/[webpac]/trunk2/all2all.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 /trunk2/all2all.pl

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

trunk/all2xml.pl revision 1 by dpavlin, Sun Nov 24 20:52:11 2002 UTC trunk2/all2all.pl revision 546 by dpavlin, Tue Oct 26 18:59:38 2004 UTC
# Line 1  Line 1 
1  #!/usr/bin/perl -w  #!/usr/bin/perl -w
2    
3    =head1 NAME
4    
5    all2all.pl - basic script for all WebPAC needs
6    
7    =cut
8    
9  use strict;  use strict;
10  use OpenIsis;  use locale;
11  use Getopt::Std;  use YAML;
12  use Data::Dumper;  use Carp;
13  use XML::Simple;  use Getopt::Long;
14    use Text::Unaccent 1.02;
15    
16    use lib './lib';
17    use WebPAC;
18    use WebPAC::jsFind;
19    use WebPAC::Index;
20    use WebPAC::Tree;
21    
22    # options which can be changed via command line
23    #
24    my $code_page = 'ISO-8859-2';
25    my ($limit_mfn, $start_mfn, $debug, $low_mem);
26    my $index_path = './out/index';
27    
28    my $result = GetOptions(
29            "code_page=s"   => \$code_page,
30            "limit_mfn=i"   => \$limit_mfn,
31            "start_mfn=i"   => \$start_mfn,
32            "debug!"        => \$debug,
33            "low_mem!"      => \$low_mem,
34    );
35    
36    my $filter = {
37            'CROVOC' => sub {
38                    my $tmp = shift || return;
39                    return undef unless ($tmp =~ s/\s*CROVOC.*$/ */);
40                    return $tmp;
41            },
42            'CROVOC_tree' => sub {
43                    my $tmp = shift || return;
44                    $tmp =~ s/\s*CROVOC.*$/ */;
45                    $tmp =~ s/\s*EUROVOC.*//;
46                    return $tmp;
47            },
48    };
49    
50    ## remove accented characters
51    #
52    sub unac {
53            my $string = shift || return;
54            $string = unac_string($code_page,$string);
55            $string =~ tr/ðÐ/dD/;
56            return $string;
57    }
58    sub unac_2 {
59            my $string = shift || return;
60            if (length($string) > 2) {
61                    my $pr = substr($string,0,2);
62                    $string = unac_string($code_page,substr($string,2));
63                    $string =~ tr/ðÐ/dD/;
64                    $string = $pr . $string;
65            }
66            return lc($string);
67    }
68    
69  my $config=XMLin();  # create WebPAC object
70    #
71    my $webpac = new WebPAC(
72            code_page => $code_page,
73            limit_mfn => $limit_mfn,
74            start_mfn => $start_mfn,
75            debug => $debug,
76            low_mem => $low_mem,
77            filter => $filter,
78    ) || die;
79    
80    my $log = $webpac->_get_logger() || die "can't get logger";
81    
82    $log->debug("creating WebPAC::jsFind object");
83    
84    my $index = new WebPAC::jsFind(
85            index_path => $index_path,
86            keys => 10,
87    ) || die;
88    
89    my $thes;
90    
91    $|=1;
92    
93    my $maxmfn = $webpac->open_isis(
94            filename => shift @ARGV || '/data/hidra/THS/THS',
95            lookup => [
96            { 'key' => 'd:v900', 'val' => 'filter{CROVOC_tree}v250^a v800' },
97    #       { 'eval' => '"v901^a" eq "Podruèje"', 'key' => 'pa:v561^4:v562^4:v461^1', 'val' => 'v900' },
98    #       { 'eval '=> '"v901^a" eq "Mikrotezaurus"', 'key' => 'a:v561^4:v562^4:v461^1', 'val' => 'v900' },
99    #       { 'eval' => '"v901^a" eq "Deskriptor"', 'key' => 'a:v561^4:v562^4:v461^1', 'val' => 'v900' },
100            { 'key' => 'a:v561^4:v562^4:v461^1', 'val' => 'v900' },
101            { 'key' => '900_mfn:v900', 'val' => 'v000' },
102            # tree structure
103            { 'eval' => 'length("v251") == 2 && "v800" =~ m/EUROVOC/ || "v800" =~ m/CROVOC/ && "v251" =~ m/^(H|HD|L|Z|P)$/', 'key' => 'root:v251', 'val' => 'v900' },
104            { 'eval' => '"v251"', 'key' => 'code:v900', 'val' => 'v561^4:v251' },
105            { 'eval' => '"v561^4" && "v562^4"', 'key' => 'code:v900', 'val' => 'v561^4:v562^4' },
106            ],
107    );
108    
109    $log->debug("isis file ",$webpac->{'isis_filename'}," opened");
110    
111    $log->info("rows: $maxmfn");
112    
113    $webpac->open_import_xml(type => 'isis_hidra_ths');
114    
115    if(1) { # XXX
116    
117    while (my $rec = $webpac->fetch_rec) {
118    
119            my @ds = $webpac->data_structure($rec);
120    
121            if (0 && $log->is_debug) {
122                    $log->debug("rec = ",Dump($rec));
123                    $log->debug("ds = ",Dump(\@ds));
124            }
125    
126  print Dumper($config);          next if (! @ds);
127    
128  my %opts;          my $filename = $webpac->{'current_filename'} || $log->logdie("no current_filename in webpac object");
129    
130  getopts('d:m:q', \%opts);          if ($filename) {
131                    $webpac->output_file(
132                            file => $filename,
133                            template => 'html.tt',
134                            data => \@ds,
135                            headline => $webpac->{'headline'},
136                    );
137            } else {
138                    print $webpac->output(
139                            template => 'text.tt',
140                            data => \@ds,
141                            headline => $webpac->{'headline'},
142                    );
143            }
144    
145  my $db_dir = $opts{d};          my $headline = $webpac->{'headline'};
146    
147  die "usage: $0 -d [database_dir] -m [database1,database2] " if (! %opts);          my $f = $filename;
148            $f =~ s!out/!!;
149    
150  #--------------------------------------------------------------------          # save into index
151            foreach my $ds (@ds) {
152                    next if (! $ds->{'swish'});
153    
154                    # strip all non word characters from beginning or end
155                    # of word
156                    my $words = join(" ",@{$ds->{'swish'}});
157                    $words =~ s/^\W+//;
158                    $words =~ s/\W*\s+\W*/ /g;
159                    $words =~ s/\W+$//;
160    
161                    # first try to generate headline for this entry from index
162                    my $h = $ds->{'index'}->[0];
163                    # then, from display
164                    $h ||= $ds->{'display'}->[0];
165                    # and as last resport, fallback to headline
166                    $h ||= $headline;
167    
168                    $index->insert(
169                            index_name => $ds->{'tag'},
170                            #path => $f,
171                            path => $webpac->mfn,
172                            headline => $h,
173                            words => unac($words),
174                    );
175            }
176    
177  my $last_tell=0;          # save into sorted index (thesaurus)
178            foreach my $ds (@ds) {
179                    next if (! $ds->{'index'});
180    
181                    $thes->{$ds->{'tag'}} ||= new WebPAC::Index( name => $ds->{'tag'} );
182    
183                    foreach my $h (@{$ds->{'index'}}) {
184                            $thes->{$ds->{'tag'}}->insert(
185                                    sort_by => unac_2($h),
186                                    mfn => $webpac->mfn,
187                                    headline => $h,
188                            );
189                    }
190            }
191    
192  my @isis_dirs = ( '.' );        # use dirname as database name  #       print Dump(\@ds);
193    
 if ($opts{m}) {  
         @isis_dirs = split(/,/,$opts{m});  
194  }  }
195    
196  my @isis_dbs;  foreach my $t (keys %{$thes}) {
197    
198  foreach (@isis_dirs) {          my @e = $thes->{$t}->elements;
199          if (-e "$common::isis_data/$db_dir/$_/LIBRI") {          if (! @e) {
200                  push @isis_dbs,"$common::isis_data/$db_dir/$_/LIBRI/LIBRI";                  $log->logwarn("no elements in sorted index $t?");
201                    next;
202          }          }
203          if (-e "$common::isis_data/$db_dir/$_/PERI") {  
204                  push @isis_dbs,"$common::isis_data/$db_dir/$_/PERI/PERI";          my $file = "./out/bfilter/$t.txt";
205          }          $log->info("saving sorted index $t to '$file' [".scalar(@e)." elements]");
206          if (-e "$common::isis_data/$db_dir/$_/AMS") {  
207                  push @isis_dbs,"$common::isis_data/$db_dir/$_/AMS/AMS";          $webpac->output_file(
208          }                  file => $file,
209          if (-e "$common::isis_data/$db_dir/$_/ARTI") {                  template => 'index.tt',
210  #               push @isis_dbs,"$common::isis_data/$db_dir/$_/ARTI/ARTI";                  data => \@e,
211                    index_name => $t,
212            );
213    }
214    
215    if (0 && $log->is_debug) {
216            $log->debug("lookup hash: ",Dump($webpac->{'lookup'}));
217            $log->debug("data hash: ",Dump($webpac->{'data'}));
218            foreach my $t (keys %{$thes}) {
219                    $log->debug("thesaurus $t hash: ",Dump($thes->{$t}));
220          }          }
221  }  }
222    
223  foreach my $isis_db (@isis_dbs) {  } # XXX if(0)
224    
225          my $db = OpenIsis::open( "$isis_db" ) || warn "can't open '$isis_db'";  #$log->debug("lookup hash: ",Dump($webpac->{'lookup'}));
226    
227          my $max_rowid = OpenIsis::maxRowid( $db );  $log->info("creating tree");
228    
229          my $last_pcnt = 0;  #
230    # define tree structure
231    #
232    
233    my $l = $webpac->{'lookup'} || $log->logconfess("can't find lookup");
234    
235    my @tree = ({
236            # level 0
237            code_arr        => sub { sort keys %{$l} },
238            filter_code     => sub {
239                                            my $t = shift;
240                                            return $t if ($t =~ s/root://);
241                                    },
242            lookup_v900     => sub { shift @{$l->{"root:".$_[0]}} },
243            lookup_term     => sub { shift @{$l->{"d:".$_[1]}} },
244            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[1]}} },
245            have_children   => sub { return $l->{"a:".$_[0]."::"} },
246            have_children_at_level => sub {
247                                    return unless (defined($l->{"code:".$_[1]}));
248                                    my $code = shift @{$l->{"code:".$_[1]}};
249                                    print STDERR "## $_[1] -> $code\n";
250                                    return undef unless($code);
251                                    return(9, $l->{"a:$code:"} ) if (defined($l->{"a:$code:"}));
252                            },
253            style           => 'display: none',
254            },{
255            # 1
256            code_arr        => sub { @{$_[0]} },
257            filter_code     => sub { shift },       # nop
258            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
259            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
260            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
261            have_children   => sub { return $l->{"a:".$_[1].":"} },
262            style           => 'display: none',
263            },{
264            # 2
265            code_arr        => sub { @{$_[0]} },
266            filter_code     => sub { shift },
267            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
268            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
269            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
270            have_children   => sub { return $l->{"a:".$_[1].":".$_[0]} },
271            #style          => 'display: none',
272            },{
273            # 3 u¾i pojam
274            code_arr        => sub { @{$_[0]} },
275            filter_code     => sub { shift },
276            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
277            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
278            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
279            have_children   => sub { return $l->{"a:".$_[1].":".$_[0]} },
280            },{
281            # 4
282            code_arr        => sub { @{$_[0]} },
283            filter_code     => sub { shift },
284            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
285            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
286            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
287            have_children   => sub { return $l->{"a:".$_[1].":".$_[0]} },
288            },{
289            # 5
290            code_arr        => sub { @{$_[0]} },
291            filter_code     => sub { shift },
292            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
293            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
294            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
295            have_children   => sub { return $l->{"a:".$_[1].":".$_[0]} },
296            },{
297            # 6
298            code_arr        => sub { @{$_[0]} },
299            filter_code     => sub { shift },
300            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
301            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
302            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
303            have_children   => sub { return $l->{"a:".$_[1].":".$_[0]} },
304            },{
305            # 7
306            code_arr        => sub { @{$_[0]} },
307            filter_code     => sub { shift },
308            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
309            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
310            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
311            have_children   => sub { return $l->{"a:".$_[1].":".$_[0]} },
312            },{
313            # 8
314            code_arr        => sub { @{$_[0]} },
315            filter_code     => sub { shift },
316            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
317            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
318            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
319    #       have_children   => sub { return $l->{"a:".$_[1].":".$_[0]} },
320            have_children   => sub { 0 },
321            },{
322            # 9 - level which is never reached except explicitly
323            code_arr        => sub { @{$_[0]} },
324            filter_code     => sub { shift },
325            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
326            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
327            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
328            have_children   => sub { 0 },
329            have_children_at_level => sub { defined($l->{"a:".$_[1].":".$_[0]}) && return (9,$l->{"a:".$_[1].":".$_[0]}) },
330            },{
331    });
332    
333    my $tree = new WebPAC::Tree(
334            tree => \@tree,
335    );
336    
337    $tree->output(
338            dir => './out',
339            html => 'browse.html',
340            template => './output_template/tree.tt',
341            js => 'tree-ids.js',
342    );
343    
344    $tree->output(
345            dir => './eurovoc',
346            html => 'hijerarhija.html',
347            template => './output_template/hijerarhija.tt',
348            js => 'tree-ids.js',
349    );
350    
         for (my $row_id = 1; $row_id <= $max_rowid; $row_id++ ) {  
                 my $row = OpenIsis::read( $db, $row_id );  
351    
352                  # output current process indicator  $log->info("closing index");
353                  my $pcnt = int($row->{mfn} * 100 / $max_rowid);  $index->close;
354                  if ($pcnt != $last_pcnt) {  
355                          printf STDERR ("%5d / %5d -- %-2d %%\n",$row->{mfn},$max_rowid,$pcnt) if (! $opts{q});  $log->info("elapsed time: ",$webpac->fmt_time(time() - $webpac->{'start_t'}));
                         $last_pcnt = $pcnt;  
                 }  
         }  
 }  
Legend:
Removed from v.1  
changed lines
  Added in v.546
  ViewVC Help
Powered by ViewVC 1.1.26