/[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 768 by dpavlin, Fri Nov 3 19:41:28 2006 UTC revision 977 by dpavlin, Sat Nov 3 12:34:26 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 116  GetOptions( Line 133  GetOptions(
133          "clean" => \$clean,          "clean" => \$clean,
134          "one=s" => \$only_filter,          "one=s" => \$only_filter,
135          "only=s" => \$only_filter,          "only=s" => \$only_filter,
136          "config" => \$config_path,          "config=s" => \$config_path,
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    
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 => $config );  my ($only_database,$only_input) = split(m#/#, $only_filter) if $only_filter;
195    
196    my $parser = new WebPAC::Parser(
197            config => $config,
198            only_database => $only_database,
199            only_input => $only_input,
200    );
201    
202  my $total_rows = 0;  my $total_rows = 0;
203  my $start_t = time();  my $start_t = time();
# Line 183  sub create_ds_config { Line 218  sub create_ds_config {
218          return $c;          return $c;
219  }  }
220    
221  while (my ($database, $db_config) = each %{ $config->databases }) {  foreach my $database ( sort keys %{ $config->databases } ) {
222            my $db_config = $config->databases->{$database};
223    
         my ($only_database,$only_input) = split(m#/#, $only_filter) if ($only_filter);  
224          next if ($only_database && $database !~ m/$only_database/i);          next if ($only_database && $database !~ m/$only_database/i);
225    
226          if ($parallel) {          if ($parallel) {
# Line 214  while (my ($database, $db_config) = each Line 249  while (my ($database, $db_config) = each
249                  if ($use_indexer eq 'hyperestraier') {                  if ($use_indexer eq 'hyperestraier') {
250    
251                          # open Hyper Estraier database                          # open Hyper Estraier database
252                          use WebPAC::Output::Estraier '0.10';                          require WebPAC::Output::Estraier;
253                          $indexer = new WebPAC::Output::Estraier( %{ $indexer_config } );                          $indexer = new WebPAC::Output::Estraier( %{ $indexer_config } );
254                                    
255                  } elsif ($use_indexer eq 'hyperestraier-native') {                  } elsif ($use_indexer eq 'hyperestraier-native') {
256    
257                          # open Hyper Estraier database                          # open Hyper Estraier database
258                          use WebPAC::Output::EstraierNative;                          require WebPAC::Output::EstraierNative;
259                          $indexer = new WebPAC::Output::EstraierNative( %{ $indexer_config } );                          $indexer = new WebPAC::Output::EstraierNative( %{ $indexer_config } );
260    
261                  } elsif ($use_indexer eq 'kinosearch') {                  } elsif ($use_indexer eq 'kinosearch') {
262    
263                          # 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 } );  
264    
265                  } else {                  } else {
266                          $log->logdie("unknown use_indexer: $use_indexer");                          $log->logdie("unknown use_indexer: $use_indexer");
267                  }                  }
268    
269                  $log->logide("can't continue without valid indexer") unless ($indexer);                  $log->logdie("can't continue without valid indexer") unless ($indexer);
270          }          }
271    
272    
# Line 268  while (my ($database, $db_config) = each Line 300  while (my ($database, $db_config) = each
300          #          #
301          # now WebPAC::Store          # now WebPAC::Store
302          #          #
303          my $abs_path = abs_path($0);          my $store = new WebPAC::Store({
304          $abs_path =~ s#/[^/]*$#/#;                  debug => $debug,
305            });
306    
307    
308            #
309            # prepare output
310            #
311            my @outputs = force_array( $db_config->{output}, sub {
312                    $log->error("Database $database doesn't have any outputs defined. Do you want to remove it from configuration?" );
313            } );
314    
315          my $db_path = $config->webpac('db_path');          my @output_modules;
316    
317          if ($clean) {          foreach my $output ( @outputs ) {
                 $log->info("creating new database '$database' in $db_path");  
                 rmtree( $db_path ) || $log->warn("can't remove $db_path: $!");  
         } else {  
                 $log->info("working on database '$database' in $db_path");  
         }  
318    
319          my $store = new WebPAC::Store(  #warn '## output = ',dump( $output );
320                  path => $db_path,  
321                  debug => $debug,                  my $module = $output->{module} || $log->logdie("need module in output section of $database");
322          );                  $module = 'WebPAC::Output::' . $module unless $module =~ m/::/;
323            
324                    $log->debug("loading output module $module");
325                    eval "require $module";
326    
327                    # add database to arugemnts for output filter
328                    $output->{database} = $database;
329    
330                    $log->debug("calling $module->new(",dump( $output ),")");
331                    my $out = new $module->new( $output );
332                    $out->init;
333    
334                    push @output_modules, $out;
335            }
336    
337    
338          #          #
339          # now, iterate through input formats          # now, iterate through input formats
340          #          #
341    
342          my @inputs;  
343          if (ref($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 {  
344                  $log->info("database $database doesn't have inputs defined");                  $log->info("database $database doesn't have inputs defined");
345          }          } );
346    
347          foreach my $input (@inputs) {          foreach my $input (@inputs) {
348    
# Line 307  while (my ($database, $db_config) = each Line 352  while (my ($database, $db_config) = each
352    
353                  my $type = lc($input->{type});                  my $type = lc($input->{type});
354    
355                  die "I know only how to handle input types ", join(",", $config->webpac('inputs') ), " not '$type'!\n" unless (grep(/$type/, $config->webpac('inputs')));                  # FIXME check if input module exists
356                    my $input_module = $input->{module};
357    
358                  my $input_module = $config->webpac('inputs')->{$type};                  if ( ! $input_module ) {
359                            if ( grep(/$type/, $config->webpac('inputs')) ) {
360                                    $input_module = $config->webpac('inputs')->{$type};
361                            } else {
362                                    $log->logdie("I know only how to handle input types ", join(",", $config->webpac('inputs') ), " not '$type'!" );
363                            }
364                    }
365    
366                  my @lookups = $parser->have_lookup_create($database, $input);                  my @lookups = $parser->have_lookup_create($database, $input);
367    
# Line 332  while (my ($database, $db_config) = each Line 384  while (my ($database, $db_config) = each
384                          stats => $stats,                          stats => $stats,
385                          modify_records => $input->{modify_records},                          modify_records => $input->{modify_records},
386                          modify_file => $input->{modify_file},                          modify_file => $input->{modify_file},
387                            input_config => $input,
388                  );                  );
389                  $log->logdie("can't create input using $input_module") unless ($input);                  $log->logdie("can't create input using $input_module") unless ($input);
390    
# Line 416  while (my ($database, $db_config) = each Line 469  while (my ($database, $db_config) = each
469                          print $report_fh "Report for database '$database' input '$input_name' records ",                          print $report_fh "Report for database '$database' input '$input_name' records ",
470                                  $offset || 1, "-", $limit || $input->{limit} || $maxmfn, "\n\n";                                  $offset || 1, "-", $limit || $input->{limit} || $maxmfn, "\n\n";
471                          $log->info("Generating report file $path");                          $log->info("Generating report file $path");
472    
473                            if ( $validate ) {
474                                    $validate->read_validate_file( $validate->fill_in( $validate_path, database => $database, input => $input_name ) ) if ( $validate_path );
475                                    $validate->read_validate_delimiters_file( $validate->fill_in( $validate_delimiters_path, database => $database, input => $input_name ) ) if ( $validate_delimiters_path );
476                            }
477                  }                  }
478    
479                  my $marc;                  my $marc;
480                  if ($parser->have_rules( 'marc', $database, $input_name )) {                  if ($marc_generate && $parser->have_rules( 'marc', $database, $input_name )) {
481                          $marc = new WebPAC::Output::MARC(                          $marc = new WebPAC::Output::MARC(
482                                  path => "out/marc/${database}-${input_name}.marc",                                  path => "out/marc/${database}-${input_name}.marc",
483                                  lint => $marc_lint,                                  lint => $marc_lint,
# Line 463  while (my ($database, $db_config) = each Line 521  while (my ($database, $db_config) = each
521                  }                  }
522    
523    
524                    # setup input name for all output filters
525                    foreach my $out ( @output_modules ) {
526                            if ( $out->can('input') ) {
527                                    $out->input( $input_name );
528                            } else {
529                                    $log->warn("output filter ",ref($out)," doesn't support input name");
530                            }
531                    }
532    
533    
534                  foreach my $pos ( 0 ... $input_db->size ) {                  foreach my $pos ( 0 ... $input_db->size ) {
535    
536                          my $row = $input_db->fetch || next;                          my $row = $input_db->fetch || next;
537    
538                            $total_rows++;
539    
540                          my $mfn = $row->{'000'}->[0];                          my $mfn = $row->{'000'}->[0];
541    
542                          if (! $mfn || $mfn !~ m#^\d+$#) {                          if (! $mfn || $mfn !~ m{^\d+$}) {
543                                  $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");
544                                  $mfn = $pos;                                  $mfn = $pos;
545                                  push @{ $row->{'000'} }, $pos;                                  push @{ $row->{'000'} }, $pos;
# Line 477  while (my ($database, $db_config) = each Line 547  while (my ($database, $db_config) = each
547    
548    
549                          if ($validate) {                          if ($validate) {
550                                  if ( my $errors = $validate->validate_rec( $row, $input_db->dump ) ) {                                  if ( my $errors = $validate->validate_rec( $row, $input_db->dump_ascii ) ) {
551                                          $log->error( "MFN $mfn validation error:\n",                                          $log->error( "MFN $mfn validation error:\n",
552                                                  $validate->report_error( $errors )                                                  $validate->report_error( $errors )
553                                          );                                          );
554                                  }                                  }
555                                    next;   # validation doesn't create any output
556                          }                          }
557    
558                          my $ds = WebPAC::Normalize::data_structure(                          my $ds = WebPAC::Normalize::data_structure(
# Line 492  while (my ($database, $db_config) = each Line 563  while (my ($database, $db_config) = each
563                                  marc_encoding => 'utf-8',                                  marc_encoding => 'utf-8',
564                                  load_row_coderef => sub {                                  load_row_coderef => sub {
565                                          my ($database,$input,$mfn) = @_;                                          my ($database,$input,$mfn) = @_;
566    warn "### load_row($database,$input,$mfn) from data_structure\n";
567                                          return $store->load_row(                                          return $store->load_row(
568                                                  database => $database,                                                  database => $database,
569                                                  input => $input,                                                  input => $input,
# Line 500  while (my ($database, $db_config) = each Line 572  while (my ($database, $db_config) = each
572                                  },                                  },
573                          );                          );
574    
575                          $log->debug("ds = ", sub { dump($ds) }) if ($ds);                          $log->debug("ds = ", sub { dump($ds) });
576    
577                            if ( $ds ) {
578    
579                          $store->save_ds(                                  $store->save_ds(
580                                  database => $database,                                          database => $database,
581                                  input => $input_name,                                          input => $input_name,
582                                  id => $mfn,                                          id => $mfn,
583                                  ds => $ds,                                          ds => $ds,
584                          ) if ($ds && !$stats);                                  ) if !$stats;
585    
586                          $indexer->add(                                  $indexer->add(
587                                  id => "${input_name}/${mfn}",                                          id => "${input_name}/${mfn}",
588                                  ds => $ds,                                          ds => $ds,
589                                  type => $config->get($indexer_config)->{type},                                          type => $config->get($indexer_config)->{type},
590                          ) if ($indexer && $ds);                                  ) if $indexer;
591    
592                                    foreach my $out ( @output_modules ) {
593                                            $out->add( $mfn, $ds ) if $out->can('add');
594                                    }
595    
596                            } else {
597                                    $log->warn("record $pos didn't produce any output after normalization rules!") unless $marc;
598                            }
599    
600                          if ($marc) {                          if ($marc) {
601                                  my $i = 0;                                  my $i = 0;
# Line 522  while (my ($database, $db_config) = each Line 604  while (my ($database, $db_config) = each
604                                          $marc->add(                                          $marc->add(
605                                                  id => $mfn . ( $i ? "/$i" : '' ),                                                  id => $mfn . ( $i ? "/$i" : '' ),
606                                                  fields => $fields,                                                  fields => $fields,
607                                                  leader => WebPAC::Normalize::marc_leader(),                                                  leader => WebPAC::Normalize::_get_marc_leader(),
608                                                  row => $row,                                                  row => $row,
609                                          );                                          );
610                                          $i++;                                          $i++;
# Line 531  while (my ($database, $db_config) = each Line 613  while (my ($database, $db_config) = each
613                                  $log->info("Created $i instances of MFN $mfn\n") if ($i > 1);                                  $log->info("Created $i instances of MFN $mfn\n") if ($i > 1);
614                          }                          }
615    
                         $total_rows++;  
616                  }                  }
617    
618                  if ($validate) {                  if ($validate) {
# Line 540  while (my ($database, $db_config) = each Line 621  while (my ($database, $db_config) = each
621                                  $log->info("validation errors:\n$errors\n" );                                  $log->info("validation errors:\n$errors\n" );
622                                  print $report_fh "$errors\n" if ($report_fh);                                  print $report_fh "$errors\n" if ($report_fh);
623                          }                          }
624    
625                            print $report_fh "\nAll possible subfields/delimiter templates:\n", $validate->delimiters_templates( report => 1, current_input => 1 ), "\n\n";
626    
627                            # must be last thing that touches $validate for this input
628                            $validate->reset;
629                  }                  }
630    
631                  if ($stats) {                  if ($stats) {
# Line 552  while (my ($database, $db_config) = each Line 638  while (my ($database, $db_config) = each
638                  $marc->finish if ($marc);                  $marc->finish if ($marc);
639    
640                  # close report                  # close report
641                  close($report_fh) if ($report_fh)                  close($report_fh) if ($report_fh);
   
642          }          }
643    
644          eval { $indexer->finish } if ($indexer && $indexer->can('finish'));          eval { $indexer->finish } if ($indexer && $indexer->can('finish'));
645    
646            foreach my $out ( @output_modules ) {
647                    $out->finish if $out->can('finish');
648            }
649    
650          my $dt = time() - $start_t;          my $dt = time() - $start_t;
651          $log->info("$total_rows records ", $indexer ? "indexed " : "",          $log->info("$total_rows records ", $indexer ? "indexed " : "",
652                  sprintf("in %.2f sec [%.2f rec/sec]",                  sprintf("in %.2f sec [%.2f rec/sec]",
# Line 580  if ($parallel) { Line 669  if ($parallel) {
669          $log->info("all parallel processes finished");          $log->info("all parallel processes finished");
670  }  }
671    
672    # save new delimiters if needed
673    $validate->save_delimiters_templates if ( $validate_delimiters_path );
674    
675  #  #
676  # handle links or merge after indexing  # handle links or merge after indexing
677  #  #
Legend:
Removed from v.768  
changed lines
  Added in v.977
  ViewVC Help
Powered by ViewVC 1.1.26