/[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 523 by dpavlin, Sun May 21 19:29:26 2006 UTC revision 606 by dpavlin, Tue Aug 1 13:59:47 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 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::XML;  use WebPAC::Normalize 0.11;
 use WebPAC::Normalize::Set;  
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;
22    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 54  or C<type> from input Line 58  or C<type> from input
58    
59  path to YAML configuration file  path to YAML configuration file
60    
 =item --force-set  
   
 force conversion C<< normalize->path >> in C<config.yml> from  
 C<.xml> to C<.pl>  
   
61  =item --stats  =item --stats
62    
63  disable indexing and dump statistics about field and subfield  disable indexing and dump statistics about field and subfield
# Line 68  usage for each input Line 67  usage for each input
67    
68  turn on extra validation of imput records, see L<WebPAC::Validation>  turn on extra validation of imput records, see L<WebPAC::Validation>
69    
70    =item --marc-normalize conf/normalize/mapping.pl
71    
72    This option specifies normalisation file for MARC creation
73    
74    =item --marc-output out/marc/test.marc
75    
76    Optional path to output file
77    
78    =item --marc-lint
79    
80    By default turned on if C<--marc-normalize> is used. You can disable lint
81    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  =back  =back
93    
94  =cut  =cut
# Line 79  my $clean = 0; Line 100  my $clean = 0;
100  my $config = 'conf/config.yml';  my $config = 'conf/config.yml';
101  my $debug = 0;  my $debug = 0;
102  my $only_filter;  my $only_filter;
 my $force_set = 0;  
103  my $stats = 0;  my $stats = 0;
104  my $validate_path;  my $validate_path;
105    my ($marc_normalize, $marc_output);
106    my $marc_lint = 1;
107    my $marc_dump = 0;
108    
109    my $parallel = 0;
110    
111  GetOptions(  GetOptions(
112          "limit=i" => \$limit,          "limit=i" => \$limit,
# Line 90  GetOptions( Line 115  GetOptions(
115          "one=s" => \$only_filter,          "one=s" => \$only_filter,
116          "only=s" => \$only_filter,          "only=s" => \$only_filter,
117          "config" => \$config,          "config" => \$config,
118          "debug" => \$debug,          "debug+" => \$debug,
         "force-set" => \$force_set,  
119          "stats" => \$stats,          "stats" => \$stats,
120          "validate=s" => \$validate_path,          "validate=s" => \$validate_path,
121            "marc-normalize=s" => \$marc_normalize,
122            "marc-output=s" => \$marc_output,
123            "marc-lint!" => \$marc_lint,
124            "marc-dump!" => \$marc_dump,
125            "parallel=i" => \$parallel,
126  );  );
127    
128  $config = LoadFile($config);  $config = LoadFile($config);
129    
130  print "config = ",Dumper($config) if ($debug);  print "config = ",dump($config) if ($debug);
131    
132  die "no databases in config file!\n" unless ($config->{databases});  die "no databases in config file!\n" unless ($config->{databases});
133    
# Line 118  if ($stats) { Line 147  if ($stats) {
147          $log->info("using $use_indexer indexing engine...");          $log->info("using $use_indexer indexing engine...");
148  }  }
149    
150    # disable indexing when creating marc
151    $use_indexer = undef if ($marc_normalize);
152    
153  my $total_rows = 0;  my $total_rows = 0;
154  my $start_t = time();  my $start_t = time();
155    
156    my @links;
157    my $indexer;
158    
159    if ($parallel) {
160            $log->info("Using $parallel processes for speedup");
161            Proc::Queue::size($parallel);
162    }
163    
164  while (my ($database, $db_config) = each %{ $config->{databases} }) {  while (my ($database, $db_config) = each %{ $config->{databases} }) {
165    
166          my ($only_database,$only_input) = split(m#/#, $only_filter) if ($only_filter);          my ($only_database,$only_input) = split(m#/#, $only_filter) if ($only_filter);
167          next if ($only_database && $database !~ m/$only_database/i);          next if ($only_database && $database !~ m/$only_database/i);
168    
169          my $indexer;          if ($parallel) {
170                    my $f=fork;
171                    if(defined ($f) and $f==0) {
172                            $log->info("Created processes $$ for speedup");
173                    } else {
174                            next;
175                    }
176            }
177    
178          if ($use_indexer) {          if ($use_indexer) {
179                  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");
# Line 200  while (my ($database, $db_config) = each Line 247  while (my ($database, $db_config) = each
247    
248                  die "I know only how to handle input types ", join(",", @supported_inputs), " not '$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));
249    
250                  my $lookup = new WebPAC::Lookup(                  my $lookup;
251                          lookup_file => $input->{lookup},                  if ($input->{lookup}) {
252                  ) if ($input->{lookup});                          $lookup = new WebPAC::Lookup(
253                                    lookup_file => $input->{lookup},
254                            );
255                            delete( $input->{lookup} );
256                    }
257    
258                  my $input_module = $config->{webpac}->{inputs}->{$type};                  my $input_module = $config->{webpac}->{inputs}->{$type};
259    
# Line 212  while (my ($database, $db_config) = each Line 263  while (my ($database, $db_config) = each
263    
264                  my $input_db = new WebPAC::Input(                  my $input_db = new WebPAC::Input(
265                          module => $input_module,                          module => $input_module,
266                          code_page => $config->{webpac}->{webpac_encoding},                          encoding => $config->{webpac}->{webpac_encoding},
267                          limit => $limit || $input->{limit},                          limit => $limit || $input->{limit},
268                          offset => $offset,                          offset => $offset,
269                          lookup => $lookup,                          lookup_coderef => sub {
270                                    my $rec = shift || return;
271                                    $lookup->add( $rec );
272                            },
273                          recode => $input->{recode},                          recode => $input->{recode},
274                          stats => $stats,                          stats => $stats,
275                            modify_records => $input->{modify_records},
276                  );                  );
277                  $log->logdie("can't create input using $input_module") unless ($input);                  $log->logdie("can't create input using $input_module") unless ($input);
278    
# Line 227  while (my ($database, $db_config) = each Line 282  while (my ($database, $db_config) = each
282                          %{ $input },                          %{ $input },
283                  );                  );
284    
285                  my $n = new WebPAC::Normalize::XML(                  my @norm_array = ref($input->{normalize}) eq 'ARRAY' ?
286                  #       filter => { 'foo' => sub { shift } },                          @{ $input->{normalize} } : ( $input->{normalize} );
                         db => $db,  
                         lookup_regex => $lookup ? $lookup->regex : undef,  
                         lookup => $lookup,  
                         prefix => $input->{name},  
                 );  
   
                 my $rules;  
                 my $normalize_path = $input->{normalize}->{path};  
287    
288                  if ($force_set) {                  if ($marc_normalize) {
289                          my $new_norm_path = $normalize_path;                          @norm_array = ( {
290                          $new_norm_path =~ s/\.xml$/.pl/;                                  path => $marc_normalize,
291                          if (-e $new_norm_path) {                                  output => $marc_output || 'out/marc/' . $database . '-' . $input->{name} . '.marc',
292                                  $log->debug("--force-set replaced $normalize_path with $new_norm_path");                          } );
                                 $normalize_path = $new_norm_path;  
                         } else {  
                                 $log->debug("--force-set failed on $new_norm_path, fallback to $normalize_path");  
                         }  
293                  }                  }
294    
295                  if ($normalize_path =~ m/\.xml$/i) {                  foreach my $normalize (@norm_array) {
                         $n->open(  
                                 tag => $input->{normalize}->{tag},  
                                 xml_file => $normalize_path,  
                         );  
                 } elsif ($normalize_path =~ m/\.(?:yml|yaml)$/i) {  
                         $n->open_yaml(  
                                 path => $normalize_path,  
                                 tag => $input->{normalize}->{tag},  
                         );  
                 } elsif ($normalize_path =~ m/\.(?:pl)$/i) {  
                         $n = undef;  
                         $log->info("using WebPAC::Normalize::Set to process $normalize_path");  
                         $rules = read_file( $normalize_path ) or die "can't open $normalize_path: $!";  
                 }  
296    
297                  foreach my $pos ( 0 ... $input_db->size ) {                          my $normalize_path = $normalize->{path} || $log->logdie("can't find normalize path in config");
298    
299                          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 );
300    
301                          my $mfn = $row->{'000'}->[0];                          my $rules = read_file( $normalize_path ) or die "can't open $normalize_path: $!";
302    
303                          if (! $mfn || $mfn !~ m#^\d+$#) {                          $log->info("Using $normalize_path for normalization...");
                                 $log->warn("record $pos doesn't have valid MFN but '$mfn', using $pos");  
                                 $mfn = $pos;  
                                 push @{ $row->{'000'} }, $pos;  
                         }  
304    
305                            my $marc = new WebPAC::Output::MARC(
306                                    path => $normalize->{output},
307                                    lint => $marc_lint,
308                                    dump => $marc_dump,
309                            ) if ($normalize->{output});
310    
311                          if ($validate) {                          # reset position in database
312                                  my @errors = $validate->validate_errors( $row );                          $input_db->seek(1);
                                 $log->error( "MFN $mfn validation errors:\n", join("\n", @errors) ) if (@errors);  
                         }  
313    
314                                                            foreach my $pos ( 0 ... $input_db->size ) {
315                          my $ds;  
316                          if ($n) {                                  my $row = $input_db->fetch || next;
317                                  $ds = $n->data_structure($row);  
318                          } else {                                  my $mfn = $row->{'000'}->[0];
319                                  $ds = WebPAC::Normalize::Set::data_structure(  
320                                    if (! $mfn || $mfn !~ m#^\d+$#) {
321                                            $log->warn("record $pos doesn't have valid MFN but '$mfn', using $pos");
322                                            $mfn = $pos;
323                                            push @{ $row->{'000'} }, $pos;
324                                    }
325    
326    
327                                    if ($validate) {
328                                            my @errors = $validate->validate_errors( $row );
329                                            $log->error( "MFN $mfn validation errors:\n", join("\n", @errors) ) if (@errors);
330                                    }
331    
332                                    my $ds_config = dclone($db_config);
333    
334                                    # default values -> database key
335                                    $ds_config->{_} = $database;
336    
337                                    # current mfn
338                                    $ds_config->{_mfn} = $mfn;
339    
340                                    # attach current input
341                                    $ds_config->{input} = $input;
342    
343                                    my $ds = WebPAC::Normalize::data_structure(
344                                          row => $row,                                          row => $row,
345                                          rules => $rules,                                          rules => $rules,
346                                          lookup => $lookup ? $lookup->lookup_hash : undef,                                          lookup => $lookup ? $lookup->lookup_hash : undef,
347                                            config => $ds_config,
348                                            marc_encoding => 'utf-8',
349                                  );                                  );
350    
351                                  $db->save_ds(                                  $db->save_ds(
# Line 299  while (my ($database, $db_config) = each Line 353  while (my ($database, $db_config) = each
353                                          ds => $ds,                                          ds => $ds,
354                                          prefix => $input->{name},                                          prefix => $input->{name},
355                                  ) if ($ds && !$stats);                                  ) if ($ds && !$stats);
356    
357                                    $indexer->add(
358                                            id => $input->{name} . "/" . $mfn,
359                                            ds => $ds,
360                                            type => $config->{$use_indexer}->{type},
361                                    ) if ($indexer && $ds);
362    
363                                    if ($marc) {
364                                            my $i = 0;
365    
366                                            while (my $fields = WebPAC::Normalize::_get_marc_fields( fetch_next => 1 ) ) {
367                                                    $marc->add(
368                                                            id => $mfn . ( $i ? "/$i" : '' ),
369                                                            fields => $fields,
370                                                            leader => WebPAC::Normalize::marc_leader(),
371                                                            row => $row,
372                                                    );
373                                                    $i++;
374                                            }
375    
376                                            $log->info("Created $i instances of MFN $mfn\n") if ($i > 1);
377                                    }
378    
379                                    $total_rows++;
380                          }                          }
381    
382                          $indexer->add(                          $log->info("statistics of fields usage:\n", $input_db->stats) if ($stats);
                                 id => $input->{name} . "/" . $mfn,  
                                 ds => $ds,  
                                 type => $config->{$use_indexer}->{type},  
                         ) if ($indexer);  
383    
384                          $total_rows++;                          # close MARC file
385                  }                          $marc->finish if ($marc);
386    
387                  $log->info("statistics of fields usage:\n", $input_db->stats) if ($stats);                  }
388    
389          };          }
390    
391          eval { $indexer->finish } if ($indexer && $indexer->can('finish'));          eval { $indexer->finish } if ($indexer && $indexer->can('finish'));
392    
# Line 326  while (my ($database, $db_config) = each Line 400  while (my ($database, $db_config) = each
400          #          #
401          # add Hyper Estraier links to other databases          # add Hyper Estraier links to other databases
402          #          #
403          if (ref($db_config->{links}) eq 'ARRAY') {          if (ref($db_config->{links}) eq 'ARRAY' && $use_indexer) {
404                  foreach my $link (@{ $db_config->{links} }) {                  foreach my $link (@{ $db_config->{links} }) {
405                          if ($use_indexer eq 'hyperestraier') {                          if ($use_indexer eq 'hyperestraier') {
406                                  $log->info("adding link $database -> $link->{to} [$link->{credit}]");                                  $log->info("saving link $database -> $link->{to} [$link->{credit}]");
407                                  $indexer->add_link(                                  push @links, {
408                                          from => $database,                                          from => $database,
409                                          to => $link->{to},                                          to => $link->{to},
410                                          credit => $link->{credit},                                          credit => $link->{credit},
411                                  );                                  };
412                          } else {                          } else {
413                                  $log->warn("NOT IMPLEMENTED WITH $use_indexer: adding link $database -> $link->{to} [$link->{credit}]");                                  $log->warn("NOT IMPLEMENTED WITH $use_indexer: adding link $database -> $link->{to} [$link->{credit}]");
414                          }                          }
415                  }                  }
416          }          }
417    
418            # end forked process
419            if ($parallel) {
420                    $log->info("parallel process $$ finished");
421                    exit(0);
422            }
423    
424    }
425    
426    if ($parallel) {
427            # wait all children to finish
428            sleep(1) while wait != -1;
429            $log->info("all parallel processes finished");
430    }
431    
432    foreach my $link (@links) {
433            $log->info("adding link $link->{from} -> $link->{to} [$link->{credit}]");
434            $indexer->add_link( %{ $link } );
435  }  }
436    
Legend:
Removed from v.523  
changed lines
  Added in v.606
  ViewVC Help
Powered by ViewVC 1.1.26