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

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

revision 43 by dpavlin, Sat Mar 22 22:43:05 2003 UTC revision 137 by dpavlin, Wed Oct 29 22:57:43 2003 UTC
# Line 18  die "FATAL: can't find configuration fil Line 18  die "FATAL: can't find configuration fil
18    
19  my $config;  my $config;
20    
21  use index_DBI;  # there is no other, right now ;-)  #use index_DBI;         # default DBI module for index
22    use index_DBI_cache;    # faster DBI module using memory cache
23  my $index = new index_DBI();    # open index  my $index;
24    
25  my %opts;  my %opts;
26    
# Line 34  getopts('d:m:qs', \%opts); Line 34  getopts('d:m:qs', \%opts);
34    
35  my $path;       # this is name of database  my $path;       # this is name of database
36    
37  Text::Iconv->raise_error(1);     # Conversion errors raise exceptions  Text::Iconv->raise_error(0);     # Conversion errors don't raise exceptions
38    
39  # this is encoding of all files on disk, including import_xml/*.xml file and  # this is encoding of all files on disk, including import_xml/*.xml file and
40  # filter/*.pm files! It will be used to store strings in perl internally!  # filter/*.pm files! It will be used to store strings in perl internally!
# Line 46  sub x { Line 46  sub x {
46          return $utf2cp->convert($_[0]);          return $utf2cp->convert($_[0]);
47  }  }
48    
49  # decode isis import codepage  # decode isis/excel or other import codepage
50  my $isis2cp;  my $import2cp;
51    
52  # outgoing xml must be in UTF-8  # outgoing xml must be in UTF-8
53  my $cp2utf = Text::Iconv->new($codepage,'UTF-8');  my $cp2utf = Text::Iconv->new($codepage,'UTF-8');
54    
55  sub isis2xml {  # mapping between data type and tag which specify
56    # format in XML file
57    my %type2tag = (
58            'isis' => 'isis',
59            'excel' => 'column',
60            'marc' => 'marc',
61            'feed' => 'feed'
62    );
63    
64    sub data2xml {
65    
66          use xmlify;          use xmlify;
67    
68            my $type = shift @_;
69          my $row = shift @_;          my $row = shift @_;
70          my $add_xml = shift @_;          my $add_xml = shift @_;
71            # needed to read values from configuration file
72            my $cfg = shift @_;
73            my $database = shift @_;
74    
75          my $xml;          my $xml;
76    
# Line 69  sub isis2xml { Line 82  sub isis2xml {
82    
83          # sort subrouting using order="" attribute          # sort subrouting using order="" attribute
84          sub by_order {          sub by_order {
85                  return 0 if (! $config->{indexer}->{$a}->{order});                  my $va = $config->{indexer}->{$a}->{order} ||
86                  return 0 if (! $config->{indexer}->{$b}->{order});                          $config->{indexer}->{$a};
87                    my $vb = $config->{indexer}->{$b}->{order} ||
88                            $config->{indexer}->{$b};
89    
90                  return $config->{indexer}->{$a}->{order} <=>                  return $va <=> $vb;
                         $config->{indexer}->{$b}->{order} ;  
91          }          }
92    
93          foreach my $field (sort by_order keys %{$config->{indexer}}) {          foreach my $field (sort by_order keys %{$config->{indexer}}) {
94    
95                  $field=x($field);                  $field=x($field);
   
96                  $field_usage{$field}++;                  $field_usage{$field}++;
97    
98                  my $swish_data = "";                  my $swish_data = "";
# Line 88  sub isis2xml { Line 101  sub isis2xml {
101    
102                  my ($swish,$display);                  my ($swish,$display);
103    
104                  foreach my $x (@{$config->{indexer}->{$field}->{isis}}) {                  my $tag = $type2tag{$type} || die "can't find which tag to use for type $type";
105                    foreach my $x (@{$config->{indexer}->{$field}->{$tag}}) {
106    
107                          my $format = x($x->{content});                          my $format = x($x->{content});
108                          my $delimiter = x($x->{delimiter}) || ' ';                          my $delimiter = x($x->{delimiter}) || ' ';
109    
110                          my $isis_i = 0;         # isis repeatable offset                          my $repeat_off = 0;             # repeatable offset
111    
112                          my ($s,$d,$i) = (1,1,0);        # swish, display default                          my ($s,$d,$i) = (1,1,0);        # swish, display default
113                          $s = 0 if (lc($x->{type}) eq "display");                          $s = 0 if (lc($x->{type}) eq "display");
# Line 110  sub isis2xml { Line 124  sub isis2xml {
124                          # init vars so that we go into while...                          # init vars so that we go into while...
125                          ($swish,$display) = (1,1);                          ($swish,$display) = (1,1);
126    
127                          while ($swish || $display) {                          # placeholder for all repeatable entries for index
128                                  ($swish,$display) = parse_format($format,$row,$isis_i++,$isis2cp);                          my @index_data;
129                            my $index_filter;
130    
131                            # while because of repeatable fields
132                            while ($swish || $display) {
133                                    ($swish,$display) = parse_format($type, $format,$row,$repeat_off++,$import2cp);
134                                    if ($repeat_off > 1000) {
135                                            print STDERR "loop (more than 1000 repeatable fields) deteced in $row, $format\n";
136                                            last;
137                                    }
138                                    
139                                  # filter="name" ; filter this field through                                  # filter="name" ; filter this field through
140                                  # filter/[name].pm                                  # filter/[name].pm
141                                  my $filter = $x->{filter};                                  my $filter = $x->{filter};
# Line 137  sub isis2xml { Line 160  sub isis2xml {
160                                          }                                          }
161                                          if ($filter) {                                          if ($filter) {
162                                                  no strict 'refs';                                                  no strict 'refs';
163                                                  $display_data .= join($delimiter,&$filter($display));                                                  $display_data .= $delimiter.&$filter($display) if ($display_data);
164                                          } else {                                          } else {
165                                                  if ($display_data) {                                                  $display_data .= $delimiter.$display if ($display_data);
                                                         $display_data .= $delimiter.$display;  
                                                 } else {  
                                                         $display_data .= $display;  
                                                 }  
166                                          }                                          }
167                                  }                                  }
168                                                                                                    
169                                  # type="index" ; insert into index                                  # type="index" ; insert into index
170                                  if ($i && $display) {                                  if ($i && $display) {
171                                          my $index_data = $display;                                          push @index_data, $display;
172                                          if ($filter) {                                          $index_filter = $filter if ($filter);
173                                                  no strict 'refs';                                  }
174                                                  foreach my $d (&$filter($index_data)) {                          }
175                                                          $index->insert($field, $d, $path);  
176                                                  }                          # fill data in index
177                                          } else {                          if (@index_data) {
178                                                  $index->insert($field, $index_data, $path);                                  if ($index_filter) {
179                                            no strict 'refs';
180                                            foreach my $d (@index_data) {
181                                                    $index->insert($field, &$index_filter($d), $path);
182                                            }
183                                    } else {
184                                            foreach my $d (@index_data) {
185                                                    $index->insert($field, $d, $path);
186                                          }                                          }
187                                  }                                  }
188                          }                          }
189                  }                  }
190    
191                    # now try to parse variables from configuration file
192                    foreach my $x (@{$config->{indexer}->{$field}->{'config'}}) {
193    
194                            my $delimiter = x($x->{delimiter}) || ' ';
195                            my $val = $cfg->val($database, x($x->{content}));
196    
197                            my ($s,$d,$i) = (1,1,0);        # swish, display default
198                            $s = 0 if (lc($x->{type}) eq "display");
199                            $d = 0 if (lc($x->{type}) eq "swish");
200                            ($s,$d,$i) = (0,0,1) if (lc($x->{type}) eq "index");
201    
202                            if ($val) {
203                                    $display_data .= $delimiter.$val if ($d);
204                                    $swish_data .= $val if ($s);
205                                    $index->insert($field, $val, $path) if ($i);
206                            }
207    
208                    }
209    
210    
211                  if ($display_data) {                  if ($display_data) {
212    
# Line 199  sub isis2xml { Line 244  sub isis2xml {
244    
245          # dump formatted output in <html>          # dump formatted output in <html>
246          if ($html) {          if ($html) {
247                  $xml .= xmlify("html",$html);                  #$xml .= xmlify("html",$html);
248                    $xml .= "<html><![CDATA[ $html ]]></html>";
249          }          }
250                    
251          if ($xml) {          if ($xml) {
# Line 212  sub isis2xml { Line 258  sub isis2xml {
258    
259  ##########################################################################  ##########################################################################
260    
261    # read configuration for this script
262  my $cfg = new Config::IniFiles( -file => $config_file );  my $cfg = new Config::IniFiles( -file => $config_file );
263    
264    # read global.conf configuration
265    my $cfg_global = new Config::IniFiles( -file => 'global.conf' );
266    
267    # open index
268    $index = new index_DBI(
269                    $cfg_global->val('global', 'dbi_dbd'),
270                    $cfg_global->val('global', 'dbi_dsn'),
271                    $cfg_global->val('global', 'dbi_user'),
272                    $cfg_global->val('global', 'dbi_passwd') || '',
273            );
274    
275    my $show_progress = $cfg_global->val('global', 'show_progress');
276    
277  foreach my $database ($cfg->Sections) {  foreach my $database ($cfg->Sections) {
278    
279          my $isis_db = $cfg -> val($database, 'isis_db') || die "$database doesn't have 'isis_db' defined!";          my $type = lc($cfg -> val($database, 'type')) || die "$database doesn't have 'type' defined";
         my $type = $cfg -> val($database, 'type') || die "$database doesn't have 'type' defined";  
280          my $add_xml = $cfg -> val($database, 'xml');    # optional          my $add_xml = $cfg -> val($database, 'xml');    # optional
281    
282          $config=XMLin("./import_xml/$type.xml", forcearray => [ 'isis' ], forcecontent => 1);  print STDERR "reading ./import_xml/$type.xml\n";
283    
284          $isis2cp = Text::Iconv->new($config->{isis_codepage},$codepage);          # extract just type basic
285            my $type_base = $type;
286            $type_base =~ s/_.+$//g;
287    
288          my $db = OpenIsis::open( $isis_db );          $config=XMLin("./import_xml/$type.xml", forcearray => [ $type2tag{$type_base}, 'config' ], forcecontent => 1);
289          if (0) {  
290  #       # FIX          # output current progress indicator
291  #       if (! $db ) {          my $last_p = 0;
292                  print STDERR "WARNING: can't open '$isis_db'\n";          sub progress {
293                  next ;                  return if (! $show_progress);
294                    my $current = shift;
295                    my $total = shift || 1;
296                    my $p = int($current * 100 / $total);
297                    if ($p != $last_p) {
298                            printf STDERR ("%5d / %5d [%-51s] %-2d %% \r",$current,$total,"=" x ($p/2).">", $p );
299                            $last_p = $p;
300                    }
301          }          }
302    
303          my $max_rowid = OpenIsis::maxRowid( $db );          my $fake_dir = 1;
304            sub fakeprogress {
305                    return if (! $show_progress);
306                    my $current = shift @_;
307    
308                    my @ind = ('-','\\','|','/','-','\\','|','/', '-');
309    
310                    $last_p += $fake_dir;
311                    $fake_dir = -$fake_dir if ($last_p > 1000 || $last_p < 0);
312                    if ($last_p % 10 == 0) {
313                            printf STDERR ("%5d / %5s [%-51s]\r",$current,"?"," " x ($last_p/20).$ind[($last_p/20) % $#ind]);
314                    }
315            }
316    
317          print STDERR "Reading database: $isis_db [$max_rowid rows]\n";          # now read database
318    print STDERR "using: $type...\n";
319    
320          my $path = $database;                   # was $isis_db          if ($type_base eq "isis") {
321    
322          my $last_p = 0;                  my $isis_db = $cfg -> val($database, 'isis_db') || die "$database doesn't have 'isis_db' defined!";
323    
324                    $import2cp = Text::Iconv->new($config->{isis_codepage},$codepage);
325                    my $db = OpenIsis::open( $isis_db );
326    
327                    # check if .txt database for OpenIsis is zero length,
328                    # if so, erase it and re-open database
329                    sub check_txt_db {
330                            my $isis_db = shift || die "need isis database name";
331                            my $reopen = 0;
332    
333                            if (-e $isis_db.".TXT") {
334                                    print STDERR "WARNING: removing $isis_db.TXT OpenIsis database...\n";
335                                    unlink $isis_db.".TXT" || warn "FATAL: unlink error on '$isis_db.TXT': $!";
336                                    $reopen++;
337                            }
338                            if (-e $isis_db.".PTR") {
339                                    print STDERR "WARNING: removing $isis_db.PTR OpenIsis database...\n";
340                                    unlink $isis_db.".PTR" || warn "FATAL: unlink error on '$isis_db.PTR': $!";
341                                    $reopen++;
342                            }
343                            return OpenIsis::open( $isis_db ) if ($reopen);
344                    }
345    
346                    # EOF error
347                    if ($db == -1) {
348                            $db = check_txt_db($isis_db);
349                            if ($db == -1) {
350                                    print STDERR "FATAL: OpenIsis can't open zero size file $isis_db\n";
351                                    next;
352                            }
353                    }
354    
355                    # OpenIsis::ERR_BADF
356                    if ($db == -4) {
357                            print STDERR "FATAL: OpenIsis can't find file $isis_db\n";
358                            next;
359                    # OpenIsis::ERR_IO
360                    } elsif ($db == -5) {
361                            print STDERR "FATAL: OpenIsis can't access file $isis_db\n";
362                            next;
363                    } elsif ($db < 0) {
364                            print STDERR "FATAL: OpenIsis unknown error $db with file $isis_db\n";
365                            next;
366                    }
367    
368                    my $max_rowid = OpenIsis::maxRowid( $db );
369    
370                    # if 0 records, try to rease isis .txt database
371                    if ($max_rowid == 0) {
372                            # force removal of database
373                            $db = check_txt_db($isis_db);
374                            $max_rowid = OpenIsis::maxRowid( $db );
375                    }
376    
377                    print STDERR "Reading database: $isis_db [$max_rowid rows]\n";
378    
379                    my $path = $database;
380    
381                    for (my $row_id = 1; $row_id <= $max_rowid; $row_id++ ) {
382                            my $row = OpenIsis::read( $db, $row_id );
383                            if ($row && $row->{mfn}) {
384            
385                                    progress($row->{mfn}, $max_rowid);
386    
387                                    my $swishpath = $path."#".int($row->{mfn});
388    
389  #       { my $row_id = 4514;                                  if (my $xml = data2xml($type_base,$row,$add_xml,$cfg,$database)) {
390  # FIX                                          $xml = $cp2utf->convert($xml);
391          for (my $row_id = 1; $row_id <= $max_rowid; $row_id++ ) {                                          use bytes;      # as opposed to chars
392                  my $row = OpenIsis::read( $db, $row_id );                                          print "Path-Name: $swishpath\n";
393                  if ($row && $row->{mfn}) {                                          print "Content-Length: ".(length($xml)+1)."\n";
394                          # output current process indicator                                          print "Document-Type: XML\n\n$xml\n";
395                          my $p = int($row->{mfn} * 100 / $max_rowid);                                  }
396                          if ($p != $last_p) {                          }
397                                  printf STDERR ("%5d / %5d [%-51s] %-2d %% \r",$row->{mfn},$max_rowid,"=" x ($p/2).">", $p ) if (! $opts{q});                  }
398                                  $last_p = $p;                  # for this to work with current version of OpenIsis (0.9.0)
399                    # you might need my patch from
400                    # http://www.rot13.org/~dpavlin/projects/openisis-0.9.0-perl_close.diff
401                    OpenIsis::close($db);
402                    print STDERR "\n";
403    
404            } elsif ($type_base eq "excel") {
405                    use Spreadsheet::ParseExcel;
406                    use Spreadsheet::ParseExcel::Utility qw(int2col);
407                    
408                    $import2cp = Text::Iconv->new($config->{excel_codepage},$codepage);
409                    my $excel_file = $cfg -> val($database, 'excel_file') || die "$database doesn't have 'excel_file' defined!";
410    
411                    my $sheet = x($config->{sheet}) || die "no sheet in $type.xml";
412                    my $start_row = x($config->{start_row}) - 1 || die "no start_row in $type.xml";
413    
414                    my $oBook = Spreadsheet::ParseExcel::Workbook->Parse($excel_file) || die "can't open Excel file '$excel_file'";
415    
416                    my $sheet_nr = 0;
417                    foreach my $oWks (@{$oBook->{Worksheet}}) {
418                            #print STDERR "-- SHEET $sheet_nr:", $oWks->{Name}, "\n";
419                            last if ($oWks->{Name} eq $sheet);
420                            $sheet_nr++;
421                    }
422    
423                    my $oWorksheet = $oBook->{Worksheet}[$sheet_nr];
424            
425                    print STDERR "using sheet: ",$oWorksheet->{Name},"\n";
426                    defined ($oWorksheet) || die "can't find sheet '$sheet' in $excel_file";
427                    my $end_row = x($config->{end_row}) || $oWorksheet->{MaxRow};
428    
429                    for(my $iR = $start_row ; defined $end_row && $iR <= $end_row ; $iR++) {
430                            my $row;
431                            for(my $iC = $oWorksheet->{MinCol} ; defined $oWorksheet->{MaxCol} && $iC <= $oWorksheet->{MaxCol} ; $iC++) {
432                                    my $cell = $oWorksheet->{Cells}[$iR][$iC];
433                                    if ($cell) {
434                                            $row->{int2col($iC)} = $cell->Value;
435                                    }
436                            }
437    
438                            progress($iR, $end_row);
439    
440    #                       print "row[$iR/$end_row] ";
441    #                       foreach (keys %{$row}) {
442    #                               print "$_: ",$row->{$_},"\t";
443    #                       }
444    #                       print "\n";
445    
446                            my $swishpath = $database."#".$iR;
447    
448                            next if (! $row);
449    
450                            if (my $xml = data2xml($type_base,$row,$add_xml,$cfg,$database)) {
451                                    $xml = $cp2utf->convert($xml);
452                                    use bytes;      # as opposed to chars
453                                    print "Path-Name: $swishpath\n";
454                                    print "Content-Length: ".(length($xml)+1)."\n";
455                                    print "Document-Type: XML\n\n$xml\n";
456                          }                          }
457                    }
458            } elsif ($type_base eq "marc") {
459    
460                    use MARC;
461                    
462                    $import2cp = Text::Iconv->new($config->{marc_codepage},$codepage);
463                    my $marc_file = $cfg -> val($database, 'marc_file') || die "$database doesn't have 'marc_file' defined!";
464    
465                    # optional argument is format
466                    my $format = x($config->{format}) || 'usmarc';
467    
468                    print STDERR "Reading MARC file '$marc_file'\n";
469    
470                    my $marc = new MARC;
471                    my $nr = $marc->openmarc({
472                                    file=>$marc_file, format=>$format
473                            }) || die "Can't open MARC file '$marc_file'";
474    
475                    my $i=0;        # record nr.
476    
477                          my $swishpath = $path."#".int($row->{mfn});                  my $rec;
478    
479                          if (my $xml = $cp2utf->convert(isis2xml($row,$add_xml."<path>$swishpath</path>"))) {                  while ($marc->nextmarc(1)) {
480    
481                            # XXX
482                            fakeprogress($i++);
483    
484                            my $swishpath = $database."#".$i;
485    
486                            if (my $xml = data2xml($type_base,$marc,$add_xml,$cfg,$database)) {
487                                    $xml = $cp2utf->convert($xml);
488                                  use bytes;      # as opposed to chars                                  use bytes;      # as opposed to chars
489                                  print "Path-Name: $swishpath\n";                                  print "Path-Name: $swishpath\n";
490                                  print "Content-Length: ".(length($xml)+1)."\n";                                  print "Content-Length: ".(length($xml)+1)."\n";
491                                  print "Document-Type: XML\n\n$xml\n";                                  print "Document-Type: XML\n\n$xml\n";
492                          }                          }
493                  }                  }
494            } elsif ($type_base eq "feed") {
495    
496                    $import2cp = Text::Iconv->new($config->{feed_codepage},$codepage);
497                    my $prog = x($config->{prog}) || die "$database doesn't have 'prog' defined!";
498    
499                    print STDERR "Reading feed from program '$prog'\n";
500    
501                    open(FEED,"feeds/$prog |") || die "can't start $prog: $!";
502    
503                    my $i=1;        # record nr.
504    
505                    my $data;
506                    my $line=1;
507    
508                    while (<FEED>) {
509                            chomp;
510    
511                            if (/^$/) {
512                                    my $swishpath = $database."#".$i++;
513    
514                                    if (my $xml = data2xml($type_base,$data,$add_xml,$cfg,$database)) {
515                                            $xml = $cp2utf->convert($xml);
516                                            use bytes;      # as opposed to chars
517                                            print "Path-Name: $swishpath\n";
518                                            print "Content-Length: ".(length($xml)+1)."\n";
519                                            print "Document-Type: XML\n\n$xml\n";
520                                    }
521                                    $line = 1;
522                                    $data = {};
523                                    next;
524                            }
525    
526                            $line = $1 if (s/^(\d+):\s*//);
527                            $data->{$line++} = $_;
528    
529                            fakeprogress($i);
530    
531                    }
532          }          }
         print STDERR "\n";  
533  }  }
534    
535  # call this to commit index  # call this to commit index
# Line 274  __END__ Line 541  __END__
541    
542  =head1 NAME  =head1 NAME
543    
544  isis2xml.pl - read isis file and dump XML  all2xml.pl - read various file formats and dump XML for SWISH-E
545    
546  =head1 DESCRIPTION  =head1 DESCRIPTION
547    
548  This command will read ISIS data file using OpenIsis perl module and  This command will read ISIS data file using OpenIsis perl module, MARC
549  create XML file for usage with I<SWISH-E>  records using MARC module and optionally Micro$oft Excel files to
550  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,
551  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
552  script is tailor-made for SWISH-E.  has something like that). Output of this script is tailor-made for SWISH-E.
553    
554    =head1 BUGS
555    
556    Documentation is really lacking. However, in true Open Source spirit, source
557    is best documentation. I even made considerable effort to comment parts
558    which are not intuitively clear, so...
559    
560  =head1 AUTHOR  =head1 AUTHOR
561    

Legend:
Removed from v.43  
changed lines
  Added in v.137

  ViewVC Help
Powered by ViewVC 1.1.26