/[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 10 by dpavlin, Thu Jan 16 17:35:54 2003 UTC trunk2/all2all.pl revision 413 by dpavlin, Tue Sep 7 18:02:06 2004 UTC
# Line 1  Line 1 
1  #!/usr/bin/perl -w  #!/usr/bin/perl -w
2    
3  use strict;  =head1 NAME
 use OpenIsis;  
 use Getopt::Std;  
 use Data::Dumper;  
 use XML::Simple;  
 use Text::Unaccent 1.02;        # 1.01 won't compile on my platform,  
 use Text::Iconv;  
   
   
 $|=1;  
   
 my $config;  
   
 $config=XMLin(undef, forcearray => [ 'isis' ], forcecontent => 1);  
   
 use index_DBI;  # there is no other, right now ;-)  
   
 my $index = new index_DBI();    # open index  
   
 my %opts;  
   
 # usage:  
 #       -d directory name  
 #       -m multiple directories  
 #       -q quiet  
 #       -s run swish  
   
 getopts('d:m:qs', \%opts);  
   
 my $db_dir = $opts{d} || "ps";  # FIX  
   
 #die "usage: $0 -d [database_dir] -m [database1,database2] " if (! %opts);  
   
 #print Dumper($config->{indexer});  
 #print "-" x 70,"\n";  
   
 Text::Iconv->raise_error(1);     # Conversion errors raise exceptions  
   
 my $isis_codepage = Text::Iconv->new($config->{isis_codepage},'UTF8');  
 my $index_codepage = Text::Iconv->new($config->{isis_codepage},$config->{index_codepage});  
 my $cludge_codepage = Text::Iconv->new('UTF8','ISO8859-1');  
   
 sub isis2xml {  
   
         use xmlify;  
   
         my $row = shift @_;  
   
         my $xml;  
         $xml .= xmlify('db_dir',$db_dir);       # FIX remove?  
   
         use parse_format;  
   
   
         foreach my $field (keys %{$config->{indexer}}) {  
   
                 my $swish_data = "";  
                 my $display_data = "";  
                 my $index_data = "";  
   
                 foreach my $x (@{$config->{indexer}->{$field}->{isis}}) {  
4    
5                          my $format = $x->{content};  all2all.pl - basic script for all WebPAC needs
                         my ($s,$d,$i) = (1,1,0);        # swish, display default  
                         $s = 0 if (lc($x->{type}) eq "display");  
                         $d = 0 if (lc($x->{type}) eq "swish");  
                         ($s,$d,$i) = (0,0,1) if (lc($x->{type}) eq "index");  
 #print STDERR "## s: $s d: $d i: $i ## $format ##\n";    
6    
7                          $format = $cludge_codepage->convert($format);  =cut
                         my ($swish,$display) = parse_format($format,$row);  
 #print STDERR "s: $swish\nd: $display\n" if ($swish);  
8    
9  #print STDERR "swish: $swish<-- display: $display<--\n";  use strict;
10                          # FIX: this is ugly, UGLY, cludge: OpenIsis return  use Data::Dumper;
11                          # UTF8 encoding of strings, but as if source charset  use Carp;
                         # is ISO8859-1 and not some other. This breaks our  
                         # isis character encoding, so we convert it first  
                         # back to ISO8859-1 (which can actually be different  
                         # encoding in isis)  
12    
13                          $swish_data .= $swish if ($s && $swish);  use lib './lib';
14                          $display_data .= $display if ($d && $display);  use WebPAC;
15                          $index_data .= $display if ($i && $display);  use WebPAC::jsFind;
16                  }  use WebPAC::Index;
17    
18    my $webpac = new WebPAC(
19            code_page => 'ISO-8859-2',
20    #       limit_mfn => 500,
21    #       debug => 1,
22    ) || die;
23    
24    my $log = $webpac->_get_logger();
25    
26    my $index = new WebPAC::jsFind(
27            index_path => './out/index',
28            keys => 10,
29    ) || die;
30    
31  #print STDERR "s_d: $swish_data\nd_d: $display_data\n" if ($swish_data);  my $thes;
                 if ($display_data) {  
                         $display_data = $isis_codepage->convert($display_data)."##" || $display_data;  
                         $xml .= xmlify($field."_display", $display_data);  
                 }  
                 if ($swish_data) {  
                         my $i = Text::Iconv->new($config->{isis_codepage},'ISO8859-2');  
                         $swish_data = $i->convert($swish_data);  
                         $xml .= xmlify($field."_swish",unac_string('ISO8859-2',$swish_data));  
                         #$swish_data = $isis_codepage->convert($swish_data)."##" || $swish_data;  
                         #$xml .= xmlify($field."_swish",unac_string($config->{isis_codepage},$swish_data));  
                 }  
32    
33                  # index  $|=1;
                 if ($index_data && $index_data ne "") {  
                         $index_data = $index_codepage->convert($index_data) || $index_data;  
                         $index->insert($field, $index_data, $db_dir);  
                 }  
34    
35          }  my $maxmfn = $webpac->open_isis(
36          if ($xml) {          filename => shift @ARGV || '/data/hidra/THS/THS',
37  #print STDERR "x: $xml\n";          lookup => [
38                  return "<xml>\n$xml</xml>\n";          { 'key' => 'd:v900', 'val' => 'v250^a' },
39    #       { 'eval' => '"v901^a" eq "Područje"', 'key' => 'pa:v561^4:v562^4:v461^1', 'val' => 'v900' },
40    #       { 'eval '=> '"v901^a" eq "Mikrotezaurus"', 'key' => 'a:v561^4:v562^4:v461^1', 'val' => 'v900' },
41    #       { 'eval' => '"v901^a" eq "Deskriptor"', 'key' => 'a:v561^4:v562^4:v461^1', 'val' => 'v900' },
42            { 'key' => 'a:v561^4:v562^4:v461^1', 'val' => 'v900' },
43            { 'key' => '900_mfn:v900', 'val' => 'v000' },
44            ],
45    );
46    
47    $log->info("rows: $maxmfn");
48    
49    $webpac->open_import_xml(type => 'isis_hidra_ths');
50    
51    while (my $rec = $webpac->fetch_rec) {
52    
53            my @ds = $webpac->data_structure($rec);
54    
55            if (0 && $log->is_debug) {
56                    $log->debug("rec = ",Dumper($rec));
57                    $log->debug("ds = ",Dumper(\@ds));
58            }
59    
60            next if (! @ds);
61    
62            my $filename = $webpac->{'current_filename'};
63    
64            if ($filename) {
65                    $webpac->output_file(
66                            file => $filename,
67                            template => 'html.tt',
68                            data => \@ds,
69                            headline => $webpac->{'headline'},
70                    );
71          } else {          } else {
72                  return;                  print $webpac->output(
73                            template => 'text.tt',
74                            data => \@ds,
75                            headline => $webpac->{'headline'},
76                    );
77          }          }
 }  
78    
79  ##########################################################################          my $headline = $webpac->{'headline'};
80    
81  my $last_tell=0;          my $f = $filename;
82            $f =~ s!out/!!;
83    
84  my @isis_dirs = ( '.' );        # use dirname as database name          # save into index
85            foreach my $ds (@ds) {
86                    next if (! $ds->{'swish'});
87    
88  if ($opts{m}) {                  $index->insert(
89          @isis_dirs = split(/,/,$opts{m});                          index_name => $ds->{'tag'},
90  }                          path => $f,
91                            headline => $headline,
92  my @isis_dbs;                          words => join(" ",@{$ds->{'swish'}})
93                    );
 foreach (@isis_dirs) {  
         if (-e $config->{isis_data}."/$db_dir/$_/LIBRI") {  
                 push @isis_dbs,$config->{isis_data}."/$db_dir/$_/LIBRI/LIBRI";  
         }  
         if (-e $config->{isis_data}."/$db_dir/$_/PERI") {  
                 push @isis_dbs,$config->{isis_data}."/$db_dir/$_/PERI/PERI";  
94          }          }
         if (-e $config->{isis_data}."/$db_dir/$_/AMS") {  
                 push @isis_dbs,$config->{isis_data}."/$db_dir/$_/AMS/AMS";  
         }  
         if (-e $config->{isis_data}."/$db_dir/$_/ARTI") {  
 #               push @isis_dbs,$config->{isis_data}."/$db_dir/$_/ARTI/ARTI";  
         }  
 }  
   
 print STDERR "FATAL: Can't find isis database.\nPerhaps isis_data (".$config->{isis_data}.") has wrong value?\n" if (! @isis_dbs);  
95    
96  my $db;          # save into sorted index (thesaurus)
97            foreach my $ds (@ds) {
98                    next if (! $ds->{'index'});
99    
100  foreach my $isis_db (@isis_dbs) {                  $thes->{$ds->{'tag'}} ||= new WebPAC::Index;
101    
102                    $thes->{$ds->{'tag'}}->insert(
103          my $db = OpenIsis::open( $isis_db );                          path => $f,
104          if (0) {                          headline => join(" ",@{$ds->{'index'}}),
105  #       # FIX                  );
 #       if (! $db ) {  
                 print STDERR "WARNING: can't open '$isis_db'\n";  
                 next ;  
106          }          }
107    
108          my $max_rowid = OpenIsis::maxRowid( $db );  #       print Dumper(\@ds);
   
         print STDERR "Reading database: $isis_db [$max_rowid rows]\n";  
109    
110          my $path = $isis_db;  }
         $path =~ s#$config->{isis_data}/*##g;  
111    
112          my $last_p = 0;  foreach my $t (keys %{$thes}) {
113    
114  #       { my $row_id = 4514;          my @e = $thes->{$t}->elements;
115  # FIX          if (! @e) {
116          for (my $row_id = 1; $row_id <= $max_rowid; $row_id++ ) {                  $log->logwarn("no elements in sorted index $t?");
117                  my $row = OpenIsis::read( $db, $row_id );                  next;
118                  if ($row && $row->{mfn}) {          }
119  #print STDERR "mfn: ",$row->{mfn},"\n";  
120                          # output current process indicator          $log->info("saving sorted index $t [".scalar(@e)." elements]");
121                          my $p = int($row->{mfn} * 100 / $max_rowid);  
122                          if ($p != $last_p) {          $webpac->output_file(
123                                  printf STDERR ("%5d / %5d [%-51s] %-2d %% \r",$row->{mfn},$max_rowid,"=" x ($p/2).">", $p ) if (! $opts{q});                  file => "./out/bfilter/$t.txt",
124                                  $last_p = $p;                  template => 'index.tt',
125                          }                  data => \@e,
126                    index_name => $t,
127            );
128    }
129    
130                          if (my $xml = isis2xml($row)) {  if (0 && $log->is_debug) {
131  #print STDERR "--ret-->$xml\n";          $log->debug("lookup hash: ",Dumper($webpac->{'lookup'}));
132                                  print "Path-Name: $path#".int($row->{mfn})."\n";          $log->debug("data hash: ",Dumper($webpac->{'data'}));
133                                  print "Content-Length: ".(length($xml)+1)."\n";          foreach my $t (keys %{$thes}) {
134                                  print "Document-Type: XML\n\n$xml\n";                  $log->debug("thesaurus $t hash: ",Dumper($thes->{$t}));
                         }  
                 }  
135          }          }
         print STDERR "\n";  
136  }  }
137    
 # call this to commit index  
138  $index->close;  $index->close;
139    
 1;  
 __END__  
 ##########################################################################  
   
 =head1 NAME  
   
 isis2xml.pl - read isis file and dump XML  
   
 =head1 DESCRIPTION  
   
 This command will read ISIS data file using OpenIsis perl module and  
 create XML file for usage with I<SWISH-E>  
 indexer. Dispite it's name, this script B<isn't general xml generator>  
 from isis files (isis allready has something like that). Output of this  
 script is tailor-made for SWISH-E.  
   
 =head1 AUTHOR  
   
 Dobrica Pavlinusic <dpavlin@rot13.org>  
   
 =head1 COPYRIGHT  
   
 GNU Public License (GPL) v2 or later  
   
 =head1 SEE ALSO  
   
 SWISH-E web site at http://www.swish-e.org  
   
 =cut  
Legend:
Removed from v.10  
changed lines
  Added in v.413
  ViewVC Help
Powered by ViewVC 1.1.26