/[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 50 by dpavlin, Sun Jun 1 13:46:42 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;
12    use Fcntl;      # for O_RDWR
13    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;  # there is no other, right now ;-)  #use index_DBI;         # default DBI module for index
26    #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 33  getopts('d:m:qs', \%opts); Line 39  getopts('d:m:qs', \%opts);
39    
40  my $path;       # this is name of database  my $path;       # this is name of database
41    
42  Text::Iconv->raise_error(1);     # Conversion errors raise exceptions  Text::Iconv->raise_error(0);     # Conversion errors don't raise exceptions
43    
44  # this is encoding of all files on disk, including import_xml/*.xml file and  # this is encoding of all files on disk, including import_xml/*.xml file and
45  # filter/*.pm files! It will be used to store strings in perl internally!  # filter/*.pm files! It will be used to store strings in perl internally!
# Line 45  sub x { Line 51  sub x {
51          return $utf2cp->convert($_[0]);          return $utf2cp->convert($_[0]);
52  }  }
53    
54  # decode isis import codepage  # decode isis/excel or other import codepage
55  my $isis2cp;  my $import2cp;
56    
57  # outgoing xml must be in UTF-8  # outgoing xml must be in UTF-8
58  my $cp2utf = Text::Iconv->new($codepage,'UTF-8');  my $cp2utf = Text::Iconv->new($codepage,'UTF-8');
59    
60  sub isis2xml {  # mapping between data type and tag which specify
61    # format in XML file
62    my %type2tag = (
63            'isis' => 'isis',
64            'excel' => 'column',
65            'marc' => 'marc',
66            'feed' => 'feed',
67    );
68    
69    my $cache;      # for cacheing
70    
71    # lookup hash (tied to file)
72    my %lhash;
73    # this option will cache all lookup entries in memory.
74    # if you are tight on memory, turn this off
75    my $use_lhash_cache = 1;
76    
77    my $last_field_name;    # cache to prevent repeated fields
78    
79    sub data2xml {
80    
81          use xmlify;          use xmlify;
82    
83            my $type = shift @_;
84          my $row = shift @_;          my $row = shift @_;
85          my $add_xml = shift @_;          my $add_xml = shift @_;
86            # needed to read values from configuration file
87            my $cfg = shift @_;
88            my $database = shift @_;
89    
90          my $xml;          my $xml;
91    
# Line 68  sub isis2xml { Line 97  sub isis2xml {
97    
98          # sort subrouting using order="" attribute          # sort subrouting using order="" attribute
99          sub by_order {          sub by_order {
100                  return 0 if (! $config->{indexer}->{$a}->{order});                  my $va = $config->{indexer}->{$a}->{order} ||
101                  return 0 if (! $config->{indexer}->{$b}->{order});                          $config->{indexer}->{$a};
102                    my $vb = $config->{indexer}->{$b}->{order} ||
103                            $config->{indexer}->{$b};
104    
105                  return $config->{indexer}->{$a}->{order} <=>                  return $va <=> $vb;
                         $config->{indexer}->{$b}->{order} ;  
106          }          }
107    
108          foreach my $field (sort by_order keys %{$config->{indexer}}) {          my @sorted_tags;
109            if ($cache->{tags_by_order}) {
110                    @sorted_tags = @{$cache->{tags_by_order}};
111            } else {
112                    @sorted_tags = sort by_order keys %{$config->{indexer}};
113                    $cache->{tags_by_order} = \@sorted_tags;
114            }
115    
116                  $field=x($field);          if (! @sorted_tags) {
117                    print STDERR "WARNING: no tags for this type found in import_xml file!\n";
118            }
119    
120            # lookup key
121            my $lookup_key;
122    
123            # cache for field in pages
124            delete $cache->{display_data};
125            delete $cache->{swish_data};
126            delete $cache->{swish_exact_data};
127            delete $cache->{index_data};
128            delete $cache->{index_delimiter};
129            my @page_fields;        # names of fields
130    
131    
132            # subs used to produce output
133    
134            sub get_field_name($$$) {
135                    my ($config,$field,$field_usage) = @_;
136    
137                    # find field name (signular, plural)
138                    my $field_name = "";
139                    if ($config->{indexer}->{$field}->{name_singular} && $field_usage == 1) {
140                            $field_name = $config->{indexer}->{$field}->{name_singular};
141                    } elsif ($config->{indexer}->{$field}->{name_plural}) {
142                            $field_name = $config->{indexer}->{$field}->{name_plural};
143                    } elsif ($config->{indexer}->{$field}->{name}) {
144                            $field_name = $config->{indexer}->{$field}->{name};
145                    } else {
146                            print STDERR "WARNING: field '$field' doesn't have 'name' attribute!";
147                    }
148    
149                    if ($field_name) {
150                            $field_name = x($field_name);
151                            if (! $last_field_name) {
152                                    $last_field_name = $field_name;
153                                    return $last_field_name;
154                            } elsif ($field_name ne $last_field_name) {
155                                    $last_field_name = $field_name;
156                                    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
215            foreach my $field (@sorted_tags) {
216    
217                    $field=x($field);
218                  $field_usage{$field}++;                  $field_usage{$field}++;
219    
220                  my $swish_data = "";                  my $swish_data = "";
221                    my $swish_exact_data = "";
222                  my $display_data = "";                  my $display_data = "";
223                    my @index_data;
224                  my $line_delimiter;                  my $line_delimiter;
225    
226                  my ($swish,$display);                  my ($swish,$display);
227    
228                  foreach my $x (@{$config->{indexer}->{$field}->{isis}}) {                  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?
231                    my $iterate_by_page = $config->{indexer}->{$field}->{iterate_by_page};
232                    push @page_fields,$field if ($iterate_by_page);
233                    my %page_max = ();
234                    # default line_delimiter if using
235                    my $page_line_delimiter = $config->{indexer}->{$field}->{page_line_delimiter} || '<br/>';
236                    $cache->{index_delimiter}->{$field} = $config->{indexer}->{$field}->{index_delimiter};
237    
238                    my $format_name = $config->{indexer}->{$field}->{format_name};
239                    my $format_delimiter = $config->{indexer}->{$field}->{format_delimiter};
240                    if ($format_name && $format_delimiter) {
241                            $cache->{format}->{$field}->{format_name} = $format_name;
242                            $cache->{format}->{$field}->{format_delimiter} = $format_delimiter;
243                    }
244    
245                    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 $isis_i = 0;         # isis repeatable offset                          my $repeat_off = 0;     # init repeatable offset
253    
254                          my ($s,$d,$i) = (1,1,0);        # swish, display default                          my ($s,$se,$d,$i,$il) = init_visible_type($x->{type});
                         $s = 0 if (lc($x->{type}) eq "display");  
                         $d = 0 if (lc($x->{type}) eq "swish");  
                         ($s,$d,$i) = (0,0,1) if (lc($x->{type}) eq "index");  
255    
256                          # what will separate last line from this one?                          # what will separate last line from this one?
257                          if ($display_data && $x->{append} && $x->{append} eq "1") {                          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 109  sub isis2xml { Line 263  sub isis2xml {
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    
266                            sub mkformat($$) {
267                                    my $x = shift || die "mkformat needs tag reference";
268                                    my $data = shift || return;
269                                    my $format_name = x($x->{format_name}) || return $data;
270                                    my $fmt = x($config->{format}->{$format_name}->{content}) || die "<format name=\"$format_name\"> is not defined!";
271                                    my $format_delimiter = x($x->{format_delimiter});
272                                    my @data;
273                                    if ($format_delimiter) {
274                                            @data = split(/$format_delimiter/,$data);
275                                    } else {
276                                            push @data,$data;
277                                    }
278    
279                                    if ($fmt) {
280                                            my $nr = scalar $fmt =~ s/%s/%s/g;
281                                            if (($#data+1) == $nr) {
282                                                    return sprintf($fmt,@data);
283                                            } else {
284                                                    #print STDERR "mkformat: [$data] can't be split on [$format_delimiter] to $nr fields!\n";
285                                                    return $data;
286                                            }
287                                    } else {
288                                            print STDERR "usage of link '$format_name' without defined format (<link> tag)\n";
289                                    }
290                            }
291    
292                            # while because of repeatable fields
293                          while ($swish || $display) {                          while ($swish || $display) {
294                                  ($swish,$display) = parse_format($format,$row,$isis_i++,$isis2cp);                                  my $page = $repeat_off;
295                                    $page_max{$field} = $page if ($iterate_by_page && $page > ($page_max{$field} || 0));
296                                    ($swish,$display) = parse_format($type, $format,$row,$repeat_off++,$import2cp);
297                                    if ($repeat_off > 1000) {
298                                            print STDERR "loop (more than 1000 repeatable fields) deteced in $row, $format\n";
299                                            last;
300                                    }
301    
302                                    # is this field is lookup?
303                                    if ($display && $x->{lookup}) {
304                                            my $null = "<!-- null -->";
305                                            if ($use_lhash_cache) {
306                                                    if (!defined($cache->{lhash}->{$display})) {
307                                                            my $new_display = $lhash{$display};
308                                                            if (defined($new_display)) {
309    #print STDERR "lookup cache store '$display' = '$new_display'\n";
310                                                                    $display = $new_display;
311                                                                    $cache->{lhash}->{$display} = $new_display;
312                                                            } else {
313    #                                                               print STDERR "WARNING: lookup for '$display' didn't find anything.\n";
314                                                                    $display = "";
315                                                                    $cache->{lhash}->{$display} = $null;
316                                                            }
317                                                    } else {
318                                                            $display = $cache->{lhash}->{$display};
319                                                    }
320                                            } else {
321                                                    $display = $lhash{$display} || $null;
322                                            }
323                                    }
324    
325                                  # filter="name" ; filter this field through                                  # filter="name" ; filter this field through
326                                  # filter/[name].pm                                  # filter/[name].pm
327                                  my $filter = $x->{filter};                                  my $filter = $x->{filter};
328                                  if ($filter) {                                  if ($filter && !$cache->{filter_loaded}->{$filter}) {
329                                          require "filter/".$filter.".pm";                                          require "filter/".$filter.".pm";
330                                            $cache->{filter_loaded}->{$filter}++;
331                                  }                                  }
332                                  # type="swish" ; field for swish                                  # type="swish" ; field for swish
333                                  if ($s && $swish) {                                  if ($swish) {
334                                          if ($filter) {                                          my $tmp = $swish;
335                                            if ($filter && ($s || $se)) {
336                                                  no strict 'refs';                                                  no strict 'refs';
337                                                  $swish_data .= join(" ",&$filter($swish));                                                  $tmp = join(" ",&$filter($tmp)) if ($s || $se);
                                         } else {  
                                                 $swish_data .= $swish;  
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;
                                                 undef $line_delimiter;  
349                                          }                                          }
350                                          if ($filter) {                                          if ($filter) {
351                                                  no strict 'refs';                                                  no strict 'refs';
352                                                  $display_data .= join($delimiter,&$filter($display));                                                  my @arr;
353                                          } else {                                                  foreach my $tmp (&$filter($display)) {
354                                                  if ($display_data) {                                                          my $tmp2 = mkformat($x,$tmp);
355                                                          $display_data .= $delimiter.$display;                                                          push @arr,$tmp2 if ($tmp2);
                                                 } else {  
                                                         $display_data .= $display;  
356                                                  }                                                  }
357                                                    $display_data .= $ldel if ($display_data && @arr);
358                                                    $display_data .= join($delimiter,@arr);
359                                            } else {
360                                                    $display_data .= $ldel if ($display_data);
361                                                    my $tmp = mkformat($x,$display);
362                                                    $display_data .= $tmp if ($tmp);
363                                          }                                          }
364                                  }                                  }
365                                                                                                    
366                                  # type="index" ; insert into index                                  # type="index" ; insert into index
367                                    my $idisplay;
368                                  if ($i && $display) {                                  if ($i && $display) {
369                                          my $index_data = $display;                                          $idisplay = $display;
370                                          if ($filter) {                                          if ($filter) {
371                                                  no strict 'refs';                                                  no strict 'refs';
372                                                  foreach my $d (&$filter($index_data)) {                                                  $idisplay = &$filter($idisplay);
373                                                          $index->insert($field, $d, $path);                                          }
374                                            push @index_data, $idisplay if ($idisplay && !$iterate_by_page);
375                                    }
376    
377                                    # store fields in lookup
378                                    if ($il && $display) {
379                                            if (lc($x->{type}) eq "lookup_key") {
380                                                    if ($lookup_key) {
381                                                            print STDERR "WARNING: try to redefine lookup_key (keys shouldn't be repeatable fields!)";
382                                                    } else {
383                                                            if ($filter) {
384                                                                    no strict 'refs';
385                                                                    $lookup_key = &$filter($display);
386                                                            } else {
387                                                                    $lookup_key = $display;
388                                                            }
389                                                  }                                                  }
390                                          } else {                                          } elsif (lc($x->{type}) eq "lookup_val") {
391                                                  $index->insert($field, $index_data, $path);                                                  if ($lookup_key) {
392                                                            if ($filter) {
393                                                                    no strict 'refs';
394                                                                    $lhash{$lookup_key} = &$filter($display);
395                                                            } else {
396                                                                    $lhash{$lookup_key} = $display;
397                                                            }
398                                                    } else {
399                                                            print STDERR "WARNING: no lookup_key defined for  '$display'?";
400                                                    }
401                                            }
402    
403                                    }
404    
405                                    # store data for page-by-page repeatable fields
406                                    if ($iterate_by_page) {
407                                            sub iterate_fld($$$$$$) {
408                                                    my ($cache,$what,$field,$page,$data,$append) = @_;
409                                                    return if (!$data);
410    
411                                                    my $ldel = $page_line_delimiter;
412                                                    $ldel = " " if ($append);
413    #print STDERR "line delimiter: ",Dumper($ldel) if ($ldel);
414                                                    if (! $cache->{$what}->{$field}->[$page]) {
415                                                            $cache->{$what}->{$field}->[$page] = $data;
416                                                    } else {
417                                                            $cache->{$what}->{$field}->[$page] .= $ldel.$data;
418                                                    }
419                                            }
420    
421                                            if ($display_data) {
422                                                    iterate_fld($cache,'display_data',$field,$page,$display_data,$x->{append});
423                                            }
424                                                    $display_data = "";
425                                            if ($swish_data) {
426                                                    iterate_fld($cache,'swish_data',$field,$page,$swish_data,$x->{append});
427                                                    $swish_data = "";
428                                            }
429                                            if ($swish_exact_data) {
430                                                    iterate_fld($cache,'swish_exact_data',$field,$page,$swish_exact_data,$x->{append});
431                                                    $swish_exact_data = "";
432                                            }
433    
434                                            if ($idisplay) {
435                                                    my $ldel=$page_line_delimiter;
436                                                    my @index_data;
437                                                    if ($cache->{index_data}->{$field}->[$page]) {
438    
439                                                            @index_data = @{$cache->{index_data}->{$field}->[$page]};
440                                                    }
441                                                    if ($x->{append}) {
442                                                            if (@index_data) {
443                                                                    $index_data[$#index_data] .= $idisplay;
444                                                            } else {
445                                                                    push @index_data, $idisplay;
446                                                            }
447                                                    } else {
448                                                            push @index_data, $idisplay;
449                                                    }
450                                                    $idisplay = "";
451                                                    @{$cache->{index_data}->{$field}->[$page]} = @index_data;
452                                            }
453                                    }
454                            }
455    
456                            if (! $iterate_by_page) {
457                                    my $idel = $x->{index_delimiter};
458                                    # fill data in index
459                                    foreach my $tmp (@index_data) {
460                                            my $i = $d = $tmp;
461                                            if ($idel && $tmp =~ m/$idel/) {
462                                                    ($i,$d) = split(/$idel/,$tmp);
463                                          }                                          }
464                                            $index->insert($field, $i, $d, $path);
465                                  }                                  }
466                                    @index_data = ();
467                          }                          }
468                  }                  }
469    
470                    # now try to parse variables from configuration file
471                    foreach my $x (@{$config->{indexer}->{$field}->{'config'}}) {
472    
473                  if ($display_data) {                          $x = unroll_x($x);
474    
475                          if ($field eq "headline") {                          my $delimiter = x($x->{delimiter}) || ' ';
476                                  $xml .= xmlify("headline", $display_data);                          my $val = $cfg->val($database, x($x->{content}));
                         } else {  
477    
478                                  # find field name (signular, plural)                          # FIXME index_lookup is not supported!
479                                  my $field_name = "";                          my ($s,$se,$d,$i,$il) = init_visible_type($x->{type});
480                                  if ($config->{indexer}->{$field}->{name_singular} && $field_usage{$field} == 1) {  
481                                          $field_name = $config->{indexer}->{$field}->{name_singular}."#-#";                          if ($val) {
482                                  } elsif ($config->{indexer}->{$field}->{name_plural}) {                                  $display_data .= $delimiter.$val if ($d);
483                                          $field_name = $config->{indexer}->{$field}->{name_plural}."#-#";                                  $swish_data .= " ".$val if ($s);
484                                  } elsif ($config->{indexer}->{$field}->{name}) {                                  $index->insert($field, $val, $path) if ($i);
485                                          $field_name = $config->{indexer}->{$field}->{name}."#-#";                          }
486                                  } else {  
487                                          print STDERR "WARNING: field '$field' doesn't have 'name' attribute!";                          if ($iterate_by_page) {
488                                    # FIXME data from config tag will appear just
489                                    # on first page!!!
490                                    my $page = 0;
491                                    if ($display_data) {
492                                            $cache->{display_data}->{$field}->[$page] = $display_data;
493                                            $display_data = "";
494                                    }
495                                    if ($swish_data) {
496                                            $cache->{swish_data}->{$field}->[$page] = $swish_data;
497                                            $swish_data = "";
498                                  }                                  }
499                                  if ($field_name) {                                  if ($swish_exact_data) {
500                                          $html .= x($field_name);                                          $cache->{swish_exact_data}->{$field}->[$page] = $swish_exact_data;
501                                            $swish_exact_data = "";
502                                  }                                  }
                                 $html .= $display_data."###\n";  
503                          }                          }
504                  }                  }
                 if ($swish_data) {  
                         # remove extra spaces  
                         $swish_data =~ s/ +/ /g;  
                         $swish_data =~ s/ +$//g;  
505    
506                          $xml .= xmlify($field."_swish", unac_string($codepage,$swish_data));                  # save data page-by-page
507                    foreach my $field (@page_fields) {
508                            my $nr_pages = $page_max{$field} || next;
509    #print STDERR "field '$field' iterate over ",($nr_pages || 0)," pages...\n";
510    #print STDERR Dumper($cache->{display_data});
511                            for (my $page=0; $page <= $nr_pages; $page++) {
512                                    my $display_data;
513                                    if ($cache->{format}->{$field}) {
514                                            my $tmp = mkformat($cache->{format}->{$field},$cache->{display_data}->{$field}->[$page]);
515                                            $display_data=$tmp if ($tmp);
516                                    } else {
517                                            $display_data = $cache->{display_data}->{$field}->[$page];
518                                    }
519                                    if ($display_data) { # default
520                                            if ($field eq "headline") {
521                                                    $xml .= xmlify("headline", $display_data);
522                                            } else {
523    
524                                                    # fallback to empty field name if needed
525                                                    $html .= get_field_name($config,$field,$field_usage{$field}) || '';
526                                                    $html .= "#-#".$display_data."###\n";
527                                            }
528                                    }
529                                    
530                                    my $swish_data = $cache->{swish_data}->{$field}->[$page];
531                                    if ($swish_data) {
532                                            # remove extra spaces
533                                            $swish_data =~ s/ +/ /g;
534                                            $swish_data =~ s/ +$//g;
535    
536                                            $xml .= xmlify($field."_swish", my_unac_string($codepage,$swish_data));
537                                    }
538    
539                                    my $swish_exact_data = $cache->{swish_exact_data}->{$field}->[$page];
540                                    if ($swish_exact_data) {
541                                            $swish_exact_data =~ s/ +/ /g;
542                                            $swish_exact_data =~ s/ +$//g;
543    
544                                            # add delimiters before and after word.
545                                            # That is required to produce exact match
546                                            $xml .= xmlify($field."_swish_exact", my_unac_string($codepage,$swish_exact_data));
547                                    }
548                                    
549                                    my $idel = $cache->{index_delimiter}->{$field};
550                                    foreach my $tmp (@{$cache->{index_data}->{$field}->[$page]}) {
551                                            my $i = $tmp;
552                                            my $d = $tmp;
553                                            if ($idel && $tmp =~ m/$idel/) {
554                                                    ($i,$d) = split(/$idel/,$tmp);
555                                            }
556                                            $index->insert($field, $i, $d, $path);
557    #print STDERR "index [$idel] $field: $i --> $d [$path]\n";
558                                    }
559                            }
560            
561                  }                  }
562                    
563                    if (! $iterate_by_page) {
564                            if ($display_data) {
565                                    if ($field eq "headline") {
566                                            $xml .= xmlify("headline", $display_data);
567                                    } else {
568    
569                                            # fallback to empty field name if needed
570                                            $html .= get_field_name($config,$field,$field_usage{$field}) || '';
571                                            $html .= "#-#".$display_data."###\n";
572                                    }
573                            }
574                            if ($swish_data) {
575                                    # remove extra spaces
576                                    $swish_data =~ s/ +/ /g;
577                                    $swish_data =~ s/ +$//g;
578    
579                                    $xml .= xmlify($field."_swish", my_unac_string($codepage,$swish_data));
580                            }
581    
582                            if ($swish_exact_data) {
583                                    $swish_exact_data =~ s/ +/ /g;
584                                    $swish_exact_data =~ s/ +$//g;
585    
586                                    # add delimiters before and after word.
587                                    # That is required to produce exact match
588                                    $xml .= xmlify($field."_swish_exact", my_unac_string($codepage,$swish_exact_data));
589                            }
590                    }
591          }          }
592    
593          # dump formatted output in <html>          # dump formatted output in <html>
594          if ($html) {          if ($html) {
595                  $xml .= xmlify("html",$html);                  #$xml .= xmlify("html",$html);
596                    $xml .= "<html><![CDATA[ $html ]]></html>";
597          }          }
598                    
599          if ($xml) {          if ($xml) {
# Line 211  sub isis2xml { Line 606  sub isis2xml {
606    
607  ##########################################################################  ##########################################################################
608    
609    # read configuration for this script
610  my $cfg = new Config::IniFiles( -file => $config_file );  my $cfg = new Config::IniFiles( -file => $config_file );
611    
612    # read global.conf configuration
613    my $cfg_global = new Config::IniFiles( -file => 'global.conf' );
614    
615  # open index  # open index
616  $index = new index_DBI(  $index = new index_DBI(
617                  $cfg->val('global', 'dbi_dbd'),                  $cfg_global->val('global', 'dbi_dbd'),
618                  $cfg->val('global', 'dbi_dsn'),                  $cfg_global->val('global', 'dbi_dsn'),
619                  $cfg->val('global', 'dbi_user'),                  $cfg_global->val('global', 'dbi_user'),
620                  $cfg->val('global', 'dbi_passwd') || '',                  $cfg_global->val('global', 'dbi_passwd') || '',
621          );          );
622    
623  # delete [global] section to leave just databases sections  my $show_progress = $cfg_global->val('global', 'show_progress');
624  $cfg->DeleteSection('global');  
625    my $my_unac_filter = $cfg_global->val('global', 'my_unac_filter');
626    if ($my_unac_filter) {
627            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          my $isis_db = $cfg -> val($database, 'isis_db') || die "$database doesn't have 'isis_db' defined!";          # save database name in global variable path for later
642          my $type = $cfg -> val($database, 'type') || die "$database doesn't have 'type' defined";          # (need for index filter creation)
643          my $add_xml = $cfg -> val($database, 'xml');    # optional          $path = $database;
644    
645          $config=XMLin("./import_xml/$type.xml", forcearray => [ 'isis' ], forcecontent => 1);          my $type = lc($cfg -> val($database, 'type')) || die "$database doesn't have 'type' defined";
646            my $add_xml = $cfg -> val($database, 'xml');    # optional
647    
648          $isis2cp = Text::Iconv->new($config->{isis_codepage},$codepage);          # create new lookup file
649            my $lookup_file = $cfg -> val($database, 'lookup_newfile'); # optional
650            if ($lookup_file) {
651                    #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', $lookup_file, TDB_CLEAR_IF_FIRST, O_RDWR, 0644;
657                    print STDERR "creating lookup file '$lookup_file'\n";
658                    # delete memory cache for lookup file
659                    delete $cache->{lhash};
660            }
661    
662          my $db = OpenIsis::open( $isis_db );          # open existing lookup file
663          if (0) {          $lookup_file = $cfg -> val($database, 'lookup_open'); # optional
664  #       # FIX          if ($lookup_file) {
665  #       if (! $db ) {                  #tie %lhash, 'GDBM_File', $lookup_file, &GDBM_READER, 0644;
666                  print STDERR "WARNING: can't open '$isis_db'\n";                  tie %lhash, 'TDB_File', $lookup_file, TDB_DEFAULT, O_RDWR, 0644;
667                  next ;                  print STDERR "opening lookup file '$lookup_file'\n";
668          }          }
669    
670          my $max_rowid = OpenIsis::maxRowid( $db );          my $import_xml_type = $cfg->val($database, 'import_xml_file') || $type;
671            my $import_xml_file = "./import_xml/$import_xml_type.xml";
672    
673          print STDERR "Reading database: $isis_db [$max_rowid rows]\n";          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          my $path = $database;                   # was $isis_db          # extract just type basic
681            my $type_base = $type;
682            $type_base =~ s/_.+$//g;
683    
684            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
700          my $last_p = 0;          my $last_p = 0;
701            my $start_t = time();
702            sub progress {
703                    return if (! $show_progress);
704                    my $current = shift;
705                    my $total = shift || 1;
706                    my $p = int($current * 100 / $total);
707                    if ($p < $last_p || $current == 1) {
708                            $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;
715                    }
716            }
717    
718            my $fake_dir = 1;
719            my $fake_pos = 0;
720            my $last_fake_t = time();
721            sub fakeprogress {
722                    return if (! $show_progress);
723                    my $current = shift @_;
724    
725                    my @ind = ('-','\\','|','/','-','\\','|','/');
726    
727                    if ($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 ($fake_pos > 38);
738                    }
739    
740                    if ($current % 10 == 0) {
741                            my $rate = ($current / (time() - $start_t || 1));
742                            printf STDERR ("%5d [%-38s] %0.1f/s\r",$current, " " x $fake_pos .$ind[($current / 10) % 8], $rate);
743                    }
744            }
745    
746            # now read database
747    
748            # erase cache for tags by order in this database
749            delete $cache->{tags_by_order};
750    
751            if ($type_base eq "isis") {
752    
753                    my $isis_db = $cfg -> val($database, 'isis_db') || die "$database doesn't have 'isis_db' defined!";
754    
755  #       { my $row_id = 4514;                  $import2cp = Text::Iconv->new($config->{isis_codepage},$codepage);
756  # FIX                  my $db = new Biblio::Isis( isisdb => $isis_db );
757          for (my $row_id = 1; $row_id <= $max_rowid; $row_id++ ) {  
758                  my $row = OpenIsis::read( $db, $row_id );                  if (! $db) {
759                  if ($row && $row->{mfn}) {                          print STDERR "FATAL: can't read ISIS database: $isis_db, skipping...\n";
760                          # output current process indicator                          next;
761                          my $p = int($row->{mfn} * 100 / $max_rowid);                  }
762                          if ($p != $last_p) {  
763                                  printf STDERR ("%5d / %5d [%-51s] %-2d %% \r",$row->{mfn},$max_rowid,"=" x ($p/2).">", $p ) if (! $opts{q});                  my $max_rowid = $db->count if ($db);
764                                  $last_p = $p;  
765                    print STDERR "Reading database: $isis_db [$max_rowid rows]\n";
766    
767                    for (my $row_id = 1; $row_id <= $max_rowid; $row_id++ ) {
768                            my $row = $db->to_hash( $row_id );
769                            if ($row) {
770    
771                                    $row->{mfn} = $row_id;
772                                    $row->{record} = $db->{record};
773    
774                                    progress($row->{mfn}, $max_rowid);
775    
776                                    my $swishpath = $path."#".int($row->{mfn});
777    
778                                    if (my $xml = data2xml($type_base,$row,$add_xml,$cfg,$database)) {
779                                            $xml = $cp2utf->convert($xml);
780                                            use bytes;      # as opposed to chars
781                                            print "Path-Name: $swishpath\n";
782                                            print "Content-Length: ".(length($xml)+1)."\n";
783                                            print "Document-Type: XML\n\n$xml\n";
784                                    }
785                          }                          }
786                    }
787                    print STDERR "\n";
788    
789                          my $swishpath = $path."#".int($row->{mfn});          } elsif ($type_base eq "excel") {
790                    require Spreadsheet::ParseExcel;
791                    require Spreadsheet::ParseExcel::Utility;
792                    import Spreadsheet::ParseExcel::Utility qw(int2col);
793                    
794                    $import2cp = Text::Iconv->new($config->{excel_codepage},$codepage);
795                    my $excel_file = $cfg -> val($database, 'excel_file') || die "$database doesn't have 'excel_file' defined!";
796    
797                    my $sheet = x($config->{sheet}) || die "no sheet in $type.xml";
798                    my $start_row = x($config->{start_row}) - 1 || die "no start_row in $type.xml";
799    
800                    my $oBook = Spreadsheet::ParseExcel::Workbook->Parse($excel_file) || die "can't open Excel file '$excel_file'";
801    
802                    my $sheet_nr = 0;
803                    foreach my $oWks (@{$oBook->{Worksheet}}) {
804                            #print STDERR "-- SHEET $sheet_nr:", $oWks->{Name}, "\n";
805                            last if ($oWks->{Name} eq $sheet);
806                            $sheet_nr++;
807                    }
808    
809                          if (my $xml = isis2xml($row,$add_xml)) {                  my $oWorksheet = $oBook->{Worksheet}[$sheet_nr];
810            
811                    print STDERR "using sheet: ",$oWorksheet->{Name},"\n";
812                    defined ($oWorksheet) || die "can't find sheet '$sheet' in $excel_file";
813                    my $end_row = x($config->{end_row}) || $oWorksheet->{MaxRow};
814    
815                    for(my $iR = $start_row ; defined $end_row && $iR <= $end_row ; $iR++) {
816                            my $row;
817                            for(my $iC = $oWorksheet->{MinCol} ; defined $oWorksheet->{MaxCol} && $iC <= $oWorksheet->{MaxCol} ; $iC++) {
818                                    my $cell = $oWorksheet->{Cells}[$iR][$iC];
819                                    if ($cell) {
820                                            # 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) || $cell->Value;
825                                    }
826                            }
827    
828                            progress($iR, $end_row);
829    
830    #                       print "row[$iR/$end_row] ";
831    #                       foreach (keys %{$row}) {
832    #                               print "$_: ",$row->{$_},"\t";
833    #                       }
834    #                       print "\n";
835    
836                            my $swishpath = $database."#".$iR;
837    
838                            next if (! $row);
839    
840                            if (my $xml = data2xml($type_base,$row,$add_xml,$cfg,$database)) {
841                                  $xml = $cp2utf->convert($xml);                                  $xml = $cp2utf->convert($xml);
842                                  use bytes;      # as opposed to chars                                  use bytes;      # as opposed to chars
843                                  print "Path-Name: $swishpath\n";                                  print "Path-Name: $swishpath\n";
# Line 272  foreach my $database ($cfg->Sections) { Line 845  foreach my $database ($cfg->Sections) {
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") {
852    
853                    require MARC::File::USMARC;
854                    
855                    $import2cp = Text::Iconv->new($config->{marc_codepage},$codepage);
856                    my $marc_file = $cfg -> val($database, 'marc_file') || die "$database doesn't have 'marc_file' defined!";
857    
858                    # optional argument is format
859                    warn "marc_format is no longer used!" if ($config->{marc_format});
860                    print STDERR "Reading MARC file '$marc_file'\n";
861    
862                    my $marc = MARC::File::USMARC->in( $marc_file );
863    
864                    if (! $marc) {
865                            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 $count = marc_count($marc_file) || warn "no records in '$marc_file'?";
881    
882                    my $i = 1;
883    
884                    while( my $rec = $marc->next() ) {
885    
886                            progress($i,$count);
887    
888                            my $swishpath = $database."#".$i;
889    
890                            if (my $xml = data2xml($type_base,$rec,$add_xml,$cfg,$database)) {
891                                    $xml = $cp2utf->convert($xml);
892                                    use bytes;      # as opposed to chars
893                                    print "Path-Name: $swishpath\n";
894                                    print "Content-Length: ".(length($xml)+1)."\n";
895                                    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") {
904    
905                    $import2cp = Text::Iconv->new($config->{feed_codepage},$codepage);
906                    my $prog = x($config->{prog}) || die "$database doesn't have 'prog' defined!";
907    
908                    print STDERR "Reading feed from program '$prog'\n";
909    
910                    open(FEED,"feeds/$prog |") || die "can't start $prog: $!";
911    
912                    my $i=1;        # record nr.
913    
914                    my $data;
915                    my $line=1;
916    
917                    while (<FEED>) {
918                            chomp;
919    
920                            if (/^$/) {
921                                    my $swishpath = $database."#".$i++;
922    
923                                    if (my $xml = data2xml($type_base,$data,$add_xml,$cfg,$database)) {
924                                            $xml = $cp2utf->convert($xml);
925                                            use bytes;      # as opposed to chars
926                                            print "Path-Name: $swishpath\n";
927                                            print "Content-Length: ".(length($xml)+1)."\n";
928                                            print "Document-Type: XML\n\n$xml\n";
929                                    }
930                                    $line = 1;
931                                    $data = {};
932                                    next;
933                            }
934    
935                            $line = $1 if (s/^(\d+):\s*//);
936                            $data->{$line++} = $_;
937    
938                            fakeprogress($i);
939    
940                    }
941                    # close lookup
942                    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          }          }
         print STDERR "\n";  
1010  }  }
1011    
1012  # call this to commit index  # call this to commit index
# Line 285  __END__ Line 1018  __END__
1018    
1019  =head1 NAME  =head1 NAME
1020    
1021  isis2xml.pl - read isis file and dump XML  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 and  This command will read ISIS data file using Biblio::Isis perl module, MARC
1030  create XML file for usage with I<SWISH-E>  records using MARC::File module and optionally Micro$oft Excel files to
1031  indexer. Dispite it's name, this script B<isn't general xml generator>  create one XML file for usage with I<SWISH-E> indexer. Dispite it's name,
1032  from isis files (isis allready has something like that). Output of this  this script B<isn't general xml generator> from isis files (isis allready
1033  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
1039    
1040    Documentation is really lacking. However, in true Open Source spirit, source
1041    is best documentation. I even made considerable effort to comment parts
1042    which are not intuitively clear, so...
1043    
1044  =head1 AUTHOR  =head1 AUTHOR
1045    

Legend:
Removed from v.50  
changed lines
  Added in v.684

  ViewVC Help
Powered by ViewVC 1.1.26