/[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 712 by dpavlin, Tue Sep 26 10:23:04 2006 UTC revision 850 by dpavlin, Sun May 27 10:50:39 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::Parser 0.04;  use WebPAC::Parser 0.08;
11  use WebPAC::Input 0.13;  use WebPAC::Input 0.16;
12  use WebPAC::Store 0.10;  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 0.11;
16  use WebPAC::Output::MARC;  use WebPAC::Output::MARC;
17  use WebPAC::Config;  use WebPAC::Config;
18  use Getopt::Long;  use Getopt::Long;
# Line 21  use Time::HiRes qw/time/; Line 21  use Time::HiRes qw/time/;
21  use File::Slurp;  use File::Slurp;
22  use Data::Dump qw/dump/;  use Data::Dump qw/dump/;
23  use Storable qw/dclone/;  use Storable qw/dclone/;
24    use Pod::Usage qw/pod2usage/;
25    
26  use Proc::Queue size => 1;  use Proc::Queue size => 1;
27  use POSIX ":sys_wait_h"; # imports WNOHANG  use POSIX ":sys_wait_h"; # imports WNOHANG
# Line 31  run.pl - start WebPAC indexing Line 32  run.pl - start WebPAC indexing
32    
33  B<this command will probably go away. Don't get used to it!>  B<this command will probably go away. Don't get used to it!>
34    
35  Options:  =head1 OPTIONS
36    
37  =over 4  =over 4
38    
# Line 67  and subfield usage for each input Line 68  and subfield usage for each input
68    
69  turn on extra validation of imput records, see L<WebPAC::Validation>  turn on extra validation of imput records, see L<WebPAC::Validation>
70    
71  =item --marc-normalize conf/normalize/mapping.pl  =item --validate-delimiters path/to/validate_delimiters_file
72    
73  This option specifies normalisation file for MARC creation  this option is used with C<--validate> to turn on extra validation of
74    delimiters. If file is non existant, it will be created on first run.
75    
76  =item --marc-output out/marc/test.marc  =item --marc-generate
77    
78  Optional path to output file  Generate MARC file. This will automatically be on if file contains C<marc*> directives.
79    You can use this option as C<--no-marc-generate> to disable MARC generation.
80    
81  =item --marc-lint  =item --marc-lint
82    
83  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
84  messages with C<--no-marc-lint>.  messages with C<--no-marc-lint>.
85    
86  =item --marc-dump  =item --marc-dump
# Line 110  my $debug = 0; Line 113  my $debug = 0;
113  my $only_filter;  my $only_filter;
114  my $stats = 0;  my $stats = 0;
115  my $validate_path;  my $validate_path;
116  my ($marc_normalize, $marc_output);  my $validate_delimiters_path;
117    my $marc_generate = 1;
118  my $marc_lint = 1;  my $marc_lint = 1;
119  my $marc_dump = 0;  my $marc_dump = 0;
120  my $parallel = 0;  my $parallel = 0;
121  my $only_links = 0;  my $only_links = 0;
122  my $merge = 0;  my $merge = 0;
123    my $help;
124    
125  my $log = _new WebPAC::Common()->_get_logger();  my $log = _new WebPAC::Common()->_get_logger();
126    
# Line 129  GetOptions( Line 134  GetOptions(
134          "debug+" => \$debug,          "debug+" => \$debug,
135          "stats" => \$stats,          "stats" => \$stats,
136          "validate=s" => \$validate_path,          "validate=s" => \$validate_path,
137          "marc-normalize=s" => \$marc_normalize,          "validate-delimiters=s" => \$validate_delimiters_path,
138          "marc-output=s" => \$marc_output,          "marc-generate!" => \$marc_generate,
139          "marc-lint!" => \$marc_lint,          "marc-lint!" => \$marc_lint,
140          "marc-dump!" => \$marc_dump,          "marc-dump!" => \$marc_dump,
141          "parallel=i" => \$parallel,          "parallel=i" => \$parallel,
142          "only-links!" => \$only_links,          "only-links!" => \$only_links,
143          "merge" => \$merge,          "merge" => \$merge,
144            "help" => \$help,
145  );  );
146    
147    pod2usage(-verbose => 2) if ($help);
148    
149  my $config = new WebPAC::Config( path => $config_path );  my $config = new WebPAC::Config( path => $config_path );
150    
151  #print "config = ",dump($config) if ($debug);  #print "config = ",dump($config) if ($debug);
# Line 146  die "no databases in config file!\n" unl Line 154  die "no databases in config file!\n" unl
154    
155  $log->info( "-" x 79 );  $log->info( "-" x 79 );
156    
157    my $log_file = 'log';
158    
159    if (-e $log_file ) {    # && -s $log_file > 5 * 1024 * 1024) {
160            $log->info("moved old log with ", -s $log_file, " bytes to '${log_file}.old'");
161            rename $log_file, "${log_file}.old" || $log->logwarn("can't rename $log_file to ${log_file}.old: $!");
162    }
163    
164  my $estcmd_fh;  my $estcmd_fh;
165  my $estcmd_path = './estcmd-merge.sh';  my $estcmd_path = './estcmd-merge.sh';
# Line 156  if ($merge) { Line 170  if ($merge) {
170          $log->info("created merge batch file $estcmd_path");          $log->info("created merge batch file $estcmd_path");
171  }  }
172    
   
173  my $validate;  my $validate;
174  $validate = new WebPAC::Validate(  $validate = new WebPAC::Validate(
175          path => $validate_path,          path => $validate_path,
176  ) if ($validate_path);          delimiters => $config->webpac('delimiters'),
177            delimiters_path => $validate_delimiters_path,
178    ) if ($validate_path || $validate_delimiters_path);
179    
180  my $use_indexer = $config->use_indexer;  my $use_indexer = $config->use_indexer;
181    $stats ||= $validate;
182  if ($stats) {  if ($stats) {
183          $log->debug("option --stats disables update of indexing engine...");          $log->debug("disabled indexing for stats collection");
184          $use_indexer = undef;          $use_indexer = undef;
185  } else {  } else {
186          $log->info("using $use_indexer indexing engine...");          $log->info("using $use_indexer indexing engine...");
187  }  }
188    
 # disable indexing when creating marc  
 $use_indexer = undef if ($marc_normalize);  
   
189  # parse normalize files and create source files for lookup and normalization  # parse normalize files and create source files for lookup and normalization
190    
191  my $parser = new WebPAC::Parser( config => $config );  my $parser = new WebPAC::Parser( config => $config );
# Line 212  while (my ($database, $db_config) = each Line 224  while (my ($database, $db_config) = each
224          }          }
225    
226          my $indexer;          my $indexer;
227          if ($use_indexer) {          if ($use_indexer && $parser->have_rules( 'search', $database )) {
228    
229                  my $cfg_name = $use_indexer;                  my $cfg_name = $use_indexer;
230                  $cfg_name =~ s/\-.*$//;                  $cfg_name =~ s/\-.*$//;
# Line 285  while (my ($database, $db_config) = each Line 297  while (my ($database, $db_config) = each
297          my $abs_path = abs_path($0);          my $abs_path = abs_path($0);
298          $abs_path =~ s#/[^/]*$#/#;          $abs_path =~ s#/[^/]*$#/#;
299    
300          my $db_path = $config->get('webpac')->{db_path} . '/' . $database;          my $db_path = $config->webpac('db_path');
301    
302          if ($clean) {          if ($clean) {
303                  $log->info("creating new database '$database' in $db_path");                  $log->info("creating new database '$database' in $db_path");
# Line 296  while (my ($database, $db_config) = each Line 308  while (my ($database, $db_config) = each
308    
309          my $store = new WebPAC::Store(          my $store = new WebPAC::Store(
310                  path => $db_path,                  path => $db_path,
                 database => $database,  
311                  debug => $debug,                  debug => $debug,
312          );          );
313    
# Line 355  while (my ($database, $db_config) = each Line 366  while (my ($database, $db_config) = each
366                          delete( $input->{lookup} );                          delete( $input->{lookup} );
367                  }                  }
368    
                 my $lookup;  
369                  my $lookup_coderef;                  my $lookup_coderef;
370    
371                  if (@lookups) {                  if (@lookups) {
# Line 369  while (my ($database, $db_config) = each Line 379  while (my ($database, $db_config) = each
379                                  WebPAC::Normalize::data_structure(                                  WebPAC::Normalize::data_structure(
380                                          row => $rec,                                          row => $rec,
381                                          rules => $rules,                                          rules => $rules,
                                         lookup => $lookup,  
382                                          config => create_ds_config( $db_config, $database, $input, $mfn ),                                          config => create_ds_config( $db_config, $database, $input, $mfn ),
383                                  );                                  );
384    
385                                  warn "current lookup = ", dump($lookup) if ($lookup);                                  #warn "current lookup: ", dump(WebPAC::Normalize::_get_lookup());
386                          };                          };
387    
388                          WebPAC::Normalize::_set_lookup( undef );                          WebPAC::Normalize::_set_lookup( undef );
# Line 382  while (my ($database, $db_config) = each Line 391  while (my ($database, $db_config) = each
391    
392                  };                  };
393    
394                    my $lookup_jar;
395    
396                  my $maxmfn = $input_db->open(                  my $maxmfn = $input_db->open(
397                          path => $input->{path},                          path => $input->{path},
398                          code_page => $input->{encoding},        # database encoding                          code_page => $input->{encoding},        # database encoding
399                          lookup_coderef => $lookup_coderef,                          lookup_coderef => $lookup_coderef,
400                            lookup => $lookup_jar,
401                          %{ $input },                          %{ $input },
402                            load_row => sub {
403                                    my $a = shift;
404                                    return $store->load_row(
405                                            database => $database,
406                                            input => $input_name,
407                                            id => $a->{id},
408                                    );
409                            },
410                            save_row => sub {
411                                    my $a = shift;
412                                    return $store->save_row(
413                                            database => $database,
414                                            input => $input_name,
415                                            id => $a->{id},
416                                            row => $a->{row},
417                                    );
418                            },
419    
420                  );                  );
421    
422                  my $lookup_data = WebPAC::Normalize::_get_lookup();                  my $lookup_data = WebPAC::Normalize::_get_lookup();
423    
424                  if (defined( $lookup_data->{$database}->{$input_name} )) {                  if (defined( $lookup_data->{$database}->{$input_name} )) {
425                          $log->debug("created following lookups: ", dump( $lookup_data ));                          $log->debug("created following lookups: ", sub { dump( $lookup_data ) } );
426    
427                          foreach my $key (keys %{ $lookup_data->{$database}->{$input_name} }) {                          foreach my $key (keys %{ $lookup_data->{$database}->{$input_name} }) {
428                                  $store->save_lookup( $database, $input_name, $key, $lookup_data->{$database}->{$input_name}->{$key} );                                  $store->save_lookup(
429                                            database => $database,
430                                            input => $input_name,
431                                            key => $key,
432                                            data => $lookup_data->{$database}->{$input_name}->{$key},
433                                    );
434                          }                          }
435                  }                  }
436    
# Line 409  while (my ($database, $db_config) = each Line 444  while (my ($database, $db_config) = each
444                          $log->info("Generating report file $path");                          $log->info("Generating report file $path");
445                  }                  }
446    
447                  my @norm_array = ref($input->{normalize}) eq 'ARRAY' ?                  my $marc;
448                          @{ $input->{normalize} } : ( $input->{normalize} );                  if ($marc_generate && $parser->have_rules( 'marc', $database, $input_name )) {
449                            $marc = new WebPAC::Output::MARC(
450                  if ($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},  
451                                  lint => $marc_lint,                                  lint => $marc_lint,
452                                  dump => $marc_dump,                                  dump => $marc_dump,
453                          ) if ($normalize->{output});                          );
454                    }
455    
456                    my $rules = $parser->normalize_rules($database,$input_name) || $log->logdie("no normalize rules found for $database/$input_name");
457                    $log->debug("parsed normalize rules:\n$rules");
458    
459                          # reset position in database                  # reset position in database
460                          $input_db->seek(1);                  $input_db->seek(1);
461    
462                          # generate name of config key for indexer (strip everything after -)                  # generate name of config key for indexer (strip everything after -)
463                          my $indexer_config = $use_indexer;                  my $indexer_config = $use_indexer;
464                          $indexer_config =~ s/^(\w+)-?.*$/$1/g if ($indexer_config);                  $indexer_config =~ s/^(\w+)-?.*$/$1/g if ($indexer_config);
465    
466                    my $lookup_hash;
467                    my $depends = $parser->depends($database,$input_name);
468            
469                    if ($depends) {
470                            $log->debug("$database/$input_name depends on: ", dump($depends)) if ($depends);
471                            $log->logdie("parser->depends didn't return HASH") unless (ref($depends) eq 'HASH');
472    
473                            foreach my $db (keys %$depends) {
474                                    foreach my $i (keys %{$depends->{$db}}) {
475                                            foreach my $k (keys %{$depends->{$db}->{$i}}) {
476                                                    my $t = time();
477                                                    $log->debug("loading lookup $db/$i");
478                                                    $lookup_hash->{$db}->{$i}->{$k} = $store->load_lookup(
479                                                            database => $db,
480                                                            input => $i,
481                                                            key => $k,
482                                                    );
483                                                    $log->debug(sprintf("lookup $db/$i took %.2fs", time() - $t));
484                                            }
485                                    }
486                            }
487    
488                          foreach my $pos ( 0 ... $input_db->size ) {                          $log->debug("lookup_hash = ", sub { dump( $lookup_hash ) });
489                    }
490    
                                 my $row = $input_db->fetch || next;  
491    
492                                  my $mfn = $row->{'000'}->[0];                  foreach my $pos ( 0 ... $input_db->size ) {
493    
494                                  if (! $mfn || $mfn !~ m#^\d+$#) {                          my $row = $input_db->fetch || next;
                                         $log->warn("record $pos doesn't have valid MFN but '$mfn', using $pos");  
                                         $mfn = $pos;  
                                         push @{ $row->{'000'} }, $pos;  
                                 }  
495    
496                            $total_rows++;
497    
498                                  if ($validate) {                          my $mfn = $row->{'000'}->[0];
                                         if ( my $errors = $validate->validate_errors( $row, $input_db->dump ) ) {  
                                                 $log->error( "MFN $mfn validation error:\n",  
                                                         $validate->report_error( $errors )  
                                                 );  
                                         }  
                                 }  
499    
500                                  my $ds = WebPAC::Normalize::data_structure(                          if (! $mfn || $mfn !~ m#^\d+$#) {
501                                          row => $row,                                  $log->warn("record $pos doesn't have valid MFN but '$mfn', using $pos");
502                                          rules => $rules,                                  $mfn = $pos;
503                                          lookup => $lookup ? $lookup->lookup_hash : undef,                                  push @{ $row->{'000'} }, $pos;
504                                          config => create_ds_config( $db_config, $database, $input, $mfn ),                          }
                                         marc_encoding => 'utf-8',  
                                 );  
505    
                                 $store->save_ds(  
                                         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++;  
                                         }  
506    
507                                          $log->info("Created $i instances of MFN $mfn\n") if ($i > 1);                          if ($validate) {
508                                    if ( my $errors = $validate->validate_rec( $row, $input_db->dump_ascii ) ) {
509                                            $log->error( "MFN $mfn validation error:\n",
510                                                    $validate->report_error( $errors )
511                                            );
512                                  }                                  }
513                                    next;   # validation doesn't create any output
                                 $total_rows++;  
514                          }                          }
515    
516                          if ($validate) {                          my $ds = WebPAC::Normalize::data_structure(
517                                  my $errors = $validate->report;                                  row => $row,
518                                  if ($errors) {                                  rules => $rules,
519                                          $log->info("validation errors:\n$errors\n" );                                  lookup => $lookup_hash,
520                                          print $report_fh "$errors\n" if ($report_fh);                                  config => create_ds_config( $db_config, $database, $input, $mfn ),
521                                    marc_encoding => 'utf-8',
522                                    load_row_coderef => sub {
523                                            my ($database,$input,$mfn) = @_;
524                                            return $store->load_row(
525                                                    database => $database,
526                                                    input => $input,
527                                                    id => $mfn,
528                                            );
529                                    },
530                            );
531    
532                            $log->debug("ds = ", sub { dump($ds) }) if ($ds);
533    
534                            $store->save_ds(
535                                    database => $database,
536                                    input => $input_name,
537                                    id => $mfn,
538                                    ds => $ds,
539                            ) if ($ds && !$stats);
540    
541                            $indexer->add(
542                                    id => "${input_name}/${mfn}",
543                                    ds => $ds,
544                                    type => $config->get($indexer_config)->{type},
545                            ) if ($indexer && $ds);
546    
547                            if ($marc) {
548                                    my $i = 0;
549    
550                                    while (my $fields = WebPAC::Normalize::_get_marc_fields( fetch_next => 1 ) ) {
551                                            $marc->add(
552                                                    id => $mfn . ( $i ? "/$i" : '' ),
553                                                    fields => $fields,
554                                                    leader => WebPAC::Normalize::_get_marc_leader(),
555                                                    row => $row,
556                                            );
557                                            $i++;
558                                  }                                  }
559    
560                                    $log->info("Created $i instances of MFN $mfn\n") if ($i > 1);
561                          }                          }
562                    }
563    
564                          if ($stats) {                  if ($validate) {
565                                  my $s = $input_db->stats;                          my $errors = $validate->report;
566                                  $log->info("statistics of fields usage:\n$s");                          if ($errors) {
567                                  print $report_fh "Statistics of fields usage:\n$s" if ($report_fh);                                  $log->info("validation errors:\n$errors\n" );
568                                    print $report_fh "$errors\n" if ($report_fh);
569                          }                          }
570    
571                          # close MARC file                          print $report_fh "\nAll possible subfields/delimiter templates:\n", $validate->delimiters_templates( report => 1 ), "\n\n";
572                          $marc->finish if ($marc);                  }
573    
574                          # close report                  if ($stats) {
575                          close($report_fh) if ($report_fh)                          my $s = $input_db->stats;
576                            $log->info("statistics of fields usage:\n$s");
577                            print $report_fh "Statistics of fields usage:\n$s" if ($report_fh);
578                  }                  }
579    
580                    # close MARC file
581                    $marc->finish if ($marc);
582    
583                    # close report
584                    close($report_fh) if ($report_fh);
585    
586                    # reset validate stats
587                    $validate->reset if ( $validate );
588          }          }
589    
590          eval { $indexer->finish } if ($indexer && $indexer->can('finish'));          eval { $indexer->finish } if ($indexer && $indexer->can('finish'));
# Line 549  if ($parallel) { Line 611  if ($parallel) {
611          $log->info("all parallel processes finished");          $log->info("all parallel processes finished");
612  }  }
613    
614    # save new delimiters if needed
615    $validate->save_delimiters_templates if ( $validate );
616    
617  #  #
618  # handle links or merge after indexing  # handle links or merge after indexing
619  #  #
Legend:
Removed from v.712  
changed lines
  Added in v.850
  ViewVC Help
Powered by ViewVC 1.1.26