/[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 58 by dpavlin, Fri Jul 4 16:56:40 2003 UTC branches/tehnika/all2xml.pl revision 489 by dpavlin, Wed Sep 29 18:56:26 2004 UTC
# Line 5  use OpenIsis; Line 5  use OpenIsis;
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    
15  $|=1;  $|=1;
16    
17  my $config_file = $0;  my $config_file = $0;
18  $config_file =~ s/\.pl$/.conf/;  $config_file =~ s/\.pl$/.conf/;
19    $config_file = $ARGV[0] if ($ARGV[0] && -f $ARGV[0]);
20  die "FATAL: can't find configuration file '$config_file'" if (! -e $config_file);  die "FATAL: can't find configuration file '$config_file'" if (! -e $config_file);
21    
22  my $config;  my $config;
# Line 56  my $cp2utf = Text::Iconv->new($codepage, Line 59  my $cp2utf = Text::Iconv->new($codepage,
59  # format in XML file  # format in XML file
60  my %type2tag = (  my %type2tag = (
61          'isis' => 'isis',          'isis' => 'isis',
62          'excel' => 'column'          'excel' => 'column',
63            'marc' => 'marc',
64            'feed' => 'feed'
65  );  );
66    
67    my $cache;      # for cacheing
68    
69    # lookup hash (tied to file)
70    my %lhash;
71    # this option will cache all lookup entries in memory.
72    # if you are tight on memory, turn this off
73    my $use_lhash_cache = 1;
74    
75    my $last_field_name;    # cache to prevent repeated fields
76    
77  sub data2xml {  sub data2xml {
78    
79          use xmlify;          use xmlify;
# Line 66  sub data2xml { Line 81  sub data2xml {
81          my $type = shift @_;          my $type = shift @_;
82          my $row = shift @_;          my $row = shift @_;
83          my $add_xml = shift @_;          my $add_xml = shift @_;
84            # needed to read values from configuration file
85            my $cfg = shift @_;
86            my $database = shift @_;
87    
88          my $xml;          my $xml;
89    
# Line 77  sub data2xml { Line 95  sub data2xml {
95    
96          # sort subrouting using order="" attribute          # sort subrouting using order="" attribute
97          sub by_order {          sub by_order {
98                  return 0 if (! $config->{indexer}->{$a}->{order});                  my $va = $config->{indexer}->{$a}->{order} ||
99                  return 0 if (! $config->{indexer}->{$b}->{order});                          $config->{indexer}->{$a};
100                    my $vb = $config->{indexer}->{$b}->{order} ||
101                            $config->{indexer}->{$b};
102    
103                  return $config->{indexer}->{$a}->{order} <=>                  return $va <=> $vb;
                         $config->{indexer}->{$b}->{order} ;  
104          }          }
105    
106          foreach my $field (sort by_order keys %{$config->{indexer}}) {          my @sorted_tags;
107            if ($cache->{tags_by_order}) {
108                    @sorted_tags = @{$cache->{tags_by_order}};
109            } else {
110                    @sorted_tags = sort by_order keys %{$config->{indexer}};
111                    $cache->{tags_by_order} = \@sorted_tags;
112            }
113    
114                  $field=x($field);          # lookup key
115            my $lookup_key;
116    
117            # cache for field in pages
118            delete $cache->{display_data};
119            delete $cache->{swish_data};
120            delete $cache->{swish_exact_data};
121            delete $cache->{index_data};
122            delete $cache->{index_delimiter};
123            my @page_fields;        # names of fields
124    
125    
126            # subs used to produce output
127    
128            sub get_field_name($$$) {
129                    my ($config,$field,$field_usage) = @_;
130    
131                    # find field name (signular, plural)
132                    my $field_name = "";
133                    if ($config->{indexer}->{$field}->{name_singular} && $field_usage == 1) {
134                            $field_name = $config->{indexer}->{$field}->{name_singular};
135                    } elsif ($config->{indexer}->{$field}->{name_plural}) {
136                            $field_name = $config->{indexer}->{$field}->{name_plural};
137                    } elsif ($config->{indexer}->{$field}->{name}) {
138                            $field_name = $config->{indexer}->{$field}->{name};
139                    } else {
140                            print STDERR "WARNING: field '$field' doesn't have 'name' attribute!";
141                    }
142                    if ($field_name) {
143                            if (! $last_field_name) {
144                                    $last_field_name = x($field_name);
145                                    return $last_field_name;
146                            } elsif ($field_name ne $last_field_name) {
147                                    $last_field_name = x($field_name);
148                                    return $last_field_name;
149                            }
150                    }
151            }
152    
153    
154            # init variables for different types
155            sub init_visible_type($) {
156                    my $type = shift;
157    
158                    # swish, swish_exact, display, index, index_lookup
159                    # swish and display defaults
160                    my ($s,$se,$d,$i,$il) = (1,0,1,0,0);
161                    if (lc($type) eq "display") {
162                            $s = 0;
163                    } elsif (lc($type) eq "swish") {
164                            $d = 0;
165                    } elsif (lc($type) eq "index") {
166                            ($s,$se,$d,$i) = (0,1,0,1);
167                    } elsif (lc($type) eq "swish_exact") {
168                            ($s,$se,$d,$i) = (0,1,0,0);
169                    } elsif (lc($type) =~ /^lookup/) {
170                            ($s,$se,$d,$i,$il) = (0,1,0,0,1);
171                    }
172                    return ($s,$se,$d,$i,$il);
173            }
174    
175    
176            # convert
177            #
178            # <tag>
179            #  <delimiter>, </delimiter>
180            #  <value>200a</value>
181            # </tag>
182            #
183            # to
184            #
185            # <tag delimiter=", ">200a</tag>
186            #
187            # but without loosing spaces in delimiter (becasue
188            # new XML::Simple strips spaces in attribute values
189            # as defined in XML specification)
190            #
191            sub unroll_x($) {
192                    my $x = shift;
193    
194                    if (defined $x->{value}) {
195                            my ($v,$d) = ($x->{value}->{content}, $x->{delimiter}->{content});
196                            delete $x->{value};
197                            delete $x->{delimiter};
198                            $x->{content} = $v;
199                            $x->{delimiter} = $d;
200                    }
201                    return $x;
202            }
203    
204            # begin real work: go field by field
205            foreach my $field (@sorted_tags) {
206    
207                    $field=x($field);
208                  $field_usage{$field}++;                  $field_usage{$field}++;
209    
210                  my $swish_data = "";                  my $swish_data = "";
211                    my $swish_exact_data = "";
212                  my $display_data = "";                  my $display_data = "";
213                    my @index_data;
214                  my $line_delimiter;                  my $line_delimiter;
215    
216                  my ($swish,$display);                  my ($swish,$display);
217    
218                  my $tag = $type2tag{$type} || die "can't find which tag to use for type $type";                  my $tag = $type2tag{$type} || die "can't find which tag to use for type $type";
219    
220                    # is this field page-by-page?
221                    my $iterate_by_page = $config->{indexer}->{$field}->{iterate_by_page};
222                    push @page_fields,$field if ($iterate_by_page);
223                    my %page_max = ();
224                    # default line_delimiter if using
225                    my $page_line_delimiter = $config->{indexer}->{$field}->{page_line_delimiter} || '<br/>';
226                    $cache->{index_delimiter}->{$field} = $config->{indexer}->{$field}->{index_delimiter};
227    
228                    my $format_name = $config->{indexer}->{$field}->{format_name};
229                    my $format_delimiter = $config->{indexer}->{$field}->{format_delimiter};
230                    if ($format_name && $format_delimiter) {
231                            $cache->{format}->{$field}->{format_name} = $format_name;
232                            $cache->{format}->{$field}->{format_delimiter} = $format_delimiter;
233                    }
234    
235                  foreach my $x (@{$config->{indexer}->{$field}->{$tag}}) {                  foreach my $x (@{$config->{indexer}->{$field}->{$tag}}) {
236    
237                            $x = unroll_x($x);
238    
239                          my $format = x($x->{content});                          my $format = x($x->{content});
240                          my $delimiter = x($x->{delimiter}) || ' ';                          my $delimiter = x($x->{delimiter}) || ' ';
241    
242                          my $repeat_off = 0;             # repeatable offset                          my $repeat_off = 0;     # init repeatable offset
243    
244                          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");  
245    
246                          # what will separate last line from this one?                          # what will separate last line from this one?
247                          if ($display_data && $x->{append} && $x->{append} eq "1") {                          if ($display_data && $x->{append}) {
248                                  $line_delimiter = ' ';                                  $line_delimiter = $delimiter;
249                          } elsif ($display_data) {                          } elsif ($display_data) {
250                                  $line_delimiter = '<br/>';                                  $line_delimiter = '<br/>';
251                          }                          }
# Line 119  sub data2xml { Line 253  sub data2xml {
253                          # init vars so that we go into while...                          # init vars so that we go into while...
254                          ($swish,$display) = (1,1);                          ($swish,$display) = (1,1);
255    
256                          if ($swish || $display) {                          # placeholder for all repeatable entries for index
257    
258                            sub mkformat($$) {
259                                    my $x = shift || die "mkformat needs tag reference";
260                                    my $data = shift || return;
261                                    my $format_name = x($x->{format_name}) || return $data;
262                                    my $fmt = x($config->{format}->{$format_name}->{content}) || die "<format name=\"$format_name\"> is not defined!";
263                                    my $format_delimiter = x($x->{format_delimiter});
264                                    my @data;
265                                    if ($format_delimiter) {
266                                            @data = split(/$format_delimiter/,$data);
267                                    } else {
268                                            push @data,$data;
269                                    }
270    
271                                    if ($fmt) {
272                                            my $nr = scalar $fmt =~ s/%s/%s/g;
273                                            if (($#data+1) == $nr) {
274                                                    return sprintf($fmt,@data);
275                                            } else {
276                                                    #print STDERR "mkformat: [$data] can't be split on [$format_delimiter] to $nr fields!\n";
277                                                    return $data;
278                                            }
279                                    } else {
280                                            print STDERR "usage of link '$format_name' without defined format (<link> tag)\n";
281                                    }
282                            }
283    
284                            # while because of repeatable fields
285                            while ($swish || $display) {
286                                    my $page = $repeat_off;
287                                    $page_max{$field} = $page if ($iterate_by_page && $page > ($page_max{$field} || 0));
288                                  ($swish,$display) = parse_format($type, $format,$row,$repeat_off++,$import2cp);                                  ($swish,$display) = parse_format($type, $format,$row,$repeat_off++,$import2cp);
289                                    if ($repeat_off > 1000) {
290                                            print STDERR "loop (more than 1000 repeatable fields) deteced in $row, $format\n";
291                                            last;
292                                    }
293    
294                                    # is this field is lookup?
295                                    if ($display && $x->{lookup}) {
296                                            my $null = "<!-- null -->";
297                                            if ($use_lhash_cache) {
298                                                    if (!defined($cache->{lhash}->{$display})) {
299                                                            my $new_display = $lhash{$display};
300                                                            if (defined($new_display)) {
301    #print STDERR "lookup cache store '$display' = '$new_display'\n";
302                                                                    $display = $new_display;
303                                                                    $cache->{lhash}->{$display} = $new_display;
304                                                            } else {
305    #                                                               print STDERR "WARNING: lookup for '$display' didn't find anything.\n";
306                                                                    $display = "";
307                                                                    $cache->{lhash}->{$display} = $null;
308                                                            }
309                                                    } else {
310                                                            $display = $cache->{lhash}->{$display};
311                                                    }
312                                            } else {
313                                                    $display = $lhash{$display} || $null;
314                                            }
315                                    }
316    
317                                  # filter="name" ; filter this field through                                  # filter="name" ; filter this field through
318                                  # filter/[name].pm                                  # filter/[name].pm
319                                  my $filter = $x->{filter};                                  my $filter = $x->{filter};
320                                  if ($filter) {                                  if ($filter && !$cache->{filter_loaded}->{$filter}) {
321                                          require "filter/".$filter.".pm";                                          require "filter/".$filter.".pm";
322                                            $cache->{filter_loaded}->{$filter}++;
323                                  }                                  }
324                                  # type="swish" ; field for swish                                  # type="swish" ; field for swish
325                                  if ($s && $swish) {                                  if ($swish) {
326                                          if ($filter) {                                          my $tmp = $swish;
327                                            if ($filter && ($s || $se)) {
328                                                  no strict 'refs';                                                  no strict 'refs';
329                                                  $swish_data .= join(" ",&$filter($swish));                                                  $tmp = join(" ",&$filter($tmp)) if ($s || $se);
                                         } else {  
                                                 $swish_data .= $swish;  
330                                          }                                          }
331    
332                                            $swish_data .= $tmp if ($s && $tmp);
333                                            $swish_exact_data .= "xxbxx $tmp xxexx " if ($tmp && $tmp ne "" && $se);
334                                  }                                  }
335    
336                                  # type="display" ; field for display                                  # type="display" ; field for display
337                                  if ($d && $display) {                                  if ($d && $display) {
338                                            my $ldel = $delimiter;
339                                          if ($line_delimiter && $display_data) {                                          if ($line_delimiter && $display_data) {
340                                                  $display_data .= $line_delimiter;                                                  $ldel = $line_delimiter;
                                                 undef $line_delimiter;  
341                                          }                                          }
342                                          if ($filter) {                                          if ($filter) {
343                                                  no strict 'refs';                                                  no strict 'refs';
344                                                  $display_data .= join($delimiter,&$filter($display));                                                  my @arr;
345                                          } else {                                                  foreach my $tmp (&$filter($display)) {
346                                                  if ($display_data) {                                                          my $tmp2 = mkformat($x,$tmp);
347                                                          $display_data .= $delimiter.$display;                                                          push @arr,$tmp2 if ($tmp2);
                                                 } else {  
                                                         $display_data .= $display;  
348                                                  }                                                  }
349                                                    $display_data .= $ldel if ($display_data && @arr);
350                                                    $display_data .= join($delimiter,@arr);
351                                            } else {
352                                                    $display_data .= $ldel if ($display_data);
353                                                    my $tmp = mkformat($x,$display);
354                                                    $display_data .= $tmp if ($tmp);
355                                          }                                          }
356                                  }                                  }
357                                                                                                    
358                                  # type="index" ; insert into index                                  # type="index" ; insert into index
359                                    my $idisplay;
360                                  if ($i && $display) {                                  if ($i && $display) {
361                                          my $index_data = $display;                                          $idisplay = $display;
362                                          if ($filter) {                                          if ($filter) {
363                                                  no strict 'refs';                                                  no strict 'refs';
364                                                  foreach my $d (&$filter($index_data)) {                                                  $idisplay = &$filter($idisplay);
365                                                          $index->insert($field, $d, $path);                                          }
366                                            push @index_data, $idisplay if ($idisplay && !$iterate_by_page);
367                                    }
368    
369                                    # store fields in lookup
370                                    if ($il && $display) {
371                                            if (lc($x->{type}) eq "lookup_key") {
372                                                    if ($lookup_key) {
373                                                            print STDERR "WARNING: try to redefine lookup_key (keys shouldn't be repeatable fields!)";
374                                                    } else {
375                                                            if ($filter) {
376                                                                    no strict 'refs';
377                                                                    $lookup_key = &$filter($display);
378                                                            } else {
379                                                                    $lookup_key = $display;
380                                                            }
381                                                    }
382                                            } elsif (lc($x->{type}) eq "lookup_val") {
383                                                    if ($lookup_key) {
384                                                            if ($filter) {
385                                                                    no strict 'refs';
386                                                                    $lhash{$lookup_key} = &$filter($display);
387                                                            } else {
388                                                                    $lhash{$lookup_key} = $display;
389                                                            }
390                                                    } else {
391                                                            print STDERR "WARNING: no lookup_key defined for  '$display'?";
392                                                  }                                                  }
                                         } else {  
                                                 $index->insert($field, $index_data, $path);  
393                                          }                                          }
394    
395                                  }                                  }
396    
397                                    # store data for page-by-page repeatable fields
398                                    if ($iterate_by_page) {
399                                            sub iterate_fld($$$$$$) {
400                                                    my ($cache,$what,$field,$page,$data,$append) = @_;
401                                                    return if (!$data);
402    
403                                                    my $ldel = $page_line_delimiter;
404                                                    $ldel = " " if ($append);
405    #print STDERR "line delimiter: ",Dumper($ldel) if ($ldel);
406                                                    if (! $cache->{$what}->{$field}->[$page]) {
407                                                            $cache->{$what}->{$field}->[$page] = $data;
408                                                    } else {
409                                                            $cache->{$what}->{$field}->[$page] .= $ldel.$data;
410                                                    }
411                                            }
412    
413                                            if ($display_data) {
414                                                    iterate_fld($cache,'display_data',$field,$page,$display_data,$x->{append});
415                                            }
416                                                    $display_data = "";
417                                            if ($swish_data) {
418                                                    iterate_fld($cache,'swish_data',$field,$page,$swish_data,$x->{append});
419                                                    $swish_data = "";
420                                            }
421                                            if ($swish_exact_data) {
422                                                    iterate_fld($cache,'swish_exact_data',$field,$page,$swish_exact_data,$x->{append});
423                                                    $swish_exact_data = "";
424                                            }
425    
426                                            if ($idisplay) {
427                                                    my $ldel=$page_line_delimiter;
428                                                    my @index_data;
429                                                    if ($cache->{index_data}->{$field}->[$page]) {
430    
431                                                            @index_data = @{$cache->{index_data}->{$field}->[$page]};
432                                                    }
433                                                    if ($x->{append}) {
434                                                            if (@index_data) {
435                                                                    $index_data[$#index_data] .= $idisplay;
436                                                            } else {
437                                                                    push @index_data, $idisplay;
438                                                            }
439                                                    } else {
440                                                            push @index_data, $idisplay;
441                                                    }
442                                                    $idisplay = "";
443                                                    @{$cache->{index_data}->{$field}->[$page]} = @index_data;
444                                            }
445                                    }
446                            }
447    
448                            if (! $iterate_by_page) {
449                                    my $idel = $x->{index_delimiter};
450                                    # fill data in index
451                                    foreach my $tmp (@index_data) {
452                                            my $i = $d = $tmp;
453                                            if ($idel && $tmp =~ m/$idel/) {
454                                                    ($i,$d) = split(/$idel/,$tmp);
455                                            }
456                                            $index->insert($field, $i, $d, $path);
457                                    }
458                                    @index_data = ();
459                          }                          }
460                  }                  }
461    
462                    # now try to parse variables from configuration file
463                    foreach my $x (@{$config->{indexer}->{$field}->{'config'}}) {
464    
465                  if ($display_data) {                          $x = unroll_x($x);
466    
467                          if ($field eq "headline") {                          my $delimiter = x($x->{delimiter}) || ' ';
468                                  $xml .= xmlify("headline", $display_data);                          my $val = $cfg->val($database, x($x->{content}));
                         } else {  
469    
470                                  # find field name (signular, plural)                          # FIXME index_lookup is not supported!
471                                  my $field_name = "";                          my ($s,$se,$d,$i,$il) = init_visible_type($x->{type});
472                                  if ($config->{indexer}->{$field}->{name_singular} && $field_usage{$field} == 1) {  
473                                          $field_name = $config->{indexer}->{$field}->{name_singular}."#-#";                          if ($val) {
474                                  } elsif ($config->{indexer}->{$field}->{name_plural}) {                                  $display_data .= $delimiter.$val if ($d);
475                                          $field_name = $config->{indexer}->{$field}->{name_plural}."#-#";                                  $swish_data .= " ".$val if ($s);
476                                  } elsif ($config->{indexer}->{$field}->{name}) {                                  $index->insert($field, $val, $path) if ($i);
477                                          $field_name = $config->{indexer}->{$field}->{name}."#-#";                          }
478                                  } else {  
479                                          print STDERR "WARNING: field '$field' doesn't have 'name' attribute!";                          if ($iterate_by_page) {
480                                    # FIXME data from config tag will appear just
481                                    # on first page!!!
482                                    my $page = 0;
483                                    if ($display_data) {
484                                            $cache->{display_data}->{$field}->[$page] = $display_data;
485                                            $display_data = "";
486                                  }                                  }
487                                  if ($field_name) {                                  if ($swish_data) {
488                                          $html .= x($field_name);                                          $cache->{swish_data}->{$field}->[$page] = $swish_data;
489                                            $swish_data = "";
490                                    }
491                                    if ($swish_exact_data) {
492                                            $cache->{swish_exact_data}->{$field}->[$page] = $swish_exact_data;
493                                            $swish_exact_data = "";
494                                  }                                  }
                                 $html .= $display_data."###\n";  
495                          }                          }
496                  }                  }
                 if ($swish_data) {  
                         # remove extra spaces  
                         $swish_data =~ s/ +/ /g;  
                         $swish_data =~ s/ +$//g;  
497    
498                          $xml .= xmlify($field."_swish", unac_string($codepage,$swish_data));                  # save data page-by-page
499                    foreach my $field (@page_fields) {
500                            my $nr_pages = $page_max{$field} || next;
501    #print STDERR "field '$field' iterate over ",($nr_pages || 0)," pages...\n";
502    #print STDERR Dumper($cache->{display_data});
503                            for (my $page=0; $page <= $nr_pages; $page++) {
504                                    my $display_data;
505                                    if ($cache->{format}->{$field}) {
506                                            my $tmp = mkformat($cache->{format}->{$field},$cache->{display_data}->{$field}->[$page]);
507                                            $display_data=$tmp if ($tmp);
508                                    } else {
509                                            $display_data = $cache->{display_data}->{$field}->[$page];
510                                    }
511                                    if ($display_data) { # default
512                                            if ($field eq "headline") {
513                                                    $xml .= xmlify("headline", $display_data);
514                                            } else {
515    
516                                                    # fallback to empty field name if needed
517                                                    $html .= get_field_name($config,$field,$field_usage{$field}) || '';
518                                                    $html .= "#-#".$display_data."###\n";
519                                            }
520                                    }
521                                    
522                                    my $swish_data = $cache->{swish_data}->{$field}->[$page];
523                                    if ($swish_data) {
524                                            # remove extra spaces
525                                            $swish_data =~ s/ +/ /g;
526                                            $swish_data =~ s/ +$//g;
527    
528                                            $xml .= xmlify($field."_swish", my_unac_string($codepage,$swish_data));
529                                    }
530    
531                                    my $swish_exact_data = $cache->{swish_exact_data}->{$field}->[$page];
532                                    if ($swish_exact_data) {
533                                            $swish_exact_data =~ s/ +/ /g;
534                                            $swish_exact_data =~ s/ +$//g;
535    
536                                            # add delimiters before and after word.
537                                            # That is required to produce exact match
538                                            $xml .= xmlify($field."_swish_exact", my_unac_string($codepage,$swish_exact_data));
539                                    }
540                                    
541                                    my $idel = $cache->{index_delimiter}->{$field};
542                                    foreach my $tmp (@{$cache->{index_data}->{$field}->[$page]}) {
543                                            my $i = $tmp;
544                                            my $d = $tmp;
545                                            if ($idel && $tmp =~ m/$idel/) {
546                                                    ($i,$d) = split(/$idel/,$tmp);
547                                            }
548                                            $index->insert($field, $i, $d, $path);
549    #print STDERR "index [$idel] $field: $i --> $d [$path]\n";
550                                    }
551                            }
552            
553                  }                  }
554                    
555                    if (! $iterate_by_page) {
556                            if ($display_data) {
557                                    if ($field eq "headline") {
558                                            $xml .= xmlify("headline", $display_data);
559                                    } else {
560    
561                                            # fallback to empty field name if needed
562                                            $html .= get_field_name($config,$field,$field_usage{$field}) || '';
563                                            $html .= "#-#".$display_data."###\n";
564                                    }
565                            }
566                            if ($swish_data) {
567                                    # remove extra spaces
568                                    $swish_data =~ s/ +/ /g;
569                                    $swish_data =~ s/ +$//g;
570    
571                                    $xml .= xmlify($field."_swish", my_unac_string($codepage,$swish_data));
572                            }
573    
574                            if ($swish_exact_data) {
575                                    $swish_exact_data =~ s/ +/ /g;
576                                    $swish_exact_data =~ s/ +$//g;
577    
578                                    # add delimiters before and after word.
579                                    # That is required to produce exact match
580                                    $xml .= xmlify($field."_swish_exact", my_unac_string($codepage,$swish_exact_data));
581                            }
582                    }
583          }          }
584    
585          # dump formatted output in <html>          # dump formatted output in <html>
586          if ($html) {          if ($html) {
587                  $xml .= xmlify("html",$html);                  #$xml .= xmlify("html",$html);
588                    $xml .= "<html><![CDATA[ $html ]]></html>";
589          }          }
590                    
591          if ($xml) {          if ($xml) {
# Line 234  $index = new index_DBI( Line 612  $index = new index_DBI(
612                  $cfg_global->val('global', 'dbi_passwd') || '',                  $cfg_global->val('global', 'dbi_passwd') || '',
613          );          );
614    
615    my $show_progress = $cfg_global->val('global', 'show_progress');
616    
617    my $my_unac_filter = $cfg_global->val('global', 'my_unac_filter');
618    if ($my_unac_filter) {
619            print STDERR "using $my_unac_filter to filter characters for search\n";
620            require $my_unac_filter;
621    } else {
622            print STDERR "### fallback to default my_unac_string!\n";
623            eval q{
624            sub main::my_unac_string($$) {
625                    my ($charset, $string) = (@_);
626                    return $string;
627            }
628            };
629    }
630    
631  foreach my $database ($cfg->Sections) {  foreach my $database ($cfg->Sections) {
632    
633          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";
634          my $add_xml = $cfg -> val($database, 'xml');    # optional          my $add_xml = $cfg -> val($database, 'xml');    # optional
635    
636            # create new lookup file
637            my $lookup_file = $cfg -> val($database, 'lookup_newfile'); # optional
638            if ($lookup_file) {
639                    #tie %lhash, 'GDBM_File', $lookup_file, &GDBM_NEWDB, 0644;
640                    if (! -e $lookup_file) {
641                            open(LOOKUP, "> $lookup_file") || die "can't create $lookup_file': $!";
642                            close(LOOKUP);
643                    }
644                    tie %lhash, 'TDB_File', $lookup_file, TDB_CLEAR_IF_FIRST, O_RDWR, 0644;
645                    print STDERR "creating lookup file '$lookup_file'\n";
646                    # delete memory cache for lookup file
647                    delete $cache->{lhash};
648            }
649    
650            # open existing lookup file
651            $lookup_file = $cfg -> val($database, 'lookup_open'); # optional
652            if ($lookup_file) {
653                    #tie %lhash, 'GDBM_File', $lookup_file, &GDBM_READER, 0644;
654                    tie %lhash, 'TDB_File', $lookup_file, TDB_DEFAULT, O_RDWR, 0644;
655                    print STDERR "opening lookup file '$lookup_file'\n";
656            }
657    
658  print STDERR "reading ./import_xml/$type.xml\n";  print STDERR "reading ./import_xml/$type.xml\n";
659    
660          # extract just type basic          # extract just type basic
661          my $type_base = $type;          my $type_base = $type;
662          $type_base =~ s/_.+$//g;          $type_base =~ s/_.+$//g;
663    
664          $config=XMLin("./import_xml/$type.xml", forcearray => [ $type2tag{$type_base} ], forcecontent => 1);          $config=XMLin("./import_xml/$type.xml", ForceArray => [ $type2tag{$type_base}, 'config', 'format' ], ForceContent => 1 );
665    
666          # output current progress indicator          # output current progress indicator
667          my $last_p = 0;          my $last_p = 0;
668          sub progress {          sub progress {
669                  #return if (! $opts{q});        # FIXME                  return if (! $show_progress);
670                  my $current = shift;                  my $current = shift;
671                  my $total = shift || 1;                  my $total = shift || 1;
672                  my $p = int($current * 100 / $total);                  my $p = int($current * 100 / $total);
# Line 260  print STDERR "reading ./import_xml/$type Line 676  print STDERR "reading ./import_xml/$type
676                  }                  }
677          }          }
678    
679            my $fake_dir = 1;
680            sub fakeprogress {
681                    return if (! $show_progress);
682                    my $current = shift @_;
683    
684                    my @ind = ('-','\\','|','/','-','\\','|','/', '-');
685    
686                    $last_p += $fake_dir;
687                    $fake_dir = -$fake_dir if ($last_p > 1000 || $last_p < 0);
688                    if ($last_p % 10 == 0) {
689                            printf STDERR ("%5d / %5s [%-51s]\r",$current,"?"," " x ($last_p/20).$ind[($last_p/20) % $#ind]);
690                    }
691            }
692    
693          # now read database          # now read database
694  print STDERR "using: $type...\n";  print STDERR "using: $type...\n";
695    
696            # erase cache for tags by order in this database
697            delete $cache->{tags_by_order};
698    
699          if ($type_base eq "isis") {          if ($type_base eq "isis") {
700    
701                  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!";
# Line 270  print STDERR "using: $type...\n"; Line 703  print STDERR "using: $type...\n";
703                  $import2cp = Text::Iconv->new($config->{isis_codepage},$codepage);                  $import2cp = Text::Iconv->new($config->{isis_codepage},$codepage);
704                  my $db = OpenIsis::open( $isis_db );                  my $db = OpenIsis::open( $isis_db );
705    
706                    # check if .txt database for OpenIsis is zero length,
707                    # if so, erase it and re-open database
708                    sub check_txt_db {
709                            my $isis_db = shift || die "need isis database name";
710                            my $reopen = 0;
711    
712                            if (-e $isis_db.".TXT") {
713                                    print STDERR "WARNING: removing $isis_db.TXT OpenIsis database...\n";
714                                    unlink $isis_db.".TXT" || warn "FATAL: unlink error on '$isis_db.TXT': $!";
715                                    $reopen++;
716                            }
717                            if (-e $isis_db.".PTR") {
718                                    print STDERR "WARNING: removing $isis_db.PTR OpenIsis database...\n";
719                                    unlink $isis_db.".PTR" || warn "FATAL: unlink error on '$isis_db.PTR': $!";
720                                    $reopen++;
721                            }
722                            return OpenIsis::open( $isis_db ) if ($reopen);
723                    }
724    
725                    # EOF error
726                    if ($db == -1) {
727                            $db = check_txt_db($isis_db);
728                            if ($db == -1) {
729                                    print STDERR "FATAL: OpenIsis can't open zero size file $isis_db\n";
730                                    next;
731                            }
732                    }
733    
734                    # OpenIsis::ERR_BADF
735                    if ($db == -4) {
736                            print STDERR "FATAL: OpenIsis can't find file $isis_db\n";
737                            next;
738                    # OpenIsis::ERR_IO
739                    } elsif ($db == -5) {
740                            print STDERR "FATAL: OpenIsis can't access file $isis_db\n";
741                            next;
742                    } elsif ($db < 0) {
743                            print STDERR "FATAL: OpenIsis unknown error $db with file $isis_db\n";
744                            next;
745                    }
746    
747                  my $max_rowid = OpenIsis::maxRowid( $db );                  my $max_rowid = OpenIsis::maxRowid( $db );
748    
749                    # if 0 records, try to rease isis .txt database
750                    if ($max_rowid == 0) {
751                            # force removal of database
752                            $db = check_txt_db($isis_db);
753                            $max_rowid = OpenIsis::maxRowid( $db );
754                    }
755    
756                  print STDERR "Reading database: $isis_db [$max_rowid rows]\n";                  print STDERR "Reading database: $isis_db [$max_rowid rows]\n";
757    
758                  my $path = $database;                  my $path = $database;
# Line 284  print STDERR "using: $type...\n"; Line 765  print STDERR "using: $type...\n";
765    
766                                  my $swishpath = $path."#".int($row->{mfn});                                  my $swishpath = $path."#".int($row->{mfn});
767    
768                                  if (my $xml = data2xml($type_base,$row,$add_xml)) {                                  if (my $xml = data2xml($type_base,$row,$add_xml,$cfg,$database)) {
769                                          $xml = $cp2utf->convert($xml);                                          $xml = $cp2utf->convert($xml);
770                                          use bytes;      # as opposed to chars                                          use bytes;      # as opposed to chars
771                                          print "Path-Name: $swishpath\n";                                          print "Path-Name: $swishpath\n";
# Line 293  print STDERR "using: $type...\n"; Line 774  print STDERR "using: $type...\n";
774                                  }                                  }
775                          }                          }
776                  }                  }
777                    # for this to work with current version of OpenIsis (0.9.0)
778                    # you might need my patch from
779                    # http://www.rot13.org/~dpavlin/projects/openisis-0.9.0-perl_close.diff
780                    OpenIsis::close($db);
781                  print STDERR "\n";                  print STDERR "\n";
782    
783          } elsif ($type_base eq "excel") {          } elsif ($type_base eq "excel") {
784                  use Spreadsheet::ParseExcel;                  require Spreadsheet::ParseExcel;
785                  use Spreadsheet::ParseExcel::Utility qw(int2col);                  require Spreadsheet::ParseExcel::Utility;
786                    import Spreadsheet::ParseExcel::Utility qw(int2col);
787                                    
788                  $import2cp = Text::Iconv->new($config->{excel_codepage},$codepage);                  $import2cp = Text::Iconv->new($config->{excel_codepage},$codepage);
789                  my $excel_file = $cfg -> val($database, 'excel_file') || die "$database doesn't have 'excel_file' defined!";                  my $excel_file = $cfg -> val($database, 'excel_file') || die "$database doesn't have 'excel_file' defined!";
# Line 325  print STDERR "using: $type...\n"; Line 811  print STDERR "using: $type...\n";
811                          for(my $iC = $oWorksheet->{MinCol} ; defined $oWorksheet->{MaxCol} && $iC <= $oWorksheet->{MaxCol} ; $iC++) {                          for(my $iC = $oWorksheet->{MinCol} ; defined $oWorksheet->{MaxCol} && $iC <= $oWorksheet->{MaxCol} ; $iC++) {
812                                  my $cell = $oWorksheet->{Cells}[$iR][$iC];                                  my $cell = $oWorksheet->{Cells}[$iR][$iC];
813                                  if ($cell) {                                  if ($cell) {
814                                          $row->{int2col($iC)} = $cell->Value;                                          # this conversion is a cludge.
815                                            # Files from Excell could have
816                                            # characters which don't fit into
817                                            # destination encoding.
818                                            $row->{int2col($iC)} = $utf2cp->convert($cell->Value) || $cell->Value;
819                                  }                                  }
820                          }                          }
821    
# Line 341  print STDERR "using: $type...\n"; Line 831  print STDERR "using: $type...\n";
831    
832                          next if (! $row);                          next if (! $row);
833    
834                          if (my $xml = data2xml($type,$row,$add_xml)) {                          if (my $xml = data2xml($type_base,$row,$add_xml,$cfg,$database)) {
835                                  $xml = $cp2utf->convert($xml);                                  $xml = $cp2utf->convert($xml);
836                                  use bytes;      # as opposed to chars                                  use bytes;      # as opposed to chars
837                                  print "Path-Name: $swishpath\n";                                  print "Path-Name: $swishpath\n";
# Line 349  print STDERR "using: $type...\n"; Line 839  print STDERR "using: $type...\n";
839                                  print "Document-Type: XML\n\n$xml\n";                                  print "Document-Type: XML\n\n$xml\n";
840                          }                          }
841                  }                  }
842            } elsif ($type_base eq "marc") {
843    
844                    require MARC;
845                    
846                    $import2cp = Text::Iconv->new($config->{marc_codepage},$codepage);
847                    my $marc_file = $cfg -> val($database, 'marc_file') || die "$database doesn't have 'marc_file' defined!";
848    
849                    # optional argument is format
850                    my $format = x($config->{marc_format}) || 'usmarc';
851    
852                    print STDERR "Reading MARC file '$marc_file'\n";
853    
854                    my $marc = new MARC;
855                    my $nr = $marc->openmarc({
856                                    file=>$marc_file, format=>$format
857                            }) || die "Can't open MARC file '$marc_file' with format '$format'";
858    
859                    # read MARC file in memory
860                    $marc->nextmarc(-1);
861    
862                    my $max_rec = $marc->marc_count();
863    
864                    for(my $i=1; $i<=$max_rec; $i++) {
865    
866                            progress($i,$max_rec);
867    
868                            # store value for marc_sf.pm
869                            $main::cache->{marc_record} = $i;
870    
871                            my $swishpath = $database."#".$i;
872    
873                            if (my $xml = data2xml($type_base,$marc,$add_xml,$cfg,$database)) {
874                                    $xml = $cp2utf->convert($xml);
875                                    use bytes;      # as opposed to chars
876                                    print "Path-Name: $swishpath\n";
877                                    print "Content-Length: ".(length($xml)+1)."\n";
878                                    print "Document-Type: XML\n\n$xml\n";
879                            }
880                    }
881    
882                    print STDERR "\n";
883    
884            } elsif ($type_base eq "feed") {
885    
886                    $import2cp = Text::Iconv->new($config->{feed_codepage},$codepage);
887                    my $prog = x($config->{prog}) || die "$database doesn't have 'prog' defined!";
888    
889                    print STDERR "Reading feed from program '$prog'\n";
890    
891                    open(FEED,"feeds/$prog |") || die "can't start $prog: $!";
892    
893                    my $i=1;        # record nr.
894    
895                    my $data;
896                    my $line=1;
897    
898                    while (<FEED>) {
899                            chomp;
900    
901                            if (/^$/) {
902                                    my $swishpath = $database."#".$i++;
903    
904                                    if (my $xml = data2xml($type_base,$data,$add_xml,$cfg,$database)) {
905                                            $xml = $cp2utf->convert($xml);
906                                            use bytes;      # as opposed to chars
907                                            print "Path-Name: $swishpath\n";
908                                            print "Content-Length: ".(length($xml)+1)."\n";
909                                            print "Document-Type: XML\n\n$xml\n";
910                                    }
911                                    $line = 1;
912                                    $data = {};
913                                    next;
914                            }
915    
916                            $line = $1 if (s/^(\d+):\s*//);
917                            $data->{$line++} = $_;
918    
919                            fakeprogress($i);
920    
921                    }
922                    # close lookup
923                    untie %lhash if (%lhash);
924          }          }
925  }  }
926    
# Line 361  __END__ Line 933  __END__
933    
934  =head1 NAME  =head1 NAME
935    
936  isis2xml.pl - read isis file and dump XML  all2xml.pl - read various file formats and dump XML for SWISH-E
937    
938    =head1 SYNOPSYS
939    
940     $ all2xml.pl [test.conf]
941    
942  =head1 DESCRIPTION  =head1 DESCRIPTION
943    
944  This command will read ISIS data file using OpenIsis perl module and  This command will read ISIS data file using OpenIsis perl module, MARC
945  create XML file for usage with I<SWISH-E>  records using MARC module and optionally Micro$oft Excel files to
946  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,
947  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
948  script is tailor-made for SWISH-E.  has something like that). Output of this script is tailor-made for SWISH-E.
949    
950    If no configuration file is specified, it will use default one called
951    C<all2xml.conf>.
952    
953    =head1 BUGS
954    
955    Documentation is really lacking. However, in true Open Source spirit, source
956    is best documentation. I even made considerable effort to comment parts
957    which are not intuitively clear, so...
958    
959  =head1 AUTHOR  =head1 AUTHOR
960    

Legend:
Removed from v.58  
changed lines
  Added in v.489

  ViewVC Help
Powered by ViewVC 1.1.26