/[webpac]/branches/ffzg/all2xml.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 /branches/ffzg/all2xml.pl

Parent Directory Parent Directory | Revision Log Revision Log | View Patch Patch

revision 7 by dpavlin, Sat Jan 11 16:44:03 2003 UTC revision 215 by dpavlin, Sun Feb 1 22:06:00 2004 UTC
# Line 6  use Getopt::Std; Line 6  use Getopt::Std;
6  use Data::Dumper;  use Data::Dumper;
7  use XML::Simple;  use XML::Simple;
8  use Text::Unaccent 1.02;        # 1.01 won't compile on my platform,  use Text::Unaccent 1.02;        # 1.01 won't compile on my platform,
9  require Unicode::Map8;  use Text::Iconv;
10    use Config::IniFiles;
11  my $config=XMLin(undef, forcearray => [ 'isis' ], forcecontent => 1);  use Encode;
12    #use GDBM_File;
13    use Fcntl;      # for O_RDWR
14    use TDB_File;
15    
16    $|=1;
17    
18    my $config_file = $0;
19    $config_file =~ s/\.pl$/.conf/;
20    die "FATAL: can't find configuration file '$config_file'" if (! -e $config_file);
21    
22    my $config;
23    
24    #use index_DBI;         # default DBI module for index
25    use index_DBI_cache;    # faster DBI module using memory cache
26    my $index;
27    
28  my %opts;  my %opts;
29    
# Line 20  my %opts; Line 35  my %opts;
35    
36  getopts('d:m:qs', \%opts);  getopts('d:m:qs', \%opts);
37    
38  my $db_dir = $opts{d} || "ps";  # FIX  my $path;       # this is name of database
39    
40    Text::Iconv->raise_error(0);     # Conversion errors don't raise exceptions
41    
42    # this is encoding of all files on disk, including import_xml/*.xml file and
43    # filter/*.pm files! It will be used to store strings in perl internally!
44    my $codepage = 'ISO-8859-2';
45    
46    my $utf2cp = Text::Iconv->new('UTF-8',$codepage);
47    # this function will convert data from XML files to local encoding
48    sub x {
49            return $utf2cp->convert($_[0]);
50    }
51    
52    # decode isis/excel or other import codepage
53    my $import2cp;
54    
55  #die "usage: $0 -d [database_dir] -m [database1,database2] " if (! %opts);  # outgoing xml must be in UTF-8
56    my $cp2utf = Text::Iconv->new($codepage,'UTF-8');
57    
58  #print Dumper($config->{indexer});  # mapping between data type and tag which specify
59  #print "-" x 70,"\n";  # format in XML file
60    my %type2tag = (
61            'isis' => 'isis',
62            'excel' => 'column',
63            'marc' => 'marc',
64            'feed' => 'feed'
65    );
66    
67  # how to convert isis code page to UTF8?  my $cache;      # for cacheing
 my $isis_map = Unicode::Map8->new($config->{isis_codepage}) || die;  
68    
69  sub isis2xml {  # lookup hash (tied to file)
70    my %lhash;
71    # this option will cache all lookup entries in memory.
72    # if you are tight on memory, turn this off
73    my $use_lhash_cache = 1;
74    
75    my $last_field_name;    # cache to prevent repeated fields
76    
77    sub data2xml {
78    
79            use xmlify;
80    
81            my $type = shift @_;
82          my $row = shift @_;          my $row = shift @_;
83            my $add_xml = shift @_;
84            # needed to read values from configuration file
85            my $cfg = shift @_;
86            my $database = shift @_;
87    
88          my $xml;          my $xml;
         $xml->{db_dir} = [ $db_dir ];   # FIX remove?  
89    
90          sub isis_sf {          use parse_format;
91                  my $row = shift @_;  
92                  my $isis_id = shift @_;          my $html = "";          # html formatted display output
93                  my $subfield = shift @_;  
94                  if ($row->{$isis_id}->[0]) {          my %field_usage;        # counter for usage of each field
95                          my $sf = OpenIsis::subfields($row->{$isis_id}->[0]);  
96                          if (! defined $subfield || length($subfield) == 0) {          # sort subrouting using order="" attribute
97                                  # subfield list undef, empty or no defined subfields for this record          sub by_order {
98                                  my $all_sf = $row->{$isis_id}->[0];                  my $va = $config->{indexer}->{$a}->{order} ||
99                                  $all_sf =~ s/\^./ /g;   nuke definirions                          $config->{indexer}->{$a};
100                                  return $all_sf;                  my $vb = $config->{indexer}->{$b}->{order} ||
101                          } elsif ($sf->{$subfield}) {                          $config->{indexer}->{$b};
102                                  return $sf->{$subfield};  
103                    return $va <=> $vb;
104            }
105    
106            my @sorted_tags;
107            if ($cache->{tags_by_order}) {
108                    @sorted_tags = @{$cache->{tags_by_order}};
109            } else {
110                    @sorted_tags = sort by_order keys %{$config->{indexer}};
111                    $cache->{tags_by_order} = \@sorted_tags;
112            }
113    
114            # lookup key
115            my $lookup_key;
116    
117            # cache for field in pages
118            delete $cache->{display_data};
119            delete $cache->{swish_data};
120            delete $cache->{swish_exact_data};
121            delete $cache->{index_data};
122            delete $cache->{index_delimiter};
123            my @page_fields;        # names of fields
124    
125    
126            # subs used to produce output
127    
128            sub get_field_name($$$) {
129                    my ($config,$field,$field_usage) = @_;
130    
131                    # find field name (signular, plural)
132                    my $field_name = "";
133                    if ($config->{indexer}->{$field}->{name_singular} && $field_usage == 1) {
134                            $field_name = $config->{indexer}->{$field}->{name_singular};
135                    } elsif ($config->{indexer}->{$field}->{name_plural}) {
136                            $field_name = $config->{indexer}->{$field}->{name_plural};
137                    } elsif ($config->{indexer}->{$field}->{name}) {
138                            $field_name = $config->{indexer}->{$field}->{name};
139                    } else {
140                            print STDERR "WARNING: field '$field' doesn't have 'name' attribute!";
141                    }
142                    if ($field_name) {
143                            if (! $last_field_name) {
144                                    $last_field_name = x($field_name);
145                                    return $last_field_name;
146                            } elsif ($field_name ne $last_field_name) {
147                                    $last_field_name = x($field_name);
148                                    return $last_field_name;
149                          }                          }
150                  }                  }
151          }          }
152    
         foreach my $field (keys %{$config->{indexer}}) {  
153    
154            # begin real work: go field by field
155            foreach my $field (@sorted_tags) {
156    
157                    $field=x($field);
158                    $field_usage{$field}++;
159    
160                    my $swish_data = "";
161                    my $swish_exact_data = "";
162                  my $display_data = "";                  my $display_data = "";
163                  my $index_data = "";                  my @index_data;
164                    my $line_delimiter;
165    
166                    my ($swish,$display);
167    
168                    my $tag = $type2tag{$type} || die "can't find which tag to use for type $type";
169    
170                    # is this field page-by-page?
171                    my $iterate_by_page = $config->{indexer}->{$field}->{iterate_by_page};
172                    push @page_fields,$field if ($iterate_by_page);
173                    my %page_max = ();
174                    # default line_delimiter if using
175                    my $page_line_delimiter = $config->{indexer}->{$field}->{page_line_delimiter} || '<br/>';
176                    $cache->{index_delimiter}->{$field} = $config->{indexer}->{$field}->{index_delimiter};
177    
178                    my $format_name = $config->{indexer}->{$field}->{format_name};
179                    my $format_delimiter = $config->{indexer}->{$field}->{format_delimiter};
180                    if ($format_name && $format_delimiter) {
181                            $cache->{format}->{$field}->{format_name} = $format_name;
182                            $cache->{format}->{$field}->{format_delimiter} = $format_delimiter;
183                    }
184    
185                    foreach my $x (@{$config->{indexer}->{$field}->{$tag}}) {
186    
187                            my $format = x($x->{content});
188                            my $delimiter = x($x->{delimiter}) || ' ';
189    
190                  foreach my $x (@{$config->{indexer}->{$field}->{isis}}) {                          my $repeat_off = 0;     # init repeatable offset
191    
192                            # swish, swish_exact, display, index, index_lookup
193                            # swish and display defaults
194                            my ($s,$se,$d,$i,$il) = (1,0,1,0,0);
195                            $s = 0 if (lc($x->{type}) eq "display");
196                            $d = 0 if (lc($x->{type}) eq "swish");
197                            ($s,$se,$d,$i) = (0,1,0,1) if (lc($x->{type}) eq "index");
198                            ($s,$se,$d,$i) = (0,1,0,0) if (lc($x->{type}) eq "swish_exact");
199                            ($s,$se,$d,$i,$il) = (0,1,0,0,1) if (lc($x->{type}) =~ /^lookup/);
200    
201                            # what will separate last line from this one?
202                            if ($display_data && $x->{append}) {
203                                    $line_delimiter = ' ';
204                            } elsif ($display_data) {
205                                    $line_delimiter = '<br/>';
206                            }
207    
208                          my $display_tmp = "";                          # init vars so that we go into while...
209                          my $index_tmp = "";                          ($swish,$display) = (1,1);
210    
211                          my $format = $x->{content};                          # placeholder for all repeatable entries for index
212                          my $i = 1;      # index only  
213                          my $d = 1;      # display only                          sub chk_eval($) {
214                          $i = 0 if (lc($x->{type}) eq "display");                                  my $data = shift;
215                          $d = 0 if (lc($x->{type}) eq "index");                                  if ($data =~ s/eval{([^}]+)}//) {
216  #print "## i: $i d: $d ## $format ##";                                            if (eval "$1") {
217                          # parse format                                                  return $data;
218                          my $prefix = "";                                          } else {
219                          if ($format =~ s/^([^\d]+)//) {                                                  return undef;
220                                  $prefix = $1;                                          }
221                          }                                  } else {
222                          while ($format) {                                          return $data;
223                                  if ($format =~ s/^(\d\d\d)(\w?)//) {                                  }
224                                          my $isis_tmp = isis_sf($row,$1,$2);                          }
225                                          if ($isis_tmp) {  
226  #                                               $display_tmp .= $prefix . "/$1/$2/".$isis_tmp if ($d);                          sub mkformat($$) {
227                                                  $display_tmp .= $prefix . $isis_tmp if ($d);                                  my $x = shift || die "mkformat needs tag reference";
228                                                  $index_tmp .= $isis_tmp." " if ($i);                                  my $data = shift || return;
229  #print " $isis_tmp <--\n";                                  my $format_name = x($x->{format_name}) || return chk_eval($data);
230                                          }                                  my $fmt = x($config->{format}->{$format_name}->{content}) || die "<format name=\"$format_name\"> is not defined!";
231                                          $prefix = "";                                  my $format_delimiter = x($x->{format_delimiter});
232                                  } elsif ($format =~ s/^([^\d]+)//) {                                  my @data;
233                                          $prefix = $1;                                  if ($format_delimiter) {
234                                            @data = split(/$format_delimiter/,$data);
235                                  } else {                                  } else {
236                                          print STDERR "WARNING: unparsed format '$format'\n";                                          push @data,$data;
237                                    }
238    
239                                    if ($fmt) {
240                                            my $nr = scalar $fmt =~ s/%s/%s/g;
241                                            if (($#data+1) == $nr) {
242                                                    return chk_eval(sprintf($fmt,@data));
243                                            } else {
244                                                    #print STDERR "mkformat: [$data] can't be split on [$format_delimiter] to $nr fields!\n";
245                                                    return chk_eval($data);
246                                            }
247                                    } else {
248                                            print STDERR "usage of link '$format_name' without defined format (<link> tag)\n";
249                                    }
250                            }
251    
252                            # while because of repeatable fields
253                            while ($swish || $display) {
254                                    my $page = $repeat_off;
255                                    $page_max{$field} = $page if ($iterate_by_page && $page > ($page_max{$field} || 0));
256                                    ($swish,$display) = parse_format($type, $format,$row,$repeat_off++,$import2cp);
257                                    if ($repeat_off > 1000) {
258                                            print STDERR "loop (more than 1000 repeatable fields) deteced in $row, $format\n";
259                                          last;                                          last;
260                                  };                                  }
261    
262                                    # is this field is lookup?
263                                    if ($display && $x->{lookup}) {
264                                            my $null = "<!-- null -->";
265                                            if ($use_lhash_cache) {
266                                                    if (!defined($cache->{lhash}->{$display})) {
267                                                            my $new_display = $lhash{$display};
268                                                            if (defined($new_display)) {
269    #print STDERR "lookup cache store '$display' = '$new_display'\n";
270                                                                    $display = $new_display;
271                                                                    $cache->{lhash}->{$display} = $new_display;
272                                                            } else {
273                                                                    print STDERR "WARNING: lookup for '$display' didn't find anything.\n";
274                                                                    $display = "";
275                                                                    $cache->{lhash}->{$display} = $null;
276                                                            }
277                                                    } else {
278                                                            $display = $cache->{lhash}->{$display};
279                                                    }
280                                            } else {
281                                                    $display = $lhash{$display} || $null;
282                                            }
283                                    }
284    
285                                    # filter="name" ; filter this field through
286                                    # filter/[name].pm
287                                    my $filter = $x->{filter};
288                                    if ($filter && !$cache->{filter_loaded}->{$filter}) {
289                                            require "filter/".$filter.".pm";
290                                            $cache->{filter_loaded}->{$filter}++;
291                                    }
292                                    # type="swish" ; field for swish
293                                    if ($swish) {
294                                            if ($filter && ($s || $se)) {
295                                                    no strict 'refs';
296                                                    my $tmp = join(" ",&$filter($swish)) if ($s || $se);
297                                                    $swish_data .= $tmp if ($s);
298                                                    $swish_exact_data .= "xxbxx $tmp xxexx " if ($se && $tmp ne "");
299    
300                                            } else {
301                                                    $swish_data .= $swish if ($s);
302                                                    $swish_exact_data .= "xxbxx $swish xxexx " if ($se && $swish ne "");
303                                            }
304                                    }
305    
306                                    # type="display" ; field for display
307                                    if ($d && $display) {
308                                            my $ldel = $delimiter;
309                                            if ($line_delimiter && $display_data) {
310                                                    $ldel = $line_delimiter;
311                                            }
312                                            if ($filter) {
313                                                    no strict 'refs';
314                                                    my @arr;
315                                                    foreach my $tmp (&$filter($display)) {
316                                                            my $tmp2 = mkformat($x,$tmp);
317                                                            push @arr,$tmp2 if ($tmp2);
318                                                    }
319                                                    $display_data .= $ldel if ($display_data && @arr);
320                                                    $display_data .= join($delimiter,@arr);
321                                            } else {
322                                                    $display_data .= $ldel if ($display_data);
323                                                    my $tmp = mkformat($x,$display);
324                                                    $display_data = $tmp if ($tmp);
325                                            }
326                                    }
327                                                    
328                                    # type="index" ; insert into index
329                                    my $idisplay;
330                                    if ($i && $display) {
331                                            $idisplay = $display;
332                                            if ($filter) {
333                                                    no strict 'refs';
334                                                    $idisplay = &$filter($idisplay);
335                                            }
336                                            push @index_data, $idisplay if (! $iterate_by_page);
337                                    }
338    
339                                    # store fields in lookup
340                                    if ($il && $display) {
341                                            if (lc($x->{type}) eq "lookup_key") {
342                                                    if ($lookup_key) {
343                                                            print STDERR "WARNING: try to redefine lookup_key (keys shouldn't be repeatable fields!)";
344                                                    } else {
345                                                            $lookup_key = $display;
346                                                    }
347                                            } elsif (lc($x->{type}) eq "lookup_val") {
348                                                    if ($lookup_key) {
349                                                            $lhash{$lookup_key} = $display;
350                                                    } else {
351                                                            print STDERR "WARNING: no lookup_key defined for  '$display'?";
352                                                    }
353                                            }
354    
355                                    }
356    
357                                    # store data for page-by-page repeatable fields
358                                    if ($iterate_by_page) {
359                                            sub iterate_fld($$$$$$) {
360                                                    my ($cache,$what,$field,$page,$data,$append) = @_;
361                                                    return if (!$data);
362    
363                                                    my $ldel = $page_line_delimiter;
364                                                    $ldel = " " if ($append);
365    #print STDERR "line delimiter: ",Dumper($ldel) if ($ldel);
366                                                    if (! $cache->{$what}->{$field}->[$page]) {
367                                                            $cache->{$what}->{$field}->[$page] = $data;
368                                                    } else {
369                                                            $cache->{$what}->{$field}->[$page] .= $ldel.$data;
370                                                    }
371                                            }
372    
373                                            if ($display_data) {
374                                                    iterate_fld($cache,'display_data',$field,$page,$display_data,$x->{append});
375                                            }
376                                                    $display_data = "";
377                                            if ($swish_data) {
378                                                    iterate_fld($cache,'swish_data',$field,$page,$swish_data,$x->{append});
379                                                    $swish_data = "";
380                                            }
381                                            if ($swish_exact_data) {
382                                                    iterate_fld($cache,'swish_exact_data',$field,$page,$swish_exact_data,$x->{append});
383                                                    $swish_exact_data = "";
384                                            }
385    
386                                            if ($idisplay) {
387                                                    my $ldel=$page_line_delimiter;
388                                                    my @index_data;
389                                                    if ($cache->{index_data}->{$field}->[$page]) {
390    
391                                                            @index_data = @{$cache->{index_data}->{$field}->[$page]};
392                                                    }
393                                                    if ($x->{append}) {
394                                                            if (@index_data) {
395                                                                    $index_data[$#index_data] .= $idisplay;
396                                                            } else {
397                                                                    push @index_data, $idisplay;
398                                                            }
399                                                    } else {
400                                                            push @index_data, $idisplay;
401                                                    }
402                                                    $idisplay = "";
403                                                    @{$cache->{index_data}->{$field}->[$page]} = @index_data;
404                                            }
405                                    }
406                            }
407    
408                            if (! $iterate_by_page) {
409                                    my $idel = $x->{index_delimiter};
410                                    # fill data in index
411                                    foreach my $tmp (@index_data) {
412                                            my $i = $d = $tmp;
413                                            if ($idel && $tmp =~ m/$idel/) {
414                                                    ($i,$d) = split(/$idel/,$tmp);
415                                            }
416                                            $index->insert($field, $i, $d, $path);
417                                    }
418                                    @index_data = ();
419                            }
420                    }
421    
422                    # now try to parse variables from configuration file
423                    foreach my $x (@{$config->{indexer}->{$field}->{'config'}}) {
424    
425                            my $delimiter = x($x->{delimiter}) || ' ';
426                            my $val = $cfg->val($database, x($x->{content}));
427    
428                            my ($s,$d,$i) = (1,1,0);        # swish, display default
429                            $s = 0 if (lc($x->{type}) eq "display");
430                            $d = 0 if (lc($x->{type}) eq "swish");
431                            # no support for swish exact in config.
432                            # IMHO, it's useless
433                            ($s,$d,$i) = (0,0,1) if (lc($x->{type}) eq "index");
434    
435                            if ($val) {
436                                    $display_data .= $delimiter.$val if ($d);
437                                    $swish_data .= $val if ($s);
438                                    $index->insert($field, $val, $path) if ($i);
439                          }                          }
                         # add suffix  
                         $display_tmp .= $prefix if ($display_tmp);  
440    
441  #                       $display_data .= $display_tmp if ($display_tmp ne "");                          if ($iterate_by_page) {
442  #                       $index_data .= $index_tmp if ($index_tmp ne "");                                  # FIXME data from config tag will appear just
443                          $display_data .= $display_tmp;                                  # on first page!!!
444                          $index_data .= $index_tmp;                                  my $page = 0;
445                                    if ($display_data) {
446                  }                                          $cache->{display_data}->{$field}->[$page] = $display_data;
447  #print "--display:$display_data\n--index:$index_data\n";                                          $display_data = "";
448                  #$xml->{$field."_display"} = $isis_map->tou($display_data)->utf8 if ($display_data);                                  }
449                  #$xml->{$field."_index"} = unac_string($config->{isis_codepage},$index_data) if ($index_data);                                  if ($swish_data) {
450                  $xml->{$field."_display" } = [ $isis_map->tou($display_data)->utf8 ] if ($display_data);                                          $cache->{swish_data}->{$field}->[$page] = $swish_data;
451                  $xml->{$field."_index"} = [ unac_string($config->{isis_codepage},$index_data)." jabuka" ] if ($index_data);                                          $swish_data = "";
452                                    }
453                                    if ($swish_exact_data) {
454                                            $cache->{swish_exact_data}->{$field}->[$page] = $swish_exact_data;
455                                            $swish_exact_data = "";
456                                    }
457                            }
458                    }
459    
460                    # save data page-by-page
461                    foreach my $field (@page_fields) {
462                            my $nr_pages = $page_max{$field} || next;
463    #print STDERR "field '$field' iterate over ",($nr_pages || 0)," pages...\n";
464    #print STDERR Dumper($cache->{display_data});
465                            for (my $page=0; $page <= $nr_pages; $page++) {
466                                    my $display_data;
467                                    if ($cache->{format}->{$field}) {
468                                            my $tmp = mkformat($cache->{format}->{$field},$cache->{display_data}->{$field}->[$page]);
469                                            $display_data=$tmp if ($tmp);
470                                    } else {
471                                            $display_data = $cache->{display_data}->{$field}->[$page];
472                                    }
473                                    if ($display_data) { # default
474                                            if ($field eq "headline") {
475                                                    $xml .= xmlify("headline", $display_data);
476                                            } else {
477    
478                                                    # fallback to empty field name if needed
479                                                    $html .= get_field_name($config,$field,$field_usage{$field}) || '';
480                                                    $html .= "#-#".$display_data."###\n";
481                                            }
482                                    }
483                                    
484                                    my $swish_data = $cache->{swish_data}->{$field}->[$page];
485                                    if ($swish_data) {
486                                            # remove extra spaces
487                                            $swish_data =~ s/ +/ /g;
488                                            $swish_data =~ s/ +$//g;
489    
490                                            $xml .= xmlify($field."_swish", unac_string($codepage,$swish_data));
491                                    }
492    
493                                    my $swish_exact_data = $cache->{swish_exact_data}->{$field}->[$page];
494                                    if ($swish_exact_data) {
495                                            $swish_exact_data =~ s/ +/ /g;
496                                            $swish_exact_data =~ s/ +$//g;
497    
498                                            # add delimiters before and after word.
499                                            # That is required to produce exact match
500                                            $xml .= xmlify($field."_swish_exact", unac_string($codepage,$swish_exact_data));
501                                    }
502                                    
503                                    my $idel = $cache->{index_delimiter}->{$field};
504                                    foreach my $tmp (@{$cache->{index_data}->{$field}->[$page]}) {
505                                            my $i = $tmp;
506                                            my $d = $tmp;
507                                            if ($idel && $tmp =~ m/$idel/) {
508                                                    ($i,$d) = split(/$idel/,$tmp);
509                                            }
510                                            $index->insert($field, $i, $d, $path);
511    #print STDERR "index [$idel] $field: $i --> $d [$path]\n";
512                                    }
513                            }
514                    
515                    }
516                    
517                    if (! $iterate_by_page) {
518                            if ($display_data) {
519                                    if ($field eq "headline") {
520                                            $xml .= xmlify("headline", $display_data);
521                                    } else {
522    
523                                            # fallback to empty field name if needed
524                                            $html .= get_field_name($config,$field,$field_usage{$field}) || '';
525                                            $html .= "#-#".$display_data."###\n";
526                                    }
527                            }
528                            if ($swish_data) {
529                                    # remove extra spaces
530                                    $swish_data =~ s/ +/ /g;
531                                    $swish_data =~ s/ +$//g;
532    
533                                    $xml .= xmlify($field."_swish", unac_string($codepage,$swish_data));
534                            }
535    
536                            if ($swish_exact_data) {
537                                    $swish_exact_data =~ s/ +/ /g;
538                                    $swish_exact_data =~ s/ +$//g;
539    
540                                    # add delimiters before and after word.
541                                    # That is required to produce exact match
542                                    $xml .= xmlify($field."_swish_exact", unac_string($codepage,$swish_exact_data));
543                            }
544                    }
545          }          }
546    
547            # dump formatted output in <html>
548            if ($html) {
549                    #$xml .= xmlify("html",$html);
550                    $xml .= "<html><![CDATA[ $html ]]></html>";
551            }
552            
553          if ($xml) {          if ($xml) {
554                  return XMLout($xml, rootname => 'xml', keeproot => 0, noattr => 0 );                  $xml .= $add_xml if ($add_xml);
555                    return "<xml>\n$xml</xml>\n";
556          } else {          } else {
557                  return;                  return;
558          }          }
# Line 117  sub isis2xml { Line 560  sub isis2xml {
560    
561  ##########################################################################  ##########################################################################
562    
563  my $last_tell=0;  # read configuration for this script
564    my $cfg = new Config::IniFiles( -file => $config_file );
565    
566  my @isis_dirs = ( '.' );        # use dirname as database name  # read global.conf configuration
567    my $cfg_global = new Config::IniFiles( -file => 'global.conf' );
568    
569  if ($opts{m}) {  # open index
570          @isis_dirs = split(/,/,$opts{m});  $index = new index_DBI(
571                    $cfg_global->val('global', 'dbi_dbd'),
572                    $cfg_global->val('global', 'dbi_dsn'),
573                    $cfg_global->val('global', 'dbi_user'),
574                    $cfg_global->val('global', 'dbi_passwd') || '',
575            );
576    
577    my $show_progress = $cfg_global->val('global', 'show_progress');
578    
579    my $unac_filter = $cfg_global->val('global', 'unac_filter');
580    if ($unac_filter) {
581            require $unac_filter;
582  }  }
583    
584  my @isis_dbs;  foreach my $database ($cfg->Sections) {
585    
586  foreach (@isis_dirs) {          my $type = lc($cfg -> val($database, 'type')) || die "$database doesn't have 'type' defined";
587          if (-e $config->{isis_data}."/$db_dir/$_/LIBRI") {          my $add_xml = $cfg -> val($database, 'xml');    # optional
588                  push @isis_dbs,$config->{isis_data}."/$db_dir/$_/LIBRI/LIBRI";  
589            # create new lookup file
590            my $lookup_file = $cfg -> val($database, 'lookup_newfile'); # optional
591            if ($lookup_file) {
592                    #tie %lhash, 'GDBM_File', $lookup_file, &GDBM_NEWDB, 0644;
593                    tie %lhash, 'TDB_File', $lookup_file, TDB_CLEAR_IF_FIRST, O_RDWR, 0644;
594                    print STDERR "creating lookup file '$lookup_file'\n";
595          }          }
596          if (-e $config->{isis_data}."/$db_dir/$_/PERI") {  
597                  push @isis_dbs,$config->{isis_data}."/$db_dir/$_/PERI/PERI";          # open existing lookup file
598            $lookup_file = $cfg -> val($database, 'lookup_open'); # optional
599            if ($lookup_file) {
600                    #tie %lhash, 'GDBM_File', $lookup_file, &GDBM_READER, 0644;
601                    tie %lhash, 'TDB_File', $lookup_file, TDB_DEFAULT, O_RDWR, 0644;
602                    print STDERR "opening lookup file '$lookup_file'\n";
603          }          }
604          if (-e $config->{isis_data}."/$db_dir/$_/AMS") {  
605                  push @isis_dbs,$config->{isis_data}."/$db_dir/$_/AMS/AMS";  print STDERR "reading ./import_xml/$type.xml\n";
606    
607            # extract just type basic
608            my $type_base = $type;
609            $type_base =~ s/_.+$//g;
610    
611            $config=XMLin("./import_xml/$type.xml", forcearray => [ $type2tag{$type_base}, 'config', 'format' ], forcecontent => 1);
612    
613            # output current progress indicator
614            my $last_p = 0;
615            sub progress {
616                    return if (! $show_progress);
617                    my $current = shift;
618                    my $total = shift || 1;
619                    my $p = int($current * 100 / $total);
620                    if ($p != $last_p) {
621                            printf STDERR ("%5d / %5d [%-51s] %-2d %% \r",$current,$total,"=" x ($p/2).">", $p );
622                            $last_p = $p;
623                    }
624          }          }
625          if (-e $config->{isis_data}."/$db_dir/$_/ARTI") {  
626  #               push @isis_dbs,$config->{isis_data}."/$db_dir/$_/ARTI/ARTI";          my $fake_dir = 1;
627            sub fakeprogress {
628                    return if (! $show_progress);
629                    my $current = shift @_;
630    
631                    my @ind = ('-','\\','|','/','-','\\','|','/', '-');
632    
633                    $last_p += $fake_dir;
634                    $fake_dir = -$fake_dir if ($last_p > 1000 || $last_p < 0);
635                    if ($last_p % 10 == 0) {
636                            printf STDERR ("%5d / %5s [%-51s]\r",$current,"?"," " x ($last_p/20).$ind[($last_p/20) % $#ind]);
637                    }
638          }          }
 }  
639    
640  print STDERR "FATAL: Can't find isis database.\nPerhaps isis_data (".$config->{isis_data}.") has wrong value?\n" if (! @isis_dbs);          # now read database
641    print STDERR "using: $type...\n";
642    
643  my $db;          # erase cache for tags by order in this database
644            delete $cache->{tags_by_order};
645    
646  foreach my $isis_db (@isis_dbs) {          if ($type_base eq "isis") {
647    
648                    my $isis_db = $cfg -> val($database, 'isis_db') || die "$database doesn't have 'isis_db' defined!";
649    
650          my $db = OpenIsis::open( $isis_db );                  $import2cp = Text::Iconv->new($config->{isis_codepage},$codepage);
651          if (0) {                  my $db = OpenIsis::open( $isis_db );
 #       # FIX  
 #       if (! $db ) {  
                 print STDERR "WARNING: can't open '$isis_db'\n";  
                 next ;  
         }  
652    
653          my $max_rowid = OpenIsis::maxRowid( $db );                  # check if .txt database for OpenIsis is zero length,
654                    # if so, erase it and re-open database
655                    sub check_txt_db {
656                            my $isis_db = shift || die "need isis database name";
657                            my $reopen = 0;
658    
659          print STDERR "Reading database: $isis_db [$max_rowid rows]\n";                          if (-e $isis_db.".TXT") {
660                                    print STDERR "WARNING: removing $isis_db.TXT OpenIsis database...\n";
661                                    unlink $isis_db.".TXT" || warn "FATAL: unlink error on '$isis_db.TXT': $!";
662                                    $reopen++;
663                            }
664                            if (-e $isis_db.".PTR") {
665                                    print STDERR "WARNING: removing $isis_db.PTR OpenIsis database...\n";
666                                    unlink $isis_db.".PTR" || warn "FATAL: unlink error on '$isis_db.PTR': $!";
667                                    $reopen++;
668                            }
669                            return OpenIsis::open( $isis_db ) if ($reopen);
670                    }
671    
672          my $last_p = 0;                  # EOF error
673                    if ($db == -1) {
674                            $db = check_txt_db($isis_db);
675                            if ($db == -1) {
676                                    print STDERR "FATAL: OpenIsis can't open zero size file $isis_db\n";
677                                    next;
678                            }
679                    }
680    
681                    # OpenIsis::ERR_BADF
682                    if ($db == -4) {
683                            print STDERR "FATAL: OpenIsis can't find file $isis_db\n";
684                            next;
685                    # OpenIsis::ERR_IO
686                    } elsif ($db == -5) {
687                            print STDERR "FATAL: OpenIsis can't access file $isis_db\n";
688                            next;
689                    } elsif ($db < 0) {
690                            print STDERR "FATAL: OpenIsis unknown error $db with file $isis_db\n";
691                            next;
692                    }
693    
694                    my $max_rowid = OpenIsis::maxRowid( $db );
695    
696                    # if 0 records, try to rease isis .txt database
697                    if ($max_rowid == 0) {
698                            # force removal of database
699                            $db = check_txt_db($isis_db);
700                            $max_rowid = OpenIsis::maxRowid( $db );
701                    }
702    
703                    print STDERR "Reading database: $isis_db [$max_rowid rows]\n";
704    
705                    my $path = $database;
706    
707                    for (my $row_id = 1; $row_id <= $max_rowid; $row_id++ ) {
708                            my $row = OpenIsis::read( $db, $row_id );
709                            if ($row && $row->{mfn}) {
710            
711                                    progress($row->{mfn}, $max_rowid);
712    
713  #       { my $row_id = 1;                                  my $swishpath = $path."#".int($row->{mfn});
714  # FIX  
715          for (my $row_id = 1; $row_id <= $max_rowid; $row_id++ ) {                                  if (my $xml = data2xml($type_base,$row,$add_xml,$cfg,$database)) {
716                  my $row = OpenIsis::read( $db, $row_id );                                          $xml = $cp2utf->convert($xml);
717                  if ($row && $row->{mfn}) {                                          use bytes;      # as opposed to chars
718                                            print "Path-Name: $swishpath\n";
719                          # output current process indicator                                          print "Content-Length: ".(length($xml)+1)."\n";
720                          my $p = int($row->{mfn} * 100 / $max_rowid);                                          print "Document-Type: XML\n\n$xml\n";
721                          if ($p != $last_p) {                                  }
722                                  printf STDERR ("%5d / %5d [%-51s] %-2d %% \r",$row->{mfn},$max_rowid,"=" x ($p/2).">", $p ) if (! $opts{q});                          }
723                                  $last_p = $p;                  }
724                          }                  # for this to work with current version of OpenIsis (0.9.0)
725                    # you might need my patch from
726                          if (my $xml = isis2xml($row)) {                  # http://www.rot13.org/~dpavlin/projects/openisis-0.9.0-perl_close.diff
727                                  my $path = $isis_db;                  OpenIsis::close($db);
728                                  $path =~ s#$config->{isis_data}/*##g;                  print STDERR "\n";
729                                  my $out = "Path-Name: $path#".$row->{mfn}."\n";  
730                                  $out .= "Content-Length: ".(length($xml)+1)."\n";          } elsif ($type_base eq "excel") {
731                                  $out .= "Document-Type: XML\n\n$xml\n";                  use Spreadsheet::ParseExcel;
732                                  print $out;                  use Spreadsheet::ParseExcel::Utility qw(int2col);
733                    
734                    $import2cp = Text::Iconv->new($config->{excel_codepage},$codepage);
735                    my $excel_file = $cfg -> val($database, 'excel_file') || die "$database doesn't have 'excel_file' defined!";
736    
737                    my $sheet = x($config->{sheet}) || die "no sheet in $type.xml";
738                    my $start_row = x($config->{start_row}) - 1 || die "no start_row in $type.xml";
739    
740                    my $oBook = Spreadsheet::ParseExcel::Workbook->Parse($excel_file) || die "can't open Excel file '$excel_file'";
741    
742                    my $sheet_nr = 0;
743                    foreach my $oWks (@{$oBook->{Worksheet}}) {
744                            #print STDERR "-- SHEET $sheet_nr:", $oWks->{Name}, "\n";
745                            last if ($oWks->{Name} eq $sheet);
746                            $sheet_nr++;
747                    }
748    
749                    my $oWorksheet = $oBook->{Worksheet}[$sheet_nr];
750            
751                    print STDERR "using sheet: ",$oWorksheet->{Name},"\n";
752                    defined ($oWorksheet) || die "can't find sheet '$sheet' in $excel_file";
753                    my $end_row = x($config->{end_row}) || $oWorksheet->{MaxRow};
754    
755                    for(my $iR = $start_row ; defined $end_row && $iR <= $end_row ; $iR++) {
756                            my $row;
757                            for(my $iC = $oWorksheet->{MinCol} ; defined $oWorksheet->{MaxCol} && $iC <= $oWorksheet->{MaxCol} ; $iC++) {
758                                    my $cell = $oWorksheet->{Cells}[$iR][$iC];
759                                    if ($cell) {
760                                            $row->{int2col($iC)} = $cell->Value;
761                                    }
762                          }                          }
763    
764                            progress($iR, $end_row);
765    
766    #                       print "row[$iR/$end_row] ";
767    #                       foreach (keys %{$row}) {
768    #                               print "$_: ",$row->{$_},"\t";
769    #                       }
770    #                       print "\n";
771    
772                            my $swishpath = $database."#".$iR;
773    
774                            next if (! $row);
775    
776                            if (my $xml = data2xml($type_base,$row,$add_xml,$cfg,$database)) {
777                                    $xml = $cp2utf->convert($xml);
778                                    use bytes;      # as opposed to chars
779                                    print "Path-Name: $swishpath\n";
780                                    print "Content-Length: ".(length($xml)+1)."\n";
781                                    print "Document-Type: XML\n\n$xml\n";
782                            }
783                    }
784            } elsif ($type_base eq "marc") {
785    
786                    use MARC;
787                    
788                    $import2cp = Text::Iconv->new($config->{marc_codepage},$codepage);
789                    my $marc_file = $cfg -> val($database, 'marc_file') || die "$database doesn't have 'marc_file' defined!";
790    
791                    # optional argument is format
792                    my $format = x($config->{format}) || 'usmarc';
793    
794                    print STDERR "Reading MARC file '$marc_file'\n";
795    
796                    my $marc = new MARC;
797                    my $nr = $marc->openmarc({
798                                    file=>$marc_file, format=>$format
799                            }) || die "Can't open MARC file '$marc_file'";
800    
801                    # read MARC file in memory
802                    $marc->nextmarc(-1);
803    
804                    my $max_rec = $marc->marc_count();
805    
806                    for(my $i=1; $i<=$max_rec; $i++) {
807    
808                            progress($i,$max_rec);
809    
810                            # store value for marc_sf.pm
811                            $main::cache->{marc_record} = $i;
812    
813                            my $swishpath = $database."#".$i;
814    
815                            if (my $xml = data2xml($type_base,$marc,$add_xml,$cfg,$database)) {
816                                    $xml = $cp2utf->convert($xml);
817                                    use bytes;      # as opposed to chars
818                                    print "Path-Name: $swishpath\n";
819                                    print "Content-Length: ".(length($xml)+1)."\n";
820                                    print "Document-Type: XML\n\n$xml\n";
821                            }
822                    }
823    
824                    print STDERR "\n";
825    
826            } elsif ($type_base eq "feed") {
827    
828                    $import2cp = Text::Iconv->new($config->{feed_codepage},$codepage);
829                    my $prog = x($config->{prog}) || die "$database doesn't have 'prog' defined!";
830    
831                    print STDERR "Reading feed from program '$prog'\n";
832    
833                    open(FEED,"feeds/$prog |") || die "can't start $prog: $!";
834    
835                    my $i=1;        # record nr.
836    
837                    my $data;
838                    my $line=1;
839    
840                    while (<FEED>) {
841                            chomp;
842    
843                            if (/^$/) {
844                                    my $swishpath = $database."#".$i++;
845    
846                                    if (my $xml = data2xml($type_base,$data,$add_xml,$cfg,$database)) {
847                                            $xml = $cp2utf->convert($xml);
848                                            use bytes;      # as opposed to chars
849                                            print "Path-Name: $swishpath\n";
850                                            print "Content-Length: ".(length($xml)+1)."\n";
851                                            print "Document-Type: XML\n\n$xml\n";
852                                    }
853                                    $line = 1;
854                                    $data = {};
855                                    next;
856                            }
857    
858                            $line = $1 if (s/^(\d+):\s*//);
859                            $data->{$line++} = $_;
860    
861                            fakeprogress($i);
862    
863                  }                  }
864                    # close lookup
865                    untie %lhash if (%lhash);
866          }          }
         print STDERR "\n";  
867  }  }
868    
869    # call this to commit index
870    $index->close;
871    
872  1;  1;
873  __END__  __END__
# Line 196  __END__ Line 875  __END__
875    
876  =head1 NAME  =head1 NAME
877    
878  isis2xml.pl - read isis file and dump XML  all2xml.pl - read various file formats and dump XML for SWISH-E
879    
880  =head1 DESCRIPTION  =head1 DESCRIPTION
881    
882  This command will read ISIS data file using OpenIsis perl module and  This command will read ISIS data file using OpenIsis perl module, MARC
883  create XML file for usage with I<SWISH-E>  records using MARC module and optionally Micro$oft Excel files to
884  indexer. Dispite it's name, this script B<isn't general xml generator>  create one XML file for usage with I<SWISH-E> indexer. Dispite it's name,
885  from isis files (isis allready has something like that). Output of this  this script B<isn't general xml generator> from isis files (isis allready
886  script is tailor-made for SWISH-E.  has something like that). Output of this script is tailor-made for SWISH-E.
887    
888    =head1 BUGS
889    
890    Documentation is really lacking. However, in true Open Source spirit, source
891    is best documentation. I even made considerable effort to comment parts
892    which are not intuitively clear, so...
893    
894  =head1 AUTHOR  =head1 AUTHOR
895    

Legend:
Removed from v.7  
changed lines
  Added in v.215

  ViewVC Help
Powered by ViewVC 1.1.26