/[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 857 by dpavlin, Sun May 27 16:49:15 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  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  This option specifies normalisation file for MARC creation  =item --validate-delimiters path/to/validate_delimiters_file
75    
76  =item --marc-output out/marc/test.marc  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  Optional path to output file  =item --marc-generate
80    
81    Generate MARC file. This will automatically be on if file contains C<marc*> directives.
82    You can use this option as C<--no-marc-generate> to disable MARC generation.
83    
84  =item --marc-lint  =item --marc-lint
85    
86  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
87  messages with C<--no-marc-lint>.  messages with C<--no-marc-lint>.
88    
89  =item --marc-dump  =item --marc-dump
# Line 110  my $debug = 0; Line 116  my $debug = 0;
116  my $only_filter;  my $only_filter;
117  my $stats = 0;  my $stats = 0;
118  my $validate_path;  my $validate_path;
119  my ($marc_normalize, $marc_output);  my $validate_delimiters_path;
120    my $marc_generate = 1;
121  my $marc_lint = 1;  my $marc_lint = 1;
122  my $marc_dump = 0;  my $marc_dump = 0;
123  my $parallel = 0;  my $parallel = 0;
124  my $only_links = 0;  my $only_links = 0;
125  my $merge = 0;  my $merge = 0;
126    my $help;
127    
128  my $log = _new WebPAC::Common()->_get_logger();  my $log = _new WebPAC::Common()->_get_logger();
129    
# Line 129  GetOptions( Line 137  GetOptions(
137          "debug+" => \$debug,          "debug+" => \$debug,
138          "stats" => \$stats,          "stats" => \$stats,
139          "validate=s" => \$validate_path,          "validate=s" => \$validate_path,
140          "marc-normalize=s" => \$marc_normalize,          "validate-delimiters=s" => \$validate_delimiters_path,
141          "marc-output=s" => \$marc_output,          "marc-generate!" => \$marc_generate,
142          "marc-lint!" => \$marc_lint,          "marc-lint!" => \$marc_lint,
143          "marc-dump!" => \$marc_dump,          "marc-dump!" => \$marc_dump,
144          "parallel=i" => \$parallel,          "parallel=i" => \$parallel,
145          "only-links!" => \$only_links,          "only-links!" => \$only_links,
146          "merge" => \$merge,          "merge" => \$merge,
147            "help" => \$help,
148  );  );
149    
150    $marc_generate = 0 if ( $validate_delimiters_path );
151    
152    pod2usage(-verbose => 2) if ($help);
153    
154  my $config = new WebPAC::Config( path => $config_path );  my $config = new WebPAC::Config( path => $config_path );
155    
156  #print "config = ",dump($config) if ($debug);  #print "config = ",dump($config) if ($debug);
# Line 146  die "no databases in config file!\n" unl Line 159  die "no databases in config file!\n" unl
159    
160  $log->info( "-" x 79 );  $log->info( "-" x 79 );
161    
162    my $log_file = 'log';
163    
164    if (-e $log_file ) {    # && -s $log_file > 5 * 1024 * 1024) {
165            $log->info("moved old log with ", -s $log_file, " bytes to '${log_file}.old'");
166            rename $log_file, "${log_file}.old" || $log->logwarn("can't rename $log_file to ${log_file}.old: $!");
167    }
168    
169  my $estcmd_fh;  my $estcmd_fh;
170  my $estcmd_path = './estcmd-merge.sh';  my $estcmd_path = './estcmd-merge.sh';
# Line 156  if ($merge) { Line 175  if ($merge) {
175          $log->info("created merge batch file $estcmd_path");          $log->info("created merge batch file $estcmd_path");
176  }  }
177    
   
178  my $validate;  my $validate;
179  $validate = new WebPAC::Validate(  $validate = new WebPAC::Validate(
180          path => $validate_path,          delimiters => $config->webpac('delimiters'),
181  ) if ($validate_path);  ) if ($validate_path || $validate_delimiters_path);
   
182    
183  my $use_indexer = $config->use_indexer;  my $use_indexer = $config->use_indexer;
184    $stats ||= $validate;
185  if ($stats) {  if ($stats) {
186          $log->debug("option --stats disables update of indexing engine...");          $log->debug("disabled indexing for stats collection");
187          $use_indexer = undef;          $use_indexer = undef;
188  } else {  } else {
189          $log->info("using $use_indexer indexing engine...");          $log->info("using $use_indexer indexing engine...");
190  }  }
191    
 # disable indexing when creating marc  
 $use_indexer = undef if ($marc_normalize);  
   
192  # parse normalize files and create source files for lookup and normalization  # parse normalize files and create source files for lookup and normalization
193    
194  my $parser = new WebPAC::Parser( config => $config );  my $parser = new WebPAC::Parser( config => $config );
# Line 197  sub create_ds_config { Line 212  sub create_ds_config {
212          return $c;          return $c;
213  }  }
214    
215  while (my ($database, $db_config) = each %{ $config->databases }) {  foreach my $database ( sort keys %{ $config->databases } ) {
216            my $db_config = $config->databases->{$database};
217    
218          my ($only_database,$only_input) = split(m#/#, $only_filter) if ($only_filter);          my ($only_database,$only_input) = split(m#/#, $only_filter) if ($only_filter);
219          next if ($only_database && $database !~ m/$only_database/i);          next if ($only_database && $database !~ m/$only_database/i);
# Line 212  while (my ($database, $db_config) = each Line 228  while (my ($database, $db_config) = each
228          }          }
229    
230          my $indexer;          my $indexer;
231          if ($use_indexer) {          if ($use_indexer && $parser->have_rules( 'search', $database )) {
232    
233                  my $cfg_name = $use_indexer;                  my $cfg_name = $use_indexer;
234                  $cfg_name =~ s/\-.*$//;                  $cfg_name =~ s/\-.*$//;
# Line 285  while (my ($database, $db_config) = each Line 301  while (my ($database, $db_config) = each
301          my $abs_path = abs_path($0);          my $abs_path = abs_path($0);
302          $abs_path =~ s#/[^/]*$#/#;          $abs_path =~ s#/[^/]*$#/#;
303    
304          my $db_path = $config->get('webpac')->{db_path} . '/' . $database;          my $db_path = $config->webpac('db_path');
305    
306          if ($clean) {          if ($clean) {
307                  $log->info("creating new database '$database' in $db_path");                  $log->info("creating new database '$database' in $db_path");
# Line 296  while (my ($database, $db_config) = each Line 312  while (my ($database, $db_config) = each
312    
313          my $store = new WebPAC::Store(          my $store = new WebPAC::Store(
314                  path => $db_path,                  path => $db_path,
                 database => $database,  
315                  debug => $debug,                  debug => $debug,
316          );          );
317    
# Line 355  while (my ($database, $db_config) = each Line 370  while (my ($database, $db_config) = each
370                          delete( $input->{lookup} );                          delete( $input->{lookup} );
371                  }                  }
372    
                 my $lookup;  
373                  my $lookup_coderef;                  my $lookup_coderef;
374    
375                  if (@lookups) {                  if (@lookups) {
# Line 369  while (my ($database, $db_config) = each Line 383  while (my ($database, $db_config) = each
383                                  WebPAC::Normalize::data_structure(                                  WebPAC::Normalize::data_structure(
384                                          row => $rec,                                          row => $rec,
385                                          rules => $rules,                                          rules => $rules,
                                         lookup => $lookup,  
386                                          config => create_ds_config( $db_config, $database, $input, $mfn ),                                          config => create_ds_config( $db_config, $database, $input, $mfn ),
387                                  );                                  );
388    
389                                  warn "current lookup = ", dump($lookup) if ($lookup);                                  #warn "current lookup: ", dump(WebPAC::Normalize::_get_lookup());
390                          };                          };
391    
392                          WebPAC::Normalize::_set_lookup( undef );                          WebPAC::Normalize::_set_lookup( undef );
# Line 382  while (my ($database, $db_config) = each Line 395  while (my ($database, $db_config) = each
395    
396                  };                  };
397    
398                    my $lookup_jar;
399    
400                  my $maxmfn = $input_db->open(                  my $maxmfn = $input_db->open(
401                          path => $input->{path},                          path => $input->{path},
402                          code_page => $input->{encoding},        # database encoding                          code_page => $input->{encoding},        # database encoding
403                          lookup_coderef => $lookup_coderef,                          lookup_coderef => $lookup_coderef,
404                            lookup => $lookup_jar,
405                          %{ $input },                          %{ $input },
406                            load_row => sub {
407                                    my $a = shift;
408                                    return $store->load_row(
409                                            database => $database,
410                                            input => $input_name,
411                                            id => $a->{id},
412                                    );
413                            },
414                            save_row => sub {
415                                    my $a = shift;
416                                    return $store->save_row(
417                                            database => $database,
418                                            input => $input_name,
419                                            id => $a->{id},
420                                            row => $a->{row},
421                                    );
422                            },
423    
424                  );                  );
425    
426                  my $lookup_data = WebPAC::Normalize::_get_lookup();                  my $lookup_data = WebPAC::Normalize::_get_lookup();
427    
428                  if (defined( $lookup_data->{$database}->{$input_name} )) {                  if (defined( $lookup_data->{$database}->{$input_name} )) {
429                          $log->debug("created following lookups: ", dump( $lookup_data ));                          $log->debug("created following lookups: ", sub { dump( $lookup_data ) } );
430    
431                          foreach my $key (keys %{ $lookup_data->{$database}->{$input_name} }) {                          foreach my $key (keys %{ $lookup_data->{$database}->{$input_name} }) {
432                                  $store->save_lookup( $database, $input_name, $key, $lookup_data->{$database}->{$input_name}->{$key} );                                  $store->save_lookup(
433                                            database => $database,
434                                            input => $input_name,
435                                            key => $key,
436                                            data => $lookup_data->{$database}->{$input_name}->{$key},
437                                    );
438                          }                          }
439                  }                  }
440    
# Line 407  while (my ($database, $db_config) = each Line 446  while (my ($database, $db_config) = each
446                          print $report_fh "Report for database '$database' input '$input_name' records ",                          print $report_fh "Report for database '$database' input '$input_name' records ",
447                                  $offset || 1, "-", $limit || $input->{limit} || $maxmfn, "\n\n";                                  $offset || 1, "-", $limit || $input->{limit} || $maxmfn, "\n\n";
448                          $log->info("Generating report file $path");                          $log->info("Generating report file $path");
                 }  
   
                 my @norm_array = ref($input->{normalize}) eq 'ARRAY' ?  
                         @{ $input->{normalize} } : ( $input->{normalize} );  
449    
450                  if ($marc_normalize) {                          if ( $validate ) {
451                          @norm_array = ( {                                  $validate->read_validate_file( $validate->fill_in( $validate_path, database => $database, input => $input_name ) );
452                                  path => $marc_normalize,                                  $validate->read_validate_delimiters_file( $validate->fill_in( $validate_delimiters_path, database => $database, input => $input_name ) );
453                                  output => $marc_output || "out/marc/${database}-${input_name}.marc",                          }
                         } );  
454                  }                  }
455    
456                  foreach my $normalize (@norm_array) {                  my $marc;
457                    if ($marc_generate && $parser->have_rules( 'marc', $database, $input_name )) {
458                          my $normalize_path = $normalize->{path} || $log->logdie("can't find normalize path in config");                          $marc = new WebPAC::Output::MARC(
459                                    path => "out/marc/${database}-${input_name}.marc",
                         $log->logdie("Found '$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},  
460                                  lint => $marc_lint,                                  lint => $marc_lint,
461                                  dump => $marc_dump,                                  dump => $marc_dump,
462                          ) if ($normalize->{output});                          );
463                    }
464    
465                    my $rules = $parser->normalize_rules($database,$input_name) || $log->logdie("no normalize rules found for $database/$input_name");
466                    $log->debug("parsed normalize rules:\n$rules");
467    
468                          # reset position in database                  # reset position in database
469                          $input_db->seek(1);                  $input_db->seek(1);
470    
471                          # generate name of config key for indexer (strip everything after -)                  # generate name of config key for indexer (strip everything after -)
472                          my $indexer_config = $use_indexer;                  my $indexer_config = $use_indexer;
473                          $indexer_config =~ s/^(\w+)-?.*$/$1/g if ($indexer_config);                  $indexer_config =~ s/^(\w+)-?.*$/$1/g if ($indexer_config);
474    
475                    my $lookup_hash;
476                    my $depends = $parser->depends($database,$input_name);
477            
478                    if ($depends) {
479                            $log->debug("$database/$input_name depends on: ", dump($depends)) if ($depends);
480                            $log->logdie("parser->depends didn't return HASH") unless (ref($depends) eq 'HASH');
481    
482                            foreach my $db (keys %$depends) {
483                                    foreach my $i (keys %{$depends->{$db}}) {
484                                            foreach my $k (keys %{$depends->{$db}->{$i}}) {
485                                                    my $t = time();
486                                                    $log->debug("loading lookup $db/$i");
487                                                    $lookup_hash->{$db}->{$i}->{$k} = $store->load_lookup(
488                                                            database => $db,
489                                                            input => $i,
490                                                            key => $k,
491                                                    );
492                                                    $log->debug(sprintf("lookup $db/$i took %.2fs", time() - $t));
493                                            }
494                                    }
495                            }
496    
497                          foreach my $pos ( 0 ... $input_db->size ) {                          $log->debug("lookup_hash = ", sub { dump( $lookup_hash ) });
498                    }
499    
                                 my $row = $input_db->fetch || next;  
500    
501                                  my $mfn = $row->{'000'}->[0];                  foreach my $pos ( 0 ... $input_db->size ) {
502    
503                                  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;  
                                 }  
504    
505                            $total_rows++;
506    
507                                  if ($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 )  
                                                 );  
                                         }  
                                 }  
508    
509                                  my $ds = WebPAC::Normalize::data_structure(                          if (! $mfn || $mfn !~ m#^\d+$#) {
510                                          row => $row,                                  $log->warn("record $pos doesn't have valid MFN but '$mfn', using $pos");
511                                          rules => $rules,                                  $mfn = $pos;
512                                          lookup => $lookup ? $lookup->lookup_hash : undef,                                  push @{ $row->{'000'} }, $pos;
513                                          config => create_ds_config( $db_config, $database, $input, $mfn ),                          }
                                         marc_encoding => 'utf-8',  
                                 );  
514    
                                 $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++;  
                                         }  
515    
516                                          $log->info("Created $i instances of MFN $mfn\n") if ($i > 1);                          if ($validate) {
517                                    if ( my $errors = $validate->validate_rec( $row, $input_db->dump_ascii ) ) {
518                                            $log->error( "MFN $mfn validation error:\n",
519                                                    $validate->report_error( $errors )
520                                            );
521                                  }                                  }
522                                    next;   # validation doesn't create any output
                                 $total_rows++;  
523                          }                          }
524    
525                          if ($validate) {                          my $ds = WebPAC::Normalize::data_structure(
526                                  my $errors = $validate->report;                                  row => $row,
527                                  if ($errors) {                                  rules => $rules,
528                                          $log->info("validation errors:\n$errors\n" );                                  lookup => $lookup_hash,
529                                          print $report_fh "$errors\n" if ($report_fh);                                  config => create_ds_config( $db_config, $database, $input, $mfn ),
530                                    marc_encoding => 'utf-8',
531                                    load_row_coderef => sub {
532                                            my ($database,$input,$mfn) = @_;
533                                            return $store->load_row(
534                                                    database => $database,
535                                                    input => $input,
536                                                    id => $mfn,
537                                            );
538                                    },
539                            );
540    
541                            $log->debug("ds = ", sub { dump($ds) }) if ($ds);
542    
543                            $store->save_ds(
544                                    database => $database,
545                                    input => $input_name,
546                                    id => $mfn,
547                                    ds => $ds,
548                            ) if ($ds && !$stats);
549    
550                            $indexer->add(
551                                    id => "${input_name}/${mfn}",
552                                    ds => $ds,
553                                    type => $config->get($indexer_config)->{type},
554                            ) if ($indexer && $ds);
555    
556                            if ($marc) {
557                                    my $i = 0;
558    
559                                    while (my $fields = WebPAC::Normalize::_get_marc_fields( fetch_next => 1 ) ) {
560                                            $marc->add(
561                                                    id => $mfn . ( $i ? "/$i" : '' ),
562                                                    fields => $fields,
563                                                    leader => WebPAC::Normalize::_get_marc_leader(),
564                                                    row => $row,
565                                            );
566                                            $i++;
567                                  }                                  }
568    
569                                    $log->info("Created $i instances of MFN $mfn\n") if ($i > 1);
570                          }                          }
571                    }
572    
573                          if ($stats) {                  if ($validate) {
574                                  my $s = $input_db->stats;                          my $errors = $validate->report;
575                                  $log->info("statistics of fields usage:\n$s");                          if ($errors) {
576                                  print $report_fh "Statistics of fields usage:\n$s" if ($report_fh);                                  $log->info("validation errors:\n$errors\n" );
577                                    print $report_fh "$errors\n" if ($report_fh);
578                          }                          }
579    
580                          # close MARC file                          print $report_fh "\nAll possible subfields/delimiter templates:\n", $validate->delimiters_templates( report => 1, current_input => 1 ), "\n\n";
581                          $marc->finish if ($marc);  
582                            # must be last thing that touches $validate for this input
583                            $validate->reset;
584                    }
585    
586                          # close report                  if ($stats) {
587                          close($report_fh) if ($report_fh)                          my $s = $input_db->stats;
588                            $log->info("statistics of fields usage:\n$s");
589                            print $report_fh "Statistics of fields usage:\n$s" if ($report_fh);
590                  }                  }
591    
592                    # close MARC file
593                    $marc->finish if ($marc);
594    
595                    # close report
596                    close($report_fh) if ($report_fh);
597          }          }
598    
599          eval { $indexer->finish } if ($indexer && $indexer->can('finish'));          eval { $indexer->finish } if ($indexer && $indexer->can('finish'));
# Line 549  if ($parallel) { Line 620  if ($parallel) {
620          $log->info("all parallel processes finished");          $log->info("all parallel processes finished");
621  }  }
622    
623    # save new delimiters if needed
624    $validate->save_delimiters_templates if ( $validate );
625    
626  #  #
627  # handle links or merge after indexing  # handle links or merge after indexing
628  #  #
Legend:
Removed from v.712  
changed lines
  Added in v.857
  ViewVC Help
Powered by ViewVC 1.1.26