) = each
164          my $db_path = $config->{webpac}->{db_path} . '/' . $database;          my $db_path = $config->{webpac}->{db_path} . '/' . $database;
165    
166          if ($clean) {          if ($clean) {
167                  $log->info("creating new database $database in $db_path");                  $log->info("creating new database '$database' in $db_path");
168                  rmtree( $db_path ) || $log->warn("can't remove $db_path: $!");                  rmtree( $db_path ) || $log->warn("can't remove $db_path: $!");
169          } else {          } else {
170                  $log->debug("working on $database in $db_path");                  $log->info("working on database '$database' in $db_path");
171          }          }
172    
173          my $db = new WebPAC::Store(          my $db = new WebPAC::Store(
# Line 165  while (my ($database, $db_config) = each Line 194  while (my ($database, $db_config) = each
194    
195          foreach my $input (@inputs) {          foreach my $input (@inputs) {
196    
197                    next if ($only_input && ($input->{name} !~ m#$only_input#i && $input->{type} !~ m#$only_input#i));
198    
199                  my $type = lc($input->{type});                  my $type = lc($input->{type});
200    
201                  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));
202    
203                  my $lookup = new WebPAC::Lookup(                  my $lookup = new WebPAC::Lookup(
204                          lookup_file => $input->{lookup},                          lookup_file => $input->{lookup},
205                  );                  ) if ($input->{lookup});
206    
207                  my $input_module = $config->{webpac}->{inputs}->{$type};                  my $input_module = $config->{webpac}->{inputs}->{$type};
208    
209                  $log->info("working on input '$input->{path}' [$input->{type}] using $input_module lookup '$input->{lookup}'");                  $log->info("working on input '$input->{name}' in $input->{path} [type: $input->{type}] using $input_module lookup '$input->{lookup}'");
210    
211                  my $input_db = new WebPAC::Input(                  my $input_db = new WebPAC::Input(
212                          module => $input_module,                          module => $input_module,
# Line 184  while (my ($database, $db_config) = each Line 215  while (my ($database, $db_config) = each
215                          offset => $offset,                          offset => $offset,
216                          lookup => $lookup,                          lookup => $lookup,
217                          recode => $input->{recode},                          recode => $input->{recode},
218                            stats => $stats,
219                  );                  );
220                  $log->logdie("can't create input using $input_module") unless ($input);                  $log->logdie("can't create input using $input_module") unless ($input);
221    
# Line 195  while (my ($database, $db_config) = each Line 227  while (my ($database, $db_config) = each
227                  my $n = new WebPAC::Normalize::XML(                  my $n = new WebPAC::Normalize::XML(
228                  #       filter => { 'foo' => sub { shift } },                  #       filter => { 'foo' => sub { shift } },
229                          db => $db,                          db => $db,
230                          lookup_regex => $lookup->regex,                          lookup_regex => $lookup ? $lookup->regex : undef,
231                          lookup => $lookup,                          lookup => $lookup,
232                          prefix => $input->{name},                          prefix => $input->{name},
233                  );                  );
# Line 242  while (my ($database, $db_config) = each Line 274  while (my ($database, $db_config) = each
274                                  push @{ $row->{'000'} }, $pos;                                  push @{ $row->{'000'} }, $pos;
275                          }                          }
276    
277                          my $ds = $n ? $n->data_structure($row) :  
278                                  WebPAC::Normalize::Set::data_structure(                          if ($validate) {
279                                    my @errors = $validate->validate_errors( $row );
280                                    $log->error( "MFN $mfn validation errors:\n", join("\n", @errors) ) if (@errors);
281                            }
282    
283                                    
284                            my $ds;
285                            if ($n) {
286                                    $ds = $n->data_structure($row);
287                            } else {
288                                    $ds = WebPAC::Normalize::Set::data_structure(
289                                          row => $row,                                          row => $row,
290                                          rules => $rules,                                          rules => $rules,
291                                          lookup => $lookup->lookup_hash,                                          lookup => $lookup ? $lookup->lookup_hash : undef,
292                                  );                                  );
293    
294                                    $db->save_ds(
295                                            id => $mfn,
296                                            ds => $ds,
297                                            prefix => $input->{name},
298                                    ) if ($ds && !$stats);
299                            }
300    
301                          $indexer->add(                          $indexer->add(
302                                  id => $input->{name} . "/" . $mfn,                                  id => $input->{name} . "/" . $mfn,
303                                  ds => $ds,                                  ds => $ds,
304                                  type => $config->{$use_indexer}->{type},                                  type => $config->{$use_indexer}->{type},
305                          );                          ) if ($indexer);
306    
307                          $total_rows++;                          $total_rows++;
308                  }                  }
309    
310                    $log->info("statistics of fields usage:\n", $input_db->stats) if ($stats);
311    
312          };          };
313    
314          eval { $indexer->finish } if ($indexer->can('finish'));          eval { $indexer->finish } if ($indexer && $indexer->can('finish'));
315    
316          my $dt = time() - $start_t;          my $dt = time() - $start_t;
317          $log->info("$total_rows records indexed in " .          $log->info("$total_rows records ", $indexer ? "indexed " : "",
318                  sprintf("%.2f sec [%.2f rec/sec]",                  sprintf("in %.2f sec [%.2f rec/sec]",
319                          $dt, ($total_rows / $dt)                          $dt, ($total_rows / $dt)
320                  )                  )
321          );          );
Legend:
Removed from v.493  
changed lines
  Added in v.520
  ViewVC Help
Powered by ViewVC 1.1.26