/[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 269 by dpavlin, Fri Dec 16 21:09:48 2005 UTC revision 529 by dpavlin, Mon May 22 19:34:45 2006 UTC
# Line 9  use lib './lib'; Line 9  use lib './lib';
9    
10  use WebPAC::Common 0.02;  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;
17  use WebPAC::Output::Estraier 0.05;  use WebPAC::Validate;
18  use YAML qw/LoadFile/;  use YAML qw/LoadFile/;
19  use LWP::Simple;  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    Options:
31    
32    =over 4
33    
34    =item --offset 42
35    
36    start loading (all) databases at offset 42
37    
38    =item --limit 100
39    
40    limit loading to 100 records
41    
42    =item --clean
43    
44    remove database and Hyper Estraier index before indexing
45    
46    =item --only=database_name/input_filter
47    
48    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
54    
55    path to YAML configuration file
56    
57    =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    turn on extra validation of imput records, see L<WebPAC::Validation>
70    
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    $config = LoadFile($config);
100    
101    print "config = ",Dumper($config) if ($debug);
102    
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();
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 = $config->{use_indexer} || 'hyperestraier';
114    if ($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  my $total_rows = 0;  my $total_rows = 0;
122    my $start_t = time();
123    
124    my @links;
125    my $indexer;
126    
127  while (my ($database, $db_config) = each %{ $config->{databases} }) {  while (my ($database, $db_config) = each %{ $config->{databases} }) {
128    
129          my $log = _new WebPAC::Common()->_get_logger();          my ($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          # open Hyper Estraier database                  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          my $est_config = $config->{hyperestraier} || $log->logdie("can't find 'hyperestraier' part in confguration");                  } else {
152          $est_config->{database} = $database;                          $log->logdie("unknown use_indexer: $use_indexer");
153                    }
154    
155          $log->info("using HyperEstraier URL $est_config->{masterurl}");                  $log->logide("can't continue without valid indexer") unless ($indexer);
156            }
157    
         my $est = new WebPAC::Output::Estraier(  
                 %{ $est_config },  
         );  
158    
159          #          #
160          # now WebPAC::Store          # now WebPAC::Store
# Line 52  while (my ($database, $db_config) = each Line 164  while (my ($database, $db_config) = each
164    
165          my $db_path = $config->{webpac}->{db_path} . '/' . $database;          my $db_path = $config->{webpac}->{db_path} . '/' . $database;
166    
167          $log->info("working on $database in $db_path");          if ($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(          my $db = new WebPAC::Store(
175                  path => $db_path,                  path => $db_path,
176                  database => $database,                  database => $database,
177                  debug => 1,                  debug => $debug,
178          );          );
179    
180    
# Line 74  while (my ($database, $db_config) = each Line 191  while (my ($database, $db_config) = each
191                  $log->info("database $database doesn't have inputs defined");                  $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) {          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});                  my $type = lc($input->{type});
201    
202                  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));
203    
204                  my $lookup = new WebPAC::Lookup(                  my $lookup = new WebPAC::Lookup(
205                          lookup_file => $input->{lookup},                          lookup_file => $input->{lookup},
206                  );                  ) if ($input->{lookup});
207    
208                    my $input_module = $config->{webpac}->{inputs}->{$type};
209    
210                  $log->info("working on input $input->{path} [$input->{type}]");                  $log->info("working on input '$input->{name}' in $input->{path} [type: $input->{type}] using $input_module",
211                            $input->{lookup} ? "lookup '$input->{lookup}'" : ""
212                    );
213    
214                  my $isis = new WebPAC::Input::ISIS(                  my $input_db = new WebPAC::Input(
215                            module => $input_module,
216                          code_page => $config->{webpac}->{webpac_encoding},                          code_page => $config->{webpac}->{webpac_encoding},
217                          limit_mfn => $input->{limit},                          limit => $limit || $input->{limit},
218                            offset => $offset,
219                          lookup => $lookup,                          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 = $isis->open(                  my $maxmfn = $input_db->open(
226                          filename => $input->{path},                          path => $input->{path},
227                          code_page => $input->{encoding},        # database encoding                          code_page => $input->{encoding},        # database encoding
228                            %{ $input },
229                  );                  );
230    
231                  my $n = new WebPAC::Normalize::XML(                  my $n = new WebPAC::Normalize::XML(
232                  #       filter => { 'foo' => sub { shift } },                  #       filter => { 'foo' => sub { shift } },
233                          db => $db,                          db => $db,
234                          lookup_regex => $lookup->regex,                          lookup_regex => $lookup ? $lookup->regex : undef,
235                          lookup => $lookup,                          lookup => $lookup,
236                          prefix => $input->{name},                          prefix => $input->{name},
237                  );                  );
238    
239                    my $rules;
240                  my $normalize_path = $input->{normalize}->{path};                  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$/i) {                  if ($normalize_path =~ m/\.xml$/i) {
254                          $n->open(                          $n->open(
255                                  tag => $input->{normalize}->{tag},                                  tag => $input->{normalize}->{tag},
256                                  xml_file => $input->{normalize}->{path},                                  xml_file => $normalize_path,
257                          );                          );
258                  } elsif ($normalize_path =~ m/\.(?:yml|yaml)$/i) {                  } elsif ($normalize_path =~ m/\.(?:yml|yaml)$/i) {
259                          $n->open_yaml(                          $n->open_yaml(
260                                  path => $normalize_path,                                  path => $normalize_path,
261                                  tag => $input->{normalize}->{tag},                                  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                  for ( 0 ... $isis->size ) {                  foreach my $pos ( 0 ... $input_db->size ) {
270    
271                          my $row = $isis->fetch || next;                          my $row = $input_db->fetch || next;
272    
273                          my $mfn = $row->{'000'}->[0] || die "can't find MFN";                          my $mfn = $row->{'000'}->[0];
274    
275                          my $ds = $n->data_structure($row);                          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                          $est->add(                          $indexer->add(
306                                  id => $input->{name} . "#" . $mfn,                                  id => $input->{name} . "/" . $mfn,
307                                  ds => $ds,                                  ds => $ds,
308                                  type => $config->{hyperestraier}->{type},                                  type => $config->{$use_indexer}->{type},
309                          );                          ) if ($indexer);
310    
311                          $total_rows++;                          $total_rows++;
312                  }                  }
313    
314                    $log->info("statistics of fields usage:\n", $input_db->stats) if ($stats);
315    
316          };          };
317    
318          $log->info("$total_rows records indexed");          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 / $dt)
324                    )
325            );
326    
327          #          #
328          # add Hyper Estraier links to other databases          # add Hyper Estraier links to other databases
329          #          #
330          if (ref($db_config->{links}) eq 'ARRAY') {          if (ref($db_config->{links}) eq 'ARRAY') {
331                  foreach my $link (@{ $db_config->{links} }) {                  foreach my $link (@{ $db_config->{links} }) {
332                          $log->info("adding link $database -> $link->{to} [$link->{credit}]");                          if ($use_indexer eq 'hyperestraier') {
333                          $est->add_link(                                  $log->info("saving link $database -> $link->{to} [$link->{credit}]");
334                                  from => $database,                                  push @links, {
335                                  to => $link->{to},                                          from => $database,
336                                  credit => $link->{credit},                                          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.269  
changed lines
  Added in v.529
  ViewVC Help
Powered by ViewVC 1.1.26