/[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 769 by dpavlin, Fri Nov 3 20:21:09 2006 UTC revision 887 by dpavlin, Mon Sep 3 15:26:46 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;  $stats ||= $validate;
185  if ($stats) {  if ($stats) {
186          $log->debug("disabled indexing for stats collection");          $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 184  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 215  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( %{ $indexer_config } );
262    
# Line 235  while (my ($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 269  while (my ($database, $db_config) = each Line 298  while (my ($database, $db_config) = each
298          #          #
299          # now WebPAC::Store          # now WebPAC::Store
300          #          #
301          my $abs_path = abs_path($0);          my $store = new WebPAC::Store({
302          $abs_path =~ s#/[^/]*$#/#;                  debug => $debug,
303            });
         my $db_path = $config->webpac('db_path');  
304    
305          if ($clean) {          #
306                  $log->info("creating new database '$database' in $db_path");          # prepare output
307                  rmtree( $db_path ) || $log->warn("can't remove $db_path: $!");          #
308          } else {          my @outputs;
309                  $log->info("working on database '$database' in $db_path");          if (defined( $db_config->{output} )) {
310                    my $module = $db_config->{output}->{module} || $log->logdie("need module in output section of $database");
311                    $module = 'WebPAC::Output::' . $module unless $module =~ m/::/;
312                    $log->debug("loading output module $module");
313                    eval "require $module";
314                    my $out = new $module->new( $db_config->{output} );
315                    $out->init;
316                    push @outputs, $out;
317          }          }
318    
         my $store = new WebPAC::Store(  
                 path => $db_path,  
                 debug => $debug,  
         );  
   
319    
320          #          #
321          # now, iterate through input formats          # now, iterate through input formats
# Line 333  while (my ($database, $db_config) = each Line 363  while (my ($database, $db_config) = each
363                          stats => $stats,                          stats => $stats,
364                          modify_records => $input->{modify_records},                          modify_records => $input->{modify_records},
365                          modify_file => $input->{modify_file},                          modify_file => $input->{modify_file},
366                            input_config => $input,
367                  );                  );
368                  $log->logdie("can't create input using $input_module") unless ($input);                  $log->logdie("can't create input using $input_module") unless ($input);
369    
# Line 417  while (my ($database, $db_config) = each Line 448  while (my ($database, $db_config) = each
448                          print $report_fh "Report for database '$database' input '$input_name' records ",                          print $report_fh "Report for database '$database' input '$input_name' records ",
449                                  $offset || 1, "-", $limit || $input->{limit} || $maxmfn, "\n\n";                                  $offset || 1, "-", $limit || $input->{limit} || $maxmfn, "\n\n";
450                          $log->info("Generating report file $path");                          $log->info("Generating report file $path");
451    
452                            if ( $validate ) {
453                                    $validate->read_validate_file( $validate->fill_in( $validate_path, database => $database, input => $input_name ) ) if ( $validate_path );
454                                    $validate->read_validate_delimiters_file( $validate->fill_in( $validate_delimiters_path, database => $database, input => $input_name ) ) if ( $validate_delimiters_path );
455                            }
456                  }                  }
457    
458                  my $marc;                  my $marc;
459                  if ($parser->have_rules( 'marc', $database, $input_name )) {                  if ($marc_generate && $parser->have_rules( 'marc', $database, $input_name )) {
460                          $marc = new WebPAC::Output::MARC(                          $marc = new WebPAC::Output::MARC(
461                                  path => "out/marc/${database}-${input_name}.marc",                                  path => "out/marc/${database}-${input_name}.marc",
462                                  lint => $marc_lint,                                  lint => $marc_lint,
# Line 472  while (my ($database, $db_config) = each Line 508  while (my ($database, $db_config) = each
508    
509                          my $mfn = $row->{'000'}->[0];                          my $mfn = $row->{'000'}->[0];
510    
511                          if (! $mfn || $mfn !~ m#^\d+$#) {                          if (! $mfn || $mfn !~ m{^\d+$}) {
512                                  $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");
513                                  $mfn = $pos;                                  $mfn = $pos;
514                                  push @{ $row->{'000'} }, $pos;                                  push @{ $row->{'000'} }, $pos;
# Line 480  while (my ($database, $db_config) = each Line 516  while (my ($database, $db_config) = each
516    
517    
518                          if ($validate) {                          if ($validate) {
519                                  if ( my $errors = $validate->validate_rec( $row, $input_db->dump ) ) {                                  if ( my $errors = $validate->validate_rec( $row, $input_db->dump_ascii ) ) {
520                                          $log->error( "MFN $mfn validation error:\n",                                          $log->error( "MFN $mfn validation error:\n",
521                                                  $validate->report_error( $errors )                                                  $validate->report_error( $errors )
522                                          );                                          );
# Line 526  while (my ($database, $db_config) = each Line 562  while (my ($database, $db_config) = each
562                                          $marc->add(                                          $marc->add(
563                                                  id => $mfn . ( $i ? "/$i" : '' ),                                                  id => $mfn . ( $i ? "/$i" : '' ),
564                                                  fields => $fields,                                                  fields => $fields,
565                                                  leader => WebPAC::Normalize::marc_leader(),                                                  leader => WebPAC::Normalize::_get_marc_leader(),
566                                                  row => $row,                                                  row => $row,
567                                          );                                          );
568                                          $i++;                                          $i++;
# Line 534  while (my ($database, $db_config) = each Line 570  while (my ($database, $db_config) = each
570    
571                                  $log->info("Created $i instances of MFN $mfn\n") if ($i > 1);                                  $log->info("Created $i instances of MFN $mfn\n") if ($i > 1);
572                          }                          }
573    
574                            foreach my $out ( @outputs ) {
575                                    $out->add( $mfn, $ds ) if $out->can('add');
576                            }
577    
578                  }                  }
579    
580                  if ($validate) {                  if ($validate) {
# Line 542  while (my ($database, $db_config) = each Line 583  while (my ($database, $db_config) = each
583                                  $log->info("validation errors:\n$errors\n" );                                  $log->info("validation errors:\n$errors\n" );
584                                  print $report_fh "$errors\n" if ($report_fh);                                  print $report_fh "$errors\n" if ($report_fh);
585                          }                          }
586    
587                            print $report_fh "\nAll possible subfields/delimiter templates:\n", $validate->delimiters_templates( report => 1, current_input => 1 ), "\n\n";
588    
589                            # must be last thing that touches $validate for this input
590                            $validate->reset;
591                  }                  }
592    
593                  if ($stats) {                  if ($stats) {
# Line 554  while (my ($database, $db_config) = each Line 600  while (my ($database, $db_config) = each
600                  $marc->finish if ($marc);                  $marc->finish if ($marc);
601    
602                  # close report                  # close report
603                  close($report_fh) if ($report_fh)                  close($report_fh) if ($report_fh);
   
604          }          }
605    
606          eval { $indexer->finish } if ($indexer && $indexer->can('finish'));          eval { $indexer->finish } if ($indexer && $indexer->can('finish'));
607    
608            foreach my $out ( @outputs ) {
609                    $out->finish if $out->can('finish');
610            }
611    
612          my $dt = time() - $start_t;          my $dt = time() - $start_t;
613          $log->info("$total_rows records ", $indexer ? "indexed " : "",          $log->info("$total_rows records ", $indexer ? "indexed " : "",
614                  sprintf("in %.2f sec [%.2f rec/sec]",                  sprintf("in %.2f sec [%.2f rec/sec]",
# Line 582  if ($parallel) { Line 631  if ($parallel) {
631          $log->info("all parallel processes finished");          $log->info("all parallel processes finished");
632  }  }
633    
634    # save new delimiters if needed
635    $validate->save_delimiters_templates if ( $validate_delimiters_path );
636    
637  #  #
638  # handle links or merge after indexing  # handle links or merge after indexing
639  #  #
Legend:
Removed from v.769  
changed lines
  Added in v.887
  ViewVC Help
Powered by ViewVC 1.1.26