/[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 164 by dpavlin, Sat Nov 22 22:04:05 2003 UTC branches/tehnika/all2xml.pl revision 633 by dpavlin, Sun Jan 16 18:57:15 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    
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 61  my %type2tag = ( Line 64  my %type2tag = (
64          'feed' => 'feed'          '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 90  sub data2xml { Line 103  sub data2xml {
103                  return $va <=> $vb;                  return $va <=> $vb;
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            # 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    
143                    if ($field_name) {
144                            $field_name = x($field_name);
145                            if (! $last_field_name) {
146                                    $last_field_name = $field_name;
147                                    return $last_field_name;
148                            } elsif ($field_name ne $last_field_name) {
149                                    $last_field_name = $field_name;
150                                    return $last_field_name;
151                            }
152                    }
153            }
154    
155    
156            # init variables for different types
157            sub init_visible_type($) {
158                    my $type = shift;
159    
160                    # swish, swish_exact, display, index, index_lookup
161                    # swish and display defaults
162                    my ($s,$se,$d,$i,$il) = (1,0,1,0,0);
163                    if (lc($type) eq "display") {
164                            $s = 0;
165                    } elsif (lc($type) eq "swish") {
166                            $d = 0;
167                    } elsif (lc($type) eq "index") {
168                            ($s,$se,$d,$i) = (0,1,0,1);
169                    } elsif (lc($type) eq "swish_exact") {
170                            ($s,$se,$d,$i) = (0,1,0,0);
171                    } elsif (lc($type) =~ /^lookup/) {
172                            ($s,$se,$d,$i,$il) = (0,1,0,0,1);
173                    }
174                    return ($s,$se,$d,$i,$il);
175            }
176    
177    
178            # convert
179            #
180            # <tag>
181            #  <delimiter>, </delimiter>
182            #  <value>200a</value>
183            # </tag>
184            #
185            # to
186            #
187            # <tag delimiter=", ">200a</tag>
188            #
189            # but without loosing spaces in delimiter (becasue
190            # new XML::Simple strips spaces in attribute values
191            # as defined in XML specification)
192            #
193            sub unroll_x($) {
194                    my $x = shift;
195    
196                    if (defined $x->{value}) {
197                            my ($v,$d) = ($x->{value}->{content}, $x->{delimiter}->{content});
198                            delete $x->{value};
199                            delete $x->{delimiter};
200                            $x->{content} = $v;
201                            $x->{delimiter} = $d;
202                    }
203                    return $x;
204            }
205    
206            # begin real work: go field by field
207            foreach my $field (@sorted_tags) {
208    
209                  $field=x($field);                  $field=x($field);
210                  $field_usage{$field}++;                  $field_usage{$field}++;
# Line 98  sub data2xml { Line 212  sub data2xml {
212                  my $swish_data = "";                  my $swish_data = "";
213                  my $swish_exact_data = "";                  my $swish_exact_data = "";
214                  my $display_data = "";                  my $display_data = "";
215                    my @index_data;
216                  my $line_delimiter;                  my $line_delimiter;
217    
218                  my ($swish,$display);                  my ($swish,$display);
219    
220                  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";
221    
222                    # is this field page-by-page?
223                    my $iterate_by_page = $config->{indexer}->{$field}->{iterate_by_page};
224                    push @page_fields,$field if ($iterate_by_page);
225                    my %page_max = ();
226                    # default line_delimiter if using
227                    my $page_line_delimiter = $config->{indexer}->{$field}->{page_line_delimiter} || '<br/>';
228                    $cache->{index_delimiter}->{$field} = $config->{indexer}->{$field}->{index_delimiter};
229    
230                    my $format_name = $config->{indexer}->{$field}->{format_name};
231                    my $format_delimiter = $config->{indexer}->{$field}->{format_delimiter};
232                    if ($format_name && $format_delimiter) {
233                            $cache->{format}->{$field}->{format_name} = $format_name;
234                            $cache->{format}->{$field}->{format_delimiter} = $format_delimiter;
235                    }
236    
237                  foreach my $x (@{$config->{indexer}->{$field}->{$tag}}) {                  foreach my $x (@{$config->{indexer}->{$field}->{$tag}}) {
238    
239                            $x = unroll_x($x);
240    
241                          my $format = x($x->{content});                          my $format = x($x->{content});
242                          my $delimiter = x($x->{delimiter}) || ' ';                          my $delimiter = x($x->{delimiter}) || ' ';
243    
244                          my $repeat_off = 0;             # repeatable offset                          my $repeat_off = 0;     # init repeatable offset
245    
246                          my ($s,$se,$d,$i) = (1,0,1,0);  # 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");  
                         $se = 1 if (lc($x->{type}) eq "swish_exact");  
                         ($s,$d,$i) = (0,0,1) if (lc($x->{type}) eq "index");  
247    
248                          # what will separate last line from this one?                          # what will separate last line from this one?
249                          if ($display_data && $x->{append} && $x->{append} eq "1") {                          if ($display_data && $x->{append}) {
250                                  $line_delimiter = ' ';                                  $line_delimiter = $delimiter;
251                          } elsif ($display_data) {                          } elsif ($display_data) {
252                                  $line_delimiter = '<br/>';                                  $line_delimiter = '<br/>';
253                          }                          }
# Line 127  sub data2xml { Line 256  sub data2xml {
256                          ($swish,$display) = (1,1);                          ($swish,$display) = (1,1);
257    
258                          # placeholder for all repeatable entries for index                          # placeholder for all repeatable entries for index
                         my @index_data;  
                         my $index_filter;  
259    
260                          sub mkformat {                          sub mkformat($$) {
261                                  my $x = shift || die "mkformat needs tag reference";                                  my $x = shift || die "mkformat needs tag reference";
262                                  my $data = shift || return;                                  my $data = shift || return;
263                                  my $format_name = x($x->{format_name}) || return $data;                                  my $format_name = x($x->{format_name}) || return $data;
# Line 148  sub data2xml { Line 275  sub data2xml {
275                                          if (($#data+1) == $nr) {                                          if (($#data+1) == $nr) {
276                                                  return sprintf($fmt,@data);                                                  return sprintf($fmt,@data);
277                                          } else {                                          } else {
278                                                  print STDERR "mkformat: [$data] can't be split on [$format_delimiter] to $nr fields!\n";                                                  #print STDERR "mkformat: [$data] can't be split on [$format_delimiter] to $nr fields!\n";
279                                                  return $data;                                                  return $data;
280                                          }                                          }
281                                  } else {                                  } else {
# Line 158  sub data2xml { Line 285  sub data2xml {
285    
286                          # while because of repeatable fields                          # while because of repeatable fields
287                          while ($swish || $display) {                          while ($swish || $display) {
288                                    my $page = $repeat_off;
289                                    $page_max{$field} = $page if ($iterate_by_page && $page > ($page_max{$field} || 0));
290                                  ($swish,$display) = parse_format($type, $format,$row,$repeat_off++,$import2cp);                                  ($swish,$display) = parse_format($type, $format,$row,$repeat_off++,$import2cp);
291                                  if ($repeat_off > 1000) {                                  if ($repeat_off > 1000) {
292                                          print STDERR "loop (more than 1000 repeatable fields) deteced in $row, $format\n";                                          print STDERR "loop (more than 1000 repeatable fields) deteced in $row, $format\n";
293                                          last;                                          last;
294                                  }                                  }
295                                    
296                                    # is this field is lookup?
297                                    if ($display && $x->{lookup}) {
298                                            my $null = "<!-- null -->";
299                                            if ($use_lhash_cache) {
300                                                    if (!defined($cache->{lhash}->{$display})) {
301                                                            my $new_display = $lhash{$display};
302                                                            if (defined($new_display)) {
303    #print STDERR "lookup cache store '$display' = '$new_display'\n";
304                                                                    $display = $new_display;
305                                                                    $cache->{lhash}->{$display} = $new_display;
306                                                            } else {
307    #                                                               print STDERR "WARNING: lookup for '$display' didn't find anything.\n";
308                                                                    $display = "";
309                                                                    $cache->{lhash}->{$display} = $null;
310                                                            }
311                                                    } else {
312                                                            $display = $cache->{lhash}->{$display};
313                                                    }
314                                            } else {
315                                                    $display = $lhash{$display} || $null;
316                                            }
317                                    }
318    
319                                  # filter="name" ; filter this field through                                  # filter="name" ; filter this field through
320                                  # filter/[name].pm                                  # filter/[name].pm
321                                  my $filter = $x->{filter};                                  my $filter = $x->{filter};
322                                  if ($filter) {                                  if ($filter && !$cache->{filter_loaded}->{$filter}) {
323                                          require "filter/".$filter.".pm";                                          require "filter/".$filter.".pm";
324                                            $cache->{filter_loaded}->{$filter}++;
325                                  }                                  }
326                                  # type="swish" ; field for swish                                  # type="swish" ; field for swish
327                                  if ($swish) {                                  if ($swish) {
328                                            my $tmp = $swish;
329                                          if ($filter && ($s || $se)) {                                          if ($filter && ($s || $se)) {
330                                                  no strict 'refs';                                                  no strict 'refs';
331                                                  my $tmp = join(" ",&$filter($swish)) if ($s || $se);                                                  $tmp = join(" ",&$filter($tmp)) if ($s || $se);
                                                 $swish_data .= $tmp if ($s);  
                                                 $swish_exact_data .= $tmp if ($se);  
   
                                         } else {  
                                                 $swish_data .= $swish if ($s);  
                                                 $swish_exact_data .= $swish if ($se);  
332                                          }                                          }
333    
334                                            $swish_data .= $tmp if ($s && $tmp);
335                                            $swish_exact_data .= "xxbxx $tmp xxexx " if ($tmp && $tmp ne "" && $se);
336                                  }                                  }
337    
338                                  # type="display" ; field for display                                  # type="display" ; field for display
339                                  if ($d && $display) {                                  if ($d && $display) {
340                                            my $ldel = $delimiter;
341                                          if ($line_delimiter && $display_data) {                                          if ($line_delimiter && $display_data) {
342                                                  $display_data .= $line_delimiter;                                                  $ldel = $line_delimiter;
                                                 undef $line_delimiter;  
343                                          }                                          }
344                                          if ($filter) {                                          if ($filter) {
345                                                  no strict 'refs';                                                  no strict 'refs';
346                                                  if ($display_data) {                                                  my @arr;
347                                                          $display_data .= $delimiter.join($delimiter,mkformat($x,&$filter($display)));                                                  foreach my $tmp (&$filter($display)) {
348                                                  } else {                                                          my $tmp2 = mkformat($x,$tmp);
349                                                          $display_data = join($delimiter,mkformat($x,&$filter($display)));                                                          push @arr,$tmp2 if ($tmp2);
350                                                  }                                                  }
351                                                    $display_data .= $ldel if ($display_data && @arr);
352                                                    $display_data .= join($delimiter,@arr);
353                                          } else {                                          } else {
354                                                  if ($display_data) {                                                  $display_data .= $ldel if ($display_data);
355                                                          $display_data .= $delimiter.mkformat($x,$display);                                                  my $tmp = mkformat($x,$display);
356                                                  } else {                                                  $display_data .= $tmp if ($tmp);
                                                         $display_data = mkformat($x,$display);  
                                                 }  
357                                          }                                          }
358                                  }                                  }
359                                                                                                    
360                                  # type="index" ; insert into index                                  # type="index" ; insert into index
361                                    my $idisplay;
362                                  if ($i && $display) {                                  if ($i && $display) {
363                                          push @index_data, $display;                                          $idisplay = $display;
364                                          $index_filter = $filter if ($filter);                                          if ($filter) {
365                                                    no strict 'refs';
366                                                    $idisplay = &$filter($idisplay);
367                                            }
368                                            push @index_data, $idisplay if ($idisplay && !$iterate_by_page);
369                                    }
370    
371                                    # store fields in lookup
372                                    if ($il && $display) {
373                                            if (lc($x->{type}) eq "lookup_key") {
374                                                    if ($lookup_key) {
375                                                            print STDERR "WARNING: try to redefine lookup_key (keys shouldn't be repeatable fields!)";
376                                                    } else {
377                                                            if ($filter) {
378                                                                    no strict 'refs';
379                                                                    $lookup_key = &$filter($display);
380                                                            } else {
381                                                                    $lookup_key = $display;
382                                                            }
383                                                    }
384                                            } elsif (lc($x->{type}) eq "lookup_val") {
385                                                    if ($lookup_key) {
386                                                            if ($filter) {
387                                                                    no strict 'refs';
388                                                                    $lhash{$lookup_key} = &$filter($display);
389                                                            } else {
390                                                                    $lhash{$lookup_key} = $display;
391                                                            }
392                                                    } else {
393                                                            print STDERR "WARNING: no lookup_key defined for  '$display'?";
394                                                    }
395                                            }
396    
397                                  }                                  }
                         }  
398    
399                          # fill data in index                                  # store data for page-by-page repeatable fields
400                          if (@index_data) {                                  if ($iterate_by_page) {
401                                  if ($index_filter) {                                          sub iterate_fld($$$$$$) {
402                                          no strict 'refs';                                                  my ($cache,$what,$field,$page,$data,$append) = @_;
403                                          foreach my $d (@index_data) {                                                  return if (!$data);
404                                                  $index->insert($field, &$index_filter($d), $path);  
405                                                    my $ldel = $page_line_delimiter;
406                                                    $ldel = " " if ($append);
407    #print STDERR "line delimiter: ",Dumper($ldel) if ($ldel);
408                                                    if (! $cache->{$what}->{$field}->[$page]) {
409                                                            $cache->{$what}->{$field}->[$page] = $data;
410                                                    } else {
411                                                            $cache->{$what}->{$field}->[$page] .= $ldel.$data;
412                                                    }
413                                          }                                          }
414                                  } else {  
415                                          foreach my $d (@index_data) {                                          if ($display_data) {
416                                                  $index->insert($field, $d, $path);                                                  iterate_fld($cache,'display_data',$field,$page,$display_data,$x->{append});
417                                          }                                          }
418                                                    $display_data = "";
419                                            if ($swish_data) {
420                                                    iterate_fld($cache,'swish_data',$field,$page,$swish_data,$x->{append});
421                                                    $swish_data = "";
422                                            }
423                                            if ($swish_exact_data) {
424                                                    iterate_fld($cache,'swish_exact_data',$field,$page,$swish_exact_data,$x->{append});
425                                                    $swish_exact_data = "";
426                                            }
427    
428                                            if ($idisplay) {
429                                                    my $ldel=$page_line_delimiter;
430                                                    my @index_data;
431                                                    if ($cache->{index_data}->{$field}->[$page]) {
432    
433                                                            @index_data = @{$cache->{index_data}->{$field}->[$page]};
434                                                    }
435                                                    if ($x->{append}) {
436                                                            if (@index_data) {
437                                                                    $index_data[$#index_data] .= $idisplay;
438                                                            } else {
439                                                                    push @index_data, $idisplay;
440                                                            }
441                                                    } else {
442                                                            push @index_data, $idisplay;
443                                                    }
444                                                    $idisplay = "";
445                                                    @{$cache->{index_data}->{$field}->[$page]} = @index_data;
446                                            }
447                                    }
448                            }
449    
450                            if (! $iterate_by_page) {
451                                    my $idel = $x->{index_delimiter};
452                                    # fill data in index
453                                    foreach my $tmp (@index_data) {
454                                            my $i = $d = $tmp;
455                                            if ($idel && $tmp =~ m/$idel/) {
456                                                    ($i,$d) = split(/$idel/,$tmp);
457                                            }
458                                            $index->insert($field, $i, $d, $path);
459                                  }                                  }
460                                    @index_data = ();
461                          }                          }
462                  }                  }
463    
464                  # now try to parse variables from configuration file                  # now try to parse variables from configuration file
465                  foreach my $x (@{$config->{indexer}->{$field}->{'config'}}) {                  foreach my $x (@{$config->{indexer}->{$field}->{'config'}}) {
466    
467                            $x = unroll_x($x);
468    
469                          my $delimiter = x($x->{delimiter}) || ' ';                          my $delimiter = x($x->{delimiter}) || ' ';
470                          my $val = $cfg->val($database, x($x->{content}));                          my $val = $cfg->val($database, x($x->{content}));
471    
472                          my ($s,$d,$i) = (1,1,0);        # swish, display default                          # FIXME index_lookup is not supported!
473                          $s = 0 if (lc($x->{type}) eq "display");                          my ($s,$se,$d,$i,$il) = init_visible_type($x->{type});
                         $d = 0 if (lc($x->{type}) eq "swish");  
                         # no support for swish exact in config.  
                         # IMHO, it's useless  
                         ($s,$d,$i) = (0,0,1) if (lc($x->{type}) eq "index");  
474    
475                          if ($val) {                          if ($val) {
476                                  $display_data .= $delimiter.$val if ($d);                                  $display_data .= $delimiter.$val if ($d);
477                                  $swish_data .= $val if ($s);                                  $swish_data .= " ".$val if ($s);
478                                  $index->insert($field, $val, $path) if ($i);                                  $index->insert($field, $val, $path) if ($i);
479                          }                          }
480    
481                            if ($iterate_by_page) {
482                                    # FIXME data from config tag will appear just
483                                    # on first page!!!
484                                    my $page = 0;
485                                    if ($display_data) {
486                                            $cache->{display_data}->{$field}->[$page] = $display_data;
487                                            $display_data = "";
488                                    }
489                                    if ($swish_data) {
490                                            $cache->{swish_data}->{$field}->[$page] = $swish_data;
491                                            $swish_data = "";
492                                    }
493                                    if ($swish_exact_data) {
494                                            $cache->{swish_exact_data}->{$field}->[$page] = $swish_exact_data;
495                                            $swish_exact_data = "";
496                                    }
497                            }
498                  }                  }
499    
500                    # save data page-by-page
501                  if ($display_data) {                  foreach my $field (@page_fields) {
502                            my $nr_pages = $page_max{$field} || next;
503                          if ($field eq "headline") {  #print STDERR "field '$field' iterate over ",($nr_pages || 0)," pages...\n";
504                                  $xml .= xmlify("headline", $display_data);  #print STDERR Dumper($cache->{display_data});
505                          } else {                          for (my $page=0; $page <= $nr_pages; $page++) {
506                                    my $display_data;
507                                  # find field name (signular, plural)                                  if ($cache->{format}->{$field}) {
508                                  my $field_name = "";                                          my $tmp = mkformat($cache->{format}->{$field},$cache->{display_data}->{$field}->[$page]);
509                                  if ($config->{indexer}->{$field}->{name_singular} && $field_usage{$field} == 1) {                                          $display_data=$tmp if ($tmp);
                                         $field_name = $config->{indexer}->{$field}->{name_singular}."#-#";  
                                 } elsif ($config->{indexer}->{$field}->{name_plural}) {  
                                         $field_name = $config->{indexer}->{$field}->{name_plural}."#-#";  
                                 } elsif ($config->{indexer}->{$field}->{name}) {  
                                         $field_name = $config->{indexer}->{$field}->{name}."#-#";  
510                                  } else {                                  } else {
511                                          print STDERR "WARNING: field '$field' doesn't have 'name' attribute!";                                          $display_data = $cache->{display_data}->{$field}->[$page];
512                                    }
513                                    if ($display_data) { # default
514                                            if ($field eq "headline") {
515                                                    $xml .= xmlify("headline", $display_data);
516                                            } else {
517    
518                                                    # fallback to empty field name if needed
519                                                    $html .= get_field_name($config,$field,$field_usage{$field}) || '';
520                                                    $html .= "#-#".$display_data."###\n";
521                                            }
522                                    }
523                                    
524                                    my $swish_data = $cache->{swish_data}->{$field}->[$page];
525                                    if ($swish_data) {
526                                            # remove extra spaces
527                                            $swish_data =~ s/ +/ /g;
528                                            $swish_data =~ s/ +$//g;
529    
530                                            $xml .= xmlify($field."_swish", my_unac_string($codepage,$swish_data));
531                                    }
532    
533                                    my $swish_exact_data = $cache->{swish_exact_data}->{$field}->[$page];
534                                    if ($swish_exact_data) {
535                                            $swish_exact_data =~ s/ +/ /g;
536                                            $swish_exact_data =~ s/ +$//g;
537    
538                                            # add delimiters before and after word.
539                                            # That is required to produce exact match
540                                            $xml .= xmlify($field."_swish_exact", my_unac_string($codepage,$swish_exact_data));
541                                  }                                  }
542                                  if ($field_name) {                                  
543                                          $html .= x($field_name);                                  my $idel = $cache->{index_delimiter}->{$field};
544                                    foreach my $tmp (@{$cache->{index_data}->{$field}->[$page]}) {
545                                            my $i = $tmp;
546                                            my $d = $tmp;
547                                            if ($idel && $tmp =~ m/$idel/) {
548                                                    ($i,$d) = split(/$idel/,$tmp);
549                                            }
550                                            $index->insert($field, $i, $d, $path);
551    #print STDERR "index [$idel] $field: $i --> $d [$path]\n";
552                                  }                                  }
                                 $html .= $display_data."###\n";  
553                          }                          }
554            
555                  }                  }
556                  if ($swish_data) {                  
557                          # remove extra spaces                  if (! $iterate_by_page) {
558                          $swish_data =~ s/ +/ /g;                          if ($display_data) {
559                          $swish_data =~ s/ +$//g;                                  if ($field eq "headline") {
560                                            $xml .= xmlify("headline", $display_data);
561                          $xml .= xmlify($field."_swish", unac_string($codepage,$swish_data));                                  } else {
                 }  
562    
563                  if ($swish_exact_data) {                                          # fallback to empty field name if needed
564                          $swish_exact_data =~ s/ +/ /g;                                          $html .= get_field_name($config,$field,$field_usage{$field}) || '';
565                          $swish_exact_data =~ s/ +$//g;                                          $html .= "#-#".$display_data."###\n";
566                                    }
567                            }
568                            if ($swish_data) {
569                                    # remove extra spaces
570                                    $swish_data =~ s/ +/ /g;
571                                    $swish_data =~ s/ +$//g;
572    
573                          # add delimiters before and after word.                                  $xml .= xmlify($field."_swish", my_unac_string($codepage,$swish_data));
574                          # That is required to produce exact match                          }
                         $xml .= xmlify($field."_swish_exact", unac_string($codepage,'xxbxx '.$swish_exact_data.' xxexx'));  
                 }  
575    
576                            if ($swish_exact_data) {
577                                    $swish_exact_data =~ s/ +/ /g;
578                                    $swish_exact_data =~ s/ +$//g;
579    
580                                    # add delimiters before and after word.
581                                    # That is required to produce exact match
582                                    $xml .= xmlify($field."_swish_exact", my_unac_string($codepage,$swish_exact_data));
583                            }
584                    }
585          }          }
586    
587          # dump formatted output in <html>          # dump formatted output in <html>
# Line 325  $index = new index_DBI( Line 616  $index = new index_DBI(
616    
617  my $show_progress = $cfg_global->val('global', 'show_progress');  my $show_progress = $cfg_global->val('global', 'show_progress');
618    
619  my $unac_filter = $cfg_global->val('global', 'unac_filter');  my $my_unac_filter = $cfg_global->val('global', 'my_unac_filter');
620  if ($unac_filter) {  if ($my_unac_filter) {
621          require $unac_filter;          print STDERR "using $my_unac_filter to filter characters for search\n";
622            require $my_unac_filter;
623    } else {
624            print STDERR "### fallback to default my_unac_string!\n";
625            eval q{
626            sub main::my_unac_string($$) {
627                    my ($charset, $string) = (@_);
628                    return $string;
629            }
630            };
631  }  }
632    
633  foreach my $database ($cfg->Sections) {  foreach my $database ($cfg->Sections) {
# Line 335  foreach my $database ($cfg->Sections) { Line 635  foreach my $database ($cfg->Sections) {
635          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";
636          my $add_xml = $cfg -> val($database, 'xml');    # optional          my $add_xml = $cfg -> val($database, 'xml');    # optional
637    
638            # create new lookup file
639            my $lookup_file = $cfg -> val($database, 'lookup_newfile'); # optional
640            if ($lookup_file) {
641                    #tie %lhash, 'GDBM_File', $lookup_file, &GDBM_NEWDB, 0644;
642                    if (! -e $lookup_file) {
643                            open(LOOKUP, "> $lookup_file") || die "can't create $lookup_file': $!";
644                            close(LOOKUP);
645                    }
646                    tie %lhash, 'TDB_File', $lookup_file, TDB_CLEAR_IF_FIRST, O_RDWR, 0644;
647                    print STDERR "creating lookup file '$lookup_file'\n";
648                    # delete memory cache for lookup file
649                    delete $cache->{lhash};
650            }
651    
652            # open existing lookup file
653            $lookup_file = $cfg -> val($database, 'lookup_open'); # optional
654            if ($lookup_file) {
655                    #tie %lhash, 'GDBM_File', $lookup_file, &GDBM_READER, 0644;
656                    tie %lhash, 'TDB_File', $lookup_file, TDB_DEFAULT, O_RDWR, 0644;
657                    print STDERR "opening lookup file '$lookup_file'\n";
658            }
659    
660  print STDERR "reading ./import_xml/$type.xml\n";  print STDERR "reading ./import_xml/$type.xml\n";
661    
662          # extract just type basic          # extract just type basic
663          my $type_base = $type;          my $type_base = $type;
664          $type_base =~ s/_.+$//g;          $type_base =~ s/_.+$//g;
665    
666          $config=XMLin("./import_xml/$type.xml", forcearray => [ $type2tag{$type_base}, 'config', 'format' ], forcecontent => 1);          $config=XMLin("./import_xml/$type.xml", ForceArray => [ $type2tag{$type_base}, 'config', 'format' ], ForceContent => 1 );
667    
668            # helper for progress bar
669            sub fmt_time {
670                    my $t = shift || 0;
671                    my $out = "";
672    
673                    my ($ss,$mm,$hh) = gmtime($t);
674                    $out .= "${hh}h" if ($hh);
675                    $out .= sprintf("%02d:%02d", $mm,$ss);
676                    $out .= "  " if ($hh == 0);
677                    return $out;
678            }
679    
680          # output current progress indicator          # output current progress indicator
681          my $last_p = 0;          my $last_p = 0;
682            my $start_t = time();
683          sub progress {          sub progress {
684                  return if (! $show_progress);                  return if (! $show_progress);
685                  my $current = shift;                  my $current = shift;
686                  my $total = shift || 1;                  my $total = shift || 1;
687                  my $p = int($current * 100 / $total);                  my $p = int($current * 100 / $total);
688                  if ($p != $last_p) {                  if ($p < $last_p || $current == 1) {
689                          printf STDERR ("%5d / %5d [%-51s] %-2d %% \r",$current,$total,"=" x ($p/2).">", $p );                          $start_t = time();
690                            $last_p = 0;
691                    } elsif ($p != $last_p) {
692                            my $rate = ($current / (time() - $start_t || 1));
693                            my $eta = ($total-$current) / ($rate || 1);
694                            printf STDERR ("%5d [%-38s] %-5d %0.1f/s %s\r",$current,"=" x ($p/3)."$p%>", $total, $rate, fmt_time($eta));
695                          $last_p = $p;                          $last_p = $p;
696                  }                  }
697          }          }
698    
699          my $fake_dir = 1;          my $fake_dir = 1;
700            my $fake_pos = 0;
701            my $last_fake_t = time();
702          sub fakeprogress {          sub fakeprogress {
703                  return if (! $show_progress);                  return if (! $show_progress);
704                  my $current = shift @_;                  my $current = shift @_;
705    
706                  my @ind = ('-','\\','|','/','-','\\','|','/', '-');                  my @ind = ('-','\\','|','/','-','\\','|','/');
707    
708                    if ($current < $fake_pos) {
709                            $start_t = time();
710                            $last_fake_t = 0;
711                            $fake_dir = 1;
712                            $fake_pos = 0;
713                    }
714    
715                  $last_p += $fake_dir;                  if (time()-$last_fake_t >= 1) {
716                  $fake_dir = -$fake_dir if ($last_p > 1000 || $last_p < 0);                          $last_fake_t = time();
717                  if ($last_p % 10 == 0) {                          $fake_pos += $fake_dir;
718                          printf STDERR ("%5d / %5s [%-51s]\r",$current,"?"," " x ($last_p/20).$ind[($last_p/20) % $#ind]);                          $fake_dir = -$fake_dir if ($fake_pos > 38);
719                    }
720    
721                    if ($current % 10 == 0) {
722                            my $rate = ($current / (time() - $start_t || 1));
723                            printf STDERR ("%5d [%-38s] %0.1f/s\r",$current, " " x $fake_pos .$ind[($current / 10) % 8], $rate);
724                  }                  }
725          }          }
726    
727          # now read database          # now read database
728  print STDERR "using: $type...\n";  print STDERR "using: $type...\n";
729    
730            # erase cache for tags by order in this database
731            delete $cache->{tags_by_order};
732    
733          if ($type_base eq "isis") {          if ($type_base eq "isis") {
734    
735                  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!";
736    
737                  $import2cp = Text::Iconv->new($config->{isis_codepage},$codepage);                  $import2cp = Text::Iconv->new($config->{isis_codepage},$codepage);
738                  my $db = OpenIsis::open( $isis_db );                  my $db = new Biblio::Isis( isisdb => $isis_db );
739    
740                  # check if .txt database for OpenIsis is zero length,                  my $max_rowid = $db->count || die "can't find maxmfn";
                 # if so, erase it and re-open database  
                 sub check_txt_db {  
                         my $isis_db = shift || die "need isis database name";  
                         my $reopen = 0;  
   
                         if (-e $isis_db.".TXT") {  
                                 print STDERR "WARNING: removing $isis_db.TXT OpenIsis database...\n";  
                                 unlink $isis_db.".TXT" || warn "FATAL: unlink error on '$isis_db.TXT': $!";  
                                 $reopen++;  
                         }  
                         if (-e $isis_db.".PTR") {  
                                 print STDERR "WARNING: removing $isis_db.PTR OpenIsis database...\n";  
                                 unlink $isis_db.".PTR" || warn "FATAL: unlink error on '$isis_db.PTR': $!";  
                                 $reopen++;  
                         }  
                         return OpenIsis::open( $isis_db ) if ($reopen);  
                 }  
   
                 # EOF error  
                 if ($db == -1) {  
                         $db = check_txt_db($isis_db);  
                         if ($db == -1) {  
                                 print STDERR "FATAL: OpenIsis can't open zero size file $isis_db\n";  
                                 next;  
                         }  
                 }  
   
                 # OpenIsis::ERR_BADF  
                 if ($db == -4) {  
                         print STDERR "FATAL: OpenIsis can't find file $isis_db\n";  
                         next;  
                 # OpenIsis::ERR_IO  
                 } elsif ($db == -5) {  
                         print STDERR "FATAL: OpenIsis can't access file $isis_db\n";  
                         next;  
                 } elsif ($db < 0) {  
                         print STDERR "FATAL: OpenIsis unknown error $db with file $isis_db\n";  
                         next;  
                 }  
   
                 my $max_rowid = OpenIsis::maxRowid( $db );  
   
                 # if 0 records, try to rease isis .txt database  
                 if ($max_rowid == 0) {  
                         # force removal of database  
                         $db = check_txt_db($isis_db);  
                         $max_rowid = OpenIsis::maxRowid( $db );  
                 }  
741    
742                  print STDERR "Reading database: $isis_db [$max_rowid rows]\n";                  print STDERR "Reading database: $isis_db [$max_rowid rows]\n";
743    
744                  my $path = $database;                  my $path = $database;
745    
746                  for (my $row_id = 1; $row_id <= $max_rowid; $row_id++ ) {                  for (my $row_id = 1; $row_id <= $max_rowid; $row_id++ ) {
747                          my $row = OpenIsis::read( $db, $row_id );                          my $row = $db->to_hash( $row_id );
748                          if ($row && $row->{mfn}) {                          if ($row) {
749            
750                                    $row->{mfn} = $row_id;
751                                    $row->{record} = $db->{record};
752    
753                                  progress($row->{mfn}, $max_rowid);                                  progress($row->{mfn}, $max_rowid);
754    
755                                  my $swishpath = $path."#".int($row->{mfn});                                  my $swishpath = $path."#".int($row->{mfn});
# Line 451  print STDERR "using: $type...\n"; Line 763  print STDERR "using: $type...\n";
763                                  }                                  }
764                          }                          }
765                  }                  }
                 # for this to work with current version of OpenIsis (0.9.0)  
                 # you might need my patch from  
                 # http://www.rot13.org/~dpavlin/projects/openisis-0.9.0-perl_close.diff  
                 OpenIsis::close($db);  
766                  print STDERR "\n";                  print STDERR "\n";
767    
768          } elsif ($type_base eq "excel") {          } elsif ($type_base eq "excel") {
769                  use Spreadsheet::ParseExcel;                  require Spreadsheet::ParseExcel;
770                  use Spreadsheet::ParseExcel::Utility qw(int2col);                  require Spreadsheet::ParseExcel::Utility;
771                    import Spreadsheet::ParseExcel::Utility qw(int2col);
772                                    
773                  $import2cp = Text::Iconv->new($config->{excel_codepage},$codepage);                  $import2cp = Text::Iconv->new($config->{excel_codepage},$codepage);
774                  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 487  print STDERR "using: $type...\n"; Line 796  print STDERR "using: $type...\n";
796                          for(my $iC = $oWorksheet->{MinCol} ; defined $oWorksheet->{MaxCol} && $iC <= $oWorksheet->{MaxCol} ; $iC++) {                          for(my $iC = $oWorksheet->{MinCol} ; defined $oWorksheet->{MaxCol} && $iC <= $oWorksheet->{MaxCol} ; $iC++) {
797                                  my $cell = $oWorksheet->{Cells}[$iR][$iC];                                  my $cell = $oWorksheet->{Cells}[$iR][$iC];
798                                  if ($cell) {                                  if ($cell) {
799                                          $row->{int2col($iC)} = $cell->Value;                                          # this conversion is a cludge.
800                                            # Files from Excell could have
801                                            # characters which don't fit into
802                                            # destination encoding.
803                                            $row->{int2col($iC)} = $utf2cp->convert($cell->Value) || $cell->Value;
804                                  }                                  }
805                          }                          }
806    
# Line 513  print STDERR "using: $type...\n"; Line 826  print STDERR "using: $type...\n";
826                  }                  }
827          } elsif ($type_base eq "marc") {          } elsif ($type_base eq "marc") {
828    
829                  use MARC;                  require MARC::File::USMARC;
830                                    
831                  $import2cp = Text::Iconv->new($config->{marc_codepage},$codepage);                  $import2cp = Text::Iconv->new($config->{marc_codepage},$codepage);
832                  my $marc_file = $cfg -> val($database, 'marc_file') || die "$database doesn't have 'marc_file' defined!";                  my $marc_file = $cfg -> val($database, 'marc_file') || die "$database doesn't have 'marc_file' defined!";
833    
834                  # optional argument is format                  # optional argument is format
835                  my $format = x($config->{format}) || 'usmarc';                  warn "marc_format is no longer used!" if ($config->{marc_format});
   
836                  print STDERR "Reading MARC file '$marc_file'\n";                  print STDERR "Reading MARC file '$marc_file'\n";
837    
838                  my $marc = new MARC;                  my $marc = MARC::File::USMARC->in( $marc_file )
839                  my $nr = $marc->openmarc({                          || die "Can't open MARC file '$marc_file': ".$MARC::File::ERROR;
840                                  file=>$marc_file, format=>$format  
841                          }) || die "Can't open MARC file '$marc_file'";                  # count records in MARC file
842                    sub marc_count {
843                            my $filename = shift || die;
844                            my $file = MARC::File::USMARC->in($filename) || die $MARC::File::ERROR;
845                            my $count = 0;
846                            while ($file->skip()) {
847                                    $count++;
848                            }
849                            return $count;
850                    }
851    
852                  my $i=0;        # record nr.                  my $count = marc_count($marc_file) || warn "no records in '$marc_file'?";
853    
854                  my $rec;                  my $i = 0;
855    
856                  while ($marc->nextmarc(1)) {                  while( my $rec = $marc->next() ) {
857    
858                          # XXX                          progress($i++,$count);
                         fakeprogress($i++);  
859    
860                          my $swishpath = $database."#".$i;                          my $swishpath = $database."#".$i;
861    
862                          if (my $xml = data2xml($type_base,$marc,$add_xml,$cfg,$database)) {                          if (my $xml = data2xml($type_base,$rec,$add_xml,$cfg,$database)) {
863                                  $xml = $cp2utf->convert($xml);                                  $xml = $cp2utf->convert($xml);
864                                  use bytes;      # as opposed to chars                                  use bytes;      # as opposed to chars
865                                  print "Path-Name: $swishpath\n";                                  print "Path-Name: $swishpath\n";
# Line 547  print STDERR "using: $type...\n"; Line 867  print STDERR "using: $type...\n";
867                                  print "Document-Type: XML\n\n$xml\n";                                  print "Document-Type: XML\n\n$xml\n";
868                          }                          }
869                  }                  }
870    
871                    print STDERR "\n";
872    
873          } elsif ($type_base eq "feed") {          } elsif ($type_base eq "feed") {
874    
875                  $import2cp = Text::Iconv->new($config->{feed_codepage},$codepage);                  $import2cp = Text::Iconv->new($config->{feed_codepage},$codepage);
# Line 585  print STDERR "using: $type...\n"; Line 908  print STDERR "using: $type...\n";
908                          fakeprogress($i);                          fakeprogress($i);
909    
910                  }                  }
911                    # close lookup
912                    untie %lhash if (%lhash);
913          }          }
914  }  }
915    
# Line 599  __END__ Line 924  __END__
924    
925  all2xml.pl - read various file formats and dump XML for SWISH-E  all2xml.pl - read various file formats and dump XML for SWISH-E
926    
927    =head1 SYNOPSYS
928    
929     $ all2xml.pl [test.conf]
930    
931  =head1 DESCRIPTION  =head1 DESCRIPTION
932    
933  This command will read ISIS data file using OpenIsis perl module, MARC  This command will read ISIS data file using IsisDB perl module, MARC
934  records using MARC module and optionally Micro$oft Excel files to  records using MARC module and optionally Micro$oft Excel files to
935  create one XML file for usage with I<SWISH-E> indexer. Dispite it's name,  create one XML file for usage with I<SWISH-E> indexer. Dispite it's name,
936  this script B<isn't general xml generator> from isis files (isis allready  this script B<isn't general xml generator> from isis files (isis allready
937  has something like that). Output of this script is tailor-made for SWISH-E.  has something like that). Output of this script is tailor-made for SWISH-E.
938    
939    If no configuration file is specified, it will use default one called
940    C<all2xml.conf>.
941    
942  =head1 BUGS  =head1 BUGS
943    
944  Documentation is really lacking. However, in true Open Source spirit, source  Documentation is really lacking. However, in true Open Source spirit, source

Legend:
Removed from v.164  
changed lines
  Added in v.633

  ViewVC Help
Powered by ViewVC 1.1.26