/[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 698 by dpavlin, Mon Sep 25 11:14:53 2006 UTC revision 775 by dpavlin, Sun Nov 5 12:28:37 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::Parser 0.04;  use WebPAC::Parser 0.08;
11  use WebPAC::Lookup 0.03;  use WebPAC::Input 0.16;
12  use WebPAC::Input 0.11;  use WebPAC::Store 0.14;
13  use WebPAC::Store 0.03;  use WebPAC::Normalize 0.22;
 use WebPAC::Normalize 0.11;  
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;
# Line 68  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 111  my $debug = 0; Line 102  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 130  GetOptions( Line 120  GetOptions(
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 147  die "no databases in config file!\n" unl Line 135  die "no databases in config file!\n" unl
135    
136  $log->info( "-" x 79 );  $log->info( "-" x 79 );
137    
138    my $log_file = 'log';
139    
140    if (-e $log_file ) {    # && -s $log_file > 5 * 1024 * 1024) {
141            $log->info("moved old log with ", -s $log_file, " bytes to '${log_file}.old'");
142            rename $log_file, "${log_file}.old" || $log->logwarn("can't rename $log_file to ${log_file}.old: $!");
143    }
144    
145  my $estcmd_fh;  my $estcmd_fh;
146  my $estcmd_path = './estcmd-merge.sh';  my $estcmd_path = './estcmd-merge.sh';
# Line 165  $validate = new WebPAC::Validate( Line 159  $validate = new WebPAC::Validate(
159    
160    
161  my $use_indexer = $config->use_indexer;  my $use_indexer = $config->use_indexer;
162    $stats ||= $validate;
163  if ($stats) {  if ($stats) {
164          $log->debug("option --stats disables update of indexing engine...");          $log->debug("disabled indexing for stats collection");
165          $use_indexer = undef;          $use_indexer = undef;
166  } else {  } else {
167          $log->info("using $use_indexer indexing engine...");          $log->info("using $use_indexer indexing engine...");
168  }  }
169    
 # disable indexing when creating marc  
 $use_indexer = undef if ($marc_normalize);  
   
170  # parse normalize files and create source files for lookup and normalization  # parse normalize files and create source files for lookup and normalization
171    
172  my $parser = new WebPAC::Parser( config => $config );  my $parser = new WebPAC::Parser( config => $config );
# Line 189  if ($parallel) { Line 181  if ($parallel) {
181          Proc::Queue::size($parallel);          Proc::Queue::size($parallel);
182  }  }
183    
184    sub create_ds_config {
185            my ($db_config, $database, $input, $mfn) = @_;
186            my $c = dclone( $db_config );
187            $c->{_} = $database || $log->logconfess("need database");
188            $c->{_mfn} = $mfn || $log->logconfess("need mfn");
189            $c->{input} = $input || $log->logconfess("need input");
190            return $c;
191    }
192    
193  while (my ($database, $db_config) = each %{ $config->databases }) {  while (my ($database, $db_config) = each %{ $config->databases }) {
194    
195          my ($only_database,$only_input) = split(m#/#, $only_filter) if ($only_filter);          my ($only_database,$only_input) = split(m#/#, $only_filter) if ($only_filter);
# Line 204  while (my ($database, $db_config) = each Line 205  while (my ($database, $db_config) = each
205          }          }
206    
207          my $indexer;          my $indexer;
208          if ($use_indexer) {          if ($use_indexer && $parser->have_rules( 'search', $database )) {
209    
210                  my $cfg_name = $use_indexer;                  my $cfg_name = $use_indexer;
211                  $cfg_name =~ s/\-.*$//;                  $cfg_name =~ s/\-.*$//;
# Line 277  while (my ($database, $db_config) = each Line 278  while (my ($database, $db_config) = each
278          my $abs_path = abs_path($0);          my $abs_path = abs_path($0);
279          $abs_path =~ s#/[^/]*$#/#;          $abs_path =~ s#/[^/]*$#/#;
280    
281          my $db_path = $config->get('webpac')->{db_path} . '/' . $database;          my $db_path = $config->webpac('db_path');
282    
283          if ($clean) {          if ($clean) {
284                  $log->info("creating new database '$database' in $db_path");                  $log->info("creating new database '$database' in $db_path");
# Line 286  while (my ($database, $db_config) = each Line 287  while (my ($database, $db_config) = each
287                  $log->info("working on database '$database' in $db_path");                  $log->info("working on database '$database' in $db_path");
288          }          }
289    
290          my $db = new WebPAC::Store(          my $store = new WebPAC::Store(
291                  path => $db_path,                  path => $db_path,
                 database => $database,  
292                  debug => $debug,                  debug => $debug,
293          );          );
294    
# Line 308  while (my ($database, $db_config) = each Line 308  while (my ($database, $db_config) = each
308    
309          foreach my $input (@inputs) {          foreach my $input (@inputs) {
310    
311                  next if ($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));
312    
313                    next if ($only_input && ($input_name !~ m#$only_input#i && $input->{type} !~ m#$only_input#i));
314    
315                  my $type = lc($input->{type});                  my $type = lc($input->{type});
316    
# Line 316  while (my ($database, $db_config) = each Line 318  while (my ($database, $db_config) = each
318    
319                  my $input_module = $config->webpac('inputs')->{$type};                  my $input_module = $config->webpac('inputs')->{$type};
320    
321                  $log->info("working on input '$input->{name}' in $input->{path} [type: $input->{type}] using $input_module",                  my @lookups = $parser->have_lookup_create($database, $input);
322                          $input->{lookup} ? "lookup '$input->{lookup}'" : ""  
323                    $log->info("working on input '$input_name' in $input->{path} [type: $input->{type}] using $input_module",
324                            @lookups ? " creating lookups: ".join(", ", @lookups) : ""
325                  );                  );
326    
327                  if ($stats) {                  if ($stats) {
# Line 326  while (my ($database, $db_config) = each Line 330  while (my ($database, $db_config) = each
330                          delete($input->{modify_file});                          delete($input->{modify_file});
331                  }                  }
332    
                 warn "depends on: ", dump( $parser->depends($database, $input->{name}), $parser->{depends}, $parser->lookup_create_rules($database, $input->{name}), $parser->{_lookup_create} );  
   
                 my $lookup;  
   
333                  my $input_db = new WebPAC::Input(                  my $input_db = new WebPAC::Input(
334                          module => $input_module,                          module => $input_module,
335                          encoding => $config->webpac('webpac_encoding'),                          encoding => $config->webpac('webpac_encoding'),
336                          limit => $limit || $input->{limit},                          limit => $limit || $input->{limit},
337                          offset => $offset,                          offset => $offset,
                         lookup_coderef => sub {  
                                 my $rec = shift || return;  
                                 $lookup->add( $rec );  
                         },  
338                          recode => $input->{recode},                          recode => $input->{recode},
339                          stats => $stats,                          stats => $stats,
340                          modify_records => $input->{modify_records},                          modify_records => $input->{modify_records},
# Line 346  while (my ($database, $db_config) = each Line 342  while (my ($database, $db_config) = each
342                  );                  );
343                  $log->logdie("can't create input using $input_module") unless ($input);                  $log->logdie("can't create input using $input_module") unless ($input);
344    
345                    if (defined( $input->{lookup} )) {
346                            $log->warn("$database/$input_name has depriciated lookup definition, removing it...");
347                            delete( $input->{lookup} );
348                    }
349    
350                    my $lookup_coderef;
351    
352                    if (@lookups) {
353    
354                            my $rules = $parser->lookup_create_rules($database, $input) || $log->logdie("no rules found for $database/$input");
355    
356                            $lookup_coderef = sub {
357                                    my $rec = shift || die "need rec!";
358                                    my $mfn = $rec->{'000'}->[0] || die "need mfn in 000";
359    
360                                    WebPAC::Normalize::data_structure(
361                                            row => $rec,
362                                            rules => $rules,
363                                            config => create_ds_config( $db_config, $database, $input, $mfn ),
364                                    );
365    
366                                    #warn "current lookup: ", dump(WebPAC::Normalize::_get_lookup());
367                            };
368    
369                            WebPAC::Normalize::_set_lookup( undef );
370    
371                            $log->debug("created lookup_coderef using:\n$rules");
372    
373                    };
374    
375                    my $lookup_jar;
376    
377                  my $maxmfn = $input_db->open(                  my $maxmfn = $input_db->open(
378                          path => $input->{path},                          path => $input->{path},
379                          code_page => $input->{encoding},        # database encoding                          code_page => $input->{encoding},        # database encoding
380                            lookup_coderef => $lookup_coderef,
381                            lookup => $lookup_jar,
382                          %{ $input },                          %{ $input },
383                            load_row => sub {
384                                    my $a = shift;
385                                    return $store->load_row(
386                                            database => $database,
387                                            input => $input_name,
388                                            id => $a->{id},
389                                    );
390                            },
391                            save_row => sub {
392                                    my $a = shift;
393                                    return $store->save_row(
394                                            database => $database,
395                                            input => $input_name,
396                                            id => $a->{id},
397                                            row => $a->{row},
398                                    );
399                            },
400    
401                  );                  );
402    
403                    my $lookup_data = WebPAC::Normalize::_get_lookup();
404    
405                    if (defined( $lookup_data->{$database}->{$input_name} )) {
406                            $log->debug("created following lookups: ", sub { dump( $lookup_data ) } );
407    
408                            foreach my $key (keys %{ $lookup_data->{$database}->{$input_name} }) {
409                                    $store->save_lookup(
410                                            database => $database,
411                                            input => $input_name,
412                                            key => $key,
413                                            data => $lookup_data->{$database}->{$input_name}->{$key},
414                                    );
415                            }
416                    }
417    
418                  my $report_fh;                  my $report_fh;
419                  if ($stats || $validate) {                  if ($stats || $validate) {
420                          my $path = "out/report/" . $database . '-' . $input->{name} . '.txt';                          my $path = "out/report/${database}-${input_name}.txt";
421                          open($report_fh, '>', $path) || $log->logdie("can't open $path: $!");                          open($report_fh, '>', $path) || $log->logdie("can't open $path: $!");
422    
423                          print $report_fh "Report for database '$database' input '$input->{name}' records ",                          print $report_fh "Report for database '$database' input '$input_name' records ",
424                                  $offset || 1, "-", $limit || $input->{limit} || $maxmfn, "\n\n";                                  $offset || 1, "-", $limit || $input->{limit} || $maxmfn, "\n\n";
425                          $log->info("Generating report file $path");                          $log->info("Generating report file $path");
426                  }                  }
427    
428                  my @norm_array = ref($input->{normalize}) eq 'ARRAY' ?                  my $marc;
429                          @{ $input->{normalize} } : ( $input->{normalize} );                  if ($parser->have_rules( 'marc', $database, $input_name )) {
430                            $marc = new WebPAC::Output::MARC(
431                  if ($marc_normalize) {                                  path => "out/marc/${database}-${input_name}.marc",
                         @norm_array = ( {  
                                 path => $marc_normalize,  
                                 output => $marc_output || 'out/marc/' . $database . '-' . $input->{name} . '.marc',  
                         } );  
                 }  
   
                 foreach my $normalize (@norm_array) {  
   
                         my $normalize_path = $normalize->{path} || $log->logdie("can't find normalize path in config");  
   
                         $log->logdie("Found '$normalize_path' as normalization file which isn't supported any more!") unless ( $normalize_path =~ m!\.pl$!i );  
   
                         my $rules = read_file( $normalize_path ) or die "can't open $normalize_path: $!";  
   
                         $log->info("Using $normalize_path for normalization...");  
   
                         my $marc = new WebPAC::Output::MARC(  
                                 path => $normalize->{output},  
432                                  lint => $marc_lint,                                  lint => $marc_lint,
433                                  dump => $marc_dump,                                  dump => $marc_dump,
434                          ) if ($normalize->{output});                          );
435                    }
                         # reset position in database  
                         $input_db->seek(1);  
   
                         # generate name of config key for indexer (strip everything after -)  
                         my $indexer_config = $use_indexer;  
                         $indexer_config =~ s/^(\w+)-?.*$/$1/g if ($indexer_config);  
   
                         foreach my $pos ( 0 ... $input_db->size ) {  
   
                                 my $row = $input_db->fetch || next;  
   
                                 my $mfn = $row->{'000'}->[0];  
436    
437                                  if (! $mfn || $mfn !~ m#^\d+$#) {                  my $rules = $parser->normalize_rules($database,$input_name) || $log->logdie("no normalize rules found for $database/$input_name");
438                                          $log->warn("record $pos doesn't have valid MFN but '$mfn', using $pos");                  $log->debug("parsed normalize rules:\n$rules");
                                         $mfn = $pos;  
                                         push @{ $row->{'000'} }, $pos;  
                                 }  
439    
440                    # reset position in database
441                    $input_db->seek(1);
442    
443                                  if ($validate) {                  # generate name of config key for indexer (strip everything after -)
444                                          if ( my $errors = $validate->validate_errors( $row, $input_db->dump ) ) {                  my $indexer_config = $use_indexer;
445                                                  $log->error( "MFN $mfn validation error:\n",                  $indexer_config =~ s/^(\w+)-?.*$/$1/g if ($indexer_config);
446                                                          $validate->report_error( $errors )  
447                    my $lookup_hash;
448                    my $depends = $parser->depends($database,$input_name);
449            
450                    if ($depends) {
451                            $log->debug("$database/$input_name depends on: ", dump($depends)) if ($depends);
452                            $log->logdie("parser->depends didn't return HASH") unless (ref($depends) eq 'HASH');
453    
454                            foreach my $db (keys %$depends) {
455                                    foreach my $i (keys %{$depends->{$db}}) {
456                                            foreach my $k (keys %{$depends->{$db}->{$i}}) {
457                                                    my $t = time();
458                                                    $log->debug("loading lookup $db/$i");
459                                                    $lookup_hash->{$db}->{$i}->{$k} = $store->load_lookup(
460                                                            database => $db,
461                                                            input => $i,
462                                                            key => $k,
463                                                  );                                                  );
464                                                    $log->debug(sprintf("lookup $db/$i took %.2fs", time() - $t));
465                                          }                                          }
466                                  }                                  }
467                            }
468    
469                                  my $ds_config = dclone($db_config);                          $log->debug("lookup_hash = ", sub { dump( $lookup_hash ) });
470                    }
471    
                                 # default values -> database key  
                                 $ds_config->{_} = $database;  
472    
473                                  # current mfn                  foreach my $pos ( 0 ... $input_db->size ) {
                                 $ds_config->{_mfn} = $mfn;  
474    
475                                  # attach current input                          my $row = $input_db->fetch || next;
                                 $ds_config->{input} = $input;  
476    
477                                  my $ds = WebPAC::Normalize::data_structure(                          $total_rows++;
                                         row => $row,  
                                         rules => $rules,  
                                         lookup => $lookup ? $lookup->lookup_hash : undef,  
                                         config => $ds_config,  
                                         marc_encoding => 'utf-8',  
                                 );  
478    
479                                  $db->save_ds(                          my $mfn = $row->{'000'}->[0];
                                         id => $mfn,  
                                         ds => $ds,  
                                         prefix => $input->{name},  
                                 ) if ($ds && !$stats);  
   
                                 $indexer->add(  
                                         id => $input->{name} . "/" . $mfn,  
                                         ds => $ds,  
                                         type => $config->get($indexer_config)->{type},  
                                 ) if ($indexer && $ds);  
   
                                 if ($marc) {  
                                         my $i = 0;  
   
                                         while (my $fields = WebPAC::Normalize::_get_marc_fields( fetch_next => 1 ) ) {  
                                                 $marc->add(  
                                                         id => $mfn . ( $i ? "/$i" : '' ),  
                                                         fields => $fields,  
                                                         leader => WebPAC::Normalize::marc_leader(),  
                                                         row => $row,  
                                                 );  
                                                 $i++;  
                                         }  
   
                                         $log->info("Created $i instances of MFN $mfn\n") if ($i > 1);  
                                 }  
480    
481                                  $total_rows++;                          if (! $mfn || $mfn !~ m#^\d+$#) {
482                                    $log->warn("record $pos doesn't have valid MFN but '$mfn', using $pos");
483                                    $mfn = $pos;
484                                    push @{ $row->{'000'} }, $pos;
485                          }                          }
486    
487    
488                          if ($validate) {                          if ($validate) {
489                                  my $errors = $validate->report;                                  if ( my $errors = $validate->validate_rec( $row, $input_db->dump_ascii ) ) {
490                                  if ($errors) {                                          $log->error( "MFN $mfn validation error:\n",
491                                          $log->info("validation errors:\n$errors\n" );                                                  $validate->report_error( $errors )
492                                          print $report_fh "$errors\n" if ($report_fh);                                          );
493                                  }                                  }
494                                    next;   # validation doesn't create any output
495                          }                          }
496    
497                          if ($stats) {                          my $ds = WebPAC::Normalize::data_structure(
498                                  my $s = $input_db->stats;                                  row => $row,
499                                  $log->info("statistics of fields usage:\n$s");                                  rules => $rules,
500                                  print $report_fh "Statistics of fields usage:\n$s" if ($report_fh);                                  lookup => $lookup_hash,
501                                    config => create_ds_config( $db_config, $database, $input, $mfn ),
502                                    marc_encoding => 'utf-8',
503                                    load_row_coderef => sub {
504                                            my ($database,$input,$mfn) = @_;
505                                            return $store->load_row(
506                                                    database => $database,
507                                                    input => $input,
508                                                    id => $mfn,
509                                            );
510                                    },
511                            );
512    
513                            $log->debug("ds = ", sub { dump($ds) }) if ($ds);
514    
515                            $store->save_ds(
516                                    database => $database,
517                                    input => $input_name,
518                                    id => $mfn,
519                                    ds => $ds,
520                            ) if ($ds && !$stats);
521    
522                            $indexer->add(
523                                    id => "${input_name}/${mfn}",
524                                    ds => $ds,
525                                    type => $config->get($indexer_config)->{type},
526                            ) if ($indexer && $ds);
527    
528                            if ($marc) {
529                                    my $i = 0;
530    
531                                    while (my $fields = WebPAC::Normalize::_get_marc_fields( fetch_next => 1 ) ) {
532                                            $marc->add(
533                                                    id => $mfn . ( $i ? "/$i" : '' ),
534                                                    fields => $fields,
535                                                    leader => WebPAC::Normalize::marc_leader(),
536                                                    row => $row,
537                                            );
538                                            $i++;
539                                    }
540    
541                                    $log->info("Created $i instances of MFN $mfn\n") if ($i > 1);
542                          }                          }
543                    }
544    
545                          # close MARC file                  if ($validate) {
546                          $marc->finish if ($marc);                          my $errors = $validate->report;
547                            if ($errors) {
548                                    $log->info("validation errors:\n$errors\n" );
549                                    print $report_fh "$errors\n" if ($report_fh);
550                            }
551                    }
552    
553                          # close report                  if ($stats) {
554                          close($report_fh) if ($report_fh)                          my $s = $input_db->stats;
555                            $log->info("statistics of fields usage:\n$s");
556                            print $report_fh "Statistics of fields usage:\n$s" if ($report_fh);
557                  }                  }
558    
559                    # close MARC file
560                    $marc->finish if ($marc);
561    
562                    # close report
563                    close($report_fh) if ($report_fh)
564    
565          }          }
566    
567          eval { $indexer->finish } if ($indexer && $indexer->can('finish'));          eval { $indexer->finish } if ($indexer && $indexer->can('finish'));
Legend:
Removed from v.698  
changed lines
  Added in v.775
  ViewVC Help
Powered by ViewVC 1.1.26