/[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 422 by dpavlin, Sat Sep 11 08:36:38 2004 UTC revision 546 by dpavlin, Tue Oct 26 18:59:38 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 . $string;
65            }
66            return lc($string);
67    }
68    
69    # create WebPAC object
70    #
71  my $webpac = new WebPAC(  my $webpac = new WebPAC(
72          code_page => 'ISO-8859-2',          code_page => $code_page,
73  #       limit_mfn => 100,          limit_mfn => $limit_mfn,
74  #       debug => 1,          start_mfn => $start_mfn,
75          low_mem => 1,          debug => $debug,
76            low_mem => $low_mem,
77            filter => $filter,
78  ) || die;  ) || die;
79    
80  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 82  my $log = $webpac->_get_logger() || die
82  $log->debug("creating WebPAC::jsFind object");  $log->debug("creating WebPAC::jsFind object");
83    
84  my $index = new WebPAC::jsFind(  my $index = new WebPAC::jsFind(
85          index_path => './out/index',          index_path => $index_path,
86          keys => 10,          keys => 10,
87  ) || die;  ) || die;
88    
# Line 38  $|=1; Line 93  $|=1;
93  my $maxmfn = $webpac->open_isis(  my $maxmfn = $webpac->open_isis(
94          filename => shift @ARGV || '/data/hidra/THS/THS',          filename => shift @ARGV || '/data/hidra/THS/THS',
95          lookup => [          lookup => [
96          { 'key' => 'd:v900', 'val' => 'v250^a' },          { 'key' => 'd:v900', 'val' => 'filter{CROVOC_tree}v250^a v800' },
97  #       { 'eval' => '"v901^a" eq "Područje"', 'key' => 'pa:v561^4:v562^4:v461^1', 'val' => 'v900' },  #       { 'eval' => '"v901^a" eq "Područje"', 'key' => 'pa:v561^4:v562^4:v461^1', 'val' => 'v900' },
98  #       { 'eval '=> '"v901^a" eq "Mikrotezaurus"', 'key' => 'a:v561^4:v562^4:v461^1', 'val' => 'v900' },  #       { 'eval '=> '"v901^a" eq "Mikrotezaurus"', 'key' => 'a:v561^4:v562^4:v461^1', 'val' => 'v900' },
99  #       { 'eval' => '"v901^a" eq "Deskriptor"', 'key' => 'a:v561^4:v562^4:v461^1', 'val' => 'v900' },  #       { 'eval' => '"v901^a" eq "Deskriptor"', 'key' => 'a:v561^4:v562^4:v461^1', 'val' => 'v900' },
100          { 'key' => 'a:v561^4:v562^4:v461^1', 'val' => 'v900' },          { 'key' => 'a:v561^4:v562^4:v461^1', 'val' => 'v900' },
101          { 'key' => '900_mfn:v900', 'val' => 'v000' },          { 'key' => '900_mfn:v900', 'val' => 'v000' },
102          # tree structure          # tree structure
103          { 'eval' => 'length("v251") == 2', 'key' => 'root:v251', 'val' => 'v900' },          { 'eval' => 'length("v251") == 2 && "v800" =~ m/EUROVOC/ || "v800" =~ m/CROVOC/ && "v251" =~ m/^(H|HD|L|Z|P)$/', 'key' => 'root:v251', 'val' => 'v900' },
104          { 'eval' => '"v251"', 'key' => 'code:v900', 'val' => 'v561^4:v251' },          { 'eval' => '"v251"', 'key' => 'code:v900', 'val' => 'v561^4:v251' },
105            { 'eval' => '"v561^4" && "v562^4"', 'key' => 'code:v900', 'val' => 'v561^4:v562^4' },
106          ],          ],
107  );  );
108    
# Line 56  $log->info("rows: $maxmfn"); Line 112  $log->info("rows: $maxmfn");
112    
113  $webpac->open_import_xml(type => 'isis_hidra_ths');  $webpac->open_import_xml(type => 'isis_hidra_ths');
114    
115  $log->debug("data: ",Dumper($webpac->{'data'}));  if(1) { # XXX
116    
117  while (my $rec = $webpac->fetch_rec) {  while (my $rec = $webpac->fetch_rec) {
118    
119          my @ds = $webpac->data_structure($rec);          my @ds = $webpac->data_structure($rec);
120    
121          if (0 && $log->is_debug) {          if (0 && $log->is_debug) {
122                  $log->debug("rec = ",Dumper($rec));                  $log->debug("rec = ",Dump($rec));
123                  $log->debug("ds = ",Dumper(\@ds));                  $log->debug("ds = ",Dump(\@ds));
124          }          }
125    
126          next if (! @ds);          next if (! @ds);
# Line 95  while (my $rec = $webpac->fetch_rec) { Line 151  while (my $rec = $webpac->fetch_rec) {
151          foreach my $ds (@ds) {          foreach my $ds (@ds) {
152                  next if (! $ds->{'swish'});                  next if (! $ds->{'swish'});
153    
154                    # strip all non word characters from beginning or end
155                    # of word
156                    my $words = join(" ",@{$ds->{'swish'}});
157                    $words =~ s/^\W+//;
158                    $words =~ s/\W*\s+\W*/ /g;
159                    $words =~ s/\W+$//;
160    
161                    # first try to generate headline for this entry from index
162                    my $h = $ds->{'index'}->[0];
163                    # then, from display
164                    $h ||= $ds->{'display'}->[0];
165                    # and as last resport, fallback to headline
166                    $h ||= $headline;
167    
168                  $index->insert(                  $index->insert(
169                          index_name => $ds->{'tag'},                          index_name => $ds->{'tag'},
170                          path => $f,                          #path => $f,
171                          headline => $headline,                          path => $webpac->mfn,
172                          words => join(" ",@{$ds->{'swish'}})                          headline => $h,
173                            words => unac($words),
174                  );                  );
175          }          }
176    
# Line 107  while (my $rec = $webpac->fetch_rec) { Line 178  while (my $rec = $webpac->fetch_rec) {
178          foreach my $ds (@ds) {          foreach my $ds (@ds) {
179                  next if (! $ds->{'index'});                  next if (! $ds->{'index'});
180    
181                  $thes->{$ds->{'tag'}} ||= new WebPAC::Index;                  $thes->{$ds->{'tag'}} ||= new WebPAC::Index( name => $ds->{'tag'} );
182    
183                  foreach my $h (@{$ds->{'index'}}) {                  foreach my $h (@{$ds->{'index'}}) {
184                          $thes->{$ds->{'tag'}}->insert(                          $thes->{$ds->{'tag'}}->insert(
185                                  path => $f,                                  sort_by => unac_2($h),
186                                    mfn => $webpac->mfn,
187                                  headline => $h,                                  headline => $h,
188                          );                          );
189                  }                  }
190          }          }
191    
192  #       print Dumper(\@ds);  #       print Dump(\@ds);
193    
194  }  }
195    
# Line 141  foreach my $t (keys %{$thes}) { Line 213  foreach my $t (keys %{$thes}) {
213  }  }
214    
215  if (0 && $log->is_debug) {  if (0 && $log->is_debug) {
216          $log->debug("lookup hash: ",Dumper($webpac->{'lookup'}));          $log->debug("lookup hash: ",Dump($webpac->{'lookup'}));
217          $log->debug("data hash: ",Dumper($webpac->{'data'}));          $log->debug("data hash: ",Dump($webpac->{'data'}));
218          foreach my $t (keys %{$thes}) {          foreach my $t (keys %{$thes}) {
219                  $log->debug("thesaurus $t hash: ",Dumper($thes->{$t}));                  $log->debug("thesaurus $t hash: ",Dump($thes->{$t}));
220          }          }
221  }  }
222    
223  $log->info("lookup hash: ",Dumper($webpac->{'lookup'}));  } # XXX if(0)
   
 #  
 # tree dump implementation which shouldn't be here :-)  
 #  
   
 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"/>  
 </head>  
 <body>  
 <ul>  
 };  
   
 foreach my $code (sort keys %{$webpac->{'lookup'}}) {  
224    
225          my $l = $webpac->{'lookup'} || $log->logconfess("can't find lookup");  #$log->debug("lookup hash: ",Dump($webpac->{'lookup'}));
226    
227          if ($code =~ m/^root:/) {  $log->info("creating tree");
                 my $v900 = shift @{ $l->{$code} } || $log->logconfess("can't lookup '$code'");  
                 $code =~ s/^root:// || die;  
228    
229                  my $term = shift @{ $l->{"d:${v900}"} } || die;  #
230                  my $mfn = shift @{ $l->{"900_mfn:${v900}"} } || die;  # define tree structure
231    #
                 $log->debug("$code -> $v900 : $term [$mfn]");  
   
                 print HTML qq{ <li><a href="thes/$mfn.html">$term</a></li>\n} if (-e "out/thes/$mfn.html");  
   
                 unless ($l->{"a:${code}::"}) {  
                         $log->warn("can't find 'a:${code}::'");  
                         next;  
                 }  
   
                 print HTML qq{ <ul>\n};  
   
                 foreach my $l2_v900 (@{ $l->{"a:${code}::"} }) {  
                           
                         my $l2_code = shift @{ $l->{"code:${l2_v900}"} } || die;  
                         my $l2_term = shift @{ $l->{"d:$l2_v900"} } || die;  
                         my $l2_mfn = shift @{ $l->{"900_mfn:${l2_v900}"} } || die;  
   
                         $log->debug("$l2_code -> $l2_v900 : $l2_term [$l2_mfn]");  
   
                         print HTML qq{  <li><a href="thes/$l2_mfn.html">$l2_term</a></li>\n} if (-e "out/thes/$l2_mfn.html");  
                           
                         unless ($l->{"a:${l2_code}:"}) {  
                                 $log->warn("can't find 'a:${l2_code}:'");  
                                 next;  
                         }  
   
                         print HTML qq{  <ul>\n};  
232    
233                          foreach my $l3_v900 (@{ $l->{"a:${l2_code}:"} }) {  my $l = $webpac->{'lookup'} || $log->logconfess("can't find lookup");
234    
235                                  my $l3_term = shift @{ $l->{"d:$l3_v900"} } || die;  my @tree = ({
236                                  my $l3_mfn = shift @{ $l->{"900_mfn:${l3_v900}"} } || die;          # level 0
237            code_arr        => sub { sort keys %{$l} },
238            filter_code     => sub {
239                                            my $t = shift;
240                                            return $t if ($t =~ s/root://);
241                                    },
242            lookup_v900     => sub { shift @{$l->{"root:".$_[0]}} },
243            lookup_term     => sub { shift @{$l->{"d:".$_[1]}} },
244            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[1]}} },
245            have_children   => sub { return $l->{"a:".$_[0]."::"} },
246            have_children_at_level => sub {
247                                    return unless (defined($l->{"code:".$_[1]}));
248                                    my $code = shift @{$l->{"code:".$_[1]}};
249                                    print STDERR "## $_[1] -> $code\n";
250                                    return undef unless($code);
251                                    return(9, $l->{"a:$code:"} ) if (defined($l->{"a:$code:"}));
252                            },
253            style           => 'display: none',
254            },{
255            # 1
256            code_arr        => sub { @{$_[0]} },
257            filter_code     => sub { shift },       # nop
258            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
259            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
260            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
261            have_children   => sub { return $l->{"a:".$_[1].":"} },
262            style           => 'display: none',
263            },{
264            # 2
265            code_arr        => sub { @{$_[0]} },
266            filter_code     => sub { shift },
267            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
268            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
269            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
270            have_children   => sub { return $l->{"a:".$_[1].":".$_[0]} },
271            #style          => 'display: none',
272            },{
273            # 3 uži pojam
274            code_arr        => sub { @{$_[0]} },
275            filter_code     => sub { shift },
276            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
277            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
278            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
279            have_children   => sub { return $l->{"a:".$_[1].":".$_[0]} },
280            },{
281            # 4
282            code_arr        => sub { @{$_[0]} },
283            filter_code     => sub { shift },
284            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
285            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
286            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
287            have_children   => sub { return $l->{"a:".$_[1].":".$_[0]} },
288            },{
289            # 5
290            code_arr        => sub { @{$_[0]} },
291            filter_code     => sub { shift },
292            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
293            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
294            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
295            have_children   => sub { return $l->{"a:".$_[1].":".$_[0]} },
296            },{
297            # 6
298            code_arr        => sub { @{$_[0]} },
299            filter_code     => sub { shift },
300            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
301            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
302            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
303            have_children   => sub { return $l->{"a:".$_[1].":".$_[0]} },
304            },{
305            # 7
306            code_arr        => sub { @{$_[0]} },
307            filter_code     => sub { shift },
308            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
309            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
310            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
311            have_children   => sub { return $l->{"a:".$_[1].":".$_[0]} },
312            },{
313            # 8
314            code_arr        => sub { @{$_[0]} },
315            filter_code     => sub { shift },
316            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
317            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
318            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
319    #       have_children   => sub { return $l->{"a:".$_[1].":".$_[0]} },
320            have_children   => sub { 0 },
321            },{
322            # 9 - level which is never reached except explicitly
323            code_arr        => sub { @{$_[0]} },
324            filter_code     => sub { shift },
325            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
326            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
327            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
328            have_children   => sub { 0 },
329            have_children_at_level => sub { defined($l->{"a:".$_[1].":".$_[0]}) && return (9,$l->{"a:".$_[1].":".$_[0]}) },
330            },{
331    });
332    
333                                  $log->debug(" -> $l3_v900 : $l3_term [$l3_mfn]");  my $tree = new WebPAC::Tree(
334            tree => \@tree,
335    );
336    
337                                  print HTML qq{   <li><a href="thes/$l3_mfn.html">$l3_term</a></li>\n} if (-e "out/thes/$l3_mfn.html");  $tree->output(
338                          }          dir => './out',
339            html => 'browse.html',
340            template => './output_template/tree.tt',
341            js => 'tree-ids.js',
342    );
343    
344                          print HTML qq{  </ul>\n};  $tree->output(
345                  }          dir => './eurovoc',
346                  print HTML qq{ </ul>\n};          html => 'hijerarhija.html',
347          }          template => './output_template/hijerarhija.tt',
348  }          js => 'tree-ids.js',
349    );
350    
 print HTML qq{  
 </ul>  
 </body>  
 </html>  
 };  
351    
352    $log->info("closing index");
353  $index->close;  $index->close;
354    
355  $log->info("elapsed time: ",$webpac->fmt_time(time() - $webpac->{'start_t'}));  $log->info("elapsed time: ",$webpac->fmt_time(time() - $webpac->{'start_t'}));
Legend:
Removed from v.422  
changed lines
  Added in v.546
  ViewVC Help
Powered by ViewVC 1.1.26