/[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 1 by dpavlin, Sun Nov 24 20:52:11 2002 UTC trunk2/all2all.pl revision 550 by dpavlin, Tue Oct 26 21:44:57 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;  
4    
5  my $config=XMLin();  all2all.pl - basic script for all WebPAC needs
6    
7  print Dumper($config);  =cut
8    
9  my %opts;  use strict;
10    use locale;
11    use YAML;
12    use Carp;
13    use Getopt::Long;
14    use Text::Unaccent 1.02;
15    
16    use lib './lib';
17    use WebPAC;
18    use WebPAC::jsFind;
19    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/ðÐ/dD/;
56            $string = unac_entities($string);
57            return $string;
58    }
59    sub unac_2 {
60            my $string = shift || return;
61            if (length($string) > 2) {
62                    my $pr = substr($string,0,2);
63                    $string = unac_string($code_page,substr($string,2));
64                    $string =~ tr/ðÐ/dD/;
65                    $string = $pr . $string;
66            }
67            $string = unac_entities($string);
68            return lc($string);
69    }
70    
71  getopts('d:m:q', \%opts);  sub unac_entities {
72            my $ent = shift || return;
73    
74  my $db_dir = $opts{d};          $ent =~ s/&(\w)(acute|cedil|circ|grave|ring|slash|tilde|uml);/$1/gi;
75            $ent =~ s/ð/d/g;
76            $ent =~ s/&E[tT][hH];/D/g;
77            $ent =~ s/&(\w\w)lig;/$1/gi;
78    
79  die "usage: $0 -d [database_dir] -m [database1,database2] " if (! %opts);          return $ent;
80    }
81    
82  #--------------------------------------------------------------------  # create WebPAC object
83    #
84    my $webpac = new WebPAC(
85            code_page => $code_page,
86            limit_mfn => $limit_mfn,
87            start_mfn => $start_mfn,
88            debug => $debug,
89            low_mem => $low_mem,
90            filter => $filter,
91    ) || die;
92    
93    my $log = $webpac->_get_logger() || die "can't get logger";
94    
95    $log->debug("creating WebPAC::jsFind object");
96    
97    my $index = new WebPAC::jsFind(
98            index_path => $index_path,
99            keys => 10,
100    ) || die;
101    
102    my $thes;
103    
104    $|=1;
105    
106    my $maxmfn = $webpac->open_isis(
107            filename => shift @ARGV || '/data/hidra/THS/THS',
108            lookup => [
109            { 'key' => 'd:v900', 'val' => 'filter{CROVOC_tree}v250^a v800' },
110    #       { 'eval' => '"v901^a" eq "Podruèje"', 'key' => 'pa:v561^4:v562^4:v461^1', 'val' => 'v900' },
111    #       { 'eval '=> '"v901^a" eq "Mikrotezaurus"', 'key' => 'a:v561^4:v562^4:v461^1', 'val' => 'v900' },
112    #       { 'eval' => '"v901^a" eq "Deskriptor"', 'key' => 'a:v561^4:v562^4:v461^1', 'val' => 'v900' },
113            { 'key' => 'a:v561^4:v562^4:v461^1', 'val' => 'v900' },
114            { 'key' => '900_mfn:v900', 'val' => 'v000' },
115            # tree structure
116            { 'eval' => 'length("v251") == 2 && "v800" =~ m/EUROVOC/ || "v800" =~ m/CROVOC/ && "v251" =~ m/^(H|HD|L|Z|P)$/', 'key' => 'root:v251', 'val' => 'v900' },
117            { 'eval' => '"v251"', 'key' => 'code:v900', 'val' => 'v561^4:v251' },
118            { 'eval' => '"v561^4" && "v562^4"', 'key' => 'code:v900', 'val' => 'v561^4:v562^4' },
119            ],
120    );
121    
122    $log->debug("isis file ",$webpac->{'isis_filename'}," opened");
123    
124    $log->info("rows: $maxmfn");
125    
126    $webpac->open_import_xml(type => 'isis_hidra_ths');
127    
128    if(1) { # XXX
129    
130    while (my $rec = $webpac->fetch_rec) {
131    
132            my @ds = $webpac->data_structure($rec);
133    
134            if (0 && $log->is_debug) {
135                    $log->debug("rec = ",Dump($rec));
136                    $log->debug("ds = ",Dump(\@ds));
137            }
138    
139  my $last_tell=0;          next if (! @ds);
140    
141  my @isis_dirs = ( '.' );        # use dirname as database name          my $filename = $webpac->{'current_filename'} || $log->logdie("no current_filename in webpac object");
142    
143  if ($opts{m}) {          if ($filename) {
144          @isis_dirs = split(/,/,$opts{m});                  $webpac->output_file(
145  }                          file => $filename,
146                            template => 'html.tt',
147                            data => \@ds,
148                            headline => $webpac->{'headline'},
149                    );
150            } else {
151                    print $webpac->output(
152                            template => 'text.tt',
153                            data => \@ds,
154                            headline => $webpac->{'headline'},
155                    );
156            }
157    
158            my $headline = $webpac->{'headline'};
159    
160  my @isis_dbs;          my $f = $filename;
161            $f =~ s!out/!!;
162    
163  foreach (@isis_dirs) {          # save into index
164          if (-e "$common::isis_data/$db_dir/$_/LIBRI") {          foreach my $ds (@ds) {
165                  push @isis_dbs,"$common::isis_data/$db_dir/$_/LIBRI/LIBRI";                  next if (! $ds->{'swish'});
166    
167                    # strip all non word characters from beginning or end
168                    # of word
169                    my $words = join(" ",@{$ds->{'swish'}});
170                    $words =~ s/^\W+//;
171                    $words =~ s/\W*\s+\W*/ /g;
172                    $words =~ s/\W+$//;
173    
174                    # first try to generate headline for this entry from index
175                    my $h = $ds->{'index'}->[0];
176                    # then, from display
177                    $h ||= $ds->{'display'}->[0];
178                    # and as last resport, fallback to headline
179                    $h ||= $headline;
180    
181                    $index->insert(
182                            index_name => $ds->{'tag'},
183                            #path => $f,
184                            path => $webpac->mfn,
185                            headline => $h,
186                            words => unac($words),
187                    );
188          }          }
189          if (-e "$common::isis_data/$db_dir/$_/PERI") {  
190                  push @isis_dbs,"$common::isis_data/$db_dir/$_/PERI/PERI";          # save into sorted index (thesaurus)
191            foreach my $ds (@ds) {
192                    next if (! $ds->{'index'});
193    
194                    $thes->{$ds->{'tag'}} ||= new WebPAC::Index( name => $ds->{'tag'} );
195    
196                    foreach my $h (@{$ds->{'index'}}) {
197                            $thes->{$ds->{'tag'}}->insert(
198                                    sort_by => unac_2($h),
199                                    mfn => $webpac->mfn,
200                                    headline => $h,
201                            );
202                    }
203          }          }
204          if (-e "$common::isis_data/$db_dir/$_/AMS") {  
205                  push @isis_dbs,"$common::isis_data/$db_dir/$_/AMS/AMS";  #       print Dump(\@ds);
206    
207    }
208    
209    foreach my $t (keys %{$thes}) {
210    
211            my @e = $thes->{$t}->elements;
212            if (! @e) {
213                    $log->logwarn("no elements in sorted index $t?");
214                    next;
215          }          }
216          if (-e "$common::isis_data/$db_dir/$_/ARTI") {  
217  #               push @isis_dbs,"$common::isis_data/$db_dir/$_/ARTI/ARTI";          my $file = "./out/bfilter/$t.txt";
218            $log->info("saving sorted index $t to '$file' [".scalar(@e)." elements]");
219    
220            $webpac->output_file(
221                    file => $file,
222                    template => 'index.tt',
223                    data => \@e,
224                    index_name => $t,
225            );
226    }
227    
228    if (0 && $log->is_debug) {
229            $log->debug("lookup hash: ",Dump($webpac->{'lookup'}));
230            $log->debug("data hash: ",Dump($webpac->{'data'}));
231            foreach my $t (keys %{$thes}) {
232                    $log->debug("thesaurus $t hash: ",Dump($thes->{$t}));
233          }          }
234  }  }
235    
236  foreach my $isis_db (@isis_dbs) {  } # XXX if(0)
237    
238          my $db = OpenIsis::open( "$isis_db" ) || warn "can't open '$isis_db'";  #$log->debug("lookup hash: ",Dump($webpac->{'lookup'}));
239    
240          my $max_rowid = OpenIsis::maxRowid( $db );  $log->info("creating tree");
241    
242          my $last_pcnt = 0;  #
243    # define tree structure
244    #
245    
246    my $l = $webpac->{'lookup'} || $log->logconfess("can't find lookup");
247    
248    my @tree = ({
249            # level 0
250            code_arr        => sub { sort keys %{$l} },
251            filter_code     => sub {
252                                            my $t = shift;
253                                            return $t if ($t =~ s/root://);
254                                    },
255            lookup_v900     => sub { shift @{$l->{"root:".$_[0]}} },
256            lookup_term     => sub { shift @{$l->{"d:".$_[1]}} },
257            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[1]}} },
258            have_children   => sub { return $l->{"a:".$_[0]."::"} },
259            have_children_at_level => sub {
260                                    return unless (defined($l->{"code:".$_[1]}));
261                                    my $code = shift @{$l->{"code:".$_[1]}};
262                                    print STDERR "## $_[1] -> $code\n";
263                                    return undef unless($code);
264                                    return(9, $l->{"a:$code:"} ) if (defined($l->{"a:$code:"}));
265                            },
266            style           => 'display: none',
267            },{
268            # 1
269            code_arr        => sub { @{$_[0]} },
270            filter_code     => sub { shift },       # nop
271            lookup_v900     => sub { shift @{$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].":"} },
275            style           => 'display: none',
276            },{
277            # 2
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].":".$_[0]} },
284            #style          => 'display: none',
285            },{
286            # 3 u¾i pojam
287            code_arr        => sub { @{$_[0]} },
288            filter_code     => sub { shift },
289            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
290            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
291            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
292            have_children   => sub { return $l->{"a:".$_[1].":".$_[0]} },
293            },{
294            # 4
295            code_arr        => sub { @{$_[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 { return $l->{"a:".$_[1].":".$_[0]} },
301            },{
302            # 5
303            code_arr        => sub { @{$_[0]} },
304            filter_code     => sub { shift },
305            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
306            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
307            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
308            have_children   => sub { return $l->{"a:".$_[1].":".$_[0]} },
309            },{
310            # 6
311            code_arr        => sub { @{$_[0]} },
312            filter_code     => sub { shift },
313            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
314            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
315            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
316            have_children   => sub { return $l->{"a:".$_[1].":".$_[0]} },
317            },{
318            # 7
319            code_arr        => sub { @{$_[0]} },
320            filter_code     => sub { shift },
321            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
322            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
323            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
324            have_children   => sub { return $l->{"a:".$_[1].":".$_[0]} },
325            },{
326            # 8
327            code_arr        => sub { @{$_[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 { return $l->{"a:".$_[1].":".$_[0]} },
333            have_children   => sub { 0 },
334            },{
335            # 9 - level which is never reached except explicitly
336            code_arr        => sub { @{$_[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 { 0 },
342            have_children_at_level => sub { defined($l->{"a:".$_[1].":".$_[0]}) && return (9,$l->{"a:".$_[1].":".$_[0]}) },
343            },{
344    });
345    
346    my $tree = new WebPAC::Tree(
347            tree => \@tree,
348    );
349    
350    $tree->output(
351            dir => './out',
352            html => 'browse.html',
353            template => './output_template/tree.tt',
354            js => 'tree-ids.js',
355    );
356    
357    $tree->output(
358            dir => './eurovoc',
359            html => 'hijerarhija.html',
360            template => './output_template/hijerarhija.tt',
361            js => 'tree-ids.js',
362    );
363    
         for (my $row_id = 1; $row_id <= $max_rowid; $row_id++ ) {  
                 my $row = OpenIsis::read( $db, $row_id );  
364    
365                  # output current process indicator  $log->info("closing index");
366                  my $pcnt = int($row->{mfn} * 100 / $max_rowid);  $index->close;
367                  if ($pcnt != $last_pcnt) {  
368                          printf STDERR ("%5d / %5d -- %-2d %%\n",$row->{mfn},$max_rowid,$pcnt) if (! $opts{q});  $log->info("elapsed time: ",$webpac->fmt_time(time() - $webpac->{'start_t'}));
                         $last_pcnt = $pcnt;  
                 }  
         }  
 }  
Legend:
Removed from v.1  
changed lines
  Added in v.550
  ViewVC Help
Powered by ViewVC 1.1.26