/[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 430 by dpavlin, Mon Apr 17 15:09:54 2006 UTC revision 567 by dpavlin, Sun Jul 2 21:22:26 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::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/;  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  =item --only=database_name/input_filter
48    
49  reindex just single database (legacy name is --one)  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    =item --marc-dump
81    
82    Force dump or input and marc record for debugging.
83    
84  =back  =back
85    
86  =cut  =cut
# Line 58  my $limit; Line 91  my $limit;
91  my $clean = 0;  my $clean = 0;
92  my $config = 'conf/config.yml';  my $config = 'conf/config.yml';
93  my $debug = 0;  my $debug = 0;
94  my $only_db_name;  my $only_filter;
95    my $stats = 0;
96    my $validate_path;
97    my ($marc_normalize, $marc_output);
98    my $marc_lint = 1;
99    my $marc_dump = 0;
100    
101  GetOptions(  GetOptions(
102          "limit=i" => \$limit,          "limit=i" => \$limit,
103          "offset=i" => \$offset,          "offset=i" => \$offset,
104          "clean" => \$clean,          "clean" => \$clean,
105          "one=s" => \$only_db_name,          "one=s" => \$only_filter,
106          "only=s" => \$only_db_name,          "only=s" => \$only_filter,
107          "config" => \$config,          "config" => \$config,
108          "debug" => \$debug,          "debug+" => \$debug,
109            "stats" => \$stats,
110            "validate=s" => \$validate_path,
111            "marc-normalize=s" => \$marc_normalize,
112            "marc-output=s" => \$marc_output,
113            "marc-lint!" => \$marc_lint,
114            "marc-dump!" => \$marc_dump,
115  );  );
116    
117  $config = LoadFile($config);  $config = LoadFile($config);
118    
119  print "config = ",Dumper($config) if ($debug);  print "config = ",dump($config) if ($debug);
120    
121  die "no databases in config file!\n" unless ($config->{databases});  die "no databases in config file!\n" unless ($config->{databases});
122    
123    my $log = _new WebPAC::Common()->_get_logger();
124    $log->info( "-" x 79 );
125    
126    my $validate;
127    $validate = new WebPAC::Validate(
128            path => $validate_path,
129    ) if ($validate_path);
130    
131  my $use_indexer = $config->{use_indexer} || 'hyperestraier';  my $use_indexer = $config->{use_indexer} || 'hyperestraier';
132    if ($stats) {
133            $log->debug("option --stats disables update of indexing engine...");
134            $use_indexer = undef;
135    } else {
136            $log->info("using $use_indexer indexing engine...");
137    }
138    
139    # disable indexing when creating marc
140    $use_indexer = undef if ($marc_normalize);
141    
142  my $total_rows = 0;  my $total_rows = 0;
143  my $start_t = time();  my $start_t = time();
144    
145  while (my ($database, $db_config) = each %{ $config->{databases} }) {  my @links;
146    my $indexer;
         next if ($only_db_name && $database !~ m/$only_db_name/i);  
147    
148          my $log = _new WebPAC::Common()->_get_logger();  my $lint = new MARC::Lint if ($marc_lint);
149    
150          my $indexer;  while (my ($database, $db_config) = each %{ $config->{databases} }) {
151    
152          if ($use_indexer eq 'hyperestraier') {          my ($only_database,$only_input) = split(m#/#, $only_filter) if ($only_filter);
153            next if ($only_database && $database !~ m/$only_database/i);
154    
155                  #          if ($use_indexer) {
156                  # open Hyper Estraier database                  my $indexer_config = $config->{$use_indexer} || $log->logdie("can't find '$use_indexer' part in confguration");
157                  #                  $indexer_config->{database} = $database;
158                    $indexer_config->{clean} = $clean;
159                    $indexer_config->{label} = $db_config->{name};
160    
161                    if ($use_indexer eq 'hyperestraier') {
162    
163                            # open Hyper Estraier database
164                            use WebPAC::Output::Estraier '0.10';
165                            $indexer = new WebPAC::Output::Estraier( %{ $indexer_config } );
166                    
167                    } elsif ($use_indexer eq 'kinosearch') {
168    
169                            # open KinoSearch
170                            use WebPAC::Output::KinoSearch;
171                            $indexer_config->{clean} = 1 unless (-e $indexer_config->{index_path});
172                            $indexer = new WebPAC::Output::KinoSearch( %{ $indexer_config } );
173    
174                  use WebPAC::Output::Estraier '0.10';                  } else {
175                  my $est_config = $config->{hyperestraier} || $log->logdie("can't find 'hyperestraier' part in confguration");                          $log->logdie("unknown use_indexer: $use_indexer");
176                  $est_config->{database} = $database;                  }
                 $est_config->{clean} = $clean;  
                 $est_config->{label} = $db_config->{name};  
177    
178                  $indexer = new WebPAC::Output::Estraier( %{ $est_config } );                  $log->logide("can't continue without valid indexer") unless ($indexer);
         } else {  
                 $log->logdie("unknown use_indexer: $use_indexer");  
179          }          }
180    
         $log->logide("can't continue without valid indexer") unless ($indexer);  
181    
182          #          #
183          # now WebPAC::Store          # now WebPAC::Store
# Line 116  while (my ($database, $db_config) = each Line 188  while (my ($database, $db_config) = each
188          my $db_path = $config->{webpac}->{db_path} . '/' . $database;          my $db_path = $config->{webpac}->{db_path} . '/' . $database;
189    
190          if ($clean) {          if ($clean) {
191                  $log->info("creating new database $database in $db_path");                  $log->info("creating new database '$database' in $db_path");
192                  rmtree( $db_path ) || $log->warn("can't remove $db_path: $!");                  rmtree( $db_path ) || $log->warn("can't remove $db_path: $!");
193          } else {          } else {
194                  $log->debug("working on $database in $db_path");                  $log->info("working on database '$database' in $db_path");
195          }          }
196    
197          my $db = new WebPAC::Store(          my $db = new WebPAC::Store(
# Line 146  while (my ($database, $db_config) = each Line 218  while (my ($database, $db_config) = each
218    
219          foreach my $input (@inputs) {          foreach my $input (@inputs) {
220    
221                    next if ($only_input && ($input->{name} !~ m#$only_input#i && $input->{type} !~ m#$only_input#i));
222    
223                  my $type = lc($input->{type});                  my $type = lc($input->{type});
224    
225                  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));
226    
227                  my $lookup = new WebPAC::Lookup(                  my $lookup = new WebPAC::Lookup(
228                          lookup_file => $input->{lookup},                          lookup_file => $input->{lookup},
229                  );                  ) if ($input->{lookup});
230    
231                  my $input_module = $config->{webpac}->{inputs}->{$type};                  my $input_module = $config->{webpac}->{inputs}->{$type};
232    
233                  $log->info("working on input '$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",
234                            $input->{lookup} ? "lookup '$input->{lookup}'" : ""
235                    );
236    
237                  my $input_db = new WebPAC::Input(                  my $input_db = new WebPAC::Input(
238                          module => $input_module,                          module => $input_module,
# Line 165  while (my ($database, $db_config) = each Line 241  while (my ($database, $db_config) = each
241                          offset => $offset,                          offset => $offset,
242                          lookup => $lookup,                          lookup => $lookup,
243                          recode => $input->{recode},                          recode => $input->{recode},
244                            stats => $stats,
245                  );                  );
246                  $log->logdie("can't create input using $input_module") unless ($input);                  $log->logdie("can't create input using $input_module") unless ($input);
247    
248                  my $maxmfn = $input_db->open(                  my $maxmfn = $input_db->open(
249                          path => $input->{path},                          path => $input->{path},
250                          code_page => $input->{encoding},        # database encoding                          code_page => $input->{encoding},        # database encoding
251                            %{ $input },
252                  );                  );
253    
254                  my $n = new WebPAC::Normalize::XML(                  my @norm_array = ref($input->{normalize}) eq 'ARRAY' ?
255                  #       filter => { 'foo' => sub { shift } },                          @{ $input->{normalize} } : ( $input->{normalize} );
                         db => $db,  
                         lookup_regex => $lookup->regex,  
                         lookup => $lookup,  
                         prefix => $input->{name},  
                 );  
256    
257                  my $normalize_path = $input->{normalize}->{path};                  if ($marc_normalize) {
258                            @norm_array = ( {
259                  if ($normalize_path =~ m/\.xml$/i) {                                  path => $marc_normalize,
260                          $n->open(                                  output => $marc_output || 'out/marc/' . $database . '-' . $input->{name} . '.marc',
261                                  tag => $input->{normalize}->{tag},                          } );
                                 xml_file => $input->{normalize}->{path},  
                         );  
                 } elsif ($normalize_path =~ m/\.(?:yml|yaml)$/i) {  
                         $n->open_yaml(  
                                 path => $normalize_path,  
                                 tag => $input->{normalize}->{tag},  
                         );  
262                  }                  }
263    
264                  foreach my $pos ( 0 ... $input_db->size ) {                  foreach my $normalize (@norm_array) {
265    
266                            my $normalize_path = $normalize->{path} || $log->logdie("can't find normalize path in config");
267    
268                          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 );
269    
270                          my $mfn = $row->{'000'}->[0];                          my $rules = read_file( $normalize_path ) or die "can't open $normalize_path: $!";
271    
272                          if (! $mfn || $mfn !~ m#^\d+$#) {                          $log->info("Using $normalize_path for normalization...");
273                                  $log->warn("record $pos doesn't have valid MFN but '$mfn', using $pos");  
274                                  $mfn = $pos;                          my $marc_fh;
275                                  push @{ $row->{'000'} }, $pos;                          if (my $path = $normalize->{output}) {
276                                    open($marc_fh, '>', $path) ||
277                                            $log->logdie("can't open MARC output $path: $!");
278    
279                                    $log->info("Creating MARC export file $path", $marc_lint ? ' (with lint)' : '', "\n");
280                          }                          }
281    
282                          my $ds = $n->data_structure($row);                          # reset position in database
283                            $input_db->seek(1);
284    
285                            foreach my $pos ( 0 ... $input_db->size ) {
286    
287                          $indexer->add(                                  my $row = $input_db->fetch || next;
288                                  id => $input->{name} . "/" . $mfn,  
289                                  ds => $ds,                                  my $mfn = $row->{'000'}->[0];
290                                  type => $config->{$use_indexer}->{type},  
291                          );                                  if (! $mfn || $mfn !~ m#^\d+$#) {
292                                            $log->warn("record $pos doesn't have valid MFN but '$mfn', using $pos");
293                                            $mfn = $pos;
294                                            push @{ $row->{'000'} }, $pos;
295                                    }
296    
297    
298                                    if ($validate) {
299                                            my @errors = $validate->validate_errors( $row );
300                                            $log->error( "MFN $mfn validation errors:\n", join("\n", @errors) ) if (@errors);
301                                    }
302    
303                                    my $ds = WebPAC::Normalize::data_structure(
304                                            row => $row,
305                                            rules => $rules,
306                                            lookup => $lookup ? $lookup->lookup_hash : undef,
307                                            marc_encoding => 'utf-8',
308                                    );
309    
310                                    $db->save_ds(
311                                            id => $mfn,
312                                            ds => $ds,
313                                            prefix => $input->{name},
314                                    ) if ($ds && !$stats);
315    
316                                    $indexer->add(
317                                            id => $input->{name} . "/" . $mfn,
318                                            ds => $ds,
319                                            type => $config->{$use_indexer}->{type},
320                                    ) if ($indexer && $ds);
321    
322                                    if ($marc_fh) {
323                                            my $marc = new MARC::Record;
324                                            $marc->encoding( 'utf-8' );
325                                            my @marc_fields = WebPAC::Normalize::_get_marc_fields();
326                                            if (! @marc_fields) {
327                                                    $log->warn("MARC record $mfn is empty, skipping");
328                                            } else {
329                                                    $marc->add_fields( @marc_fields );
330    
331                                                    # tweak leader
332                                                    if (my $new_l = WebPAC::Normalize::marc_leader()) {
333    
334                                                            my $leader = $marc->leader;
335    
336                                                            foreach my $o ( keys %$new_l ) {
337                                                                    my $insert = $new_l->{$o};
338                                                                    $leader = substr($leader, 0, $o) .
339                                                                            $insert . substr($leader, $o+length($insert));
340                                                            }
341                                                            $marc->leader( $leader );
342                                                    }
343    
344                                                    if ($marc_lint) {
345                                                            $lint->check_record( $marc );
346                                                            my $err = join( "\n", $lint->warnings );
347                                                            $log->error("MARC lint detected warning on MFN $mfn\tleader:", $marc->leader(), "\n",
348                                                                    ">>>>> Original imput row:\n",dump($row), "\n",
349                                                                    ">>>>> Normalized MARC row:\n",dump(@marc_fields), "\n",
350                                                                    ">>>>> MARC lint warnings:\n",$err,"\n"
351                                                            ) if ($err);
352                                                    }
353    
354                                                    if ($marc_dump) {
355                                                            $log->info("MARC record on MFN $mfn\tleader:", $marc->leader(), "\n",
356                                                                    ">>>>> Original imput row:\n",dump($row), "\n",
357                                                                    ">>>>> Normalized MARC row:\n",dump(@marc_fields), "\n",
358                                                            );
359                                                    }
360    
361                                                    print $marc_fh $marc->as_usmarc;
362                                            }
363                                    }
364    
365                                    $total_rows++;
366                            }
367    
368                            $log->info("statistics of fields usage:\n", $input_db->stats) if ($stats);
369    
370                            # close MARC file
371                            close($marc_fh) if ($marc_fh);
372    
                         $total_rows++;  
373                  }                  }
374    
375          };          }
376    
377            eval { $indexer->finish } if ($indexer && $indexer->can('finish'));
378    
379          my $dt = time() - $start_t;          my $dt = time() - $start_t;
380          $log->info("$total_rows records indexed in " .          $log->info("$total_rows records ", $indexer ? "indexed " : "",
381                  sprintf("%.2f sec [%.2f rec/sec]",                  sprintf("in %.2f sec [%.2f rec/sec]",
382                          $dt, ($total_rows / $dt)                          $dt, ($total_rows / $dt)
383                  )                  )
384          );          );
385    
386          if ($use_indexer eq 'hyperestraier') {          #
387                  #          # add Hyper Estraier links to other databases
388                  # add Hyper Estraier links to other databases          #
389                  #          if (ref($db_config->{links}) eq 'ARRAY' && $use_indexer) {
390                  if (ref($db_config->{links}) eq 'ARRAY') {                  foreach my $link (@{ $db_config->{links} }) {
391                          foreach my $link (@{ $db_config->{links} }) {                          if ($use_indexer eq 'hyperestraier') {
392                                  $log->info("adding link $database -> $link->{to} [$link->{credit}]");                                  $log->info("saving link $database -> $link->{to} [$link->{credit}]");
393                                  $indexer->add_link(                                  push @links, {
394                                          from => $database,                                          from => $database,
395                                          to => $link->{to},                                          to => $link->{to},
396                                          credit => $link->{credit},                                          credit => $link->{credit},
397                                  );                                  };
398                            } else {
399                                    $log->warn("NOT IMPLEMENTED WITH $use_indexer: adding link $database -> $link->{to} [$link->{credit}]");
400                          }                          }
401                  }                  }
         } else {  
                 $log->warn("links not implemented for $use_indexer");  
402          }          }
403    
404  }  }
405    
406    foreach my $link (@links) {
407            $log->info("adding link $link->{from} -> $link->{to} [$link->{credit}]");
408            $indexer->add_link( %{ $link } );
409    }
Legend:
Removed from v.430  
changed lines
  Added in v.567
  ViewVC Help
Powered by ViewVC 1.1.26