/[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 684 by dpavlin, Sun Sep 24 15:53:54 2006 UTC revision 814 by dpavlin, Sun Apr 1 21:47:48 2007 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;
# 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  =item --marc-normalize conf/normalize/mapping.pl  =item --marc-generate
72    
73  This option specifies normalisation file for MARC creation  Generate MARC file. This will automatically be on if file contains C<marc*> directives.
74    You can use this option as C<--no-marc-generate> to disable MARC generation.
 =item --marc-output out/marc/test.marc  
   
 Optional path to output file  
75    
76  =item --marc-lint  =item --marc-lint
77    
78  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
79  messages with C<--no-marc-lint>.  messages with C<--no-marc-lint>.
80    
81  =item --marc-dump  =item --marc-dump
# Line 110  my $debug = 0; Line 108  my $debug = 0;
108  my $only_filter;  my $only_filter;
109  my $stats = 0;  my $stats = 0;
110  my $validate_path;  my $validate_path;
111  my ($marc_normalize, $marc_output);  my $marc_generate = 1;
112  my $marc_lint = 1;  my $marc_lint = 1;
113  my $marc_dump = 0;  my $marc_dump = 0;
114  my $parallel = 0;  my $parallel = 0;
115  my $only_links = 0;  my $only_links = 0;
116  my $merge = 0;  my $merge = 0;
117    my $help;
118    
119  my $log = _new WebPAC::Common()->_get_logger();  my $log = _new WebPAC::Common()->_get_logger();
120    
# Line 129  GetOptions( Line 128  GetOptions(
128          "debug+" => \$debug,          "debug+" => \$debug,
129          "stats" => \$stats,          "stats" => \$stats,
130          "validate=s" => \$validate_path,          "validate=s" => \$validate_path,
131          "marc-normalize=s" => \$marc_normalize,          "marc-generate!" => \$marc_generate,
         "marc-output=s" => \$marc_output,  
132          "marc-lint!" => \$marc_lint,          "marc-lint!" => \$marc_lint,
133          "marc-dump!" => \$marc_dump,          "marc-dump!" => \$marc_dump,
134          "parallel=i" => \$parallel,          "parallel=i" => \$parallel,
135          "only-links!" => \$only_links,          "only-links!" => \$only_links,
136          "merge" => \$merge,          "merge" => \$merge,
137            "help" => \$help,
138  );  );
139    
140    pod2usage(-verbose => 2) if ($help);
141    
142  my $config = new WebPAC::Config( path => $config_path );  my $config = new WebPAC::Config( path => $config_path );
143    
144  #print "config = ",dump($config) if ($debug);  #print "config = ",dump($config) if ($debug);
# Line 146  die "no databases in config file!\n" unl Line 147  die "no databases in config file!\n" unl
147    
148  $log->info( "-" x 79 );  $log->info( "-" x 79 );
149    
150    my $log_file = 'log';
151    
152    if (-e $log_file ) {    # && -s $log_file > 5 * 1024 * 1024) {
153            $log->info("moved old log with ", -s $log_file, " bytes to '${log_file}.old'");
154            rename $log_file, "${log_file}.old" || $log->logwarn("can't rename $log_file to ${log_file}.old: $!");
155    }
156    
157  my $estcmd_fh;  my $estcmd_fh;
158  my $estcmd_path = './estcmd-merge.sh';  my $estcmd_path = './estcmd-merge.sh';
# Line 164  $validate = new WebPAC::Validate( Line 171  $validate = new WebPAC::Validate(
171    
172    
173  my $use_indexer = $config->use_indexer;  my $use_indexer = $config->use_indexer;
174    $stats ||= $validate;
175  if ($stats) {  if ($stats) {
176          $log->debug("option --stats disables update of indexing engine...");          $log->debug("disabled indexing for stats collection");
177          $use_indexer = undef;          $use_indexer = undef;
178  } else {  } else {
179          $log->info("using $use_indexer indexing engine...");          $log->info("using $use_indexer indexing engine...");
180  }  }
181    
182  # disable indexing when creating marc  # parse normalize files and create source files for lookup and normalization
183  $use_indexer = undef if ($marc_normalize);  
184    my $parser = new WebPAC::Parser( config => $config );
185    
186  my $total_rows = 0;  my $total_rows = 0;
187  my $start_t = time();  my $start_t = time();
# Line 184  if ($parallel) { Line 193  if ($parallel) {
193          Proc::Queue::size($parallel);          Proc::Queue::size($parallel);
194  }  }
195    
196    sub create_ds_config {
197            my ($db_config, $database, $input, $mfn) = @_;
198            my $c = dclone( $db_config );
199            $c->{_} = $database || $log->logconfess("need database");
200            $c->{_mfn} = $mfn || $log->logconfess("need mfn");
201            $c->{input} = $input || $log->logconfess("need input");
202            return $c;
203    }
204    
205  while (my ($database, $db_config) = each %{ $config->databases }) {  while (my ($database, $db_config) = each %{ $config->databases }) {
206    
207          my ($only_database,$only_input) = split(m#/#, $only_filter) if ($only_filter);          my ($only_database,$only_input) = split(m#/#, $only_filter) if ($only_filter);
# Line 199  while (my ($database, $db_config) = each Line 217  while (my ($database, $db_config) = each
217          }          }
218    
219          my $indexer;          my $indexer;
220          if ($use_indexer) {          if ($use_indexer && $parser->have_rules( 'search', $database )) {
221    
222                  my $cfg_name = $use_indexer;                  my $cfg_name = $use_indexer;
223                  $cfg_name =~ s/\-.*$//;                  $cfg_name =~ s/\-.*$//;
# Line 272  while (my ($database, $db_config) = each Line 290  while (my ($database, $db_config) = each
290          my $abs_path = abs_path($0);          my $abs_path = abs_path($0);
291          $abs_path =~ s#/[^/]*$#/#;          $abs_path =~ s#/[^/]*$#/#;
292    
293          my $db_path = $config->get('webpac')->{db_path} . '/' . $database;          my $db_path = $config->webpac('db_path');
294    
295          if ($clean) {          if ($clean) {
296                  $log->info("creating new database '$database' in $db_path");                  $log->info("creating new database '$database' in $db_path");
# Line 281  while (my ($database, $db_config) = each Line 299  while (my ($database, $db_config) = each
299                  $log->info("working on database '$database' in $db_path");                  $log->info("working on database '$database' in $db_path");
300          }          }
301    
302          my $db = new WebPAC::Store(          my $store = new WebPAC::Store(
303                  path => $db_path,                  path => $db_path,
                 database => $database,  
304                  debug => $debug,                  debug => $debug,
305          );          );
306    
# Line 303  while (my ($database, $db_config) = each Line 320  while (my ($database, $db_config) = each
320    
321          foreach my $input (@inputs) {          foreach my $input (@inputs) {
322    
323                  next if ($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));
324    
325                    next if ($only_input && ($input_name !~ m#$only_input#i && $input->{type} !~ m#$only_input#i));
326    
327                  my $type = lc($input->{type});                  my $type = lc($input->{type});
328    
329                  die "I know only how to handle input types ", join(",", $config->webpac('inputs') ), " not '$type'!\n" unless (grep(/$type/, $config->webpac('inputs')));                  die "I know only how to handle input types ", join(",", $config->webpac('inputs') ), " not '$type'!\n" unless (grep(/$type/, $config->webpac('inputs')));
330    
                 my $lookup;  
                 if ($input->{lookup}) {  
                         $lookup = new WebPAC::Lookup(  
                                 lookup_file => $input->{lookup},  
                         );  
                         delete( $input->{lookup} );  
                 }  
   
331                  my $input_module = $config->webpac('inputs')->{$type};                  my $input_module = $config->webpac('inputs')->{$type};
332    
333                  $log->info("working on input '$input->{name}' in $input->{path} [type: $input->{type}] using $input_module",                  my @lookups = $parser->have_lookup_create($database, $input);
334                          $input->{lookup} ? "lookup '$input->{lookup}'" : ""  
335                    $log->info("working on input '$input_name' in $input->{path} [type: $input->{type}] using $input_module",
336                            @lookups ? " creating lookups: ".join(", ", @lookups) : ""
337                  );                  );
338    
339                  if ($stats) {                  if ($stats) {
# Line 334  while (my ($database, $db_config) = each Line 347  while (my ($database, $db_config) = each
347                          encoding => $config->webpac('webpac_encoding'),                          encoding => $config->webpac('webpac_encoding'),
348                          limit => $limit || $input->{limit},                          limit => $limit || $input->{limit},
349                          offset => $offset,                          offset => $offset,
                         lookup_coderef => sub {  
                                 my $rec = shift || return;  
                                 $lookup->add( $rec );  
                         },  
350                          recode => $input->{recode},                          recode => $input->{recode},
351                          stats => $stats,                          stats => $stats,
352                          modify_records => $input->{modify_records},                          modify_records => $input->{modify_records},
# Line 345  while (my ($database, $db_config) = each Line 354  while (my ($database, $db_config) = each
354                  );                  );
355                  $log->logdie("can't create input using $input_module") unless ($input);                  $log->logdie("can't create input using $input_module") unless ($input);
356    
357                    if (defined( $input->{lookup} )) {
358                            $log->warn("$database/$input_name has depriciated lookup definition, removing it...");
359                            delete( $input->{lookup} );
360                    }
361    
362                    my $lookup_coderef;
363    
364                    if (@lookups) {
365    
366                            my $rules = $parser->lookup_create_rules($database, $input) || $log->logdie("no rules found for $database/$input");
367    
368                            $lookup_coderef = sub {
369                                    my $rec = shift || die "need rec!";
370                                    my $mfn = $rec->{'000'}->[0] || die "need mfn in 000";
371    
372                                    WebPAC::Normalize::data_structure(
373                                            row => $rec,
374                                            rules => $rules,
375                                            config => create_ds_config( $db_config, $database, $input, $mfn ),
376                                    );
377    
378                                    #warn "current lookup: ", dump(WebPAC::Normalize::_get_lookup());
379                            };
380    
381                            WebPAC::Normalize::_set_lookup( undef );
382    
383                            $log->debug("created lookup_coderef using:\n$rules");
384    
385                    };
386    
387                    my $lookup_jar;
388    
389                  my $maxmfn = $input_db->open(                  my $maxmfn = $input_db->open(
390                          path => $input->{path},                          path => $input->{path},
391                          code_page => $input->{encoding},        # database encoding                          code_page => $input->{encoding},        # database encoding
392                            lookup_coderef => $lookup_coderef,
393                            lookup => $lookup_jar,
394                          %{ $input },                          %{ $input },
395                            load_row => sub {
396                                    my $a = shift;
397                                    return $store->load_row(
398                                            database => $database,
399                                            input => $input_name,
400                                            id => $a->{id},
401                                    );
402                            },
403                            save_row => sub {
404                                    my $a = shift;
405                                    return $store->save_row(
406                                            database => $database,
407                                            input => $input_name,
408                                            id => $a->{id},
409                                            row => $a->{row},
410                                    );
411                            },
412    
413                  );                  );
414    
415                    my $lookup_data = WebPAC::Normalize::_get_lookup();
416    
417                    if (defined( $lookup_data->{$database}->{$input_name} )) {
418                            $log->debug("created following lookups: ", sub { dump( $lookup_data ) } );
419    
420                            foreach my $key (keys %{ $lookup_data->{$database}->{$input_name} }) {
421                                    $store->save_lookup(
422                                            database => $database,
423                                            input => $input_name,
424                                            key => $key,
425                                            data => $lookup_data->{$database}->{$input_name}->{$key},
426                                    );
427                            }
428                    }
429    
430                  my $report_fh;                  my $report_fh;
431                  if ($stats || $validate) {                  if ($stats || $validate) {
432                          my $path = "out/report/" . $database . '-' . $input->{name} . '.txt';                          my $path = "out/report/${database}-${input_name}.txt";
433                          open($report_fh, '>', $path) || $log->logdie("can't open $path: $!");                          open($report_fh, '>', $path) || $log->logdie("can't open $path: $!");
434    
435                          print $report_fh "Report for database '$database' input '$input->{name}' records ",                          print $report_fh "Report for database '$database' input '$input_name' records ",
436                                  $offset || 1, "-", $limit || $input->{limit} || $maxmfn, "\n\n";                                  $offset || 1, "-", $limit || $input->{limit} || $maxmfn, "\n\n";
437                          $log->info("Generating report file $path");                          $log->info("Generating report file $path");
438                  }                  }
439    
440                  my @norm_array = ref($input->{normalize}) eq 'ARRAY' ?                  my $marc;
441                          @{ $input->{normalize} } : ( $input->{normalize} );                  if ($marc_generate && $parser->have_rules( 'marc', $database, $input_name )) {
442                            $marc = new WebPAC::Output::MARC(
443                  if ($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},  
444                                  lint => $marc_lint,                                  lint => $marc_lint,
445                                  dump => $marc_dump,                                  dump => $marc_dump,
446                          ) if ($normalize->{output});                          );
447                    }
                         # 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];  
448    
449                                  if (! $mfn || $mfn !~ m#^\d+$#) {                  my $rules = $parser->normalize_rules($database,$input_name) || $log->logdie("no normalize rules found for $database/$input_name");
450                                          $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;  
                                 }  
451    
452                    # reset position in database
453                    $input_db->seek(1);
454    
455                                  if ($validate) {                  # generate name of config key for indexer (strip everything after -)
456                                          if ( my $errors = $validate->validate_errors( $row, $input_db->dump ) ) {                  my $indexer_config = $use_indexer;
457                                                  $log->error( "MFN $mfn validation error:\n",                  $indexer_config =~ s/^(\w+)-?.*$/$1/g if ($indexer_config);
458                                                          $validate->report_error( $errors )  
459                    my $lookup_hash;
460                    my $depends = $parser->depends($database,$input_name);
461            
462                    if ($depends) {
463                            $log->debug("$database/$input_name depends on: ", dump($depends)) if ($depends);
464                            $log->logdie("parser->depends didn't return HASH") unless (ref($depends) eq 'HASH');
465    
466                            foreach my $db (keys %$depends) {
467                                    foreach my $i (keys %{$depends->{$db}}) {
468                                            foreach my $k (keys %{$depends->{$db}->{$i}}) {
469                                                    my $t = time();
470                                                    $log->debug("loading lookup $db/$i");
471                                                    $lookup_hash->{$db}->{$i}->{$k} = $store->load_lookup(
472                                                            database => $db,
473                                                            input => $i,
474                                                            key => $k,
475                                                  );                                                  );
476                                                    $log->debug(sprintf("lookup $db/$i took %.2fs", time() - $t));
477                                          }                                          }
478                                  }                                  }
479                            }
480    
481                                  my $ds_config = dclone($db_config);                          $log->debug("lookup_hash = ", sub { dump( $lookup_hash ) });
482                    }
                                 # default values -> database key  
                                 $ds_config->{_} = $database;  
483    
                                 # current mfn  
                                 $ds_config->{_mfn} = $mfn;  
484    
485                                  # attach current input                  foreach my $pos ( 0 ... $input_db->size ) {
                                 $ds_config->{input} = $input;  
486    
487                                  my $ds = WebPAC::Normalize::data_structure(                          my $row = $input_db->fetch || next;
                                         row => $row,  
                                         rules => $rules,  
                                         lookup => $lookup ? $lookup->lookup_hash : undef,  
                                         config => $ds_config,  
                                         marc_encoding => 'utf-8',  
                                 );  
488    
489                                  $db->save_ds(                          $total_rows++;
                                         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++;  
                                         }  
490    
491                                          $log->info("Created $i instances of MFN $mfn\n") if ($i > 1);                          my $mfn = $row->{'000'}->[0];
                                 }  
492    
493                                  $total_rows++;                          if (! $mfn || $mfn !~ m#^\d+$#) {
494                                    $log->warn("record $pos doesn't have valid MFN but '$mfn', using $pos");
495                                    $mfn = $pos;
496                                    push @{ $row->{'000'} }, $pos;
497                          }                          }
498    
499    
500                          if ($validate) {                          if ($validate) {
501                                  my $errors = $validate->report;                                  if ( my $errors = $validate->validate_rec( $row, $input_db->dump_ascii ) ) {
502                                  if ($errors) {                                          $log->error( "MFN $mfn validation error:\n",
503                                          $log->info("validation errors:\n$errors\n" );                                                  $validate->report_error( $errors )
504                                          print $report_fh "$errors\n" if ($report_fh);                                          );
505                                  }                                  }
506                                    next;   # validation doesn't create any output
507                          }                          }
508    
509                          if ($stats) {                          my $ds = WebPAC::Normalize::data_structure(
510                                  my $s = $input_db->stats;                                  row => $row,
511                                  $log->info("statistics of fields usage:\n$s");                                  rules => $rules,
512                                  print $report_fh "Statistics of fields usage:\n$s" if ($report_fh);                                  lookup => $lookup_hash,
513                                    config => create_ds_config( $db_config, $database, $input, $mfn ),
514                                    marc_encoding => 'utf-8',
515                                    load_row_coderef => sub {
516                                            my ($database,$input,$mfn) = @_;
517                                            return $store->load_row(
518                                                    database => $database,
519                                                    input => $input,
520                                                    id => $mfn,
521                                            );
522                                    },
523                            );
524    
525                            $log->debug("ds = ", sub { dump($ds) }) if ($ds);
526    
527                            $store->save_ds(
528                                    database => $database,
529                                    input => $input_name,
530                                    id => $mfn,
531                                    ds => $ds,
532                            ) if ($ds && !$stats);
533    
534                            $indexer->add(
535                                    id => "${input_name}/${mfn}",
536                                    ds => $ds,
537                                    type => $config->get($indexer_config)->{type},
538                            ) if ($indexer && $ds);
539    
540                            if ($marc) {
541                                    my $i = 0;
542    
543                                    while (my $fields = WebPAC::Normalize::_get_marc_fields( fetch_next => 1 ) ) {
544                                            $marc->add(
545                                                    id => $mfn . ( $i ? "/$i" : '' ),
546                                                    fields => $fields,
547                                                    leader => WebPAC::Normalize::_get_marc_leader(),
548                                                    row => $row,
549                                            );
550                                            $i++;
551                                    }
552    
553                                    $log->info("Created $i instances of MFN $mfn\n") if ($i > 1);
554                          }                          }
555                    }
556    
557                          # close MARC file                  if ($validate) {
558                          $marc->finish if ($marc);                          my $errors = $validate->report;
559                            if ($errors) {
560                                    $log->info("validation errors:\n$errors\n" );
561                                    print $report_fh "$errors\n" if ($report_fh);
562                            }
563                    }
564    
565                          # close report                  if ($stats) {
566                          close($report_fh) if ($report_fh)                          my $s = $input_db->stats;
567                            $log->info("statistics of fields usage:\n$s");
568                            print $report_fh "Statistics of fields usage:\n$s" if ($report_fh);
569                  }                  }
570    
571                    # close MARC file
572                    $marc->finish if ($marc);
573    
574                    # close report
575                    close($report_fh) if ($report_fh)
576    
577          }          }
578    
579          eval { $indexer->finish } if ($indexer && $indexer->can('finish'));          eval { $indexer->finish } if ($indexer && $indexer->can('finish'));
Legend:
Removed from v.684  
changed lines
  Added in v.814
  ViewVC Help
Powered by ViewVC 1.1.26