/[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 833 by dpavlin, Wed May 23 20:04:13 2007 UTC revision 1164 by dpavlin, Sat Apr 25 14:46:42 2009 UTC
# Line 9  use lib './lib'; Line 9  use lib './lib';
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 0.16;  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 0.11;  use WebPAC::Validate 0.11;
# Line 22  use File::Slurp; Line 22  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/;  use Pod::Usage qw/pod2usage/;
25    use LWP::Simple;
26    
 use Proc::Queue size => 1;  
27  use POSIX ":sys_wait_h"; # imports WNOHANG  use POSIX ":sys_wait_h"; # imports WNOHANG
28    
29  =head1 NAME  =head1 NAME
# Line 68  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  =item --marc-generate
80    
81  Generate MARC file. This will automatically be on if file contains C<marc*> directives.  Generate MARC file. This will automatically be on if file contains C<marc*> directives.
# Line 95  Create just links Line 103  Create just links
103    
104  Create merged index of databases which have links  Create merged index of databases which have links
105    
106    =item --mirror http://www.example.com
107    
108    Tries to download input path files from mirror URI
109    
110  =back  =back
111    
112  =cut  =cut
# Line 108  my $debug = 0; Line 120  my $debug = 0;
120  my $only_filter;  my $only_filter;
121  my $stats = 0;  my $stats = 0;
122  my $validate_path;  my $validate_path;
123    my $validate_delimiters_path;
124  my $marc_generate = 1;  my $marc_generate = 1;
125  my $marc_lint = 1;  my $marc_lint = 1;
126  my $marc_dump = 0;  my $marc_dump = 0;
127  my $parallel = 0;  my $parallel = 0;
128  my $only_links = 0;  my $only_links = 0;
129  my $merge = 0;  my $merge = 0;
130    my $mirror;
131  my $help;  my $help;
132    
133  my $log = _new WebPAC::Common()->_get_logger();  my $log = _new WebPAC::Common()->_get_logger();
# Line 124  GetOptions( Line 138  GetOptions(
138          "clean" => \$clean,          "clean" => \$clean,
139          "one=s" => \$only_filter,          "one=s" => \$only_filter,
140          "only=s" => \$only_filter,          "only=s" => \$only_filter,
141          "config" => \$config_path,          "config=s" => \$config_path,
142          "debug+" => \$debug,          "debug+" => \$debug,
143          "stats" => \$stats,          "stats" => \$stats,
144          "validate=s" => \$validate_path,          "validate=s" => \$validate_path,
145            "validate-delimiters=s" => \$validate_delimiters_path,
146          "marc-generate!" => \$marc_generate,          "marc-generate!" => \$marc_generate,
147          "marc-lint!" => \$marc_lint,          "marc-lint!" => \$marc_lint,
148          "marc-dump!" => \$marc_dump,          "marc-dump!" => \$marc_dump,
149          "parallel=i" => \$parallel,          "parallel=i" => \$parallel,
150          "only-links!" => \$only_links,          "only-links!" => \$only_links,
151          "merge" => \$merge,          "merge" => \$merge,
152            "mirror=s" => \$mirror,
153          "help" => \$help,          "help" => \$help,
154  );  );
155    
156    $marc_generate = 0 if ( $validate_delimiters_path );
157    
158  pod2usage(-verbose => 2) if ($help);  pod2usage(-verbose => 2) if ($help);
159    
160  my $config = new WebPAC::Config( path => $config_path );  my $config = new WebPAC::Config( path => $config_path );
161    
162    WebPAC::Normalize::_debug( $debug - 1 ) if $debug > 1;
163    
164  #print "config = ",dump($config) if ($debug);  #print "config = ",dump($config) if ($debug);
165    
166  die "no databases in config file!\n" unless ($config->databases);  die "no databases in config file!\n" unless ($config->databases);
# Line 163  if ($merge) { Line 183  if ($merge) {
183          $log->info("created merge batch file $estcmd_path");          $log->info("created merge batch file $estcmd_path");
184  }  }
185    
   
186  my $validate;  my $validate;
187  $validate = new WebPAC::Validate(  $validate = new WebPAC::Validate(
         path => $validate_path,  
188          delimiters => $config->webpac('delimiters'),          delimiters => $config->webpac('delimiters'),
189  ) if ($validate_path);  ) if ($validate_path || $validate_delimiters_path);
   
190    
191  my $use_indexer = $config->use_indexer;  my $use_indexer = $config->use_indexer;
192  $stats ||= $validate;  $stats ||= $validate;
193  if ($stats) {  if ($stats) {
194          $log->debug("disabled indexing for stats collection");          $log->debug("disabled indexing for stats collection");
195          $use_indexer = undef;          $use_indexer = undef;
196  } else {  } elsif ( $use_indexer ) {
197          $log->info("using $use_indexer indexing engine...");          $log->info("using $use_indexer indexing engine...");
198  }  }
199    
200  # parse normalize files and create source files for lookup and normalization  # parse normalize files and create source files for lookup and normalization
201    
202  my $parser = new WebPAC::Parser( config => $config );  my ($only_database,$only_input) = split(m#/#, $only_filter) if $only_filter;
203    
204    my $parser = new WebPAC::Parser(
205            config => $config,
206            only_database => $only_database,
207            only_input => $only_input,
208    );
209    
210  my $total_rows = 0;  my $total_rows = 0;
211  my $start_t = time();  my $start_t = time();
# Line 190  my $start_t = time(); Line 213  my $start_t = time();
213  my @links;  my @links;
214    
215  if ($parallel) {  if ($parallel) {
216            eval 'use Proc::Queue size => 1;';
217            die $@ if $@;
218          $log->info("Using $parallel processes for speedup");          $log->info("Using $parallel processes for speedup");
219          Proc::Queue::size($parallel);          Proc::Queue::size($parallel);
220  }  }
# Line 203  sub create_ds_config { Line 228  sub create_ds_config {
228          return $c;          return $c;
229  }  }
230    
231  while (my ($database, $db_config) = each %{ $config->databases }) {  foreach my $database ( sort keys %{ $config->databases } ) {
232            my $db_config = $config->databases->{$database};
233    
         my ($only_database,$only_input) = split(m#/#, $only_filter) if ($only_filter);  
234          next if ($only_database && $database !~ m/$only_database/i);          next if ($only_database && $database !~ m/$only_database/i);
235    
236          if ($parallel) {          if ($parallel) {
# Line 234  while (my ($database, $db_config) = each Line 259  while (my ($database, $db_config) = each
259                  if ($use_indexer eq 'hyperestraier') {                  if ($use_indexer eq 'hyperestraier') {
260    
261                          # open Hyper Estraier database                          # open Hyper Estraier database
262                          use WebPAC::Output::Estraier '0.10';                          require WebPAC::Output::Estraier;
263                          $indexer = new WebPAC::Output::Estraier( %{ $indexer_config } );                          $indexer = new WebPAC::Output::Estraier( %{ $indexer_config } );
264                                    
265                  } elsif ($use_indexer eq 'hyperestraier-native') {                  } elsif ($use_indexer eq 'hyperestraier-native') {
266    
267                          # open Hyper Estraier database                          # open Hyper Estraier database
268                          use WebPAC::Output::EstraierNative;                          require WebPAC::Output::EstraierNative;
269                          $indexer = new WebPAC::Output::EstraierNative( %{ $indexer_config } );                          $indexer = new WebPAC::Output::EstraierNative( %{ $indexer_config } );
270    
271                  } elsif ($use_indexer eq 'kinosearch') {                  } elsif ($use_indexer eq 'kinosearch') {
272    
273                          # open KinoSearch                          die "no longer supported";
                         use WebPAC::Output::KinoSearch;  
                         $indexer_config->{clean} = 1 unless (-e $indexer_config->{index_path});  
                         $indexer = new WebPAC::Output::KinoSearch( %{ $indexer_config } );  
274    
275                  } else {                  } else {
276                          $log->logdie("unknown use_indexer: $use_indexer");                          $log->logdie("unknown use_indexer: $use_indexer");
277                  }                  }
278    
279                  $log->logide("can't continue without valid indexer") unless ($indexer);                  $log->logdie("can't continue without valid indexer") unless ($indexer);
280          }          }
281    
282    
# Line 288  while (my ($database, $db_config) = each Line 310  while (my ($database, $db_config) = each
310          #          #
311          # now WebPAC::Store          # now WebPAC::Store
312          #          #
313          my $abs_path = abs_path($0);          my $store = new WebPAC::Store({
314          $abs_path =~ s#/[^/]*$#/#;                  debug => $debug,
315            });
316    
         my $db_path = $config->webpac('db_path');  
317    
318          if ($clean) {          #
319                  $log->info("creating new database '$database' in $db_path");          # prepare output
320                  rmtree( $db_path ) || $log->warn("can't remove $db_path: $!");          #
321          } else {          my @outputs = force_array( $db_config->{output}, sub {
322                  $log->info("working on database '$database' in $db_path");                  $log->error("Database $database doesn't have any outputs defined. Do you want to remove it from configuration?" );
323          }          } );
324    
325          my $store = new WebPAC::Store(          my @output_modules;
326                  path => $db_path,  
327                  debug => $debug,          foreach my $output ( @outputs ) {
328          );  
329    #warn '## output = ',dump( $output );
330    
331                    my $module = $output->{module} || $log->logdie("need module in output section of $database");
332                    $module = 'WebPAC::Output::' . $module unless $module =~ m/::/;
333            
334                    $log->debug("loading output module $module");
335                    eval "require $module";
336    
337                    # add database to arugemnts for output filter
338                    $output->{database} = $database;
339                    $output->{clean} = $clean;
340    
341                    $log->debug("calling $module->new(",dump( $output ),")");
342                    my $out = new $module->new( $output );
343                    if ( $out->init ) {
344                            push @output_modules, $out;
345                    } else {
346                            $log->warn("SKIPPED $module");
347                    }
348            }
349    
350    
351          #          #
352          # now, iterate through input formats          # now, iterate through input formats
353          #          #
354    
355          my @inputs;  
356          if (ref($db_config->{input}) eq 'ARRAY') {          my @inputs = force_array( $db_config->{input}, sub {
                 @inputs = @{ $db_config->{input} };  
         } elsif ($db_config->{input}) {  
                 push @inputs, $db_config->{input};  
         } else {  
357                  $log->info("database $database doesn't have inputs defined");                  $log->info("database $database doesn't have inputs defined");
358          }          } );
359    
360            if ( -e 'out/debug' ) { # FIXME flag?
361                    my $out;
362                    foreach my $i ( @inputs ) {
363                            warn dump( $i );
364                            next unless defined $i->{normalize};
365                            warn dump( $i->{normalize} );
366                            foreach my $normalize ( @{ $i->{normalize} } ) {
367                                    my $path = $normalize->{path};
368                                    $out .= qq/\n##\n## $path\n##\n\n/;
369                                    $out .= read_file( $path );
370                            }
371                    }
372                    my $all = "out/debug/all-normalize.pl";
373                    write_file( $all, $out );
374                    warn "### all normalize for this input saved to: $all";
375            };
376    
377          foreach my $input (@inputs) {          foreach my $input (@inputs) {
378    
379                  my $input_name = $input->{name} || $log->logdie("input without a name isn't valid: ",dump($input));                  my $input_name = $input->{name} || $log->logdie("input without a name isn't valid: ",dump($input));
380    
381                    if ( $input->{skip} ) {
382                            $log->info("skip $input_name");
383                            next;
384                    }
385    
386                  next if ($only_input && ($input_name !~ m#$only_input#i && $input->{type} !~ m#$only_input#i));                  next if ($only_input && ($input_name !~ m#$only_input#i && $input->{type} !~ m#$only_input#i));
387    
388                  my $type = lc($input->{type});                  my $type = lc($input->{type});
389    
390                  die "I know only how to handle input types ", join(",", $config->webpac('inputs') ), " not '$type'!\n" unless (grep(/$type/, $config->webpac('inputs')));                  # FIXME check if input module exists
391                    my $input_module = $input->{module};
392    
393                  my $input_module = $config->webpac('inputs')->{$type};                  if ( ! $input_module ) {
394                            if ( grep(/$type/, $config->webpac('inputs')) ) {
395                                    $input_module = $config->webpac('inputs')->{$type};
396                            } else {
397                                    $log->logdie("I know only how to handle input types ", join(",", $config->webpac('inputs') ), " not '$type'!" );
398                            }
399                    }
400    
401                  my @lookups = $parser->have_lookup_create($database, $input);                  my @lookups = $parser->have_lookup_create($database, $input);
402    
403                  $log->info("working on input '$input_name' in $input->{path} [type: $input->{type}] using $input_module",                  $log->info("working on $database/$input_name with $input_module on $input->{path}",
404                          @lookups ? " creating lookups: ".join(", ", @lookups) : ""                          @lookups ? " creating lookups: ".join(", ", @lookups) : ""
405                  );                  );
406    
# Line 343  while (my ($database, $db_config) = each Line 410  while (my ($database, $db_config) = each
410                          delete($input->{modify_file});                          delete($input->{modify_file});
411                  }                  }
412    
413                    if ( $mirror ) {
414                            my $path = $input->{path} || die "no input path in ",dump( $input );
415                            $log->info( "mirror ", $path, " ", -s $path, " bytes" );
416    
417                            $log->warn( "$path not modified" )
418                                    if mirror( "$mirror/$path", $path ) == RC_NOT_MODIFIED;
419                    }
420    
421                  my $input_db = new WebPAC::Input(                  my $input_db = new WebPAC::Input(
422                          module => $input_module,                          module => $input_module,
                         encoding => $config->webpac('webpac_encoding'),  
423                          limit => $limit || $input->{limit},                          limit => $limit || $input->{limit},
424                          offset => $offset,                          offset => $offset,
425                          recode => $input->{recode},                          recode => $input->{recode},
426                          stats => $stats,                          stats => $stats,
427                          modify_records => $input->{modify_records},                          modify_records => $input->{modify_records},
428                          modify_file => $input->{modify_file},                          modify_file => $input->{modify_file},
429                            input_config => $input,
430                  );                  );
431                  $log->logdie("can't create input using $input_module") unless ($input);                  $log->logdie("can't create input using $input_module") unless ($input);
432    
# Line 389  while (my ($database, $db_config) = each Line 464  while (my ($database, $db_config) = each
464    
465                  my $maxmfn = $input_db->open(                  my $maxmfn = $input_db->open(
466                          path => $input->{path},                          path => $input->{path},
467                          code_page => $input->{encoding},        # database encoding                          input_encoding => $input->{encoding},   # database encoding
468                          lookup_coderef => $lookup_coderef,                          lookup_coderef => $lookup_coderef,
469                          lookup => $lookup_jar,                          lookup => $lookup_jar,
470                          %{ $input },                          %{ $input },
# Line 436  while (my ($database, $db_config) = each Line 511  while (my ($database, $db_config) = each
511                          print $report_fh "Report for database '$database' input '$input_name' records ",                          print $report_fh "Report for database '$database' input '$input_name' records ",
512                                  $offset || 1, "-", $limit || $input->{limit} || $maxmfn, "\n\n";                                  $offset || 1, "-", $limit || $input->{limit} || $maxmfn, "\n\n";
513                          $log->info("Generating report file $path");                          $log->info("Generating report file $path");
514    
515                            if ( $validate ) {
516                                    $validate->read_validate_file( $validate->fill_in( $validate_path, database => $database, input => $input_name ) ) if ( $validate_path );
517                                    $validate->read_validate_delimiters_file( $validate->fill_in( $validate_delimiters_path, database => $database, input => $input_name ) ) if ( $validate_delimiters_path );
518                            }
519                  }                  }
520    
521                  my $marc;                  my $marc;
# Line 447  while (my ($database, $db_config) = each Line 527  while (my ($database, $db_config) = each
527                          );                          );
528                  }                  }
529    
530                  my $rules = $parser->normalize_rules($database,$input_name) || $log->logdie("no normalize rules found for $database/$input_name");                  my $rules = $parser->normalize_rules($database,$input_name);
531                    $log->logwarn("no normalize rules for $database/$input_name") unless $rules;
532    
533                  $log->debug("parsed normalize rules:\n$rules");                  $log->debug("parsed normalize rules:\n$rules");
534    
535                  # reset position in database                  # reset position in database
# Line 483  while (my ($database, $db_config) = each Line 565  while (my ($database, $db_config) = each
565                  }                  }
566    
567    
568                    # setup input name for all output filters
569                    foreach my $out ( @output_modules ) {
570                            if ( $out->can('input') ) {
571                                    $out->input( $input_name );
572                            } else {
573                                    $log->warn("output filter ",ref($out)," doesn't support input name");
574                            }
575                    }
576    
577    
578                  foreach my $pos ( 0 ... $input_db->size ) {                  foreach my $pos ( 0 ... $input_db->size ) {
579    
580                          my $row = $input_db->fetch || next;                          my $row = $input_db->fetch || next;
# Line 491  while (my ($database, $db_config) = each Line 583  while (my ($database, $db_config) = each
583    
584                          my $mfn = $row->{'000'}->[0];                          my $mfn = $row->{'000'}->[0];
585    
586                          if (! $mfn || $mfn !~ m#^\d+$#) {                          if (! $mfn || $mfn !~ m{^\d+$}) {
587                                  $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");
588                                  $mfn = $pos;                                  $mfn = $pos;
589                                  push @{ $row->{'000'} }, $pos;                                  push @{ $row->{'000'} }, $pos;
# Line 507  while (my ($database, $db_config) = each Line 599  while (my ($database, $db_config) = each
599                                  next;   # validation doesn't create any output                                  next;   # validation doesn't create any output
600                          }                          }
601    
602                          my $ds = WebPAC::Normalize::data_structure(                          if ($rules) {
603                                  row => $row,  
604                                  rules => $rules,                                  my $ds = WebPAC::Normalize::data_structure(
605                                  lookup => $lookup_hash,                                          row => $row,
606                                  config => create_ds_config( $db_config, $database, $input, $mfn ),                                          rules => $rules,
607                                  marc_encoding => 'utf-8',                                          lookup => $lookup_hash,
608                                  load_row_coderef => sub {                                          config => create_ds_config( $db_config, $database, $input, $mfn ),
609                                          my ($database,$input,$mfn) = @_;                                          marc_encoding => 'utf-8',
610                                          return $store->load_row(                                          load_row_coderef => sub {
611                                                    my ($database,$input,$mfn) = @_;
612    #warn "### load_row($database,$input,$mfn) from data_structure\n";
613                                                    return $store->load_row(
614                                                            database => $database,
615                                                            input => $input,
616                                                            id => $mfn,
617                                                    );
618                                            },
619                                    );
620    
621                                    $log->debug("ds = ", sub { dump($ds) });
622    
623                                    if ( $ds ) {
624    
625                                            $store->save_ds(
626                                                  database => $database,                                                  database => $database,
627                                                  input => $input,                                                  input => $input_name,
628                                                  id => $mfn,                                                  id => $mfn,
629                                          );                                                  ds => $ds,
630                                  },                                          ) if !$stats;
                         );  
631    
632                          $log->debug("ds = ", sub { dump($ds) }) if ($ds);                                          $indexer->add(
633                                                    id => "${input_name}/${mfn}",
634                                                    ds => $ds,
635                                                    type => $config->get($indexer_config)->{type},
636                                            ) if $indexer;
637    
638                          $store->save_ds(                                          foreach my $out ( @output_modules ) {
639                                  database => $database,                                                  $out->add( $mfn, $ds ) if $out->can('add');
640                                  input => $input_name,                                          }
641                                  id => $mfn,  
642                                  ds => $ds,                                  } else {
643                          ) if ($ds && !$stats);                                          $log->warn("record $pos didn't produce any output after normalization rules!") unless $marc;
644                                    }
645                          $indexer->add(                          }
                                 id => "${input_name}/${mfn}",  
                                 ds => $ds,  
                                 type => $config->get($indexer_config)->{type},  
                         ) if ($indexer && $ds);  
646    
647                          if ($marc) {                          if ($marc) {
648                                  my $i = 0;                                  my $i = 0;
649    
650                                  while (my $fields = WebPAC::Normalize::_get_marc_fields( fetch_next => 1 ) ) {                                  while (my $fields = WebPAC::Normalize::MARC::_get_marc_fields( fetch_next => 1 ) ) {
651                                          $marc->add(                                          $marc->add(
652                                                  id => $mfn . ( $i ? "/$i" : '' ),                                                  id => $mfn . ( $i ? "/$i" : '' ),
653                                                  fields => $fields,                                                  fields => $fields,
654                                                  leader => WebPAC::Normalize::_get_marc_leader(),                                                  leader => WebPAC::Normalize::MARC::_get_marc_leader(),
655                                                  row => $row,                                                  row => $row,
656                                          );                                          );
657                                          $i++;                                          $i++;
# Line 553  while (my ($database, $db_config) = each Line 659  while (my ($database, $db_config) = each
659    
660                                  $log->info("Created $i instances of MFN $mfn\n") if ($i > 1);                                  $log->info("Created $i instances of MFN $mfn\n") if ($i > 1);
661                          }                          }
662    
663                  }                  }
664    
665                  if ($validate) {                  if ($validate) {
# Line 562  while (my ($database, $db_config) = each Line 669  while (my ($database, $db_config) = each
669                                  print $report_fh "$errors\n" if ($report_fh);                                  print $report_fh "$errors\n" if ($report_fh);
670                          }                          }
671    
672                          print $report_fh "\nAll possible subfields/delimiter templates:\n", $validate->delimiters_templates, "\n\n";                          print $report_fh "\nAll possible subfields/delimiter templates:\n", $validate->delimiters_templates( report => 1, current_input => 1 ), "\n\n";
673    
674                            # must be last thing that touches $validate for this input
675                            $validate->reset;
676                  }                  }
677    
678                  if ($stats) {                  if ($stats) {
# Line 575  while (my ($database, $db_config) = each Line 685  while (my ($database, $db_config) = each
685                  $marc->finish if ($marc);                  $marc->finish if ($marc);
686    
687                  # close report                  # close report
688                  close($report_fh) if ($report_fh)                  close($report_fh) if ($report_fh);
   
689          }          }
690    
691          eval { $indexer->finish } if ($indexer && $indexer->can('finish'));          $indexer->finish if $indexer && $indexer->can('finish');
692    
693            foreach my $out ( @output_modules ) {
694                    $out->finish if $out->can('finish');
695            }
696    
697          my $dt = time() - $start_t;          my $dt = time() - $start_t;
698          $log->info("$total_rows records ", $indexer ? "indexed " : "",          $log->info("$total_rows records ", $indexer ? "indexed " : "",
# Line 603  if ($parallel) { Line 716  if ($parallel) {
716          $log->info("all parallel processes finished");          $log->info("all parallel processes finished");
717  }  }
718    
719    # save new delimiters if needed
720    $validate->save_delimiters_templates if ( $validate_delimiters_path );
721    
722  #  #
723  # handle links or merge after indexing  # handle links or merge after indexing
724  #  #
Legend:
Removed from v.833  
changed lines
  Added in v.1164
  ViewVC Help
Powered by ViewVC 1.1.26