/[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 9 by dpavlin, Sat Jan 11 19:55:30 2003 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;  
 use Text::Unaccent 1.02;        # 1.01 won't compile on my platform,  
 require Unicode::Map8;  
 use DBI;  
   
 my $config=XMLin(undef, forcearray => [ 'isis' ], forcecontent => 1);  
 my $dbh = DBI->connect("DBI:Pg:dbname=webpac","","") || die $DBI::errstr; # FIX  
 # FIX; select relname from pg_class where relname like 'index_%' ;  
 $dbh->begin_work || die $dbh->errstr();  
   
 $dbh->do("delete from index_author") || die $dbh->errstr();  
 $dbh->do("delete from index_title") || die $dbh->errstr();  
   
 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";  
   
 # how to convert isis code page to UTF8?  
 my $isis_map = Unicode::Map8->new($config->{isis_codepage}) || die;  
   
 sub isis2xml {  
   
         my $row = shift @_;  
   
         my $xml;  
         $xml->{db_dir} = [ $db_dir ];   # FIX remove?  
   
         sub isis_sf {  
                 my $row = shift @_;  
                 my $isis_id = shift @_;  
                 my $subfield = shift @_;  
                 if ($row->{$isis_id}->[0]) {  
                         my $sf = OpenIsis::subfields($row->{$isis_id}->[0]);  
                         if (! defined $subfield || length($subfield) == 0) {  
                                 # subfield list undef, empty or no defined subfields for this record  
                                 my $all_sf = $row->{$isis_id}->[0];  
                                 $all_sf =~ s/\^./ /g;   nuke definirions  
                                 return $all_sf;  
                         } elsif ($sf->{$subfield}) {  
                                 return $sf->{$subfield};  
                         }  
                 }  
         }  
   
         foreach my $field (keys %{$config->{indexer}}) {  
4    
5                  my $display_data = "";  all2all.pl - basic script for all WebPAC needs
                 my $swish_data = "";  
                 my $index_data = "";  
   
                 foreach my $x (@{$config->{indexer}->{$field}->{isis}}) {  
   
                         my $display_tmp = "";  
                         my $swish_tmp = "";  
                         my $index_tmp = "";  
   
                         my $format = $x->{content};  
                         my $s = 1;      # swish only  
                         my $d = 1;      # display only  
                         my $i = 0;      # index only  
                         $s = 0 if (lc($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";    
                         # parse format  
                         my $prefix = "";  
                         if ($format =~ s/^([^\d]+)//) {  
                                 $prefix = $1;  
                         }  
                         while ($format) {  
                                 if ($format =~ s/^(\d\d\d)(\w?)//) {  
                                         my $isis_tmp = isis_sf($row,$1,$2);  
                                         if ($isis_tmp) {  
 #                                               $display_tmp .= $prefix . "/$1/$2/".$isis_tmp if ($d);  
                                                 $display_tmp .= $prefix . $isis_tmp if ($d);  
                                                 $swish_tmp .= $isis_tmp." " if ($s);  
                                                 $index_tmp .= $prefix . $isis_tmp if ($i);  
 #print STDERR " $isis_tmp <--\n";  
                                         }  
                                         $prefix = "";  
                                 } elsif ($format =~ s/^([^\d]+)//) {  
                                         $prefix = $1;  
                                 } else {  
                                         print STDERR "WARNING: unparsed format '$format'\n";  
                                         last;  
                                 };  
                         }  
                         # add suffix  
                         $display_tmp .= $prefix if ($display_tmp);  
                         $index_tmp .= $prefix if ($index_tmp);  
   
 #                       $display_data .= $display_tmp if ($display_tmp ne "");  
 #                       $swish_data .= $swish_tmp if ($swish_tmp ne "");  
                         $display_data .= $display_tmp;  
                         $swish_data .= $swish_tmp;  
                         $index_data .= $index_tmp;  
6    
7                  }  =cut
 #print "--display:$display_data\n--swish:$swish_data\n";  
                 #$xml->{$field."_display"} = $isis_map->tou($display_data)->utf8 if ($display_data);  
                 #$xml->{$field."_swish"} = unac_string($config->{isis_codepage},$swish_data) if ($swish_data);  
                 $xml->{$field."_display" } = [ $isis_map->tou($display_data)->utf8 ] if ($display_data);  
                 $xml->{$field."_swish"} = [ unac_string($config->{isis_codepage},$swish_data) ] if ($swish_data);  
   
                 # index  
                 if ($index_data && $index_data ne "") {  
                         my $sql = "select $field from index_$field where upper($field)=upper(?)";  
                         my $sth = $dbh->prepare($sql) || die $dbh->errstr();  
                         $sth->execute($index_data) || die "SQL: $sql; ".$dbh->errstr();  
 #print STDERR "--->$index_data<---\n";  
                         if (! $sth->fetchrow_hashref) {  
                                 my $sql = "insert into index_$field values (?)";  
                                 my $sth = $dbh->prepare($sql) || die $dbh->errstr();  
 #print STDERR "$sql: $index_data<!----\n";  
                                 $sth->execute($index_data) || die "SQL: $sql; ".$dbh->errstr();  
                         }  
                 }  
8    
9    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 . $string;
66          }          }
67          if ($xml) {          $string = unac_entities($string);
68                  return XMLout($xml, rootname => 'xml', keeproot => 0, noattr => 0 );          return lc($string);
         } else {  
                 return;  
         }  
69  }  }
70    
71  ##########################################################################  sub unac_entities {
72            my $ent = shift || return;
 my $last_tell=0;  
73    
74  my @isis_dirs = ( '.' );        # use dirname as database name          $ent =~ s/&(\w)(acute|cedil|circ|grave|ring|slash|tilde|uml);/$1/gi;
75            $ent =~ s/&eth;/d/g;
76            $ent =~ s/&E[tT][hH];/D/g;
77            $ent =~ s/&(\w\w)lig;/$1/gi;
78    
79  if ($opts{m}) {          return $ent;
         @isis_dirs = split(/,/,$opts{m});  
80  }  }
81    
82  my @isis_dbs;  # create WebPAC object
83    #
84  foreach (@isis_dirs) {  my $webpac = new WebPAC(
85          if (-e $config->{isis_data}."/$db_dir/$_/LIBRI") {          code_page => $code_page,
86                  push @isis_dbs,$config->{isis_data}."/$db_dir/$_/LIBRI/LIBRI";          limit_mfn => $limit_mfn,
87          }          start_mfn => $start_mfn,
88          if (-e $config->{isis_data}."/$db_dir/$_/PERI") {          debug => $debug,
89                  push @isis_dbs,$config->{isis_data}."/$db_dir/$_/PERI/PERI";          low_mem => $low_mem,
90          }          filter => $filter,
91          if (-e $config->{isis_data}."/$db_dir/$_/AMS") {  ) || die;
92                  push @isis_dbs,$config->{isis_data}."/$db_dir/$_/AMS/AMS";  
93          }  my $log = $webpac->_get_logger() || die "can't get logger";
94          if (-e $config->{isis_data}."/$db_dir/$_/ARTI") {  
95  #               push @isis_dbs,$config->{isis_data}."/$db_dir/$_/ARTI/ARTI";  $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          }          }
 }  
   
 print STDERR "FATAL: Can't find isis database.\nPerhaps isis_data (".$config->{isis_data}.") has wrong value?\n" if (! @isis_dbs);  
138    
139  my $db;          next if (! @ds);
140    
141  foreach my $isis_db (@isis_dbs) {          my $filename = $webpac->{'current_filename'} || $log->logdie("no current_filename in webpac object");
142    
143            if ($filename) {
144          my $db = OpenIsis::open( $isis_db );                  $webpac->output_file(
145          if (0) {                          file => $filename,
146  #       # FIX                          template => 'html.tt',
147  #       if (! $db ) {                          data => \@ds,
148                  print STDERR "WARNING: can't open '$isis_db'\n";                          headline => $webpac->{'headline'},
149                  next ;                  );
150            } else {
151                    print $webpac->output(
152                            template => 'text.tt',
153                            data => \@ds,
154                            headline => $webpac->{'headline'},
155                    );
156          }          }
157    
158          my $max_rowid = OpenIsis::maxRowid( $db );          my $headline = $webpac->{'headline'};
159    
160          print STDERR "Reading database: $isis_db [$max_rowid rows]\n";          my $f = $filename;
161            $f =~ s!out/!!;
162    
163          my $last_p = 0;          # save into index
164            foreach my $ds (@ds) {
165  #       { my $row_id = 1;                  next if (! $ds->{'swish'});
166  # FIX  
167          for (my $row_id = 1; $row_id <= $max_rowid; $row_id++ ) {                  # strip all non word characters from beginning or end
168                  my $row = OpenIsis::read( $db, $row_id );                  # of word
169                  if ($row && $row->{mfn}) {                  my $words = join(" ",@{$ds->{'swish'}});
170                    $words =~ s/^\W+//;
171                          # output current process indicator                  $words =~ s/\W*\s+\W*/ /g;
172                          my $p = int($row->{mfn} * 100 / $max_rowid);                  $words =~ s/\W+$//;
173                          if ($p != $last_p) {  
174                                  printf STDERR ("%5d / %5d [%-51s] %-2d %% \r",$row->{mfn},$max_rowid,"=" x ($p/2).">", $p ) if (! $opts{q});                  # first try to generate headline for this entry from index
175                                  $last_p = $p;                  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    
190                          if (my $xml = isis2xml($row)) {          # save into sorted index (thesaurus)
191                                  my $path = $isis_db;          foreach my $ds (@ds) {
192                                  $path =~ s#$config->{isis_data}/*##g;                  next if (! $ds->{'index'});
193                                  my $out = "Path-Name: $path#".$row->{mfn}."\n";  
194                                  $out .= "Content-Length: ".(length($xml)+1)."\n";                  $thes->{$ds->{'tag'}} ||= new WebPAC::Index( name => $ds->{'tag'} );
195                                  $out .= "Document-Type: XML\n\n$xml\n";  
196                                  print $out;                  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          }          }
         print STDERR "\n";  
 }  
204    
205  $dbh->commit || die $dbh->errstr();  #       print Dump(\@ds);
206    
207  1;  }
 __END__  
 ##########################################################################  
208    
209  =head1 NAME  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    
217  isis2xml.pl - read isis file and dump XML          my $file = "./out/bfilter/$t.txt";
218            $log->info("saving sorted index $t to '$file' [".scalar(@e)." elements]");
219    
220  =head1 DESCRIPTION          $webpac->output_file(
221                    file => $file,
222                    template => 'index.tt',
223                    data => \@e,
224                    index_name => $t,
225            );
226    }
227    
228  This command will read ISIS data file using OpenIsis perl module and  if (0 && $log->is_debug) {
229  create XML file for usage with I<SWISH-E>          $log->debug("lookup hash: ",Dump($webpac->{'lookup'}));
230  indexer. Dispite it's name, this script B<isn't general xml generator>          $log->debug("data hash: ",Dump($webpac->{'data'}));
231  from isis files (isis allready has something like that). Output of this          foreach my $t (keys %{$thes}) {
232  script is tailor-made for SWISH-E.                  $log->debug("thesaurus $t hash: ",Dump($thes->{$t}));
233            }
234    }
235    
236  =head1 AUTHOR  } # XXX if(0)
237    
238  Dobrica Pavlinusic <dpavlin@rot13.org>  #$log->debug("lookup hash: ",Dump($webpac->{'lookup'}));
239    
240  =head1 COPYRIGHT  $log->info("creating tree");
241    
242  GNU Public License (GPL) v2 or later  #
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    
 =head1 SEE ALSO  
364    
365  SWISH-E web site at http://www.swish-e.org  $log->info("closing index");
366    $index->close;
367    
368  =cut  $log->info("elapsed time: ",$webpac->fmt_time(time() - $webpac->{'start_t'}));
Legend:
Removed from v.9  
changed lines
  Added in v.550
  ViewVC Help
Powered by ViewVC 1.1.26