/[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 141 by dpavlin, Fri Nov 25 00:22:58 2005 UTC revision 529 by dpavlin, Mon May 22 19:34:45 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::DB 0.02;  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;
17  use WebPAC::Output::Estraier;  use WebPAC::Validate;
18  use YAML qw/LoadFile/;  use YAML qw/LoadFile/;
19    use Getopt::Long;
20    use File::Path;
21    use Time::HiRes qw/time/;
22    use File::Slurp;
23    
24  my $limit = shift @ARGV;  =head1 NAME
25    
26  my $config = LoadFile('conf/config.yml');  run.pl - start WebPAC indexing
27    
28  print "config = ",Dumper($config);  B<this command will probably go away. Don't get used to it!>
29    
30  my $type = lc($config->{input}->{type});  Options:
31    
32  die "I know only how to handle input type isis, not '$type'!\n" unless ($type eq 'isis');  =over 4
33    
34  my $abs_path = abs_path($0);  =item --offset 42
 $abs_path =~ s#/[^/]*$#/#;  
35    
36  my $lookup = new WebPAC::Lookup(  start loading (all) databases at offset 42
         lookup_file => $config->{input}->{lookup},  
 );  
37    
38    =item --limit 100
39    
40    limit loading to 100 records
41    
42  my $isis = new WebPAC::Input::ISIS(  =item --clean
         code_page => $config->{webpac}->{webpac_encoding},  
         limit_mfn => $config->{input}->{limit},  
 );  
43    
44  my $maxmfn = $isis->open(  remove database and Hyper Estraier index before indexing
         filename => $config->{input}->{path},  
         code_page => $config->{input}->{encoding},      # database encoding  
 );  
45    
46  my $path = './db/';  =item --only=database_name/input_filter
47    
48  my $db = new WebPAC::DB(  reindex just single database (legacy name is --one)
         path => $config->{webpac}->{db_path},  
 );  
49    
50  my $n = new WebPAC::Normalize::XML(  C</input_filter> is optional part which can be C<name>
51  #       filter => { 'foo' => sub { shift } },  or C<type> from input
         db => $db,  
         lookup_regex => $lookup->regex,  
         lookup => $lookup,  
 );  
52    
53  $n->open(  =item --config conf/config.yml
         tag => $config->{normalize}->{tag},  
         xml_file => $config->{normalize}->{path},  
 );  
54    
55  my $out = new WebPAC::Output::TT(  path to YAML configuration file
56          include_path => $config->{webpac}->{template_path},  
57          filters => { foo => sub { shift } },  =item --force-set
58  );  
59    force conversion C<< normalize->path >> in C<config.yml> from
60    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  my $est = new WebPAC::Output::Estraier(  turn on extra validation of imput records, see L<WebPAC::Validation>
70          %{ $config->{hyperestraier} }  
71    =back
72    
73    =cut
74    
75    my $offset;
76    my $limit;
77    
78    my $clean = 0;
79    my $config = 'conf/config.yml';
80    my $debug = 0;
81    my $only_filter;
82    my $force_set = 0;
83    my $stats = 0;
84    my $validate_path;
85    
86    GetOptions(
87            "limit=i" => \$limit,
88            "offset=i" => \$offset,
89            "clean" => \$clean,
90            "one=s" => \$only_filter,
91            "only=s" => \$only_filter,
92            "config" => \$config,
93            "debug" => \$debug,
94            "force-set" => \$force_set,
95            "stats" => \$stats,
96            "validate=s" => \$validate_path,
97  );  );
98    
99  my $total_rows = 0;  $config = LoadFile($config);
100    
101  for ( 0 ... $isis->size ) {  print "config = ",Dumper($config) if ($debug);
102    
103          my $row = $isis->fetch || next;  die "no databases in config file!\n" unless ($config->{databases});
104    
105          my $mfn = $row->{'000'}->[0] || die "can't find MFN";  my $log = _new WebPAC::Common()->_get_logger();
106    $log->info( "-" x 79 );
107    
108          my $ds = $n->data_structure($row);  my $validate;
109    $validate = new WebPAC::Validate(
110            path => $validate_path,
111    ) if ($validate_path);
112    
113    my $use_indexer = $config->{use_indexer} || 'hyperestraier';
114    if ($stats) {
115            $log->debug("option --stats disables update of indexing engine...");
116            $use_indexer = undef;
117    } else {
118            $log->info("using $use_indexer indexing engine...");
119    }
120    
121  #       print STDERR Dumper($row, $ds);  my $total_rows = 0;
122    my $start_t = time();
123  #       my $html = $out->apply(  
124  #               template => 'html_ffzg.tt',  my @links;
125  #               data => $ds,  my $indexer;
 #       );  
 #  
 #       # create test output  
 #  
 #       my $file = sprintf('out/%02d.html', $mfn );  
 #       open(my $fh, '>', $file) or die "can't open $file: $!";  
 #       print $fh $html;  
 #       close($fh);  
 #  
 #       $html =~ s#\s*[\n\r]+\s*##gs;  
 #  
 #       print STDERR $html;  
   
         $est->add(  
                 id => $mfn,  
                 ds => $ds,  
                 type => $config->{hyperestraier}->{type},  
         );  
126    
127          $total_rows++;  while (my ($database, $db_config) = each %{ $config->{databases} }) {
128    
129            my ($only_database,$only_input) = split(m#/#, $only_filter) if ($only_filter);
130            next if ($only_database && $database !~ m/$only_database/i);
131    
132            if ($use_indexer) {
133                    my $indexer_config = $config->{$use_indexer} || $log->logdie("can't find '$use_indexer' part in confguration");
134                    $indexer_config->{database} = $database;
135                    $indexer_config->{clean} = $clean;
136                    $indexer_config->{label} = $db_config->{name};
137    
138                    if ($use_indexer eq 'hyperestraier') {
139    
140                            # open Hyper Estraier database
141                            use WebPAC::Output::Estraier '0.10';
142                            $indexer = new WebPAC::Output::Estraier( %{ $indexer_config } );
143                    
144                    } elsif ($use_indexer eq 'kinosearch') {
145    
146                            # open KinoSearch
147                            use WebPAC::Output::KinoSearch;
148                            $indexer_config->{clean} = 1 unless (-e $indexer_config->{index_path});
149                            $indexer = new WebPAC::Output::KinoSearch( %{ $indexer_config } );
150    
151                    } else {
152                            $log->logdie("unknown use_indexer: $use_indexer");
153                    }
154    
155                    $log->logide("can't continue without valid indexer") unless ($indexer);
156            }
157    
158    
159            #
160            # now WebPAC::Store
161            #
162            my $abs_path = abs_path($0);
163            $abs_path =~ s#/[^/]*$#/#;
164    
165            my $db_path = $config->{webpac}->{db_path} . '/' . $database;
166    
167            if ($clean) {
168                    $log->info("creating new database '$database' in $db_path");
169                    rmtree( $db_path ) || $log->warn("can't remove $db_path: $!");
170            } else {
171                    $log->info("working on database '$database' in $db_path");
172            }
173    
174            my $db = new WebPAC::Store(
175                    path => $db_path,
176                    database => $database,
177                    debug => $debug,
178            );
179    
 };  
180    
181  my $log = $lookup->_get_logger;          #
182            # now, iterate through input formats
183            #
184    
185            my @inputs;
186            if (ref($db_config->{input}) eq 'ARRAY') {
187                    @inputs = @{ $db_config->{input} };
188            } elsif ($db_config->{input}) {
189                    push @inputs, $db_config->{input};
190            } else {
191                    $log->info("database $database doesn't have inputs defined");
192            }
193    
194            my @supported_inputs = keys %{ $config->{webpac}->{inputs} };
195    
196            foreach my $input (@inputs) {
197    
198                    next if ($only_input && ($input->{name} !~ m#$only_input#i && $input->{type} !~ m#$only_input#i));
199    
200                    my $type = lc($input->{type});
201    
202                    die "I know only how to handle input types ", join(",", @supported_inputs), " not '$type'!\n" unless (grep(/$type/, @supported_inputs));
203    
204                    my $lookup = new WebPAC::Lookup(
205                            lookup_file => $input->{lookup},
206                    ) if ($input->{lookup});
207    
208                    my $input_module = $config->{webpac}->{inputs}->{$type};
209    
210                    $log->info("working on input '$input->{name}' in $input->{path} [type: $input->{type}] using $input_module",
211                            $input->{lookup} ? "lookup '$input->{lookup}'" : ""
212                    );
213    
214                    my $input_db = new WebPAC::Input(
215                            module => $input_module,
216                            code_page => $config->{webpac}->{webpac_encoding},
217                            limit => $limit || $input->{limit},
218                            offset => $offset,
219                            lookup => $lookup,
220                            recode => $input->{recode},
221                            stats => $stats,
222                    );
223                    $log->logdie("can't create input using $input_module") unless ($input);
224    
225                    my $maxmfn = $input_db->open(
226                            path => $input->{path},
227                            code_page => $input->{encoding},        # database encoding
228                            %{ $input },
229                    );
230    
231                    my $n = new WebPAC::Normalize::XML(
232                    #       filter => { 'foo' => sub { shift } },
233                            db => $db,
234                            lookup_regex => $lookup ? $lookup->regex : undef,
235                            lookup => $lookup,
236                            prefix => $input->{name},
237                    );
238    
239                    my $rules;
240                    my $normalize_path = $input->{normalize}->{path};
241    
242                    if ($force_set) {
243                            my $new_norm_path = $normalize_path;
244                            $new_norm_path =~ s/\.xml$/.pl/;
245                            if (-e $new_norm_path) {
246                                    $log->debug("--force-set replaced $normalize_path with $new_norm_path");
247                                    $normalize_path = $new_norm_path;
248                            } else {
249                                    $log->debug("--force-set failed on $new_norm_path, fallback to $normalize_path");
250                            }
251                    }
252    
253                    if ($normalize_path =~ m/\.xml$/i) {
254                            $n->open(
255                                    tag => $input->{normalize}->{tag},
256                                    xml_file => $normalize_path,
257                            );
258                    } elsif ($normalize_path =~ m/\.(?:yml|yaml)$/i) {
259                            $n->open_yaml(
260                                    path => $normalize_path,
261                                    tag => $input->{normalize}->{tag},
262                            );
263                    } elsif ($normalize_path =~ m/\.(?:pl)$/i) {
264                            $n = undef;
265                            $log->info("using WebPAC::Normalize::Set to process $normalize_path");
266                            $rules = read_file( $normalize_path ) or die "can't open $normalize_path: $!";
267                    }
268    
269                    foreach my $pos ( 0 ... $input_db->size ) {
270    
271                            my $row = $input_db->fetch || next;
272    
273                            my $mfn = $row->{'000'}->[0];
274    
275                            if (! $mfn || $mfn !~ m#^\d+$#) {
276                                    $log->warn("record $pos doesn't have valid MFN but '$mfn', using $pos");
277                                    $mfn = $pos;
278                                    push @{ $row->{'000'} }, $pos;
279                            }
280    
281    
282                            if ($validate) {
283                                    my @errors = $validate->validate_errors( $row );
284                                    $log->error( "MFN $mfn validation errors:\n", join("\n", @errors) ) if (@errors);
285                            }
286    
287                                    
288                            my $ds;
289                            if ($n) {
290                                    $ds = $n->data_structure($row);
291                            } else {
292                                    $ds = WebPAC::Normalize::Set::data_structure(
293                                            row => $row,
294                                            rules => $rules,
295                                            lookup => $lookup ? $lookup->lookup_hash : undef,
296                                    );
297    
298                                    $db->save_ds(
299                                            id => $mfn,
300                                            ds => $ds,
301                                            prefix => $input->{name},
302                                    ) if ($ds && !$stats);
303                            }
304    
305                            $indexer->add(
306                                    id => $input->{name} . "/" . $mfn,
307                                    ds => $ds,
308                                    type => $config->{$use_indexer}->{type},
309                            ) if ($indexer);
310    
311                            $total_rows++;
312                    }
313    
314                    $log->info("statistics of fields usage:\n", $input_db->stats) if ($stats);
315    
316            };
317    
318            eval { $indexer->finish } if ($indexer && $indexer->can('finish'));
319    
320            my $dt = time() - $start_t;
321            $log->info("$total_rows records ", $indexer ? "indexed " : "",
322                    sprintf("in %.2f sec [%.2f rec/sec]",
323                            $dt, ($total_rows / $dt)
324                    )
325            );
326    
327  $log->info("$total_rows records indexed");          #
328            # add Hyper Estraier links to other databases
329            #
330            if (ref($db_config->{links}) eq 'ARRAY') {
331                    foreach my $link (@{ $db_config->{links} }) {
332                            if ($use_indexer eq 'hyperestraier') {
333                                    $log->info("saving link $database -> $link->{to} [$link->{credit}]");
334                                    push @links, {
335                                            from => $database,
336                                            to => $link->{to},
337                                            credit => $link->{credit},
338                                    };
339                            } else {
340                                    $log->warn("NOT IMPLEMENTED WITH $use_indexer: adding link $database -> $link->{to} [$link->{credit}]");
341                            }
342                    }
343            }
344    
345    }
346    
347    foreach my $link (@links) {
348            $log->info("adding link $link->{from} -> $link->{to} [$link->{credit}]");
349            $indexer->add_link( %{ $link } );
350    }
Legend:
Removed from v.141  
changed lines
  Added in v.529
  ViewVC Help
Powered by ViewVC 1.1.26