/[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

revision 348 by dpavlin, Sun Jun 13 20:20:29 2004 UTC revision 550 by dpavlin, Tue Oct 26 21:44:57 2004 UTC
# Line 2  Line 2 
2    
3  =head1 NAME  =head1 NAME
4    
5  webpac.pl - basic script for all WebPac needs  all2all.pl - basic script for all WebPAC needs
6    
7  =cut  =cut
8    
9  use strict;  use strict;
10  use OpenIsis;  use locale;
11  use Text::Iconv;  use YAML;
12  use Data::Dumper;  use Carp;
13    use Getopt::Long;
14    use Text::Unaccent 1.02;
15    
16    use lib './lib';
17    use WebPAC;
18    use WebPAC::jsFind;
19    use WebPAC::Index;
20    use WebPAC::Tree;
21    
22    # options which can be changed via command line
23    #
24    my $code_page = 'ISO-8859-2';
25    my ($limit_mfn, $start_mfn, $debug, $low_mem);
26    my $index_path = './out/index';
27    
28    my $result = GetOptions(
29            "code_page=s"   => \$code_page,
30            "limit_mfn=i"   => \$limit_mfn,
31            "start_mfn=i"   => \$start_mfn,
32            "debug!"        => \$debug,
33            "low_mem!"      => \$low_mem,
34    );
35    
36  my $cp = Text::Iconv->new("852", "iso-8859-2");  my $filter = {
37            'CROVOC' => sub {
38                    my $tmp = shift || return;
39                    return undef unless ($tmp =~ s/\s*CROVOC.*$/ */);
40                    return $tmp;
41            },
42            'CROVOC_tree' => sub {
43                    my $tmp = shift || return;
44                    $tmp =~ s/\s*CROVOC.*$/ */;
45                    $tmp =~ s/\s*EUROVOC.*//;
46                    return $tmp;
47            },
48    };
49    
50  $|=1;  ## remove accented characters
51    #
52    sub unac {
53            my $string = shift || return;
54            $string = unac_string($code_page,$string);
55            $string =~ tr/đĐ/dD/;
56            $string = unac_entities($string);
57            return $string;
58    }
59    sub unac_2 {
60            my $string = shift || return;
61            if (length($string) > 2) {
62                    my $pr = substr($string,0,2);
63                    $string = unac_string($code_page,substr($string,2));
64                    $string =~ tr/đĐ/dD/;
65                    $string = $pr . $string;
66            }
67            $string = unac_entities($string);
68            return lc($string);
69    }
70    
71    sub unac_entities {
72            my $ent = shift || return;
73    
74            $ent =~ s/&(\w)(acute|cedil|circ|grave|ring|slash|tilde|uml);/$1/gi;
75            $ent =~ s/ð/d/g;
76            $ent =~ s/&E[tT][hH];/D/g;
77            $ent =~ s/&(\w\w)lig;/$1/gi;
78    
79            return $ent;
80    }
81    
82  my $db = OpenIsis::open( shift @ARGV || '/data/hidra/THS-500/THS' );  # create WebPAC object
83  my $maxmfn = OpenIsis::maxRowid( $db ) || 1;  #
84    my $webpac = new WebPAC(
85            code_page => $code_page,
86            limit_mfn => $limit_mfn,
87            start_mfn => $start_mfn,
88            debug => $debug,
89            low_mem => $low_mem,
90            filter => $filter,
91    ) || die;
92    
93    my $log = $webpac->_get_logger() || die "can't get logger";
94    
95    $log->debug("creating WebPAC::jsFind object");
96    
97    my $index = new WebPAC::jsFind(
98            index_path => $index_path,
99            keys => 10,
100    ) || die;
101    
102  print "rows: $maxmfn\n\n";  my $thes;
103    
104  my $data;  $|=1;
105    
106  my @lookup = (  my $maxmfn = $webpac->open_isis(
107          { 'key' => 'd:v900', 'val' => 'v250^a' },          filename => shift @ARGV || '/data/hidra/THS/THS',
108          { 'eval' => '"v901^a" eq "Područje"', 'key' => 'pa:v561^4:v562^4:v461^1', 'val' => 'v900' },          lookup => [
109          { 'eval '=> '"v901^a" eq "Mikrotezaurus"', 'key' => 'ma:v561^4:v562^4:v461^1', 'val' => 'v900' },          { 'key' => 'd:v900', 'val' => 'filter{CROVOC_tree}v250^a v800' },
110          { 'eval' => '"v901^a" eq "Deskriptor"', 'key' => 'da:v561^4:v562^4:v461^1', 'val' => 'v900' },  #       { 'eval' => '"v901^a" eq "Područje"', 'key' => 'pa:v561^4:v562^4:v461^1', 'val' => 'v900' },
111    #       { 'eval '=> '"v901^a" eq "Mikrotezaurus"', 'key' => 'a:v561^4:v562^4:v461^1', 'val' => 'v900' },
112    #       { 'eval' => '"v901^a" eq "Deskriptor"', 'key' => 'a:v561^4:v562^4:v461^1', 'val' => 'v900' },
113            { 'key' => 'a:v561^4:v562^4:v461^1', 'val' => 'v900' },
114            { 'key' => '900_mfn:v900', 'val' => 'v000' },
115            # tree structure
116            { 'eval' => 'length("v251") == 2 && "v800" =~ m/EUROVOC/ || "v800" =~ m/CROVOC/ && "v251" =~ m/^(H|HD|L|Z|P)$/', 'key' => 'root:v251', 'val' => 'v900' },
117            { 'eval' => '"v251"', 'key' => 'code:v900', 'val' => 'v561^4:v251' },
118            { 'eval' => '"v561^4" && "v562^4"', 'key' => 'code:v900', 'val' => 'v561^4:v562^4' },
119            ],
120  );  );
121    
122  sub fill_in {  $log->debug("isis file ",$webpac->{'isis_filename'}," opened");
         my $tmp = shift || return;  
         my $data = shift || return;  
         my $i = shift || 0;  
   
         my $found = 0;  
   
         sub get_sf {  
                 my ($found,$data,$f,$sf,$i) = @_;  
                 if ($$data->{$f}->[$i]->{$sf}) {  
                         $$found++;  
                         return $$data->{$f}->[$i]->{$sf};  
                 } else {  
                         return '';  
                 }  
         }  
123    
124          sub get_nosf {  $log->info("rows: $maxmfn");
125                  my ($found,$data,$f,$i) = @_;  
126                  if ($$data->{$f}->[$i]) {  $webpac->open_import_xml(type => 'isis_hidra_ths');
127                          $$found++;  
128                          return $$data->{$f}->[$i];  if(1) { # XXX
129                  } else {  
130                          return '';  while (my $rec = $webpac->fetch_rec) {
131                  }  
132            my @ds = $webpac->data_structure($rec);
133    
134            if (0 && $log->is_debug) {
135                    $log->debug("rec = ",Dump($rec));
136                    $log->debug("ds = ",Dump(\@ds));
137          }          }
138    
139          $tmp =~ s/v(\d+)\^(\w)/get_sf(\$found,\$data,$1,$2,$i)/ges;          next if (! @ds);
         $tmp =~ s/v(\d+)/get_nosf(\$found,\$data,$1,$i)/ges;  
140    
141          if ($found) {          my $filename = $webpac->{'current_filename'} || $log->logdie("no current_filename in webpac object");
142                  return $tmp;  
143            if ($filename) {
144                    $webpac->output_file(
145                            file => $filename,
146                            template => 'html.tt',
147                            data => \@ds,
148                            headline => $webpac->{'headline'},
149                    );
150          } else {          } else {
151                  return;                  print $webpac->output(
152                            template => 'text.tt',
153                            data => \@ds,
154                            headline => $webpac->{'headline'},
155                    );
156          }          }
 }  
157    
158  print "reading database...\n";          my $headline = $webpac->{'headline'};
159    
160  for (my $mfn = 1; $mfn <= $maxmfn; $mfn++) {          my $f = $filename;
161            $f =~ s!out/!!;
162    
163          my $row = OpenIsis::read( $db, $mfn );          # save into index
164  print Dumper($row);          foreach my $ds (@ds) {
165          foreach my $k (keys %{$row}) {                  next if (! $ds->{'swish'});
166                  if ($k ne "mfn") {  
167                          foreach my $l (@{$row->{$k}}) {                  # strip all non word characters from beginning or end
168                                  next if (! $l);                  # of word
169                                  $l = $cp->convert($l);                  my $words = join(" ",@{$ds->{'swish'}});
170                                  # has subfields?                  $words =~ s/^\W+//;
171                                  my $val;                  $words =~ s/\W*\s+\W*/ /g;
172                                  if ($l =~ m/\^/) {                  $words =~ s/\W+$//;
173                                          foreach my $t (split(/\^/,$l)) {  
174                                                  next if (! $t);                  # first try to generate headline for this entry from index
175                                                  $val->{substr($t,0,1)} = substr($t,1);                  my $h = $ds->{'index'}->[0];
176                                          }                  # then, from display
177                                  } else {                  $h ||= $ds->{'display'}->[0];
178                                          $val = $l;                  # and as last resport, fallback to headline
179                                  }                  $h ||= $headline;
180    
181                    $index->insert(
182                            index_name => $ds->{'tag'},
183                            #path => $f,
184                            path => $webpac->mfn,
185                            headline => $h,
186                            words => unac($words),
187                    );
188            }
189    
190                                  push @{$data->{$mfn}->{$k}}, $val if ($val && $val ne "");          # save into sorted index (thesaurus)
191                          }          foreach my $ds (@ds) {
192                    next if (! $ds->{'index'});
193    
194                    $thes->{$ds->{'tag'}} ||= new WebPAC::Index( name => $ds->{'tag'} );
195    
196                    foreach my $h (@{$ds->{'index'}}) {
197                            $thes->{$ds->{'tag'}}->insert(
198                                    sort_by => unac_2($h),
199                                    mfn => $webpac->mfn,
200                                    headline => $h,
201                            );
202                  }                  }
   
203          }          }
204    
205          foreach my $i (@lookup) {  #       print Dump(\@ds);
206                  if ($i->{'eval'}) {  
207                          my $eval = fill_in($i->{'eval'},$data->{$mfn});  }
208                          my $key = fill_in($i->{'key'}, $data->{$mfn});  
209                          my $val = fill_in($i->{'val'}, $data->{$mfn});  foreach my $t (keys %{$thes}) {
210                          if ($key && $val && eval $eval) {  
211                                  push @{$data->{lookup}->{$key}}, $val;          my @e = $thes->{$t}->elements;
212                          }          if (! @e) {
213                  } else {                  $log->logwarn("no elements in sorted index $t?");
214                          my $key = fill_in($i->{'key'}, $data->{$mfn});                  next;
                         my $val = fill_in($i->{'val'}, $data->{$mfn});  
                         if ($key && $val) {  
                                 push @{$data->{lookup}->{$key}}, $val;  
                         }  
                 }  
215          }          }
216    
217            my $file = "./out/bfilter/$t.txt";
218            $log->info("saving sorted index $t to '$file' [".scalar(@e)." elements]");
219    
220            $webpac->output_file(
221                    file => $file,
222                    template => 'index.tt',
223                    data => \@e,
224                    index_name => $t,
225            );
226  }  }
 print "\n";  
227    
228  for (my $mfn = 1; $mfn <= $maxmfn; $mfn++) {  if (0 && $log->is_debug) {
229          my $d = $data->{$mfn};          $log->debug("lookup hash: ",Dump($webpac->{'lookup'}));
230          print $d->{'250'}->[0]->{'a'},"\n";          $log->debug("data hash: ",Dump($webpac->{'data'}));
231          my $t = fill_in('v553^1;;v553^a', $d);          foreach my $t (keys %{$thes}) {
232          print " Uži pojam: $t\n" if ($t);                  $log->debug("thesaurus $t hash: ",Dump($thes->{$t}));
233          $t = fill_in('[a:v251];;[d:[a:v251]]', $d);          }
         print " Uži pojam: $t\n" if ($t);  
234  }  }
235    
236  print Dumper($data);  } # XXX if(0)
237    
238    #$log->debug("lookup hash: ",Dump($webpac->{'lookup'}));
239    
240    $log->info("creating tree");
241    
242    #
243    # define tree structure
244    #
245    
246    my $l = $webpac->{'lookup'} || $log->logconfess("can't find lookup");
247    
248    my @tree = ({
249            # level 0
250            code_arr        => sub { sort keys %{$l} },
251            filter_code     => sub {
252                                            my $t = shift;
253                                            return $t if ($t =~ s/root://);
254                                    },
255            lookup_v900     => sub { shift @{$l->{"root:".$_[0]}} },
256            lookup_term     => sub { shift @{$l->{"d:".$_[1]}} },
257            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[1]}} },
258            have_children   => sub { return $l->{"a:".$_[0]."::"} },
259            have_children_at_level => sub {
260                                    return unless (defined($l->{"code:".$_[1]}));
261                                    my $code = shift @{$l->{"code:".$_[1]}};
262                                    print STDERR "## $_[1] -> $code\n";
263                                    return undef unless($code);
264                                    return(9, $l->{"a:$code:"} ) if (defined($l->{"a:$code:"}));
265                            },
266            style           => 'display: none',
267            },{
268            # 1
269            code_arr        => sub { @{$_[0]} },
270            filter_code     => sub { shift },       # nop
271            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
272            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
273            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
274            have_children   => sub { return $l->{"a:".$_[1].":"} },
275            style           => 'display: none',
276            },{
277            # 2
278            code_arr        => sub { @{$_[0]} },
279            filter_code     => sub { shift },
280            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
281            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
282            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
283            have_children   => sub { return $l->{"a:".$_[1].":".$_[0]} },
284            #style          => 'display: none',
285            },{
286            # 3 uži pojam
287            code_arr        => sub { @{$_[0]} },
288            filter_code     => sub { shift },
289            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
290            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
291            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
292            have_children   => sub { return $l->{"a:".$_[1].":".$_[0]} },
293            },{
294            # 4
295            code_arr        => sub { @{$_[0]} },
296            filter_code     => sub { shift },
297            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
298            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
299            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
300            have_children   => sub { return $l->{"a:".$_[1].":".$_[0]} },
301            },{
302            # 5
303            code_arr        => sub { @{$_[0]} },
304            filter_code     => sub { shift },
305            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
306            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
307            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
308            have_children   => sub { return $l->{"a:".$_[1].":".$_[0]} },
309            },{
310            # 6
311            code_arr        => sub { @{$_[0]} },
312            filter_code     => sub { shift },
313            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
314            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
315            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
316            have_children   => sub { return $l->{"a:".$_[1].":".$_[0]} },
317            },{
318            # 7
319            code_arr        => sub { @{$_[0]} },
320            filter_code     => sub { shift },
321            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
322            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
323            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
324            have_children   => sub { return $l->{"a:".$_[1].":".$_[0]} },
325            },{
326            # 8
327            code_arr        => sub { @{$_[0]} },
328            filter_code     => sub { shift },
329            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
330            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
331            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
332    #       have_children   => sub { return $l->{"a:".$_[1].":".$_[0]} },
333            have_children   => sub { 0 },
334            },{
335            # 9 - level which is never reached except explicitly
336            code_arr        => sub { @{$_[0]} },
337            filter_code     => sub { shift },
338            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
339            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
340            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
341            have_children   => sub { 0 },
342            have_children_at_level => sub { defined($l->{"a:".$_[1].":".$_[0]}) && return (9,$l->{"a:".$_[1].":".$_[0]}) },
343            },{
344    });
345    
346    my $tree = new WebPAC::Tree(
347            tree => \@tree,
348    );
349    
350    $tree->output(
351            dir => './out',
352            html => 'browse.html',
353            template => './output_template/tree.tt',
354            js => 'tree-ids.js',
355    );
356    
357    $tree->output(
358            dir => './eurovoc',
359            html => 'hijerarhija.html',
360            template => './output_template/hijerarhija.tt',
361            js => 'tree-ids.js',
362    );
363    
364    
365    $log->info("closing index");
366    $index->close;
367    
368    $log->info("elapsed time: ",$webpac->fmt_time(time() - $webpac->{'start_t'}));
Legend:
Removed from v.348  
changed lines
  Added in v.550
  ViewVC Help
Powered by ViewVC 1.1.26