/[webpac]/trunk2/all2all.pl
This is repository of my old source code which isn't updated any more. Go to git.rot13.org for current projects!
ViewVC logotype

Diff of /trunk2/all2all.pl

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

trunk/all2xml.pl revision 10 by dpavlin, Thu Jan 16 17:35:54 2003 UTC trunk2/all2all.pl revision 423 by dpavlin, Sat Sep 11 20:21:28 2004 UTC
# Line 1  Line 1 
1  #!/usr/bin/perl -w  #!/usr/bin/perl -w
2    
3  use strict;  =head1 NAME
 use OpenIsis;  
 use Getopt::Std;  
 use Data::Dumper;  
 use XML::Simple;  
 use Text::Unaccent 1.02;        # 1.01 won't compile on my platform,  
 use Text::Iconv;  
   
   
 $|=1;  
   
 my $config;  
   
 $config=XMLin(undef, forcearray => [ 'isis' ], forcecontent => 1);  
   
 use index_DBI;  # there is no other, right now ;-)  
   
 my $index = new index_DBI();    # open index  
   
 my %opts;  
   
 # usage:  
 #       -d directory name  
 #       -m multiple directories  
 #       -q quiet  
 #       -s run swish  
   
 getopts('d:m:qs', \%opts);  
   
 my $db_dir = $opts{d} || "ps";  # FIX  
   
 #die "usage: $0 -d [database_dir] -m [database1,database2] " if (! %opts);  
   
 #print Dumper($config->{indexer});  
 #print "-" x 70,"\n";  
   
 Text::Iconv->raise_error(1);     # Conversion errors raise exceptions  
   
 my $isis_codepage = Text::Iconv->new($config->{isis_codepage},'UTF8');  
 my $index_codepage = Text::Iconv->new($config->{isis_codepage},$config->{index_codepage});  
 my $cludge_codepage = Text::Iconv->new('UTF8','ISO8859-1');  
   
 sub isis2xml {  
4    
5          use xmlify;  all2all.pl - basic script for all WebPAC needs
6    
7          my $row = shift @_;  =cut
8    
9          my $xml;  use strict;
10          $xml .= xmlify('db_dir',$db_dir);       # FIX remove?  use Data::Dumper;
11    use Carp;
12    
13          use parse_format;  use lib './lib';
14    use WebPAC;
15    use WebPAC::jsFind;
16    use WebPAC::Index;
17    
18    my $webpac = new WebPAC(
19            code_page => 'ISO-8859-2',
20            limit_mfn => 500,
21    #       debug => 1,
22    #       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    my $thes;
35    
36          foreach my $field (keys %{$config->{indexer}}) {  $|=1;
37    
38                  my $swish_data = "";  my $maxmfn = $webpac->open_isis(
39                  my $display_data = "";          filename => shift @ARGV || '/data/hidra/THS/THS',
40                  my $index_data = "";          lookup => [
41            { 'key' => 'd:v900', 'val' => 'v250^a' },
42    #       { 'eval' => '"v901^a" eq "Područje"', 'key' => 'pa:v561^4:v562^4:v461^1', 'val' => 'v900' },
43    #       { 'eval '=> '"v901^a" eq "Mikrotezaurus"', 'key' => 'a:v561^4:v562^4:v461^1', 'val' => 'v900' },
44    #       { '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    $log->debug("isis file ",$webpac->{'isis_filename'}," opened");
54    
55    $log->info("rows: $maxmfn");
56    
57    $webpac->open_import_xml(type => 'isis_hidra_ths');
58    
59    while (my $rec = $webpac->fetch_rec) {
60    
61            my @ds = $webpac->data_structure($rec);
62    
63            if (0 && $log->is_debug) {
64                    $log->debug("rec = ",Dumper($rec));
65                    $log->debug("ds = ",Dumper(\@ds));
66            }
67    
68            next if (! @ds);
69    
70            my $filename = $webpac->{'current_filename'} || $log->logdie("no current_filename in webpac object");
71    
72            if ($filename) {
73                    $webpac->output_file(
74                            file => $filename,
75                            template => 'html.tt',
76                            data => \@ds,
77                            headline => $webpac->{'headline'},
78                    );
79            } else {
80                    print $webpac->output(
81                            template => 'text.tt',
82                            data => \@ds,
83                            headline => $webpac->{'headline'},
84                    );
85            }
86    
87                  foreach my $x (@{$config->{indexer}->{$field}->{isis}}) {          my $headline = $webpac->{'headline'};
88    
89                          my $format = $x->{content};          my $f = $filename;
90                          my ($s,$d,$i) = (1,1,0);        # swish, display default          $f =~ s!out/!!;
                         $s = 0 if (lc($x->{type}) eq "display");  
                         $d = 0 if (lc($x->{type}) eq "swish");  
                         ($s,$d,$i) = (0,0,1) if (lc($x->{type}) eq "index");  
 #print STDERR "## s: $s d: $d i: $i ## $format ##\n";    
91    
92                          $format = $cludge_codepage->convert($format);          # save into index
93                          my ($swish,$display) = parse_format($format,$row);          foreach my $ds (@ds) {
94  #print STDERR "s: $swish\nd: $display\n" if ($swish);                  next if (! $ds->{'swish'});
95    
96  #print STDERR "swish: $swish<-- display: $display<--\n";                  $index->insert(
97                          # FIX: this is ugly, UGLY, cludge: OpenIsis return                          index_name => $ds->{'tag'},
98                          # UTF8 encoding of strings, but as if source charset                          path => $f,
99                          # is ISO8859-1 and not some other. This breaks our                          headline => $headline,
100                          # isis character encoding, so we convert it first                          words => join(" ",@{$ds->{'swish'}})
101                          # back to ISO8859-1 (which can actually be different                  );
102                          # encoding in isis)          }
103    
104                          $swish_data .= $swish if ($s && $swish);          # save into sorted index (thesaurus)
105                          $display_data .= $display if ($d && $display);          foreach my $ds (@ds) {
106                          $index_data .= $display if ($i && $display);                  next if (! $ds->{'index'});
                 }  
107    
108  #print STDERR "s_d: $swish_data\nd_d: $display_data\n" if ($swish_data);                  $thes->{$ds->{'tag'}} ||= new WebPAC::Index;
                 if ($display_data) {  
                         $display_data = $isis_codepage->convert($display_data)."##" || $display_data;  
                         $xml .= xmlify($field."_display", $display_data);  
                 }  
                 if ($swish_data) {  
                         my $i = Text::Iconv->new($config->{isis_codepage},'ISO8859-2');  
                         $swish_data = $i->convert($swish_data);  
                         $xml .= xmlify($field."_swish",unac_string('ISO8859-2',$swish_data));  
                         #$swish_data = $isis_codepage->convert($swish_data)."##" || $swish_data;  
                         #$xml .= xmlify($field."_swish",unac_string($config->{isis_codepage},$swish_data));  
                 }  
109    
110                  # index                  foreach my $h (@{$ds->{'index'}}) {
111                  if ($index_data && $index_data ne "") {                          $thes->{$ds->{'tag'}}->insert(
112                          $index_data = $index_codepage->convert($index_data) || $index_data;                                  path => $f,
113                          $index->insert($field, $index_data, $db_dir);                                  headline => $h,
114                            );
115                  }                  }
   
116          }          }
         if ($xml) {  
 #print STDERR "x: $xml\n";  
                 return "<xml>\n$xml</xml>\n";  
         } else {  
                 return;  
         }  
 }  
117    
118  ##########################################################################  #       print Dumper(\@ds);
119    
120  my $last_tell=0;  }
121    
122  my @isis_dirs = ( '.' );        # use dirname as database name  foreach my $t (keys %{$thes}) {
123    
124  if ($opts{m}) {          my @e = $thes->{$t}->elements;
125          @isis_dirs = split(/,/,$opts{m});          if (! @e) {
126                    $log->logwarn("no elements in sorted index $t?");
127                    next;
128            }
129    
130            my $file = "./out/bfilter/$t.txt";
131            $log->info("saving sorted index $t to '$file' [".scalar(@e)." elements]");
132    
133            $webpac->output_file(
134                    file => $file,
135                    template => 'index.tt',
136                    data => \@e,
137                    index_name => $t,
138            );
139  }  }
140    
141  my @isis_dbs;  if (0 && $log->is_debug) {
142            $log->debug("lookup hash: ",Dumper($webpac->{'lookup'}));
143  foreach (@isis_dirs) {          $log->debug("data hash: ",Dumper($webpac->{'data'}));
144          if (-e $config->{isis_data}."/$db_dir/$_/LIBRI") {          foreach my $t (keys %{$thes}) {
145                  push @isis_dbs,$config->{isis_data}."/$db_dir/$_/LIBRI/LIBRI";                  $log->debug("thesaurus $t hash: ",Dumper($thes->{$t}));
         }  
         if (-e $config->{isis_data}."/$db_dir/$_/PERI") {  
                 push @isis_dbs,$config->{isis_data}."/$db_dir/$_/PERI/PERI";  
         }  
         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";  
146          }          }
147  }  }
148    
149  print STDERR "FATAL: Can't find isis database.\nPerhaps isis_data (".$config->{isis_data}.") has wrong value?\n" if (! @isis_dbs);  $log->info("lookup hash: ",Dumper($webpac->{'lookup'}));
150    
151  my $db;  #
152    # tree dump implementation which shouldn't be here :-)
153    #
154    
155  foreach my $isis_db (@isis_dbs) {  my $file = 'out/browse.html';
156    open(HTML, "> $file") || $log->logdie("can't open '$file'");
157    
158    print HTML qq{
159    <html>
160    <head>
161     <title>Browse</title>
162     <meta http-equiv="Content-Type" content="text/html; charset=iso-8859-2"/>
163     <script type="text/javascript" src="bfilter/hide.js"></script>
164    </head>
165    <body>
166    <ul>
167    };
168    
169          my $db = OpenIsis::open( $isis_db );  foreach my $code (sort keys %{$webpac->{'lookup'}}) {
         if (0) {  
 #       # FIX  
 #       if (! $db ) {  
                 print STDERR "WARNING: can't open '$isis_db'\n";  
                 next ;  
         }  
170    
171          my $max_rowid = OpenIsis::maxRowid( $db );          my $l = $webpac->{'lookup'} || $log->logconfess("can't find lookup");
172    
173          print STDERR "Reading database: $isis_db [$max_rowid rows]\n";          if ($code =~ m/^root:/) {
174                    my $v900 = shift @{ $l->{$code} } || $log->logconfess("can't lookup '$code'");
175                    $code =~ s/^root:// || die;
176    
177          my $path = $isis_db;                  my $term = shift @{ $l->{"d:${v900}"} } || die;
178          $path =~ s#$config->{isis_data}/*##g;                  my $mfn = shift @{ $l->{"900_mfn:${v900}"} } || die;
179    
180          my $last_p = 0;                  $log->debug("$code -> $v900 : $term [$mfn]");
181    
182  #       { my $row_id = 4514;                  print HTML qq{ <li><a href="#mfn$mfn" onClick="return hide_show('mfn$mfn');">$term</a>&nbsp;<a href="thes/$mfn.html">&raquo;</a></li>\n} if (-e "out/thes/$mfn.html");
 # FIX  
         for (my $row_id = 1; $row_id <= $max_rowid; $row_id++ ) {  
                 my $row = OpenIsis::read( $db, $row_id );  
                 if ($row && $row->{mfn}) {  
 #print STDERR "mfn: ",$row->{mfn},"\n";  
                         # output current process indicator  
                         my $p = int($row->{mfn} * 100 / $max_rowid);  
                         if ($p != $last_p) {  
                                 printf STDERR ("%5d / %5d [%-51s] %-2d %% \r",$row->{mfn},$max_rowid,"=" x ($p/2).">", $p ) if (! $opts{q});  
                                 $last_p = $p;  
                         }  
183    
184                          if (my $xml = isis2xml($row)) {                  unless ($l->{"a:${code}::"}) {
185  #print STDERR "--ret-->$xml\n";                          $log->warn("can't find 'a:${code}::'");
186                                  print "Path-Name: $path#".int($row->{mfn})."\n";                          next;
                                 print "Content-Length: ".(length($xml)+1)."\n";  
                                 print "Document-Type: XML\n\n$xml\n";  
                         }  
187                  }                  }
         }  
         print STDERR "\n";  
 }  
   
 # call this to commit index  
 $index->close;  
188    
189  1;                  print HTML qq{ <a name="mfn$mfn"></a><ul id="mfn$mfn" style="display: none">\n};
 __END__  
 ##########################################################################  
190    
191  =head1 NAME                  foreach my $l2_v900 (@{ $l->{"a:${code}::"} }) {
192                            
193  isis2xml.pl - read isis file and dump XML                          my $l2_code = shift @{ $l->{"code:${l2_v900}"} } || die;
194                            my $l2_term = shift @{ $l->{"d:$l2_v900"} } || die;
195                            my $l2_mfn = shift @{ $l->{"900_mfn:${l2_v900}"} } || die;
196    
197                            $log->debug("$l2_code -> $l2_v900 : $l2_term [$l2_mfn]");
198    
199                            print HTML qq{  <li><a href="#mfn$l2_mfn" onClick="return hide_show('mfn$l2_mfn');">$l2_term</a>&nbsp;<a href="thes/$mfn.html">&raquo;</a></li>\n} if (-e "out/thes/$l2_mfn.html");
200                            
201                            unless ($l->{"a:${l2_code}:"}) {
202                                    $log->warn("can't find 'a:${l2_code}:'");
203                                    next;
204                            }
205    
206  =head1 DESCRIPTION                          print HTML qq{  <a name="mfn$l2_mfn"></a><ul id="mfn$l2_mfn" style="display: none">\n};
207    
208  This command will read ISIS data file using OpenIsis perl module and                          foreach my $l3_v900 (@{ $l->{"a:${l2_code}:"} }) {
 create XML file for usage with I<SWISH-E>  
 indexer. Dispite it's name, this script B<isn't general xml generator>  
 from isis files (isis allready has something like that). Output of this  
 script is tailor-made for SWISH-E.  
209    
210  =head1 AUTHOR                                  my $l3_term = shift @{ $l->{"d:$l3_v900"} } || die;
211                                    my $l3_mfn = shift @{ $l->{"900_mfn:${l3_v900}"} } || die;
212    
213  Dobrica Pavlinusic <dpavlin@rot13.org>                                  $log->debug(" -> $l3_v900 : $l3_term [$l3_mfn]");
214    
215  =head1 COPYRIGHT                                  print HTML qq{   <li><a href="#mfn$l3_mfn.html">$l3_term</a>&nbsp;<a href="thes/$mfn.html">&raquo;</a></li>\n} if (-e "out/thes/$l3_mfn.html");
216                            }
217    
218  GNU Public License (GPL) v2 or later                          print HTML qq{  </ul>\n};
219                    }
220                    print HTML qq{ </ul>\n};
221            }
222    }
223    
224  =head1 SEE ALSO  print HTML qq{
225    </ul>
226    </body>
227    </html>
228    };
229    
230  SWISH-E web site at http://www.swish-e.org  $index->close;
231    
232  =cut  $log->info("elapsed time: ",$webpac->fmt_time(time() - $webpac->{'start_t'}));
Legend:
Removed from v.10  
changed lines
  Added in v.423
  ViewVC Help
Powered by ViewVC 1.1.26