/[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 276 by dpavlin, Sun Mar 14 12:09:01 2004 UTC revision 731 by dpavlin, Thu Apr 13 19:47:32 2006 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 120  sub data2xml { Line 126  sub data2xml {
126          delete $cache->{swish_exact_data};          delete $cache->{swish_exact_data};
127          delete $cache->{index_data};          delete $cache->{index_data};
128          delete $cache->{index_delimiter};          delete $cache->{index_delimiter};
129            delete $cache->{distinct};
130          my @page_fields;        # names of fields          my @page_fields;        # names of fields
131    
132    
# Line 139  sub data2xml { Line 146  sub data2xml {
146                  } else {                  } else {
147                          print STDERR "WARNING: field '$field' doesn't have 'name' attribute!";                          print STDERR "WARNING: field '$field' doesn't have 'name' attribute!";
148                  }                  }
149    
150                  if ($field_name) {                  if ($field_name) {
151                            $field_name = x($field_name);
152                          if (! $last_field_name) {                          if (! $last_field_name) {
153                                  $last_field_name = x($field_name);                                  $last_field_name = $field_name;
154                                  return $last_field_name;                                  return $last_field_name;
155                          } elsif ($field_name ne $last_field_name) {                          } elsif ($field_name ne $last_field_name) {
156                                  $last_field_name = x($field_name);                                  $last_field_name = $field_name;
157                                  return $last_field_name;                                  return $last_field_name;
158                          }                          }
159                  }                  }
160          }          }
161    
162    
163            # init variables for different types
164          sub init_visible_type($) {          sub init_visible_type($) {
165                  my $type = shift;                  my $type = shift;
166    
# Line 166  sub data2xml { Line 177  sub data2xml {
177                          ($s,$se,$d,$i) = (0,1,0,0);                          ($s,$se,$d,$i) = (0,1,0,0);
178                  } elsif (lc($type) =~ /^lookup/) {                  } elsif (lc($type) =~ /^lookup/) {
179                          ($s,$se,$d,$i,$il) = (0,1,0,0,1);                          ($s,$se,$d,$i,$il) = (0,1,0,0,1);
180                    } elsif ($type) {
181                            print STDERR "WARNING: unknown type: $type\n";
182                  }                  }
183                  return ($s,$se,$d,$i,$il);                  return ($s,$se,$d,$i,$il);
184          }          }
185    
186    
187            # convert
188            #
189            # <tag>
190            #  <delimiter>, </delimiter>
191            #  <value>200a</value>
192            # </tag>
193            #
194            # to
195            #
196            # <tag delimiter=", ">200a</tag>
197            #
198            # but without loosing spaces in delimiter (becasue
199            # new XML::Simple strips spaces in attribute values
200            # as defined in XML specification)
201            #
202            sub unroll_x($) {
203                    my $x = shift;
204    
205                    if (defined $x->{value}) {
206                            my ($v,$d) = ($x->{value}->{content}, $x->{delimiter}->{content});
207                            delete $x->{value};
208                            delete $x->{delimiter};
209                            $x->{content} = $v;
210                            $x->{delimiter} = $d;
211                    }
212                    return $x;
213            }
214    
215          # begin real work: go field by field          # begin real work: go field by field
216          foreach my $field (@sorted_tags) {          foreach my $field (@sorted_tags) {
217    
# Line 184  sub data2xml { Line 226  sub data2xml {
226    
227                  my ($swish,$display);                  my ($swish,$display);
228    
229                  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";
230    
231                  # is this field page-by-page?                  # is this field page-by-page?
232                  my $iterate_by_page = $config->{indexer}->{$field}->{iterate_by_page};                  my $iterate_by_page = $config->{indexer}->{$field}->{iterate_by_page};
# Line 193  sub data2xml { Line 235  sub data2xml {
235                  # default line_delimiter if using                  # default line_delimiter if using
236                  my $page_line_delimiter = $config->{indexer}->{$field}->{page_line_delimiter} || '<br/>';                  my $page_line_delimiter = $config->{indexer}->{$field}->{page_line_delimiter} || '<br/>';
237                  $cache->{index_delimiter}->{$field} = $config->{indexer}->{$field}->{index_delimiter};                  $cache->{index_delimiter}->{$field} = $config->{indexer}->{$field}->{index_delimiter};
238                    my $distinct = $config->{indexer}->{$field}->{distinct};
239                    if ($distinct && !$iterate_by_page) {
240                            warn "WARNING: distinct is currently not supported without iterate_by_page!\n";
241                            $distinct = 0;
242                    }
243    
244                  my $format_name = $config->{indexer}->{$field}->{format_name};                  my $format_name = $config->{indexer}->{$field}->{format_name};
245                  my $format_delimiter = $config->{indexer}->{$field}->{format_delimiter};                  my $format_delimiter = $config->{indexer}->{$field}->{format_delimiter};
# Line 203  sub data2xml { Line 250  sub data2xml {
250    
251                  foreach my $x (@{$config->{indexer}->{$field}->{$tag}}) {                  foreach my $x (@{$config->{indexer}->{$field}->{$tag}}) {
252    
253                            $x = unroll_x($x);
254    
255                          my $format = x($x->{content});                          my $format = x($x->{content});
256                          my $delimiter = x($x->{delimiter}) || ' ';                          my $delimiter = x($x->{delimiter}) || ' ';
257    
# Line 212  sub data2xml { Line 261  sub data2xml {
261    
262                          # what will separate last line from this one?                          # what will separate last line from this one?
263                          if ($display_data && $x->{append}) {                          if ($display_data && $x->{append}) {
264                                  $line_delimiter = ' ';                                  $line_delimiter = $delimiter;
265                          } elsif ($display_data) {                          } elsif ($display_data) {
266                                  $line_delimiter = '<br/>';                                  $line_delimiter = '<br/>';
267                          }                          }
# Line 220  sub data2xml { Line 269  sub data2xml {
269                          # init vars so that we go into while...                          # init vars so that we go into while...
270                          ($swish,$display) = (1,1);                          ($swish,$display) = (1,1);
271    
                         # placeholder for all repeatable entries for index  
   
272                          sub mkformat($$) {                          sub mkformat($$) {
273                                  my $x = shift || die "mkformat needs tag reference";                                  my $x = shift || die "mkformat needs tag reference";
274                                  my $data = shift || return;                                  my $data = shift || return;
# Line 371  sub data2xml { Line 418  sub data2xml {
418                                                  $ldel = " " if ($append);                                                  $ldel = " " if ($append);
419  #print STDERR "line delimiter: ",Dumper($ldel) if ($ldel);  #print STDERR "line delimiter: ",Dumper($ldel) if ($ldel);
420                                                  if (! $cache->{$what}->{$field}->[$page]) {                                                  if (! $cache->{$what}->{$field}->[$page]) {
421                                                          $cache->{$what}->{$field}->[$page] = $data;                                                          push @{$cache->{$what}->{$field}->[$page]}, {
422                                                  } else {                                                                  data => $data,
423                                                          $cache->{$what}->{$field}->[$page] .= $ldel.$data;                                                                  delimiter => $ldel,
424                                                            };
425                                                  }                                                  }
426                                          }                                          }
427    
# Line 429  sub data2xml { Line 477  sub data2xml {
477                  # now try to parse variables from configuration file                  # now try to parse variables from configuration file
478                  foreach my $x (@{$config->{indexer}->{$field}->{'config'}}) {                  foreach my $x (@{$config->{indexer}->{$field}->{'config'}}) {
479    
480                            $x = unroll_x($x);
481    
482                          my $delimiter = x($x->{delimiter}) || ' ';                          my $delimiter = x($x->{delimiter}) || ' ';
483                          my $val = $cfg->val($database, x($x->{content}));                          my $val = $cfg->val($database, x($x->{content}));
484    
# Line 446  sub data2xml { Line 496  sub data2xml {
496                                  # on first page!!!                                  # on first page!!!
497                                  my $page = 0;                                  my $page = 0;
498                                  if ($display_data) {                                  if ($display_data) {
499                                          $cache->{display_data}->{$field}->[$page] = $display_data;                                          push @{$cache->{display_data}->{$field}->[$page]}, { data => $display_data };
500                                          $display_data = "";                                          $display_data = "";
501                                  }                                  }
502                                  if ($swish_data) {                                  if ($swish_data) {
503                                          $cache->{swish_data}->{$field}->[$page] = $swish_data;                                          push @{$cache->{swish_data}->{$field}->[$page]}, { data => $swish_data };
504                                          $swish_data = "";                                          $swish_data = "";
505                                  }                                  }
506                                  if ($swish_exact_data) {                                  if ($swish_exact_data) {
507                                          $cache->{swish_exact_data}->{$field}->[$page] = $swish_exact_data;                                          push @{$cache->{swish_exact_data}->{$field}->[$page]}, { data => $swish_exact_data };
508                                          $swish_exact_data = "";                                          $swish_exact_data = "";
509                                  }                                  }
510                          }                          }
# Line 465  sub data2xml { Line 515  sub data2xml {
515                          my $nr_pages = $page_max{$field} || next;                          my $nr_pages = $page_max{$field} || next;
516  #print STDERR "field '$field' iterate over ",($nr_pages || 0)," pages...\n";  #print STDERR "field '$field' iterate over ",($nr_pages || 0)," pages...\n";
517  #print STDERR Dumper($cache->{display_data});  #print STDERR Dumper($cache->{display_data});
518                            my $seen;       # used for distinct
519                          for (my $page=0; $page <= $nr_pages; $page++) {                          for (my $page=0; $page <= $nr_pages; $page++) {
520                                  my $display_data;                                  my $display_data;
521                                  if ($cache->{format}->{$field}) {                                  my $delimiter = '';
522                                          my $tmp = mkformat($cache->{format}->{$field},$cache->{display_data}->{$field}->[$page]);                                  foreach my $element (@{ $cache->{display_data}->{$field}->[$page] }) {
523                                          $display_data=$tmp if ($tmp);                                          my $data = $element->{data};
524                                  } else {                                          die "BUG! no data in element?" unless ($data);
525                                          $display_data = $cache->{display_data}->{$field}->[$page];  
526                                            if ($distinct) {
527                                                    next if ($cache->{distinct}->{$field}->{ $data });
528                                                    $cache->{distinct}->{$field}->{ $data } = 1;
529                                            }
530    
531                                            if ($cache->{format}->{$field}) {
532                                                    my $tmp = mkformat($cache->{format}->{$field},$data);
533                                                    $display_data .= $delimiter . $tmp if ($tmp);
534                                            } else {
535                                                    $display_data .= $delimiter . $data;
536                                            }
537                                            $delimiter = $element->{delimiter} if ($element->{delimiter});
538                                  }                                  }
539    
540                                  if ($display_data) { # default                                  if ($display_data) { # default
541                                          if ($field eq "headline") {                                          if ($field eq "headline") {
542                                                  $xml .= xmlify("headline", $display_data);                                                  $xml .= xmlify("headline", $display_data);
# Line 484  sub data2xml { Line 548  sub data2xml {
548                                          }                                          }
549                                  }                                  }
550                                                                    
551                                  my $swish_data = $cache->{swish_data}->{$field}->[$page];                                  my $swish_data = join(" ",map { $_->{data} } @{ $cache->{swish_data}->{$field}->[$page] });
552                                  if ($swish_data) {                                  if ($swish_data) {
553                                          # remove extra spaces                                          # remove extra spaces
554                                          $swish_data =~ s/ +/ /g;                                          $swish_data =~ s/ +/ /g;
555                                          $swish_data =~ s/ +$//g;                                          $swish_data =~ s/ +$//g;
556    
557                                          $xml .= xmlify($field."_swish", unac_string($codepage,$swish_data));                                          $xml .= xmlify($field."_swish", my_unac_string($codepage,$swish_data));
558                                  }                                  }
559    
560                                  my $swish_exact_data = $cache->{swish_exact_data}->{$field}->[$page];                                  my $swish_exact_data = join(" ", map { $_->{data} } @{ $cache->{swish_exact_data}->{$field}->[$page] });
561                                  if ($swish_exact_data) {                                  if ($swish_exact_data) {
562                                          $swish_exact_data =~ s/ +/ /g;                                          $swish_exact_data =~ s/ +/ /g;
563                                          $swish_exact_data =~ s/ +$//g;                                          $swish_exact_data =~ s/ +$//g;
564    
565                                          # add delimiters before and after word.                                          # add delimiters before and after word.
566                                          # That is required to produce exact match                                          # That is required to produce exact match
567                                          $xml .= xmlify($field."_swish_exact", unac_string($codepage,$swish_exact_data));                                          $xml .= xmlify($field."_swish_exact", my_unac_string($codepage,$swish_exact_data));
568                                  }                                  }
569                                                                    
570                                  my $idel = $cache->{index_delimiter}->{$field};                                  my $idel = $cache->{index_delimiter}->{$field};
# Line 533  sub data2xml { Line 597  sub data2xml {
597                                  $swish_data =~ s/ +/ /g;                                  $swish_data =~ s/ +/ /g;
598                                  $swish_data =~ s/ +$//g;                                  $swish_data =~ s/ +$//g;
599    
600                                  $xml .= xmlify($field."_swish", unac_string($codepage,$swish_data));                                  $xml .= xmlify($field."_swish", my_unac_string($codepage,$swish_data));
601                          }                          }
602    
603                          if ($swish_exact_data) {                          if ($swish_exact_data) {
# Line 542  sub data2xml { Line 606  sub data2xml {
606    
607                                  # add delimiters before and after word.                                  # add delimiters before and after word.
608                                  # That is required to produce exact match                                  # That is required to produce exact match
609                                  $xml .= xmlify($field."_swish_exact", unac_string($codepage,$swish_exact_data));                                  $xml .= xmlify($field."_swish_exact", my_unac_string($codepage,$swish_exact_data));
610                          }                          }
611                  }                  }
612          }          }
# Line 579  $index = new index_DBI( Line 643  $index = new index_DBI(
643    
644  my $show_progress = $cfg_global->val('global', 'show_progress');  my $show_progress = $cfg_global->val('global', 'show_progress');
645    
646  my $unac_filter = $cfg_global->val('global', 'unac_filter');  my $my_unac_filter = $cfg_global->val('global', 'my_unac_filter');
647  if ($unac_filter) {  if ($my_unac_filter) {
648          require $unac_filter;          print STDERR "using $my_unac_filter to filter characters for search\n";
649            require $my_unac_filter;
650    } else {
651            print STDERR "### fallback to default my_unac_string!\n";
652            eval q{
653            sub main::my_unac_string($$) {
654                    my ($charset, $string) = (@_);
655                    return $string;
656            }
657            };
658  }  }
659    
660  foreach my $database ($cfg->Sections) {  foreach my $database ($cfg->Sections) {
661    
662            # save database name in global variable path for later
663            # (need for index filter creation)
664            $path = $database;
665    
666          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";
667          my $add_xml = $cfg -> val($database, 'xml');    # optional          my $add_xml = $cfg -> val($database, 'xml');    # optional
668    
# Line 593  foreach my $database ($cfg->Sections) { Line 670  foreach my $database ($cfg->Sections) {
670          my $lookup_file = $cfg -> val($database, 'lookup_newfile'); # optional          my $lookup_file = $cfg -> val($database, 'lookup_newfile'); # optional
671          if ($lookup_file) {          if ($lookup_file) {
672                  #tie %lhash, 'GDBM_File', $lookup_file, &GDBM_NEWDB, 0644;                  #tie %lhash, 'GDBM_File', $lookup_file, &GDBM_NEWDB, 0644;
673                    if (! -e $lookup_file) {
674                            open(LOOKUP, "> $lookup_file") || die "can't create $lookup_file': $!";
675                            close(LOOKUP);
676                    }
677                  tie %lhash, 'TDB_File', $lookup_file, TDB_CLEAR_IF_FIRST, O_RDWR, 0644;                  tie %lhash, 'TDB_File', $lookup_file, TDB_CLEAR_IF_FIRST, O_RDWR, 0644;
678                  print STDERR "creating lookup file '$lookup_file'\n";                  print STDERR "creating lookup file '$lookup_file'\n";
679                  # delete memory cache for lookup file                  # delete memory cache for lookup file
# Line 607  foreach my $database ($cfg->Sections) { Line 688  foreach my $database ($cfg->Sections) {
688                  print STDERR "opening lookup file '$lookup_file'\n";                  print STDERR "opening lookup file '$lookup_file'\n";
689          }          }
690    
691  print STDERR "reading ./import_xml/$type.xml\n";          my $import_xml_type = $cfg->val($database, 'import_xml_file') || $type;
692            my $import_xml_file = "./import_xml/$import_xml_type.xml";
693    
694            if (! -r $import_xml_file) {
695                    print STDERR "ERROR: file $import_xml_file not readable skipping!\n";
696                    next;
697            }
698    
699            print STDERR "reading $import_xml_file\n";
700    
701          # extract just type basic          # extract just type basic
702          my $type_base = $type;          my $type_base = $type;
703          $type_base =~ s/_.+$//g;          $type_base =~ s/_.+$//g;
704    
705          $config=XMLin("./import_xml/$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";
706            $config=XMLin($import_xml_file, ForceArray => [ $tag, 'config', 'format' ], ForceContent => 1 );
707    
708            # helper for progress bar
709            sub fmt_time {
710                    my $t = shift || 0;
711                    my $out = "";
712    
713                    my ($ss,$mm,$hh) = gmtime($t);
714                    $out .= "${hh}h" if ($hh);
715                    $out .= sprintf("%02d:%02d", $mm,$ss);
716                    $out .= "  " if ($hh == 0);
717                    return $out;
718            }
719    
720          # output current progress indicator          # output current progress indicator
721          my $last_p = 0;          my $last_p = 0;
722            my $start_t = time();
723          sub progress {          sub progress {
724                  return if (! $show_progress);                  return if (! $show_progress);
725                  my $current = shift;                  my $current = shift;
726                  my $total = shift || 1;                  my $total = shift || 1;
727                  my $p = int($current * 100 / $total);                  my $p = int($current * 100 / $total);
728                  if ($p != $last_p) {                  if ($p < $last_p || $current == 1) {
729                          printf STDERR ("%5d / %5d [%-51s] %-2d %% \r",$current,$total,"=" x ($p/2).">", $p );                          $start_t = time();
730                            $last_p = 0;
731                    } elsif ($p != $last_p) {
732                            my $rate = ($current / (time() - $start_t || 1));
733                            my $eta = ($total-$current) / ($rate || 1);
734                            printf STDERR ("%5d [%-38s] %-5d %0.1f/s %s\r",$current,"=" x ($p/3)."$p%>", $total, $rate, fmt_time($eta));
735                          $last_p = $p;                          $last_p = $p;
736                  }                  }
737          }          }
738    
739          my $fake_dir = 1;          my $fake_dir = 1;
740            my $fake_pos = 0;
741            my $last_fake_t = time();
742          sub fakeprogress {          sub fakeprogress {
743                  return if (! $show_progress);                  return if (! $show_progress);
744                  my $current = shift @_;                  my $current = shift @_;
745    
746                  my @ind = ('-','\\','|','/','-','\\','|','/', '-');                  my @ind = ('-','\\','|','/','-','\\','|','/');
747    
748                  $last_p += $fake_dir;                  if ($current < $fake_pos) {
749                  $fake_dir = -$fake_dir if ($last_p > 1000 || $last_p < 0);                          $start_t = time();
750                  if ($last_p % 10 == 0) {                          $last_fake_t = 0;
751                          printf STDERR ("%5d / %5s [%-51s]\r",$current,"?"," " x ($last_p/20).$ind[($last_p/20) % $#ind]);                          $fake_dir = 1;
752                            $fake_pos = 0;
753                    }
754    
755                    if (time()-$last_fake_t >= 1) {
756                            $last_fake_t = time();
757                            $fake_pos += $fake_dir;
758                            $fake_dir = -$fake_dir if ($fake_pos > 38);
759                    }
760    
761                    if ($current % 10 == 0) {
762                            my $rate = ($current / (time() - $start_t || 1));
763                            printf STDERR ("%5d [%-38s] %0.1f/s\r",$current, " " x $fake_pos .$ind[($current / 10) % 8], $rate);
764                  }                  }
765          }          }
766    
767          # now read database          # now read database
 print STDERR "using: $type...\n";  
768    
769          # erase cache for tags by order in this database          # erase cache for tags by order in this database
770          delete $cache->{tags_by_order};          delete $cache->{tags_by_order};
# Line 653  print STDERR "using: $type...\n"; Line 774  print STDERR "using: $type...\n";
774                  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!";
775    
776                  $import2cp = Text::Iconv->new($config->{isis_codepage},$codepage);                  $import2cp = Text::Iconv->new($config->{isis_codepage},$codepage);
777                  my $db = OpenIsis::open( $isis_db );                  my $db = new Biblio::Isis( isisdb => $isis_db );
778    
779                  # check if .txt database for OpenIsis is zero length,                  if (! $db) {
780                  # 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";  
781                          next;                          next;
782                  }                  }
783    
784                  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 );  
                 }  
785    
786                  print STDERR "Reading database: $isis_db [$max_rowid rows]\n";                  print STDERR "Reading database: $isis_db [$max_rowid rows]\n";
787    
                 my $path = $database;  
   
788                  for (my $row_id = 1; $row_id <= $max_rowid; $row_id++ ) {                  for (my $row_id = 1; $row_id <= $max_rowid; $row_id++ ) {
789                          my $row = OpenIsis::read( $db, $row_id );                          my $row = $db->to_hash( $row_id );
790                          if ($row && $row->{mfn}) {                          if ($row) {
791            
792                                    $row->{mfn} = $row_id;
793                                    $row->{record} = $db->{record};
794    
795                                  progress($row->{mfn}, $max_rowid);                                  progress($row->{mfn}, $max_rowid);
796    
797                                  my $swishpath = $path."#".int($row->{mfn});                                  my $swishpath = $path."#".int($row->{mfn});
# Line 726  print STDERR "using: $type...\n"; Line 805  print STDERR "using: $type...\n";
805                                  }                                  }
806                          }                          }
807                  }                  }
                 # for this to work with current version of OpenIsis (0.9.0)  
                 # you might need my patch from  
                 # http://www.rot13.org/~dpavlin/projects/openisis-0.9.0-perl_close.diff  
                 OpenIsis::close($db);  
808                  print STDERR "\n";                  print STDERR "\n";
809    
810          } elsif ($type_base eq "excel") {          } elsif ($type_base eq "excel") {
# Line 741  print STDERR "using: $type...\n"; Line 816  print STDERR "using: $type...\n";
816                  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!";
817    
818                  my $sheet = x($config->{sheet}) || die "no sheet in $type.xml";                  my $sheet = x($config->{sheet}) || die "no sheet in $type.xml";
819                  my $start_row = x($config->{start_row}) - 1 || die "no start_row in $type.xml";                  my $start_row = x($config->{start_row}) || die "no start_row in $type.xml";
820                    $start_row--;
821    
822                  my $oBook = Spreadsheet::ParseExcel::Workbook->Parse($excel_file) || die "can't open Excel file '$excel_file'";                  my $oBook = Spreadsheet::ParseExcel::Workbook->Parse($excel_file) || die "can't open Excel file '$excel_file'";
823    
# Line 763  print STDERR "using: $type...\n"; Line 839  print STDERR "using: $type...\n";
839                          for(my $iC = $oWorksheet->{MinCol} ; defined $oWorksheet->{MaxCol} && $iC <= $oWorksheet->{MaxCol} ; $iC++) {                          for(my $iC = $oWorksheet->{MinCol} ; defined $oWorksheet->{MaxCol} && $iC <= $oWorksheet->{MaxCol} ; $iC++) {
840                                  my $cell = $oWorksheet->{Cells}[$iR][$iC];                                  my $cell = $oWorksheet->{Cells}[$iR][$iC];
841                                  if ($cell) {                                  if ($cell) {
842                                          $row->{int2col($iC)} = $cell->Value;                                          # this conversion is a cludge.
843                                            # Files from Excell could have
844                                            # characters which don't fit into
845                                            # destination encoding.
846                                            $row->{int2col($iC)} = $utf2cp->convert($cell->Value) || $cell->Value;
847                                  }                                  }
848                          }                          }
849    
# Line 787  print STDERR "using: $type...\n"; Line 867  print STDERR "using: $type...\n";
867                                  print "Document-Type: XML\n\n$xml\n";                                  print "Document-Type: XML\n\n$xml\n";
868                          }                          }
869                  }                  }
870    
871                    print STDERR "\n";
872    
873          } elsif ($type_base eq "marc") {          } elsif ($type_base eq "marc") {
874    
875                  require MARC;                  require MARC::File::USMARC;
876                                    
877                  $import2cp = Text::Iconv->new($config->{marc_codepage},$codepage);                  $import2cp = Text::Iconv->new($config->{marc_codepage},$codepage);
878                  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!";
879    
880                  # optional argument is format                  # optional argument is format
881                  my $format = x($config->{marc_format}) || 'usmarc';                  warn "marc_format is no longer used!" if ($config->{marc_format});
   
882                  print STDERR "Reading MARC file '$marc_file'\n";                  print STDERR "Reading MARC file '$marc_file'\n";
883    
884                  my $marc = new MARC;                  my $marc = MARC::File::USMARC->in( $marc_file );
                 my $nr = $marc->openmarc({  
                                 file=>$marc_file, format=>$format  
                         }) || die "Can't open MARC file '$marc_file' with format '$format'";  
885    
886                  # read MARC file in memory                  if (! $marc) {
887                  $marc->nextmarc(-1);                          print STDERR "FATAL: can't read MARC file: $marc_file, skipping...\n";
888                            next;
889                    }
890    
891                  my $max_rec = $marc->marc_count();                  # count records in MARC file
892                    sub marc_count {
893                            my $filename = shift || die;
894                            my $file = MARC::File::USMARC->in($filename) || return;
895                            my $count = 0;
896                            while ($file->skip()) {
897                                    $count++;
898                            }
899                            return $count;
900                    }
901    
902                  for(my $i=1; $i<=$max_rec; $i++) {                  my $count = marc_count($marc_file) || warn "no records in '$marc_file'?";
903    
904                          progress($i,$max_rec);                  my $i = 1;
905    
906                          # store value for marc_sf.pm                  while( my $rec = $marc->next() ) {
907                          $main::cache->{marc_record} = $i;  
908                            progress($i,$count);
909    
910                          my $swishpath = $database."#".$i;                          my $swishpath = $database."#".$i;
911    
912                          if (my $xml = data2xml($type_base,$marc,$add_xml,$cfg,$database)) {                          if (my $xml = data2xml($type_base,$rec,$add_xml,$cfg,$database)) {
913                                  $xml = $cp2utf->convert($xml);                                  $xml = $cp2utf->convert($xml);
914                                  use bytes;      # as opposed to chars                                  use bytes;      # as opposed to chars
915                                  print "Path-Name: $swishpath\n";                                  print "Path-Name: $swishpath\n";
916                                  print "Content-Length: ".(length($xml)+1)."\n";                                  print "Content-Length: ".(length($xml)+1)."\n";
917                                  print "Document-Type: XML\n\n$xml\n";                                  print "Document-Type: XML\n\n$xml\n";
918                          }                          }
919    
920                            $i++;
921                  }                  }
922    
923                  print STDERR "\n";                  print STDERR "\n";
# Line 869  print STDERR "using: $type...\n"; Line 962  print STDERR "using: $type...\n";
962                  }                  }
963                  # close lookup                  # close lookup
964                  untie %lhash if (%lhash);                  untie %lhash if (%lhash);
965    
966            } elsif ($type_base eq "dbf") {
967    
968                    my $dbf_file = $cfg -> val($database, 'dbf_file') || die "$database doesn't have 'dbf_file' defined!";
969                    my $dbf_codepage = $cfg -> val($database, 'dbf_codepage') || die "$database doesn't have 'dbf_codepage' defined!";
970                    my $dbf_mapping = $cfg -> val($database, 'dbf_mapping') || die "$database doesn't have 'dbf_mapping' defined!";
971    
972                    $import2cp = Text::Iconv->new($dbf_codepage,$codepage);
973                    require XBase;
974                    my $db = new XBase $dbf_file;
975    
976                    if (! $db) {
977                            print STDERR "ERROR: can't read DBF database: $dbf_file, skipping...\n";
978                            next;
979                    }
980    
981                    my $max_rowid = $db->last_record;
982    
983                    print STDERR "Reading database: $dbf_file [$max_rowid rows]\n";
984    
985                    my %dbf2iso;
986                    foreach my $m (split(/[\n\r]+/,$dbf_mapping)) {
987                            my ($col,$fld) = split(/\s+/,$m,2);
988                            $dbf2iso{$col} = $fld;
989                    }
990    
991    #print STDERR "## dbf2iso: ",Dumper(\%dbf2iso),"\n## /dbf2iso\n";
992    
993                    # bad, bad...
994                    require "to_hash.pm";
995    
996                    foreach my $row_id (0 .. $max_rowid) {
997                            my $dbf_row = $db->get_record_as_hash($row_id);
998                            if ($dbf_row) {
999    
1000    #print STDERR "## dbf_row: ",Dumper($dbf_row),"\n## /dbf_row\n";
1001                                    # apply mapping from config file
1002                                    # all unspecified records will get _ in
1003                                    # front of them - _DELETE will be __DELETE
1004                                    my $rec;
1005                                    map {
1006                                            my $new_fld = $dbf2iso{$_} || '_'.$_;
1007                                            my $data = $dbf_row->{$_};
1008                                            push @{ $rec->{$new_fld} }, $data if ($data && $data !~ /^(?:\s+|\$a\.|)$/);
1009                                    } keys %{$dbf_row};
1010    #print STDERR "## rec: ",Dumper($rec),"\n## /rec\n";
1011                                    my $row = to_hash($row_id+1, $rec);
1012    
1013                                    $row->{mfn} = $row_id+1;
1014                                    $row->{record} = $rec;
1015    
1016    #print STDERR "## row: ",Dumper($row),"\n## /row\n";
1017                                    progress($row->{mfn}, $max_rowid);
1018    
1019                                    my $swishpath = $path."#".int($row->{mfn});
1020    
1021                                    if (my $xml = data2xml($type_base,$row,$add_xml,$cfg,$database)) {
1022                                            $xml = $cp2utf->convert($xml);
1023                                            use bytes;      # as opposed to chars
1024                                            print "Path-Name: $swishpath\n";
1025                                            print "Content-Length: ".(length($xml)+1)."\n";
1026                                            print "Document-Type: XML\n\n$xml\n";
1027                                    }
1028                            }
1029                    }
1030                    print STDERR "\n";
1031          }          }
1032  }  }
1033    
# Line 883  __END__ Line 1042  __END__
1042    
1043  all2xml.pl - read various file formats and dump XML for SWISH-E  all2xml.pl - read various file formats and dump XML for SWISH-E
1044    
1045    =head1 SYNOPSYS
1046    
1047     $ all2xml.pl [test.conf]
1048    
1049  =head1 DESCRIPTION  =head1 DESCRIPTION
1050    
1051  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
1052  records using MARC module and optionally Micro$oft Excel files to  records using MARC::File module and optionally Micro$oft Excel files to
1053  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,
1054  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
1055  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.
1056    
1057    If no configuration file is specified, it will use default one called
1058    C<all2xml.conf>.
1059    
1060  =head1 BUGS  =head1 BUGS
1061    
1062  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.276  
changed lines
  Added in v.731

  ViewVC Help
Powered by ViewVC 1.1.26