/[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

trunk/all2xml.pl revision 195 by dpavlin, Sun Dec 14 20:50:03 2003 UTC branches/tehnika/all2xml.pl revision 684 by dpavlin, Mon Feb 28 10:43:38 2005 UTC
# Line 1  Line 1 
1  #!/usr/bin/perl -w  #!/usr/bin/perl -w
2    
3  use strict;  use strict;
4  use OpenIsis;  use Biblio::Isis;
5  use Getopt::Std;  use Getopt::Std;
6  use Data::Dumper;  use Data::Dumper;
7  use XML::Simple;  use XML::Simple;
 use Text::Unaccent 1.02;        # 1.01 won't compile on my platform,  
8  use Text::Iconv;  use Text::Iconv;
9  use Config::IniFiles;  use Config::IniFiles;
10  use Encode;  use Encode;
11  #use GDBM_File;  #use GDBM_File;
12  use Fcntl;      # for O_RDWR  use Fcntl;      # for O_RDWR
13  use TDB_File;  use TDB_File;
14    use Carp;
15    
16  $|=1;  $|=1;
17    
18  my $config_file = $0;  my $config_file = $0;
19  $config_file =~ s/\.pl$/.conf/;  $config_file =~ s/\.pl$/.conf/;
20    $config_file = $ARGV[0] if ($ARGV[0] && -f $ARGV[0]);
21  die "FATAL: can't find configuration file '$config_file'" if (! -e $config_file);  die "FATAL: can't find configuration file '$config_file'" if (! -e $config_file);
22    
23  my $config;  my $config;
24    
25  #use index_DBI;         # default DBI module for index  #use index_DBI;         # default DBI module for index
26  use index_DBI_cache;    # faster DBI module using memory cache  #use index_DBI_cache;   # faster DBI module using memory cache
27    use index_DBI_filter;   # filter support for indexes
28  my $index;  my $index;
29    
30  my %opts;  my %opts;
# Line 61  my %type2tag = ( Line 63  my %type2tag = (
63          'isis' => 'isis',          'isis' => 'isis',
64          'excel' => 'column',          'excel' => 'column',
65          'marc' => 'marc',          'marc' => 'marc',
66          'feed' => 'feed'          'feed' => 'feed',
67  );  );
68    
69  my $cache;      # for cacheing  my $cache;      # for cacheing
# Line 111  sub data2xml { Line 113  sub data2xml {
113                  $cache->{tags_by_order} = \@sorted_tags;                  $cache->{tags_by_order} = \@sorted_tags;
114          }          }
115    
116            if (! @sorted_tags) {
117                    print STDERR "WARNING: no tags for this type found in import_xml file!\n";
118            }
119    
120          # lookup key          # lookup key
121          my $lookup_key;          my $lookup_key;
122    
# Line 139  sub data2xml { Line 145  sub data2xml {
145                  } else {                  } else {
146                          print STDERR "WARNING: field '$field' doesn't have 'name' attribute!";                          print STDERR "WARNING: field '$field' doesn't have 'name' attribute!";
147                  }                  }
148    
149                  if ($field_name) {                  if ($field_name) {
150                            $field_name = x($field_name);
151                          if (! $last_field_name) {                          if (! $last_field_name) {
152                                  $last_field_name = x($field_name);                                  $last_field_name = $field_name;
153                                  return $last_field_name;                                  return $last_field_name;
154                          } elsif ($field_name ne $last_field_name) {                          } elsif ($field_name ne $last_field_name) {
155                                  $last_field_name = x($field_name);                                  $last_field_name = $field_name;
156                                  return $last_field_name;                                  return $last_field_name;
157                          }                          }
158                  }                  }
159          }          }
160    
161    
162            # init variables for different types
163            sub init_visible_type($) {
164                    my $type = shift;
165    
166                    # swish, swish_exact, display, index, index_lookup
167                    # swish and display defaults
168                    my ($s,$se,$d,$i,$il) = (1,0,1,0,0);
169                    if (lc($type) eq "display") {
170                            $s = 0;
171                    } elsif (lc($type) eq "swish") {
172                            $d = 0;
173                    } elsif (lc($type) eq "index") {
174                            ($s,$se,$d,$i) = (0,1,0,1);
175                    } elsif (lc($type) eq "swish_exact") {
176                            ($s,$se,$d,$i) = (0,1,0,0);
177                    } elsif (lc($type) =~ /^lookup/) {
178                            ($s,$se,$d,$i,$il) = (0,1,0,0,1);
179                    } elsif ($type) {
180                            print STDERR "WARNING: unknown type: $type\n";
181                    }
182                    return ($s,$se,$d,$i,$il);
183            }
184    
185    
186            # convert
187            #
188            # <tag>
189            #  <delimiter>, </delimiter>
190            #  <value>200a</value>
191            # </tag>
192            #
193            # to
194            #
195            # <tag delimiter=", ">200a</tag>
196            #
197            # but without loosing spaces in delimiter (becasue
198            # new XML::Simple strips spaces in attribute values
199            # as defined in XML specification)
200            #
201            sub unroll_x($) {
202                    my $x = shift;
203    
204                    if (defined $x->{value}) {
205                            my ($v,$d) = ($x->{value}->{content}, $x->{delimiter}->{content});
206                            delete $x->{value};
207                            delete $x->{delimiter};
208                            $x->{content} = $v;
209                            $x->{delimiter} = $d;
210                    }
211                    return $x;
212            }
213    
214          # begin real work: go field by field          # begin real work: go field by field
215          foreach my $field (@sorted_tags) {          foreach my $field (@sorted_tags) {
216    
# Line 165  sub data2xml { Line 225  sub data2xml {
225    
226                  my ($swish,$display);                  my ($swish,$display);
227    
228                  my $tag = $type2tag{$type} || die "can't find which tag to use for type $type";                  my $tag = $cfg->val($database, 'import_xml_tag') || $type2tag{$type} || die "can't find which tag to use for type $type";
229    
230                  # is this field page-by-page?                  # is this field page-by-page?
231                  my $iterate_by_page = $config->{indexer}->{$field}->{iterate_by_page};                  my $iterate_by_page = $config->{indexer}->{$field}->{iterate_by_page};
# Line 184  sub data2xml { Line 244  sub data2xml {
244    
245                  foreach my $x (@{$config->{indexer}->{$field}->{$tag}}) {                  foreach my $x (@{$config->{indexer}->{$field}->{$tag}}) {
246    
247                            $x = unroll_x($x);
248    
249                          my $format = x($x->{content});                          my $format = x($x->{content});
250                          my $delimiter = x($x->{delimiter}) || ' ';                          my $delimiter = x($x->{delimiter}) || ' ';
251    
252                          my $repeat_off = 0;     # init repeatable offset                          my $repeat_off = 0;     # init repeatable offset
253    
254                          # swish, swish_exact, display, index, index_lookup                          my ($s,$se,$d,$i,$il) = init_visible_type($x->{type});
                         # swish and display defaults  
                         my ($s,$se,$d,$i,$il) = (1,0,1,0,0);  
                         $s = 0 if (lc($x->{type}) eq "display");  
                         $d = 0 if (lc($x->{type}) eq "swish");  
                         ($s,$se,$d,$i) = (0,1,0,1) if (lc($x->{type}) eq "index");  
                         ($s,$se,$d,$i) = (0,1,0,0) if (lc($x->{type}) eq "swish_exact");  
                         ($s,$se,$d,$i,$il) = (0,1,0,0,1) if (lc($x->{type}) =~ /^lookup/);  
255    
256                          # what will separate last line from this one?                          # what will separate last line from this one?
257                          if ($display_data && $x->{append}) {                          if ($display_data && $x->{append}) {
258                                  $line_delimiter = ' ';                                  $line_delimiter = $delimiter;
259                          } elsif ($display_data) {                          } elsif ($display_data) {
260                                  $line_delimiter = '<br/>';                                  $line_delimiter = '<br/>';
261                          }                          }
# Line 208  sub data2xml { Line 263  sub data2xml {
263                          # init vars so that we go into while...                          # init vars so that we go into while...
264                          ($swish,$display) = (1,1);                          ($swish,$display) = (1,1);
265    
                         # placeholder for all repeatable entries for index  
   
266                          sub mkformat($$) {                          sub mkformat($$) {
267                                  my $x = shift || die "mkformat needs tag reference";                                  my $x = shift || die "mkformat needs tag reference";
268                                  my $data = shift || return;                                  my $data = shift || return;
# Line 228  sub data2xml { Line 281  sub data2xml {
281                                          if (($#data+1) == $nr) {                                          if (($#data+1) == $nr) {
282                                                  return sprintf($fmt,@data);                                                  return sprintf($fmt,@data);
283                                          } else {                                          } else {
284                                                  print STDERR "mkformat: [$data] can't be split on [$format_delimiter] to $nr fields!\n";                                                  #print STDERR "mkformat: [$data] can't be split on [$format_delimiter] to $nr fields!\n";
285                                                  return $data;                                                  return $data;
286                                          }                                          }
287                                  } else {                                  } else {
# Line 257  sub data2xml { Line 310  sub data2xml {
310                                                                  $display = $new_display;                                                                  $display = $new_display;
311                                                                  $cache->{lhash}->{$display} = $new_display;                                                                  $cache->{lhash}->{$display} = $new_display;
312                                                          } else {                                                          } else {
313                                                                  print STDERR "WARNING: lookup for '$display' didn't find anything.\n";  #                                                               print STDERR "WARNING: lookup for '$display' didn't find anything.\n";
314                                                                  $display = "";                                                                  $display = "";
315                                                                  $cache->{lhash}->{$display} = $null;                                                                  $cache->{lhash}->{$display} = $null;
316                                                          }                                                          }
# Line 278  sub data2xml { Line 331  sub data2xml {
331                                  }                                  }
332                                  # type="swish" ; field for swish                                  # type="swish" ; field for swish
333                                  if ($swish) {                                  if ($swish) {
334                                            my $tmp = $swish;
335                                          if ($filter && ($s || $se)) {                                          if ($filter && ($s || $se)) {
336                                                  no strict 'refs';                                                  no strict 'refs';
337                                                  my $tmp = join(" ",&$filter($swish)) if ($s || $se);                                                  $tmp = join(" ",&$filter($tmp)) if ($s || $se);
                                                 $swish_data .= $tmp if ($s);  
                                                 $swish_exact_data .= $tmp if ($se);  
   
                                         } else {  
                                                 $swish_data .= $swish if ($s);  
                                                 $swish_exact_data .= $swish if ($se);  
338                                          }                                          }
339    
340                                            $swish_data .= $tmp if ($s && $tmp);
341                                            $swish_exact_data .= "xxbxx $tmp xxexx " if ($tmp && $tmp ne "" && $se);
342                                  }                                  }
343    
344                                  # type="display" ; field for display                                  # type="display" ; field for display
345                                  if ($d && $display) {                                  if ($d && $display) {
346                                            my $ldel = $delimiter;
347                                          if ($line_delimiter && $display_data) {                                          if ($line_delimiter && $display_data) {
348                                                  $display_data .= $line_delimiter;                                                  $ldel = $line_delimiter;
349                                          }                                          }
350                                          if ($filter) {                                          if ($filter) {
351                                                  no strict 'refs';                                                  no strict 'refs';
352                                                  if ($display_data) {                                                  my @arr;
353                                                          $display_data .= $delimiter.join($delimiter,mkformat($x,&$filter($display)));                                                  foreach my $tmp (&$filter($display)) {
354                                                  } else {                                                          my $tmp2 = mkformat($x,$tmp);
355                                                          $display_data = join($delimiter,mkformat($x,&$filter($display)));                                                          push @arr,$tmp2 if ($tmp2);
356                                                  }                                                  }
357                                                    $display_data .= $ldel if ($display_data && @arr);
358                                                    $display_data .= join($delimiter,@arr);
359                                          } else {                                          } else {
360                                                  if ($display_data) {                                                  $display_data .= $ldel if ($display_data);
361                                                          $display_data .= $delimiter.mkformat($x,$display);                                                  my $tmp = mkformat($x,$display);
362                                                  } else {                                                  $display_data .= $tmp if ($tmp);
                                                         $display_data = mkformat($x,$display);  
                                                 }  
363                                          }                                          }
364                                  }                                  }
365                                                                                                    
# Line 319  sub data2xml { Line 371  sub data2xml {
371                                                  no strict 'refs';                                                  no strict 'refs';
372                                                  $idisplay = &$filter($idisplay);                                                  $idisplay = &$filter($idisplay);
373                                          }                                          }
374                                          push @index_data, $idisplay if (! $iterate_by_page);                                          push @index_data, $idisplay if ($idisplay && !$iterate_by_page);
375                                  }                                  }
376    
377                                  # store fields in lookup                                  # store fields in lookup
# Line 328  sub data2xml { Line 380  sub data2xml {
380                                                  if ($lookup_key) {                                                  if ($lookup_key) {
381                                                          print STDERR "WARNING: try to redefine lookup_key (keys shouldn't be repeatable fields!)";                                                          print STDERR "WARNING: try to redefine lookup_key (keys shouldn't be repeatable fields!)";
382                                                  } else {                                                  } else {
383                                                          $lookup_key = $display;                                                          if ($filter) {
384                                                                    no strict 'refs';
385                                                                    $lookup_key = &$filter($display);
386                                                            } else {
387                                                                    $lookup_key = $display;
388                                                            }
389                                                  }                                                  }
390                                          } elsif (lc($x->{type}) eq "lookup_val") {                                          } elsif (lc($x->{type}) eq "lookup_val") {
391                                                  if ($lookup_key) {                                                  if ($lookup_key) {
392                                                          $lhash{$lookup_key} = $display;                                                          if ($filter) {
393                                                                    no strict 'refs';
394                                                                    $lhash{$lookup_key} = &$filter($display);
395                                                            } else {
396                                                                    $lhash{$lookup_key} = $display;
397                                                            }
398                                                  } else {                                                  } else {
399                                                          print STDERR "WARNING: no lookup_key defined for  '$display'?";                                                          print STDERR "WARNING: no lookup_key defined for  '$display'?";
400                                                  }                                                  }
# Line 408  sub data2xml { Line 470  sub data2xml {
470                  # now try to parse variables from configuration file                  # now try to parse variables from configuration file
471                  foreach my $x (@{$config->{indexer}->{$field}->{'config'}}) {                  foreach my $x (@{$config->{indexer}->{$field}->{'config'}}) {
472    
473                            $x = unroll_x($x);
474    
475                          my $delimiter = x($x->{delimiter}) || ' ';                          my $delimiter = x($x->{delimiter}) || ' ';
476                          my $val = $cfg->val($database, x($x->{content}));                          my $val = $cfg->val($database, x($x->{content}));
477    
478                          my ($s,$d,$i) = (1,1,0);        # swish, display default                          # FIXME index_lookup is not supported!
479                          $s = 0 if (lc($x->{type}) eq "display");                          my ($s,$se,$d,$i,$il) = init_visible_type($x->{type});
                         $d = 0 if (lc($x->{type}) eq "swish");  
                         # no support for swish exact in config.  
                         # IMHO, it's useless  
                         ($s,$d,$i) = (0,0,1) if (lc($x->{type}) eq "index");  
480    
481                          if ($val) {                          if ($val) {
482                                  $display_data .= $delimiter.$val if ($d);                                  $display_data .= $delimiter.$val if ($d);
483                                  $swish_data .= $val if ($s);                                  $swish_data .= " ".$val if ($s);
484                                  $index->insert($field, $val, $path) if ($i);                                  $index->insert($field, $val, $path) if ($i);
485                          }                          }
486    
# Line 451  sub data2xml { Line 511  sub data2xml {
511                          for (my $page=0; $page <= $nr_pages; $page++) {                          for (my $page=0; $page <= $nr_pages; $page++) {
512                                  my $display_data;                                  my $display_data;
513                                  if ($cache->{format}->{$field}) {                                  if ($cache->{format}->{$field}) {
514                                          $display_data=mkformat($cache->{format}->{$field},$cache->{display_data}->{$field}->[$page]);                                          my $tmp = mkformat($cache->{format}->{$field},$cache->{display_data}->{$field}->[$page]);
515                                            $display_data=$tmp if ($tmp);
516                                  } else {                                  } else {
517                                          $display_data = $cache->{display_data}->{$field}->[$page];                                          $display_data = $cache->{display_data}->{$field}->[$page];
518                                  }                                  }
# Line 472  sub data2xml { Line 533  sub data2xml {
533                                          $swish_data =~ s/ +/ /g;                                          $swish_data =~ s/ +/ /g;
534                                          $swish_data =~ s/ +$//g;                                          $swish_data =~ s/ +$//g;
535    
536                                          $xml .= xmlify($field."_swish", unac_string($codepage,$swish_data));                                          $xml .= xmlify($field."_swish", my_unac_string($codepage,$swish_data));
537                                  }                                  }
538    
539                                  my $swish_exact_data = $cache->{swish_exact_data}->{$field}->[$page];                                  my $swish_exact_data = $cache->{swish_exact_data}->{$field}->[$page];
# Line 482  sub data2xml { Line 543  sub data2xml {
543    
544                                          # add delimiters before and after word.                                          # add delimiters before and after word.
545                                          # That is required to produce exact match                                          # That is required to produce exact match
546                                          $xml .= xmlify($field."_swish_exact", unac_string($codepage,'xxbxx '.$swish_exact_data.' xxexx'));                                          $xml .= xmlify($field."_swish_exact", my_unac_string($codepage,$swish_exact_data));
547                                  }                                  }
548                                                                    
549                                  my $idel = $cache->{index_delimiter}->{$field};                                  my $idel = $cache->{index_delimiter}->{$field};
# Line 515  sub data2xml { Line 576  sub data2xml {
576                                  $swish_data =~ s/ +/ /g;                                  $swish_data =~ s/ +/ /g;
577                                  $swish_data =~ s/ +$//g;                                  $swish_data =~ s/ +$//g;
578    
579                                  $xml .= xmlify($field."_swish", unac_string($codepage,$swish_data));                                  $xml .= xmlify($field."_swish", my_unac_string($codepage,$swish_data));
580                          }                          }
581    
582                          if ($swish_exact_data) {                          if ($swish_exact_data) {
# Line 524  sub data2xml { Line 585  sub data2xml {
585    
586                                  # add delimiters before and after word.                                  # add delimiters before and after word.
587                                  # That is required to produce exact match                                  # That is required to produce exact match
588                                  $xml .= xmlify($field."_swish_exact", unac_string($codepage,'xxbxx '.$swish_exact_data.' xxexx'));                                  $xml .= xmlify($field."_swish_exact", my_unac_string($codepage,$swish_exact_data));
589                          }                          }
590                  }                  }
591          }          }
# Line 561  $index = new index_DBI( Line 622  $index = new index_DBI(
622    
623  my $show_progress = $cfg_global->val('global', 'show_progress');  my $show_progress = $cfg_global->val('global', 'show_progress');
624    
625  my $unac_filter = $cfg_global->val('global', 'unac_filter');  my $my_unac_filter = $cfg_global->val('global', 'my_unac_filter');
626  if ($unac_filter) {  if ($my_unac_filter) {
627          require $unac_filter;          print STDERR "using $my_unac_filter to filter characters for search\n";
628            require $my_unac_filter;
629    } else {
630            print STDERR "### fallback to default my_unac_string!\n";
631            eval q{
632            sub main::my_unac_string($$) {
633                    my ($charset, $string) = (@_);
634                    return $string;
635            }
636            };
637  }  }
638    
639  foreach my $database ($cfg->Sections) {  foreach my $database ($cfg->Sections) {
640    
641            # save database name in global variable path for later
642            # (need for index filter creation)
643            $path = $database;
644    
645          my $type = lc($cfg -> val($database, 'type')) || die "$database doesn't have 'type' defined";          my $type = lc($cfg -> val($database, 'type')) || die "$database doesn't have 'type' defined";
646          my $add_xml = $cfg -> val($database, 'xml');    # optional          my $add_xml = $cfg -> val($database, 'xml');    # optional
647    
# Line 575  foreach my $database ($cfg->Sections) { Line 649  foreach my $database ($cfg->Sections) {
649          my $lookup_file = $cfg -> val($database, 'lookup_newfile'); # optional          my $lookup_file = $cfg -> val($database, 'lookup_newfile'); # optional
650          if ($lookup_file) {          if ($lookup_file) {
651                  #tie %lhash, 'GDBM_File', $lookup_file, &GDBM_NEWDB, 0644;                  #tie %lhash, 'GDBM_File', $lookup_file, &GDBM_NEWDB, 0644;
652                    if (! -e $lookup_file) {
653                            open(LOOKUP, "> $lookup_file") || die "can't create $lookup_file': $!";
654                            close(LOOKUP);
655                    }
656                  tie %lhash, 'TDB_File', $lookup_file, TDB_CLEAR_IF_FIRST, O_RDWR, 0644;                  tie %lhash, 'TDB_File', $lookup_file, TDB_CLEAR_IF_FIRST, O_RDWR, 0644;
657                  print STDERR "creating lookup file '$lookup_file'\n";                  print STDERR "creating lookup file '$lookup_file'\n";
658                    # delete memory cache for lookup file
659                    delete $cache->{lhash};
660          }          }
661    
662          # open existing lookup file          # open existing lookup file
# Line 587  foreach my $database ($cfg->Sections) { Line 667  foreach my $database ($cfg->Sections) {
667                  print STDERR "opening lookup file '$lookup_file'\n";                  print STDERR "opening lookup file '$lookup_file'\n";
668          }          }
669    
670  print STDERR "reading ./import_xml/$type.xml\n";          my $import_xml_type = $cfg->val($database, 'import_xml_file') || $type;
671            my $import_xml_file = "./import_xml/$import_xml_type.xml";
672    
673            if (! -r $import_xml_file) {
674                    print STDERR "ERROR: file $import_xml_file not readable skipping!\n";
675                    next;
676            }
677    
678            print STDERR "reading $import_xml_file\n";
679    
680          # extract just type basic          # extract just type basic
681          my $type_base = $type;          my $type_base = $type;
682          $type_base =~ s/_.+$//g;          $type_base =~ s/_.+$//g;
683    
684          $config=XMLin("./import_xml/$type.xml", forcearray => [ $type2tag{$type_base}, 'config', 'format' ], forcecontent => 1);          my $tag = $cfg->val($database, 'import_xml_tag') || $type2tag{$type_base} || die "can't find which tag to use for type $type";
685            $config=XMLin($import_xml_file, ForceArray => [ $tag, 'config', 'format' ], ForceContent => 1 );
686    
687            # helper for progress bar
688            sub fmt_time {
689                    my $t = shift || 0;
690                    my $out = "";
691    
692                    my ($ss,$mm,$hh) = gmtime($t);
693                    $out .= "${hh}h" if ($hh);
694                    $out .= sprintf("%02d:%02d", $mm,$ss);
695                    $out .= "  " if ($hh == 0);
696                    return $out;
697            }
698    
699          # output current progress indicator          # output current progress indicator
700          my $last_p = 0;          my $last_p = 0;
701            my $start_t = time();
702          sub progress {          sub progress {
703                  return if (! $show_progress);                  return if (! $show_progress);
704                  my $current = shift;                  my $current = shift;
705                  my $total = shift || 1;                  my $total = shift || 1;
706                  my $p = int($current * 100 / $total);                  my $p = int($current * 100 / $total);
707                  if ($p != $last_p) {                  if ($p < $last_p || $current == 1) {
708                          printf STDERR ("%5d / %5d [%-51s] %-2d %% \r",$current,$total,"=" x ($p/2).">", $p );                          $start_t = time();
709                            $last_p = 0;
710                    } elsif ($p != $last_p) {
711                            my $rate = ($current / (time() - $start_t || 1));
712                            my $eta = ($total-$current) / ($rate || 1);
713                            printf STDERR ("%5d [%-38s] %-5d %0.1f/s %s\r",$current,"=" x ($p/3)."$p%>", $total, $rate, fmt_time($eta));
714                          $last_p = $p;                          $last_p = $p;
715                  }                  }
716          }          }
717    
718          my $fake_dir = 1;          my $fake_dir = 1;
719            my $fake_pos = 0;
720            my $last_fake_t = time();
721          sub fakeprogress {          sub fakeprogress {
722                  return if (! $show_progress);                  return if (! $show_progress);
723                  my $current = shift @_;                  my $current = shift @_;
724    
725                  my @ind = ('-','\\','|','/','-','\\','|','/', '-');                  my @ind = ('-','\\','|','/','-','\\','|','/');
726    
727                    if ($current < $fake_pos) {
728                            $start_t = time();
729                            $last_fake_t = 0;
730                            $fake_dir = 1;
731                            $fake_pos = 0;
732                    }
733    
734                    if (time()-$last_fake_t >= 1) {
735                            $last_fake_t = time();
736                            $fake_pos += $fake_dir;
737                            $fake_dir = -$fake_dir if ($fake_pos > 38);
738                    }
739    
740                  $last_p += $fake_dir;                  if ($current % 10 == 0) {
741                  $fake_dir = -$fake_dir if ($last_p > 1000 || $last_p < 0);                          my $rate = ($current / (time() - $start_t || 1));
742                  if ($last_p % 10 == 0) {                          printf STDERR ("%5d [%-38s] %0.1f/s\r",$current, " " x $fake_pos .$ind[($current / 10) % 8], $rate);
                         printf STDERR ("%5d / %5s [%-51s]\r",$current,"?"," " x ($last_p/20).$ind[($last_p/20) % $#ind]);  
743                  }                  }
744          }          }
745    
746          # now read database          # now read database
 print STDERR "using: $type...\n";  
747    
748          # erase cache for tags by order in this database          # erase cache for tags by order in this database
749          delete $cache->{tags_by_order};          delete $cache->{tags_by_order};
# Line 633  print STDERR "using: $type...\n"; Line 753  print STDERR "using: $type...\n";
753                  my $isis_db = $cfg -> val($database, 'isis_db') || die "$database doesn't have 'isis_db' defined!";                  my $isis_db = $cfg -> val($database, 'isis_db') || die "$database doesn't have 'isis_db' defined!";
754    
755                  $import2cp = Text::Iconv->new($config->{isis_codepage},$codepage);                  $import2cp = Text::Iconv->new($config->{isis_codepage},$codepage);
756                  my $db = OpenIsis::open( $isis_db );                  my $db = new Biblio::Isis( isisdb => $isis_db );
757    
758                  # check if .txt database for OpenIsis is zero length,                  if (! $db) {
759                  # if so, erase it and re-open database                          print STDERR "FATAL: can't read ISIS database: $isis_db, skipping...\n";
                 sub check_txt_db {  
                         my $isis_db = shift || die "need isis database name";  
                         my $reopen = 0;  
   
                         if (-e $isis_db.".TXT") {  
                                 print STDERR "WARNING: removing $isis_db.TXT OpenIsis database...\n";  
                                 unlink $isis_db.".TXT" || warn "FATAL: unlink error on '$isis_db.TXT': $!";  
                                 $reopen++;  
                         }  
                         if (-e $isis_db.".PTR") {  
                                 print STDERR "WARNING: removing $isis_db.PTR OpenIsis database...\n";  
                                 unlink $isis_db.".PTR" || warn "FATAL: unlink error on '$isis_db.PTR': $!";  
                                 $reopen++;  
                         }  
                         return OpenIsis::open( $isis_db ) if ($reopen);  
                 }  
   
                 # EOF error  
                 if ($db == -1) {  
                         $db = check_txt_db($isis_db);  
                         if ($db == -1) {  
                                 print STDERR "FATAL: OpenIsis can't open zero size file $isis_db\n";  
                                 next;  
                         }  
                 }  
   
                 # OpenIsis::ERR_BADF  
                 if ($db == -4) {  
                         print STDERR "FATAL: OpenIsis can't find file $isis_db\n";  
                         next;  
                 # OpenIsis::ERR_IO  
                 } elsif ($db == -5) {  
                         print STDERR "FATAL: OpenIsis can't access file $isis_db\n";  
                         next;  
                 } elsif ($db < 0) {  
                         print STDERR "FATAL: OpenIsis unknown error $db with file $isis_db\n";  
760                          next;                          next;
761                  }                  }
762    
763                  my $max_rowid = OpenIsis::maxRowid( $db );                  my $max_rowid = $db->count if ($db);
   
                 # if 0 records, try to rease isis .txt database  
                 if ($max_rowid == 0) {  
                         # force removal of database  
                         $db = check_txt_db($isis_db);  
                         $max_rowid = OpenIsis::maxRowid( $db );  
                 }  
764    
765                  print STDERR "Reading database: $isis_db [$max_rowid rows]\n";                  print STDERR "Reading database: $isis_db [$max_rowid rows]\n";
766    
                 my $path = $database;  
   
767                  for (my $row_id = 1; $row_id <= $max_rowid; $row_id++ ) {                  for (my $row_id = 1; $row_id <= $max_rowid; $row_id++ ) {
768                          my $row = OpenIsis::read( $db, $row_id );                          my $row = $db->to_hash( $row_id );
769                          if ($row && $row->{mfn}) {                          if ($row) {
770            
771                                    $row->{mfn} = $row_id;
772                                    $row->{record} = $db->{record};
773    
774                                  progress($row->{mfn}, $max_rowid);                                  progress($row->{mfn}, $max_rowid);
775    
776                                  my $swishpath = $path."#".int($row->{mfn});                                  my $swishpath = $path."#".int($row->{mfn});
# Line 706  print STDERR "using: $type...\n"; Line 784  print STDERR "using: $type...\n";
784                                  }                                  }
785                          }                          }
786                  }                  }
                 # for this to work with current version of OpenIsis (0.9.0)  
                 # you might need my patch from  
                 # http://www.rot13.org/~dpavlin/projects/openisis-0.9.0-perl_close.diff  
                 OpenIsis::close($db);  
787                  print STDERR "\n";                  print STDERR "\n";
788    
789          } elsif ($type_base eq "excel") {          } elsif ($type_base eq "excel") {
790                  use Spreadsheet::ParseExcel;                  require Spreadsheet::ParseExcel;
791                  use Spreadsheet::ParseExcel::Utility qw(int2col);                  require Spreadsheet::ParseExcel::Utility;
792                    import Spreadsheet::ParseExcel::Utility qw(int2col);
793                                    
794                  $import2cp = Text::Iconv->new($config->{excel_codepage},$codepage);                  $import2cp = Text::Iconv->new($config->{excel_codepage},$codepage);
795                  my $excel_file = $cfg -> val($database, 'excel_file') || die "$database doesn't have 'excel_file' defined!";                  my $excel_file = $cfg -> val($database, 'excel_file') || die "$database doesn't have 'excel_file' defined!";
# Line 742  print STDERR "using: $type...\n"; Line 817  print STDERR "using: $type...\n";
817                          for(my $iC = $oWorksheet->{MinCol} ; defined $oWorksheet->{MaxCol} && $iC <= $oWorksheet->{MaxCol} ; $iC++) {                          for(my $iC = $oWorksheet->{MinCol} ; defined $oWorksheet->{MaxCol} && $iC <= $oWorksheet->{MaxCol} ; $iC++) {
818                                  my $cell = $oWorksheet->{Cells}[$iR][$iC];                                  my $cell = $oWorksheet->{Cells}[$iR][$iC];
819                                  if ($cell) {                                  if ($cell) {
820                                          $row->{int2col($iC)} = $cell->Value;                                          # this conversion is a cludge.
821                                            # Files from Excell could have
822                                            # characters which don't fit into
823                                            # destination encoding.
824                                            $row->{int2col($iC)} = $utf2cp->convert($cell->Value) || $cell->Value;
825                                  }                                  }
826                          }                          }
827    
# Line 766  print STDERR "using: $type...\n"; Line 845  print STDERR "using: $type...\n";
845                                  print "Document-Type: XML\n\n$xml\n";                                  print "Document-Type: XML\n\n$xml\n";
846                          }                          }
847                  }                  }
848    
849                    print STDERR "\n";
850    
851          } elsif ($type_base eq "marc") {          } elsif ($type_base eq "marc") {
852    
853                  use MARC;                  require MARC::File::USMARC;
854                                    
855                  $import2cp = Text::Iconv->new($config->{marc_codepage},$codepage);                  $import2cp = Text::Iconv->new($config->{marc_codepage},$codepage);
856                  my $marc_file = $cfg -> val($database, 'marc_file') || die "$database doesn't have 'marc_file' defined!";                  my $marc_file = $cfg -> val($database, 'marc_file') || die "$database doesn't have 'marc_file' defined!";
857    
858                  # optional argument is format                  # optional argument is format
859                  my $format = x($config->{format}) || 'usmarc';                  warn "marc_format is no longer used!" if ($config->{marc_format});
   
860                  print STDERR "Reading MARC file '$marc_file'\n";                  print STDERR "Reading MARC file '$marc_file'\n";
861    
862                  my $marc = new MARC;                  my $marc = MARC::File::USMARC->in( $marc_file );
863                  my $nr = $marc->openmarc({  
864                                  file=>$marc_file, format=>$format                  if (! $marc) {
865                          }) || die "Can't open MARC file '$marc_file'";                          print STDERR "FATAL: can't read MARC file: $marc_file, skipping...\n";
866                            next;
867                    }
868    
869                    # count records in MARC file
870                    sub marc_count {
871                            my $filename = shift || die;
872                            my $file = MARC::File::USMARC->in($filename) || return;
873                            my $count = 0;
874                            while ($file->skip()) {
875                                    $count++;
876                            }
877                            return $count;
878                    }
879    
880                  my $i=0;        # record nr.                  my $count = marc_count($marc_file) || warn "no records in '$marc_file'?";
881    
882                  my $rec;                  my $i = 1;
883    
884                  while ($marc->nextmarc(1)) {                  while( my $rec = $marc->next() ) {
885    
886                          # XXX                          progress($i,$count);
                         fakeprogress($i++);  
887    
888                          my $swishpath = $database."#".$i;                          my $swishpath = $database."#".$i;
889    
890                          if (my $xml = data2xml($type_base,$marc,$add_xml,$cfg,$database)) {                          if (my $xml = data2xml($type_base,$rec,$add_xml,$cfg,$database)) {
891                                  $xml = $cp2utf->convert($xml);                                  $xml = $cp2utf->convert($xml);
892                                  use bytes;      # as opposed to chars                                  use bytes;      # as opposed to chars
893                                  print "Path-Name: $swishpath\n";                                  print "Path-Name: $swishpath\n";
894                                  print "Content-Length: ".(length($xml)+1)."\n";                                  print "Content-Length: ".(length($xml)+1)."\n";
895                                  print "Document-Type: XML\n\n$xml\n";                                  print "Document-Type: XML\n\n$xml\n";
896                          }                          }
897    
898                            $i++;
899                  }                  }
900    
901                    print STDERR "\n";
902    
903          } elsif ($type_base eq "feed") {          } elsif ($type_base eq "feed") {
904    
905                  $import2cp = Text::Iconv->new($config->{feed_codepage},$codepage);                  $import2cp = Text::Iconv->new($config->{feed_codepage},$codepage);
# Line 842  print STDERR "using: $type...\n"; Line 940  print STDERR "using: $type...\n";
940                  }                  }
941                  # close lookup                  # close lookup
942                  untie %lhash if (%lhash);                  untie %lhash if (%lhash);
943    
944            } elsif ($type_base eq "dbf") {
945    
946                    my $dbf_file = $cfg -> val($database, 'dbf_file') || die "$database doesn't have 'dbf_file' defined!";
947                    my $dbf_codepage = $cfg -> val($database, 'dbf_codepage') || die "$database doesn't have 'dbf_codepage' defined!";
948                    my $dbf_mapping = $cfg -> val($database, 'dbf_mapping') || die "$database doesn't have 'dbf_mapping' defined!";
949    
950                    $import2cp = Text::Iconv->new($dbf_codepage,$codepage);
951                    require XBase;
952                    my $db = new XBase $dbf_file;
953    
954                    if (! $db) {
955                            print STDERR "ERROR: can't read DBF database: $dbf_file, skipping...\n";
956                            next;
957                    }
958    
959                    my $max_rowid = $db->last_record;
960    
961                    print STDERR "Reading database: $dbf_file [$max_rowid rows]\n";
962    
963                    my %dbf2iso;
964                    foreach my $m (split(/[\n\r]+/,$dbf_mapping)) {
965                            my ($col,$fld) = split(/\s+/,$m,2);
966                            $dbf2iso{$col} = $fld;
967                    }
968    
969    #print STDERR "## dbf2iso: ",Dumper(\%dbf2iso),"\n## /dbf2iso\n";
970    
971                    # bad, bad...
972                    require "to_hash.pm";
973    
974                    foreach my $row_id (0 .. $max_rowid) {
975                            my $dbf_row = $db->get_record_as_hash($row_id);
976                            if ($dbf_row) {
977    
978    #print STDERR "## dbf_row: ",Dumper($dbf_row),"\n## /dbf_row\n";
979                                    # apply mapping from config file
980                                    # all unspecified records will get _ in
981                                    # front of them - _DELETE will be __DELETE
982                                    my $rec;
983                                    map {
984                                            my $new_fld = $dbf2iso{$_} || '_'.$_;
985                                            my $data = $dbf_row->{$_};
986                                            push @{ $rec->{$new_fld} }, $data if ($data && $data !~ /^(?:\s+|\$a\.|)$/);
987                                    } keys %{$dbf_row};
988    #print STDERR "## rec: ",Dumper($rec),"\n## /rec\n";
989                                    my $row = to_hash($row_id+1, $rec);
990    
991                                    $row->{mfn} = $row_id+1;
992                                    $row->{record} = $rec;
993    
994    #print STDERR "## row: ",Dumper($row),"\n## /row\n";
995                                    progress($row->{mfn}, $max_rowid);
996    
997                                    my $swishpath = $path."#".int($row->{mfn});
998    
999                                    if (my $xml = data2xml($type_base,$row,$add_xml,$cfg,$database)) {
1000                                            $xml = $cp2utf->convert($xml);
1001                                            use bytes;      # as opposed to chars
1002                                            print "Path-Name: $swishpath\n";
1003                                            print "Content-Length: ".(length($xml)+1)."\n";
1004                                            print "Document-Type: XML\n\n$xml\n";
1005                                    }
1006                            }
1007                    }
1008                    print STDERR "\n";
1009          }          }
1010  }  }
1011    
# Line 856  __END__ Line 1020  __END__
1020    
1021  all2xml.pl - read various file formats and dump XML for SWISH-E  all2xml.pl - read various file formats and dump XML for SWISH-E
1022    
1023    =head1 SYNOPSYS
1024    
1025     $ all2xml.pl [test.conf]
1026    
1027  =head1 DESCRIPTION  =head1 DESCRIPTION
1028    
1029  This command will read ISIS data file using OpenIsis perl module, MARC  This command will read ISIS data file using Biblio::Isis perl module, MARC
1030  records using MARC module and optionally Micro$oft Excel files to  records using MARC::File module and optionally Micro$oft Excel files to
1031  create one XML file for usage with I<SWISH-E> indexer. Dispite it's name,  create one XML file for usage with I<SWISH-E> indexer. Dispite it's name,
1032  this script B<isn't general xml generator> from isis files (isis allready  this script B<isn't general xml generator> from isis files (isis allready
1033  has something like that). Output of this script is tailor-made for SWISH-E.  has something like that). Output of this script is tailor-made for SWISH-E.
1034    
1035    If no configuration file is specified, it will use default one called
1036    C<all2xml.conf>.
1037    
1038  =head1 BUGS  =head1 BUGS
1039    
1040  Documentation is really lacking. However, in true Open Source spirit, source  Documentation is really lacking. However, in true Open Source spirit, source

Legend:
Removed from v.195  
changed lines
  Added in v.684

  ViewVC Help
Powered by ViewVC 1.1.26