/[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 424 by dpavlin, Sat Sep 11 22:32:06 2004 UTC revision 549 by dpavlin, Tue Oct 26 20:53:03 2004 UTC
# Line 7  all2all.pl - basic script for all WebPAC Line 7  all2all.pl - basic script for all WebPAC
7  =cut  =cut
8    
9  use strict;  use strict;
10  use Data::Dumper;  use locale;
11    use YAML;
12  use Carp;  use Carp;
13    use Getopt::Long;
14    use Text::Unaccent 1.02;
15    
16  use lib './lib';  use lib './lib';
17  use WebPAC;  use WebPAC;
18  use WebPAC::jsFind;  use WebPAC::jsFind;
19  use WebPAC::Index;  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.*$/ */);
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    ## 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            return $string;
57    }
58    sub unac_2 {
59            my $string = shift || return;
60            if (length($string) > 2) {
61                    my $pr = substr($string,0,2);
62                    $string = unac_string($code_page,substr($string,2));
63                    $string =~ tr/đĐ/dD/;
64                    $string = $pr . $string;
65            }
66            $string =~ s/&(\w)(acute|cedil|circ|grave|ring|slash|tilde|uml);/$1/gi;
67            $string =~ s/ð/d/g;
68            $string =~ s/&E[tT][hH];/D/g;
69            $string =~ s/&(\w\w)lig;/$1/gi;
70            return lc($string);
71    }
72    
73    # create WebPAC object
74    #
75  my $webpac = new WebPAC(  my $webpac = new WebPAC(
76          code_page => 'ISO-8859-2',          code_page => $code_page,
77          limit_mfn => 500,          limit_mfn => $limit_mfn,
78  #       debug => 1,          start_mfn => $start_mfn,
79  #       low_mem => 1,          debug => $debug,
80            low_mem => $low_mem,
81            filter => $filter,
82  ) || die;  ) || die;
83    
84  my $log = $webpac->_get_logger() || die "can't get logger";  my $log = $webpac->_get_logger() || die "can't get logger";
# Line 27  my $log = $webpac->_get_logger() || die Line 86  my $log = $webpac->_get_logger() || die
86  $log->debug("creating WebPAC::jsFind object");  $log->debug("creating WebPAC::jsFind object");
87    
88  my $index = new WebPAC::jsFind(  my $index = new WebPAC::jsFind(
89          index_path => './out/index',          index_path => $index_path,
90          keys => 10,          keys => 10,
91  ) || die;  ) || die;
92    
# Line 38  $|=1; Line 97  $|=1;
97  my $maxmfn = $webpac->open_isis(  my $maxmfn = $webpac->open_isis(
98          filename => shift @ARGV || '/data/hidra/THS/THS',          filename => shift @ARGV || '/data/hidra/THS/THS',
99          lookup => [          lookup => [
100          { 'key' => 'd:v900', 'val' => 'v250^a' },          { 'key' => 'd:v900', 'val' => 'filter{CROVOC_tree}v250^a v800' },
101  #       { 'eval' => '"v901^a" eq "Područje"', 'key' => 'pa:v561^4:v562^4:v461^1', 'val' => 'v900' },  #       { 'eval' => '"v901^a" eq "Područje"', 'key' => 'pa:v561^4:v562^4:v461^1', 'val' => 'v900' },
102  #       { 'eval '=> '"v901^a" eq "Mikrotezaurus"', 'key' => 'a:v561^4:v562^4:v461^1', 'val' => 'v900' },  #       { 'eval '=> '"v901^a" eq "Mikrotezaurus"', 'key' => 'a:v561^4:v562^4:v461^1', 'val' => 'v900' },
103  #       { 'eval' => '"v901^a" eq "Deskriptor"', 'key' => 'a:v561^4:v562^4:v461^1', 'val' => 'v900' },  #       { 'eval' => '"v901^a" eq "Deskriptor"', 'key' => 'a:v561^4:v562^4:v461^1', 'val' => 'v900' },
104          { 'key' => 'a:v561^4:v562^4:v461^1', 'val' => 'v900' },          { 'key' => 'a:v561^4:v562^4:v461^1', 'val' => 'v900' },
105          { 'key' => '900_mfn:v900', 'val' => 'v000' },          { 'key' => '900_mfn:v900', 'val' => 'v000' },
106          # tree structure          # tree structure
107          { 'eval' => 'length("v251") == 2', 'key' => 'root:v251', 'val' => 'v900' },          { 'eval' => 'length("v251") == 2 && "v800" =~ m/EUROVOC/ || "v800" =~ m/CROVOC/ && "v251" =~ m/^(H|HD|L|Z|P)$/', 'key' => 'root:v251', 'val' => 'v900' },
108          { 'eval' => '"v251"', 'key' => 'code:v900', 'val' => 'v561^4:v251' },          { 'eval' => '"v251"', 'key' => 'code:v900', 'val' => 'v561^4:v251' },
109            { 'eval' => '"v561^4" && "v562^4"', 'key' => 'code:v900', 'val' => 'v561^4:v562^4' },
110          ],          ],
111  );  );
112    
# Line 56  $log->info("rows: $maxmfn"); Line 116  $log->info("rows: $maxmfn");
116    
117  $webpac->open_import_xml(type => 'isis_hidra_ths');  $webpac->open_import_xml(type => 'isis_hidra_ths');
118    
119  if(0) { # XXX  if(1) { # XXX
120    
121  while (my $rec = $webpac->fetch_rec) {  while (my $rec = $webpac->fetch_rec) {
122    
123          my @ds = $webpac->data_structure($rec);          my @ds = $webpac->data_structure($rec);
124    
125          if (0 && $log->is_debug) {          if (0 && $log->is_debug) {
126                  $log->debug("rec = ",Dumper($rec));                  $log->debug("rec = ",Dump($rec));
127                  $log->debug("ds = ",Dumper(\@ds));                  $log->debug("ds = ",Dump(\@ds));
128          }          }
129    
130          next if (! @ds);          next if (! @ds);
# Line 95  while (my $rec = $webpac->fetch_rec) { Line 155  while (my $rec = $webpac->fetch_rec) {
155          foreach my $ds (@ds) {          foreach my $ds (@ds) {
156                  next if (! $ds->{'swish'});                  next if (! $ds->{'swish'});
157    
158                    # strip all non word characters from beginning or end
159                    # of word
160                    my $words = join(" ",@{$ds->{'swish'}});
161                    $words =~ s/^\W+//;
162                    $words =~ s/\W*\s+\W*/ /g;
163                    $words =~ s/\W+$//;
164    
165                    # first try to generate headline for this entry from index
166                    my $h = $ds->{'index'}->[0];
167                    # then, from display
168                    $h ||= $ds->{'display'}->[0];
169                    # and as last resport, fallback to headline
170                    $h ||= $headline;
171    
172                  $index->insert(                  $index->insert(
173                          index_name => $ds->{'tag'},                          index_name => $ds->{'tag'},
174                          path => $f,                          #path => $f,
175                          headline => $headline,                          path => $webpac->mfn,
176                          words => join(" ",@{$ds->{'swish'}})                          headline => $h,
177                            words => unac($words),
178                  );                  );
179          }          }
180    
# Line 107  while (my $rec = $webpac->fetch_rec) { Line 182  while (my $rec = $webpac->fetch_rec) {
182          foreach my $ds (@ds) {          foreach my $ds (@ds) {
183                  next if (! $ds->{'index'});                  next if (! $ds->{'index'});
184    
185                  $thes->{$ds->{'tag'}} ||= new WebPAC::Index;                  $thes->{$ds->{'tag'}} ||= new WebPAC::Index( name => $ds->{'tag'} );
186    
187                  foreach my $h (@{$ds->{'index'}}) {                  foreach my $h (@{$ds->{'index'}}) {
188                          $thes->{$ds->{'tag'}}->insert(                          $thes->{$ds->{'tag'}}->insert(
189                                  path => $f,                                  sort_by => unac_2($h),
190                                    mfn => $webpac->mfn,
191                                  headline => $h,                                  headline => $h,
192                          );                          );
193                  }                  }
194          }          }
195    
196  #       print Dumper(\@ds);  #       print Dump(\@ds);
197    
198  }  }
199    
# Line 141  foreach my $t (keys %{$thes}) { Line 217  foreach my $t (keys %{$thes}) {
217  }  }
218    
219  if (0 && $log->is_debug) {  if (0 && $log->is_debug) {
220          $log->debug("lookup hash: ",Dumper($webpac->{'lookup'}));          $log->debug("lookup hash: ",Dump($webpac->{'lookup'}));
221          $log->debug("data hash: ",Dumper($webpac->{'data'}));          $log->debug("data hash: ",Dump($webpac->{'data'}));
222          foreach my $t (keys %{$thes}) {          foreach my $t (keys %{$thes}) {
223                  $log->debug("thesaurus $t hash: ",Dumper($thes->{$t}));                  $log->debug("thesaurus $t hash: ",Dump($thes->{$t}));
224          }          }
225  }  }
226    
227  } # XXX if(0)  } # XXX if(0)
228    
229  $log->info("lookup hash: ",Dumper($webpac->{'lookup'}));  #$log->debug("lookup hash: ",Dump($webpac->{'lookup'}));
230    
231    $log->info("creating tree");
232    
233  #  #
234  # tree dump implementation which shouldn't be here :-)  # define tree structure
235  #  #
236    
 my $file = 'out/browse.html';  
 open(HTML, "> $file") || $log->logdie("can't open '$file'");  
   
 print HTML qq{  
 <html>  
 <head>  
  <title>Browse</title>  
  <meta http-equiv="Content-Type" content="text/html; charset=iso-8859-2"/>  
  <script type="text/javascript" src="bfilter/hide.js"></script>  
 </head>  
 <body>  
 <ul>  
 };  
   
237  my $l = $webpac->{'lookup'} || $log->logconfess("can't find lookup");  my $l = $webpac->{'lookup'} || $log->logconfess("can't find lookup");
238    
239  my @tree = ({  my @tree = ({
# Line 182  my @tree = ({ Line 246  my @tree = ({
246          lookup_v900     => sub { shift @{$l->{"root:".$_[0]}} },          lookup_v900     => sub { shift @{$l->{"root:".$_[0]}} },
247          lookup_term     => sub { shift @{$l->{"d:".$_[1]}} },          lookup_term     => sub { shift @{$l->{"d:".$_[1]}} },
248          lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[1]}} },          lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[1]}} },
249          have_children   => sub { $l->{"a:".$_[0]."::" } },          have_children   => sub { return $l->{"a:".$_[0]."::"} },
250          child_code      => sub { return $_[0] },          have_children_at_level => sub {
251                                    return unless (defined($l->{"code:".$_[1]}));
252                                    my $code = shift @{$l->{"code:".$_[1]}};
253                                    print STDERR "## $_[1] -> $code\n";
254                                    return undef unless($code);
255                                    return(9, $l->{"a:$code:"} ) if (defined($l->{"a:$code:"}));
256                            },
257          style           => 'display: none',          style           => 'display: none',
258          },{          },{
259          # 1          # 1
260          code_arr        => sub { @{$l->{"a:".$_[0]."::"}} },          code_arr        => sub { @{$_[0]} },
261          filter_code     => sub { shift },       # nop          filter_code     => sub { shift },       # nop
262          lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },          lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
263          lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },          lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
264          lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },          lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
265          have_children   => sub { $l->{"a:".$_[1].":" } },          have_children   => sub { return $l->{"a:".$_[1].":"} },
         child_code      => sub { return $_[1] },  
266          style           => 'display: none',          style           => 'display: none',
267          },{          },{
268          # 2          # 2
269          code_arr        => sub { @{$l->{"a:".$_[0].":"}} },          code_arr        => sub { @{$_[0]} },
270          filter_code     => sub { shift },          filter_code     => sub { shift },
271          lookup_v900     => sub { shift },          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].":".$_[0]} },
275            #style          => 'display: none',
276            },{
277            # 3 uži pojam
278            code_arr        => sub { @{$_[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].":".$_[0]} },
284            },{
285            # 4
286            code_arr        => sub { @{$_[0]} },
287            filter_code     => sub { shift },
288            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
289            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
290            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
291            have_children   => sub { return $l->{"a:".$_[1].":".$_[0]} },
292            },{
293            # 5
294            code_arr        => sub { @{$_[0]} },
295            filter_code     => sub { shift },
296            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
297            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
298            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
299            have_children   => sub { return $l->{"a:".$_[1].":".$_[0]} },
300            },{
301            # 6
302            code_arr        => sub { @{$_[0]} },
303            filter_code     => sub { shift },
304            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
305          lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },          lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
306          lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },          lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
307            have_children   => sub { return $l->{"a:".$_[1].":".$_[0]} },
308            },{
309            # 7
310            code_arr        => sub { @{$_[0]} },
311            filter_code     => sub { shift },
312            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
313            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
314            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
315            have_children   => sub { return $l->{"a:".$_[1].":".$_[0]} },
316            },{
317            # 8
318            code_arr        => sub { @{$_[0]} },
319            filter_code     => sub { shift },
320            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
321            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
322            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
323    #       have_children   => sub { return $l->{"a:".$_[1].":".$_[0]} },
324          have_children   => sub { 0 },          have_children   => sub { 0 },
325          child_code      => sub { 0 },          },{
326            # 9 - level which is never reached except explicitly
327            code_arr        => sub { @{$_[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 { 0 },
333            have_children_at_level => sub { defined($l->{"a:".$_[1].":".$_[0]}) && return (9,$l->{"a:".$_[1].":".$_[0]}) },
334            },{
335  });  });
336    
337  unroll(0,'');  my $tree = new WebPAC::Tree(
338            tree => \@tree,
339  $log->debug("test filter: ",$tree[0]->{'filter_code'}->("root:99"));  );
   
 sub unroll {  
         my ($level,$start_code) = @_;  
   
         $log->logconfess("need level") unless (defined($level));  
   
         # all levels passed?  
         return if (! defined($tree[$level]));  
   
         $log->debug("unroll level $level, start code $start_code");  
   
         foreach my $code ($tree[$level]->{'code_arr'}->($start_code)) {  
   
                 if ($code = $tree[$level]->{'filter_code'}->($code)) {  
                   
                         $log->debug("# $level filter passed code $code");  
   
                         my $v900 = $tree[$level]->{'lookup_v900'}->($code) || $log->logdie("can't lookup_v900 '$code'");  
                         $log->debug("# $level lookup_v900($code) = $v900");  
                         my $term = $tree[$level]->{'lookup_term'}->($code,$v900) || $log->logdie("can't lookup_term '$v900'");  
                         $log->debug("# $level lookup_term($code,$v900) = $term");  
                         my $mfn  = $tree[$level]->{'lookup_mfn'}->($code,$v900)  || $log->logdie("can't lookup_mfn '$v900'");  
                         $log->debug("# $level lookup_mfn($code,$v900) = $mfn");  
   
                         $log->debug("$code -> $v900 : $term [$mfn]");  
   
                         print HTML " " x $level .  
                                 qq{<li><a href="#mfn$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");  
   
                         unless ($tree[$level]->{'have_children'}->($code,$v900)) {  
                                 $log->warn("can't find children of $code at level $level");  
                                 next;  
                         }  
                           
                         print HTML " " x $level .  
                                 qq{<a name="mfn$mfn"></a>\n <ul id="mfn$mfn"}.  
                                 ($tree[$level]->{'style'} ? ' style="'.$tree[$level]->{'style'}.'"' : '').  
                                 qq{>\n};  
340    
341                          unroll($level+1, $tree[$level]->{'child_code'}->($code,$v900));  $tree->output(
342                                    dir => './out',
343                          print HTML " " x $level . qq{</ul>\n};          html => 'browse.html',
344            template => './output_template/tree.tt',
345            js => 'tree-ids.js',
346    );
347    
348                  }  $tree->output(
349          }          dir => './eurovoc',
350  }          html => 'hijerarhija.html',
351            template => './output_template/hijerarhija.tt',
352            js => 'tree-ids.js',
353    );
354    
 print HTML qq{  
 </ul>  
 </body>  
 </html>  
 };  
355    
356    $log->info("closing index");
357  $index->close;  $index->close;
358    
359  $log->info("elapsed time: ",$webpac->fmt_time(time() - $webpac->{'start_t'}));  $log->info("elapsed time: ",$webpac->fmt_time(time() - $webpac->{'start_t'}));
Legend:
Removed from v.424  
changed lines
  Added in v.549
  ViewVC Help
Powered by ViewVC 1.1.26