/[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 301 by dpavlin, Mon Dec 19 21:26:04 2005 UTC revision 558 by dpavlin, Sun Jul 2 10:27:06 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;
11  use WebPAC::Input 0.03;  use WebPAC::Input 0.03;
12  use WebPAC::Store 0.03;  use WebPAC::Store 0.03;
13  use WebPAC::Normalize::XML;  use WebPAC::Normalize;
14  use WebPAC::Output::TT;  use WebPAC::Output::TT;
15  use WebPAC::Output::Estraier 0.05;  use WebPAC::Validate;
16  use YAML qw/LoadFile/;  use YAML qw/LoadFile/;
17  use Getopt::Long;  use Getopt::Long;
18  use File::Path;  use File::Path;
19    use Time::HiRes qw/time/;
20    use File::Slurp;
21    use MARC::Record 2.0;   # need 2.0 for utf-8 encoding see marcpm.sf.net
22    use MARC::Lint;
23    use Data::Dump qw/dump/;
24    
25  =head1 NAME  =head1 NAME
26    
# Line 40  limit loading to 100 records Line 44  limit loading to 100 records
44    
45  remove database and Hyper Estraier index before indexing  remove database and Hyper Estraier index before indexing
46    
47    =item --only=database_name/input_filter
48    
49    reindex just single database (legacy name is --one)
50    
51    C</input_filter> is optional part which can be C<name>
52    or C<type> from input
53    
54  =item --config conf/config.yml  =item --config conf/config.yml
55    
56  path to YAML configuration file  path to YAML configuration file
57    
58    =item --stats
59    
60    disable indexing and dump statistics about field and subfield
61    usage for each input
62    
63    =item --validate path/to/validation_file
64    
65    turn on extra validation of imput records, see L<WebPAC::Validation>
66    
67    =item --marc-normalize conf/normalize/mapping.pl
68    
69    This option specifies normalisation file for MARC creation
70    
71    =item --marc-output out/marc/test.marc
72    
73    Optional path to output file
74    
75    =item --marc-lint
76    
77    By default turned on if C<--marc-normalize> is used. You can disable lint
78    messages with C<--no-marc-lint>.
79    
80  =back  =back
81    
82  =cut  =cut
# Line 54  my $limit; Line 87  my $limit;
87  my $clean = 0;  my $clean = 0;
88  my $config = 'conf/config.yml';  my $config = 'conf/config.yml';
89  my $debug = 0;  my $debug = 0;
90    my $only_filter;
91    my $stats = 0;
92    my $validate_path;
93    my ($marc_normalize, $marc_output);
94    my $marc_lint = 1;
95    
96  GetOptions(  GetOptions(
97          "limit=i" => \$limit,          "limit=i" => \$limit,
98          "offset=i" => \$offset,          "offset=i" => \$offset,
99          "clean" => \$clean,          "clean" => \$clean,
100            "one=s" => \$only_filter,
101            "only=s" => \$only_filter,
102          "config" => \$config,          "config" => \$config,
103          "debug" => \$debug,          "debug" => \$debug,
104            "stats" => \$stats,
105            "validate=s" => \$validate_path,
106            "marc-normalize=s" => \$marc_normalize,
107            "marc-output=s" => \$marc_output,
108            "marc-lint!" => \$marc_lint,
109  );  );
110    
111  $config = LoadFile($config);  $config = LoadFile($config);
112    
113  print "config = ",Dumper($config) if ($debug);  print "config = ",dump($config) if ($debug);
114    
115  die "no databases in config file!\n" unless ($config->{databases});  die "no databases in config file!\n" unless ($config->{databases});
116    
117    my $log = _new WebPAC::Common()->_get_logger();
118    $log->info( "-" x 79 );
119    
120    my $validate;
121    $validate = new WebPAC::Validate(
122            path => $validate_path,
123    ) if ($validate_path);
124    
125    my $use_indexer = $config->{use_indexer} || 'hyperestraier';
126    if ($stats) {
127            $log->debug("option --stats disables update of indexing engine...");
128            $use_indexer = undef;
129    } else {
130            $log->info("using $use_indexer indexing engine...");
131    }
132    
133    # disable indexing when creating marc
134    $use_indexer = undef if ($marc_normalize);
135    
136  my $total_rows = 0;  my $total_rows = 0;
137    my $start_t = time();
138    
139  while (my ($database, $db_config) = each %{ $config->{databases} }) {  my @links;
140    my $indexer;
141    
142          my $log = _new WebPAC::Common()->_get_logger();  my $lint = new MARC::Lint if ($marc_lint);
143    
144          #  while (my ($database, $db_config) = each %{ $config->{databases} }) {
         # open Hyper Estraier database  
         #  
145    
146          my $est_config = $config->{hyperestraier} || $log->logdie("can't find 'hyperestraier' part in confguration");          my ($only_database,$only_input) = split(m#/#, $only_filter) if ($only_filter);
147          $est_config->{database} = $database;          next if ($only_database && $database !~ m/$only_database/i);
148    
149          my $est = new WebPAC::Output::Estraier(          if ($use_indexer) {
150                  %{ $est_config },                  my $indexer_config = $config->{$use_indexer} || $log->logdie("can't find '$use_indexer' part in confguration");
151          );                  $indexer_config->{database} = $database;
152                    $indexer_config->{clean} = $clean;
153                    $indexer_config->{label} = $db_config->{name};
154    
155                    if ($use_indexer eq 'hyperestraier') {
156    
157                            # open Hyper Estraier database
158                            use WebPAC::Output::Estraier '0.10';
159                            $indexer = new WebPAC::Output::Estraier( %{ $indexer_config } );
160                    
161                    } elsif ($use_indexer eq 'kinosearch') {
162    
163                            # open KinoSearch
164                            use WebPAC::Output::KinoSearch;
165                            $indexer_config->{clean} = 1 unless (-e $indexer_config->{index_path});
166                            $indexer = new WebPAC::Output::KinoSearch( %{ $indexer_config } );
167    
168          if ($clean) {                  } else {
169                  $log->warn("creating new empty index $database");                          $log->logdie("unknown use_indexer: $use_indexer");
170                  $est->master( action => 'nodedel', name => $database );                  }
171                  $est->master( action => 'nodeadd', name => $database, label => $database );  
172                    $log->logide("can't continue without valid indexer") unless ($indexer);
173          }          }
174    
175    
176          #          #
177          # now WebPAC::Store          # now WebPAC::Store
178          #          #
# Line 101  while (my ($database, $db_config) = each Line 182  while (my ($database, $db_config) = each
182          my $db_path = $config->{webpac}->{db_path} . '/' . $database;          my $db_path = $config->{webpac}->{db_path} . '/' . $database;
183    
184          if ($clean) {          if ($clean) {
185                  $log->info("creating new database $database in $db_path");                  $log->info("creating new database '$database' in $db_path");
186                  rmtree( $db_path ) || $log->warn("can't remove $db_path: $!");                  rmtree( $db_path ) || $log->warn("can't remove $db_path: $!");
187          } else {          } else {
188                  $log->info("working on $database in $db_path");                  $log->info("working on database '$database' in $db_path");
189          }          }
190    
191          my $db = new WebPAC::Store(          my $db = new WebPAC::Store(
# Line 131  while (my ($database, $db_config) = each Line 212  while (my ($database, $db_config) = each
212    
213          foreach my $input (@inputs) {          foreach my $input (@inputs) {
214    
215                    next if ($only_input && ($input->{name} !~ m#$only_input#i && $input->{type} !~ m#$only_input#i));
216    
217                  my $type = lc($input->{type});                  my $type = lc($input->{type});
218    
219                  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));
220    
221                  my $lookup = new WebPAC::Lookup(                  my $lookup = new WebPAC::Lookup(
222                          lookup_file => $input->{lookup},                          lookup_file => $input->{lookup},
223                  );                  ) if ($input->{lookup});
224    
225                  my $input_module = $config->{webpac}->{inputs}->{$type};                  my $input_module = $config->{webpac}->{inputs}->{$type};
226    
227                  $log->info("working on input $input->{path} [$input->{type}] using $input_module");                  $log->info("working on input '$input->{name}' in $input->{path} [type: $input->{type}] using $input_module",
228                            $input->{lookup} ? "lookup '$input->{lookup}'" : ""
229                    );
230    
231                  my $input_db = new WebPAC::Input(                  my $input_db = new WebPAC::Input(
232                          module => $input_module,                          module => $input_module,
# Line 149  while (my ($database, $db_config) = each Line 234  while (my ($database, $db_config) = each
234                          limit => $limit || $input->{limit},                          limit => $limit || $input->{limit},
235                          offset => $offset,                          offset => $offset,
236                          lookup => $lookup,                          lookup => $lookup,
237                            recode => $input->{recode},
238                            stats => $stats,
239                  );                  );
240                  $log->logdie("can't create input using $input_module") unless ($input);                  $log->logdie("can't create input using $input_module") unless ($input);
241    
242                  my $maxmfn = $input_db->open(                  my $maxmfn = $input_db->open(
243                          path => $input->{path},                          path => $input->{path},
244                          code_page => $input->{encoding},        # database encoding                          code_page => $input->{encoding},        # database encoding
245                            %{ $input },
246                  );                  );
247    
248                  my $n = new WebPAC::Normalize::XML(                  my @norm_array = ref($input->{normalize}) eq 'ARRAY' ?
249                  #       filter => { 'foo' => sub { shift } },                          @{ $input->{normalize} } : ( $input->{normalize} );
                         db => $db,  
                         lookup_regex => $lookup->regex,  
                         lookup => $lookup,  
                         prefix => $input->{name},  
                 );  
   
                 my $normalize_path = $input->{normalize}->{path};  
250    
251                  if ($normalize_path =~ m/\.xml$/i) {                  if ($marc_normalize) {
252                          $n->open(                          @norm_array = ( {
253                                  tag => $input->{normalize}->{tag},                                  path => $marc_normalize,
254                                  xml_file => $input->{normalize}->{path},                                  output => $marc_output || 'out/marc/' . $database . '-' . $input->{name} . '.marc',
255                          );                          } );
                 } elsif ($normalize_path =~ m/\.(?:yml|yaml)$/i) {  
                         $n->open_yaml(  
                                 path => $normalize_path,  
                                 tag => $input->{normalize}->{tag},  
                         );  
256                  }                  }
257    
258                  foreach my $pos ( 0 ... $input_db->size ) {                  foreach my $normalize (@norm_array) {
259    
260                            my $normalize_path = $normalize->{path} || $log->logdie("can't find normalize path in config");
261    
262                          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 );
263    
264                          my $mfn = $row->{'000'}->[0];                          my $rules = read_file( $normalize_path ) or die "can't open $normalize_path: $!";
265    
266                          if (! $mfn || $mfn !~ m#^\d+$#) {                          $log->info("Using $normalize_path for normalization...");
267                                  $log->warn("record $pos doesn't have valid MFN but '$mfn', using $pos");  
268                                  $mfn = $pos;                          my $marc_fh;
269                                  push @{ $row->{'000'} }, $pos;                          if (my $path = $normalize->{output}) {
270                                    open($marc_fh, '>', $path) ||
271                                            $log->logdie("can't open MARC output $path: $!");
272    
273                                    $log->info("Creating MARC export file $path", $marc_lint ? ' (with lint)' : '', "\n");
274                          }                          }
275    
276                          my $ds = $n->data_structure($row);                          # reset position in database
277                            $input_db->seek(1);
278    
279                            foreach my $pos ( 0 ... $input_db->size ) {
280    
281                          $est->add(                                  my $row = $input_db->fetch || next;
282                                  id => $input->{name} . "/" . $mfn,  
283                                  ds => $ds,                                  my $mfn = $row->{'000'}->[0];
284                                  type => $config->{hyperestraier}->{type},  
285                          );                                  if (! $mfn || $mfn !~ m#^\d+$#) {
286                                            $log->warn("record $pos doesn't have valid MFN but '$mfn', using $pos");
287                                            $mfn = $pos;
288                                            push @{ $row->{'000'} }, $pos;
289                                    }
290    
291    
292                                    if ($validate) {
293                                            my @errors = $validate->validate_errors( $row );
294                                            $log->error( "MFN $mfn validation errors:\n", join("\n", @errors) ) if (@errors);
295                                    }
296    
297                                            
298                                    my $ds = WebPAC::Normalize::data_structure(
299                                            row => $row,
300                                            rules => $rules,
301                                            lookup => $lookup ? $lookup->lookup_hash : undef,
302                                            marc_encoding => 'utf-8',
303                                    );
304    
305                                    $db->save_ds(
306                                            id => $mfn,
307                                            ds => $ds,
308                                            prefix => $input->{name},
309                                    ) if ($ds && !$stats);
310    
311                                    $indexer->add(
312                                            id => $input->{name} . "/" . $mfn,
313                                            ds => $ds,
314                                            type => $config->{$use_indexer}->{type},
315                                    ) if ($indexer && $ds);
316    
317                                    if ($marc_fh) {
318                                            my $marc = new MARC::Record;
319                                            $marc->encoding( 'utf-8' );
320                                            my @marc_fields = WebPAC::Normalize::_get_marc_fields();
321                                            if (! @marc_fields) {
322                                                    $log->warn("MARC record $mfn is empty, skipping");
323                                            } else {
324                                                    $marc->add_fields( @marc_fields );
325                                                    if ($marc_lint) {
326                                                            $lint->check_record( $marc );
327                                                            my $err = join( "\n", $lint->warnings );
328                                                            $log->error("MARC lint detected warning on MFN $mfn\n",
329                                                                    "Original imput row: ",dump($row), "\n",
330                                                                    "Normalized MARC row: ",dump(@marc_fields), "\n",
331                                                                    "MARC lint warnings: ",$err,"\n"
332                                                            ) if ($err);
333                                                    }
334                                                    print $marc_fh $marc->as_usmarc;
335                                            }
336                                    }
337    
338                                    $total_rows++;
339                            }
340    
341                            $log->info("statistics of fields usage:\n", $input_db->stats) if ($stats);
342    
343                            # close MARC file
344                            close($marc_fh) if ($marc_fh);
345    
                         $total_rows++;  
346                  }                  }
347    
348          };          }
349    
350            eval { $indexer->finish } if ($indexer && $indexer->can('finish'));
351    
352          $log->info("$total_rows records indexed");          my $dt = time() - $start_t;
353            $log->info("$total_rows records ", $indexer ? "indexed " : "",
354                    sprintf("in %.2f sec [%.2f rec/sec]",
355                            $dt, ($total_rows / $dt)
356                    )
357            );
358    
359          #          #
360          # add Hyper Estraier links to other databases          # add Hyper Estraier links to other databases
361          #          #
362          if (ref($db_config->{links}) eq 'ARRAY') {          if (ref($db_config->{links}) eq 'ARRAY' && $use_indexer) {
363                  foreach my $link (@{ $db_config->{links} }) {                  foreach my $link (@{ $db_config->{links} }) {
364                          $log->info("adding link $database -> $link->{to} [$link->{credit}]");                          if ($use_indexer eq 'hyperestraier') {
365                          $est->add_link(                                  $log->info("saving link $database -> $link->{to} [$link->{credit}]");
366                                  from => $database,                                  push @links, {
367                                  to => $link->{to},                                          from => $database,
368                                  credit => $link->{credit},                                          to => $link->{to},
369                          );                                          credit => $link->{credit},
370                                    };
371                            } else {
372                                    $log->warn("NOT IMPLEMENTED WITH $use_indexer: adding link $database -> $link->{to} [$link->{credit}]");
373                            }
374                  }                  }
375          }          }
376    
377  }  }
378    
379    foreach my $link (@links) {
380            $log->info("adding link $link->{from} -> $link->{to} [$link->{credit}]");
381            $indexer->add_link( %{ $link } );
382    }
Legend:
Removed from v.301  
changed lines
  Added in v.558
  ViewVC Help
Powered by ViewVC 1.1.26