/[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 3 by dpavlin, Sat Nov 30 00:36:34 2002 UTC trunk2/all2all.pl revision 562 by dpavlin, Sat Oct 30 23:56:57 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;  
 require Unicode::Map8;  
   
 my $config=XMLin(undef, forcearray => [ 'isis' ], forcecontent => 1);  
   
 my %opts;  
   
 getopts('d:m:q', \%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";  
   
 # how to convert isis code page to UTF8?  
 my $isis_map = Unicode::Map8->new($config->{isis_codepage}) || die;  
   
 sub isis2xml {  
4    
5          my $row = shift @_;  all2all.pl - basic script for all WebPAC needs
6    
7          my $xml;  =cut
8    
9          sub isis_sf {  use strict;
10                  my $row = shift @_;  use locale;
11                  my $isis_id = shift @_;  use YAML;
12                  my $subfield = shift @_;  use Carp;
13                  if ($row->{$isis_id}->[0]) {  use Getopt::Long;
14                          my $sf = OpenIsis::subfields($row->{$isis_id}->[0]);  use Text::Unaccent 1.02;
15                          if (! defined $subfield || length($subfield) == 0) {  
16                                  # subfield list undef, empty or no defined subfields for this record  use lib './lib';
17                                  return $row->{$isis_id}->[0];  use WebPAC;
18                          } elsif ($sf->{$subfield}) {  use WebPAC::jsFind;
19                                  return $sf->{$subfield};  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.*$/ #C#/);
40                    # remove repeating stars
41                    # FIXME this should be fixed at right place, not here!
42                    $tmp =~ s/(\s*#C#)+/ #C#/g;
43                    return $tmp;
44            },
45            'CROVOC_tree' => sub {
46                    my $tmp = shift || return;
47                    $tmp =~ s/\s*CROVOC.*$/ <img src="img\/crovoc.png" border="0">/;
48                    $tmp =~ s/\s*EUROVOC.*//;
49                    return $tmp;
50            },
51            # TT filter
52            'CROVOC_img' => sub {
53                    my $tmp = shift;
54                    $tmp =~ s/\s*#C#\s*/ <img src="..\/img\/crovoc.png" border="0">/gis;
55                    $tmp =~ s/"img\/crovoc.png"/"..\/img\/crovoc.png"/gis;
56                    return $tmp;
57          }          }
58    };
59    
60          foreach my $field (keys %{$config->{indexer}}) {  ## remove accented characters
61    #
62                  my $display_data = "";  sub unac {
63                  my $index_data = "";          my $string = shift || return;
64            $string = unac_string($code_page,$string);
65                  foreach my $x (@{$config->{indexer}->{$field}->{isis}}) {          $string =~ tr/ðÐ/dD/;
66            $string = unac_entities($string);
67                          my $display_tmp = "";          return $string;
68                          my $index_tmp = "";  }
69    sub unac_2 {
70                          my $format = $x->{content};          my $string = shift || return;
71                          my $i = 1;      # index only          if (length($string) > 2) {
72                          my $d = 1;      # display only                  my $pr = substr($string,0,2);
73                          $i = 0 if (lc($x->{type}) eq "display");                  $string = unac_string($code_page,substr($string,2));
74                          $d = 0 if (lc($x->{type}) eq "index");                  $string =~ tr/ðÐ/dD/;
75  #print "## i: $i d: $d ## $format ##";                    $string = $pr . $string;
                         # parse format  
                         my $prefix = "";  
                         if ($format =~ s/^([^\d]+)//) {  
                                 $prefix = $1;  
                         }  
                         while ($format) {  
                                 if ($format =~ s/^(\d\d\d)(\w?)//) {  
                                         my $isis_tmp = isis_sf($row,$1,$2);  
                                         if ($isis_tmp) {  
 #                                               $display_tmp .= $prefix . "/$1/$2/".$isis_tmp if ($d);  
                                                 $display_tmp .= $prefix . $isis_tmp if ($d);  
                                                 $index_tmp .= $isis_tmp." " if ($i);  
 #print " $isis_tmp <--\n";  
                                         }  
                                         $prefix = "";  
                                 } elsif ($format =~ s/^([^\d]+)//) {  
                                         $prefix = $1;  
                                 } else {  
                                         print STDERR "WARNING: unparsed format '$format'\n";  
                                         last;  
                                 };  
                         }  
                         # add suffix  
                         $display_tmp .= $prefix if ($display_tmp);  
   
 #                       $display_data .= $display_tmp if ($display_tmp ne "");  
 #                       $index_data .= $index_tmp if ($index_tmp ne "");  
                         $display_data .= $display_tmp;  
                         $index_data .= $index_tmp;  
   
                 }  
 #print "--display:$display_data\n--index:$index_data\n";  
                 $xml->{$field}->{display} .= $isis_map->tou($display_data)->utf8 if ($display_data);  
                 $xml->{$field}->{index} .= unac_string($config->{isis_codepage},$index_data) if ($index_data);  
           
         }  
         if ($xml) {  
                 return XMLout($xml, rootname => 'xml', noattr => 1 );  
         } else {  
                 return;  
76          }          }
77            $string = unac_entities($string);
78            return lc($string);
79  }  }
80    
81  ##########################################################################  sub unac_entities {
82            my $ent = shift || return;
83    
84  my $last_tell=0;          $ent =~ s/&(\w)(acute|cedil|circ|grave|ring|slash|tilde|uml);/$1/gi;
85            $ent =~ s/&eth;/d/g;
86            $ent =~ s/&E[tT][hH];/D/g;
87            $ent =~ s/&(\w\w)lig;/$1/gi;
88    
89  my @isis_dirs = ( '.' );        # use dirname as database name          return $ent;
   
 if ($opts{m}) {  
         @isis_dirs = split(/,/,$opts{m});  
90  }  }
91    
92  my @isis_dbs;  # create WebPAC object
93    #
94  foreach (@isis_dirs) {  my $webpac = new WebPAC(
95          if (-e $config->{isis_data}."/$db_dir/$_/LIBRI") {          code_page => $code_page,
96                  push @isis_dbs,$config->{isis_data}."/$db_dir/$_/LIBRI/LIBRI";          limit_mfn => $limit_mfn,
97          }          start_mfn => $start_mfn,
98          if (-e $config->{isis_data}."/$db_dir/$_/PERI") {          debug => $debug,
99                  push @isis_dbs,$config->{isis_data}."/$db_dir/$_/PERI/PERI";          low_mem => $low_mem,
100            filter => $filter,
101    ) || die;
102    
103    my $log = $webpac->_get_logger() || die "can't get logger";
104    
105    $log->debug("creating WebPAC::jsFind object");
106    
107    my $index = new WebPAC::jsFind(
108            index_path => $index_path,
109            keys => 62,
110    ) || die;
111    
112    my $thes;
113    
114    $|=1;
115    
116    my $maxmfn = $webpac->open_isis(
117            filename => shift @ARGV || '/data/hidra/THS/THS',
118            lookup => [
119            { 'key' => 'd:v900', 'val' => 'filter{CROVOC_tree}v250^a v800' },
120    #       { 'eval' => '"v901^a" eq "Podruèje"', 'key' => 'pa:v561^4:v562^4:v461^1', 'val' => 'v900' },
121    #       { 'eval '=> '"v901^a" eq "Mikrotezaurus"', 'key' => 'a:v561^4:v562^4:v461^1', 'val' => 'v900' },
122    #       { 'eval' => '"v901^a" eq "Deskriptor"', 'key' => 'a:v561^4:v562^4:v461^1', 'val' => 'v900' },
123            { 'key' => 'a:v561^4:v562^4:v461^1', 'val' => 'v900' },
124            { 'key' => '900_mfn:v900', 'val' => 'v000' },
125            # tree structure
126            { 'eval' => 'length("v251") == 2 && "v800" =~ m/EUROVOC/ || "v800" =~ m/CROVOC/ && "v251" =~ m/^(H|HD|L|Z|P)$/', 'key' => 'root:v251', 'val' => 'v900' },
127            { 'eval' => '"v251"', 'key' => 'code:v900', 'val' => 'v561^4:v251' },
128            { 'eval' => '"v561^4" && "v562^4"', 'key' => 'code:v900', 'val' => 'v561^4:v562^4' },
129            ],
130    );
131    
132    $log->debug("isis file ",$webpac->{'isis_filename'}," opened");
133    
134    $log->info("rows: $maxmfn");
135    
136    $webpac->open_import_xml(type => 'isis_hidra_ths');
137    
138    if(1) { # XXX
139    
140    while (my $rec = $webpac->fetch_rec) {
141    
142            my @ds = $webpac->data_structure($rec);
143    
144            if (0 && $log->is_debug) {
145                    $log->debug("rec = ",Dump($rec));
146                    $log->debug("ds = ",Dump(\@ds));
147          }          }
         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";  
         }  
 }  
148    
149  print STDERR "FATAL: Can't find isis database.\nPerhaps isis_data (".$config->{isis_data}.") has wrong value?\n" if (! @isis_dbs);          next if (! @ds);
150    
151  my $db;          my $filename = $webpac->{'current_filename'} || $log->logdie("no current_filename in webpac object");
152    
153  foreach my $isis_db (@isis_dbs) {          if ($filename) {
154                    $webpac->output_file(
155                            file => $filename,
156          my $db = OpenIsis::open( $isis_db );                          template => 'html.tt',
157          if (0) {                          data => \@ds,
158  #       # FIX                          headline => $webpac->{'headline'},
159  #       if (! $db ) {                  );
160                  print STDERR "WARNING: can't open '$isis_db'\n";          } else {
161                  next ;                  print $webpac->output(
162                            template => 'text.tt',
163                            data => \@ds,
164                            headline => $webpac->{'headline'},
165                    );
166          }          }
167    
168          my $max_rowid = OpenIsis::maxRowid( $db );          my $headline = $webpac->{'headline'};
   
         print STDERR "Reading database: $isis_db [$max_rowid rows]\n";  
   
         my $last_p = 0;  
169    
170  #       { my $row_id = 1;          my $f = $filename;
171  # FIX          $f =~ s!out/!!;
         for (my $row_id = 1; $row_id <= $max_rowid; $row_id++ ) {  
                 my $row = OpenIsis::read( $db, $row_id );  
                 if ($row && $row->{mfn}) {  
172    
173                          # output current process indicator          # save into index
174                          my $p = int($row->{mfn} * 100 / $max_rowid);          foreach my $ds (@ds) {
175                          if ($p != $last_p) {                  next if (! $ds->{'swish'});
176                                  printf STDERR ("%5d / %5d [%-51s] %-2d %% \r",$row->{mfn},$max_rowid,"=" x ($p/2).">", $p ) if (! $opts{q});  
177                                  $last_p = $p;                  # strip all non word characters from beginning or end
178                          }                  # of word
179                    my $words = join(" ",@{$ds->{'swish'}});
180                    $words =~ s/^\W+//;
181                    $words =~ s/\W*\s+\W*/ /g;
182                    $words =~ s/\W+$//;
183    
184                    # first try to generate headline for this entry from index
185                    my $h = $ds->{'index'}->[0];
186                    # then, from display
187                    $h ||= $ds->{'display'}->[0];
188                    # and as last resport, fallback to headline
189                    $h ||= $headline;
190    
191                    $index->insert(
192                            index_name => $ds->{'tag'},
193                            #path => $f,
194                            path => $webpac->mfn,
195                            headline => $h,
196                            words => unac($words),
197                    );
198            }
199    
200                          if (my $xml = isis2xml($row)) {          # save into sorted index (thesaurus)
201                                  print "Path-Name: $isis_db#".$row->{mfn}."\n";          foreach my $ds (@ds) {
202                                  print "Content-Length: ".(length($xml)+1)."\n";                  next if (! $ds->{'index'});
203                                  print "Document-Type: XML\n\n$xml\n";  
204                          }                  $thes->{$ds->{'tag'}} ||= new WebPAC::Index( name => $ds->{'tag'} );
205    
206                    foreach my $h (@{$ds->{'index'}}) {
207                            $thes->{$ds->{'tag'}}->insert(
208                                    sort_by => unac_2($h),
209                                    mfn => $webpac->mfn,
210                                    headline => $h,
211                            );
212                  }                  }
213          }          }
         print STDERR "\n";  
 }  
214    
215    #       print Dump(\@ds);
216    
217  1;  }
 __END__  
 ##########################################################################  
218    
219  =head1 NAME  foreach my $t (keys %{$thes}) {
220    
221            my @e = $thes->{$t}->elements;
222            if (! @e) {
223                    $log->logwarn("no elements in sorted index $t?");
224                    next;
225            }
226    
227  isis2xml.pl - read isis file and dump XML          my $file = "./out/bfilter/$t.txt";
228            $log->info("saving sorted index $t to '$file' [".scalar(@e)." elements]");
229    
230  =head1 DESCRIPTION          $webpac->output_file(
231                    file => $file,
232                    template => 'index.tt',
233                    data => \@e,
234                    index_name => $t,
235            );
236    }
237    
238  This command will read ISIS data file using OpenIsis perl module and  if (0 && $log->is_debug) {
239  create XML file for usage with I<SWISH-E>          $log->debug("lookup hash: ",Dump($webpac->{'lookup'}));
240  indexer. Dispite it's name, this script B<isn't general xml generator>          $log->debug("data hash: ",Dump($webpac->{'data'}));
241  from isis files (isis allready has something like that). Output of this          foreach my $t (keys %{$thes}) {
242  script is tailor-made for SWISH-E.                  $log->debug("thesaurus $t hash: ",Dump($thes->{$t}));
243            }
244    }
245    
246  =head1 AUTHOR  } # XXX if(0)
247    
248  Dobrica Pavlinusic <dpavlin@rot13.org>  #$log->debug("lookup hash: ",Dump($webpac->{'lookup'}));
249    
250  =head1 COPYRIGHT  $log->info("creating tree");
251    
252  GNU Public License (GPL) v2 or later  #
253    # define tree structure
254    #
255    
256    my $l = $webpac->{'lookup'} || $log->logconfess("can't find lookup");
257    
258    my @tree = ({
259            # level 0
260            code_arr        => sub { sort keys %{$l} },
261            filter_code     => sub {
262                                            my $t = shift;
263                                            return $t if ($t =~ s/root://);
264                                    },
265            lookup_v900     => sub { shift @{$l->{"root:".$_[0]}} },
266            lookup_term     => sub { shift @{$l->{"d:".$_[1]}} },
267            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[1]}} },
268            have_children   => sub { return $l->{"a:".$_[0]."::"} },
269            have_children_at_level => sub {
270                                    return unless (defined($l->{"code:".$_[1]}));
271                                    my $code = shift @{$l->{"code:".$_[1]}};
272                                    print STDERR "## $_[1] -> $code\n";
273                                    return undef unless($code);
274                                    return(9, $l->{"a:$code:"} ) if (defined($l->{"a:$code:"}));
275                            },
276            style           => 'display: none',
277            },{
278            # 1
279            code_arr        => sub { @{$_[0]} },
280            filter_code     => sub { shift },       # nop
281            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
282            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
283            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
284            have_children   => sub { return $l->{"a:".$_[1].":"} },
285            style           => 'display: none',
286            },{
287            # 2
288            code_arr        => sub { @{$_[0]} },
289            filter_code     => sub { shift },
290            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
291            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
292            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
293            have_children   => sub { return $l->{"a:".$_[1].":".$_[0]} },
294            #style          => 'display: none',
295            },{
296            # 3 u¾i pojam
297            code_arr        => sub { @{$_[0]} },
298            filter_code     => sub { shift },
299            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
300            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
301            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
302            have_children   => sub { return $l->{"a:".$_[1].":".$_[0]} },
303            },{
304            # 4
305            code_arr        => sub { @{$_[0]} },
306            filter_code     => sub { shift },
307            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
308            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
309            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
310            have_children   => sub { return $l->{"a:".$_[1].":".$_[0]} },
311            },{
312            # 5
313            code_arr        => sub { @{$_[0]} },
314            filter_code     => sub { shift },
315            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
316            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
317            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
318            have_children   => sub { return $l->{"a:".$_[1].":".$_[0]} },
319            },{
320            # 6
321            code_arr        => sub { @{$_[0]} },
322            filter_code     => sub { shift },
323            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
324            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
325            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
326            have_children   => sub { return $l->{"a:".$_[1].":".$_[0]} },
327            },{
328            # 7
329            code_arr        => sub { @{$_[0]} },
330            filter_code     => sub { shift },
331            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
332            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
333            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
334            have_children   => sub { return $l->{"a:".$_[1].":".$_[0]} },
335            },{
336            # 8
337            code_arr        => sub { @{$_[0]} },
338            filter_code     => sub { shift },
339            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
340            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
341            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
342    #       have_children   => sub { return $l->{"a:".$_[1].":".$_[0]} },
343            have_children   => sub { 0 },
344            },{
345            # 9 - level which is never reached except explicitly
346            code_arr        => sub { @{$_[0]} },
347            filter_code     => sub { shift },
348            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
349            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
350            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
351            have_children   => sub { 0 },
352            have_children_at_level => sub { defined($l->{"a:".$_[1].":".$_[0]}) && return (9,$l->{"a:".$_[1].":".$_[0]}) },
353            },{
354    });
355    
356    my $tree = new WebPAC::Tree(
357            tree => \@tree,
358    );
359    
360    $tree->output(
361            dir => './out',
362            html => 'browse.html',
363            template => './output_template/tree.tt',
364            js => 'tree-ids.js',
365    );
366    
367    $tree->output(
368            dir => './eurovoc',
369            html => 'hijerarhija.html',
370            template => './output_template/hijerarhija.tt',
371            js => 'tree-ids.js',
372    );
373    
 =head1 SEE ALSO  
374    
375  SWISH-E web site at http://www.swish-e.org  $log->info("closing index");
376    $index->close;
377    
378  =cut  $log->info("elapsed time: ",$webpac->fmt_time(time() - $webpac->{'start_t'}));
Legend:
Removed from v.3  
changed lines
  Added in v.562
  ViewVC Help
Powered by ViewVC 1.1.26