/[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 671 by dpavlin, Mon Sep 11 15:59:35 2006 UTC revision 736 by dpavlin, Thu Oct 5 12:57:51 2006 UTC
# Line 7  use File::Temp qw/tempdir/; Line 7  use File::Temp qw/tempdir/;
7  use lib './lib';  use lib './lib';
8    
9  use WebPAC::Common 0.02;  use WebPAC::Common 0.02;
10  use WebPAC::Lookup 0.03;  use WebPAC::Parser 0.04;
11  use WebPAC::Input 0.11;  use WebPAC::Input 0.13;
12  use WebPAC::Store 0.03;  use WebPAC::Store 0.11;
13  use WebPAC::Normalize 0.11;  use WebPAC::Normalize 0.22;
14  use WebPAC::Output::TT;  use WebPAC::Output::TT;
15  use WebPAC::Validate 0.06;  use WebPAC::Validate 0.06;
16  use WebPAC::Output::MARC;  use WebPAC::Output::MARC;
17  use YAML qw/LoadFile/;  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/;
# Line 105  my $offset; Line 105  my $offset;
105  my $limit;  my $limit;
106    
107  my $clean = 0;  my $clean = 0;
108  my $config = 'conf/config.yml';  my $config_path;
109  my $debug = 0;  my $debug = 0;
110  my $only_filter;  my $only_filter;
111  my $stats = 0;  my $stats = 0;
# Line 119  my $merge = 0; Line 119  my $merge = 0;
119    
120  my $log = _new WebPAC::Common()->_get_logger();  my $log = _new WebPAC::Common()->_get_logger();
121    
 my $hostname = `hostname`;  
 chomp($hostname);  
 $hostname =~ s/\..+$//;  
 if (-e "conf/$hostname.yml") {  
         $config = "conf/$hostname.yml";  
         $log->info("using host configuration file: $config");  
 }  
   
122  GetOptions(  GetOptions(
123          "limit=i" => \$limit,          "limit=i" => \$limit,
124          "offset=i" => \$offset,          "offset=i" => \$offset,
125          "clean" => \$clean,          "clean" => \$clean,
126          "one=s" => \$only_filter,          "one=s" => \$only_filter,
127          "only=s" => \$only_filter,          "only=s" => \$only_filter,
128          "config" => \$config,          "config" => \$config_path,
129          "debug+" => \$debug,          "debug+" => \$debug,
130          "stats" => \$stats,          "stats" => \$stats,
131          "validate=s" => \$validate_path,          "validate=s" => \$validate_path,
# Line 146  GetOptions( Line 138  GetOptions(
138          "merge" => \$merge,          "merge" => \$merge,
139  );  );
140    
141  $config = LoadFile($config);  my $config = new WebPAC::Config( path => $config_path );
142    
143  #print "config = ",dump($config) if ($debug);  #print "config = ",dump($config) if ($debug);
144    
145  die "no databases in config file!\n" unless ($config->{databases});  die "no databases in config file!\n" unless ($config->databases);
146    
147  $log->info( "-" x 79 );  $log->info( "-" x 79 );
148    
# Line 171  $validate = new WebPAC::Validate( Line 163  $validate = new WebPAC::Validate(
163  ) if ($validate_path);  ) if ($validate_path);
164    
165    
166  my $use_indexer = $config->{use_indexer} || 'hyperestraier';  my $use_indexer = $config->use_indexer;
167  if ($stats) {  if ($stats) {
168          $log->debug("option --stats disables update of indexing engine...");          $log->debug("option --stats disables update of indexing engine...");
169          $use_indexer = undef;          $use_indexer = undef;
# Line 182  if ($stats) { Line 174  if ($stats) {
174  # disable indexing when creating marc  # disable indexing when creating marc
175  $use_indexer = undef if ($marc_normalize);  $use_indexer = undef if ($marc_normalize);
176    
177    # parse normalize files and create source files for lookup and normalization
178    
179    my $parser = new WebPAC::Parser( config => $config );
180    
181  my $total_rows = 0;  my $total_rows = 0;
182  my $start_t = time();  my $start_t = time();
183    
# Line 192  if ($parallel) { Line 188  if ($parallel) {
188          Proc::Queue::size($parallel);          Proc::Queue::size($parallel);
189  }  }
190    
191  while (my ($database, $db_config) = each %{ $config->{databases} }) {  sub create_ds_config {
192            my ($db_config, $database, $input, $mfn) = @_;
193            my $c = dclone( $db_config );
194            $c->{_} = $database || $log->logconfess("need database");
195            $c->{_mfn} = $mfn || $log->logconfess("need mfn");
196            $c->{input} = $input || $log->logconfess("need input");
197            return $c;
198    }
199    
200    while (my ($database, $db_config) = each %{ $config->databases }) {
201    
202          my ($only_database,$only_input) = split(m#/#, $only_filter) if ($only_filter);          my ($only_database,$only_input) = split(m#/#, $only_filter) if ($only_filter);
203          next if ($only_database && $database !~ m/$only_database/i);          next if ($only_database && $database !~ m/$only_database/i);
# Line 212  while (my ($database, $db_config) = each Line 217  while (my ($database, $db_config) = each
217                  my $cfg_name = $use_indexer;                  my $cfg_name = $use_indexer;
218                  $cfg_name =~ s/\-.*$//;                  $cfg_name =~ s/\-.*$//;
219    
220                  my $indexer_config = $config->{$cfg_name} || $log->logdie("can't find '$cfg_name' part in confguration");                  my $indexer_config = $config->get( $cfg_name ) || $log->logdie("can't find '$cfg_name' part in confguration");
221                  $indexer_config->{database} = $database;                  $indexer_config->{database} = $database;
222                  $indexer_config->{clean} = $clean;                  $indexer_config->{clean} = $clean;
223                  $indexer_config->{label} = $db_config->{name};                  $indexer_config->{label} = $db_config->{name};
# Line 232  while (my ($database, $db_config) = each Line 237  while (my ($database, $db_config) = each
237                          use WebPAC::Output::EstraierNative;                          use WebPAC::Output::EstraierNative;
238                          $indexer = new WebPAC::Output::EstraierNative( %{ $indexer_config } );                          $indexer = new WebPAC::Output::EstraierNative( %{ $indexer_config } );
239    
                         $use_indexer = 'hyperestraier';  
   
240                  } elsif ($use_indexer eq 'kinosearch') {                  } elsif ($use_indexer eq 'kinosearch') {
241    
242                          # open KinoSearch                          # open KinoSearch
# Line 282  while (my ($database, $db_config) = each Line 285  while (my ($database, $db_config) = each
285          my $abs_path = abs_path($0);          my $abs_path = abs_path($0);
286          $abs_path =~ s#/[^/]*$#/#;          $abs_path =~ s#/[^/]*$#/#;
287    
288          my $db_path = $config->{webpac}->{db_path} . '/' . $database;          my $db_path = $config->webpac('db_path');
289    
290          if ($clean) {          if ($clean) {
291                  $log->info("creating new database '$database' in $db_path");                  $log->info("creating new database '$database' in $db_path");
# Line 291  while (my ($database, $db_config) = each Line 294  while (my ($database, $db_config) = each
294                  $log->info("working on database '$database' in $db_path");                  $log->info("working on database '$database' in $db_path");
295          }          }
296    
297          my $db = new WebPAC::Store(          my $store = new WebPAC::Store(
298                  path => $db_path,                  path => $db_path,
                 database => $database,  
299                  debug => $debug,                  debug => $debug,
300          );          );
301    
# Line 311  while (my ($database, $db_config) = each Line 313  while (my ($database, $db_config) = each
313                  $log->info("database $database doesn't have inputs defined");                  $log->info("database $database doesn't have inputs defined");
314          }          }
315    
         my @supported_inputs = keys %{ $config->{webpac}->{inputs} };  
   
316          foreach my $input (@inputs) {          foreach my $input (@inputs) {
317    
318                  next if ($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));
319    
320                    next if ($only_input && ($input_name !~ m#$only_input#i && $input->{type} !~ m#$only_input#i));
321    
322                  my $type = lc($input->{type});                  my $type = lc($input->{type});
323    
324                  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')));
325    
326                  my $lookup;                  my $input_module = $config->webpac('inputs')->{$type};
                 if ($input->{lookup}) {  
                         $lookup = new WebPAC::Lookup(  
                                 lookup_file => $input->{lookup},  
                         );  
                         delete( $input->{lookup} );  
                 }  
327    
328                  my $input_module = $config->{webpac}->{inputs}->{$type};                  my @lookups = $parser->have_lookup_create($database, $input);
329    
330                  $log->info("working on input '$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",
331                          $input->{lookup} ? "lookup '$input->{lookup}'" : ""                          @lookups ? " creating lookups: ".join(", ", @lookups) : ""
332                  );                  );
333    
334                  if ($stats) {                  if ($stats) {
# Line 343  while (my ($database, $db_config) = each Line 339  while (my ($database, $db_config) = each
339    
340                  my $input_db = new WebPAC::Input(                  my $input_db = new WebPAC::Input(
341                          module => $input_module,                          module => $input_module,
342                          encoding => $config->{webpac}->{webpac_encoding},                          encoding => $config->webpac('webpac_encoding'),
343                          limit => $limit || $input->{limit},                          limit => $limit || $input->{limit},
344                          offset => $offset,                          offset => $offset,
                         lookup_coderef => sub {  
                                 my $rec = shift || return;  
                                 $lookup->add( $rec );  
                         },  
345                          recode => $input->{recode},                          recode => $input->{recode},
346                          stats => $stats,                          stats => $stats,
347                          modify_records => $input->{modify_records},                          modify_records => $input->{modify_records},
# Line 357  while (my ($database, $db_config) = each Line 349  while (my ($database, $db_config) = each
349                  );                  );
350                  $log->logdie("can't create input using $input_module") unless ($input);                  $log->logdie("can't create input using $input_module") unless ($input);
351    
352                    if (defined( $input->{lookup} )) {
353                            $log->warn("$database/$input_name has depriciated lookup definition, removing it...");
354                            delete( $input->{lookup} );
355                    }
356    
357                    my $lookup_coderef;
358    
359                    if (@lookups) {
360    
361                            my $rules = $parser->lookup_create_rules($database, $input) || $log->logdie("no rules found for $database/$input");
362    
363                            $lookup_coderef = sub {
364                                    my $rec = shift || die "need rec!";
365                                    my $mfn = $rec->{'000'}->[0] || die "need mfn in 000";
366    
367                                    $store->save_row(
368                                            database => $database,
369                                            input => $input_name,
370                                            id => $mfn,
371                                            row => $rec,
372                                    );
373    
374                                    WebPAC::Normalize::data_structure(
375                                            row => $rec,
376                                            rules => $rules,
377                                            config => create_ds_config( $db_config, $database, $input, $mfn ),
378                                    );
379    
380                                    #warn "current lookup: ", dump(WebPAC::Normalize::_get_lookup());
381                            };
382    
383                            WebPAC::Normalize::_set_lookup( undef );
384    
385                            $log->debug("created lookup_coderef using:\n$rules");
386    
387                    };
388    
389                    my $lookup_jar;
390    
391                  my $maxmfn = $input_db->open(                  my $maxmfn = $input_db->open(
392                          path => $input->{path},                          path => $input->{path},
393                          code_page => $input->{encoding},        # database encoding                          code_page => $input->{encoding},        # database encoding
394                            lookup_coderef => $lookup_coderef,
395                            lookup => $lookup_jar,
396                          %{ $input },                          %{ $input },
397                  );                  );
398    
399                    my $lookup_data = WebPAC::Normalize::_get_lookup();
400    
401                    if (defined( $lookup_data->{$database}->{$input_name} )) {
402                            $log->debug("created following lookups: ", dump( $lookup_data ));
403    
404                            foreach my $key (keys %{ $lookup_data->{$database}->{$input_name} }) {
405                                    $store->save_lookup(
406                                            database => $database,
407                                            input => $input_name,
408                                            key => $key,
409                                            data => $lookup_data->{$database}->{$input_name}->{$key},
410                                    );
411                            }
412                    }
413    
414                  my $report_fh;                  my $report_fh;
415                  if ($stats || $validate) {                  if ($stats || $validate) {
416                          my $path = "out/report/" . $database . '-' . $input->{name} . '.txt';                          my $path = "out/report/${database}-${input_name}.txt";
417                          open($report_fh, '>', $path) || $log->logdie("can't open $path: $!");                          open($report_fh, '>', $path) || $log->logdie("can't open $path: $!");
418    
419                          print $report_fh "Report for database '$database' input '$input->{name}' records ",                          print $report_fh "Report for database '$database' input '$input_name' records ",
420                                  $offset || 1, "-", $limit || $input->{limit} || $maxmfn, "\n\n";                                  $offset || 1, "-", $limit || $input->{limit} || $maxmfn, "\n\n";
421                          $log->info("Generating report file $path");                          $log->info("Generating report file $path");
422                  }                  }
423    
424                  my @norm_array = ref($input->{normalize}) eq 'ARRAY' ?                  my $marc;
                         @{ $input->{normalize} } : ( $input->{normalize} );  
   
425                  if ($marc_normalize) {                  if ($marc_normalize) {
426                          @norm_array = ( {                          $marc = new WebPAC::Output::MARC(
427                                  path => $marc_normalize,                                  path => $marc_output || "out/marc/${database}-${input_name}.marc",
                                 output => $marc_output || 'out/marc/' . $database . '-' . $input->{name} . '.marc',  
                         } );  
                 }  
   
                 foreach my $normalize (@norm_array) {  
   
                         my $normalize_path = $normalize->{path} || $log->logdie("can't find normalize path in config");  
   
                         $log->logdie("Found '$normalize_path' as normalization file which isn't supported any more!") unless ( $normalize_path =~ m!\.pl$!i );  
   
                         my $rules = read_file( $normalize_path ) or die "can't open $normalize_path: $!";  
   
                         $log->info("Using $normalize_path for normalization...");  
   
                         my $marc = new WebPAC::Output::MARC(  
                                 path => $normalize->{output},  
428                                  lint => $marc_lint,                                  lint => $marc_lint,
429                                  dump => $marc_dump,                                  dump => $marc_dump,
430                          ) if ($normalize->{output});                          );
431                    }
                         # reset position in database  
                         $input_db->seek(1);  
   
                         foreach my $pos ( 0 ... $input_db->size ) {  
   
                                 my $row = $input_db->fetch || next;  
432    
433                                  my $mfn = $row->{'000'}->[0];                  my $rules = $parser->normalize_rules($database,$input_name) || $log->logdie("no normalize rules found for $database/$input_name");
434                    $log->debug("parsed normalize rules:\n$rules");
435    
436                                  if (! $mfn || $mfn !~ m#^\d+$#) {                  # reset position in database
437                                          $log->warn("record $pos doesn't have valid MFN but '$mfn', using $pos");                  $input_db->seek(1);
                                         $mfn = $pos;  
                                         push @{ $row->{'000'} }, $pos;  
                                 }  
438    
439                    # generate name of config key for indexer (strip everything after -)
440                                  if ($validate) {                  my $indexer_config = $use_indexer;
441                                          if ( my $errors = $validate->validate_errors( $row, $input_db->dump ) ) {                  $indexer_config =~ s/^(\w+)-?.*$/$1/g if ($indexer_config);
442                                                  $log->error( "MFN $mfn validation error:\n",  
443                                                          $validate->report_error( $errors )                  my $lookup_hash;
444                    my $depends = $parser->depends($database,$input_name);
445            
446                    if ($depends) {
447                            $log->debug("$database/$input_name depends on: ", dump($depends)) if ($depends);
448                            $log->logdie("parser->depends didn't return HASH") unless (ref($depends) eq 'HASH');
449    
450                            foreach my $db (keys %$depends) {
451                                    foreach my $i (keys %{$depends->{$db}}) {
452                                            foreach my $k (keys %{$depends->{$db}->{$i}}) {
453                                                    $log->debug("loading lookup $db/$i");
454                                                    $lookup_hash->{$db}->{$i}->{$k} = $store->load_lookup(
455                                                            database => $db,
456                                                            input => $i,
457                                                            key => $k,
458                                                  );                                                  );
459                                          }                                          }
460                                  }                                  }
461                            }
462    
463                                  my $ds_config = dclone($db_config);                          $log->debug("lookup_hash = ", dump( $lookup_hash ));
464                    }
465    
                                 # default values -> database key  
                                 $ds_config->{_} = $database;  
466    
467                                  # current mfn                  foreach my $pos ( 0 ... $input_db->size ) {
                                 $ds_config->{_mfn} = $mfn;  
468    
469                                  # attach current input                          my $row = $input_db->fetch || next;
                                 $ds_config->{input} = $input;  
470    
471                                  my $ds = WebPAC::Normalize::data_structure(                          my $mfn = $row->{'000'}->[0];
                                         row => $row,  
                                         rules => $rules,  
                                         lookup => $lookup ? $lookup->lookup_hash : undef,  
                                         config => $ds_config,  
                                         marc_encoding => 'utf-8',  
                                 );  
472    
473                                  $db->save_ds(                          if (! $mfn || $mfn !~ m#^\d+$#) {
474                                          id => $mfn,                                  $log->warn("record $pos doesn't have valid MFN but '$mfn', using $pos");
475                                          ds => $ds,                                  $mfn = $pos;
476                                          prefix => $input->{name},                                  push @{ $row->{'000'} }, $pos;
                                 ) if ($ds && !$stats);  
   
                                 $indexer->add(  
                                         id => $input->{name} . "/" . $mfn,  
                                         ds => $ds,  
                                         type => $config->{$use_indexer}->{type},  
                                 ) if ($indexer && $ds);  
   
                                 if ($marc) {  
                                         my $i = 0;  
   
                                         while (my $fields = WebPAC::Normalize::_get_marc_fields( fetch_next => 1 ) ) {  
                                                 $marc->add(  
                                                         id => $mfn . ( $i ? "/$i" : '' ),  
                                                         fields => $fields,  
                                                         leader => WebPAC::Normalize::marc_leader(),  
                                                         row => $row,  
                                                 );  
                                                 $i++;  
                                         }  
   
                                         $log->info("Created $i instances of MFN $mfn\n") if ($i > 1);  
                                 }  
   
                                 $total_rows++;  
477                          }                          }
478    
479    
480                          if ($validate) {                          if ($validate) {
481                                  my $errors = $validate->report;                                  if ( my $errors = $validate->validate_errors( $row, $input_db->dump ) ) {
482                                  if ($errors) {                                          $log->error( "MFN $mfn validation error:\n",
483                                          $log->info("validation errors:\n$errors\n" );                                                  $validate->report_error( $errors )
484                                          print $report_fh "$errors\n" if ($report_fh);                                          );
485                                  }                                  }
486                          }                          }
487    
488                          if ($stats) {                          my $ds = WebPAC::Normalize::data_structure(
489                                  my $s = $input_db->stats;                                  row => $row,
490                                  $log->info("statistics of fields usage:\n$s");                                  rules => $rules,
491                                  print $report_fh "Statistics of fields usage:\n$s" if ($report_fh);                                  lookup => $lookup_hash,
492                                    config => create_ds_config( $db_config, $database, $input, $mfn ),
493                                    marc_encoding => 'utf-8',
494                                    load_row_coderef => sub {
495                                            my ($database,$input,$mfn) = @_;
496                                            return $store->load_row(
497                                                    database => $database,
498                                                    input => $input,
499                                                    id => $mfn,
500                                            );
501                                    },
502                            );
503    
504                            $log->debug("ds = ",dump($ds));
505    
506                            $store->save_ds(
507                                    database => $database,
508                                    input => $input_name,
509                                    id => $mfn,
510                                    ds => $ds,
511                            ) if ($ds && !$stats);
512    
513                            $indexer->add(
514                                    id => "${input_name}/${mfn}",
515                                    ds => $ds,
516                                    type => $config->get($indexer_config)->{type},
517                            ) if ($indexer && $ds);
518    
519                            if ($marc) {
520                                    my $i = 0;
521    
522                                    while (my $fields = WebPAC::Normalize::_get_marc_fields( fetch_next => 1 ) ) {
523                                            $marc->add(
524                                                    id => $mfn . ( $i ? "/$i" : '' ),
525                                                    fields => $fields,
526                                                    leader => WebPAC::Normalize::marc_leader(),
527                                                    row => $row,
528                                            );
529                                            $i++;
530                                    }
531    
532                                    $log->info("Created $i instances of MFN $mfn\n") if ($i > 1);
533                          }                          }
534    
535                          # close MARC file                          $total_rows++;
536                          $marc->finish if ($marc);                  }
537    
538                          # close report                  if ($validate) {
539                          close($report_fh) || $log->logdie("can't close report: $!");                          my $errors = $validate->report;
540                            if ($errors) {
541                                    $log->info("validation errors:\n$errors\n" );
542                                    print $report_fh "$errors\n" if ($report_fh);
543                            }
544                  }                  }
545    
546                    if ($stats) {
547                            my $s = $input_db->stats;
548                            $log->info("statistics of fields usage:\n$s");
549                            print $report_fh "Statistics of fields usage:\n$s" if ($report_fh);
550                    }
551    
552                    # close MARC file
553                    $marc->finish if ($marc);
554    
555                    # close report
556                    close($report_fh) if ($report_fh)
557    
558          }          }
559    
560          eval { $indexer->finish } if ($indexer && $indexer->can('finish'));          eval { $indexer->finish } if ($indexer && $indexer->can('finish'));
Legend:
Removed from v.671  
changed lines
  Added in v.736
  ViewVC Help
Powered by ViewVC 1.1.26