/[webpac]/trunk/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 /trunk/all2xml.pl

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

revision 180 by dpavlin, Tue Nov 25 20:04:24 2003 UTC revision 623 by dpavlin, Sat Jan 1 19:09:53 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 IsisDB;
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 72  my %lhash; Line 72  my %lhash;
72  # if you are tight on memory, turn this off  # if you are tight on memory, turn this off
73  my $use_lhash_cache = 1;  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 116  sub data2xml { Line 118  sub data2xml {
118          delete $cache->{display_data};          delete $cache->{display_data};
119          delete $cache->{swish_data};          delete $cache->{swish_data};
120          delete $cache->{swish_exact_data};          delete $cache->{swish_exact_data};
121            delete $cache->{index_data};
122            delete $cache->{index_delimiter};
123          my @page_fields;        # names of fields          my @page_fields;        # names of fields
124    
125    
# Line 135  sub data2xml { Line 139  sub data2xml {
139                  } else {                  } else {
140                          print STDERR "WARNING: field '$field' doesn't have 'name' attribute!";                          print STDERR "WARNING: field '$field' doesn't have 'name' attribute!";
141                  }                  }
142    
143                  if ($field_name) {                  if ($field_name) {
144                          return x($field_name);                          $field_name = x($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,$il) = (0,1,0,0,1);
173                    } elsif ($type) {
174                            print STDERR "WARNING: unknown type: $type\n";
175                    }
176                    return ($s,$se,$d,$i,$il);
177            }
178    
179    
180            # convert
181            #
182            # <tag>
183            #  <delimiter>, </delimiter>
184            #  <value>200a</value>
185            # </tag>
186            #
187            # to
188            #
189            # <tag delimiter=", ">200a</tag>
190            #
191            # but without loosing spaces in delimiter (becasue
192            # new XML::Simple strips spaces in attribute values
193            # as defined in XML specification)
194            #
195            sub unroll_x($) {
196                    my $x = shift;
197    
198                    if (defined $x->{value}) {
199                            my ($v,$d) = ($x->{value}->{content}, $x->{delimiter}->{content});
200                            delete $x->{value};
201                            delete $x->{delimiter};
202                            $x->{content} = $v;
203                            $x->{delimiter} = $d;
204                    }
205                    return $x;
206            }
207    
208          # begin real work: go field by field          # begin real work: go field by field
209          foreach my $field (@sorted_tags) {          foreach my $field (@sorted_tags) {
210    
# Line 150  sub data2xml { Line 214  sub data2xml {
214                  my $swish_data = "";                  my $swish_data = "";
215                  my $swish_exact_data = "";                  my $swish_exact_data = "";
216                  my $display_data = "";                  my $display_data = "";
217                    my @index_data;
218                  my $line_delimiter;                  my $line_delimiter;
219    
220                  my ($swish,$display);                  my ($swish,$display);
# Line 162  sub data2xml { Line 227  sub data2xml {
227                  my %page_max = ();                  my %page_max = ();
228                  # default line_delimiter if using                  # default line_delimiter if using
229                  my $page_line_delimiter = $config->{indexer}->{$field}->{page_line_delimiter} || '<br/>';                  my $page_line_delimiter = $config->{indexer}->{$field}->{page_line_delimiter} || '<br/>';
230                    $cache->{index_delimiter}->{$field} = $config->{indexer}->{$field}->{index_delimiter};
231    
232                    my $format_name = $config->{indexer}->{$field}->{format_name};
233                    my $format_delimiter = $config->{indexer}->{$field}->{format_delimiter};
234                    if ($format_name && $format_delimiter) {
235                            $cache->{format}->{$field}->{format_name} = $format_name;
236                            $cache->{format}->{$field}->{format_delimiter} = $format_delimiter;
237                    }
238    
239                  foreach my $x (@{$config->{indexer}->{$field}->{$tag}}) {                  foreach my $x (@{$config->{indexer}->{$field}->{$tag}}) {
240    
241                            $x = unroll_x($x);
242    
243                          my $format = x($x->{content});                          my $format = x($x->{content});
244                          my $delimiter = x($x->{delimiter}) || ' ';                          my $delimiter = x($x->{delimiter}) || ' ';
245    
246                          my $repeat_off = 0;     # init repeatable offset                          my $repeat_off = 0;     # init repeatable offset
247    
248                          # swish, swish_exact, display, index, index_lookup                          my ($s,$se,$d,$i,$il) = init_visible_type($x->{type});
                         # swish and display defaults  
                         my ($s,$se,$d,$i,$il) = (1,0,1,0,0);  
                         $s = 0 if (lc($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");  
                         $il = 1 if (lc($x->{type}) =~ /^lookup/);  
   
249    
250                          # what will separate last line from this one?                          # what will separate last line from this one?
251                          if ($display_data && $x->{append} && $x->{append} eq "1") {                          if ($display_data && $x->{append}) {
252                                  $line_delimiter = ' ';                                  $line_delimiter = $delimiter;
253                          } elsif ($display_data) {                          } elsif ($display_data) {
254                                  $line_delimiter = '<br/>';                                  $line_delimiter = '<br/>';
255                          }                          }
# Line 191  sub data2xml { Line 258  sub data2xml {
258                          ($swish,$display) = (1,1);                          ($swish,$display) = (1,1);
259    
260                          # placeholder for all repeatable entries for index                          # placeholder for all repeatable entries for index
                         my @index_data;  
261    
262                          sub mkformat {                          sub mkformat($$) {
263                                  my $x = shift || die "mkformat needs tag reference";                                  my $x = shift || die "mkformat needs tag reference";
264                                  my $data = shift || return;                                  my $data = shift || return;
265                                  my $format_name = x($x->{format_name}) || return $data;                                  my $format_name = x($x->{format_name}) || return $data;
# Line 211  sub data2xml { Line 277  sub data2xml {
277                                          if (($#data+1) == $nr) {                                          if (($#data+1) == $nr) {
278                                                  return sprintf($fmt,@data);                                                  return sprintf($fmt,@data);
279                                          } else {                                          } else {
280                                                  print STDERR "mkformat: [$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";
281                                                  return $data;                                                  return $data;
282                                          }                                          }
283                                  } else {                                  } else {
# Line 240  sub data2xml { Line 306  sub data2xml {
306                                                                  $display = $new_display;                                                                  $display = $new_display;
307                                                                  $cache->{lhash}->{$display} = $new_display;                                                                  $cache->{lhash}->{$display} = $new_display;
308                                                          } else {                                                          } else {
309                                                                  print STDERR "WARNING: lookup for '$display' didn't find anything.\n";  #                                                               print STDERR "WARNING: lookup for '$display' didn't find anything.\n";
310                                                                  $display = "";                                                                  $display = "";
311                                                                  $cache->{lhash}->{$display} = $null;                                                                  $cache->{lhash}->{$display} = $null;
312                                                          }                                                          }
# Line 261  sub data2xml { Line 327  sub data2xml {
327                                  }                                  }
328                                  # type="swish" ; field for swish                                  # type="swish" ; field for swish
329                                  if ($swish) {                                  if ($swish) {
330                                            my $tmp = $swish;
331                                          if ($filter && ($s || $se)) {                                          if ($filter && ($s || $se)) {
332                                                  no strict 'refs';                                                  no strict 'refs';
333                                                  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);  
334                                          }                                          }
335    
336                                            $swish_data .= $tmp if ($s && $tmp);
337                                            $swish_exact_data .= "xxbxx $tmp xxexx " if ($tmp && $tmp ne "" && $se);
338                                  }                                  }
339    
340                                  # type="display" ; field for display                                  # type="display" ; field for display
341                                  if ($d && $display) {                                  if ($d && $display) {
342                                            my $ldel = $delimiter;
343                                          if ($line_delimiter && $display_data) {                                          if ($line_delimiter && $display_data) {
344                                                  $display_data .= $line_delimiter;                                                  $ldel = $line_delimiter;
345                                          }                                          }
346                                          if ($filter) {                                          if ($filter) {
347                                                  no strict 'refs';                                                  no strict 'refs';
348                                                  if ($display_data) {                                                  my @arr;
349                                                          $display_data .= $delimiter.join($delimiter,mkformat($x,&$filter($display)));                                                  foreach my $tmp (&$filter($display)) {
350                                                  } else {                                                          my $tmp2 = mkformat($x,$tmp);
351                                                          $display_data = join($delimiter,mkformat($x,&$filter($display)));                                                          push @arr,$tmp2 if ($tmp2);
352                                                  }                                                  }
353                                                    $display_data .= $ldel if ($display_data && @arr);
354                                                    $display_data .= join($delimiter,@arr);
355                                          } else {                                          } else {
356                                                  if ($display_data) {                                                  $display_data .= $ldel if ($display_data);
357                                                          $display_data .= $delimiter.mkformat($x,$display);                                                  my $tmp = mkformat($x,$display);
358                                                  } else {                                                  $display_data .= $tmp if ($tmp);
                                                         $display_data = mkformat($x,$display);  
                                                 }  
359                                          }                                          }
360                                  }                                  }
361                                                                                                    
362                                  # type="index" ; insert into index                                  # type="index" ; insert into index
363                                    my $idisplay;
364                                  if ($i && $display) {                                  if ($i && $display) {
365                                            $idisplay = $display;
366                                          if ($filter) {                                          if ($filter) {
367                                                  no strict 'refs';                                                  no strict 'refs';
368                                                  $display = &$filter($display);                                                  $idisplay = &$filter($idisplay);
                                         }  
                                         if ($x->{append} && @index_data) {  
                                                 $index_data[$#index_data].=$display;  
                                         } else {  
                                                 push @index_data, $display;  
369                                          }                                          }
370                                            push @index_data, $idisplay if ($idisplay && !$iterate_by_page);
371                                  }                                  }
372    
373                                  # store fields in lookup                                  # store fields in lookup
# Line 313  sub data2xml { Line 376  sub data2xml {
376                                                  if ($lookup_key) {                                                  if ($lookup_key) {
377                                                          print STDERR "WARNING: try to redefine lookup_key (keys shouldn't be repeatable fields!)";                                                          print STDERR "WARNING: try to redefine lookup_key (keys shouldn't be repeatable fields!)";
378                                                  } else {                                                  } else {
379                                                          $lookup_key = $display;                                                          if ($filter) {
380                                                                    no strict 'refs';
381                                                                    $lookup_key = &$filter($display);
382                                                            } else {
383                                                                    $lookup_key = $display;
384                                                            }
385                                                  }                                                  }
386                                          } elsif (lc($x->{type}) eq "lookup_val") {                                          } elsif (lc($x->{type}) eq "lookup_val") {
387                                                  if ($lookup_key) {                                                  if ($lookup_key) {
388                                                          $lhash{$lookup_key} = $display;                                                          if ($filter) {
389                                                                    no strict 'refs';
390                                                                    $lhash{$lookup_key} = &$filter($display);
391                                                            } else {
392                                                                    $lhash{$lookup_key} = $display;
393                                                            }
394                                                  } else {                                                  } else {
395                                                          print STDERR "WARNING: no lookup_key defined for  '$display'?";                                                          print STDERR "WARNING: no lookup_key defined for  '$display'?";
396                                                  }                                                  }
# Line 330  sub data2xml { Line 403  sub data2xml {
403                                          sub iterate_fld($$$$$$) {                                          sub iterate_fld($$$$$$) {
404                                                  my ($cache,$what,$field,$page,$data,$append) = @_;                                                  my ($cache,$what,$field,$page,$data,$append) = @_;
405                                                  return if (!$data);                                                  return if (!$data);
406                                                  my $line_delimiter = $page_line_delimiter;  
407                                                  $line_delimiter = " " if ($append);                                                  my $ldel = $page_line_delimiter;
408                                                    $ldel = " " if ($append);
409    #print STDERR "line delimiter: ",Dumper($ldel) if ($ldel);
410                                                  if (! $cache->{$what}->{$field}->[$page]) {                                                  if (! $cache->{$what}->{$field}->[$page]) {
411                                                          $cache->{$what}->{$field}->[$page] = $data;                                                          $cache->{$what}->{$field}->[$page] = $data;
412                                                  } else {                                                  } else {
413                                                          $cache->{$what}->{$field}->[$page] .= $line_delimiter.$data;                                                          $cache->{$what}->{$field}->[$page] .= $ldel.$data;
414                                                  }                                                  }
415                                          }                                          }
416    
417                                          if ($display_data) {                                          if ($display_data) {
 print STDERR "line delimiter: ",Dumper($line_delimiter) if ($line_delimiter);  
418                                                  iterate_fld($cache,'display_data',$field,$page,$display_data,$x->{append});                                                  iterate_fld($cache,'display_data',$field,$page,$display_data,$x->{append});
419                                          }                                          }
420                                                  $display_data = "";                                                  $display_data = "";
# Line 352  print STDERR "line delimiter: ",Dumper($ Line 426  print STDERR "line delimiter: ",Dumper($
426                                                  iterate_fld($cache,'swish_exact_data',$field,$page,$swish_exact_data,$x->{append});                                                  iterate_fld($cache,'swish_exact_data',$field,$page,$swish_exact_data,$x->{append});
427                                                  $swish_exact_data = "";                                                  $swish_exact_data = "";
428                                          }                                          }
429    
430                                            if ($idisplay) {
431                                                    my $ldel=$page_line_delimiter;
432                                                    my @index_data;
433                                                    if ($cache->{index_data}->{$field}->[$page]) {
434    
435                                                            @index_data = @{$cache->{index_data}->{$field}->[$page]};
436                                                    }
437                                                    if ($x->{append}) {
438                                                            if (@index_data) {
439                                                                    $index_data[$#index_data] .= $idisplay;
440                                                            } else {
441                                                                    push @index_data, $idisplay;
442                                                            }
443                                                    } else {
444                                                            push @index_data, $idisplay;
445                                                    }
446                                                    $idisplay = "";
447                                                    @{$cache->{index_data}->{$field}->[$page]} = @index_data;
448                                            }
449                                  }                                  }
450                          }                          }
451    
452                          # fill data in index                          if (! $iterate_by_page) {
453                          foreach my $d (@index_data) {                                  my $idel = $x->{index_delimiter};
454                                  $index->insert($field, $d, $path);                                  # fill data in index
455                                    foreach my $tmp (@index_data) {
456                                            my $i = $d = $tmp;
457                                            if ($idel && $tmp =~ m/$idel/) {
458                                                    ($i,$d) = split(/$idel/,$tmp);
459                                            }
460                                            $index->insert($field, $i, $d, $path);
461                                    }
462                                    @index_data = ();
463                          }                          }
464                  }                  }
465    
466                  # now try to parse variables from configuration file                  # now try to parse variables from configuration file
467                  foreach my $x (@{$config->{indexer}->{$field}->{'config'}}) {                  foreach my $x (@{$config->{indexer}->{$field}->{'config'}}) {
468    
469                            $x = unroll_x($x);
470    
471                          my $delimiter = x($x->{delimiter}) || ' ';                          my $delimiter = x($x->{delimiter}) || ' ';
472                          my $val = $cfg->val($database, x($x->{content}));                          my $val = $cfg->val($database, x($x->{content}));
473    
474                          my ($s,$d,$i) = (1,1,0);        # swish, display default                          # FIXME index_lookup is not supported!
475                          $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");  
476    
477                          if ($val) {                          if ($val) {
478                                  $display_data .= $delimiter.$val if ($d);                                  $display_data .= $delimiter.$val if ($d);
479                                  $swish_data .= $val if ($s);                                  $swish_data .= " ".$val if ($s);
480                                  $index->insert($field, $val, $path) if ($i);                                  $index->insert($field, $val, $path) if ($i);
481                          }                          }
482    
# Line 405  print STDERR "line delimiter: ",Dumper($ Line 505  print STDERR "line delimiter: ",Dumper($
505  #print STDERR "field '$field' iterate over ",($nr_pages || 0)," pages...\n";  #print STDERR "field '$field' iterate over ",($nr_pages || 0)," pages...\n";
506  #print STDERR Dumper($cache->{display_data});  #print STDERR Dumper($cache->{display_data});
507                          for (my $page=0; $page <= $nr_pages; $page++) {                          for (my $page=0; $page <= $nr_pages; $page++) {
508                                    my $display_data;
509                                  my $display_data = $cache->{display_data}->{$field}->[$page];                                  if ($cache->{format}->{$field}) {
510                                            my $tmp = mkformat($cache->{format}->{$field},$cache->{display_data}->{$field}->[$page]);
511                                            $display_data=$tmp if ($tmp);
512                                    } else {
513                                            $display_data = $cache->{display_data}->{$field}->[$page];
514                                    }
515                                  if ($display_data) { # default                                  if ($display_data) { # default
516                                          if ($field eq "headline") {                                          if ($field eq "headline") {
517                                                  $xml .= xmlify("headline", $display_data);                                                  $xml .= xmlify("headline", $display_data);
# Line 424  print STDERR "line delimiter: ",Dumper($ Line 529  print STDERR "line delimiter: ",Dumper($
529                                          $swish_data =~ s/ +/ /g;                                          $swish_data =~ s/ +/ /g;
530                                          $swish_data =~ s/ +$//g;                                          $swish_data =~ s/ +$//g;
531    
532                                          $xml .= xmlify($field."_swish", unac_string($codepage,$swish_data));                                          $xml .= xmlify($field."_swish", my_unac_string($codepage,$swish_data));
533                                  }                                  }
534    
535                                  my $swish_exact_data = $cache->{swish_exact_data}->{$field}->[$page];                                  my $swish_exact_data = $cache->{swish_exact_data}->{$field}->[$page];
# Line 434  print STDERR "line delimiter: ",Dumper($ Line 539  print STDERR "line delimiter: ",Dumper($
539    
540                                          # add delimiters before and after word.                                          # add delimiters before and after word.
541                                          # That is required to produce exact match                                          # That is required to produce exact match
542                                          $xml .= xmlify($field."_swish_exact", unac_string($codepage,'xxbxx '.$swish_exact_data.' xxexx'));                                          $xml .= xmlify($field."_swish_exact", my_unac_string($codepage,$swish_exact_data));
543                                    }
544                                    
545                                    my $idel = $cache->{index_delimiter}->{$field};
546                                    foreach my $tmp (@{$cache->{index_data}->{$field}->[$page]}) {
547                                            my $i = $tmp;
548                                            my $d = $tmp;
549                                            if ($idel && $tmp =~ m/$idel/) {
550                                                    ($i,$d) = split(/$idel/,$tmp);
551                                            }
552                                            $index->insert($field, $i, $d, $path);
553    #print STDERR "index [$idel] $field: $i --> $d [$path]\n";
554                                  }                                  }
555                          }                          }
556                    
# Line 456  print STDERR "line delimiter: ",Dumper($ Line 572  print STDERR "line delimiter: ",Dumper($
572                                  $swish_data =~ s/ +/ /g;                                  $swish_data =~ s/ +/ /g;
573                                  $swish_data =~ s/ +$//g;                                  $swish_data =~ s/ +$//g;
574    
575                                  $xml .= xmlify($field."_swish", unac_string($codepage,$swish_data));                                  $xml .= xmlify($field."_swish", my_unac_string($codepage,$swish_data));
576                          }                          }
577    
578                          if ($swish_exact_data) {                          if ($swish_exact_data) {
# Line 465  print STDERR "line delimiter: ",Dumper($ Line 581  print STDERR "line delimiter: ",Dumper($
581    
582                                  # add delimiters before and after word.                                  # add delimiters before and after word.
583                                  # That is required to produce exact match                                  # That is required to produce exact match
584                                  $xml .= xmlify($field."_swish_exact", unac_string($codepage,'xxbxx '.$swish_exact_data.' xxexx'));                                  $xml .= xmlify($field."_swish_exact", my_unac_string($codepage,$swish_exact_data));
585                          }                          }
586                  }                  }
587          }          }
# Line 502  $index = new index_DBI( Line 618  $index = new index_DBI(
618    
619  my $show_progress = $cfg_global->val('global', 'show_progress');  my $show_progress = $cfg_global->val('global', 'show_progress');
620    
621  my $unac_filter = $cfg_global->val('global', 'unac_filter');  my $my_unac_filter = $cfg_global->val('global', 'my_unac_filter');
622  if ($unac_filter) {  if ($my_unac_filter) {
623          require $unac_filter;          print STDERR "using $my_unac_filter to filter characters for search\n";
624            require $my_unac_filter;
625    } else {
626            print STDERR "### fallback to default my_unac_string!\n";
627            eval q{
628            sub main::my_unac_string($$) {
629                    my ($charset, $string) = (@_);
630                    return $string;
631            }
632            };
633  }  }
634    
635  foreach my $database ($cfg->Sections) {  foreach my $database ($cfg->Sections) {
# Line 516  foreach my $database ($cfg->Sections) { Line 641  foreach my $database ($cfg->Sections) {
641          my $lookup_file = $cfg -> val($database, 'lookup_newfile'); # optional          my $lookup_file = $cfg -> val($database, 'lookup_newfile'); # optional
642          if ($lookup_file) {          if ($lookup_file) {
643                  #tie %lhash, 'GDBM_File', $lookup_file, &GDBM_NEWDB, 0644;                  #tie %lhash, 'GDBM_File', $lookup_file, &GDBM_NEWDB, 0644;
644                    if (! -e $lookup_file) {
645                            open(LOOKUP, "> $lookup_file") || die "can't create $lookup_file': $!";
646                            close(LOOKUP);
647                    }
648                  tie %lhash, 'TDB_File', $lookup_file, TDB_CLEAR_IF_FIRST, O_RDWR, 0644;                  tie %lhash, 'TDB_File', $lookup_file, TDB_CLEAR_IF_FIRST, O_RDWR, 0644;
649                  print STDERR "creating lookup file '$lookup_file'\n";                  print STDERR "creating lookup file '$lookup_file'\n";
650                    # delete memory cache for lookup file
651                    delete $cache->{lhash};
652          }          }
653    
654          # open existing lookup file          # open existing lookup file
# Line 534  print STDERR "reading ./import_xml/$type Line 665  print STDERR "reading ./import_xml/$type
665          my $type_base = $type;          my $type_base = $type;
666          $type_base =~ s/_.+$//g;          $type_base =~ s/_.+$//g;
667    
668          $config=XMLin("./import_xml/$type.xml", forcearray => [ $type2tag{$type_base}, 'config', 'format' ], forcecontent => 1);          $config=XMLin("./import_xml/$type.xml", ForceArray => [ $type2tag{$type_base}, 'config', 'format' ], ForceContent => 1 );
669    
670            # helper for progress bar
671            sub fmt_time {
672                    my $t = shift || 0;
673                    my $out = "";
674    
675                    my ($ss,$mm,$hh) = gmtime($t);
676                    $out .= "${hh}h" if ($hh);
677                    $out .= sprintf("%02d:%02d", $mm,$ss);
678                    $out .= "  " if ($hh == 0);
679                    return $out;
680            }
681    
682          # output current progress indicator          # output current progress indicator
683          my $last_p = 0;          my $last_p = 0;
684            my $start_t = time();
685          sub progress {          sub progress {
686                  return if (! $show_progress);                  return if (! $show_progress);
687                  my $current = shift;                  my $current = shift;
688                  my $total = shift || 1;                  my $total = shift || 1;
689                  my $p = int($current * 100 / $total);                  my $p = int($current * 100 / $total);
690                  if ($p != $last_p) {                  if ($p != $last_p) {
691                          printf STDERR ("%5d / %5d [%-51s] %-2d %% \r",$current,$total,"=" x ($p/2).">", $p );                          my $rate = ($current / (time() - $start_t || 1));
692                            my $eta = ($total-$current) / ($rate || 1);
693                            printf STDERR ("%5d [%-38s] %-5d %0.1f/s %s\r",$current,"=" x ($p/3)."$p%>", $total, $rate, fmt_time($eta));
694                          $last_p = $p;                          $last_p = $p;
695                  }                  }
696          }          }
# Line 574  print STDERR "using: $type...\n"; Line 720  print STDERR "using: $type...\n";
720                  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!";
721    
722                  $import2cp = Text::Iconv->new($config->{isis_codepage},$codepage);                  $import2cp = Text::Iconv->new($config->{isis_codepage},$codepage);
723                  my $db = OpenIsis::open( $isis_db );                  my $db = new IsisDB( isisdb => $isis_db );
   
                 # check if .txt database for OpenIsis is zero length,  
                 # 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;  
                         }  
                 }  
724    
725                  # OpenIsis::ERR_BADF                  my $max_rowid = $db->{'maxmfn'} || die "can't find maxmfn";
                 if ($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 );  
                 }  
726    
727                  print STDERR "Reading database: $isis_db [$max_rowid rows]\n";                  print STDERR "Reading database: $isis_db [$max_rowid rows]\n";
728    
729                  my $path = $database;                  my $path = $database;
730    
731                  for (my $row_id = 1; $row_id <= $max_rowid; $row_id++ ) {                  for (my $row_id = 1; $row_id <= $max_rowid; $row_id++ ) {
732                          my $row = OpenIsis::read( $db, $row_id );                          my $row = $db->to_hash( $row_id );
733                          if ($row && $row->{mfn}) {                          if ($row) {
734            
735                                    $row->{mfn} = $row_id;
736                                    $row->{record} = $db->{record};
737    
738                                  progress($row->{mfn}, $max_rowid);                                  progress($row->{mfn}, $max_rowid);
739    
740                                  my $swishpath = $path."#".int($row->{mfn});                                  my $swishpath = $path."#".int($row->{mfn});
# Line 647  print STDERR "using: $type...\n"; Line 748  print STDERR "using: $type...\n";
748                                  }                                  }
749                          }                          }
750                  }                  }
                 # for this to work with current version of OpenIsis (0.9.0)  
                 # you might need my patch from  
                 # http://www.rot13.org/~dpavlin/projects/openisis-0.9.0-perl_close.diff  
                 OpenIsis::close($db);  
751                  print STDERR "\n";                  print STDERR "\n";
752    
753          } elsif ($type_base eq "excel") {          } elsif ($type_base eq "excel") {
754                  use Spreadsheet::ParseExcel;                  require Spreadsheet::ParseExcel;
755                  use Spreadsheet::ParseExcel::Utility qw(int2col);                  require Spreadsheet::ParseExcel::Utility;
756                    import Spreadsheet::ParseExcel::Utility qw(int2col);
757                                    
758                  $import2cp = Text::Iconv->new($config->{excel_codepage},$codepage);                  $import2cp = Text::Iconv->new($config->{excel_codepage},$codepage);
759                  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 683  print STDERR "using: $type...\n"; Line 781  print STDERR "using: $type...\n";
781                          for(my $iC = $oWorksheet->{MinCol} ; defined $oWorksheet->{MaxCol} && $iC <= $oWorksheet->{MaxCol} ; $iC++) {                          for(my $iC = $oWorksheet->{MinCol} ; defined $oWorksheet->{MaxCol} && $iC <= $oWorksheet->{MaxCol} ; $iC++) {
782                                  my $cell = $oWorksheet->{Cells}[$iR][$iC];                                  my $cell = $oWorksheet->{Cells}[$iR][$iC];
783                                  if ($cell) {                                  if ($cell) {
784                                          $row->{int2col($iC)} = $cell->Value;                                          # this conversion is a cludge.
785                                            # Files from Excell could have
786                                            # characters which don't fit into
787                                            # destination encoding.
788                                            $row->{int2col($iC)} = $utf2cp->convert($cell->Value) || $cell->Value;
789                                  }                                  }
790                          }                          }
791    
# Line 709  print STDERR "using: $type...\n"; Line 811  print STDERR "using: $type...\n";
811                  }                  }
812          } elsif ($type_base eq "marc") {          } elsif ($type_base eq "marc") {
813    
814                  use MARC;                  require MARC::File::USMARC;
815                                    
816                  $import2cp = Text::Iconv->new($config->{marc_codepage},$codepage);                  $import2cp = Text::Iconv->new($config->{marc_codepage},$codepage);
817                  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!";
818    
819                  # optional argument is format                  # optional argument is format
820                  my $format = x($config->{format}) || 'usmarc';                  warn "marc_format is no longer used!" if ($config->{marc_format});
   
821                  print STDERR "Reading MARC file '$marc_file'\n";                  print STDERR "Reading MARC file '$marc_file'\n";
822    
823                  my $marc = new MARC;                  my $marc = MARC::File::USMARC->in( $marc_file )
824                  my $nr = $marc->openmarc({                          || die "Can't open MARC file '$marc_file': ".$MARC::File::ERROR;
825                                  file=>$marc_file, format=>$format  
826                          }) || die "Can't open MARC file '$marc_file'";                  # count records in MARC file
827                    sub marc_count {
828                            my $filename = shift || die;
829                            my $file = MARC::File::USMARC->in($filename) || die $MARC::File::ERROR;
830                            my $count = 0;
831                            while ($file->skip()) {
832                                    $count++;
833                            }
834                            return $count;
835                    }
836    
837                  my $i=0;        # record nr.                  my $count = marc_count($marc_file) || warn "no records in '$marc_file'?";
838    
839                  my $rec;                  my $i = 0;
840    
841                  while ($marc->nextmarc(1)) {                  while( my $rec = $marc->next() ) {
842    
843                          # XXX                          progress($i++,$count);
                         fakeprogress($i++);  
844    
845                          my $swishpath = $database."#".$i;                          my $swishpath = $database."#".$i;
846    
847                          if (my $xml = data2xml($type_base,$marc,$add_xml,$cfg,$database)) {                          if (my $xml = data2xml($type_base,$rec,$add_xml,$cfg,$database)) {
848                                  $xml = $cp2utf->convert($xml);                                  $xml = $cp2utf->convert($xml);
849                                  use bytes;      # as opposed to chars                                  use bytes;      # as opposed to chars
850                                  print "Path-Name: $swishpath\n";                                  print "Path-Name: $swishpath\n";
# Line 743  print STDERR "using: $type...\n"; Line 852  print STDERR "using: $type...\n";
852                                  print "Document-Type: XML\n\n$xml\n";                                  print "Document-Type: XML\n\n$xml\n";
853                          }                          }
854                  }                  }
855    
856                    print STDERR "\n";
857    
858          } elsif ($type_base eq "feed") {          } elsif ($type_base eq "feed") {
859    
860                  $import2cp = Text::Iconv->new($config->{feed_codepage},$codepage);                  $import2cp = Text::Iconv->new($config->{feed_codepage},$codepage);
# Line 797  __END__ Line 909  __END__
909    
910  all2xml.pl - read various file formats and dump XML for SWISH-E  all2xml.pl - read various file formats and dump XML for SWISH-E
911    
912    =head1 SYNOPSYS
913    
914     $ all2xml.pl [test.conf]
915    
916  =head1 DESCRIPTION  =head1 DESCRIPTION
917    
918  This command will read ISIS data file using OpenIsis perl module, MARC  This command will read ISIS data file using IsisDB perl module, MARC
919  records using MARC module and optionally Micro$oft Excel files to  records using MARC module and optionally Micro$oft Excel files to
920  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,
921  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
922  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.
923    
924    If no configuration file is specified, it will use default one called
925    C<all2xml.conf>.
926    
927  =head1 BUGS  =head1 BUGS
928    
929  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.180  
changed lines
  Added in v.623
  ViewVC Help
Powered by ViewVC 1.1.26