/[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 712 by dpavlin, Tue Sep 26 10:23:04 2006 UTC revision 851 by dpavlin, Sun May 27 11:14:40 2007 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::Parser 0.04;  use WebPAC::Parser 0.08;
11  use WebPAC::Input 0.13;  use WebPAC::Input 0.16;
12  use WebPAC::Store 0.10;  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 0.11;
16  use WebPAC::Output::MARC;  use WebPAC::Output::MARC;
17  use WebPAC::Config;  use WebPAC::Config;
18  use Getopt::Long;  use Getopt::Long;
# 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    
71  =item --marc-normalize conf/normalize/mapping.pl  =item --validate-delimiters path/to/validate_delimiters_file
72    
73  This option specifies normalisation file for MARC creation  this option is used with C<--validate> to turn on extra validation of
74    delimiters. If file is non existant, it will be created on first run.
75    
76  =item --marc-output out/marc/test.marc  =item --marc-generate
77    
78  Optional path to output file  Generate MARC file. This will automatically be on if file contains C<marc*> directives.
79    You can use this option as C<--no-marc-generate> to disable MARC generation.
80    
81  =item --marc-lint  =item --marc-lint
82    
83  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
84  messages with C<--no-marc-lint>.  messages with C<--no-marc-lint>.
85    
86  =item --marc-dump  =item --marc-dump
# Line 110  my $debug = 0; Line 113  my $debug = 0;
113  my $only_filter;  my $only_filter;
114  my $stats = 0;  my $stats = 0;
115  my $validate_path;  my $validate_path;
116  my ($marc_normalize, $marc_output);  my $validate_delimiters_path;
117    my $marc_generate = 1;
118  my $marc_lint = 1;  my $marc_lint = 1;
119  my $marc_dump = 0;  my $marc_dump = 0;
120  my $parallel = 0;  my $parallel = 0;
121  my $only_links = 0;  my $only_links = 0;
122  my $merge = 0;  my $merge = 0;
123    my $help;
124    
125  my $log = _new WebPAC::Common()->_get_logger();  my $log = _new WebPAC::Common()->_get_logger();
126    
# Line 129  GetOptions( Line 134  GetOptions(
134          "debug+" => \$debug,          "debug+" => \$debug,
135          "stats" => \$stats,          "stats" => \$stats,
136          "validate=s" => \$validate_path,          "validate=s" => \$validate_path,
137          "marc-normalize=s" => \$marc_normalize,          "validate-delimiters=s" => \$validate_delimiters_path,
138          "marc-output=s" => \$marc_output,          "marc-generate!" => \$marc_generate,
139          "marc-lint!" => \$marc_lint,          "marc-lint!" => \$marc_lint,
140          "marc-dump!" => \$marc_dump,          "marc-dump!" => \$marc_dump,
141          "parallel=i" => \$parallel,          "parallel=i" => \$parallel,
142          "only-links!" => \$only_links,          "only-links!" => \$only_links,
143          "merge" => \$merge,          "merge" => \$merge,
144            "help" => \$help,
145  );  );
146    
147    $marc_generate = 0 if ( $validate_delimiters_path );
148    
149    pod2usage(-verbose => 2) if ($help);
150    
151  my $config = new WebPAC::Config( path => $config_path );  my $config = new WebPAC::Config( path => $config_path );
152    
153  #print "config = ",dump($config) if ($debug);  #print "config = ",dump($config) if ($debug);
# Line 146  die "no databases in config file!\n" unl Line 156  die "no databases in config file!\n" unl
156    
157  $log->info( "-" x 79 );  $log->info( "-" x 79 );
158    
159    my $log_file = 'log';
160    
161    if (-e $log_file ) {    # && -s $log_file > 5 * 1024 * 1024) {
162            $log->info("moved old log with ", -s $log_file, " bytes to '${log_file}.old'");
163            rename $log_file, "${log_file}.old" || $log->logwarn("can't rename $log_file to ${log_file}.old: $!");
164    }
165    
166  my $estcmd_fh;  my $estcmd_fh;
167  my $estcmd_path = './estcmd-merge.sh';  my $estcmd_path = './estcmd-merge.sh';
# Line 156  if ($merge) { Line 172  if ($merge) {
172          $log->info("created merge batch file $estcmd_path");          $log->info("created merge batch file $estcmd_path");
173  }  }
174    
   
175  my $validate;  my $validate;
176  $validate = new WebPAC::Validate(  $validate = new WebPAC::Validate(
177          path => $validate_path,          path => $validate_path,
178  ) if ($validate_path);          delimiters => $config->webpac('delimiters'),
179            delimiters_path => $validate_delimiters_path,
180    ) if ($validate_path || $validate_delimiters_path);
181    
182  my $use_indexer = $config->use_indexer;  my $use_indexer = $config->use_indexer;
183    $stats ||= $validate;
184  if ($stats) {  if ($stats) {
185          $log->debug("option --stats disables update of indexing engine...");          $log->debug("disabled indexing for stats collection");
186          $use_indexer = undef;          $use_indexer = undef;
187  } else {  } else {
188          $log->info("using $use_indexer indexing engine...");          $log->info("using $use_indexer indexing engine...");
189  }  }
190    
 # disable indexing when creating marc  
 $use_indexer = undef if ($marc_normalize);  
   
191  # parse normalize files and create source files for lookup and normalization  # parse normalize files and create source files for lookup and normalization
192    
193  my $parser = new WebPAC::Parser( config => $config );  my $parser = new WebPAC::Parser( config => $config );
# Line 212  while (my ($database, $db_config) = each Line 226  while (my ($database, $db_config) = each
226          }          }
227    
228          my $indexer;          my $indexer;
229          if ($use_indexer) {          if ($use_indexer && $parser->have_rules( 'search', $database )) {
230    
231                  my $cfg_name = $use_indexer;                  my $cfg_name = $use_indexer;
232                  $cfg_name =~ s/\-.*$//;                  $cfg_name =~ s/\-.*$//;
# Line 285  while (my ($database, $db_config) = each Line 299  while (my ($database, $db_config) = each
299          my $abs_path = abs_path($0);          my $abs_path = abs_path($0);
300          $abs_path =~ s#/[^/]*$#/#;          $abs_path =~ s#/[^/]*$#/#;
301    
302          my $db_path = $config->get('webpac')->{db_path} . '/' . $database;          my $db_path = $config->webpac('db_path');
303    
304          if ($clean) {          if ($clean) {
305                  $log->info("creating new database '$database' in $db_path");                  $log->info("creating new database '$database' in $db_path");
# Line 296  while (my ($database, $db_config) = each Line 310  while (my ($database, $db_config) = each
310    
311          my $store = new WebPAC::Store(          my $store = new WebPAC::Store(
312                  path => $db_path,                  path => $db_path,
                 database => $database,  
313                  debug => $debug,                  debug => $debug,
314          );          );
315    
# Line 355  while (my ($database, $db_config) = each Line 368  while (my ($database, $db_config) = each
368                          delete( $input->{lookup} );                          delete( $input->{lookup} );
369                  }                  }
370    
                 my $lookup;  
371                  my $lookup_coderef;                  my $lookup_coderef;
372    
373                  if (@lookups) {                  if (@lookups) {
# Line 369  while (my ($database, $db_config) = each Line 381  while (my ($database, $db_config) = each
381                                  WebPAC::Normalize::data_structure(                                  WebPAC::Normalize::data_structure(
382                                          row => $rec,                                          row => $rec,
383                                          rules => $rules,                                          rules => $rules,
                                         lookup => $lookup,  
384                                          config => create_ds_config( $db_config, $database, $input, $mfn ),                                          config => create_ds_config( $db_config, $database, $input, $mfn ),
385                                  );                                  );
386    
387                                  warn "current lookup = ", dump($lookup) if ($lookup);                                  #warn "current lookup: ", dump(WebPAC::Normalize::_get_lookup());
388                          };                          };
389    
390                          WebPAC::Normalize::_set_lookup( undef );                          WebPAC::Normalize::_set_lookup( undef );
# Line 382  while (my ($database, $db_config) = each Line 393  while (my ($database, $db_config) = each
393    
394                  };                  };
395    
396                    my $lookup_jar;
397    
398                  my $maxmfn = $input_db->open(                  my $maxmfn = $input_db->open(
399                          path => $input->{path},                          path => $input->{path},
400                          code_page => $input->{encoding},        # database encoding                          code_page => $input->{encoding},        # database encoding
401                          lookup_coderef => $lookup_coderef,                          lookup_coderef => $lookup_coderef,
402                            lookup => $lookup_jar,
403                          %{ $input },                          %{ $input },
404                            load_row => sub {
405                                    my $a = shift;
406                                    return $store->load_row(
407                                            database => $database,
408                                            input => $input_name,
409                                            id => $a->{id},
410                                    );
411                            },
412                            save_row => sub {
413                                    my $a = shift;
414                                    return $store->save_row(
415                                            database => $database,
416                                            input => $input_name,
417                                            id => $a->{id},
418                                            row => $a->{row},
419                                    );
420                            },
421    
422                  );                  );
423    
424                  my $lookup_data = WebPAC::Normalize::_get_lookup();                  my $lookup_data = WebPAC::Normalize::_get_lookup();
425    
426                  if (defined( $lookup_data->{$database}->{$input_name} )) {                  if (defined( $lookup_data->{$database}->{$input_name} )) {
427                          $log->debug("created following lookups: ", dump( $lookup_data ));                          $log->debug("created following lookups: ", sub { dump( $lookup_data ) } );
428    
429                          foreach my $key (keys %{ $lookup_data->{$database}->{$input_name} }) {                          foreach my $key (keys %{ $lookup_data->{$database}->{$input_name} }) {
430                                  $store->save_lookup( $database, $input_name, $key, $lookup_data->{$database}->{$input_name}->{$key} );                                  $store->save_lookup(
431                                            database => $database,
432                                            input => $input_name,
433                                            key => $key,
434                                            data => $lookup_data->{$database}->{$input_name}->{$key},
435                                    );
436                          }                          }
437                  }                  }
438    
# Line 409  while (my ($database, $db_config) = each Line 446  while (my ($database, $db_config) = each
446                          $log->info("Generating report file $path");                          $log->info("Generating report file $path");
447                  }                  }
448    
449                  my @norm_array = ref($input->{normalize}) eq 'ARRAY' ?                  my $marc;
450                          @{ $input->{normalize} } : ( $input->{normalize} );                  if ($marc_generate && $parser->have_rules( 'marc', $database, $input_name )) {
451                            $marc = new WebPAC::Output::MARC(
452                  if ($marc_normalize) {                                  path => "out/marc/${database}-${input_name}.marc",
453                          @norm_array = ( {                                  lint => $marc_lint,
454                                  path => $marc_normalize,                                  dump => $marc_dump,
455                                  output => $marc_output || "out/marc/${database}-${input_name}.marc",                          );
                         } );  
456                  }                  }
457    
458                  foreach my $normalize (@norm_array) {                  my $rules = $parser->normalize_rules($database,$input_name) || $log->logdie("no normalize rules found for $database/$input_name");
459                    $log->debug("parsed normalize rules:\n$rules");
460    
461                          my $normalize_path = $normalize->{path} || $log->logdie("can't find normalize path in config");                  # reset position in database
462                    $input_db->seek(1);
463    
464                          $log->logdie("Found '$normalize_path' as normalization file which isn't supported any more!") unless ( $normalize_path =~ m!\.pl$!i );                  # generate name of config key for indexer (strip everything after -)
465                    my $indexer_config = $use_indexer;
466                          my $rules = read_file( $normalize_path ) or die "can't open $normalize_path: $!";                  $indexer_config =~ s/^(\w+)-?.*$/$1/g if ($indexer_config);
467    
468                          $log->info("Using $normalize_path for normalization...");                  my $lookup_hash;
469                    my $depends = $parser->depends($database,$input_name);
470            
471                    if ($depends) {
472                            $log->debug("$database/$input_name depends on: ", dump($depends)) if ($depends);
473                            $log->logdie("parser->depends didn't return HASH") unless (ref($depends) eq 'HASH');
474    
475                            foreach my $db (keys %$depends) {
476                                    foreach my $i (keys %{$depends->{$db}}) {
477                                            foreach my $k (keys %{$depends->{$db}->{$i}}) {
478                                                    my $t = time();
479                                                    $log->debug("loading lookup $db/$i");
480                                                    $lookup_hash->{$db}->{$i}->{$k} = $store->load_lookup(
481                                                            database => $db,
482                                                            input => $i,
483                                                            key => $k,
484                                                    );
485                                                    $log->debug(sprintf("lookup $db/$i took %.2fs", time() - $t));
486                                            }
487                                    }
488                            }
489    
490                          my $marc = new WebPAC::Output::MARC(                          $log->debug("lookup_hash = ", sub { dump( $lookup_hash ) });
491                                  path => $normalize->{output},                  }
                                 lint => $marc_lint,  
                                 dump => $marc_dump,  
                         ) if ($normalize->{output});  
492    
                         # reset position in database  
                         $input_db->seek(1);  
493    
494                          # generate name of config key for indexer (strip everything after -)                  foreach my $pos ( 0 ... $input_db->size ) {
                         my $indexer_config = $use_indexer;  
                         $indexer_config =~ s/^(\w+)-?.*$/$1/g if ($indexer_config);  
495    
496                          foreach my $pos ( 0 ... $input_db->size ) {                          my $row = $input_db->fetch || next;
497    
498                                  my $row = $input_db->fetch || next;                          $total_rows++;
499    
500                                  my $mfn = $row->{'000'}->[0];                          my $mfn = $row->{'000'}->[0];
501    
502                                  if (! $mfn || $mfn !~ m#^\d+$#) {                          if (! $mfn || $mfn !~ m#^\d+$#) {
503                                          $log->warn("record $pos doesn't have valid MFN but '$mfn', using $pos");                                  $log->warn("record $pos doesn't have valid MFN but '$mfn', using $pos");
504                                          $mfn = $pos;                                  $mfn = $pos;
505                                          push @{ $row->{'000'} }, $pos;                                  push @{ $row->{'000'} }, $pos;
506                                  }                          }
507    
508    
509                                  if ($validate) {                          if ($validate) {
510                                          if ( my $errors = $validate->validate_errors( $row, $input_db->dump ) ) {                                  if ( my $errors = $validate->validate_rec( $row, $input_db->dump_ascii ) ) {
511                                                  $log->error( "MFN $mfn validation error:\n",                                          $log->error( "MFN $mfn validation error:\n",
512                                                          $validate->report_error( $errors )                                                  $validate->report_error( $errors )
513                                                  );                                          );
                                         }  
514                                  }                                  }
515                                    next;   # validation doesn't create any output
516                            }
517    
518                                  my $ds = WebPAC::Normalize::data_structure(                          my $ds = WebPAC::Normalize::data_structure(
519                                          row => $row,                                  row => $row,
520                                          rules => $rules,                                  rules => $rules,
521                                          lookup => $lookup ? $lookup->lookup_hash : undef,                                  lookup => $lookup_hash,
522                                          config => create_ds_config( $db_config, $database, $input, $mfn ),                                  config => create_ds_config( $db_config, $database, $input, $mfn ),
523                                          marc_encoding => 'utf-8',                                  marc_encoding => 'utf-8',
524                                  );                                  load_row_coderef => sub {
525                                            my ($database,$input,$mfn) = @_;
526                                  $store->save_ds(                                          return $store->load_row(
527                                          id => $mfn,                                                  database => $database,
528                                          ds => $ds,                                                  input => $input,
529                                          prefix => $input_name,                                                  id => $mfn,
530                                  ) if ($ds && !$stats);                                          );
531                                    },
532                                  $indexer->add(                          );
533                                          id => "${input_name}/${mfn}",  
534                                          ds => $ds,                          $log->debug("ds = ", sub { dump($ds) }) if ($ds);
535                                          type => $config->get($indexer_config)->{type},  
536                                  ) if ($indexer && $ds);                          $store->save_ds(
537                                    database => $database,
538                                  if ($marc) {                                  input => $input_name,
539                                          my $i = 0;                                  id => $mfn,
540                                    ds => $ds,
541                                          while (my $fields = WebPAC::Normalize::_get_marc_fields( fetch_next => 1 ) ) {                          ) if ($ds && !$stats);
542                                                  $marc->add(  
543                                                          id => $mfn . ( $i ? "/$i" : '' ),                          $indexer->add(
544                                                          fields => $fields,                                  id => "${input_name}/${mfn}",
545                                                          leader => WebPAC::Normalize::marc_leader(),                                  ds => $ds,
546                                                          row => $row,                                  type => $config->get($indexer_config)->{type},
547                                                  );                          ) if ($indexer && $ds);
548                                                  $i++;  
549                                          }                          if ($marc) {
550                                    my $i = 0;
551                                          $log->info("Created $i instances of MFN $mfn\n") if ($i > 1);  
552                                    while (my $fields = WebPAC::Normalize::_get_marc_fields( fetch_next => 1 ) ) {
553                                            $marc->add(
554                                                    id => $mfn . ( $i ? "/$i" : '' ),
555                                                    fields => $fields,
556                                                    leader => WebPAC::Normalize::_get_marc_leader(),
557                                                    row => $row,
558                                            );
559                                            $i++;
560                                  }                                  }
561    
562                                  $total_rows++;                                  $log->info("Created $i instances of MFN $mfn\n") if ($i > 1);
563                          }                          }
564                    }
565    
566                          if ($validate) {                  if ($validate) {
567                                  my $errors = $validate->report;                          my $errors = $validate->report;
568                                  if ($errors) {                          if ($errors) {
569                                          $log->info("validation errors:\n$errors\n" );                                  $log->info("validation errors:\n$errors\n" );
570                                          print $report_fh "$errors\n" if ($report_fh);                                  print $report_fh "$errors\n" if ($report_fh);
                                 }  
571                          }                          }
572    
573                          if ($stats) {                          print $report_fh "\nAll possible subfields/delimiter templates:\n", $validate->delimiters_templates( report => 1, current_input => 1 ), "\n\n";
                                 my $s = $input_db->stats;  
                                 $log->info("statistics of fields usage:\n$s");  
                                 print $report_fh "Statistics of fields usage:\n$s" if ($report_fh);  
                         }  
574    
575                          # close MARC file                          # must be last thing that touches $validate for this input
576                          $marc->finish if ($marc);                          $validate->reset;
577                    }
578    
579                          # close report                  if ($stats) {
580                          close($report_fh) if ($report_fh)                          my $s = $input_db->stats;
581                            $log->info("statistics of fields usage:\n$s");
582                            print $report_fh "Statistics of fields usage:\n$s" if ($report_fh);
583                  }                  }
584    
585                    # close MARC file
586                    $marc->finish if ($marc);
587    
588                    # close report
589                    close($report_fh) if ($report_fh);
590          }          }
591    
592          eval { $indexer->finish } if ($indexer && $indexer->can('finish'));          eval { $indexer->finish } if ($indexer && $indexer->can('finish'));
# Line 549  if ($parallel) { Line 613  if ($parallel) {
613          $log->info("all parallel processes finished");          $log->info("all parallel processes finished");
614  }  }
615    
616    # save new delimiters if needed
617    $validate->save_delimiters_templates if ( $validate );
618    
619  #  #
620  # handle links or merge after indexing  # handle links or merge after indexing
621  #  #
Legend:
Removed from v.712  
changed lines
  Added in v.851
  ViewVC Help
Powered by ViewVC 1.1.26