/[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 501 by dpavlin, Sun Oct 10 11:25:10 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 {  
   
         use xmlify;  
   
         my $row = shift @_;  
   
         my $xml;  
         $xml .= xmlify('db_dir',$db_dir);       # FIX remove?  
   
         use parse_format;  
   
4    
5          foreach my $field (keys %{$config->{indexer}}) {  all2all.pl - basic script for all WebPAC needs
6    
7                  my $swish_data = "";  =cut
                 my $display_data = "";  
                 my $index_data = "";  
8    
9                  foreach my $x (@{$config->{indexer}->{$field}->{isis}}) {  use strict;
10    use locale;
11    use YAML;
12    use Carp;
13    use Getopt::Long;
14    
15    use lib './lib';
16    use WebPAC;
17    use WebPAC::jsFind;
18    use WebPAC::Index;
19    use WebPAC::Tree;
20    
21    # options which can be changed via command line
22    #
23    my $code_page = 'ISO-8859-2';
24    my ($limit_mfn, $start_mfn, $debug, $low_mem);
25    my $index_path = './out/index';
26    
27    my $result = GetOptions(
28            "code_page=s"   => \$code_page,
29            "limit_mfn=i"   => \$limit_mfn,
30            "start_mfn=i"   => \$start_mfn,
31            "debug!"        => \$debug,
32            "low_mem!"      => \$low_mem,
33    );
34    
35    my $filter = {
36            'CROVOC' => sub {
37                    my $tmp = shift || return;
38                    return undef unless ($tmp =~ s/\s+CROVOC.*$/ */);
39                    return $tmp;
40            },
41            'CROVOC_tree' => sub {
42                    my $tmp = shift || return;
43                    $tmp =~ s/\s+CROVOC.*$/ */;
44                    $tmp =~ s/\s+EUROVOC.*//;
45                    return $tmp;
46            },
47    };
48    
49    # create WebPAC object
50    #
51    my $webpac = new WebPAC(
52            code_page => $code_page,
53            limit_mfn => $limit_mfn,
54            start_mfn => $start_mfn,
55            debug => $debug,
56            low_mem => $low_mem,
57            filter => $filter,
58    ) || die;
59    
60    my $log = $webpac->_get_logger() || die "can't get logger";
61    
62    $log->debug("creating WebPAC::jsFind object");
63    
64    my $index = new WebPAC::jsFind(
65            index_path => $index_path,
66            keys => 10,
67    ) || die;
68    
69                          my $format = $x->{content};  my $thes;
                         my ($s,$d,$i) = (1,1,0);        # swish, display default  
                         $s = 0 if (lc($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";    
70    
71                          $format = $cludge_codepage->convert($format);  $|=1;
                         my ($swish,$display) = parse_format($format,$row);  
 #print STDERR "s: $swish\nd: $display\n" if ($swish);  
72    
73  #print STDERR "swish: $swish<-- display: $display<--\n";  my $maxmfn = $webpac->open_isis(
74                          # FIX: this is ugly, UGLY, cludge: OpenIsis return          filename => shift @ARGV || '/data/hidra/THS/THS',
75                          # UTF8 encoding of strings, but as if source charset          lookup => [
76                          # is ISO8859-1 and not some other. This breaks our          { 'key' => 'd:v900', 'val' => 'filter{CROVOC_tree}v250^a v800' },
77                          # isis character encoding, so we convert it first  #       { 'eval' => '"v901^a" eq "Područje"', 'key' => 'pa:v561^4:v562^4:v461^1', 'val' => 'v900' },
78                          # back to ISO8859-1 (which can actually be different  #       { 'eval '=> '"v901^a" eq "Mikrotezaurus"', 'key' => 'a:v561^4:v562^4:v461^1', 'val' => 'v900' },
79                          # encoding in isis)  #       { 'eval' => '"v901^a" eq "Deskriptor"', 'key' => 'a:v561^4:v562^4:v461^1', 'val' => 'v900' },
80            { 'key' => 'a:v561^4:v562^4:v461^1', 'val' => 'v900' },
81            { 'key' => '900_mfn:v900', 'val' => 'v000' },
82            # tree structure
83            { 'eval' => 'length("v251") == 2 && "v800" =~ m/EUROVOC/ || "v800" =~ m/CROVOC/ && "v251" =~ m/^(H|HD|L|Z|P)$/', 'key' => 'root:v251', 'val' => 'v900' },
84            { 'eval' => '"v251"', 'key' => 'code:v900', 'val' => 'v561^4:v251' },
85            { 'eval' => '"v561^4" && "v562^4"', 'key' => 'code:v900', 'val' => 'v561^4:v562^4' },
86            ],
87    );
88    
89    $log->debug("isis file ",$webpac->{'isis_filename'}," opened");
90    
91    $log->info("rows: $maxmfn");
92    
93    $webpac->open_import_xml(type => 'isis_hidra_ths');
94    
95    if(1) { # XXX
96    
97    while (my $rec = $webpac->fetch_rec) {
98    
99            my @ds = $webpac->data_structure($rec);
100    
101            if (0 && $log->is_debug) {
102                    $log->debug("rec = ",Dump($rec));
103                    $log->debug("ds = ",Dump(\@ds));
104            }
105    
106                          $swish_data .= $swish if ($s && $swish);          next if (! @ds);
                         $display_data .= $display if ($d && $display);  
                         $index_data .= $display if ($i && $display);  
                 }  
107    
108  #print STDERR "s_d: $swish_data\nd_d: $display_data\n" if ($swish_data);          my $filename = $webpac->{'current_filename'} || $log->logdie("no current_filename in webpac object");
                 if ($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},$swish_data));  
                 }  
109    
110                  # index          if ($filename) {
111                  if ($index_data && $index_data ne "") {                  $webpac->output_file(
112                          $index_data = $index_codepage->convert($index_data) || $index_data;                          file => $filename,
113                          $index->insert($field, $index_data, $db_dir);                          template => 'html.tt',
114                  }                          data => \@ds,
115                            headline => $webpac->{'headline'},
116          }                  );
         if ($xml) {  
 #print STDERR "x: $xml\n";  
                 return "<xml>\n$xml</xml>\n";  
117          } else {          } else {
118                  return;                  print $webpac->output(
119                            template => 'text.tt',
120                            data => \@ds,
121                            headline => $webpac->{'headline'},
122                    );
123          }          }
 }  
   
 ##########################################################################  
124    
125  my $last_tell=0;          my $headline = $webpac->{'headline'};
126    
127  my @isis_dirs = ( '.' );        # use dirname as database name          my $f = $filename;
128            $f =~ s!out/!!;
129    
130  if ($opts{m}) {          # save into index
131          @isis_dirs = split(/,/,$opts{m});          foreach my $ds (@ds) {
132  }                  next if (! $ds->{'swish'});
133    
134  my @isis_dbs;                  # strip all non word characters from beginning or end
135                    # of word
136  foreach (@isis_dirs) {                  my $words = join(" ",@{$ds->{'swish'}});
137          if (-e $config->{isis_data}."/$db_dir/$_/LIBRI") {                  $words =~ s/^\W+//;
138                  push @isis_dbs,$config->{isis_data}."/$db_dir/$_/LIBRI/LIBRI";                  $words =~ s/\W*\s+\W*/ /g;
139          }                  $words =~ s/\W+$//;
140          if (-e $config->{isis_data}."/$db_dir/$_/PERI") {  
141                  push @isis_dbs,$config->{isis_data}."/$db_dir/$_/PERI/PERI";                  $index->insert(
142                            index_name => $ds->{'tag'},
143                            #path => $f,
144                            path => $webpac->mfn,
145                            headline => $headline,
146                            words => $words,
147                    );
148          }          }
         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";  
         }  
 }  
149    
150  print STDERR "FATAL: Can't find isis database.\nPerhaps isis_data (".$config->{isis_data}.") has wrong value?\n" if (! @isis_dbs);          # save into sorted index (thesaurus)
151            foreach my $ds (@ds) {
152                    next if (! $ds->{'index'});
153    
154                    $thes->{$ds->{'tag'}} ||= new WebPAC::Index;
155    
156                    foreach my $h (@{$ds->{'index'}}) {
157                            $thes->{$ds->{'tag'}}->insert(
158                                    headline => $h,
159                                    mfn => $webpac->mfn,
160                            );
161                    }
162            }
163    
164  my $db;  #       print Dump(\@ds);
165    
166  foreach my $isis_db (@isis_dbs) {  }
167    
168    foreach my $t (keys %{$thes}) {
169    
170          my $db = OpenIsis::open( $isis_db );          my @e = $thes->{$t}->elements;
171          if (0) {          if (! @e) {
172  #       # FIX                  $log->logwarn("no elements in sorted index $t?");
173  #       if (! $db ) {                  next;
                 print STDERR "WARNING: can't open '$isis_db'\n";  
                 next ;  
174          }          }
175    
176          my $max_rowid = OpenIsis::maxRowid( $db );          my $file = "./out/bfilter/$t.txt";
177            $log->info("saving sorted index $t to '$file' [".scalar(@e)." elements]");
         print STDERR "Reading database: $isis_db [$max_rowid rows]\n";  
178    
179          my $path = $isis_db;          $webpac->output_file(
180          $path =~ s#$config->{isis_data}/*##g;                  file => $file,
181                    template => 'index.tt',
182          my $last_p = 0;                  data => \@e,
183                    index_name => $t,
184  #       { my $row_id = 4514;          );
185  # 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;  
                         }  
186    
187                          if (my $xml = isis2xml($row)) {  if (0 && $log->is_debug) {
188  #print STDERR "--ret-->$xml\n";          $log->debug("lookup hash: ",Dump($webpac->{'lookup'}));
189                                  print "Path-Name: $path#".int($row->{mfn})."\n";          $log->debug("data hash: ",Dump($webpac->{'data'}));
190                                  print "Content-Length: ".(length($xml)+1)."\n";          foreach my $t (keys %{$thes}) {
191                                  print "Document-Type: XML\n\n$xml\n";                  $log->debug("thesaurus $t hash: ",Dump($thes->{$t}));
                         }  
                 }  
192          }          }
         print STDERR "\n";  
193  }  }
194    
195  # call this to commit index  } # XXX if(0)
 $index->close;  
   
 1;  
 __END__  
 ##########################################################################  
   
 =head1 NAME  
196    
197  isis2xml.pl - read isis file and dump XML  $log->debug("lookup hash: ",Dump($webpac->{'lookup'}));
198    
199  =head1 DESCRIPTION  $log->info("creating tree");
200    
201  This command will read ISIS data file using OpenIsis perl module and  #
202  create XML file for usage with I<SWISH-E>  # define tree structure
203  indexer. Dispite it's name, this script B<isn't general xml generator>  #
204  from isis files (isis allready has something like that). Output of this  
205  script is tailor-made for SWISH-E.  my $l = $webpac->{'lookup'} || $log->logconfess("can't find lookup");
206    
207    my @tree = ({
208            # level 0
209            code_arr        => sub { sort keys %{$l} },
210            filter_code     => sub {
211                                            my $t = shift;
212                                            return $t if ($t =~ s/root://);
213                                    },
214            lookup_v900     => sub { shift @{$l->{"root:".$_[0]}} },
215            lookup_term     => sub { shift @{$l->{"d:".$_[1]}} },
216            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[1]}} },
217            have_children   => sub { return $l->{"a:".$_[0]."::"} },
218            have_children_at_level => sub {
219                                    return unless (defined($l->{"code:".$_[1]}));
220                                    my $code = shift @{$l->{"code:".$_[1]}};
221                                    print STDERR "## $_[1] -> $code\n";
222                                    return undef unless($code);
223                                    return(9, $l->{"a:$code:"} ) if (defined($l->{"a:$code:"}));
224                            },
225            style           => 'display: none',
226            },{
227            # 1
228            code_arr        => sub { @{$_[0]} },
229            filter_code     => sub { shift },       # nop
230            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
231            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
232            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
233            have_children   => sub { return $l->{"a:".$_[1].":"} },
234            style           => 'display: none',
235            },{
236            # 2
237            code_arr        => sub { @{$_[0]} },
238            filter_code     => sub { shift },
239            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
240            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
241            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
242            have_children   => sub { return $l->{"a:".$_[1].":".$_[0]} },
243            #style          => 'display: none',
244            },{
245            # 3 uži pojam
246            code_arr        => sub { @{$_[0]} },
247            filter_code     => sub { shift },
248            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
249            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
250            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
251            have_children   => sub { return $l->{"a:".$_[1].":".$_[0]} },
252            },{
253            # 4
254            code_arr        => sub { @{$_[0]} },
255            filter_code     => sub { shift },
256            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
257            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
258            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
259            have_children   => sub { return $l->{"a:".$_[1].":".$_[0]} },
260            },{
261            # 5
262            code_arr        => sub { @{$_[0]} },
263            filter_code     => sub { shift },
264            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
265            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
266            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
267            have_children   => sub { return $l->{"a:".$_[1].":".$_[0]} },
268            },{
269            # 6
270            code_arr        => sub { @{$_[0]} },
271            filter_code     => sub { shift },
272            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
273            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
274            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
275            have_children   => sub { return $l->{"a:".$_[1].":".$_[0]} },
276            },{
277            # 7
278            code_arr        => sub { @{$_[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].":".$_[0]} },
284            },{
285            # 8
286            code_arr        => sub { @{$_[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].":".$_[0]} },
292            have_children   => sub { 0 },
293            },{
294            # 9 - level which is never reached except explicitly
295            code_arr        => sub { @{$_[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 { 0 },
301            have_children_at_level => sub { defined($l->{"a:".$_[1].":".$_[0]}) && return (9,$l->{"a:".$_[1].":".$_[0]}) },
302            },{
303    });
304    
305    my $tree = new WebPAC::Tree(
306            dir => './out',
307            html => 'browse.html',
308            template => './output_template/tree.tt',
309            js => 'tree-ids.js',
310            tree => \@tree,
311    );
312    
313  =head1 AUTHOR  $log->info("closing index");
314    $index->close;
 Dobrica Pavlinusic <dpavlin@rot13.org>  
   
 =head1 COPYRIGHT  
   
 GNU Public License (GPL) v2 or later  
   
 =head1 SEE ALSO  
   
 SWISH-E web site at http://www.swish-e.org  
315    
316  =cut  $log->info("elapsed time: ",$webpac->fmt_time(time() - $webpac->{'start_t'}));
Legend:
Removed from v.10  
changed lines
  Added in v.501
  ViewVC Help
Powered by ViewVC 1.1.26