/[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 653 by dpavlin, Thu Sep 7 15:57:48 2006 UTC revision 774 by dpavlin, Fri Nov 3 20:56:21 2006 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::Lookup 0.03;  use WebPAC::Parser 0.08;
11  use WebPAC::Input 0.11;  use WebPAC::Input 0.16;
12  use WebPAC::Store 0.03;  use WebPAC::Store 0.14;
13  use WebPAC::Normalize 0.11;  use WebPAC::Normalize 0.22;
14  use WebPAC::Output::TT;  use WebPAC::Output::TT;
15  use WebPAC::Validate 0.06;  use WebPAC::Validate 0.06;
16  use WebPAC::Output::MARC;  use WebPAC::Output::MARC;
17  use YAML qw/LoadFile/;  use WebPAC::Config;
18  use Getopt::Long;  use Getopt::Long;
19  use File::Path;  use File::Path;
20  use Time::HiRes qw/time/;  use Time::HiRes qw/time/;
# Line 67  and subfield usage for each input Line 67  and subfield usage for each input
67    
68  turn on extra validation of imput records, see L<WebPAC::Validation>  turn on extra validation of imput records, see L<WebPAC::Validation>
69    
 =item --marc-normalize conf/normalize/mapping.pl  
   
 This option specifies normalisation file for MARC creation  
   
 =item --marc-output out/marc/test.marc  
   
 Optional path to output file  
   
70  =item --marc-lint  =item --marc-lint
71    
72  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
73  messages with C<--no-marc-lint>.  messages with C<--no-marc-lint>.
74    
75  =item --marc-dump  =item --marc-dump
# Line 105  my $offset; Line 97  my $offset;
97  my $limit;  my $limit;
98    
99  my $clean = 0;  my $clean = 0;
100  my $config = 'conf/config.yml';  my $config_path;
101  my $debug = 0;  my $debug = 0;
102  my $only_filter;  my $only_filter;
103  my $stats = 0;  my $stats = 0;
104  my $validate_path;  my $validate_path;
 my ($marc_normalize, $marc_output);  
105  my $marc_lint = 1;  my $marc_lint = 1;
106  my $marc_dump = 0;  my $marc_dump = 0;
107  my $parallel = 0;  my $parallel = 0;
# Line 119  my $merge = 0; Line 110  my $merge = 0;
110    
111  my $log = _new WebPAC::Common()->_get_logger();  my $log = _new WebPAC::Common()->_get_logger();
112    
 my $hostname = `hostname`;  
 chomp($hostname);  
 $hostname =~ s/\..+$//;  
 if (-e "conf/$hostname.yml") {  
         $config = "conf/$hostname.yml";  
         $log->info("using host configuration file: $config");  
 }  
   
113  GetOptions(  GetOptions(
114          "limit=i" => \$limit,          "limit=i" => \$limit,
115          "offset=i" => \$offset,          "offset=i" => \$offset,
116          "clean" => \$clean,          "clean" => \$clean,
117          "one=s" => \$only_filter,          "one=s" => \$only_filter,
118          "only=s" => \$only_filter,          "only=s" => \$only_filter,
119          "config" => \$config,          "config" => \$config_path,
120          "debug+" => \$debug,          "debug+" => \$debug,
121          "stats" => \$stats,          "stats" => \$stats,
122          "validate=s" => \$validate_path,          "validate=s" => \$validate_path,
         "marc-normalize=s" => \$marc_normalize,  
         "marc-output=s" => \$marc_output,  
123          "marc-lint!" => \$marc_lint,          "marc-lint!" => \$marc_lint,
124          "marc-dump!" => \$marc_dump,          "marc-dump!" => \$marc_dump,
125          "parallel=i" => \$parallel,          "parallel=i" => \$parallel,
# Line 146  GetOptions( Line 127  GetOptions(
127          "merge" => \$merge,          "merge" => \$merge,
128  );  );
129    
130  $config = LoadFile($config);  my $config = new WebPAC::Config( path => $config_path );
131    
132  #print "config = ",dump($config) if ($debug);  #print "config = ",dump($config) if ($debug);
133    
134  die "no databases in config file!\n" unless ($config->{databases});  die "no databases in config file!\n" unless ($config->databases);
135    
136  $log->info( "-" x 79 );  $log->info( "-" x 79 );
137    
# Line 171  $validate = new WebPAC::Validate( Line 152  $validate = new WebPAC::Validate(
152  ) if ($validate_path);  ) if ($validate_path);
153    
154    
155  my $use_indexer = $config->{use_indexer} || 'hyperestraier';  my $use_indexer = $config->use_indexer;
156    $stats ||= $validate;
157  if ($stats) {  if ($stats) {
158          $log->debug("option --stats disables update of indexing engine...");          $log->debug("disabled indexing for stats collection");
159          $use_indexer = undef;          $use_indexer = undef;
160  } else {  } else {
161          $log->info("using $use_indexer indexing engine...");          $log->info("using $use_indexer indexing engine...");
162  }  }
163    
164  # disable indexing when creating marc  # parse normalize files and create source files for lookup and normalization
165  $use_indexer = undef if ($marc_normalize);  
166    my $parser = new WebPAC::Parser( config => $config );
167    
168  my $total_rows = 0;  my $total_rows = 0;
169  my $start_t = time();  my $start_t = time();
# Line 192  if ($parallel) { Line 175  if ($parallel) {
175          Proc::Queue::size($parallel);          Proc::Queue::size($parallel);
176  }  }
177    
178  while (my ($database, $db_config) = each %{ $config->{databases} }) {  sub create_ds_config {
179            my ($db_config, $database, $input, $mfn) = @_;
180            my $c = dclone( $db_config );
181            $c->{_} = $database || $log->logconfess("need database");
182            $c->{_mfn} = $mfn || $log->logconfess("need mfn");
183            $c->{input} = $input || $log->logconfess("need input");
184            return $c;
185    }
186    
187    while (my ($database, $db_config) = each %{ $config->databases }) {
188    
189          my ($only_database,$only_input) = split(m#/#, $only_filter) if ($only_filter);          my ($only_database,$only_input) = split(m#/#, $only_filter) if ($only_filter);
190          next if ($only_database && $database !~ m/$only_database/i);          next if ($only_database && $database !~ m/$only_database/i);
# Line 207  while (my ($database, $db_config) = each Line 199  while (my ($database, $db_config) = each
199          }          }
200    
201          my $indexer;          my $indexer;
202          if ($use_indexer) {          if ($use_indexer && $parser->have_rules( 'search', $database )) {
203    
204                  my $cfg_name = $use_indexer;                  my $cfg_name = $use_indexer;
205                  $cfg_name =~ s/\-.*$//;                  $cfg_name =~ s/\-.*$//;
206    
207                  my $indexer_config = $config->{$cfg_name} || $log->logdie("can't find '$cfg_name' part in confguration");                  my $indexer_config = $config->get( $cfg_name ) || $log->logdie("can't find '$cfg_name' part in confguration");
208                  $indexer_config->{database} = $database;                  $indexer_config->{database} = $database;
209                  $indexer_config->{clean} = $clean;                  $indexer_config->{clean} = $clean;
210                  $indexer_config->{label} = $db_config->{name};                  $indexer_config->{label} = $db_config->{name};
# Line 232  while (my ($database, $db_config) = each Line 224  while (my ($database, $db_config) = each
224                          use WebPAC::Output::EstraierNative;                          use WebPAC::Output::EstraierNative;
225                          $indexer = new WebPAC::Output::EstraierNative( %{ $indexer_config } );                          $indexer = new WebPAC::Output::EstraierNative( %{ $indexer_config } );
226    
                         $use_indexer = 'hyperestraier';  
   
227                  } elsif ($use_indexer eq 'kinosearch') {                  } elsif ($use_indexer eq 'kinosearch') {
228    
229                          # open KinoSearch                          # open KinoSearch
# Line 282  while (my ($database, $db_config) = each Line 272  while (my ($database, $db_config) = each
272          my $abs_path = abs_path($0);          my $abs_path = abs_path($0);
273          $abs_path =~ s#/[^/]*$#/#;          $abs_path =~ s#/[^/]*$#/#;
274    
275          my $db_path = $config->{webpac}->{db_path} . '/' . $database;          my $db_path = $config->webpac('db_path');
276    
277          if ($clean) {          if ($clean) {
278                  $log->info("creating new database '$database' in $db_path");                  $log->info("creating new database '$database' in $db_path");
# Line 291  while (my ($database, $db_config) = each Line 281  while (my ($database, $db_config) = each
281                  $log->info("working on database '$database' in $db_path");                  $log->info("working on database '$database' in $db_path");
282          }          }
283    
284          my $db = new WebPAC::Store(          my $store = new WebPAC::Store(
285                  path => $db_path,                  path => $db_path,
                 database => $database,  
286                  debug => $debug,                  debug => $debug,
287          );          );
288    
# Line 311  while (my ($database, $db_config) = each Line 300  while (my ($database, $db_config) = each
300                  $log->info("database $database doesn't have inputs defined");                  $log->info("database $database doesn't have inputs defined");
301          }          }
302    
         my @supported_inputs = keys %{ $config->{webpac}->{inputs} };  
   
303          foreach my $input (@inputs) {          foreach my $input (@inputs) {
304    
305                  next if ($only_input && ($input->{name} !~ m#$only_input#i && $input->{type} !~ m#$only_input#i));                  my $input_name = $input->{name} || $log->logdie("input without a name isn't valid: ",dump($input));
306    
307                    next if ($only_input && ($input_name !~ m#$only_input#i && $input->{type} !~ m#$only_input#i));
308    
309                  my $type = lc($input->{type});                  my $type = lc($input->{type});
310    
311                  die "I know only how to handle input types ", join(",", @supported_inputs), " not '$type'!\n" unless (grep(/$type/, @supported_inputs));                  die "I know only how to handle input types ", join(",", $config->webpac('inputs') ), " not '$type'!\n" unless (grep(/$type/, $config->webpac('inputs')));
312    
313                  my $lookup;                  my $input_module = $config->webpac('inputs')->{$type};
                 if ($input->{lookup}) {  
                         $lookup = new WebPAC::Lookup(  
                                 lookup_file => $input->{lookup},  
                         );  
                         delete( $input->{lookup} );  
                 }  
314    
315                  my $input_module = $config->{webpac}->{inputs}->{$type};                  my @lookups = $parser->have_lookup_create($database, $input);
316    
317                  $log->info("working on input '$input->{name}' in $input->{path} [type: $input->{type}] using $input_module",                  $log->info("working on input '$input_name' in $input->{path} [type: $input->{type}] using $input_module",
318                          $input->{lookup} ? "lookup '$input->{lookup}'" : ""                          @lookups ? " creating lookups: ".join(", ", @lookups) : ""
319                  );                  );
320    
321                  if ($stats) {                  if ($stats) {
# Line 343  while (my ($database, $db_config) = each Line 326  while (my ($database, $db_config) = each
326    
327                  my $input_db = new WebPAC::Input(                  my $input_db = new WebPAC::Input(
328                          module => $input_module,                          module => $input_module,
329                          encoding => $config->{webpac}->{webpac_encoding},                          encoding => $config->webpac('webpac_encoding'),
330                          limit => $limit || $input->{limit},                          limit => $limit || $input->{limit},
331                          offset => $offset,                          offset => $offset,
                         lookup_coderef => sub {  
                                 my $rec = shift || return;  
                                 $lookup->add( $rec );  
                         },  
332                          recode => $input->{recode},                          recode => $input->{recode},
333                          stats => $stats,                          stats => $stats,
334                          modify_records => $input->{modify_records},                          modify_records => $input->{modify_records},
# Line 357  while (my ($database, $db_config) = each Line 336  while (my ($database, $db_config) = each
336                  );                  );
337                  $log->logdie("can't create input using $input_module") unless ($input);                  $log->logdie("can't create input using $input_module") unless ($input);
338    
339                    if (defined( $input->{lookup} )) {
340                            $log->warn("$database/$input_name has depriciated lookup definition, removing it...");
341                            delete( $input->{lookup} );
342                    }
343    
344                    my $lookup_coderef;
345    
346                    if (@lookups) {
347    
348                            my $rules = $parser->lookup_create_rules($database, $input) || $log->logdie("no rules found for $database/$input");
349    
350                            $lookup_coderef = sub {
351                                    my $rec = shift || die "need rec!";
352                                    my $mfn = $rec->{'000'}->[0] || die "need mfn in 000";
353    
354                                    WebPAC::Normalize::data_structure(
355                                            row => $rec,
356                                            rules => $rules,
357                                            config => create_ds_config( $db_config, $database, $input, $mfn ),
358                                    );
359    
360                                    #warn "current lookup: ", dump(WebPAC::Normalize::_get_lookup());
361                            };
362    
363                            WebPAC::Normalize::_set_lookup( undef );
364    
365                            $log->debug("created lookup_coderef using:\n$rules");
366    
367                    };
368    
369                    my $lookup_jar;
370    
371                  my $maxmfn = $input_db->open(                  my $maxmfn = $input_db->open(
372                          path => $input->{path},                          path => $input->{path},
373                          code_page => $input->{encoding},        # database encoding                          code_page => $input->{encoding},        # database encoding
374                            lookup_coderef => $lookup_coderef,
375                            lookup => $lookup_jar,
376                          %{ $input },                          %{ $input },
377                  );                          load_row => sub {
378                                    my $a = shift;
379                  my @norm_array = ref($input->{normalize}) eq 'ARRAY' ?                                  return $store->load_row(
380                          @{ $input->{normalize} } : ( $input->{normalize} );                                          database => $database,
381                                            input => $input_name,
382                  if ($marc_normalize) {                                          id => $a->{id},
383                          @norm_array = ( {                                  );
384                                  path => $marc_normalize,                          },
385                                  output => $marc_output || 'out/marc/' . $database . '-' . $input->{name} . '.marc',                          save_row => sub {
386                          } );                                  my $a = shift;
387                  }                                  return $store->save_row(
388                                            database => $database,
389                                            input => $input_name,
390                                            id => $a->{id},
391                                            row => $a->{row},
392                                    );
393                            },
394    
395                  foreach my $normalize (@norm_array) {                  );
396    
397                          my $normalize_path = $normalize->{path} || $log->logdie("can't find normalize path in config");                  my $lookup_data = WebPAC::Normalize::_get_lookup();
398    
399                          $log->logdie("Found '$normalize_path' as normalization file which isn't supported any more!") unless ( $normalize_path =~ m!\.pl$!i );                  if (defined( $lookup_data->{$database}->{$input_name} )) {
400                            $log->debug("created following lookups: ", sub { dump( $lookup_data ) } );
401    
402                          my $rules = read_file( $normalize_path ) or die "can't open $normalize_path: $!";                          foreach my $key (keys %{ $lookup_data->{$database}->{$input_name} }) {
403                                    $store->save_lookup(
404                                            database => $database,
405                                            input => $input_name,
406                                            key => $key,
407                                            data => $lookup_data->{$database}->{$input_name}->{$key},
408                                    );
409                            }
410                    }
411    
412                          $log->info("Using $normalize_path for normalization...");                  my $report_fh;
413                    if ($stats || $validate) {
414                            my $path = "out/report/${database}-${input_name}.txt";
415                            open($report_fh, '>', $path) || $log->logdie("can't open $path: $!");
416    
417                            print $report_fh "Report for database '$database' input '$input_name' records ",
418                                    $offset || 1, "-", $limit || $input->{limit} || $maxmfn, "\n\n";
419                            $log->info("Generating report file $path");
420                    }
421    
422                          my $marc = new WebPAC::Output::MARC(                  my $marc;
423                                  path => $normalize->{output},                  if ($parser->have_rules( 'marc', $database, $input_name )) {
424                            $marc = new WebPAC::Output::MARC(
425                                    path => "out/marc/${database}-${input_name}.marc",
426                                  lint => $marc_lint,                                  lint => $marc_lint,
427                                  dump => $marc_dump,                                  dump => $marc_dump,
428                          ) if ($normalize->{output});                          );
429                    }
430    
431                          # reset position in database                  my $rules = $parser->normalize_rules($database,$input_name) || $log->logdie("no normalize rules found for $database/$input_name");
432                          $input_db->seek(1);                  $log->debug("parsed normalize rules:\n$rules");
433    
434                          foreach my $pos ( 0 ... $input_db->size ) {                  # reset position in database
435                    $input_db->seek(1);
436    
437                                  my $row = $input_db->fetch || next;                  # generate name of config key for indexer (strip everything after -)
438                    my $indexer_config = $use_indexer;
439                    $indexer_config =~ s/^(\w+)-?.*$/$1/g if ($indexer_config);
440    
441                    my $lookup_hash;
442                    my $depends = $parser->depends($database,$input_name);
443            
444                    if ($depends) {
445                            $log->debug("$database/$input_name depends on: ", dump($depends)) if ($depends);
446                            $log->logdie("parser->depends didn't return HASH") unless (ref($depends) eq 'HASH');
447    
448                            foreach my $db (keys %$depends) {
449                                    foreach my $i (keys %{$depends->{$db}}) {
450                                            foreach my $k (keys %{$depends->{$db}->{$i}}) {
451                                                    my $t = time();
452                                                    $log->debug("loading lookup $db/$i");
453                                                    $lookup_hash->{$db}->{$i}->{$k} = $store->load_lookup(
454                                                            database => $db,
455                                                            input => $i,
456                                                            key => $k,
457                                                    );
458                                                    $log->debug(sprintf("lookup $db/$i took %.2fs", time() - $t));
459                                            }
460                                    }
461                            }
462    
463                                  my $mfn = $row->{'000'}->[0];                          $log->debug("lookup_hash = ", sub { dump( $lookup_hash ) });
464                    }
465    
                                 if (! $mfn || $mfn !~ m#^\d+$#) {  
                                         $log->warn("record $pos doesn't have valid MFN but '$mfn', using $pos");  
                                         $mfn = $pos;  
                                         push @{ $row->{'000'} }, $pos;  
                                 }  
466    
467                    foreach my $pos ( 0 ... $input_db->size ) {
468    
469                                  if ($validate) {                          my $row = $input_db->fetch || next;
                                         if ( my $errors = $validate->validate_errors( $row, $input_db->dump ) ) {  
                                                 $log->error( "MFN $mfn validation error:\n",  
                                                         dump( $errors )  
                                                 );  
                                         }  
                                 }  
470    
471                                  my $ds_config = dclone($db_config);                          $total_rows++;
472    
473                                  # default values -> database key                          my $mfn = $row->{'000'}->[0];
                                 $ds_config->{_} = $database;  
474    
475                                  # current mfn                          if (! $mfn || $mfn !~ m#^\d+$#) {
476                                  $ds_config->{_mfn} = $mfn;                                  $log->warn("record $pos doesn't have valid MFN but '$mfn', using $pos");
477                                    $mfn = $pos;
478                                    push @{ $row->{'000'} }, $pos;
479                            }
480    
                                 # attach current input  
                                 $ds_config->{input} = $input;  
481    
482                                  my $ds = WebPAC::Normalize::data_structure(                          if ($validate) {
483                                          row => $row,                                  if ( my $errors = $validate->validate_rec( $row, $input_db->dump_ascii ) ) {
484                                          rules => $rules,                                          $log->error( "MFN $mfn validation error:\n",
485                                          lookup => $lookup ? $lookup->lookup_hash : undef,                                                  $validate->report_error( $errors )
486                                          config => $ds_config,                                          );
487                                          marc_encoding => 'utf-8',                                  }
488                                  );                                  next;   # validation doesn't create any output
489                            }
490    
491                                  $db->save_ds(                          my $ds = WebPAC::Normalize::data_structure(
492                                          id => $mfn,                                  row => $row,
493                                          ds => $ds,                                  rules => $rules,
494                                          prefix => $input->{name},                                  lookup => $lookup_hash,
495                                  ) if ($ds && !$stats);                                  config => create_ds_config( $db_config, $database, $input, $mfn ),
496                                    marc_encoding => 'utf-8',
497                                  $indexer->add(                                  load_row_coderef => sub {
498                                          id => $input->{name} . "/" . $mfn,                                          my ($database,$input,$mfn) = @_;
499                                          ds => $ds,                                          return $store->load_row(
500                                          type => $config->{$use_indexer}->{type},                                                  database => $database,
501                                  ) if ($indexer && $ds);                                                  input => $input,
502                                                    id => $mfn,
503                                  if ($marc) {                                          );
504                                          my $i = 0;                                  },
505                            );
506                                          while (my $fields = WebPAC::Normalize::_get_marc_fields( fetch_next => 1 ) ) {  
507                                                  $marc->add(                          $log->debug("ds = ", sub { dump($ds) }) if ($ds);
                                                         id => $mfn . ( $i ? "/$i" : '' ),  
                                                         fields => $fields,  
                                                         leader => WebPAC::Normalize::marc_leader(),  
                                                         row => $row,  
                                                 );  
                                                 $i++;  
                                         }  
508    
509                                          $log->info("Created $i instances of MFN $mfn\n") if ($i > 1);                          $store->save_ds(
510                                    database => $database,
511                                    input => $input_name,
512                                    id => $mfn,
513                                    ds => $ds,
514                            ) if ($ds && !$stats);
515    
516                            $indexer->add(
517                                    id => "${input_name}/${mfn}",
518                                    ds => $ds,
519                                    type => $config->get($indexer_config)->{type},
520                            ) if ($indexer && $ds);
521    
522                            if ($marc) {
523                                    my $i = 0;
524    
525                                    while (my $fields = WebPAC::Normalize::_get_marc_fields( fetch_next => 1 ) ) {
526                                            $marc->add(
527                                                    id => $mfn . ( $i ? "/$i" : '' ),
528                                                    fields => $fields,
529                                                    leader => WebPAC::Normalize::marc_leader(),
530                                                    row => $row,
531                                            );
532                                            $i++;
533                                  }                                  }
534    
535                                  $total_rows++;                                  $log->info("Created $i instances of MFN $mfn\n") if ($i > 1);
536                          }                          }
537                    }
538    
539                          $log->info("validation errors:\n", dump( $validate->all_errors ) ) if ($validate && defined($validate->all_errors));                  if ($validate) {
540                            my $errors = $validate->report;
541                            if ($errors) {
542                                    $log->info("validation errors:\n$errors\n" );
543                                    print $report_fh "$errors\n" if ($report_fh);
544                            }
545                    }
546    
547                          $log->info("statistics of fields usage:\n", $input_db->stats) if ($stats);                  if ($stats) {
548                            my $s = $input_db->stats;
549                            $log->info("statistics of fields usage:\n$s");
550                            print $report_fh "Statistics of fields usage:\n$s" if ($report_fh);
551                    }
552    
553                          # close MARC file                  # close MARC file
554                          $marc->finish if ($marc);                  $marc->finish if ($marc);
555    
556                  }                  # close report
557                    close($report_fh) if ($report_fh)
558    
559          }          }
560    
Legend:
Removed from v.653  
changed lines
  Added in v.774
  ViewVC Help
Powered by ViewVC 1.1.26