/[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 736 by dpavlin, Thu Oct 5 12:57:51 2006 UTC revision 921 by dpavlin, Tue Oct 30 23:32:58 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 0.11;  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 0.06;  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 {  } elsif ( $use_indexer ) {
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 228  while (my ($database, $db_config) = each Line 244  while (my ($database, $db_config) = each
244                  if ($use_indexer eq 'hyperestraier') {                  if ($use_indexer eq 'hyperestraier') {
245    
246                          # open Hyper Estraier database                          # open Hyper Estraier database
247                          use WebPAC::Output::Estraier '0.10';                          require WebPAC::Output::Estraier;
248                          $indexer = new WebPAC::Output::Estraier( %{ $indexer_config } );                          $indexer = new WebPAC::Output::Estraier( %{ $indexer_config } );
249                                    
250                  } elsif ($use_indexer eq 'hyperestraier-native') {                  } elsif ($use_indexer eq 'hyperestraier-native') {
251    
252                          # open Hyper Estraier database                          # open Hyper Estraier database
253                          use WebPAC::Output::EstraierNative;                          require WebPAC::Output::EstraierNative;
254                          $indexer = new WebPAC::Output::EstraierNative( %{ $indexer_config } );                          $indexer = new WebPAC::Output::EstraierNative( %{ $indexer_config } );
255    
256                  } elsif ($use_indexer eq 'kinosearch') {                  } elsif ($use_indexer eq 'kinosearch') {
257    
258                          # 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 } );  
259    
260                  } else {                  } else {
261                          $log->logdie("unknown use_indexer: $use_indexer");                          $log->logdie("unknown use_indexer: $use_indexer");
262                  }                  }
263    
264                  $log->logide("can't continue without valid indexer") unless ($indexer);                  $log->logdie("can't continue without valid indexer") unless ($indexer);
265          }          }
266    
267    
# Line 282  while (my ($database, $db_config) = each Line 295  while (my ($database, $db_config) = each
295          #          #
296          # now WebPAC::Store          # now WebPAC::Store
297          #          #
298          my $abs_path = abs_path($0);          my $store = new WebPAC::Store({
299          $abs_path =~ s#/[^/]*$#/#;                  debug => $debug,
300            });
         my $db_path = $config->webpac('db_path');  
301    
302          if ($clean) {          sub iterate_over {
303                  $log->info("creating new database '$database' in $db_path");                  my ( $what, $error ) = @_;
304                  rmtree( $db_path ) || $log->warn("can't remove $db_path: $!");                  my @result;
305          } else {                  if ( ref( $what ) eq 'ARRAY' ) {
306                  $log->info("working on database '$database' in $db_path");                          @result = @{ $what };
307                    } elsif ($db_config->{input}) {
308                            @result =  ( $what );
309                    } else {
310                            $error->() if ref($error) eq 'CODE';
311                    }
312                    return @result;
313          }          }
314    
315          my $store = new WebPAC::Store(          #
316                  path => $db_path,          # prepare output
317                  debug => $debug,          #
318          );          my @outputs = iterate_over( $db_config->{output}, sub {
319                    $log->error("Database $database doesn't have any outputs defined. Do you want to remove it from configuration?" );
320            } );
321    
322            my @output_modules;
323    
324            foreach my $output ( @outputs ) {
325    
326    warn '## output = ',dump( $output );
327    
328                    my $module = $output->{module} || $log->logdie("need module in output section of $database");
329                    $module = 'WebPAC::Output::' . $module unless $module =~ m/::/;
330            
331                    $log->debug("loading output module $module");
332                    eval "require $module";
333            
334                    $output->{database} = $database;
335    
336                    $log->debug("calling $module->new(",dump( $output ),")");
337                    my $out = new $module->new( $output );
338                    $out->init;
339    
340                    push @output_modules, $out;
341            }
342    
343    
344          #          #
345          # now, iterate through input formats          # now, iterate through input formats
346          #          #
347    
348          my @inputs;  
349          if (ref($db_config->{input}) eq 'ARRAY') {          my @inputs = iterate_over( $db_config->{input}, sub {
                 @inputs = @{ $db_config->{input} };  
         } elsif ($db_config->{input}) {  
                 push @inputs, $db_config->{input};  
         } else {  
350                  $log->info("database $database doesn't have inputs defined");                  $log->info("database $database doesn't have inputs defined");
351          }          } );
352    
353          foreach my $input (@inputs) {          foreach my $input (@inputs) {
354    
# Line 346  while (my ($database, $db_config) = each Line 383  while (my ($database, $db_config) = each
383                          stats => $stats,                          stats => $stats,
384                          modify_records => $input->{modify_records},                          modify_records => $input->{modify_records},
385                          modify_file => $input->{modify_file},                          modify_file => $input->{modify_file},
386                            input_config => $input,
387                  );                  );
388                  $log->logdie("can't create input using $input_module") unless ($input);                  $log->logdie("can't create input using $input_module") unless ($input);
389    
# Line 364  while (my ($database, $db_config) = each Line 402  while (my ($database, $db_config) = each
402                                  my $rec = shift || die "need rec!";                                  my $rec = shift || die "need rec!";
403                                  my $mfn = $rec->{'000'}->[0] || die "need mfn in 000";                                  my $mfn = $rec->{'000'}->[0] || die "need mfn in 000";
404    
                                 $store->save_row(  
                                         database => $database,  
                                         input => $input_name,  
                                         id => $mfn,  
                                         row => $rec,  
                                 );  
   
405                                  WebPAC::Normalize::data_structure(                                  WebPAC::Normalize::data_structure(
406                                          row => $rec,                                          row => $rec,
407                                          rules => $rules,                                          rules => $rules,
# Line 394  while (my ($database, $db_config) = each Line 425  while (my ($database, $db_config) = each
425                          lookup_coderef => $lookup_coderef,                          lookup_coderef => $lookup_coderef,
426                          lookup => $lookup_jar,                          lookup => $lookup_jar,
427                          %{ $input },                          %{ $input },
428                            load_row => sub {
429                                    my $a = shift;
430                                    return $store->load_row(
431                                            database => $database,
432                                            input => $input_name,
433                                            id => $a->{id},
434                                    );
435                            },
436                            save_row => sub {
437                                    my $a = shift;
438                                    return $store->save_row(
439                                            database => $database,
440                                            input => $input_name,
441                                            id => $a->{id},
442                                            row => $a->{row},
443                                    );
444                            },
445    
446                  );                  );
447    
448                  my $lookup_data = WebPAC::Normalize::_get_lookup();                  my $lookup_data = WebPAC::Normalize::_get_lookup();
449    
450                  if (defined( $lookup_data->{$database}->{$input_name} )) {                  if (defined( $lookup_data->{$database}->{$input_name} )) {
451                          $log->debug("created following lookups: ", dump( $lookup_data ));                          $log->debug("created following lookups: ", sub { dump( $lookup_data ) } );
452    
453                          foreach my $key (keys %{ $lookup_data->{$database}->{$input_name} }) {                          foreach my $key (keys %{ $lookup_data->{$database}->{$input_name} }) {
454                                  $store->save_lookup(                                  $store->save_lookup(
# Line 419  while (my ($database, $db_config) = each Line 468  while (my ($database, $db_config) = each
468                          print $report_fh "Report for database '$database' input '$input_name' records ",                          print $report_fh "Report for database '$database' input '$input_name' records ",
469                                  $offset || 1, "-", $limit || $input->{limit} || $maxmfn, "\n\n";                                  $offset || 1, "-", $limit || $input->{limit} || $maxmfn, "\n\n";
470                          $log->info("Generating report file $path");                          $log->info("Generating report file $path");
471    
472                            if ( $validate ) {
473                                    $validate->read_validate_file( $validate->fill_in( $validate_path, database => $database, input => $input_name ) ) if ( $validate_path );
474                                    $validate->read_validate_delimiters_file( $validate->fill_in( $validate_delimiters_path, database => $database, input => $input_name ) ) if ( $validate_delimiters_path );
475                            }
476                  }                  }
477    
478                  my $marc;                  my $marc;
479                  if ($marc_normalize) {                  if ($marc_generate && $parser->have_rules( 'marc', $database, $input_name )) {
480                          $marc = new WebPAC::Output::MARC(                          $marc = new WebPAC::Output::MARC(
481                                  path => $marc_output || "out/marc/${database}-${input_name}.marc",                                  path => "out/marc/${database}-${input_name}.marc",
482                                  lint => $marc_lint,                                  lint => $marc_lint,
483                                  dump => $marc_dump,                                  dump => $marc_dump,
484                          );                          );
# Line 450  while (my ($database, $db_config) = each Line 504  while (my ($database, $db_config) = each
504                          foreach my $db (keys %$depends) {                          foreach my $db (keys %$depends) {
505                                  foreach my $i (keys %{$depends->{$db}}) {                                  foreach my $i (keys %{$depends->{$db}}) {
506                                          foreach my $k (keys %{$depends->{$db}->{$i}}) {                                          foreach my $k (keys %{$depends->{$db}->{$i}}) {
507                                                    my $t = time();
508                                                  $log->debug("loading lookup $db/$i");                                                  $log->debug("loading lookup $db/$i");
509                                                  $lookup_hash->{$db}->{$i}->{$k} = $store->load_lookup(                                                  $lookup_hash->{$db}->{$i}->{$k} = $store->load_lookup(
510                                                          database => $db,                                                          database => $db,
511                                                          input => $i,                                                          input => $i,
512                                                          key => $k,                                                          key => $k,
513                                                  );                                                  );
514                                                    $log->debug(sprintf("lookup $db/$i took %.2fs", time() - $t));
515                                          }                                          }
516                                  }                                  }
517                          }                          }
518    
519                          $log->debug("lookup_hash = ", dump( $lookup_hash ));                          $log->debug("lookup_hash = ", sub { dump( $lookup_hash ) });
520                  }                  }
521    
522    
# Line 468  while (my ($database, $db_config) = each Line 524  while (my ($database, $db_config) = each
524    
525                          my $row = $input_db->fetch || next;                          my $row = $input_db->fetch || next;
526    
527                            $total_rows++;
528    
529                          my $mfn = $row->{'000'}->[0];                          my $mfn = $row->{'000'}->[0];
530    
531                          if (! $mfn || $mfn !~ m#^\d+$#) {                          if (! $mfn || $mfn !~ m{^\d+$}) {
532                                  $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");
533                                  $mfn = $pos;                                  $mfn = $pos;
534                                  push @{ $row->{'000'} }, $pos;                                  push @{ $row->{'000'} }, $pos;
# Line 478  while (my ($database, $db_config) = each Line 536  while (my ($database, $db_config) = each
536    
537    
538                          if ($validate) {                          if ($validate) {
539                                  if ( my $errors = $validate->validate_errors( $row, $input_db->dump ) ) {                                  if ( my $errors = $validate->validate_rec( $row, $input_db->dump_ascii ) ) {
540                                          $log->error( "MFN $mfn validation error:\n",                                          $log->error( "MFN $mfn validation error:\n",
541                                                  $validate->report_error( $errors )                                                  $validate->report_error( $errors )
542                                          );                                          );
543                                  }                                  }
544                                    next;   # validation doesn't create any output
545                          }                          }
546    
547                          my $ds = WebPAC::Normalize::data_structure(                          my $ds = WebPAC::Normalize::data_structure(
# Line 501  while (my ($database, $db_config) = each Line 560  while (my ($database, $db_config) = each
560                                  },                                  },
561                          );                          );
562    
563                          $log->debug("ds = ",dump($ds));                          $log->debug("ds = ", sub { dump($ds) }) if ($ds);
564    
565                          $store->save_ds(                          $store->save_ds(
566                                  database => $database,                                  database => $database,
# Line 523  while (my ($database, $db_config) = each Line 582  while (my ($database, $db_config) = each
582                                          $marc->add(                                          $marc->add(
583                                                  id => $mfn . ( $i ? "/$i" : '' ),                                                  id => $mfn . ( $i ? "/$i" : '' ),
584                                                  fields => $fields,                                                  fields => $fields,
585                                                  leader => WebPAC::Normalize::marc_leader(),                                                  leader => WebPAC::Normalize::_get_marc_leader(),
586                                                  row => $row,                                                  row => $row,
587                                          );                                          );
588                                          $i++;                                          $i++;
# Line 532  while (my ($database, $db_config) = each Line 591  while (my ($database, $db_config) = each
591                                  $log->info("Created $i instances of MFN $mfn\n") if ($i > 1);                                  $log->info("Created $i instances of MFN $mfn\n") if ($i > 1);
592                          }                          }
593    
594                          $total_rows++;                          foreach my $out ( @output_modules ) {
595                                    $out->add( $mfn, $ds ) if $out->can('add');
596                            }
597    
598                  }                  }
599    
600                  if ($validate) {                  if ($validate) {
# Line 541  while (my ($database, $db_config) = each Line 603  while (my ($database, $db_config) = each
603                                  $log->info("validation errors:\n$errors\n" );                                  $log->info("validation errors:\n$errors\n" );
604                                  print $report_fh "$errors\n" if ($report_fh);                                  print $report_fh "$errors\n" if ($report_fh);
605                          }                          }
606    
607                            print $report_fh "\nAll possible subfields/delimiter templates:\n", $validate->delimiters_templates( report => 1, current_input => 1 ), "\n\n";
608    
609                            # must be last thing that touches $validate for this input
610                            $validate->reset;
611                  }                  }
612    
613                  if ($stats) {                  if ($stats) {
# Line 553  while (my ($database, $db_config) = each Line 620  while (my ($database, $db_config) = each
620                  $marc->finish if ($marc);                  $marc->finish if ($marc);
621    
622                  # close report                  # close report
623                  close($report_fh) if ($report_fh)                  close($report_fh) if ($report_fh);
   
624          }          }
625    
626          eval { $indexer->finish } if ($indexer && $indexer->can('finish'));          eval { $indexer->finish } if ($indexer && $indexer->can('finish'));
627    
628            foreach my $out ( @output_modules ) {
629                    $out->finish if $out->can('finish');
630            }
631    
632          my $dt = time() - $start_t;          my $dt = time() - $start_t;
633          $log->info("$total_rows records ", $indexer ? "indexed " : "",          $log->info("$total_rows records ", $indexer ? "indexed " : "",
634                  sprintf("in %.2f sec [%.2f rec/sec]",                  sprintf("in %.2f sec [%.2f rec/sec]",
# Line 581  if ($parallel) { Line 651  if ($parallel) {
651          $log->info("all parallel processes finished");          $log->info("all parallel processes finished");
652  }  }
653    
654    # save new delimiters if needed
655    $validate->save_delimiters_templates if ( $validate_delimiters_path );
656    
657  #  #
658  # handle links or merge after indexing  # handle links or merge after indexing
659  #  #
Legend:
Removed from v.736  
changed lines
  Added in v.921
  ViewVC Help
Powered by ViewVC 1.1.26