/[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 765 by dpavlin, Wed Oct 25 21:01:51 2006 UTC revision 956 by dpavlin, Fri Nov 2 10:54:42 2007 UTC
# Line 8  use lib './lib'; Line 8  use lib './lib';
8    
9  use WebPAC::Common 0.02;  use WebPAC::Common 0.02;
10  use WebPAC::Parser 0.08;  use WebPAC::Parser 0.08;
11  use WebPAC::Input 0.14;  use WebPAC::Input 0.16;
12  use WebPAC::Store 0.14;  use WebPAC::Store 0.15;
13  use WebPAC::Normalize 0.22;  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    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    =item --validate-delimiters path/to/validate_delimiters_file
75    
76    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    =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 normalisation file has C<marc*> directives. You can disable lint  By default turned on if normalisation file has C<marc*> directives. You can disable lint
# Line 102  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 $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 120  GetOptions( Line 137  GetOptions(
137          "debug+" => \$debug,          "debug+" => \$debug,
138          "stats" => \$stats,          "stats" => \$stats,
139          "validate=s" => \$validate_path,          "validate=s" => \$validate_path,
140            "validate-delimiters=s" => \$validate_delimiters_path,
141            "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 135  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 $estcmd_path = './estcmd-merge.sh';
# Line 145  if ($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    
# Line 183  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 214  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                          die "no longer supported";
                         use WebPAC::Output::KinoSearch;  
                         $indexer_config->{clean} = 1 unless (-e $indexer_config->{index_path});  
                         $indexer = new WebPAC::Output::KinoSearch( %{ $indexer_config } );  
259    
260                  } else {                  } else {
261                          $log->logdie("unknown use_indexer: $use_indexer");                          $log->logdie("unknown use_indexer: $use_indexer");
262                  }                  }
263    
264                  $log->logide("can't continue without valid indexer") unless ($indexer);                  $log->logdie("can't continue without valid indexer") unless ($indexer);
265          }          }
266    
267    
# Line 268  while (my ($database, $db_config) = each Line 295  while (my ($database, $db_config) = each
295          #          #
296          # now WebPAC::Store          # now WebPAC::Store
297          #          #
298          my $abs_path = abs_path($0);          my $store = new WebPAC::Store({
299          $abs_path =~ s#/[^/]*$#/#;                  debug => $debug,
300            });
301    
         my $db_path = $config->webpac('db_path');  
302    
303          if ($clean) {          #
304                  $log->info("creating new database '$database' in $db_path");          # prepare output
305                  rmtree( $db_path ) || $log->warn("can't remove $db_path: $!");          #
306          } else {          my @outputs = force_array( $db_config->{output}, sub {
307                  $log->info("working on database '$database' in $db_path");                  $log->error("Database $database doesn't have any outputs defined. Do you want to remove it from configuration?" );
308          }          } );
309    
310          my $store = new WebPAC::Store(          my @output_modules;
311                  path => $db_path,  
312                  debug => $debug,          foreach my $output ( @outputs ) {
313          );  
314    warn '## output = ',dump( $output );
315    
316                    my $module = $output->{module} || $log->logdie("need module in output section of $database");
317                    $module = 'WebPAC::Output::' . $module unless $module =~ m/::/;
318            
319                    $log->debug("loading output module $module");
320                    eval "require $module";
321    
322                    # add database to arugemnts for output filter
323                    $output->{database} = $database;
324    
325                    $log->debug("calling $module->new(",dump( $output ),")");
326                    my $out = new $module->new( $output );
327                    $out->init;
328    
329                    push @output_modules, $out;
330            }
331    
332    
333          #          #
334          # now, iterate through input formats          # now, iterate through input formats
335          #          #
336    
337          my @inputs;  
338          if (ref($db_config->{input}) eq 'ARRAY') {          my @inputs = force_array( $db_config->{input}, sub {
                 @inputs = @{ $db_config->{input} };  
         } elsif ($db_config->{input}) {  
                 push @inputs, $db_config->{input};  
         } else {  
339                  $log->info("database $database doesn't have inputs defined");                  $log->info("database $database doesn't have inputs defined");
340          }          } );
341    
342          foreach my $input (@inputs) {          foreach my $input (@inputs) {
343    
# Line 332  while (my ($database, $db_config) = each Line 372  while (my ($database, $db_config) = each
372                          stats => $stats,                          stats => $stats,
373                          modify_records => $input->{modify_records},                          modify_records => $input->{modify_records},
374                          modify_file => $input->{modify_file},                          modify_file => $input->{modify_file},
375                            input_config => $input,
376                  );                  );
377                  $log->logdie("can't create input using $input_module") unless ($input);                  $log->logdie("can't create input using $input_module") unless ($input);
378    
# Line 416  while (my ($database, $db_config) = each Line 457  while (my ($database, $db_config) = each
457                          print $report_fh "Report for database '$database' input '$input_name' records ",                          print $report_fh "Report for database '$database' input '$input_name' records ",
458                                  $offset || 1, "-", $limit || $input->{limit} || $maxmfn, "\n\n";                                  $offset || 1, "-", $limit || $input->{limit} || $maxmfn, "\n\n";
459                          $log->info("Generating report file $path");                          $log->info("Generating report file $path");
460    
461                            if ( $validate ) {
462                                    $validate->read_validate_file( $validate->fill_in( $validate_path, database => $database, input => $input_name ) ) if ( $validate_path );
463                                    $validate->read_validate_delimiters_file( $validate->fill_in( $validate_delimiters_path, database => $database, input => $input_name ) ) if ( $validate_delimiters_path );
464                            }
465                  }                  }
466    
467                  my $marc;                  my $marc;
468                  if ($parser->have_rules( 'marc', $database, $input_name )) {                  if ($marc_generate && $parser->have_rules( 'marc', $database, $input_name )) {
469                          $marc = new WebPAC::Output::MARC(                          $marc = new WebPAC::Output::MARC(
470                                  path => "out/marc/${database}-${input_name}.marc",                                  path => "out/marc/${database}-${input_name}.marc",
471                                  lint => $marc_lint,                                  lint => $marc_lint,
# Line 463  while (my ($database, $db_config) = each Line 509  while (my ($database, $db_config) = each
509                  }                  }
510    
511    
512                    # setup input name for all output filters
513                    foreach my $out ( @output_modules ) {
514                            if ( $out->can('input') ) {
515                                    $out->input( $input_name );
516                            } else {
517                                    $log->warn("output filter ",ref($out)," doesn't support input name");
518                            }
519                    }
520    
521    
522                  foreach my $pos ( 0 ... $input_db->size ) {                  foreach my $pos ( 0 ... $input_db->size ) {
523    
524                          my $row = $input_db->fetch || next;                          my $row = $input_db->fetch || next;
525    
526                            $total_rows++;
527    
528                          my $mfn = $row->{'000'}->[0];                          my $mfn = $row->{'000'}->[0];
529    
530                          if (! $mfn || $mfn !~ m#^\d+$#) {                          if (! $mfn || $mfn !~ m{^\d+$}) {
531                                  $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");
532                                  $mfn = $pos;                                  $mfn = $pos;
533                                  push @{ $row->{'000'} }, $pos;                                  push @{ $row->{'000'} }, $pos;
# Line 477  while (my ($database, $db_config) = each Line 535  while (my ($database, $db_config) = each
535    
536    
537                          if ($validate) {                          if ($validate) {
538                                  if ( my $errors = $validate->validate_errors( $row, $input_db->dump ) ) {                                  if ( my $errors = $validate->validate_rec( $row, $input_db->dump_ascii ) ) {
539                                          $log->error( "MFN $mfn validation error:\n",                                          $log->error( "MFN $mfn validation error:\n",
540                                                  $validate->report_error( $errors )                                                  $validate->report_error( $errors )
541                                          );                                          );
542                                  }                                  }
543                                    next;   # validation doesn't create any output
544                          }                          }
545    
546                          my $ds = WebPAC::Normalize::data_structure(                          if ( my $ds = WebPAC::Normalize::data_structure(
547                                  row => $row,                                  row => $row,
548                                  rules => $rules,                                  rules => $rules,
549                                  lookup => $lookup_hash,                                  lookup => $lookup_hash,
# Line 498  while (my ($database, $db_config) = each Line 557  while (my ($database, $db_config) = each
557                                                  id => $mfn,                                                  id => $mfn,
558                                          );                                          );
559                                  },                                  },
560                          );                          ) ) { # if
561    
562                          $log->debug("ds = ", sub { dump($ds) }) if ($ds);                                  $log->debug("ds = ", sub { dump($ds) });
563    
564                          $store->save_ds(                                  $store->save_ds(
565                                  database => $database,                                          database => $database,
566                                  input => $input_name,                                          input => $input_name,
567                                  id => $mfn,                                          id => $mfn,
568                                  ds => $ds,                                          ds => $ds,
569                          ) if ($ds && !$stats);                                  ) if !$stats;
570    
571                          $indexer->add(                                  $indexer->add(
572                                  id => "${input_name}/${mfn}",                                          id => "${input_name}/${mfn}",
573                                  ds => $ds,                                          ds => $ds,
574                                  type => $config->get($indexer_config)->{type},                                          type => $config->get($indexer_config)->{type},
575                          ) if ($indexer && $ds);                                  ) if $indexer;
576    
577                          if ($marc) {                                  if ($marc) {
578                                  my $i = 0;                                          my $i = 0;
579    
580                                  while (my $fields = WebPAC::Normalize::_get_marc_fields( fetch_next => 1 ) ) {                                          while (my $fields = WebPAC::Normalize::_get_marc_fields( fetch_next => 1 ) ) {
581                                          $marc->add(                                                  $marc->add(
582                                                  id => $mfn . ( $i ? "/$i" : '' ),                                                          id => $mfn . ( $i ? "/$i" : '' ),
583                                                  fields => $fields,                                                          fields => $fields,
584                                                  leader => WebPAC::Normalize::marc_leader(),                                                          leader => WebPAC::Normalize::_get_marc_leader(),
585                                                  row => $row,                                                          row => $row,
586                                          );                                                  );
587                                          $i++;                                                  $i++;
588                                            }
589    
590                                            $log->info("Created $i instances of MFN $mfn\n") if ($i > 1);
591                                  }                                  }
592    
593                                  $log->info("Created $i instances of MFN $mfn\n") if ($i > 1);                                  foreach my $out ( @output_modules ) {
594                                            $out->add( $mfn, $ds ) if $out->can('add');
595                                    }
596    
597                            } else {
598                                    $log->warn("record $pos didn't produce any output after normalization rules!");
599                          }                          }
600    
                         $total_rows++;  
601                  }                  }
602    
603                  if ($validate) {                  if ($validate) {
# Line 540  while (my ($database, $db_config) = each Line 606  while (my ($database, $db_config) = each
606                                  $log->info("validation errors:\n$errors\n" );                                  $log->info("validation errors:\n$errors\n" );
607                                  print $report_fh "$errors\n" if ($report_fh);                                  print $report_fh "$errors\n" if ($report_fh);
608                          }                          }
609    
610                            print $report_fh "\nAll possible subfields/delimiter templates:\n", $validate->delimiters_templates( report => 1, current_input => 1 ), "\n\n";
611    
612                            # must be last thing that touches $validate for this input
613                            $validate->reset;
614                  }                  }
615    
616                  if ($stats) {                  if ($stats) {
# Line 552  while (my ($database, $db_config) = each Line 623  while (my ($database, $db_config) = each
623                  $marc->finish if ($marc);                  $marc->finish if ($marc);
624    
625                  # close report                  # close report
626                  close($report_fh) if ($report_fh)                  close($report_fh) if ($report_fh);
   
627          }          }
628    
629          eval { $indexer->finish } if ($indexer && $indexer->can('finish'));          eval { $indexer->finish } if ($indexer && $indexer->can('finish'));
630    
631            foreach my $out ( @output_modules ) {
632                    $out->finish if $out->can('finish');
633            }
634    
635          my $dt = time() - $start_t;          my $dt = time() - $start_t;
636          $log->info("$total_rows records ", $indexer ? "indexed " : "",          $log->info("$total_rows records ", $indexer ? "indexed " : "",
637                  sprintf("in %.2f sec [%.2f rec/sec]",                  sprintf("in %.2f sec [%.2f rec/sec]",
# Line 580  if ($parallel) { Line 654  if ($parallel) {
654          $log->info("all parallel processes finished");          $log->info("all parallel processes finished");
655  }  }
656    
657    # save new delimiters if needed
658    $validate->save_delimiters_templates if ( $validate_delimiters_path );
659    
660  #  #
661  # handle links or merge after indexing  # handle links or merge after indexing
662  #  #
Legend:
Removed from v.765  
changed lines
  Added in v.956
  ViewVC Help
Powered by ViewVC 1.1.26