/[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 199 by dpavlin, Wed Jan 7 12:29:11 2004 UTC trunk2/all2all.pl revision 429 by dpavlin, Sun Sep 12 17:21:47 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;  
 use Config::IniFiles;  
 use Encode;  
 #use GDBM_File;  
 use Fcntl;      # for O_RDWR  
 use TDB_File;  
   
 $|=1;  
   
 my $config_file = $0;  
 $config_file =~ s/\.pl$/.conf/;  
 die "FATAL: can't find configuration file '$config_file'" if (! -e $config_file);  
   
 my $config;  
   
 #use index_DBI;         # default DBI module for index  
 use index_DBI_cache;    # faster DBI module using memory cache  
 my $index;  
   
 my %opts;  
   
 # usage:  
 #       -d directory name  
 #       -m multiple directories  
 #       -q quiet  
 #       -s run swish  
   
 getopts('d:m:qs', \%opts);  
4    
5  my $path;       # this is name of database  all2all.pl - basic script for all WebPAC needs
6    
7  Text::Iconv->raise_error(0);     # Conversion errors don't raise exceptions  =cut
8    
9  # this is encoding of all files on disk, including import_xml/*.xml file and  use strict;
10  # filter/*.pm files! It will be used to store strings in perl internally!  use Data::Dumper;
11  my $codepage = 'ISO-8859-2';  use Carp;
12    
13  my $utf2cp = Text::Iconv->new('UTF-8',$codepage);  use lib './lib';
14  # this function will convert data from XML files to local encoding  use WebPAC;
15  sub x {  use WebPAC::jsFind;
16          return $utf2cp->convert($_[0]);  use WebPAC::Index;
17  }  
18    my $webpac = new WebPAC(
19            code_page => 'ISO-8859-2',
20            limit_mfn => 500,
21    #       debug => 1,
22    #       low_mem => 1,
23    ) || die;
24    
25    my $log = $webpac->_get_logger() || die "can't get logger";
26    
27    $log->debug("creating WebPAC::jsFind object");
28    
29    my $index = new WebPAC::jsFind(
30            index_path => './out/index',
31            keys => 10,
32    ) || die;
33    
34  # decode isis/excel or other import codepage  my $thes;
 my $import2cp;  
35    
36  # outgoing xml must be in UTF-8  $|=1;
 my $cp2utf = Text::Iconv->new($codepage,'UTF-8');  
37    
38  # mapping between data type and tag which specify  my $maxmfn = $webpac->open_isis(
39  # format in XML file          filename => shift @ARGV || '/data/hidra/THS/THS',
40  my %type2tag = (          lookup => [
41          'isis' => 'isis',          { 'key' => 'd:v900', 'val' => 'v250^a' },
42          'excel' => 'column',  #       { 'eval' => '"v901^a" eq "Područje"', 'key' => 'pa:v561^4:v562^4:v461^1', 'val' => 'v900' },
43          'marc' => 'marc',  #       { 'eval '=> '"v901^a" eq "Mikrotezaurus"', 'key' => 'a:v561^4:v562^4:v461^1', 'val' => 'v900' },
44          'feed' => 'feed'  #       { 'eval' => '"v901^a" eq "Deskriptor"', 'key' => 'a:v561^4:v562^4:v461^1', 'val' => 'v900' },
45            { 'key' => 'a:v561^4:v562^4:v461^1', 'val' => 'v900' },
46            { 'key' => '900_mfn:v900', 'val' => 'v000' },
47            # tree structure
48            { 'eval' => 'length("v251") == 2', 'key' => 'root:v251', 'val' => 'v900' },
49            { 'eval' => '"v251"', 'key' => 'code:v900', 'val' => 'v561^4:v251' },
50            ],
51  );  );
52    
53  my $cache;      # for cacheing  $log->debug("isis file ",$webpac->{'isis_filename'}," opened");
   
 # lookup hash (tied to file)  
 my %lhash;  
 # this option will cache all lookup entries in memory.  
 # if you are tight on memory, turn this off  
 my $use_lhash_cache = 1;  
   
 my $last_field_name;    # cache to prevent repeated fields  
54    
55  sub data2xml {  $log->info("rows: $maxmfn");
56    
57          use xmlify;  $webpac->open_import_xml(type => 'isis_hidra_ths');
58    
59          my $type = shift @_;  if(1) { # XXX
         my $row = shift @_;  
         my $add_xml = shift @_;  
         # needed to read values from configuration file  
         my $cfg = shift @_;  
         my $database = shift @_;  
60    
61          my $xml;  while (my $rec = $webpac->fetch_rec) {
62    
63          use parse_format;          my @ds = $webpac->data_structure($rec);
64    
65          my $html = "";          # html formatted display output          if (0 && $log->is_debug) {
66                    $log->debug("rec = ",Dumper($rec));
67          my %field_usage;        # counter for usage of each field                  $log->debug("ds = ",Dumper(\@ds));
   
         # sort subrouting using order="" attribute  
         sub by_order {  
                 my $va = $config->{indexer}->{$a}->{order} ||  
                         $config->{indexer}->{$a};  
                 my $vb = $config->{indexer}->{$b}->{order} ||  
                         $config->{indexer}->{$b};  
   
                 return $va <=> $vb;  
68          }          }
69    
70          my @sorted_tags;          next if (! @ds);
         if ($cache->{tags_by_order}) {  
                 @sorted_tags = @{$cache->{tags_by_order}};  
         } else {  
                 @sorted_tags = sort by_order keys %{$config->{indexer}};  
                 $cache->{tags_by_order} = \@sorted_tags;  
         }  
71    
72          # lookup key          my $filename = $webpac->{'current_filename'} || $log->logdie("no current_filename in webpac object");
         my $lookup_key;  
73    
74          # cache for field in pages          if ($filename) {
75          delete $cache->{display_data};                  $webpac->output_file(
76          delete $cache->{swish_data};                          file => $filename,
77          delete $cache->{swish_exact_data};                          template => 'html.tt',
78          delete $cache->{index_data};                          data => \@ds,
79          delete $cache->{index_delimiter};                          headline => $webpac->{'headline'},
80          my @page_fields;        # names of fields                  );
81            } else {
82                    print $webpac->output(
83          # subs used to produce output                          template => 'text.tt',
84                            data => \@ds,
85          sub get_field_name($$$) {                          headline => $webpac->{'headline'},
86                  my ($config,$field,$field_usage) = @_;                  );
   
                 # find field name (signular, plural)  
                 my $field_name = "";  
                 if ($config->{indexer}->{$field}->{name_singular} && $field_usage == 1) {  
                         $field_name = $config->{indexer}->{$field}->{name_singular};  
                 } elsif ($config->{indexer}->{$field}->{name_plural}) {  
                         $field_name = $config->{indexer}->{$field}->{name_plural};  
                 } elsif ($config->{indexer}->{$field}->{name}) {  
                         $field_name = $config->{indexer}->{$field}->{name};  
                 } else {  
                         print STDERR "WARNING: field '$field' doesn't have 'name' attribute!";  
                 }  
                 if ($field_name) {  
                         if (! $last_field_name) {  
                                 $last_field_name = x($field_name);  
                                 return $last_field_name;  
                         } elsif ($field_name ne $last_field_name) {  
                                 $last_field_name = x($field_name);  
                                 return $last_field_name;  
                         }  
                 }  
87          }          }
88    
89            my $headline = $webpac->{'headline'};
90    
91          # begin real work: go field by field          my $f = $filename;
92          foreach my $field (@sorted_tags) {          $f =~ s!out/!!;
   
                 $field=x($field);  
                 $field_usage{$field}++;  
   
                 my $swish_data = "";  
                 my $swish_exact_data = "";  
                 my $display_data = "";  
                 my @index_data;  
                 my $line_delimiter;  
   
                 my ($swish,$display);  
   
                 my $tag = $type2tag{$type} || die "can't find which tag to use for type $type";  
   
                 # is this field page-by-page?  
                 my $iterate_by_page = $config->{indexer}->{$field}->{iterate_by_page};  
                 push @page_fields,$field if ($iterate_by_page);  
                 my %page_max = ();  
                 # default line_delimiter if using  
                 my $page_line_delimiter = $config->{indexer}->{$field}->{page_line_delimiter} || '<br/>';  
                 $cache->{index_delimiter}->{$field} = $config->{indexer}->{$field}->{index_delimiter};  
   
                 my $format_name = $config->{indexer}->{$field}->{format_name};  
                 my $format_delimiter = $config->{indexer}->{$field}->{format_delimiter};  
                 if ($format_name && $format_delimiter) {  
                         $cache->{format}->{$field}->{format_name} = $format_name;  
                         $cache->{format}->{$field}->{format_delimiter} = $format_delimiter;  
                 }  
   
                 foreach my $x (@{$config->{indexer}->{$field}->{$tag}}) {  
   
                         my $format = x($x->{content});  
                         my $delimiter = x($x->{delimiter}) || ' ';  
   
                         my $repeat_off = 0;     # init repeatable offset  
   
                         # swish, swish_exact, display, index, index_lookup  
                         # 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");  
                         ($s,$se,$d,$i) = (0,1,0,1) if (lc($x->{type}) eq "index");  
                         ($s,$se,$d,$i) = (0,1,0,0) if (lc($x->{type}) eq "swish_exact");  
                         ($s,$se,$d,$i,$il) = (0,1,0,0,1) if (lc($x->{type}) =~ /^lookup/);  
   
                         # what will separate last line from this one?  
                         if ($display_data && $x->{append}) {  
                                 $line_delimiter = ' ';  
                         } elsif ($display_data) {  
                                 $line_delimiter = '<br/>';  
                         }  
   
                         # init vars so that we go into while...  
                         ($swish,$display) = (1,1);  
   
                         # placeholder for all repeatable entries for index  
   
                         sub mkformat($$) {  
                                 my $x = shift || die "mkformat needs tag reference";  
                                 my $data = shift || return;  
                                 my $format_name = x($x->{format_name}) || return $data;  
                                 my $fmt = x($config->{format}->{$format_name}->{content}) || die "<format name=\"$format_name\"> is not defined!";  
                                 my $format_delimiter = x($x->{format_delimiter});  
                                 my @data;  
                                 if ($format_delimiter) {  
                                         @data = split(/$format_delimiter/,$data);  
                                 } else {  
                                         push @data,$data;  
                                 }  
93    
94                                  if ($fmt) {          # save into index
95                                          my $nr = scalar $fmt =~ s/%s/%s/g;          foreach my $ds (@ds) {
96                                          if (($#data+1) == $nr) {                  next if (! $ds->{'swish'});
                                                 return sprintf($fmt,@data);  
                                         } else {  
                                                 print STDERR "mkformat: [$data] can't be split on [$format_delimiter] to $nr fields!\n";  
                                                 return $data;  
                                         }  
                                 } else {  
                                         print STDERR "usage of link '$format_name' without defined format (<link> tag)\n";  
                                 }  
                         }  
   
                         # while because of repeatable fields  
                         while ($swish || $display) {  
                                 my $page = $repeat_off;  
                                 $page_max{$field} = $page if ($iterate_by_page && $page > ($page_max{$field} || 0));  
                                 ($swish,$display) = parse_format($type, $format,$row,$repeat_off++,$import2cp);  
                                 if ($repeat_off > 1000) {  
                                         print STDERR "loop (more than 1000 repeatable fields) deteced in $row, $format\n";  
                                         last;  
                                 }  
97    
98                                  # is this field is lookup?                  $index->insert(
99                                  if ($display && $x->{lookup}) {                          index_name => $ds->{'tag'},
100                                          my $null = "<!-- null -->";                          path => $f,
101                                          if ($use_lhash_cache) {                          headline => $headline,
102                                                  if (!defined($cache->{lhash}->{$display})) {                          words => join(" ",@{$ds->{'swish'}})
103                                                          my $new_display = $lhash{$display};                  );
104                                                          if (defined($new_display)) {          }
 #print STDERR "lookup cache store '$display' = '$new_display'\n";  
                                                                 $display = $new_display;  
                                                                 $cache->{lhash}->{$display} = $new_display;  
                                                         } else {  
                                                                 print STDERR "WARNING: lookup for '$display' didn't find anything.\n";  
                                                                 $display = "";  
                                                                 $cache->{lhash}->{$display} = $null;  
                                                         }  
                                                 } else {  
                                                         $display = $cache->{lhash}->{$display};  
                                                 }  
                                         } else {  
                                                 $display = $lhash{$display} || $null;  
                                         }  
                                 }  
   
                                 # filter="name" ; filter this field through  
                                 # filter/[name].pm  
                                 my $filter = $x->{filter};  
                                 if ($filter && !$cache->{filter_loaded}->{$filter}) {  
                                         require "filter/".$filter.".pm";  
                                         $cache->{filter_loaded}->{$filter}++;  
                                 }  
                                 # type="swish" ; field for swish  
                                 if ($swish) {  
                                         if ($filter && ($s || $se)) {  
                                                 no strict 'refs';  
                                                 my $tmp = join(" ",&$filter($swish)) if ($s || $se);  
                                                 $swish_data .= $tmp if ($s);  
                                                 $swish_exact_data .= "xxbxx $tmp xxexx " if ($se && $tmp ne "");  
   
                                         } else {  
                                                 $swish_data .= $swish if ($s);  
                                                 $swish_exact_data .= "xxbxx $swish xxexx " if ($se && $swish ne "");  
                                         }  
                                 }  
   
                                 # type="display" ; field for display  
                                 if ($d && $display) {  
                                         if ($line_delimiter && $display_data) {  
                                                 $display_data .= $line_delimiter;  
                                         }  
                                         if ($filter) {  
                                                 no strict 'refs';  
                                                 if ($display_data) {  
                                                         $display_data .= $delimiter.mkformat($x,join($delimiter,&$filter($display)));  
                                                 } else {  
                                                         $display_data = mkformat($x,join($delimiter,&$filter($display)));  
                                                 }  
                                         } else {  
                                                 if ($display_data) {  
                                                         $display_data .= $delimiter.mkformat($x,$display);  
                                                 } else {  
                                                         $display_data = mkformat($x,$display);  
                                                 }  
                                         }  
                                 }  
                                                   
                                 # type="index" ; insert into index  
                                 my $idisplay;  
                                 if ($i && $display) {  
                                         $idisplay = $display;  
                                         if ($filter) {  
                                                 no strict 'refs';  
                                                 $idisplay = &$filter($idisplay);  
                                         }  
                                         push @index_data, $idisplay if (! $iterate_by_page);  
                                 }  
   
                                 # store fields in lookup  
                                 if ($il && $display) {  
                                         if (lc($x->{type}) eq "lookup_key") {  
                                                 if ($lookup_key) {  
                                                         print STDERR "WARNING: try to redefine lookup_key (keys shouldn't be repeatable fields!)";  
                                                 } else {  
                                                         $lookup_key = $display;  
                                                 }  
                                         } elsif (lc($x->{type}) eq "lookup_val") {  
                                                 if ($lookup_key) {  
                                                         $lhash{$lookup_key} = $display;  
                                                 } else {  
                                                         print STDERR "WARNING: no lookup_key defined for  '$display'?";  
                                                 }  
                                         }  
   
                                 }  
   
                                 # store data for page-by-page repeatable fields  
                                 if ($iterate_by_page) {  
                                         sub iterate_fld($$$$$$) {  
                                                 my ($cache,$what,$field,$page,$data,$append) = @_;  
                                                 return if (!$data);  
   
                                                 my $ldel = $page_line_delimiter;  
                                                 $ldel = " " if ($append);  
 #print STDERR "line delimiter: ",Dumper($ldel) if ($ldel);  
                                                 if (! $cache->{$what}->{$field}->[$page]) {  
                                                         $cache->{$what}->{$field}->[$page] = $data;  
                                                 } else {  
                                                         $cache->{$what}->{$field}->[$page] .= $ldel.$data;  
                                                 }  
                                         }  
   
                                         if ($display_data) {  
                                                 iterate_fld($cache,'display_data',$field,$page,$display_data,$x->{append});  
                                         }  
                                                 $display_data = "";  
                                         if ($swish_data) {  
                                                 iterate_fld($cache,'swish_data',$field,$page,$swish_data,$x->{append});  
                                                 $swish_data = "";  
                                         }  
                                         if ($swish_exact_data) {  
                                                 iterate_fld($cache,'swish_exact_data',$field,$page,$swish_exact_data,$x->{append});  
                                                 $swish_exact_data = "";  
                                         }  
   
                                         if ($idisplay) {  
                                                 my $ldel=$page_line_delimiter;  
                                                 my @index_data;  
                                                 if ($cache->{index_data}->{$field}->[$page]) {  
   
                                                         @index_data = @{$cache->{index_data}->{$field}->[$page]};  
                                                 }  
                                                 if ($x->{append}) {  
                                                         if (@index_data) {  
                                                                 $index_data[$#index_data] .= $idisplay;  
                                                         } else {  
                                                                 push @index_data, $idisplay;  
                                                         }  
                                                 } else {  
                                                         push @index_data, $idisplay;  
                                                 }  
                                                 $idisplay = "";  
                                                 @{$cache->{index_data}->{$field}->[$page]} = @index_data;  
                                         }  
                                 }  
                         }  
   
                         if (! $iterate_by_page) {  
                                 my $idel = $x->{index_delimiter};  
                                 # fill data in index  
                                 foreach my $tmp (@index_data) {  
                                         my $i = $d = $tmp;  
                                         if ($idel && $tmp =~ m/$idel/) {  
                                                 ($i,$d) = split(/$idel/,$tmp);  
                                         }  
                                         $index->insert($field, $i, $d, $path);  
                                 }  
                                 @index_data = ();  
                         }  
                 }  
   
                 # now try to parse variables from configuration file  
                 foreach my $x (@{$config->{indexer}->{$field}->{'config'}}) {  
   
                         my $delimiter = x($x->{delimiter}) || ' ';  
                         my $val = $cfg->val($database, x($x->{content}));  
   
                         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");  
                         # no support for swish exact in config.  
                         # IMHO, it's useless  
                         ($s,$d,$i) = (0,0,1) if (lc($x->{type}) eq "index");  
   
                         if ($val) {  
                                 $display_data .= $delimiter.$val if ($d);  
                                 $swish_data .= $val if ($s);  
                                 $index->insert($field, $val, $path) if ($i);  
                         }  
   
                         if ($iterate_by_page) {  
                                 # FIXME data from config tag will appear just  
                                 # on first page!!!  
                                 my $page = 0;  
                                 if ($display_data) {  
                                         $cache->{display_data}->{$field}->[$page] = $display_data;  
                                         $display_data = "";  
                                 }  
                                 if ($swish_data) {  
                                         $cache->{swish_data}->{$field}->[$page] = $swish_data;  
                                         $swish_data = "";  
                                 }  
                                 if ($swish_exact_data) {  
                                         $cache->{swish_exact_data}->{$field}->[$page] = $swish_exact_data;  
                                         $swish_exact_data = "";  
                                 }  
                         }  
                 }  
   
                 # save data page-by-page  
                 foreach my $field (@page_fields) {  
                         my $nr_pages = $page_max{$field} || next;  
 #print STDERR "field '$field' iterate over ",($nr_pages || 0)," pages...\n";  
 #print STDERR Dumper($cache->{display_data});  
                         for (my $page=0; $page <= $nr_pages; $page++) {  
                                 my $display_data;  
                                 if ($cache->{format}->{$field}) {  
                                         $display_data=mkformat($cache->{format}->{$field},$cache->{display_data}->{$field}->[$page]);  
                                 } else {  
                                         $display_data = $cache->{display_data}->{$field}->[$page];  
                                 }  
                                 if ($display_data) { # default  
                                         if ($field eq "headline") {  
                                                 $xml .= xmlify("headline", $display_data);  
                                         } else {  
   
                                                 # fallback to empty field name if needed  
                                                 $html .= get_field_name($config,$field,$field_usage{$field}) || '';  
                                                 $html .= "#-#".$display_data."###\n";  
                                         }  
                                 }  
                                   
                                 my $swish_data = $cache->{swish_data}->{$field}->[$page];  
                                 if ($swish_data) {  
                                         # remove extra spaces  
                                         $swish_data =~ s/ +/ /g;  
                                         $swish_data =~ s/ +$//g;  
   
                                         $xml .= xmlify($field."_swish", unac_string($codepage,$swish_data));  
                                 }  
   
                                 my $swish_exact_data = $cache->{swish_exact_data}->{$field}->[$page];  
                                 if ($swish_exact_data) {  
                                         $swish_exact_data =~ s/ +/ /g;  
                                         $swish_exact_data =~ s/ +$//g;  
   
                                         # add delimiters before and after word.  
                                         # That is required to produce exact match  
                                         $xml .= xmlify($field."_swish_exact", unac_string($codepage,$swish_exact_data));  
                                 }  
                                   
                                 my $idel = $cache->{index_delimiter}->{$field};  
                                 foreach my $tmp (@{$cache->{index_data}->{$field}->[$page]}) {  
                                         my $i = $tmp;  
                                         my $d = $tmp;  
                                         if ($idel && $tmp =~ m/$idel/) {  
                                                 ($i,$d) = split(/$idel/,$tmp);  
                                         }  
                                         $index->insert($field, $i, $d, $path);  
 #print STDERR "index [$idel] $field: $i --> $d [$path]\n";  
                                 }  
                         }  
           
                 }  
                   
                 if (! $iterate_by_page) {  
                         if ($display_data) {  
                                 if ($field eq "headline") {  
                                         $xml .= xmlify("headline", $display_data);  
                                 } else {  
105    
106                                          # fallback to empty field name if needed          # save into sorted index (thesaurus)
107                                          $html .= get_field_name($config,$field,$field_usage{$field}) || '';          foreach my $ds (@ds) {
108                                          $html .= "#-#".$display_data."###\n";                  next if (! $ds->{'index'});
                                 }  
                         }  
                         if ($swish_data) {  
                                 # remove extra spaces  
                                 $swish_data =~ s/ +/ /g;  
                                 $swish_data =~ s/ +$//g;  
109    
110                                  $xml .= xmlify($field."_swish", unac_string($codepage,$swish_data));                  $thes->{$ds->{'tag'}} ||= new WebPAC::Index;
                         }  
111    
112                          if ($swish_exact_data) {                  foreach my $h (@{$ds->{'index'}}) {
113                                  $swish_exact_data =~ s/ +/ /g;                          $thes->{$ds->{'tag'}}->insert(
114                                  $swish_exact_data =~ s/ +$//g;                                  path => $f,
115                                    headline => $h,
116                                  # add delimiters before and after word.                          );
                                 # That is required to produce exact match  
                                 $xml .= xmlify($field."_swish_exact", unac_string($codepage,$swish_exact_data));  
                         }  
117                  }                  }
118          }          }
119    
120          # dump formatted output in <html>  #       print Dumper(\@ds);
         if ($html) {  
                 #$xml .= xmlify("html",$html);  
                 $xml .= "<html><![CDATA[ $html ]]></html>";  
         }  
           
         if ($xml) {  
                 $xml .= $add_xml if ($add_xml);  
                 return "<xml>\n$xml</xml>\n";  
         } else {  
                 return;  
         }  
 }  
   
 ##########################################################################  
121    
122  # read configuration for this script  }
 my $cfg = new Config::IniFiles( -file => $config_file );  
123    
124  # read global.conf configuration  foreach my $t (keys %{$thes}) {
 my $cfg_global = new Config::IniFiles( -file => 'global.conf' );  
125    
126  # open index          my @e = $thes->{$t}->elements;
127  $index = new index_DBI(          if (! @e) {
128                  $cfg_global->val('global', 'dbi_dbd'),                  $log->logwarn("no elements in sorted index $t?");
129                  $cfg_global->val('global', 'dbi_dsn'),                  next;
130                  $cfg_global->val('global', 'dbi_user'),          }
131                  $cfg_global->val('global', 'dbi_passwd') || '',  
132            my $file = "./out/bfilter/$t.txt";
133            $log->info("saving sorted index $t to '$file' [".scalar(@e)." elements]");
134    
135            $webpac->output_file(
136                    file => $file,
137                    template => 'index.tt',
138                    data => \@e,
139                    index_name => $t,
140          );          );
   
 my $show_progress = $cfg_global->val('global', 'show_progress');  
   
 my $unac_filter = $cfg_global->val('global', 'unac_filter');  
 if ($unac_filter) {  
         require $unac_filter;  
141  }  }
142    
143  foreach my $database ($cfg->Sections) {  if (0 && $log->is_debug) {
144            $log->debug("lookup hash: ",Dumper($webpac->{'lookup'}));
145          my $type = lc($cfg -> val($database, 'type')) || die "$database doesn't have 'type' defined";          $log->debug("data hash: ",Dumper($webpac->{'data'}));
146          my $add_xml = $cfg -> val($database, 'xml');    # optional          foreach my $t (keys %{$thes}) {
147                    $log->debug("thesaurus $t hash: ",Dumper($thes->{$t}));
         # create new lookup file  
         my $lookup_file = $cfg -> val($database, 'lookup_newfile'); # optional  
         if ($lookup_file) {  
                 #tie %lhash, 'GDBM_File', $lookup_file, &GDBM_NEWDB, 0644;  
                 tie %lhash, 'TDB_File', $lookup_file, TDB_CLEAR_IF_FIRST, O_RDWR, 0644;  
                 print STDERR "creating lookup file '$lookup_file'\n";  
         }  
   
         # open existing lookup file  
         $lookup_file = $cfg -> val($database, 'lookup_open'); # optional  
         if ($lookup_file) {  
                 #tie %lhash, 'GDBM_File', $lookup_file, &GDBM_READER, 0644;  
                 tie %lhash, 'TDB_File', $lookup_file, TDB_DEFAULT, O_RDWR, 0644;  
                 print STDERR "opening lookup file '$lookup_file'\n";  
148          }          }
149    }
150    
151  print STDERR "reading ./import_xml/$type.xml\n";  } # XXX if(0)
   
         # extract just type basic  
         my $type_base = $type;  
         $type_base =~ s/_.+$//g;  
   
         $config=XMLin("./import_xml/$type.xml", forcearray => [ $type2tag{$type_base}, 'config', 'format' ], forcecontent => 1);  
   
         # output current progress indicator  
         my $last_p = 0;  
         sub progress {  
                 return if (! $show_progress);  
                 my $current = shift;  
                 my $total = shift || 1;  
                 my $p = int($current * 100 / $total);  
                 if ($p != $last_p) {  
                         printf STDERR ("%5d / %5d [%-51s] %-2d %% \r",$current,$total,"=" x ($p/2).">", $p );  
                         $last_p = $p;  
                 }  
         }  
   
         my $fake_dir = 1;  
         sub fakeprogress {  
                 return if (! $show_progress);  
                 my $current = shift @_;  
   
                 my @ind = ('-','\\','|','/','-','\\','|','/', '-');  
   
                 $last_p += $fake_dir;  
                 $fake_dir = -$fake_dir if ($last_p > 1000 || $last_p < 0);  
                 if ($last_p % 10 == 0) {  
                         printf STDERR ("%5d / %5s [%-51s]\r",$current,"?"," " x ($last_p/20).$ind[($last_p/20) % $#ind]);  
                 }  
         }  
   
         # now read database  
 print STDERR "using: $type...\n";  
   
         # erase cache for tags by order in this database  
         delete $cache->{tags_by_order};  
   
         if ($type_base eq "isis") {  
   
                 my $isis_db = $cfg -> val($database, 'isis_db') || die "$database doesn't have 'isis_db' defined!";  
   
                 $import2cp = Text::Iconv->new($config->{isis_codepage},$codepage);  
                 my $db = OpenIsis::open( $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;  
                         }  
                 }  
   
                 # 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;  
                 }  
152    
153                  my $max_rowid = OpenIsis::maxRowid( $db );  $log->debug("lookup hash: ",Dumper($webpac->{'lookup'}));
154    
155                  # if 0 records, try to rease isis .txt database  #
156                  if ($max_rowid == 0) {  # tree dump implementation which shouldn't be here :-)
157                          # force removal of database  #
158                          $db = check_txt_db($isis_db);  
159                          $max_rowid = OpenIsis::maxRowid( $db );  
160                  }  my $file = 'out/browse.html';
161    my $js_url = 'tree-ids.js';
162    
163    $log->info("creating '$file' for tree html");
164    open(HTML, "> $file") || $log->logdie("can't open '$file'");
165    
166    print HTML qq{
167    <html>
168    <head>
169     <title>Browse</title>
170     <meta http-equiv="Content-Type" content="text/html; charset=iso-8859-2"/>
171     <script type="text/javascript" src="bfilter/hide.js"></script>
172     <script type="text/javascript" src="$js_url"></script>
173    </head>
174    
175    <!--
176    <body onLoad="show_hide_display(show,hide);">
177    -->
178    <body>
179    
180    <div style="float: right; width: 10em;">
181    Folding:
182    <a href="#" onClick="show_hide_display(show,hide);">default</a>
183    <a href="#" onClick="show_display(show); show_display(hide);">all</a>
184    <a href="#" onClick="hide_display(hide); hide_display(show);">none</a>
185    <a href="#" onClick="alert('show: '+show.length+', hide: '+hide.length);">debug</a>
186    </div>
187    
188    
189    <ul>
190    };
191    
192    my $l = $webpac->{'lookup'} || $log->logconfess("can't find lookup");
193    
194    my @tree = ({
195            # level 0
196            code_arr        => sub { sort keys %{$l} },
197            filter_code     => sub {
198                                            my $t = shift;
199                                            return $t if ($t =~ s/root://);
200                                    },
201            lookup_v900     => sub { shift @{$l->{"root:".$_[0]}} },
202            lookup_term     => sub { shift @{$l->{"d:".$_[1]}} },
203            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[1]}} },
204            have_children   => sub { defined($l->{"a:".$_[0]."::"}) },
205            child_code      => sub { return $_[0] },
206            style           => 'display: none',
207            },{
208            # 1
209            code_arr        => sub { @{$l->{"a:".$_[0]."::"}} },
210            filter_code     => sub { shift },       # nop
211            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
212            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
213            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
214            have_children   => sub { defined($l->{"a:".$_[1].":"}) },
215            child_code      => sub { return $_[1] },
216            style           => 'display: none',
217            },{
218            # 2
219            code_arr        => sub { @{$l->{"a:".$_[0].":"}} },
220            filter_code     => sub { shift },
221            lookup_v900     => sub { shift },
222            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
223            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
224            have_children   => sub { defined($l->{"a:".$_[2].":".$_[1]}) },
225            child_code      => sub { return "a:".$_[2].":".$_[1] },
226            style           => 'display: none',
227            },{
228            # 3 uži pojam
229            code_arr        => sub { @{$l->{$_[0]}} },
230            filter_code     => sub { shift },
231            lookup_v900     => sub {
232                                    my ($c,$p) = @_;
233                                    $p =~ s/^a:(..:....):.*$/$1/;
234                                    return "a:".$p.":".$c;
235                            },
236            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
237            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
238            have_children   => sub { defined($l->{$_[1]}) },
239            child_code      => sub { return $_[1] },
240            },{
241            # 4
242            code_arr        => sub { @{$l->{$_[0]}} },
243            filter_code     => sub { shift },
244            lookup_v900     => sub {
245                                    my ($c,$p) = @_;
246                                    $p =~ s/^a:(..:....):.*$/$1/;
247                                    return "a:".$p.":".$c;
248                            },
249            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
250            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
251            have_children   => sub { defined($l->{$_[1]}) },
252            child_code      => sub { return $_[1] },
253            },{
254            # 5
255            code_arr        => sub { @{$l->{$_[0]}} },
256            filter_code     => sub { shift },
257            lookup_v900     => sub {
258                                    my ($c,$p) = @_;
259                                    $p =~ s/^a:(..:....):.*$/$1/;
260                                    return "a:".$p.":".$c;
261                            },
262            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
263            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
264            have_children   => sub { defined($l->{$_[1]}) },
265            child_code      => sub { return $_[1] },
266            },{
267            # 6
268            code_arr        => sub { @{$l->{$_[0]}} },
269            filter_code     => sub { shift },
270            lookup_v900     => sub {
271                                    my ($c,$p) = @_;
272                                    $p =~ s/^a:(..:....):.*$/$1/;
273                                    return "a:".$p.":".$c;
274                            },
275            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
276            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
277            have_children   => sub { defined($l->{$_[1]}) },
278            child_code      => sub { return $_[1] },
279            },{
280            # 7
281            code_arr        => sub { @{$l->{$_[0]}} },
282            filter_code     => sub { shift },
283            lookup_v900     => sub {
284                                    my ($c,$p) = @_;
285                                    $p =~ s/^a:(..:....):.*$/$1/;
286                                    return "a:".$p.":".$c;
287                            },
288            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
289            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
290            have_children   => sub { defined($l->{$_[1]}) },
291            child_code      => sub { return $_[1] },
292            },{
293            # 8
294            code_arr        => sub { @{$l->{$_[0]}} },
295            filter_code     => sub { shift },
296            lookup_v900     => sub {
297                                    my ($c,$p) = @_;
298                                    $p =~ s/^a:(..:....):.*$/$1/;
299                                    return "a:".$p.":".$c;
300                            },
301            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
302            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
303    #       have_children   => sub { defined($l->{$_[1]}) },
304    #       child_code      => sub { return $_[1] },
305            have_children   => sub { 0 },
306            child_code      => sub { 0 },
307    });
308    
309    my @show_ids;
310    my @hide_ids;
311    
312    unroll(0,'');
313    
314    $log->debug("test filter: ",$tree[0]->{'filter_code'}->("root:99"));
315    
316    sub unroll {
317            my ($level,$start_code) = @_;
318    
319            $log->logconfess("need level") unless (defined($level));
320    
321                  print STDERR "Reading database: $isis_db [$max_rowid rows]\n";          # all levels passed?
322            return if (! defined($tree[$level]));
323    
324                  my $path = $database;          $log->debug("unroll level $level, start code $start_code");
325    
326                  for (my $row_id = 1; $row_id <= $max_rowid; $row_id++ ) {          foreach my $code ($tree[$level]->{'code_arr'}->($start_code)) {
                         my $row = OpenIsis::read( $db, $row_id );  
                         if ($row && $row->{mfn}) {  
           
                                 progress($row->{mfn}, $max_rowid);  
327    
328                                  my $swishpath = $path."#".int($row->{mfn});                  if ($code = $tree[$level]->{'filter_code'}->($code)) {
   
                                 if (my $xml = data2xml($type_base,$row,$add_xml,$cfg,$database)) {  
                                         $xml = $cp2utf->convert($xml);  
                                         use bytes;      # as opposed to chars  
                                         print "Path-Name: $swishpath\n";  
                                         print "Content-Length: ".(length($xml)+1)."\n";  
                                         print "Document-Type: XML\n\n$xml\n";  
                                 }  
                         }  
                 }  
                 # for this to work with current version of OpenIsis (0.9.0)  
                 # you might need my patch from  
                 # http://www.rot13.org/~dpavlin/projects/openisis-0.9.0-perl_close.diff  
                 OpenIsis::close($db);  
                 print STDERR "\n";  
   
         } elsif ($type_base eq "excel") {  
                 use Spreadsheet::ParseExcel;  
                 use Spreadsheet::ParseExcel::Utility qw(int2col);  
329                                    
330                  $import2cp = Text::Iconv->new($config->{excel_codepage},$codepage);                          $log->debug("# $level filter passed code $code");
                 my $excel_file = $cfg -> val($database, 'excel_file') || die "$database doesn't have 'excel_file' defined!";  
331    
332                  my $sheet = x($config->{sheet}) || die "no sheet in $type.xml";                          my $v900 = $tree[$level]->{'lookup_v900'}->($code,$start_code) || $log->warn("can't lookup_v900($code,$start_code)");
333                  my $start_row = x($config->{start_row}) - 1 || die "no start_row in $type.xml";                          $log->debug("# $level lookup_v900($code,$start_code) = $v900");
334    
335                  my $oBook = Spreadsheet::ParseExcel::Workbook->Parse($excel_file) || die "can't open Excel file '$excel_file'";                          my $term = $tree[$level]->{'lookup_term'}->($code,$v900) || $log->warn("can't lookup_term($code,$v900)");
336                            $log->debug("# $level lookup_term($code,$v900) = $term");
337    
338                  my $sheet_nr = 0;                          my $mfn  = $tree[$level]->{'lookup_mfn'}->($code,$v900)  || $log->warn("can't lookup_mfn($code,$v900)");
339                  foreach my $oWks (@{$oBook->{Worksheet}}) {                          $log->debug("# $level lookup_mfn($code,$v900) = $mfn");
                         #print STDERR "-- SHEET $sheet_nr:", $oWks->{Name}, "\n";  
                         last if ($oWks->{Name} eq $sheet);  
                         $sheet_nr++;  
                 }  
340    
341                  my $oWorksheet = $oBook->{Worksheet}[$sheet_nr];                          $log->debug("$code -> $v900 : $term [$mfn]");
           
                 print STDERR "using sheet: ",$oWorksheet->{Name},"\n";  
                 defined ($oWorksheet) || die "can't find sheet '$sheet' in $excel_file";  
                 my $end_row = x($config->{end_row}) || $oWorksheet->{MaxRow};  
   
                 for(my $iR = $start_row ; defined $end_row && $iR <= $end_row ; $iR++) {  
                         my $row;  
                         for(my $iC = $oWorksheet->{MinCol} ; defined $oWorksheet->{MaxCol} && $iC <= $oWorksheet->{MaxCol} ; $iC++) {  
                                 my $cell = $oWorksheet->{Cells}[$iR][$iC];  
                                 if ($cell) {  
                                         $row->{int2col($iC)} = $cell->Value;  
                                 }  
                         }  
342    
343                          progress($iR, $end_row);                          my ($link_start,$link_end) = ('','');
344            
345  #                       print "row[$iR/$end_row] ";                          my $have_children = $tree[$level]->{'have_children'}->($code,$v900,$start_code);
346  #                       foreach (keys %{$row}) {                          if ($have_children) {
347  #                               print "$_: ",$row->{$_},"\t";                                  ($link_start,$link_end) = (qq{<a href="#mfn$mfn" onClick="return toggle_display('mfn$mfn');">},qq{</a>});
348  #                       }                          } else {
349  #                       print "\n";                                  $log->debug("# $level doesn't have_children($code,$v900,$start_code)");
350                            }
351                          my $swishpath = $database."#".$iR;  
352                            my $mfn_link = "thes/$mfn.html";
353                          next if (! $row);                          if (-e "out/$mfn_link") {
354                                    print HTML " " x $level .
355                          if (my $xml = data2xml($type_base,$row,$add_xml,$cfg,$database)) {                                          qq{<li>${link_start}${term}${link_end}}.
356                                  $xml = $cp2utf->convert($xml);                                          qq{&nbsp;<a href="$mfn_link">&raquo;</a></li>\n};
357                                  use bytes;      # as opposed to chars                          } else {
358                                  print "Path-Name: $swishpath\n";                                  $log->warn("file 'out/$mfn_link' doesn't exist, skipping");
                                 print "Content-Length: ".(length($xml)+1)."\n";  
                                 print "Document-Type: XML\n\n$xml\n";  
359                          }                          }
                 }  
         } elsif ($type_base eq "marc") {  
   
                 use MARC;  
                   
                 $import2cp = Text::Iconv->new($config->{marc_codepage},$codepage);  
                 my $marc_file = $cfg -> val($database, 'marc_file') || die "$database doesn't have 'marc_file' defined!";  
   
                 # optional argument is format  
                 my $format = x($config->{format}) || 'usmarc';  
   
                 print STDERR "Reading MARC file '$marc_file'\n";  
   
                 my $marc = new MARC;  
                 my $nr = $marc->openmarc({  
                                 file=>$marc_file, format=>$format  
                         }) || die "Can't open MARC file '$marc_file'";  
360    
361                  my $i=0;        # record nr.                          unless ($have_children) {
362                                    next;
                 my $rec;  
   
                 while ($marc->nextmarc(1)) {  
   
                         # XXX  
                         fakeprogress($i++);  
   
                         my $swishpath = $database."#".$i;  
   
                         if (my $xml = data2xml($type_base,$marc,$add_xml,$cfg,$database)) {  
                                 $xml = $cp2utf->convert($xml);  
                                 use bytes;      # as opposed to chars  
                                 print "Path-Name: $swishpath\n";  
                                 print "Content-Length: ".(length($xml)+1)."\n";  
                                 print "Document-Type: XML\n\n$xml\n";  
363                          }                          }
364                  }                          my $style = $tree[$level]->{'style'};
         } elsif ($type_base eq "feed") {  
   
                 $import2cp = Text::Iconv->new($config->{feed_codepage},$codepage);  
                 my $prog = x($config->{prog}) || die "$database doesn't have 'prog' defined!";  
   
                 print STDERR "Reading feed from program '$prog'\n";  
   
                 open(FEED,"feeds/$prog |") || die "can't start $prog: $!";  
   
                 my $i=1;        # record nr.  
365    
366                  my $data;                          print HTML " " x $level .
367                  my $line=1;                                  qq{<a name="mfn$mfn"></a>\n <ul id="mfn$mfn"}.
368                                    ($style ? ' style="'.$style.'"' : '').
369                  while (<FEED>) {                                  qq{>\n};
370                          chomp;  
371                            if ($style) {
372                          if (/^$/) {                                  if ($style =~ m/display\s*:\s*none/i) {
373                                  my $swishpath = $database."#".$i++;                                          push @hide_ids, "mfn$mfn";
374                                    } else {
375                                  if (my $xml = data2xml($type_base,$data,$add_xml,$cfg,$database)) {                                          push @show_ids, "mfn$mfn";
                                         $xml = $cp2utf->convert($xml);  
                                         use bytes;      # as opposed to chars  
                                         print "Path-Name: $swishpath\n";  
                                         print "Content-Length: ".(length($xml)+1)."\n";  
                                         print "Document-Type: XML\n\n$xml\n";  
376                                  }                                  }
377                                  $line = 1;                          } else {
378                                  $data = {};                                  # default: show
379                                  next;                                  push @show_ids, "mfn$mfn";
380                          }                          }
381    
382                          $line = $1 if (s/^(\d+):\s*//);                          unroll($level+1, $tree[$level]->{'child_code'}->($code,$v900,$start_code));
383                          $data->{$line++} = $_;                          
384                            print HTML " " x $level . qq{</ul>\n};
                         fakeprogress($i);  
385    
386                  }                  }
                 # close lookup  
                 untie %lhash if (%lhash);  
387          }          }
388  }  }
389    
390  # call this to commit index  print HTML qq{
391  $index->close;  </ul>
392    </body>
393  1;  </html>
394  __END__  };
395  ##########################################################################  
396    close(HTML);
397  =head1 NAME  
398    
399  all2xml.pl - read various file formats and dump XML for SWISH-E  my $js_file = "out/$js_url";
400    $log->info("creating '$js_file' with arrays of shown and hidden ids");
401    open(JS, ">", $js_file) || $log->logdie("can't open '$js_file': $!");
402    print JS "var show = ['",join("','",@show_ids),"'];\n";
403    print JS "var hide = ['",join("','",@hide_ids),"'];\n";
404    close(JS);
405    
406  =head1 DESCRIPTION  $log->info("closing index");
407    $index->close;
 This command will read ISIS data file using OpenIsis perl module, MARC  
 records using MARC module and optionally Micro$oft Excel files to  
 create one 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 BUGS  
   
 Documentation is really lacking. However, in true Open Source spirit, source  
 is best documentation. I even made considerable effort to comment parts  
 which are not intuitively clear, so...  
   
 =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  
408    
409  =cut  $log->info("elapsed time: ",$webpac->fmt_time(time() - $webpac->{'start_t'}));

Legend:
Removed from v.199  
changed lines
  Added in v.429

  ViewVC Help
Powered by ViewVC 1.1.26