/[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 425 by dpavlin, Sat Sep 11 23:32:41 2004 UTC revision 560 by dpavlin, Sat Oct 30 23:04:37 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.*$/ #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                    $tmp =~ s/\s*CROVOC.*$/ #C#/;
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                    return $tmp;
56            }
57    };
58    
59    ## remove accented characters
60    #
61    sub unac {
62            my $string = shift || return;
63            $string = unac_string($code_page,$string);
64            $string =~ tr/đĐ/dD/;
65            $string = unac_entities($string);
66            return $string;
67    }
68    sub unac_2 {
69            my $string = shift || return;
70            if (length($string) > 2) {
71                    my $pr = substr($string,0,2);
72                    $string = unac_string($code_page,substr($string,2));
73                    $string =~ tr/đĐ/dD/;
74                    $string = $pr . $string;
75            }
76            $string = unac_entities($string);
77            return lc($string);
78    }
79    
80    sub unac_entities {
81            my $ent = shift || return;
82    
83            $ent =~ s/&(\w)(acute|cedil|circ|grave|ring|slash|tilde|uml);/$1/gi;
84            $ent =~ s/&eth;/d/g;
85            $ent =~ s/&E[tT][hH];/D/g;
86            $ent =~ s/&(\w\w)lig;/$1/gi;
87    
88            return $ent;
89    }
90    
91    # create WebPAC object
92    #
93  my $webpac = new WebPAC(  my $webpac = new WebPAC(
94          code_page => 'ISO-8859-2',          code_page => $code_page,
95          limit_mfn => 500,          limit_mfn => $limit_mfn,
96  #       debug => 1,          start_mfn => $start_mfn,
97  #       low_mem => 1,          debug => $debug,
98            low_mem => $low_mem,
99            filter => $filter,
100  ) || die;  ) || die;
101    
102  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 104  my $log = $webpac->_get_logger() || die
104  $log->debug("creating WebPAC::jsFind object");  $log->debug("creating WebPAC::jsFind object");
105    
106  my $index = new WebPAC::jsFind(  my $index = new WebPAC::jsFind(
107          index_path => './out/index',          index_path => $index_path,
108          keys => 10,          keys => 62,
109  ) || die;  ) || die;
110    
111  my $thes;  my $thes;
# Line 38  $|=1; Line 115  $|=1;
115  my $maxmfn = $webpac->open_isis(  my $maxmfn = $webpac->open_isis(
116          filename => shift @ARGV || '/data/hidra/THS/THS',          filename => shift @ARGV || '/data/hidra/THS/THS',
117          lookup => [          lookup => [
118          { 'key' => 'd:v900', 'val' => 'v250^a' },          { 'key' => 'd:v900', 'val' => 'filter{CROVOC_tree}v250^a v800' },
119  #       { 'eval' => '"v901^a" eq "Područje"', 'key' => 'pa:v561^4:v562^4:v461^1', 'val' => 'v900' },  #       { 'eval' => '"v901^a" eq "Područje"', 'key' => 'pa:v561^4:v562^4:v461^1', 'val' => 'v900' },
120  #       { 'eval '=> '"v901^a" eq "Mikrotezaurus"', 'key' => 'a:v561^4:v562^4:v461^1', 'val' => 'v900' },  #       { 'eval '=> '"v901^a" eq "Mikrotezaurus"', 'key' => 'a:v561^4:v562^4:v461^1', 'val' => 'v900' },
121  #       { 'eval' => '"v901^a" eq "Deskriptor"', 'key' => 'a:v561^4:v562^4:v461^1', 'val' => 'v900' },  #       { 'eval' => '"v901^a" eq "Deskriptor"', 'key' => 'a:v561^4:v562^4:v461^1', 'val' => 'v900' },
122          { 'key' => 'a:v561^4:v562^4:v461^1', 'val' => 'v900' },          { 'key' => 'a:v561^4:v562^4:v461^1', 'val' => 'v900' },
123          { 'key' => '900_mfn:v900', 'val' => 'v000' },          { 'key' => '900_mfn:v900', 'val' => 'v000' },
124          # tree structure          # tree structure
125          { 'eval' => 'length("v251") == 2', 'key' => 'root:v251', 'val' => 'v900' },          { 'eval' => 'length("v251") == 2 && "v800" =~ m/EUROVOC/ || "v800" =~ m/CROVOC/ && "v251" =~ m/^(H|HD|L|Z|P)$/', 'key' => 'root:v251', 'val' => 'v900' },
126          { 'eval' => '"v251"', 'key' => 'code:v900', 'val' => 'v561^4:v251' },          { 'eval' => '"v251"', 'key' => 'code:v900', 'val' => 'v561^4:v251' },
127            { 'eval' => '"v561^4" && "v562^4"', 'key' => 'code:v900', 'val' => 'v561^4:v562^4' },
128          ],          ],
129  );  );
130    
# Line 63  while (my $rec = $webpac->fetch_rec) { Line 141  while (my $rec = $webpac->fetch_rec) {
141          my @ds = $webpac->data_structure($rec);          my @ds = $webpac->data_structure($rec);
142    
143          if (0 && $log->is_debug) {          if (0 && $log->is_debug) {
144                  $log->debug("rec = ",Dumper($rec));                  $log->debug("rec = ",Dump($rec));
145                  $log->debug("ds = ",Dumper(\@ds));                  $log->debug("ds = ",Dump(\@ds));
146          }          }
147    
148          next if (! @ds);          next if (! @ds);
# Line 95  while (my $rec = $webpac->fetch_rec) { Line 173  while (my $rec = $webpac->fetch_rec) {
173          foreach my $ds (@ds) {          foreach my $ds (@ds) {
174                  next if (! $ds->{'swish'});                  next if (! $ds->{'swish'});
175    
176                    # strip all non word characters from beginning or end
177                    # of word
178                    my $words = join(" ",@{$ds->{'swish'}});
179                    $words =~ s/^\W+//;
180                    $words =~ s/\W*\s+\W*/ /g;
181                    $words =~ s/\W+$//;
182    
183                    # first try to generate headline for this entry from index
184                    my $h = $ds->{'index'}->[0];
185                    # then, from display
186                    $h ||= $ds->{'display'}->[0];
187                    # and as last resport, fallback to headline
188                    $h ||= $headline;
189    
190                  $index->insert(                  $index->insert(
191                          index_name => $ds->{'tag'},                          index_name => $ds->{'tag'},
192                          path => $f,                          #path => $f,
193                          headline => $headline,                          path => $webpac->mfn,
194                          words => join(" ",@{$ds->{'swish'}})                          headline => $h,
195                            words => unac($words),
196                  );                  );
197          }          }
198    
# Line 107  while (my $rec = $webpac->fetch_rec) { Line 200  while (my $rec = $webpac->fetch_rec) {
200          foreach my $ds (@ds) {          foreach my $ds (@ds) {
201                  next if (! $ds->{'index'});                  next if (! $ds->{'index'});
202    
203                  $thes->{$ds->{'tag'}} ||= new WebPAC::Index;                  $thes->{$ds->{'tag'}} ||= new WebPAC::Index( name => $ds->{'tag'} );
204    
205                  foreach my $h (@{$ds->{'index'}}) {                  foreach my $h (@{$ds->{'index'}}) {
206                          $thes->{$ds->{'tag'}}->insert(                          $thes->{$ds->{'tag'}}->insert(
207                                  path => $f,                                  sort_by => unac_2($h),
208                                    mfn => $webpac->mfn,
209                                  headline => $h,                                  headline => $h,
210                          );                          );
211                  }                  }
212          }          }
213    
214  #       print Dumper(\@ds);  #       print Dump(\@ds);
215    
216  }  }
217    
# Line 141  foreach my $t (keys %{$thes}) { Line 235  foreach my $t (keys %{$thes}) {
235  }  }
236    
237  if (0 && $log->is_debug) {  if (0 && $log->is_debug) {
238          $log->debug("lookup hash: ",Dumper($webpac->{'lookup'}));          $log->debug("lookup hash: ",Dump($webpac->{'lookup'}));
239          $log->debug("data hash: ",Dumper($webpac->{'data'}));          $log->debug("data hash: ",Dump($webpac->{'data'}));
240          foreach my $t (keys %{$thes}) {          foreach my $t (keys %{$thes}) {
241                  $log->debug("thesaurus $t hash: ",Dumper($thes->{$t}));                  $log->debug("thesaurus $t hash: ",Dump($thes->{$t}));
242          }          }
243  }  }
244    
245  } # XXX if(0)  } # XXX if(0)
246    
247  $log->info("lookup hash: ",Dumper($webpac->{'lookup'}));  #$log->debug("lookup hash: ",Dump($webpac->{'lookup'}));
248    
249    $log->info("creating tree");
250    
251  #  #
252  # tree dump implementation which shouldn't be here :-)  # define tree structure
253  #  #
254    
 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>  
 };  
   
255  my $l = $webpac->{'lookup'} || $log->logconfess("can't find lookup");  my $l = $webpac->{'lookup'} || $log->logconfess("can't find lookup");
256    
257  my @tree = ({  my @tree = ({
# Line 182  my @tree = ({ Line 264  my @tree = ({
264          lookup_v900     => sub { shift @{$l->{"root:".$_[0]}} },          lookup_v900     => sub { shift @{$l->{"root:".$_[0]}} },
265          lookup_term     => sub { shift @{$l->{"d:".$_[1]}} },          lookup_term     => sub { shift @{$l->{"d:".$_[1]}} },
266          lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[1]}} },          lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[1]}} },
267          have_children   => sub { $l->{"a:".$_[0]."::" } },          have_children   => sub { return $l->{"a:".$_[0]."::"} },
268          child_code      => sub { return $_[0] },          have_children_at_level => sub {
269                                    return unless (defined($l->{"code:".$_[1]}));
270                                    my $code = shift @{$l->{"code:".$_[1]}};
271                                    print STDERR "## $_[1] -> $code\n";
272                                    return undef unless($code);
273                                    return(9, $l->{"a:$code:"} ) if (defined($l->{"a:$code:"}));
274                            },
275          style           => 'display: none',          style           => 'display: none',
276          },{          },{
277          # 1          # 1
278          code_arr        => sub { @{$l->{"a:".$_[0]."::"}} },          code_arr        => sub { @{$_[0]} },
279          filter_code     => sub { shift },       # nop          filter_code     => sub { shift },       # nop
280          lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },          lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
281          lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },          lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
282          lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },          lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
283          have_children   => sub { $l->{"a:".$_[1].":" } },          have_children   => sub { return $l->{"a:".$_[1].":"} },
         child_code      => sub { return $_[1] },  
284          style           => 'display: none',          style           => 'display: none',
285          },{          },{
286          # 2          # 2
287          code_arr        => sub { @{$l->{"a:".$_[0].":"}} },          code_arr        => sub { @{$_[0]} },
288          filter_code     => sub { shift },          filter_code     => sub { shift },
289          lookup_v900     => sub { shift },          lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
290          lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },          lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
291          lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },          lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
292          have_children   => sub { $l->{"a:".$_[2].":".$_[1]} },          have_children   => sub { return $l->{"a:".$_[1].":".$_[0]} },
293          child_code      => sub { return "a:".$_[2].":".$_[1] },          #style          => 'display: none',
         style           => 'display: none',  
294          },{          },{
295          # 3 uži pojam          # 3 uži pojam
296          code_arr        => sub { @{$l->{$_[0]}} },          code_arr        => sub { @{$_[0]} },
297          filter_code     => sub { shift },          filter_code     => sub { shift },
298          lookup_v900     => sub { shift },          lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
299          lookup_term     => sub { shift @{$l->{"d:".$_[1]}} },          lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
300          lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[1]}} },          lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
301            have_children   => sub { return $l->{"a:".$_[1].":".$_[0]} },
302            },{
303            # 4
304            code_arr        => sub { @{$_[0]} },
305            filter_code     => sub { shift },
306            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
307            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
308            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
309            have_children   => sub { return $l->{"a:".$_[1].":".$_[0]} },
310            },{
311            # 5
312            code_arr        => sub { @{$_[0]} },
313            filter_code     => sub { shift },
314            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
315            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
316            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
317            have_children   => sub { return $l->{"a:".$_[1].":".$_[0]} },
318            },{
319            # 6
320            code_arr        => sub { @{$_[0]} },
321            filter_code     => sub { shift },
322            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
323            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
324            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
325            have_children   => sub { return $l->{"a:".$_[1].":".$_[0]} },
326            },{
327            # 7
328            code_arr        => sub { @{$_[0]} },
329            filter_code     => sub { shift },
330            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
331            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
332            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
333            have_children   => sub { return $l->{"a:".$_[1].":".$_[0]} },
334            },{
335            # 8
336            code_arr        => sub { @{$_[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 { return $l->{"a:".$_[1].":".$_[0]} },
342            have_children   => sub { 0 },
343            },{
344            # 9 - level which is never reached except explicitly
345            code_arr        => sub { @{$_[0]} },
346            filter_code     => sub { shift },
347            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
348            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
349            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
350          have_children   => sub { 0 },          have_children   => sub { 0 },
351          child_code      => sub { 0 },          have_children_at_level => sub { defined($l->{"a:".$_[1].":".$_[0]}) && return (9,$l->{"a:".$_[1].":".$_[0]}) },
352            },{
353  });  });
354    
355  unroll(0,'');  my $tree = new WebPAC::Tree(
356            tree => \@tree,
357  $log->debug("test filter: ",$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]");  
   
           
                         my $have_children = $tree[$level]->{'have_children'}->($code,$v900,$start_code);  
   
                         my ($link_start,$link_end) = ('','');  
   
                         ($link_start,$link_end) = (qq{<a href="#mfn$mfn" onClick="return hide_show('mfn$mfn');">},qq{</a>}) if ($have_children);  
   
                         my $mfn_link = "thes/$mfn.html";  
                         if (-e "out/$mfn_link") {  
                                 print HTML " " x $level .  
                                         qq{<li>${link_start}${term}${link_end}}.  
                                         qq{&nbsp;<a href="$mfn_link">&raquo;</a></li>\n};  
                         } else {  
                                 $log->warn("file 'out/$mfn_link' doesn't exist, skipping");  
                         }  
   
                         unless ($have_children) {  
                                 $log->warn("doesn't have_children($code,$v900,$start_code)");  
                                 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};  
   
                         unroll($level+1, $tree[$level]->{'child_code'}->($code,$v900,$start_code));  
                           
                         print HTML " " x $level . qq{</ul>\n};  
358    
359                  }  $tree->output(
360          }          dir => './out',
361  }          html => 'browse.html',
362            template => './output_template/tree.tt',
363            js => 'tree-ids.js',
364    );
365    
366  print HTML qq{  $tree->output(
367  </ul>          dir => './eurovoc',
368  </body>          html => 'hijerarhija.html',
369  </html>          template => './output_template/hijerarhija.tt',
370  };          js => 'tree-ids.js',
371    );
372    
 close(HTML);  
373    
374    $log->info("closing index");
375  $index->close;  $index->close;
376    
377  $log->info("elapsed time: ",$webpac->fmt_time(time() - $webpac->{'start_t'}));  $log->info("elapsed time: ",$webpac->fmt_time(time() - $webpac->{'start_t'}));
Legend:
Removed from v.425  
changed lines
  Added in v.560
  ViewVC Help
Powered by ViewVC 1.1.26