/[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 558 by dpavlin, Sun Jul 2 10:27:06 2006 UTC revision 607 by dpavlin, Tue Aug 1 14:15:50 2006 UTC
# Line 7  use File::Temp qw/tempdir/; Line 7  use File::Temp qw/tempdir/;
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 0.03;
11  use WebPAC::Input 0.03;  use WebPAC::Input 0.07;
12  use WebPAC::Store 0.03;  use WebPAC::Store 0.03;
13  use WebPAC::Normalize;  use WebPAC::Normalize 0.11;
14  use WebPAC::Output::TT;  use WebPAC::Output::TT;
15  use WebPAC::Validate;  use WebPAC::Validate;
16    use WebPAC::Output::MARC;
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;
 use MARC::Record 2.0;   # need 2.0 for utf-8 encoding see marcpm.sf.net  
 use MARC::Lint;  
22  use Data::Dump qw/dump/;  use Data::Dump qw/dump/;
23    use Storable qw/dclone/;
24    
25    use Proc::Queue size => 1;
26    use POSIX ":sys_wait_h"; # imports WNOHANG
27    
28  =head1 NAME  =head1 NAME
29    
# Line 77  Optional path to output file Line 80  Optional path to output file
80  By default turned on if C<--marc-normalize> is used. You can disable lint  By default turned on if C<--marc-normalize> is used. You can disable lint
81  messages with C<--no-marc-lint>.  messages with C<--no-marc-lint>.
82    
83    =item --marc-dump
84    
85    Force dump or input and marc record for debugging.
86    
87    =item --parallel 4
88    
89    Run databases in parallel (aproximatly same as number of processors in
90    machine if you want to use full load)
91    
92    =item --only-links
93    
94    Create just links
95    
96  =back  =back
97    
98  =cut  =cut
# Line 92  my $stats = 0; Line 108  my $stats = 0;
108  my $validate_path;  my $validate_path;
109  my ($marc_normalize, $marc_output);  my ($marc_normalize, $marc_output);
110  my $marc_lint = 1;  my $marc_lint = 1;
111    my $marc_dump = 0;
112    my $parallel = 0;
113    my $only_links = 0;
114    
115  GetOptions(  GetOptions(
116          "limit=i" => \$limit,          "limit=i" => \$limit,
# Line 100  GetOptions( Line 119  GetOptions(
119          "one=s" => \$only_filter,          "one=s" => \$only_filter,
120          "only=s" => \$only_filter,          "only=s" => \$only_filter,
121          "config" => \$config,          "config" => \$config,
122          "debug" => \$debug,          "debug+" => \$debug,
123          "stats" => \$stats,          "stats" => \$stats,
124          "validate=s" => \$validate_path,          "validate=s" => \$validate_path,
125          "marc-normalize=s" => \$marc_normalize,          "marc-normalize=s" => \$marc_normalize,
126          "marc-output=s" => \$marc_output,          "marc-output=s" => \$marc_output,
127          "marc-lint!" => \$marc_lint,          "marc-lint!" => \$marc_lint,
128            "marc-dump!" => \$marc_dump,
129            "parallel=i" => \$parallel,
130            "only-links!" => \$only_links,
131  );  );
132    
133  $config = LoadFile($config);  $config = LoadFile($config);
# Line 137  my $total_rows = 0; Line 159  my $total_rows = 0;
159  my $start_t = time();  my $start_t = time();
160    
161  my @links;  my @links;
 my $indexer;  
162    
163  my $lint = new MARC::Lint if ($marc_lint);  if ($parallel) {
164            $log->info("Using $parallel processes for speedup");
165            Proc::Queue::size($parallel);
166    }
167    
168  while (my ($database, $db_config) = each %{ $config->{databases} }) {  while (my ($database, $db_config) = each %{ $config->{databases} }) {
169    
170          my ($only_database,$only_input) = split(m#/#, $only_filter) if ($only_filter);          my ($only_database,$only_input) = split(m#/#, $only_filter) if ($only_filter);
171          next if ($only_database && $database !~ m/$only_database/i);          next if ($only_database && $database !~ m/$only_database/i);
172    
173            if ($parallel) {
174                    my $f=fork;
175                    if(defined ($f) and $f==0) {
176                            $log->info("Created processes $$ for speedup");
177                    } else {
178                            next;
179                    }
180            }
181    
182            my $indexer;
183          if ($use_indexer) {          if ($use_indexer) {
184                  my $indexer_config = $config->{$use_indexer} || $log->logdie("can't find '$use_indexer' part in confguration");                  my $indexer_config = $config->{$use_indexer} || $log->logdie("can't find '$use_indexer' part in confguration");
185                  $indexer_config->{database} = $database;                  $indexer_config->{database} = $database;
# Line 174  while (my ($database, $db_config) = each Line 208  while (my ($database, $db_config) = each
208    
209    
210          #          #
211            # store Hyper Estraier links to other databases
212            #
213            if (ref($db_config->{links}) eq 'ARRAY' && $use_indexer) {
214                    foreach my $link (@{ $db_config->{links} }) {
215                            if ($use_indexer eq 'hyperestraier') {
216                                    $log->info("saving link $database -> $link->{to} [$link->{credit}]");
217                                    push @links, sub {
218                                            $log->info("adding link $database -> $link->{to} [$link->{credit}]");
219                                            $indexer->add_link(
220                                                    from => $database,
221                                                    to => $link->{to},
222                                                    credit => $link->{credit},
223                                            );
224                                    };
225                            } else {
226                                    $log->warn("NOT IMPLEMENTED WITH $use_indexer: adding link $database -> $link->{to} [$link->{credit}]");
227                            }
228                    }
229            }
230            next if ($only_links);
231    
232    
233            #
234          # now WebPAC::Store          # now WebPAC::Store
235          #          #
236          my $abs_path = abs_path($0);          my $abs_path = abs_path($0);
# Line 218  while (my ($database, $db_config) = each Line 275  while (my ($database, $db_config) = each
275    
276                  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));
277    
278                  my $lookup = new WebPAC::Lookup(                  my $lookup;
279                          lookup_file => $input->{lookup},                  if ($input->{lookup}) {
280                  ) if ($input->{lookup});                          $lookup = new WebPAC::Lookup(
281                                    lookup_file => $input->{lookup},
282                            );
283                            delete( $input->{lookup} );
284                    }
285    
286                  my $input_module = $config->{webpac}->{inputs}->{$type};                  my $input_module = $config->{webpac}->{inputs}->{$type};
287    
# Line 230  while (my ($database, $db_config) = each Line 291  while (my ($database, $db_config) = each
291    
292                  my $input_db = new WebPAC::Input(                  my $input_db = new WebPAC::Input(
293                          module => $input_module,                          module => $input_module,
294                          code_page => $config->{webpac}->{webpac_encoding},                          encoding => $config->{webpac}->{webpac_encoding},
295                          limit => $limit || $input->{limit},                          limit => $limit || $input->{limit},
296                          offset => $offset,                          offset => $offset,
297                          lookup => $lookup,                          lookup_coderef => sub {
298                                    my $rec = shift || return;
299                                    $lookup->add( $rec );
300                            },
301                          recode => $input->{recode},                          recode => $input->{recode},
302                          stats => $stats,                          stats => $stats,
303                            modify_records => $input->{modify_records},
304                  );                  );
305                  $log->logdie("can't create input using $input_module") unless ($input);                  $log->logdie("can't create input using $input_module") unless ($input);
306    
# Line 265  while (my ($database, $db_config) = each Line 330  while (my ($database, $db_config) = each
330    
331                          $log->info("Using $normalize_path for normalization...");                          $log->info("Using $normalize_path for normalization...");
332    
333                          my $marc_fh;                          my $marc = new WebPAC::Output::MARC(
334                          if (my $path = $normalize->{output}) {                                  path => $normalize->{output},
335                                  open($marc_fh, '>', $path) ||                                  lint => $marc_lint,
336                                          $log->logdie("can't open MARC output $path: $!");                                  dump => $marc_dump,
337                            ) if ($normalize->{output});
                                 $log->info("Creating MARC export file $path", $marc_lint ? ' (with lint)' : '', "\n");  
                         }  
338    
339                          # reset position in database                          # reset position in database
340                          $input_db->seek(1);                          $input_db->seek(1);
# Line 294  while (my ($database, $db_config) = each Line 357  while (my ($database, $db_config) = each
357                                          $log->error( "MFN $mfn validation errors:\n", join("\n", @errors) ) if (@errors);                                          $log->error( "MFN $mfn validation errors:\n", join("\n", @errors) ) if (@errors);
358                                  }                                  }
359    
360                                                                            my $ds_config = dclone($db_config);
361    
362                                    # default values -> database key
363                                    $ds_config->{_} = $database;
364    
365                                    # current mfn
366                                    $ds_config->{_mfn} = $mfn;
367    
368                                    # attach current input
369                                    $ds_config->{input} = $input;
370    
371                                  my $ds = WebPAC::Normalize::data_structure(                                  my $ds = WebPAC::Normalize::data_structure(
372                                          row => $row,                                          row => $row,
373                                          rules => $rules,                                          rules => $rules,
374                                          lookup => $lookup ? $lookup->lookup_hash : undef,                                          lookup => $lookup ? $lookup->lookup_hash : undef,
375                                            config => $ds_config,
376                                          marc_encoding => 'utf-8',                                          marc_encoding => 'utf-8',
377                                  );                                  );
378    
# Line 314  while (my ($database, $db_config) = each Line 388  while (my ($database, $db_config) = each
388                                          type => $config->{$use_indexer}->{type},                                          type => $config->{$use_indexer}->{type},
389                                  ) if ($indexer && $ds);                                  ) if ($indexer && $ds);
390    
391                                  if ($marc_fh) {                                  if ($marc) {
392                                          my $marc = new MARC::Record;                                          my $i = 0;
393                                          $marc->encoding( 'utf-8' );  
394                                          my @marc_fields = WebPAC::Normalize::_get_marc_fields();                                          while (my $fields = WebPAC::Normalize::_get_marc_fields( fetch_next => 1 ) ) {
395                                          if (! @marc_fields) {                                                  $marc->add(
396                                                  $log->warn("MARC record $mfn is empty, skipping");                                                          id => $mfn . ( $i ? "/$i" : '' ),
397                                          } else {                                                          fields => $fields,
398                                                  $marc->add_fields( @marc_fields );                                                          leader => WebPAC::Normalize::marc_leader(),
399                                                  if ($marc_lint) {                                                          row => $row,
400                                                          $lint->check_record( $marc );                                                  );
401                                                          my $err = join( "\n", $lint->warnings );                                                  $i++;
                                                         $log->error("MARC lint detected warning on MFN $mfn\n",  
                                                                 "Original imput row: ",dump($row), "\n",  
                                                                 "Normalized MARC row: ",dump(@marc_fields), "\n",  
                                                                 "MARC lint warnings: ",$err,"\n"  
                                                         ) if ($err);  
                                                 }  
                                                 print $marc_fh $marc->as_usmarc;  
402                                          }                                          }
403    
404                                            $log->info("Created $i instances of MFN $mfn\n") if ($i > 1);
405                                  }                                  }
406    
407                                  $total_rows++;                                  $total_rows++;
# Line 341  while (my ($database, $db_config) = each Line 410  while (my ($database, $db_config) = each
410                          $log->info("statistics of fields usage:\n", $input_db->stats) if ($stats);                          $log->info("statistics of fields usage:\n", $input_db->stats) if ($stats);
411    
412                          # close MARC file                          # close MARC file
413                          close($marc_fh) if ($marc_fh);                          $marc->finish if ($marc);
414    
415                  }                  }
416    
# Line 356  while (my ($database, $db_config) = each Line 425  while (my ($database, $db_config) = each
425                  )                  )
426          );          );
427    
428          #  
429          # add Hyper Estraier links to other databases          # end forked process
430          #          if ($parallel) {
431          if (ref($db_config->{links}) eq 'ARRAY' && $use_indexer) {                  $log->info("parallel process $$ finished");
432                  foreach my $link (@{ $db_config->{links} }) {                  exit(0);
                         if ($use_indexer eq 'hyperestraier') {  
                                 $log->info("saving link $database -> $link->{to} [$link->{credit}]");  
                                 push @links, {  
                                         from => $database,  
                                         to => $link->{to},  
                                         credit => $link->{credit},  
                                 };  
                         } else {  
                                 $log->warn("NOT IMPLEMENTED WITH $use_indexer: adding link $database -> $link->{to} [$link->{credit}]");  
                         }  
                 }  
433          }          }
434    
435  }  }
436    
437    if ($parallel) {
438            # wait all children to finish
439            sleep(1) while wait != -1;
440            $log->info("all parallel processes finished");
441    }
442    
443    
444  foreach my $link (@links) {  foreach my $link (@links) {
445          $log->info("adding link $link->{from} -> $link->{to} [$link->{credit}]");          $log->logdie("coderef in link ", Dumper($link), " is ", ref($link), " and not CODE") unless (ref($link) eq 'CODE');
446          $indexer->add_link( %{ $link } );          $link->();
447  }  }
448    
Legend:
Removed from v.558  
changed lines
  Added in v.607
  ViewVC Help
Powered by ViewVC 1.1.26