/[webpac]/branches/tehnika/all2xml.pl
This is repository of my old source code which isn't updated any more. Go to git.rot13.org for current projects!
ViewVC logotype

Diff of /branches/tehnika/all2xml.pl

Parent Directory Parent Directory | Revision Log Revision Log | View Patch Patch

revision 291 by dpavlin, Sun Mar 14 20:34:24 2004 UTC 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;
# Line 17  $|=1; Line 16  $|=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 $config;
# Line 139  sub data2xml { Line 139  sub data2xml {
139                  } else {                  } else {
140                          print STDERR "WARNING: field '$field' doesn't have 'name' attribute!";                          print STDERR "WARNING: field '$field' doesn't have 'name' attribute!";
141                  }                  }
142    
143                  if ($field_name) {                  if ($field_name) {
144                            $field_name = x($field_name);
145                          if (! $last_field_name) {                          if (! $last_field_name) {
146                                  $last_field_name = x($field_name);                                  $last_field_name = $field_name;
147                                  return $last_field_name;                                  return $last_field_name;
148                          } elsif ($field_name ne $last_field_name) {                          } elsif ($field_name ne $last_field_name) {
149                                  $last_field_name = x($field_name);                                  $last_field_name = $field_name;
150                                  return $last_field_name;                                  return $last_field_name;
151                          }                          }
152                  }                  }
# Line 525  sub data2xml { Line 527  sub data2xml {
527                                          $swish_data =~ s/ +/ /g;                                          $swish_data =~ s/ +/ /g;
528                                          $swish_data =~ s/ +$//g;                                          $swish_data =~ s/ +$//g;
529    
530                                          $xml .= xmlify($field."_swish", unac_string($codepage,$swish_data));                                          $xml .= xmlify($field."_swish", my_unac_string($codepage,$swish_data));
531                                  }                                  }
532    
533                                  my $swish_exact_data = $cache->{swish_exact_data}->{$field}->[$page];                                  my $swish_exact_data = $cache->{swish_exact_data}->{$field}->[$page];
# Line 535  sub data2xml { Line 537  sub data2xml {
537    
538                                          # add delimiters before and after word.                                          # add delimiters before and after word.
539                                          # That is required to produce exact match                                          # That is required to produce exact match
540                                          $xml .= xmlify($field."_swish_exact", unac_string($codepage,$swish_exact_data));                                          $xml .= xmlify($field."_swish_exact", my_unac_string($codepage,$swish_exact_data));
541                                  }                                  }
542                                                                    
543                                  my $idel = $cache->{index_delimiter}->{$field};                                  my $idel = $cache->{index_delimiter}->{$field};
# Line 568  sub data2xml { Line 570  sub data2xml {
570                                  $swish_data =~ s/ +/ /g;                                  $swish_data =~ s/ +/ /g;
571                                  $swish_data =~ s/ +$//g;                                  $swish_data =~ s/ +$//g;
572    
573                                  $xml .= xmlify($field."_swish", unac_string($codepage,$swish_data));                                  $xml .= xmlify($field."_swish", my_unac_string($codepage,$swish_data));
574                          }                          }
575    
576                          if ($swish_exact_data) {                          if ($swish_exact_data) {
# Line 577  sub data2xml { Line 579  sub data2xml {
579    
580                                  # add delimiters before and after word.                                  # add delimiters before and after word.
581                                  # That is required to produce exact match                                  # That is required to produce exact match
582                                  $xml .= xmlify($field."_swish_exact", unac_string($codepage,$swish_exact_data));                                  $xml .= xmlify($field."_swish_exact", my_unac_string($codepage,$swish_exact_data));
583                          }                          }
584                  }                  }
585          }          }
# Line 614  $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 628  foreach my $database ($cfg->Sections) { Line 639  foreach my $database ($cfg->Sections) {
639          my $lookup_file = $cfg -> val($database, 'lookup_newfile'); # optional          my $lookup_file = $cfg -> val($database, 'lookup_newfile'); # optional
640          if ($lookup_file) {          if ($lookup_file) {
641                  #tie %lhash, 'GDBM_File', $lookup_file, &GDBM_NEWDB, 0644;                  #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;                  tie %lhash, 'TDB_File', $lookup_file, TDB_CLEAR_IF_FIRST, O_RDWR, 0644;
647                  print STDERR "creating lookup file '$lookup_file'\n";                  print STDERR "creating lookup file '$lookup_file'\n";
648                  # delete memory cache for lookup file                  # delete memory cache for lookup file
# Line 650  print STDERR "reading ./import_xml/$type Line 665  print STDERR "reading ./import_xml/$type
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                            $fake_pos = 0;
713                    }
714    
715                    if (time()-$last_fake_t >= 1) {
716                            $last_fake_t = time();
717                            $fake_pos += $fake_dir;
718                            $fake_dir = -$fake_dir if ($fake_pos > 38);
719                    }
720    
721                  $last_p += $fake_dir;                  if ($current % 10 == 0) {
722                  $fake_dir = -$fake_dir if ($last_p > 1000 || $last_p < 0);                          my $rate = ($current / (time() - $start_t || 1));
723                  if ($last_p % 10 == 0) {                          printf STDERR ("%5d [%-38s] %0.1f/s\r",$current, " " x $fake_pos .$ind[($current / 10) % 8], $rate);
                         printf STDERR ("%5d / %5s [%-51s]\r",$current,"?"," " x ($last_p/20).$ind[($last_p/20) % $#ind]);  
724                  }                  }
725          }          }
726    
# Line 688  print STDERR "using: $type...\n"; Line 735  print STDERR "using: $type...\n";
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 761  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") {
# Line 798  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 824  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                  require 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->{marc_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': ".$MARC::File::ERROR;
                                 file=>$marc_file, format=>$format  
                         }) || die "Can't open MARC file '$marc_file' with format '$format'";  
840    
841                  # read MARC file in memory                  # count records in MARC file
842                  $marc->nextmarc(-1);                  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 $max_rec = $marc->marc_count();                  my $count = marc_count($marc_file) || warn "no records in '$marc_file'?";
853    
854                  for(my $i=1; $i<=$max_rec; $i++) {                  my $i = 0;
855    
856                          progress($i,$max_rec);                  while( my $rec = $marc->next() ) {
857    
858                          # store value for marc_sf.pm                          progress($i++,$count);
                         $main::cache->{marc_record} = $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 918  __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.291  
changed lines
  Added in v.633

  ViewVC Help
Powered by ViewVC 1.1.26