/[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 421 by dpavlin, Fri Sep 10 22:24:42 2004 UTC revision 561 by dpavlin, Sat Oct 30 23:24:54 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                    $tmp =~ s/\s*CROVOC.*$/ <img src="img\/crovoc.png" border="0">/;
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 => 100,          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 56  $log->info("rows: $maxmfn"); Line 134  $log->info("rows: $maxmfn");
134    
135  $webpac->open_import_xml(type => 'isis_hidra_ths');  $webpac->open_import_xml(type => 'isis_hidra_ths');
136    
137  $log->debug("data: ",Dumper($webpac->{'data'}));  if(1) { # XXX
138    
139  while (my $rec = $webpac->fetch_rec) {  while (my $rec = $webpac->fetch_rec) {
140    
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  $log->info("lookup hash: ",Dumper($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'");  
246    
247  print HTML qq{  #$log->debug("lookup hash: ",Dump($webpac->{'lookup'}));
 <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'}}) {  
   
         my $l = $webpac->{'lookup'} || $log->logconfess("can't find lookup");  
   
         if ($code =~ m/^root:/) {  
                 my $v900 = shift @{ $l->{$code} } || $log->logconfess("can't lookup '$code'");  
                 $code =~ s/^root:// || die;  
   
                 my $term = shift @{ $l->{"d:${v900}"} } || die;  
                 my $mfn = shift @{ $l->{"900_mfn:${v900}"} } || die;  
   
                 $log->debug("$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;  
248    
249                          $log->debug("$l2_code -> $l2_v900 : $l2_term [$l2_mfn]");  $log->info("creating tree");
250    
251                          print HTML qq{  <li><a href="thes/$l2_mfn.html">$l2_term</a></li>\n} if (-e "out/thes/$l2_mfn.html");  #
252                            # define tree structure
253                          unless ($l->{"a:${l2_code}:"}) {  #
                                 $log->warn("can't find 'a:${l2_code}:'");  
                                 next;  
                         }  
   
                         print HTML qq{  <ul>\n};  
254    
255                          foreach my $l3_v900 (@{ $l->{"a:${l2_code}:"} }) {  my $l = $webpac->{'lookup'} || $log->logconfess("can't find lookup");
256    
257                                  my $l3_term = shift @{ $l->{"d:$l3_v900"} } || die;  my @tree = ({
258                                  my $l3_mfn = shift @{ $l->{"900_mfn:${l3_v900}"} } || die;          # level 0
259            code_arr        => sub { sort keys %{$l} },
260            filter_code     => sub {
261                                            my $t = shift;
262                                            return $t if ($t =~ s/root://);
263                                    },
264            lookup_v900     => sub { shift @{$l->{"root:".$_[0]}} },
265            lookup_term     => sub { shift @{$l->{"d:".$_[1]}} },
266            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[1]}} },
267            have_children   => sub { return $l->{"a:".$_[0]."::"} },
268            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',
276            },{
277            # 1
278            code_arr        => sub { @{$_[0]} },
279            filter_code     => sub { shift },       # nop
280            lookup_v900     => sub { shift @{$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].":"} },
284            style           => 'display: none',
285            },{
286            # 2
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].":".$_[0]} },
293            #style          => 'display: none',
294            },{
295            # 3 uži pojam
296            code_arr        => sub { @{$_[0]} },
297            filter_code     => sub { shift },
298            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
299            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
300            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 },
351            have_children_at_level => sub { defined($l->{"a:".$_[1].":".$_[0]}) && return (9,$l->{"a:".$_[1].":".$_[0]}) },
352            },{
353    });
354    
355                                  $log->debug(" -> $l3_v900 : $l3_term [$l3_mfn]");  my $tree = new WebPAC::Tree(
356            tree => \@tree,
357    );
358    
359                                  print HTML qq{   <li><a href="thes/$l3_mfn.html">$l3_term</a></li>\n} if (-e "out/thes/$l3_mfn.html");  $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{  </ul>\n};  $tree->output(
367                  }          dir => './eurovoc',
368                  print HTML qq{ </ul>\n};          html => 'hijerarhija.html',
369          }          template => './output_template/hijerarhija.tt',
370  }          js => 'tree-ids.js',
371    );
372    
 print HTML qq{  
 </ul>  
 </body>  
 </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'}));
Legend:
Removed from v.421  
changed lines
  Added in v.561
  ViewVC Help
Powered by ViewVC 1.1.26