/[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 529 by dpavlin, Mon May 22 19:34:45 2006 UTC revision 607 by dpavlin, Tue Aug 1 14:15:50 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    =item --only-links
93    
94    Create just links
95    
96  =back  =back
97    
98  =cut  =cut
# Line 79  my $clean = 0; Line 104  my $clean = 0;
104  my $config = 'conf/config.yml';  my $config = 'conf/config.yml';
105  my $debug = 0;  my $debug = 0;
106  my $only_filter;  my $only_filter;
 my $force_set = 0;  
107  my $stats = 0;  my $stats = 0;
108  my $validate_path;  my $validate_path;
109    my ($marc_normalize, $marc_output);
110    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 90  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,
         "force-set" => \$force_set,  
123          "stats" => \$stats,          "stats" => \$stats,
124          "validate=s" => \$validate_path,          "validate=s" => \$validate_path,
125            "marc-normalize=s" => \$marc_normalize,
126            "marc-output=s" => \$marc_output,
127            "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);
134    
135  print "config = ",Dumper($config) if ($debug);  print "config = ",dump($config) if ($debug);
136    
137  die "no databases in config file!\n" unless ($config->{databases});  die "no databases in config file!\n" unless ($config->{databases});
138    
# Line 118  if ($stats) { Line 152  if ($stats) {
152          $log->info("using $use_indexer indexing engine...");          $log->info("using $use_indexer indexing engine...");
153  }  }
154    
155    # disable indexing when creating marc
156    $use_indexer = undef if ($marc_normalize);
157    
158  my $total_rows = 0;  my $total_rows = 0;
159  my $start_t = time();  my $start_t = time();
160    
161  my @links;  my @links;
162  my $indexer;  
163    if ($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} = $database;
# Line 157  while (my ($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($0);
# Line 201  while (my ($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 213  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 228  while (my ($database, $db_config) = each Line 310  while (my ($database, $db_config) = each
310                          %{ $input },                          %{ $input },
311                  );                  );
312    
313                  my $n = new WebPAC::Normalize::XML(                  my @norm_array = ref($input->{normalize}) eq 'ARRAY' ?
314                  #       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 = $input->{normalize}->{path};  
315    
316                  if ($force_set) {                  if ($marc_normalize) {
317                          my $new_norm_path = $normalize_path;                          @norm_array = ( {
318                          $new_norm_path =~ s/\.xml$/.pl/;                                  path => $marc_normalize,
319                          if (-e $new_norm_path) {                                  output => $marc_output || 'out/marc/' . $database . '-' . $input->{name} . '.marc',
320                                  $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 $normalize_path");  
                         }  
321                  }                  }
322    
323                  if ($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: $!";  
                 }  
324    
325                  foreach my $pos ( 0 ... $input_db->size ) {                          my $normalize_path = $normalize->{path} || $log->logdie("can't find normalize path in config");
326    
327                          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 );
328    
329                          my $mfn = $row->{'000'}->[0];                          my $rules = read_file( $normalize_path ) or die "can't open $normalize_path: $!";
330    
331                          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;  
                         }  
332    
333                            my $marc = new WebPAC::Output::MARC(
334                                    path => $normalize->{output},
335                                    lint => $marc_lint,
336                                    dump => $marc_dump,
337                            ) if ($normalize->{output});
338    
339                          if ($validate) {                          # reset position in database
340                                  my @errors = $validate->validate_errors( $row );                          $input_db->seek(1);
                                 $log->error( "MFN $mfn validation errors:\n", join("\n", @errors) ) if (@errors);  
                         }  
341    
342                                                            foreach my $pos ( 0 ... $input_db->size ) {
343                          my $ds;  
344                          if ($n) {                                  my $row = $input_db->fetch || next;
345                                  $ds = $n->data_structure($row);  
346                          } else {                                  my $mfn = $row->{'000'}->[0];
347                                  $ds = WebPAC::Normalize::Set::data_structure(  
348                                    if (! $mfn || $mfn !~ m#^\d+$#) {
349                                            $log->warn("record $pos doesn't have valid MFN but '$mfn', using $pos");
350                                            $mfn = $pos;
351                                            push @{ $row->{'000'} }, $pos;
352                                    }
353    
354    
355                                    if ($validate) {
356                                            my @errors = $validate->validate_errors( $row );
357                                            $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(
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',
377                                  );                                  );
378    
379                                  $db->save_ds(                                  $db->save_ds(
# Line 300  while (my ($database, $db_config) = each Line 381  while (my ($database, $db_config) = each
381                                          ds => $ds,                                          ds => $ds,
382                                          prefix => $input->{name},                                          prefix => $input->{name},
383                                  ) if ($ds && !$stats);                                  ) if ($ds && !$stats);
384    
385                                    $indexer->add(
386                                            id => $input->{name} . "/" . $mfn,
387                                            ds => $ds,
388                                            type => $config->{$use_indexer}->{type},
389                                    ) if ($indexer && $ds);
390    
391                                    if ($marc) {
392                                            my $i = 0;
393    
394                                            while (my $fields = WebPAC::Normalize::_get_marc_fields( fetch_next => 1 ) ) {
395                                                    $marc->add(
396                                                            id => $mfn . ( $i ? "/$i" : '' ),
397                                                            fields => $fields,
398                                                            leader => WebPAC::Normalize::marc_leader(),
399                                                            row => $row,
400                                                    );
401                                                    $i++;
402                                            }
403    
404                                            $log->info("Created $i instances of MFN $mfn\n") if ($i > 1);
405                                    }
406    
407                                    $total_rows++;
408                          }                          }
409    
410                          $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);  
411    
412                          $total_rows++;                          # close MARC file
413                  }                          $marc->finish if ($marc);
414    
415                  $log->info("statistics of fields usage:\n", $input_db->stats) if ($stats);                  }
416    
417          };          }
418    
419          eval { $indexer->finish } if ($indexer && $indexer->can('finish'));          eval { $indexer->finish } if ($indexer && $indexer->can('finish'));
420    
# Line 324  while (my ($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') {                  $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.529  
changed lines
  Added in v.607
  ViewVC Help
Powered by ViewVC 1.1.26