/[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 731 by dpavlin, Fri Sep 29 20:18:39 2006 UTC revision 884 by dpavlin, Thu Aug 23 20:57:00 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 0.11;  use WebPAC::Store 0.14;
13  use WebPAC::Normalize 0.21;  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  You can use special variables C<$database> and $C<$input> in this parametar
72    like C<--validate 'conf/validate/$database-$input'> to construct filename
73    
74  This option specifies normalisation file for MARC creation  =item --validate-delimiters path/to/validate_delimiters_file
75    
76  =item --marc-output out/marc/test.marc  this option is used with C<--validate> to turn on extra validation of
77    delimiters. If file is non existant, it will be created on first run.
78    
79  Optional path to output file  =item --marc-generate
80    
81    Generate MARC file. This will automatically be on if file contains C<marc*> directives.
82    You can use this option as C<--no-marc-generate> to disable MARC generation.
83    
84  =item --marc-lint  =item --marc-lint
85    
86  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
87  messages with C<--no-marc-lint>.  messages with C<--no-marc-lint>.
88    
89  =item --marc-dump  =item --marc-dump
# Line 110  my $debug = 0; Line 116  my $debug = 0;
116  my $only_filter;  my $only_filter;
117  my $stats = 0;  my $stats = 0;
118  my $validate_path;  my $validate_path;
119  my ($marc_normalize, $marc_output);  my $validate_delimiters_path;
120    my $marc_generate = 1;
121  my $marc_lint = 1;  my $marc_lint = 1;
122  my $marc_dump = 0;  my $marc_dump = 0;
123  my $parallel = 0;  my $parallel = 0;
124  my $only_links = 0;  my $only_links = 0;
125  my $merge = 0;  my $merge = 0;
126    my $help;
127    
128  my $log = _new WebPAC::Common()->_get_logger();  my $log = _new WebPAC::Common()->_get_logger();
129    
# Line 129  GetOptions( Line 137  GetOptions(
137          "debug+" => \$debug,          "debug+" => \$debug,
138          "stats" => \$stats,          "stats" => \$stats,
139          "validate=s" => \$validate_path,          "validate=s" => \$validate_path,
140          "marc-normalize=s" => \$marc_normalize,          "validate-delimiters=s" => \$validate_delimiters_path,
141          "marc-output=s" => \$marc_output,          "marc-generate!" => \$marc_generate,
142          "marc-lint!" => \$marc_lint,          "marc-lint!" => \$marc_lint,
143          "marc-dump!" => \$marc_dump,          "marc-dump!" => \$marc_dump,
144          "parallel=i" => \$parallel,          "parallel=i" => \$parallel,
145          "only-links!" => \$only_links,          "only-links!" => \$only_links,
146          "merge" => \$merge,          "merge" => \$merge,
147            "help" => \$help,
148  );  );
149    
150    $marc_generate = 0 if ( $validate_delimiters_path );
151    
152    pod2usage(-verbose => 2) if ($help);
153    
154  my $config = new WebPAC::Config( path => $config_path );  my $config = new WebPAC::Config( path => $config_path );
155    
156  #print "config = ",dump($config) if ($debug);  #print "config = ",dump($config) if ($debug);
# Line 146  die "no databases in config file!\n" unl Line 159  die "no databases in config file!\n" unl
159    
160  $log->info( "-" x 79 );  $log->info( "-" x 79 );
161    
162    my $log_file = 'log';
163    
164    if (-e $log_file ) {    # && -s $log_file > 5 * 1024 * 1024) {
165            $log->info("moved old log with ", -s $log_file, " bytes to '${log_file}.old'");
166            rename $log_file, "${log_file}.old" || $log->logwarn("can't rename $log_file to ${log_file}.old: $!");
167    }
168    
169  my $estcmd_fh;  my $estcmd_fh;
170  my $estcmd_path = './estcmd-merge.sh';  my $estcmd_path = './estcmd-merge.sh';
# Line 156  if ($merge) { Line 175  if ($merge) {
175          $log->info("created merge batch file $estcmd_path");          $log->info("created merge batch file $estcmd_path");
176  }  }
177    
   
178  my $validate;  my $validate;
179  $validate = new WebPAC::Validate(  $validate = new WebPAC::Validate(
180          path => $validate_path,          delimiters => $config->webpac('delimiters'),
181  ) if ($validate_path);  ) if ($validate_path || $validate_delimiters_path);
   
182    
183  my $use_indexer = $config->use_indexer;  my $use_indexer = $config->use_indexer;
184    $stats ||= $validate;
185  if ($stats) {  if ($stats) {
186          $log->debug("option --stats disables update of indexing engine...");          $log->debug("disabled indexing for stats collection");
187          $use_indexer = undef;          $use_indexer = undef;
188  } else {  } elsif ( $use_indexer ) {
189          $log->info("using $use_indexer indexing engine...");          $log->info("using $use_indexer indexing engine...");
190  }  }
191    
 # disable indexing when creating marc  
 $use_indexer = undef if ($marc_normalize);  
   
192  # parse normalize files and create source files for lookup and normalization  # parse normalize files and create source files for lookup and normalization
193    
194  my $parser = new WebPAC::Parser( config => $config );  my $parser = new WebPAC::Parser( config => $config );
# Line 197  sub create_ds_config { Line 212  sub create_ds_config {
212          return $c;          return $c;
213  }  }
214    
215  while (my ($database, $db_config) = each %{ $config->databases }) {  foreach my $database ( sort keys %{ $config->databases } ) {
216            my $db_config = $config->databases->{$database};
217    
218          my ($only_database,$only_input) = split(m#/#, $only_filter) if ($only_filter);          my ($only_database,$only_input) = split(m#/#, $only_filter) if ($only_filter);
219          next if ($only_database && $database !~ m/$only_database/i);          next if ($only_database && $database !~ m/$only_database/i);
# Line 212  while (my ($database, $db_config) = each Line 228  while (my ($database, $db_config) = each
228          }          }
229    
230          my $indexer;          my $indexer;
231          if ($use_indexer) {          if ($use_indexer && $parser->have_rules( 'search', $database )) {
232    
233                  my $cfg_name = $use_indexer;                  my $cfg_name = $use_indexer;
234                  $cfg_name =~ s/\-.*$//;                  $cfg_name =~ s/\-.*$//;
# Line 228  while (my ($database, $db_config) = each Line 244  while (my ($database, $db_config) = each
244                  if ($use_indexer eq 'hyperestraier') {                  if ($use_indexer eq 'hyperestraier') {
245    
246                          # open Hyper Estraier database                          # open Hyper Estraier database
247                          use WebPAC::Output::Estraier '0.10';                          require WebPAC::Output::Estraier;
248                          $indexer = new WebPAC::Output::Estraier( %{ $indexer_config } );                          $indexer = new WebPAC::Output::Estraier( %{ $indexer_config } );
249                                    
250                  } elsif ($use_indexer eq 'hyperestraier-native') {                  } elsif ($use_indexer eq 'hyperestraier-native') {
251    
252                          # open Hyper Estraier database                          # open Hyper Estraier database
253                          use WebPAC::Output::EstraierNative;                          require WebPAC::Output::EstraierNative;
254                          $indexer = new WebPAC::Output::EstraierNative( %{ $indexer_config } );                          $indexer = new WebPAC::Output::EstraierNative( %{ $indexer_config } );
255    
256                  } elsif ($use_indexer eq 'kinosearch') {                  } elsif ($use_indexer eq 'kinosearch') {
257    
258                          # open KinoSearch                          # open KinoSearch
259                          use WebPAC::Output::KinoSearch;                          require WebPAC::Output::KinoSearch;
260                          $indexer_config->{clean} = 1 unless (-e $indexer_config->{index_path});                          $indexer_config->{clean} = 1 unless (-e $indexer_config->{index_path});
261                          $indexer = new WebPAC::Output::KinoSearch( %{ $indexer_config } );                          $indexer = new WebPAC::Output::KinoSearch( %{ $indexer_config } );
262    
# Line 248  while (my ($database, $db_config) = each Line 264  while (my ($database, $db_config) = each
264                          $log->logdie("unknown use_indexer: $use_indexer");                          $log->logdie("unknown use_indexer: $use_indexer");
265                  }                  }
266    
267                  $log->logide("can't continue without valid indexer") unless ($indexer);                  $log->logdie("can't continue without valid indexer") unless ($indexer);
268          }          }
269    
270    
# Line 283  while (my ($database, $db_config) = each Line 299  while (my ($database, $db_config) = each
299          # now WebPAC::Store          # now WebPAC::Store
300          #          #
301          my $abs_path = abs_path($0);          my $abs_path = abs_path($0);
302          $abs_path =~ s#/[^/]*$#/#;          $abs_path =~ s#/[^/]*$#/#;      #
303    
304          my $db_path = $config->webpac('db_path');          my $db_path = $config->webpac('db_path');
305    
# Line 299  while (my ($database, $db_config) = each Line 315  while (my ($database, $db_config) = each
315                  debug => $debug,                  debug => $debug,
316          );          );
317    
318            #
319            # prepare output
320            #
321            my @outputs;
322            if (defined( $db_config->{output} )) {
323                    my $module = $db_config->{output}->{module} || $log->logdie("need module in output section of $database");
324                    $module = 'WebPAC::Output::' . $module unless $module =~ m/::/;
325                    $log->debug("loading output module $module");
326                    eval "require $module";
327                    my $out = new $module->new( $db_config->{output} );
328                    $out->init;
329                    push @outputs, $out;
330            }
331    
332    
333          #          #
334          # now, iterate through input formats          # now, iterate through input formats
# Line 346  while (my ($database, $db_config) = each Line 376  while (my ($database, $db_config) = each
376                          stats => $stats,                          stats => $stats,
377                          modify_records => $input->{modify_records},                          modify_records => $input->{modify_records},
378                          modify_file => $input->{modify_file},                          modify_file => $input->{modify_file},
379                            input_config => $input,
380                  );                  );
381                  $log->logdie("can't create input using $input_module") unless ($input);                  $log->logdie("can't create input using $input_module") unless ($input);
382    
# Line 366  while (my ($database, $db_config) = each Line 397  while (my ($database, $db_config) = each
397    
398                                  WebPAC::Normalize::data_structure(                                  WebPAC::Normalize::data_structure(
399                                          row => $rec,                                          row => $rec,
400                                          rules => "_debug(2); $rules _debug(0)",                                          rules => $rules,
401                                          config => create_ds_config( $db_config, $database, $input, $mfn ),                                          config => create_ds_config( $db_config, $database, $input, $mfn ),
402                                  );                                  );
403    
404                                  warn "current lookup: ", dump(WebPAC::Normalize::_get_lookup());                                  #warn "current lookup: ", dump(WebPAC::Normalize::_get_lookup());
405                          };                          };
406    
407                          WebPAC::Normalize::_set_lookup( undef );                          WebPAC::Normalize::_set_lookup( undef );
# Line 387  while (my ($database, $db_config) = each Line 418  while (my ($database, $db_config) = each
418                          lookup_coderef => $lookup_coderef,                          lookup_coderef => $lookup_coderef,
419                          lookup => $lookup_jar,                          lookup => $lookup_jar,
420                          %{ $input },                          %{ $input },
421                            load_row => sub {
422                                    my $a = shift;
423                                    return $store->load_row(
424                                            database => $database,
425                                            input => $input_name,
426                                            id => $a->{id},
427                                    );
428                            },
429                            save_row => sub {
430                                    my $a = shift;
431                                    return $store->save_row(
432                                            database => $database,
433                                            input => $input_name,
434                                            id => $a->{id},
435                                            row => $a->{row},
436                                    );
437                            },
438    
439                  );                  );
440    
441                  my $lookup_data = WebPAC::Normalize::_get_lookup();                  my $lookup_data = WebPAC::Normalize::_get_lookup();
442    
443                  if (defined( $lookup_data->{$database}->{$input_name} )) {                  if (defined( $lookup_data->{$database}->{$input_name} )) {
444                          $log->debug("created following lookups: ", dump( $lookup_data ));                          $log->debug("created following lookups: ", sub { dump( $lookup_data ) } );
445    
446                          foreach my $key (keys %{ $lookup_data->{$database}->{$input_name} }) {                          foreach my $key (keys %{ $lookup_data->{$database}->{$input_name} }) {
447                                  $store->save_lookup(                                  $store->save_lookup(
# Line 412  while (my ($database, $db_config) = each Line 461  while (my ($database, $db_config) = each
461                          print $report_fh "Report for database '$database' input '$input_name' records ",                          print $report_fh "Report for database '$database' input '$input_name' records ",
462                                  $offset || 1, "-", $limit || $input->{limit} || $maxmfn, "\n\n";                                  $offset || 1, "-", $limit || $input->{limit} || $maxmfn, "\n\n";
463                          $log->info("Generating report file $path");                          $log->info("Generating report file $path");
464    
465                            if ( $validate ) {
466                                    $validate->read_validate_file( $validate->fill_in( $validate_path, database => $database, input => $input_name ) ) if ( $validate_path );
467                                    $validate->read_validate_delimiters_file( $validate->fill_in( $validate_delimiters_path, database => $database, input => $input_name ) ) if ( $validate_delimiters_path );
468                            }
469                  }                  }
470    
471                  my $marc;                  my $marc;
472                  if ($marc_normalize) {                  if ($marc_generate && $parser->have_rules( 'marc', $database, $input_name )) {
473                          $marc = new WebPAC::Output::MARC(                          $marc = new WebPAC::Output::MARC(
474                                  path => $marc_output || "out/marc/${database}-${input_name}.marc",                                  path => "out/marc/${database}-${input_name}.marc",
475                                  lint => $marc_lint,                                  lint => $marc_lint,
476                                  dump => $marc_dump,                                  dump => $marc_dump,
477                          );                          );
# Line 443  while (my ($database, $db_config) = each Line 497  while (my ($database, $db_config) = each
497                          foreach my $db (keys %$depends) {                          foreach my $db (keys %$depends) {
498                                  foreach my $i (keys %{$depends->{$db}}) {                                  foreach my $i (keys %{$depends->{$db}}) {
499                                          foreach my $k (keys %{$depends->{$db}->{$i}}) {                                          foreach my $k (keys %{$depends->{$db}->{$i}}) {
500                                                    my $t = time();
501                                                  $log->debug("loading lookup $db/$i");                                                  $log->debug("loading lookup $db/$i");
502                                                  $lookup_hash->{$db}->{$i}->{$k} = $store->load_lookup(                                                  $lookup_hash->{$db}->{$i}->{$k} = $store->load_lookup(
503                                                          database => $db,                                                          database => $db,
504                                                          input => $i,                                                          input => $i,
505                                                          key => $k,                                                          key => $k,
506                                                  );                                                  );
507                                                    $log->debug(sprintf("lookup $db/$i took %.2fs", time() - $t));
508                                          }                                          }
509                                  }                                  }
510                          }                          }
511    
512                          $log->debug("lookup_hash = ", dump( $lookup_hash ));                          $log->debug("lookup_hash = ", sub { dump( $lookup_hash ) });
513                  }                  }
514    
515    
# Line 461  while (my ($database, $db_config) = each Line 517  while (my ($database, $db_config) = each
517    
518                          my $row = $input_db->fetch || next;                          my $row = $input_db->fetch || next;
519    
520                            $total_rows++;
521    
522                          my $mfn = $row->{'000'}->[0];                          my $mfn = $row->{'000'}->[0];
523    
524                          if (! $mfn || $mfn !~ m#^\d+$#) {                          if (! $mfn || $mfn !~ m{^\d+$}) {
525                                  $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");
526                                  $mfn = $pos;                                  $mfn = $pos;
527                                  push @{ $row->{'000'} }, $pos;                                  push @{ $row->{'000'} }, $pos;
# Line 471  while (my ($database, $db_config) = each Line 529  while (my ($database, $db_config) = each
529    
530    
531                          if ($validate) {                          if ($validate) {
532                                  if ( my $errors = $validate->validate_errors( $row, $input_db->dump ) ) {                                  if ( my $errors = $validate->validate_rec( $row, $input_db->dump_ascii ) ) {
533                                          $log->error( "MFN $mfn validation error:\n",                                          $log->error( "MFN $mfn validation error:\n",
534                                                  $validate->report_error( $errors )                                                  $validate->report_error( $errors )
535                                          );                                          );
536                                  }                                  }
537                                    next;   # validation doesn't create any output
538                          }                          }
539    
540                          my $ds = WebPAC::Normalize::data_structure(                          my $ds = WebPAC::Normalize::data_structure(
# Line 484  while (my ($database, $db_config) = each Line 543  while (my ($database, $db_config) = each
543                                  lookup => $lookup_hash,                                  lookup => $lookup_hash,
544                                  config => create_ds_config( $db_config, $database, $input, $mfn ),                                  config => create_ds_config( $db_config, $database, $input, $mfn ),
545                                  marc_encoding => 'utf-8',                                  marc_encoding => 'utf-8',
546                                  load_ds_coderef => sub {                                  load_row_coderef => sub {
547                                          my ($database,$input,$mfn) = @_;                                          my ($database,$input,$mfn) = @_;
548                                          return $store->load_ds(                                          return $store->load_row(
549                                                  database => $database,                                                  database => $database,
550                                                  input => $input,                                                  input => $input,
551                                                  id => $mfn,                                                  id => $mfn,
# Line 494  while (my ($database, $db_config) = each Line 553  while (my ($database, $db_config) = each
553                                  },                                  },
554                          );                          );
555    
556                            $log->debug("ds = ", sub { dump($ds) }) if ($ds);
557    
558                          $store->save_ds(                          $store->save_ds(
559                                  database => $database,                                  database => $database,
560                                  input => $input_name,                                  input => $input_name,
# Line 514  while (my ($database, $db_config) = each Line 575  while (my ($database, $db_config) = each
575                                          $marc->add(                                          $marc->add(
576                                                  id => $mfn . ( $i ? "/$i" : '' ),                                                  id => $mfn . ( $i ? "/$i" : '' ),
577                                                  fields => $fields,                                                  fields => $fields,
578                                                  leader => WebPAC::Normalize::marc_leader(),                                                  leader => WebPAC::Normalize::_get_marc_leader(),
579                                                  row => $row,                                                  row => $row,
580                                          );                                          );
581                                          $i++;                                          $i++;
# Line 523  while (my ($database, $db_config) = each Line 584  while (my ($database, $db_config) = each
584                                  $log->info("Created $i instances of MFN $mfn\n") if ($i > 1);                                  $log->info("Created $i instances of MFN $mfn\n") if ($i > 1);
585                          }                          }
586    
587                          $total_rows++;                          foreach my $out ( @outputs ) {
588                                    $out->add( $mfn, $ds ) if $out->can('add');
589                            }
590    
591                  }                  }
592    
593                  if ($validate) {                  if ($validate) {
# Line 532  while (my ($database, $db_config) = each Line 596  while (my ($database, $db_config) = each
596                                  $log->info("validation errors:\n$errors\n" );                                  $log->info("validation errors:\n$errors\n" );
597                                  print $report_fh "$errors\n" if ($report_fh);                                  print $report_fh "$errors\n" if ($report_fh);
598                          }                          }
599    
600                            print $report_fh "\nAll possible subfields/delimiter templates:\n", $validate->delimiters_templates( report => 1, current_input => 1 ), "\n\n";
601    
602                            # must be last thing that touches $validate for this input
603                            $validate->reset;
604                  }                  }
605    
606                  if ($stats) {                  if ($stats) {
# Line 544  while (my ($database, $db_config) = each Line 613  while (my ($database, $db_config) = each
613                  $marc->finish if ($marc);                  $marc->finish if ($marc);
614    
615                  # close report                  # close report
616                  close($report_fh) if ($report_fh)                  close($report_fh) if ($report_fh);
   
617          }          }
618    
619          eval { $indexer->finish } if ($indexer && $indexer->can('finish'));          eval { $indexer->finish } if ($indexer && $indexer->can('finish'));
620    
621            foreach my $out ( @outputs ) {
622                    $out->finish if $out->can('finish');
623            }
624    
625          my $dt = time() - $start_t;          my $dt = time() - $start_t;
626          $log->info("$total_rows records ", $indexer ? "indexed " : "",          $log->info("$total_rows records ", $indexer ? "indexed " : "",
627                  sprintf("in %.2f sec [%.2f rec/sec]",                  sprintf("in %.2f sec [%.2f rec/sec]",
# Line 572  if ($parallel) { Line 644  if ($parallel) {
644          $log->info("all parallel processes finished");          $log->info("all parallel processes finished");
645  }  }
646    
647    # save new delimiters if needed
648    $validate->save_delimiters_templates if ( $validate_delimiters_path );
649    
650  #  #
651  # handle links or merge after indexing  # handle links or merge after indexing
652  #  #
Legend:
Removed from v.731  
changed lines
  Added in v.884
  ViewVC Help
Powered by ViewVC 1.1.26