/[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 684 by dpavlin, Sun Sep 24 15:53:54 2006 UTC revision 790 by dpavlin, Wed Dec 13 10:08:27 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 0.08;
11  use WebPAC::Input 0.11;  use WebPAC::Input 0.16;
12  use WebPAC::Store 0.03;  use WebPAC::Store 0.14;
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;
# Line 21  use Time::HiRes qw/time/; Line 21  use Time::HiRes qw/time/;
21  use File::Slurp;  use File::Slurp;
22  use Data::Dump qw/dump/;  use Data::Dump qw/dump/;
23  use Storable qw/dclone/;  use Storable qw/dclone/;
24    use Pod::Usage qw/pod2usage/;
25    
26  use Proc::Queue size => 1;  use Proc::Queue size => 1;
27  use POSIX ":sys_wait_h"; # imports WNOHANG  use POSIX ":sys_wait_h"; # imports WNOHANG
# Line 31  run.pl - start WebPAC indexing Line 32  run.pl - start WebPAC indexing
32    
33  B<this command will probably go away. Don't get used to it!>  B<this command will probably go away. Don't get used to it!>
34    
35  Options:  =head1 OPTIONS
36    
37  =over 4  =over 4
38    
# Line 67  and subfield usage for each input Line 68  and subfield usage for each input
68    
69  turn on extra validation of imput records, see L<WebPAC::Validation>  turn on extra validation of imput records, see L<WebPAC::Validation>
70    
 =item --marc-normalize conf/normalize/mapping.pl  
   
 This option specifies normalisation file for MARC creation  
   
 =item --marc-output out/marc/test.marc  
   
 Optional path to output file  
   
71  =item --marc-lint  =item --marc-lint
72    
73  By default turned on if C<--marc-normalize> is used. You can disable lint  By default turned on if normalisation file has C<marc*> directives. You can disable lint
74  messages with C<--no-marc-lint>.  messages with C<--no-marc-lint>.
75    
76  =item --marc-dump  =item --marc-dump
# Line 110  my $debug = 0; Line 103  my $debug = 0;
103  my $only_filter;  my $only_filter;
104  my $stats = 0;  my $stats = 0;
105  my $validate_path;  my $validate_path;
 my ($marc_normalize, $marc_output);  
106  my $marc_lint = 1;  my $marc_lint = 1;
107  my $marc_dump = 0;  my $marc_dump = 0;
108  my $parallel = 0;  my $parallel = 0;
109  my $only_links = 0;  my $only_links = 0;
110  my $merge = 0;  my $merge = 0;
111    my $help;
112    
113  my $log = _new WebPAC::Common()->_get_logger();  my $log = _new WebPAC::Common()->_get_logger();
114    
# Line 129  GetOptions( Line 122  GetOptions(
122          "debug+" => \$debug,          "debug+" => \$debug,
123          "stats" => \$stats,          "stats" => \$stats,
124          "validate=s" => \$validate_path,          "validate=s" => \$validate_path,
         "marc-normalize=s" => \$marc_normalize,  
         "marc-output=s" => \$marc_output,  
125          "marc-lint!" => \$marc_lint,          "marc-lint!" => \$marc_lint,
126          "marc-dump!" => \$marc_dump,          "marc-dump!" => \$marc_dump,
127          "parallel=i" => \$parallel,          "parallel=i" => \$parallel,
128          "only-links!" => \$only_links,          "only-links!" => \$only_links,
129          "merge" => \$merge,          "merge" => \$merge,
130            "help" => \$help,
131  );  );
132    
133    pod2usage(-verbose => 2) if ($help);
134    
135  my $config = new WebPAC::Config( path => $config_path );  my $config = new WebPAC::Config( path => $config_path );
136    
137  #print "config = ",dump($config) if ($debug);  #print "config = ",dump($config) if ($debug);
# Line 146  die "no databases in config file!\n" unl Line 140  die "no databases in config file!\n" unl
140    
141  $log->info( "-" x 79 );  $log->info( "-" x 79 );
142    
143    my $log_file = 'log';
144    
145    if (-e $log_file ) {    # && -s $log_file > 5 * 1024 * 1024) {
146            $log->info("moved old log with ", -s $log_file, " bytes to '${log_file}.old'");
147            rename $log_file, "${log_file}.old" || $log->logwarn("can't rename $log_file to ${log_file}.old: $!");
148    }
149    
150  my $estcmd_fh;  my $estcmd_fh;
151  my $estcmd_path = './estcmd-merge.sh';  my $estcmd_path = './estcmd-merge.sh';
# Line 164  $validate = new WebPAC::Validate( Line 164  $validate = new WebPAC::Validate(
164    
165    
166  my $use_indexer = $config->use_indexer;  my $use_indexer = $config->use_indexer;
167    $stats ||= $validate;
168  if ($stats) {  if ($stats) {
169          $log->debug("option --stats disables update of indexing engine...");          $log->debug("disabled indexing for stats collection");
170          $use_indexer = undef;          $use_indexer = undef;
171  } else {  } else {
172          $log->info("using $use_indexer indexing engine...");          $log->info("using $use_indexer indexing engine...");
173  }  }
174    
175  # disable indexing when creating marc  # parse normalize files and create source files for lookup and normalization
176  $use_indexer = undef if ($marc_normalize);  
177    my $parser = new WebPAC::Parser( config => $config );
178    
179  my $total_rows = 0;  my $total_rows = 0;
180  my $start_t = time();  my $start_t = time();
# Line 184  if ($parallel) { Line 186  if ($parallel) {
186          Proc::Queue::size($parallel);          Proc::Queue::size($parallel);
187  }  }
188    
189    sub create_ds_config {
190            my ($db_config, $database, $input, $mfn) = @_;
191            my $c = dclone( $db_config );
192            $c->{_} = $database || $log->logconfess("need database");
193            $c->{_mfn} = $mfn || $log->logconfess("need mfn");
194            $c->{input} = $input || $log->logconfess("need input");
195            return $c;
196    }
197    
198  while (my ($database, $db_config) = each %{ $config->databases }) {  while (my ($database, $db_config) = each %{ $config->databases }) {
199    
200          my ($only_database,$only_input) = split(m#/#, $only_filter) if ($only_filter);          my ($only_database,$only_input) = split(m#/#, $only_filter) if ($only_filter);
# Line 199  while (my ($database, $db_config) = each Line 210  while (my ($database, $db_config) = each
210          }          }
211    
212          my $indexer;          my $indexer;
213          if ($use_indexer) {          if ($use_indexer && $parser->have_rules( 'search', $database )) {
214    
215                  my $cfg_name = $use_indexer;                  my $cfg_name = $use_indexer;
216                  $cfg_name =~ s/\-.*$//;                  $cfg_name =~ s/\-.*$//;
# Line 272  while (my ($database, $db_config) = each Line 283  while (my ($database, $db_config) = each
283          my $abs_path = abs_path($0);          my $abs_path = abs_path($0);
284          $abs_path =~ s#/[^/]*$#/#;          $abs_path =~ s#/[^/]*$#/#;
285    
286          my $db_path = $config->get('webpac')->{db_path} . '/' . $database;          my $db_path = $config->webpac('db_path');
287    
288          if ($clean) {          if ($clean) {
289                  $log->info("creating new database '$database' in $db_path");                  $log->info("creating new database '$database' in $db_path");
# Line 281  while (my ($database, $db_config) = each Line 292  while (my ($database, $db_config) = each
292                  $log->info("working on database '$database' in $db_path");                  $log->info("working on database '$database' in $db_path");
293          }          }
294    
295          my $db = new WebPAC::Store(          my $store = new WebPAC::Store(
296                  path => $db_path,                  path => $db_path,
                 database => $database,  
297                  debug => $debug,                  debug => $debug,
298          );          );
299    
# Line 303  while (my ($database, $db_config) = each Line 313  while (my ($database, $db_config) = each
313    
314          foreach my $input (@inputs) {          foreach my $input (@inputs) {
315    
316                  next if ($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));
317    
318                    next if ($only_input && ($input_name !~ m#$only_input#i && $input->{type} !~ m#$only_input#i));
319    
320                  my $type = lc($input->{type});                  my $type = lc($input->{type});
321    
322                  die "I know only how to handle input types ", join(",", $config->webpac('inputs') ), " not '$type'!\n" unless (grep(/$type/, $config->webpac('inputs')));                  die "I know only how to handle input types ", join(",", $config->webpac('inputs') ), " not '$type'!\n" unless (grep(/$type/, $config->webpac('inputs')));
323    
                 my $lookup;  
                 if ($input->{lookup}) {  
                         $lookup = new WebPAC::Lookup(  
                                 lookup_file => $input->{lookup},  
                         );  
                         delete( $input->{lookup} );  
                 }  
   
324                  my $input_module = $config->webpac('inputs')->{$type};                  my $input_module = $config->webpac('inputs')->{$type};
325    
326                  $log->info("working on input '$input->{name}' in $input->{path} [type: $input->{type}] using $input_module",                  my @lookups = $parser->have_lookup_create($database, $input);
327                          $input->{lookup} ? "lookup '$input->{lookup}'" : ""  
328                    $log->info("working on input '$input_name' in $input->{path} [type: $input->{type}] using $input_module",
329                            @lookups ? " creating lookups: ".join(", ", @lookups) : ""
330                  );                  );
331    
332                  if ($stats) {                  if ($stats) {
# Line 334  while (my ($database, $db_config) = each Line 340  while (my ($database, $db_config) = each
340                          encoding => $config->webpac('webpac_encoding'),                          encoding => $config->webpac('webpac_encoding'),
341                          limit => $limit || $input->{limit},                          limit => $limit || $input->{limit},
342                          offset => $offset,                          offset => $offset,
                         lookup_coderef => sub {  
                                 my $rec = shift || return;  
                                 $lookup->add( $rec );  
                         },  
343                          recode => $input->{recode},                          recode => $input->{recode},
344                          stats => $stats,                          stats => $stats,
345                          modify_records => $input->{modify_records},                          modify_records => $input->{modify_records},
# Line 345  while (my ($database, $db_config) = each Line 347  while (my ($database, $db_config) = each
347                  );                  );
348                  $log->logdie("can't create input using $input_module") unless ($input);                  $log->logdie("can't create input using $input_module") unless ($input);
349    
350                    if (defined( $input->{lookup} )) {
351                            $log->warn("$database/$input_name has depriciated lookup definition, removing it...");
352                            delete( $input->{lookup} );
353                    }
354    
355                    my $lookup_coderef;
356    
357                    if (@lookups) {
358    
359                            my $rules = $parser->lookup_create_rules($database, $input) || $log->logdie("no rules found for $database/$input");
360    
361                            $lookup_coderef = sub {
362                                    my $rec = shift || die "need rec!";
363                                    my $mfn = $rec->{'000'}->[0] || die "need mfn in 000";
364    
365                                    WebPAC::Normalize::data_structure(
366                                            row => $rec,
367                                            rules => $rules,
368                                            config => create_ds_config( $db_config, $database, $input, $mfn ),
369                                    );
370    
371                                    #warn "current lookup: ", dump(WebPAC::Normalize::_get_lookup());
372                            };
373    
374                            WebPAC::Normalize::_set_lookup( undef );
375    
376                            $log->debug("created lookup_coderef using:\n$rules");
377    
378                    };
379    
380                    my $lookup_jar;
381    
382                  my $maxmfn = $input_db->open(                  my $maxmfn = $input_db->open(
383                          path => $input->{path},                          path => $input->{path},
384                          code_page => $input->{encoding},        # database encoding                          code_page => $input->{encoding},        # database encoding
385                            lookup_coderef => $lookup_coderef,
386                            lookup => $lookup_jar,
387                          %{ $input },                          %{ $input },
388                            load_row => sub {
389                                    my $a = shift;
390                                    return $store->load_row(
391                                            database => $database,
392                                            input => $input_name,
393                                            id => $a->{id},
394                                    );
395                            },
396                            save_row => sub {
397                                    my $a = shift;
398                                    return $store->save_row(
399                                            database => $database,
400                                            input => $input_name,
401                                            id => $a->{id},
402                                            row => $a->{row},
403                                    );
404                            },
405    
406                  );                  );
407    
408                    my $lookup_data = WebPAC::Normalize::_get_lookup();
409    
410                    if (defined( $lookup_data->{$database}->{$input_name} )) {
411                            $log->debug("created following lookups: ", sub { dump( $lookup_data ) } );
412    
413                            foreach my $key (keys %{ $lookup_data->{$database}->{$input_name} }) {
414                                    $store->save_lookup(
415                                            database => $database,
416                                            input => $input_name,
417                                            key => $key,
418                                            data => $lookup_data->{$database}->{$input_name}->{$key},
419                                    );
420                            }
421                    }
422    
423                  my $report_fh;                  my $report_fh;
424                  if ($stats || $validate) {                  if ($stats || $validate) {
425                          my $path = "out/report/" . $database . '-' . $input->{name} . '.txt';                          my $path = "out/report/${database}-${input_name}.txt";
426                          open($report_fh, '>', $path) || $log->logdie("can't open $path: $!");                          open($report_fh, '>', $path) || $log->logdie("can't open $path: $!");
427    
428                          print $report_fh "Report for database '$database' input '$input->{name}' records ",                          print $report_fh "Report for database '$database' input '$input_name' records ",
429                                  $offset || 1, "-", $limit || $input->{limit} || $maxmfn, "\n\n";                                  $offset || 1, "-", $limit || $input->{limit} || $maxmfn, "\n\n";
430                          $log->info("Generating report file $path");                          $log->info("Generating report file $path");
431                  }                  }
432    
433                  my @norm_array = ref($input->{normalize}) eq 'ARRAY' ?                  my $marc;
434                          @{ $input->{normalize} } : ( $input->{normalize} );                  if ($parser->have_rules( 'marc', $database, $input_name )) {
435                            $marc = new WebPAC::Output::MARC(
436                  if ($marc_normalize) {                                  path => "out/marc/${database}-${input_name}.marc",
                         @norm_array = ( {  
                                 path => $marc_normalize,  
                                 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},  
437                                  lint => $marc_lint,                                  lint => $marc_lint,
438                                  dump => $marc_dump,                                  dump => $marc_dump,
439                          ) if ($normalize->{output});                          );
440                    }
                         # reset position in database  
                         $input_db->seek(1);  
   
                         # generate name of config key for indexer (strip everything after -)  
                         my $indexer_config = $use_indexer;  
                         $indexer_config =~ s/^(\w+)-?.*$/$1/g if ($indexer_config);  
   
                         foreach my $pos ( 0 ... $input_db->size ) {  
   
                                 my $row = $input_db->fetch || next;  
441    
442                                  my $mfn = $row->{'000'}->[0];                  my $rules = $parser->normalize_rules($database,$input_name) || $log->logdie("no normalize rules found for $database/$input_name");
443                    $log->debug("parsed normalize rules:\n$rules");
444    
445                                  if (! $mfn || $mfn !~ m#^\d+$#) {                  # reset position in database
446                                          $log->warn("record $pos doesn't have valid MFN but '$mfn', using $pos");                  $input_db->seek(1);
                                         $mfn = $pos;  
                                         push @{ $row->{'000'} }, $pos;  
                                 }  
447    
448                    # generate name of config key for indexer (strip everything after -)
449                                  if ($validate) {                  my $indexer_config = $use_indexer;
450                                          if ( my $errors = $validate->validate_errors( $row, $input_db->dump ) ) {                  $indexer_config =~ s/^(\w+)-?.*$/$1/g if ($indexer_config);
451                                                  $log->error( "MFN $mfn validation error:\n",  
452                                                          $validate->report_error( $errors )                  my $lookup_hash;
453                    my $depends = $parser->depends($database,$input_name);
454            
455                    if ($depends) {
456                            $log->debug("$database/$input_name depends on: ", dump($depends)) if ($depends);
457                            $log->logdie("parser->depends didn't return HASH") unless (ref($depends) eq 'HASH');
458    
459                            foreach my $db (keys %$depends) {
460                                    foreach my $i (keys %{$depends->{$db}}) {
461                                            foreach my $k (keys %{$depends->{$db}->{$i}}) {
462                                                    my $t = time();
463                                                    $log->debug("loading lookup $db/$i");
464                                                    $lookup_hash->{$db}->{$i}->{$k} = $store->load_lookup(
465                                                            database => $db,
466                                                            input => $i,
467                                                            key => $k,
468                                                  );                                                  );
469                                                    $log->debug(sprintf("lookup $db/$i took %.2fs", time() - $t));
470                                          }                                          }
471                                  }                                  }
472                            }
473    
474                                  my $ds_config = dclone($db_config);                          $log->debug("lookup_hash = ", sub { dump( $lookup_hash ) });
475                    }
                                 # default values -> database key  
                                 $ds_config->{_} = $database;  
476    
                                 # current mfn  
                                 $ds_config->{_mfn} = $mfn;  
477    
478                                  # attach current input                  foreach my $pos ( 0 ... $input_db->size ) {
                                 $ds_config->{input} = $input;  
479    
480                                  my $ds = WebPAC::Normalize::data_structure(                          my $row = $input_db->fetch || next;
                                         row => $row,  
                                         rules => $rules,  
                                         lookup => $lookup ? $lookup->lookup_hash : undef,  
                                         config => $ds_config,  
                                         marc_encoding => 'utf-8',  
                                 );  
481    
482                                  $db->save_ds(                          $total_rows++;
                                         id => $mfn,  
                                         ds => $ds,  
                                         prefix => $input->{name},  
                                 ) if ($ds && !$stats);  
   
                                 $indexer->add(  
                                         id => $input->{name} . "/" . $mfn,  
                                         ds => $ds,  
                                         type => $config->get($indexer_config)->{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++;  
                                         }  
483    
484                                          $log->info("Created $i instances of MFN $mfn\n") if ($i > 1);                          my $mfn = $row->{'000'}->[0];
                                 }  
485    
486                                  $total_rows++;                          if (! $mfn || $mfn !~ m#^\d+$#) {
487                                    $log->warn("record $pos doesn't have valid MFN but '$mfn', using $pos");
488                                    $mfn = $pos;
489                                    push @{ $row->{'000'} }, $pos;
490                          }                          }
491    
492    
493                          if ($validate) {                          if ($validate) {
494                                  my $errors = $validate->report;                                  if ( my $errors = $validate->validate_rec( $row, $input_db->dump_ascii ) ) {
495                                  if ($errors) {                                          $log->error( "MFN $mfn validation error:\n",
496                                          $log->info("validation errors:\n$errors\n" );                                                  $validate->report_error( $errors )
497                                          print $report_fh "$errors\n" if ($report_fh);                                          );
498                                  }                                  }
499                                    next;   # validation doesn't create any output
500                          }                          }
501    
502                          if ($stats) {                          my $ds = WebPAC::Normalize::data_structure(
503                                  my $s = $input_db->stats;                                  row => $row,
504                                  $log->info("statistics of fields usage:\n$s");                                  rules => $rules,
505                                  print $report_fh "Statistics of fields usage:\n$s" if ($report_fh);                                  lookup => $lookup_hash,
506                                    config => create_ds_config( $db_config, $database, $input, $mfn ),
507                                    marc_encoding => 'utf-8',
508                                    load_row_coderef => sub {
509                                            my ($database,$input,$mfn) = @_;
510                                            return $store->load_row(
511                                                    database => $database,
512                                                    input => $input,
513                                                    id => $mfn,
514                                            );
515                                    },
516                            );
517    
518                            $log->debug("ds = ", sub { dump($ds) }) if ($ds);
519    
520                            $store->save_ds(
521                                    database => $database,
522                                    input => $input_name,
523                                    id => $mfn,
524                                    ds => $ds,
525                            ) if ($ds && !$stats);
526    
527                            $indexer->add(
528                                    id => "${input_name}/${mfn}",
529                                    ds => $ds,
530                                    type => $config->get($indexer_config)->{type},
531                            ) if ($indexer && $ds);
532    
533                            if ($marc) {
534                                    my $i = 0;
535    
536                                    while (my $fields = WebPAC::Normalize::_get_marc_fields( fetch_next => 1 ) ) {
537                                            $marc->add(
538                                                    id => $mfn . ( $i ? "/$i" : '' ),
539                                                    fields => $fields,
540                                                    leader => WebPAC::Normalize::marc_leader(),
541                                                    row => $row,
542                                            );
543                                            $i++;
544                                    }
545    
546                                    $log->info("Created $i instances of MFN $mfn\n") if ($i > 1);
547                          }                          }
548                    }
549    
550                          # close MARC file                  if ($validate) {
551                          $marc->finish if ($marc);                          my $errors = $validate->report;
552                            if ($errors) {
553                                    $log->info("validation errors:\n$errors\n" );
554                                    print $report_fh "$errors\n" if ($report_fh);
555                            }
556                    }
557    
558                          # close report                  if ($stats) {
559                          close($report_fh) if ($report_fh)                          my $s = $input_db->stats;
560                            $log->info("statistics of fields usage:\n$s");
561                            print $report_fh "Statistics of fields usage:\n$s" if ($report_fh);
562                  }                  }
563    
564                    # close MARC file
565                    $marc->finish if ($marc);
566    
567                    # close report
568                    close($report_fh) if ($report_fh)
569    
570          }          }
571    
572          eval { $indexer->finish } if ($indexer && $indexer->can('finish'));          eval { $indexer->finish } if ($indexer && $indexer->can('finish'));
Legend:
Removed from v.684  
changed lines
  Added in v.790
  ViewVC Help
Powered by ViewVC 1.1.26