/[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 504 by dpavlin, Sun May 14 22:24:18 2006 UTC revision 547 by dpavlin, Thu Jun 29 23:19:26 2006 UTC
# Line 11  use WebPAC::Common 0.02; Line 11  use WebPAC::Common 0.02;
11  use WebPAC::Lookup;  use WebPAC::Lookup;
12  use WebPAC::Input 0.03;  use WebPAC::Input 0.03;
13  use WebPAC::Store 0.03;  use WebPAC::Store 0.03;
14  use WebPAC::Normalize::XML;  use WebPAC::Normalize;
 use WebPAC::Normalize::Set;  
15  use WebPAC::Output::TT;  use WebPAC::Output::TT;
16    use WebPAC::Validate;
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 MARC::Record 2.0;   # need 2.0 for utf-8 encoding see marcpm.sf.net
23    
24  =head1 NAME  =head1 NAME
25    
# 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 --stats
58    
59    disable indexing and dump statistics about field and subfield
60    usage for each input
61    
62  force conversion C<normalize->path> in C<config.yml> from  =item --validate path/to/validation_file
63  C<.xml> to C<.pl>  
64    turn on extra validation of imput records, see L<WebPAC::Validation>
65    
66  =back  =back
67    
# Line 65  my $limit; Line 73  my $limit;
73  my $clean = 0;  my $clean = 0;
74  my $config = 'conf/config.yml';  my $config = 'conf/config.yml';
75  my $debug = 0;  my $debug = 0;
76  my $only_db_name;  my $only_filter;
77  my $force_set = 0;  my $stats = 0;
78    my $validate_path;
79    
80  GetOptions(  GetOptions(
81          "limit=i" => \$limit,          "limit=i" => \$limit,
82          "offset=i" => \$offset,          "offset=i" => \$offset,
83          "clean" => \$clean,          "clean" => \$clean,
84          "one=s" => \$only_db_name,          "one=s" => \$only_filter,
85          "only=s" => \$only_db_name,          "only=s" => \$only_filter,
86          "config" => \$config,          "config" => \$config,
87          "debug" => \$debug,          "debug" => \$debug,
88          "force-set" => \$force_set,          "stats" => \$stats,
89            "validate=s" => \$validate_path,
90  );  );
91    
92  $config = LoadFile($config);  $config = LoadFile($config);
# Line 86  print "config = ",Dumper($config) if ($d Line 96  print "config = ",Dumper($config) if ($d
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();  my $log = _new WebPAC::Common()->_get_logger();
99    $log->info( "-" x 79 );
100    
101    my $validate;
102    $validate = new WebPAC::Validate(
103            path => $validate_path,
104    ) if ($validate_path);
105    
106  my $use_indexer = $config->{use_indexer} || 'hyperestraier';  my $use_indexer = $config->{use_indexer} || 'hyperestraier';
107  $log->info("using $use_indexer indexing engine...");  if ($stats) {
108            $log->debug("option --stats disables update of indexing engine...");
109            $use_indexer = undef;
110    } else {
111            $log->info("using $use_indexer indexing engine...");
112    }
113    
114  my $total_rows = 0;  my $total_rows = 0;
115  my $start_t = time();  my $start_t = time();
116    
117    my @links;
118    my $indexer;
119    
120  while (my ($database, $db_config) = each %{ $config->{databases} }) {  while (my ($database, $db_config) = each %{ $config->{databases} }) {
121    
122          next if ($only_db_name && $database !~ m/$only_db_name/i);          my ($only_database,$only_input) = split(m#/#, $only_filter) if ($only_filter);
123            next if ($only_database && $database !~ m/$only_database/i);
124    
125          my $indexer;          if ($use_indexer) {
126                    my $indexer_config = $config->{$use_indexer} || $log->logdie("can't find '$use_indexer' part in confguration");
127                    $indexer_config->{database} = $database;
128                    $indexer_config->{clean} = $clean;
129                    $indexer_config->{label} = $db_config->{name};
130    
131                    if ($use_indexer eq 'hyperestraier') {
132    
133                            # open Hyper Estraier database
134                            use WebPAC::Output::Estraier '0.10';
135                            $indexer = new WebPAC::Output::Estraier( %{ $indexer_config } );
136                    
137                    } elsif ($use_indexer eq 'kinosearch') {
138    
139                            # open KinoSearch
140                            use WebPAC::Output::KinoSearch;
141                            $indexer_config->{clean} = 1 unless (-e $indexer_config->{index_path});
142                            $indexer = new WebPAC::Output::KinoSearch( %{ $indexer_config } );
143    
144          my $indexer_config = $config->{$use_indexer} || $log->logdie("can't find '$use_indexer' part in confguration");                  } else {
145          $indexer_config->{database} = $database;                          $log->logdie("unknown use_indexer: $use_indexer");
146          $indexer_config->{clean} = $clean;                  }
         $indexer_config->{label} = $db_config->{name};  
   
         if ($use_indexer eq 'hyperestraier') {  
   
                 # open Hyper Estraier database  
                 use WebPAC::Output::Estraier '0.10';  
                 $indexer = new WebPAC::Output::Estraier( %{ $indexer_config } );  
           
         } elsif ($use_indexer eq 'kinosearch') {  
   
                 # open KinoSearch  
                 use WebPAC::Output::KinoSearch;  
                 $indexer_config->{clean} = 1 unless (-e $indexer_config->{index_path});  
                 $indexer = new WebPAC::Output::KinoSearch( %{ $indexer_config } );  
147    
148          } else {                  $log->logide("can't continue without valid indexer") unless ($indexer);
                 $log->logdie("unknown use_indexer: $use_indexer");  
149          }          }
150    
         $log->logide("can't continue without valid indexer") unless ($indexer);  
151    
152          #          #
153          # now WebPAC::Store          # now WebPAC::Store
# Line 132  while (my ($database, $db_config) = each Line 158  while (my ($database, $db_config) = each
158          my $db_path = $config->{webpac}->{db_path} . '/' . $database;          my $db_path = $config->{webpac}->{db_path} . '/' . $database;
159    
160          if ($clean) {          if ($clean) {
161                  $log->info("creating new database $database in $db_path");                  $log->info("creating new database '$database' in $db_path");
162                  rmtree( $db_path ) || $log->warn("can't remove $db_path: $!");                  rmtree( $db_path ) || $log->warn("can't remove $db_path: $!");
163          } else {          } else {
164                  $log->debug("working on $database in $db_path");                  $log->info("working on database '$database' in $db_path");
165          }          }
166    
167          my $db = new WebPAC::Store(          my $db = new WebPAC::Store(
# Line 162  while (my ($database, $db_config) = each Line 188  while (my ($database, $db_config) = each
188    
189          foreach my $input (@inputs) {          foreach my $input (@inputs) {
190    
191                    next if ($only_input && ($input->{name} !~ m#$only_input#i && $input->{type} !~ m#$only_input#i));
192    
193                  my $type = lc($input->{type});                  my $type = lc($input->{type});
194    
195                  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));
196    
197                  my $lookup = new WebPAC::Lookup(                  my $lookup = new WebPAC::Lookup(
198                          lookup_file => $input->{lookup},                          lookup_file => $input->{lookup},
199                  );                  ) if ($input->{lookup});
200    
201                  my $input_module = $config->{webpac}->{inputs}->{$type};                  my $input_module = $config->{webpac}->{inputs}->{$type};
202    
203                  $log->info("working on input '$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",
204                            $input->{lookup} ? "lookup '$input->{lookup}'" : ""
205                    );
206    
207                  my $input_db = new WebPAC::Input(                  my $input_db = new WebPAC::Input(
208                          module => $input_module,                          module => $input_module,
# Line 181  while (my ($database, $db_config) = each Line 211  while (my ($database, $db_config) = each
211                          offset => $offset,                          offset => $offset,
212                          lookup => $lookup,                          lookup => $lookup,
213                          recode => $input->{recode},                          recode => $input->{recode},
214                            stats => $stats,
215                  );                  );
216                  $log->logdie("can't create input using $input_module") unless ($input);                  $log->logdie("can't create input using $input_module") unless ($input);
217    
218                  my $maxmfn = $input_db->open(                  my $maxmfn = $input_db->open(
219                          path => $input->{path},                          path => $input->{path},
220                          code_page => $input->{encoding},        # database encoding                          code_page => $input->{encoding},        # database encoding
221                            %{ $input },
222                  );                  );
223    
224                  my $n = new WebPAC::Normalize::XML(                  my @norm_array = ref($input->{normalize}) eq 'ARRAY' ?
225                  #       filter => { 'foo' => sub { shift } },                          @{ $input->{normalize} } : ( $input->{normalize} );
                         db => $db,  
                         lookup_regex => $lookup->regex,  
                         lookup => $lookup,  
                         prefix => $input->{name},  
                 );  
226    
227                  my $rules;                  foreach my $normalize (@norm_array) {
                 my $normalize_path = $input->{normalize}->{path};  
228    
229                  if ($force_set) {                          my $normalize_path = $normalize->{path} || $log->logdie("can't find normalize path in config");
                         my $new_norm_path = $normalize_path;  
                         $new_norm_path =~ s/\.xml$/.pl/;  
                         if (-e $new_norm_path) {  
                                 $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 $normalize_path");  
                         }  
                 }  
230    
231                  if ($normalize_path =~ m/\.xml$/i) {                          $log->logdie("Found '$normalize_path' as normalization file which isn't supported any more!") unless ( $normalize_path =~ m!\.pl$!i );
                         $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: $!";  
                 }  
232    
233                  foreach my $pos ( 0 ... $input_db->size ) {                          my $rules = read_file( $normalize_path ) or die "can't open $normalize_path: $!";
234    
235                          my $row = $input_db->fetch || next;                          $log->info("Using $normalize_path for normalization...");
236    
237                          my $mfn = $row->{'000'}->[0];                          my $marc_fh;
238                            if (my $path = $normalize->{marc21}) {
239                                    open($marc_fh, '>', $path) ||
240                                            $log->logdie("can't open MARC output $path: $!");
241    
242                          if (! $mfn || $mfn !~ m#^\d+$#) {                                  $log->info("Creating MARC export file $path\n");
                                 $log->warn("record $pos doesn't have valid MFN but '$mfn', using $pos");  
                                 $mfn = $pos;  
                                 push @{ $row->{'000'} }, $pos;  
243                          }                          }
244    
245                          my $ds = $n ? $n->data_structure($row) :                          # reset position in database
246                                  WebPAC::Normalize::Set::data_structure(                          $input_db->seek(1);
247    
248                            foreach my $pos ( 0 ... $input_db->size ) {
249    
250                                    my $row = $input_db->fetch || next;
251    
252                                    my $mfn = $row->{'000'}->[0];
253    
254                                    if (! $mfn || $mfn !~ m#^\d+$#) {
255                                            $log->warn("record $pos doesn't have valid MFN but '$mfn', using $pos");
256                                            $mfn = $pos;
257                                            push @{ $row->{'000'} }, $pos;
258                                    }
259    
260    
261                                    if ($validate) {
262                                            my @errors = $validate->validate_errors( $row );
263                                            $log->error( "MFN $mfn validation errors:\n", join("\n", @errors) ) if (@errors);
264                                    }
265    
266                                            
267                                    my $ds = WebPAC::Normalize::data_structure(
268                                          row => $row,                                          row => $row,
269                                          rules => $rules,                                          rules => $rules,
270                                          lookup => $lookup->lookup_hash,                                          lookup => $lookup ? $lookup->lookup_hash : undef,
271                                            marc_encoding => 'utf-8',
272                                  );                                  );
273    
274                          $indexer->add(                                  $db->save_ds(
275                                  id => $input->{name} . "/" . $mfn,                                          id => $mfn,
276                                  ds => $ds,                                          ds => $ds,
277                                  type => $config->{$use_indexer}->{type},                                          prefix => $input->{name},
278                          );                                  ) if ($ds && !$stats);
279    
280                                    $indexer->add(
281                                            id => $input->{name} . "/" . $mfn,
282                                            ds => $ds,
283                                            type => $config->{$use_indexer}->{type},
284                                    ) if ($indexer && $ds);
285    
286                                    if ($marc_fh) {
287                                            my $marc = new MARC::Record;
288                                            $marc->encoding( 'utf-8' );
289                                            $marc->add_fields( WebPAC::Normalize::_get_marc_fields() );
290                                            print $marc_fh $marc->as_usmarc;
291                                    }
292    
293                                    $total_rows++;
294                            }
295    
296                            $log->info("statistics of fields usage:\n", $input_db->stats) if ($stats);
297    
298                            # close MARC file
299                            close($marc_fh) if ($marc_fh);
300    
                         $total_rows++;  
301                  }                  }
302    
303          };          }
304    
305          eval { $indexer->finish } if ($indexer->can('finish'));          eval { $indexer->finish } if ($indexer && $indexer->can('finish'));
306    
307          my $dt = time() - $start_t;          my $dt = time() - $start_t;
308          $log->info("$total_rows records indexed in " .          $log->info("$total_rows records ", $indexer ? "indexed " : "",
309                  sprintf("%.2f sec [%.2f rec/sec]",                  sprintf("in %.2f sec [%.2f rec/sec]",
310                          $dt, ($total_rows / $dt)                          $dt, ($total_rows / $dt)
311                  )                  )
312          );          );
# Line 272  while (my ($database, $db_config) = each Line 317  while (my ($database, $db_config) = each
317          if (ref($db_config->{links}) eq 'ARRAY') {          if (ref($db_config->{links}) eq 'ARRAY') {
318                  foreach my $link (@{ $db_config->{links} }) {                  foreach my $link (@{ $db_config->{links} }) {
319                          if ($use_indexer eq 'hyperestraier') {                          if ($use_indexer eq 'hyperestraier') {
320                                  $log->info("adding link $database -> $link->{to} [$link->{credit}]");                                  $log->info("saving link $database -> $link->{to} [$link->{credit}]");
321                                  $indexer->add_link(                                  push @links, {
322                                          from => $database,                                          from => $database,
323                                          to => $link->{to},                                          to => $link->{to},
324                                          credit => $link->{credit},                                          credit => $link->{credit},
325                                  );                                  };
326                          } else {                          } else {
327                                  $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}]");
328                          }                          }
# Line 286  while (my ($database, $db_config) = each Line 331  while (my ($database, $db_config) = each
331    
332  }  }
333    
334    foreach my $link (@links) {
335            $log->info("adding link $link->{from} -> $link->{to} [$link->{credit}]");
336            $indexer->add_link( %{ $link } );
337    }
Legend:
Removed from v.504  
changed lines
  Added in v.547
  ViewVC Help
Powered by ViewVC 1.1.26