/[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 921 by dpavlin, Tue Oct 30 23:32:58 2007 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::Parser 0.08;
11  use WebPAC::Input 0.03;  use WebPAC::Input 0.16;
12  use WebPAC::Store 0.03;  use WebPAC::Store 0.15;
13  use WebPAC::Normalize;  use WebPAC::Normalize 0.22;
14  use WebPAC::Output::TT;  use WebPAC::Output::TT;
15  use WebPAC::Validate;  use WebPAC::Validate 0.11;
16  use YAML qw/LoadFile/;  use WebPAC::Output::MARC;
17    use WebPAC::Config;
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    use Pod::Usage qw/pod2usage/;
25    
26    use Proc::Queue size => 1;
27    use POSIX ":sys_wait_h"; # imports WNOHANG
28    
29  =head1 NAME  =head1 NAME
30    
# Line 28  run.pl - start WebPAC indexing Line 32  run.pl - start WebPAC indexing
32    
33  B<this command will probably go away. Don't get used to it!>  B<this command will probably go away. Don't get used to it!>
34    
35  Options:  =head1 OPTIONS
36    
37  =over 4  =over 4
38    
# Line 57  path to YAML configuration file Line 61  path to YAML configuration file
61    
62  =item --stats  =item --stats
63    
64  disable indexing and dump statistics about field and subfield  disable indexing, modify_* in configuration and dump statistics about field
65  usage for each input  and subfield usage for each input
66    
67  =item --validate path/to/validation_file  =item --validate path/to/validation_file
68    
69  turn on extra validation of imput records, see L<WebPAC::Validation>  turn on extra validation of imput records, see L<WebPAC::Validation>
70    
71  =item --marc-normalize conf/normalize/mapping.pl  You can use special variables C<$database> and $C<$input> in this parametar
72    like C<--validate 'conf/validate/$database-$input'> to construct filename
73    
74    =item --validate-delimiters path/to/validate_delimiters_file
75    
76  This option specifies normalisation file for MARC creation  this option is used with C<--validate> to turn on extra validation of
77    delimiters. If file is non existant, it will be created on first run.
78    
79  =item --marc-output out/marc/test.marc  =item --marc-generate
80    
81  Optional path to output file  Generate MARC file. This will automatically be on if file contains C<marc*> directives.
82    You can use this option as C<--no-marc-generate> to disable MARC generation.
83    
84  =item --marc-lint  =item --marc-lint
85    
86  By default turned on if C<--marc-normalize> is used. You can disable lint  By default turned on if normalisation file has C<marc*> directives. You can disable lint
87  messages with C<--no-marc-lint>.  messages with C<--no-marc-lint>.
88    
89    =item --marc-dump
90    
91    Force dump or input and marc record for debugging.
92    
93    =item --parallel 4
94    
95    Run databases in parallel (aproximatly same as number of processors in
96    machine if you want to use full load)
97    
98    =item --only-links
99    
100    Create just links
101    
102    =item --merge
103    
104    Create merged index of databases which have links
105    
106  =back  =back
107    
108  =cut  =cut
# Line 85  my $offset; Line 111  my $offset;
111  my $limit;  my $limit;
112    
113  my $clean = 0;  my $clean = 0;
114  my $config = 'conf/config.yml';  my $config_path;
115  my $debug = 0;  my $debug = 0;
116  my $only_filter;  my $only_filter;
117  my $stats = 0;  my $stats = 0;
118  my $validate_path;  my $validate_path;
119  my ($marc_normalize, $marc_output);  my $validate_delimiters_path;
120    my $marc_generate = 1;
121  my $marc_lint = 1;  my $marc_lint = 1;
122    my $marc_dump = 0;
123    my $parallel = 0;
124    my $only_links = 0;
125    my $merge = 0;
126    my $help;
127    
128    my $log = _new WebPAC::Common()->_get_logger();
129    
130  GetOptions(  GetOptions(
131          "limit=i" => \$limit,          "limit=i" => \$limit,
# Line 99  GetOptions( Line 133  GetOptions(
133          "clean" => \$clean,          "clean" => \$clean,
134          "one=s" => \$only_filter,          "one=s" => \$only_filter,
135          "only=s" => \$only_filter,          "only=s" => \$only_filter,
136          "config" => \$config,          "config" => \$config_path,
137          "debug" => \$debug,          "debug+" => \$debug,
138          "stats" => \$stats,          "stats" => \$stats,
139          "validate=s" => \$validate_path,          "validate=s" => \$validate_path,
140          "marc-normalize=s" => \$marc_normalize,          "validate-delimiters=s" => \$validate_delimiters_path,
141          "marc-output=s" => \$marc_output,          "marc-generate!" => \$marc_generate,
142          "marc-lint!" => \$marc_lint,          "marc-lint!" => \$marc_lint,
143            "marc-dump!" => \$marc_dump,
144            "parallel=i" => \$parallel,
145            "only-links!" => \$only_links,
146            "merge" => \$merge,
147            "help" => \$help,
148  );  );
149    
150  $config = LoadFile($config);  $marc_generate = 0 if ( $validate_delimiters_path );
151    
152  print "config = ",dump($config) if ($debug);  pod2usage(-verbose => 2) if ($help);
153    
154  die "no databases in config file!\n" unless ($config->{databases});  my $config = new WebPAC::Config( path => $config_path );
155    
156    #print "config = ",dump($config) if ($debug);
157    
158    die "no databases in config file!\n" unless ($config->databases);
159    
 my $log = _new WebPAC::Common()->_get_logger();  
160  $log->info( "-" x 79 );  $log->info( "-" x 79 );
161    
162    my $log_file = 'log';
163    
164    if (-e $log_file ) {    # && -s $log_file > 5 * 1024 * 1024) {
165            $log->info("moved old log with ", -s $log_file, " bytes to '${log_file}.old'");
166            rename $log_file, "${log_file}.old" || $log->logwarn("can't rename $log_file to ${log_file}.old: $!");
167    }
168    
169    my $estcmd_fh;
170    my $estcmd_path = './estcmd-merge.sh';
171    if ($merge) {
172            open($estcmd_fh, '>', $estcmd_path) || $log->logdie("can't open $estcmd_path: $!");
173            print $estcmd_fh 'cd /data/estraier/_node/ || exit 1',$/;
174            print $estcmd_fh 'sudo /etc/init.d/hyperestraier stop',$/;
175            $log->info("created merge batch file $estcmd_path");
176    }
177    
178  my $validate;  my $validate;
179  $validate = new WebPAC::Validate(  $validate = new WebPAC::Validate(
180          path => $validate_path,          delimiters => $config->webpac('delimiters'),
181  ) if ($validate_path);  ) if ($validate_path || $validate_delimiters_path);
182    
183  my $use_indexer = $config->{use_indexer} || 'hyperestraier';  my $use_indexer = $config->use_indexer;
184    $stats ||= $validate;
185  if ($stats) {  if ($stats) {
186          $log->debug("option --stats disables update of indexing engine...");          $log->debug("disabled indexing for stats collection");
187          $use_indexer = undef;          $use_indexer = undef;
188  } else {  } elsif ( $use_indexer ) {
189          $log->info("using $use_indexer indexing engine...");          $log->info("using $use_indexer indexing engine...");
190  }  }
191    
192  # disable indexing when creating marc  # parse normalize files and create source files for lookup and normalization
193  $use_indexer = undef if ($marc_normalize);  
194    my $parser = new WebPAC::Parser( config => $config );
195    
196  my $total_rows = 0;  my $total_rows = 0;
197  my $start_t = time();  my $start_t = time();
198    
199  my @links;  my @links;
 my $indexer;  
200    
201  my $lint = new MARC::Lint if ($marc_lint);  if ($parallel) {
202            $log->info("Using $parallel processes for speedup");
203            Proc::Queue::size($parallel);
204    }
205    
206    sub create_ds_config {
207            my ($db_config, $database, $input, $mfn) = @_;
208            my $c = dclone( $db_config );
209            $c->{_} = $database || $log->logconfess("need database");
210            $c->{_mfn} = $mfn || $log->logconfess("need mfn");
211            $c->{input} = $input || $log->logconfess("need input");
212            return $c;
213    }
214    
215  while (my ($database, $db_config) = each %{ $config->{databases} }) {  foreach my $database ( sort keys %{ $config->databases } ) {
216            my $db_config = $config->databases->{$database};
217    
218          my ($only_database,$only_input) = split(m#/#, $only_filter) if ($only_filter);          my ($only_database,$only_input) = split(m#/#, $only_filter) if ($only_filter);
219          next if ($only_database && $database !~ m/$only_database/i);          next if ($only_database && $database !~ m/$only_database/i);
220    
221          if ($use_indexer) {          if ($parallel) {
222                  my $indexer_config = $config->{$use_indexer} || $log->logdie("can't find '$use_indexer' part in confguration");                  my $f=fork;
223                    if(defined ($f) and $f==0) {
224                            $log->info("Created processes $$ for speedup");
225                    } else {
226                            next;
227                    }
228            }
229    
230            my $indexer;
231            if ($use_indexer && $parser->have_rules( 'search', $database )) {
232    
233                    my $cfg_name = $use_indexer;
234                    $cfg_name =~ s/\-.*$//;
235    
236                    my $indexer_config = $config->get( $cfg_name ) || $log->logdie("can't find '$cfg_name' part in confguration");
237                  $indexer_config->{database} = $database;                  $indexer_config->{database} = $database;
238                  $indexer_config->{clean} = $clean;                  $indexer_config->{clean} = $clean;
239                  $indexer_config->{label} = $db_config->{name};                  $indexer_config->{label} = $db_config->{name};
240    
241                    # force clean if database has links
242                    $indexer_config->{clean} = 1 if ($db_config->{links});
243    
244                  if ($use_indexer eq 'hyperestraier') {                  if ($use_indexer eq 'hyperestraier') {
245    
246                          # open Hyper Estraier database                          # open Hyper Estraier database
247                          use WebPAC::Output::Estraier '0.10';                          require WebPAC::Output::Estraier;
248                          $indexer = new WebPAC::Output::Estraier( %{ $indexer_config } );                          $indexer = new WebPAC::Output::Estraier( %{ $indexer_config } );
249                                    
250                    } elsif ($use_indexer eq 'hyperestraier-native') {
251    
252                            # open Hyper Estraier database
253                            require WebPAC::Output::EstraierNative;
254                            $indexer = new WebPAC::Output::EstraierNative( %{ $indexer_config } );
255    
256                  } elsif ($use_indexer eq 'kinosearch') {                  } elsif ($use_indexer eq 'kinosearch') {
257    
258                          # open KinoSearch                          die "no longer supported";
                         use WebPAC::Output::KinoSearch;  
                         $indexer_config->{clean} = 1 unless (-e $indexer_config->{index_path});  
                         $indexer = new WebPAC::Output::KinoSearch( %{ $indexer_config } );  
259    
260                  } else {                  } else {
261                          $log->logdie("unknown use_indexer: $use_indexer");                          $log->logdie("unknown use_indexer: $use_indexer");
262                  }                  }
263    
264                  $log->logide("can't continue without valid indexer") unless ($indexer);                  $log->logdie("can't continue without valid indexer") unless ($indexer);
265          }          }
266    
267    
268          #          #
269          # now WebPAC::Store          # store Hyper Estraier links to other databases
270          #          #
271          my $abs_path = abs_path($0);          if (ref($db_config->{links}) eq 'ARRAY' && $use_indexer) {
272          $abs_path =~ s#/[^/]*$#/#;                  foreach my $link (@{ $db_config->{links} }) {
273                            if ($use_indexer eq 'hyperestraier') {
274                                    if ($merge) {
275                                            print $estcmd_fh 'sudo -u www-data estcmd merge ' . $database . ' ' . $link->{to},$/;
276                                    } else {
277                                            $log->info("saving link $database -> $link->{to} [$link->{credit}]");
278                                            push @links, sub {
279                                                    $log->info("adding link $database -> $link->{to} [$link->{credit}]");
280                                                    $indexer->add_link(
281                                                            from => $database,
282                                                            to => $link->{to},
283                                                            credit => $link->{credit},
284                                                    );
285                                            };
286                                    }
287                            } else {
288                                    $log->warn("NOT IMPLEMENTED WITH $use_indexer: adding link $database -> $link->{to} [$link->{credit}]");
289                            }
290                    }
291            }
292            next if ($only_links);
293    
         my $db_path = $config->{webpac}->{db_path} . '/' . $database;  
294    
295          if ($clean) {          #
296                  $log->info("creating new database '$database' in $db_path");          # now WebPAC::Store
297                  rmtree( $db_path ) || $log->warn("can't remove $db_path: $!");          #
298          } else {          my $store = new WebPAC::Store({
299                  $log->info("working on database '$database' in $db_path");                  debug => $debug,
300            });
301    
302            sub iterate_over {
303                    my ( $what, $error ) = @_;
304                    my @result;
305                    if ( ref( $what ) eq 'ARRAY' ) {
306                            @result = @{ $what };
307                    } elsif ($db_config->{input}) {
308                            @result =  ( $what );
309                    } else {
310                            $error->() if ref($error) eq 'CODE';
311                    }
312                    return @result;
313          }          }
314    
315          my $db = new WebPAC::Store(          #
316                  path => $db_path,          # prepare output
317                  database => $database,          #
318                  debug => $debug,          my @outputs = iterate_over( $db_config->{output}, sub {
319          );                  $log->error("Database $database doesn't have any outputs defined. Do you want to remove it from configuration?" );
320            } );
321    
322            my @output_modules;
323    
324            foreach my $output ( @outputs ) {
325    
326    warn '## output = ',dump( $output );
327    
328                    my $module = $output->{module} || $log->logdie("need module in output section of $database");
329                    $module = 'WebPAC::Output::' . $module unless $module =~ m/::/;
330            
331                    $log->debug("loading output module $module");
332                    eval "require $module";
333            
334                    $output->{database} = $database;
335    
336                    $log->debug("calling $module->new(",dump( $output ),")");
337                    my $out = new $module->new( $output );
338                    $out->init;
339    
340                    push @output_modules, $out;
341            }
342    
343    
344          #          #
345          # now, iterate through input formats          # now, iterate through input formats
346          #          #
347    
         my @inputs;  
         if (ref($db_config->{input}) eq 'ARRAY') {  
                 @inputs = @{ $db_config->{input} };  
         } elsif ($db_config->{input}) {  
                 push @inputs, $db_config->{input};  
         } else {  
                 $log->info("database $database doesn't have inputs defined");  
         }  
348    
349          my @supported_inputs = keys %{ $config->{webpac}->{inputs} };          my @inputs = iterate_over( $db_config->{input}, sub {
350                    $log->info("database $database doesn't have inputs defined");
351            } );
352    
353          foreach my $input (@inputs) {          foreach my $input (@inputs) {
354    
355                  next if ($only_input && ($input->{name} !~ m#$only_input#i && $input->{type} !~ m#$only_input#i));                  my $input_name = $input->{name} || $log->logdie("input without a name isn't valid: ",dump($input));
356    
357                    next if ($only_input && ($input_name !~ m#$only_input#i && $input->{type} !~ m#$only_input#i));
358    
359                  my $type = lc($input->{type});                  my $type = lc($input->{type});
360    
361                  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(",", $config->webpac('inputs') ), " not '$type'!\n" unless (grep(/$type/, $config->webpac('inputs')));
362    
363                  my $lookup = new WebPAC::Lookup(                  my $input_module = $config->webpac('inputs')->{$type};
                         lookup_file => $input->{lookup},  
                 ) if ($input->{lookup});  
364    
365                  my $input_module = $config->{webpac}->{inputs}->{$type};                  my @lookups = $parser->have_lookup_create($database, $input);
366    
367                  $log->info("working on input '$input->{name}' in $input->{path} [type: $input->{type}] using $input_module",                  $log->info("working on input '$input_name' in $input->{path} [type: $input->{type}] using $input_module",
368                          $input->{lookup} ? "lookup '$input->{lookup}'" : ""                          @lookups ? " creating lookups: ".join(", ", @lookups) : ""
369                  );                  );
370    
371                    if ($stats) {
372                            # disable modification of records if --stats is in use
373                            delete($input->{modify_records});
374                            delete($input->{modify_file});
375                    }
376    
377                  my $input_db = new WebPAC::Input(                  my $input_db = new WebPAC::Input(
378                          module => $input_module,                          module => $input_module,
379                          code_page => $config->{webpac}->{webpac_encoding},                          encoding => $config->webpac('webpac_encoding'),
380                          limit => $limit || $input->{limit},                          limit => $limit || $input->{limit},
381                          offset => $offset,                          offset => $offset,
                         lookup => $lookup,  
382                          recode => $input->{recode},                          recode => $input->{recode},
383                          stats => $stats,                          stats => $stats,
384                            modify_records => $input->{modify_records},
385                            modify_file => $input->{modify_file},
386                            input_config => $input,
387                  );                  );
388                  $log->logdie("can't create input using $input_module") unless ($input);                  $log->logdie("can't create input using $input_module") unless ($input);
389    
390                    if (defined( $input->{lookup} )) {
391                            $log->warn("$database/$input_name has depriciated lookup definition, removing it...");
392                            delete( $input->{lookup} );
393                    }
394    
395                    my $lookup_coderef;
396    
397                    if (@lookups) {
398    
399                            my $rules = $parser->lookup_create_rules($database, $input) || $log->logdie("no rules found for $database/$input");
400    
401                            $lookup_coderef = sub {
402                                    my $rec = shift || die "need rec!";
403                                    my $mfn = $rec->{'000'}->[0] || die "need mfn in 000";
404    
405                                    WebPAC::Normalize::data_structure(
406                                            row => $rec,
407                                            rules => $rules,
408                                            config => create_ds_config( $db_config, $database, $input, $mfn ),
409                                    );
410    
411                                    #warn "current lookup: ", dump(WebPAC::Normalize::_get_lookup());
412                            };
413    
414                            WebPAC::Normalize::_set_lookup( undef );
415    
416                            $log->debug("created lookup_coderef using:\n$rules");
417    
418                    };
419    
420                    my $lookup_jar;
421    
422                  my $maxmfn = $input_db->open(                  my $maxmfn = $input_db->open(
423                          path => $input->{path},                          path => $input->{path},
424                          code_page => $input->{encoding},        # database encoding                          code_page => $input->{encoding},        # database encoding
425                            lookup_coderef => $lookup_coderef,
426                            lookup => $lookup_jar,
427                          %{ $input },                          %{ $input },
428                            load_row => sub {
429                                    my $a = shift;
430                                    return $store->load_row(
431                                            database => $database,
432                                            input => $input_name,
433                                            id => $a->{id},
434                                    );
435                            },
436                            save_row => sub {
437                                    my $a = shift;
438                                    return $store->save_row(
439                                            database => $database,
440                                            input => $input_name,
441                                            id => $a->{id},
442                                            row => $a->{row},
443                                    );
444                            },
445    
446                  );                  );
447    
448                  my @norm_array = ref($input->{normalize}) eq 'ARRAY' ?                  my $lookup_data = WebPAC::Normalize::_get_lookup();
449                          @{ $input->{normalize} } : ( $input->{normalize} );  
450                    if (defined( $lookup_data->{$database}->{$input_name} )) {
451                            $log->debug("created following lookups: ", sub { dump( $lookup_data ) } );
452    
453                  if ($marc_normalize) {                          foreach my $key (keys %{ $lookup_data->{$database}->{$input_name} }) {
454                          @norm_array = ( {                                  $store->save_lookup(
455                                  path => $marc_normalize,                                          database => $database,
456                                  output => $marc_output || 'out/marc/' . $database . '-' . $input->{name} . '.marc',                                          input => $input_name,
457                          } );                                          key => $key,
458                                            data => $lookup_data->{$database}->{$input_name}->{$key},
459                                    );
460                            }
461                  }                  }
462    
463                  foreach my $normalize (@norm_array) {                  my $report_fh;
464                    if ($stats || $validate) {
465                            my $path = "out/report/${database}-${input_name}.txt";
466                            open($report_fh, '>', $path) || $log->logdie("can't open $path: $!");
467    
468                            print $report_fh "Report for database '$database' input '$input_name' records ",
469                                    $offset || 1, "-", $limit || $input->{limit} || $maxmfn, "\n\n";
470                            $log->info("Generating report file $path");
471    
472                            if ( $validate ) {
473                                    $validate->read_validate_file( $validate->fill_in( $validate_path, database => $database, input => $input_name ) ) if ( $validate_path );
474                                    $validate->read_validate_delimiters_file( $validate->fill_in( $validate_delimiters_path, database => $database, input => $input_name ) ) if ( $validate_delimiters_path );
475                            }
476                    }
477    
478                          my $normalize_path = $normalize->{path} || $log->logdie("can't find normalize path in config");                  my $marc;
479                    if ($marc_generate && $parser->have_rules( 'marc', $database, $input_name )) {
480                            $marc = new WebPAC::Output::MARC(
481                                    path => "out/marc/${database}-${input_name}.marc",
482                                    lint => $marc_lint,
483                                    dump => $marc_dump,
484                            );
485                    }
486    
487                          $log->logdie("Found '$normalize_path' as normalization file which isn't supported any more!") unless ( $normalize_path =~ m!\.pl$!i );                  my $rules = $parser->normalize_rules($database,$input_name) || $log->logdie("no normalize rules found for $database/$input_name");
488                    $log->debug("parsed normalize rules:\n$rules");
489    
490                          my $rules = read_file( $normalize_path ) or die "can't open $normalize_path: $!";                  # reset position in database
491                    $input_db->seek(1);
492    
493                          $log->info("Using $normalize_path for normalization...");                  # generate name of config key for indexer (strip everything after -)
494                    my $indexer_config = $use_indexer;
495                    $indexer_config =~ s/^(\w+)-?.*$/$1/g if ($indexer_config);
496    
497                    my $lookup_hash;
498                    my $depends = $parser->depends($database,$input_name);
499            
500                    if ($depends) {
501                            $log->debug("$database/$input_name depends on: ", dump($depends)) if ($depends);
502                            $log->logdie("parser->depends didn't return HASH") unless (ref($depends) eq 'HASH');
503    
504                            foreach my $db (keys %$depends) {
505                                    foreach my $i (keys %{$depends->{$db}}) {
506                                            foreach my $k (keys %{$depends->{$db}->{$i}}) {
507                                                    my $t = time();
508                                                    $log->debug("loading lookup $db/$i");
509                                                    $lookup_hash->{$db}->{$i}->{$k} = $store->load_lookup(
510                                                            database => $db,
511                                                            input => $i,
512                                                            key => $k,
513                                                    );
514                                                    $log->debug(sprintf("lookup $db/$i took %.2fs", time() - $t));
515                                            }
516                                    }
517                            }
518    
519                          my $marc_fh;                          $log->debug("lookup_hash = ", sub { dump( $lookup_hash ) });
520                          if (my $path = $normalize->{output}) {                  }
                                 open($marc_fh, '>', $path) ||  
                                         $log->logdie("can't open MARC output $path: $!");  
521    
                                 $log->info("Creating MARC export file $path", $marc_lint ? ' (with lint)' : '', "\n");  
                         }  
522    
523                          # reset position in database                  foreach my $pos ( 0 ... $input_db->size ) {
                         $input_db->seek(1);  
524    
525                          foreach my $pos ( 0 ... $input_db->size ) {                          my $row = $input_db->fetch || next;
526    
527                                  my $row = $input_db->fetch || next;                          $total_rows++;
528    
529                                  my $mfn = $row->{'000'}->[0];                          my $mfn = $row->{'000'}->[0];
530    
531                                  if (! $mfn || $mfn !~ m#^\d+$#) {                          if (! $mfn || $mfn !~ m{^\d+$}) {
532                                          $log->warn("record $pos doesn't have valid MFN but '$mfn', using $pos");                                  $log->warn("record $pos doesn't have valid MFN but '$mfn', using $pos");
533                                          $mfn = $pos;                                  $mfn = $pos;
534                                          push @{ $row->{'000'} }, $pos;                                  push @{ $row->{'000'} }, $pos;
535                                  }                          }
536    
537    
538                                  if ($validate) {                          if ($validate) {
539                                          my @errors = $validate->validate_errors( $row );                                  if ( my $errors = $validate->validate_rec( $row, $input_db->dump_ascii ) ) {
540                                          $log->error( "MFN $mfn validation errors:\n", join("\n", @errors) ) if (@errors);                                          $log->error( "MFN $mfn validation error:\n",
541                                                    $validate->report_error( $errors )
542                                            );
543                                  }                                  }
544                                    next;   # validation doesn't create any output
545                            }
546    
547                                                                    my $ds = WebPAC::Normalize::data_structure(
548                                  my $ds = WebPAC::Normalize::data_structure(                                  row => $row,
549                                          row => $row,                                  rules => $rules,
550                                          rules => $rules,                                  lookup => $lookup_hash,
551                                          lookup => $lookup ? $lookup->lookup_hash : undef,                                  config => create_ds_config( $db_config, $database, $input, $mfn ),
552                                          marc_encoding => 'utf-8',                                  marc_encoding => 'utf-8',
553                                  );                                  load_row_coderef => sub {
554                                            my ($database,$input,$mfn) = @_;
555                                  $db->save_ds(                                          return $store->load_row(
556                                          id => $mfn,                                                  database => $database,
557                                          ds => $ds,                                                  input => $input,
558                                          prefix => $input->{name},                                                  id => $mfn,
559                                  ) if ($ds && !$stats);                                          );
560                                    },
561                                  $indexer->add(                          );
562                                          id => $input->{name} . "/" . $mfn,  
563                                          ds => $ds,                          $log->debug("ds = ", sub { dump($ds) }) if ($ds);
564                                          type => $config->{$use_indexer}->{type},  
565                                  ) if ($indexer && $ds);                          $store->save_ds(
566                                    database => $database,
567                                  if ($marc_fh) {                                  input => $input_name,
568                                          my $marc = new MARC::Record;                                  id => $mfn,
569                                          $marc->encoding( 'utf-8' );                                  ds => $ds,
570                                          my @marc_fields = WebPAC::Normalize::_get_marc_fields();                          ) if ($ds && !$stats);
571                                          if (! @marc_fields) {  
572                                                  $log->warn("MARC record $mfn is empty, skipping");                          $indexer->add(
573                                          } else {                                  id => "${input_name}/${mfn}",
574                                                  $marc->add_fields( @marc_fields );                                  ds => $ds,
575                                                  if ($marc_lint) {                                  type => $config->get($indexer_config)->{type},
576                                                          $lint->check_record( $marc );                          ) if ($indexer && $ds);
577                                                          my $err = join( "\n", $lint->warnings );  
578                                                          $log->error("MARC lint detected warning on MFN $mfn\n",                          if ($marc) {
579                                                                  "Original imput row: ",dump($row), "\n",                                  my $i = 0;
580                                                                  "Normalized MARC row: ",dump(@marc_fields), "\n",  
581                                                                  "MARC lint warnings: ",$err,"\n"                                  while (my $fields = WebPAC::Normalize::_get_marc_fields( fetch_next => 1 ) ) {
582                                                          ) if ($err);                                          $marc->add(
583                                                  }                                                  id => $mfn . ( $i ? "/$i" : '' ),
584                                                  print $marc_fh $marc->as_usmarc;                                                  fields => $fields,
585                                          }                                                  leader => WebPAC::Normalize::_get_marc_leader(),
586                                                    row => $row,
587                                            );
588                                            $i++;
589                                  }                                  }
590    
591                                  $total_rows++;                                  $log->info("Created $i instances of MFN $mfn\n") if ($i > 1);
592                            }
593    
594                            foreach my $out ( @output_modules ) {
595                                    $out->add( $mfn, $ds ) if $out->can('add');
596                            }
597    
598                    }
599    
600                    if ($validate) {
601                            my $errors = $validate->report;
602                            if ($errors) {
603                                    $log->info("validation errors:\n$errors\n" );
604                                    print $report_fh "$errors\n" if ($report_fh);
605                          }                          }
606    
607                          $log->info("statistics of fields usage:\n", $input_db->stats) if ($stats);                          print $report_fh "\nAll possible subfields/delimiter templates:\n", $validate->delimiters_templates( report => 1, current_input => 1 ), "\n\n";
608    
609                          # close MARC file                          # must be last thing that touches $validate for this input
610                          close($marc_fh) if ($marc_fh);                          $validate->reset;
611                    }
612    
613                    if ($stats) {
614                            my $s = $input_db->stats;
615                            $log->info("statistics of fields usage:\n$s");
616                            print $report_fh "Statistics of fields usage:\n$s" if ($report_fh);
617                  }                  }
618    
619                    # close MARC file
620                    $marc->finish if ($marc);
621    
622                    # close report
623                    close($report_fh) if ($report_fh);
624          }          }
625    
626          eval { $indexer->finish } if ($indexer && $indexer->can('finish'));          eval { $indexer->finish } if ($indexer && $indexer->can('finish'));
627    
628            foreach my $out ( @output_modules ) {
629                    $out->finish if $out->can('finish');
630            }
631    
632          my $dt = time() - $start_t;          my $dt = time() - $start_t;
633          $log->info("$total_rows records ", $indexer ? "indexed " : "",          $log->info("$total_rows records ", $indexer ? "indexed " : "",
634                  sprintf("in %.2f sec [%.2f rec/sec]",                  sprintf("in %.2f sec [%.2f rec/sec]",
# Line 356  while (my ($database, $db_config) = each Line 636  while (my ($database, $db_config) = each
636                  )                  )
637          );          );
638    
639          #  
640          # add Hyper Estraier links to other databases          # end forked process
641          #          if ($parallel) {
642          if (ref($db_config->{links}) eq 'ARRAY' && $use_indexer) {                  $log->info("parallel process $$ finished");
643                  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}]");  
                         }  
                 }  
644          }          }
645    
646  }  }
647    
648  foreach my $link (@links) {  if ($parallel) {
649          $log->info("adding link $link->{from} -> $link->{to} [$link->{credit}]");          # wait all children to finish
650          $indexer->add_link( %{ $link } );          sleep(1) while wait != -1;
651            $log->info("all parallel processes finished");
652    }
653    
654    # save new delimiters if needed
655    $validate->save_delimiters_templates if ( $validate_delimiters_path );
656    
657    #
658    # handle links or merge after indexing
659    #
660    
661    if ($merge) {
662            print $estcmd_fh 'sudo /etc/init.d/hyperestraier start',$/;
663            close($estcmd_fh);
664            chmod 0700, $estcmd_path || $log->warn("can't chmod 0700 $estcmd_path: $!");
665            system $estcmd_path;
666    } else {
667            foreach my $link (@links) {
668                    $log->logdie("coderef in link ", Dumper($link), " is ", ref($link), " and not CODE") unless (ref($link) eq 'CODE');
669                    $link->();
670            }
671  }  }
Legend:
Removed from v.558  
changed lines
  Added in v.921
  ViewVC Help
Powered by ViewVC 1.1.26