/[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 366 by dpavlin, Thu Jun 17 01:44:25 2004 UTC revision 562 by dpavlin, Sat Oct 30 23:56:57 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;
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.*$/ #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                    $tmp =~ s/"img\/crovoc.png"/"..\/img\/crovoc.png"/gis;
56                    return $tmp;
57            }
58    };
59    
60    ## remove accented characters
61    #
62    sub unac {
63            my $string = shift || return;
64            $string = unac_string($code_page,$string);
65            $string =~ tr/đĐ/dD/;
66            $string = unac_entities($string);
67            return $string;
68    }
69    sub unac_2 {
70            my $string = shift || return;
71            if (length($string) > 2) {
72                    my $pr = substr($string,0,2);
73                    $string = unac_string($code_page,substr($string,2));
74                    $string =~ tr/đĐ/dD/;
75                    $string = $pr . $string;
76            }
77            $string = unac_entities($string);
78            return lc($string);
79    }
80    
81    sub unac_entities {
82            my $ent = shift || return;
83    
84            $ent =~ s/&(\w)(acute|cedil|circ|grave|ring|slash|tilde|uml);/$1/gi;
85            $ent =~ s/&eth;/d/g;
86            $ent =~ s/&E[tT][hH];/D/g;
87            $ent =~ s/&(\w\w)lig;/$1/gi;
88    
89            return $ent;
90    }
91    
92    # create WebPAC object
93    #
94  my $webpac = new WebPAC(  my $webpac = new WebPAC(
95          code_page => 'ISO-8859-2',          code_page => $code_page,
96          limit_mfn => 5,          limit_mfn => $limit_mfn,
97          debug => 1,          start_mfn => $start_mfn,
98            debug => $debug,
99            low_mem => $low_mem,
100            filter => $filter,
101  ) || die;  ) || die;
102    
103    my $log = $webpac->_get_logger() || die "can't get logger";
104    
105    $log->debug("creating WebPAC::jsFind object");
106    
107    my $index = new WebPAC::jsFind(
108            index_path => $index_path,
109            keys => 62,
110    ) || die;
111    
112    my $thes;
113    
114  $|=1;  $|=1;
115    
116  my $maxmfn = $webpac->open_isis(  my $maxmfn = $webpac->open_isis(
117          filename => shift @ARGV || '/data/hidra/THS/THS',          filename => shift @ARGV || '/data/hidra/THS/THS',
118          lookup => [          lookup => [
119          { 'key' => 'd:v900', 'val' => 'v250^a' },          { 'key' => 'd:v900', 'val' => 'filter{CROVOC_tree}v250^a v800' },
120  #       { 'eval' => '"v901^a" eq "Područje"', 'key' => 'pa:v561^4:v562^4:v461^1', 'val' => 'v900' },  #       { 'eval' => '"v901^a" eq "Područje"', 'key' => 'pa:v561^4:v562^4:v461^1', 'val' => 'v900' },
121  #       { 'eval '=> '"v901^a" eq "Mikrotezaurus"', 'key' => 'a:v561^4:v562^4:v461^1', 'val' => 'v900' },  #       { 'eval '=> '"v901^a" eq "Mikrotezaurus"', 'key' => 'a:v561^4:v562^4:v461^1', 'val' => 'v900' },
122  #       { 'eval' => '"v901^a" eq "Deskriptor"', 'key' => 'a:v561^4:v562^4:v461^1', 'val' => 'v900' },  #       { 'eval' => '"v901^a" eq "Deskriptor"', 'key' => 'a:v561^4:v562^4:v461^1', 'val' => 'v900' },
123          { 'key' => 'a:v561^4:v562^4:v461^1', 'val' => 'v900' },          { 'key' => 'a:v561^4:v562^4:v461^1', 'val' => 'v900' },
124            { 'key' => '900_mfn:v900', 'val' => 'v000' },
125            # tree structure
126            { 'eval' => 'length("v251") == 2 && "v800" =~ m/EUROVOC/ || "v800" =~ m/CROVOC/ && "v251" =~ m/^(H|HD|L|Z|P)$/', 'key' => 'root:v251', 'val' => 'v900' },
127            { 'eval' => '"v251"', 'key' => 'code:v900', 'val' => 'v561^4:v251' },
128            { 'eval' => '"v561^4" && "v562^4"', 'key' => 'code:v900', 'val' => 'v561^4:v562^4' },
129          ],          ],
130  );  );
131    
132  print "rows: $maxmfn\n\n";  $log->debug("isis file ",$webpac->{'isis_filename'}," opened");
133    
134    $log->info("rows: $maxmfn");
135    
136  $webpac->open_import_xml(type => 'isis_hidra_ths');  $webpac->open_import_xml(type => 'isis_hidra_ths');
137    
138    if(1) { # XXX
139    
140  while (my $rec = $webpac->fetch_rec) {  while (my $rec = $webpac->fetch_rec) {
141    
142    my $ds = $webpac->data_structure($rec);          my @ds = $webpac->data_structure($rec);
143    
144    if(0) {          if (0 && $log->is_debug) {
145                    $log->debug("rec = ",Dump($rec));
146                    $log->debug("ds = ",Dump(\@ds));
147            }
148    
149            next if (! @ds);
150    
151            my $filename = $webpac->{'current_filename'} || $log->logdie("no current_filename in webpac object");
152    
153            if ($filename) {
154                    $webpac->output_file(
155                            file => $filename,
156                            template => 'html.tt',
157                            data => \@ds,
158                            headline => $webpac->{'headline'},
159                    );
160            } else {
161                    print $webpac->output(
162                            template => 'text.tt',
163                            data => \@ds,
164                            headline => $webpac->{'headline'},
165                    );
166            }
167    
168            my $headline = $webpac->{'headline'};
169    
170            my $f = $filename;
171            $f =~ s!out/!!;
172    
173            # save into index
174            foreach my $ds (@ds) {
175                    next if (! $ds->{'swish'});
176    
177                    # strip all non word characters from beginning or end
178                    # of word
179                    my $words = join(" ",@{$ds->{'swish'}});
180                    $words =~ s/^\W+//;
181                    $words =~ s/\W*\s+\W*/ /g;
182                    $words =~ s/\W+$//;
183    
184                    # first try to generate headline for this entry from index
185                    my $h = $ds->{'index'}->[0];
186                    # then, from display
187                    $h ||= $ds->{'display'}->[0];
188                    # and as last resport, fallback to headline
189                    $h ||= $headline;
190    
191                    $index->insert(
192                            index_name => $ds->{'tag'},
193                            #path => $f,
194                            path => $webpac->mfn,
195                            headline => $h,
196                            words => unac($words),
197                    );
198            }
199    
200            # save into sorted index (thesaurus)
201            foreach my $ds (@ds) {
202                    next if (! $ds->{'index'});
203    
204                    $thes->{$ds->{'tag'}} ||= new WebPAC::Index( name => $ds->{'tag'} );
205    
206                    foreach my $h (@{$ds->{'index'}}) {
207                            $thes->{$ds->{'tag'}}->insert(
208                                    sort_by => unac_2($h),
209                                    mfn => $webpac->mfn,
210                                    headline => $h,
211                            );
212                    }
213            }
214    
215          print "-- ",$webpac->parse($rec,'v250^a / [v562^4] v562^a'),"\n";  #       print Dump(\@ds);
216    
217          print " ",  }
                 $webpac->parse($rec,'eval{v901^a eq "Deskriptor"}v250^a / [v562^4] v562^a'),  
                 $webpac->parse($rec,'eval{v901^a ne "Deskriptor"}250a [251]'),  
                 "\n";  
218    
219          my @t = $webpac->fill_in($rec,'v553^1;;v553^a');  foreach my $t (keys %{$thes}) {
         print " Uži pojam: ",join("\t\n",@t),"\n" if (@t);  
220    
221          @t = $webpac->fill_in($rec,'eval{v901^a eq "Područje"}[a:v251::];;[d:[a:v251::]]');          my @e = $thes->{$t}->elements;
222          print " Područje: ",join("\t\n",@t),"\n" if (@t);          if (! @e) {
223                    $log->logwarn("no elements in sorted index $t?");
224                    next;
225            }
226    
227            my $file = "./out/bfilter/$t.txt";
228            $log->info("saving sorted index $t to '$file' [".scalar(@e)." elements]");
229    
230            $webpac->output_file(
231                    file => $file,
232                    template => 'index.tt',
233                    data => \@e,
234                    index_name => $t,
235            );
236    }
237    
238          @t = $webpac->fill_in($rec,'eval{v901^a eq "Mikrotezaurus"}[a:v561^4:v251:];;[d:[a:v561^4:v251:]]');  if (0 && $log->is_debug) {
239          print " Mikrotezaurus: ",join("\t\n",@t),"\n" if (@t);          $log->debug("lookup hash: ",Dump($webpac->{'lookup'}));
240            $log->debug("data hash: ",Dump($webpac->{'data'}));
241            foreach my $t (keys %{$thes}) {
242                    $log->debug("thesaurus $t hash: ",Dump($thes->{$t}));
243            }
244    }
245    
246          @t = $webpac->fill_in($rec,'eval{v901^a eq "Deskriptor"}[a:v561^4:v562^4:v900];;[d:[a:v561^4:v562^4:v900]]');  } # XXX if(0)
         print " Deskriptor: ",join("\t\n",@t),"\n" if (@t);  
   }  
247    
248  }  #$log->debug("lookup hash: ",Dump($webpac->{'lookup'}));
249    
250    $log->info("creating tree");
251    
252    #
253    # define tree structure
254    #
255    
256    my $l = $webpac->{'lookup'} || $log->logconfess("can't find lookup");
257    
258    my @tree = ({
259            # level 0
260            code_arr        => sub { sort keys %{$l} },
261            filter_code     => sub {
262                                            my $t = shift;
263                                            return $t if ($t =~ s/root://);
264                                    },
265            lookup_v900     => sub { shift @{$l->{"root:".$_[0]}} },
266            lookup_term     => sub { shift @{$l->{"d:".$_[1]}} },
267            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[1]}} },
268            have_children   => sub { return $l->{"a:".$_[0]."::"} },
269            have_children_at_level => sub {
270                                    return unless (defined($l->{"code:".$_[1]}));
271                                    my $code = shift @{$l->{"code:".$_[1]}};
272                                    print STDERR "## $_[1] -> $code\n";
273                                    return undef unless($code);
274                                    return(9, $l->{"a:$code:"} ) if (defined($l->{"a:$code:"}));
275                            },
276            style           => 'display: none',
277            },{
278            # 1
279            code_arr        => sub { @{$_[0]} },
280            filter_code     => sub { shift },       # nop
281            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
282            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
283            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
284            have_children   => sub { return $l->{"a:".$_[1].":"} },
285            style           => 'display: none',
286            },{
287            # 2
288            code_arr        => sub { @{$_[0]} },
289            filter_code     => sub { shift },
290            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
291            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
292            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
293            have_children   => sub { return $l->{"a:".$_[1].":".$_[0]} },
294            #style          => 'display: none',
295            },{
296            # 3 uži pojam
297            code_arr        => sub { @{$_[0]} },
298            filter_code     => sub { shift },
299            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
300            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
301            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
302            have_children   => sub { return $l->{"a:".$_[1].":".$_[0]} },
303            },{
304            # 4
305            code_arr        => sub { @{$_[0]} },
306            filter_code     => sub { shift },
307            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
308            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
309            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
310            have_children   => sub { return $l->{"a:".$_[1].":".$_[0]} },
311            },{
312            # 5
313            code_arr        => sub { @{$_[0]} },
314            filter_code     => sub { shift },
315            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
316            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
317            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
318            have_children   => sub { return $l->{"a:".$_[1].":".$_[0]} },
319            },{
320            # 6
321            code_arr        => sub { @{$_[0]} },
322            filter_code     => sub { shift },
323            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
324            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
325            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
326            have_children   => sub { return $l->{"a:".$_[1].":".$_[0]} },
327            },{
328            # 7
329            code_arr        => sub { @{$_[0]} },
330            filter_code     => sub { shift },
331            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
332            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
333            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
334            have_children   => sub { return $l->{"a:".$_[1].":".$_[0]} },
335            },{
336            # 8
337            code_arr        => sub { @{$_[0]} },
338            filter_code     => sub { shift },
339            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
340            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
341            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
342    #       have_children   => sub { return $l->{"a:".$_[1].":".$_[0]} },
343            have_children   => sub { 0 },
344            },{
345            # 9 - level which is never reached except explicitly
346            code_arr        => sub { @{$_[0]} },
347            filter_code     => sub { shift },
348            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
349            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
350            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
351            have_children   => sub { 0 },
352            have_children_at_level => sub { defined($l->{"a:".$_[1].":".$_[0]}) && return (9,$l->{"a:".$_[1].":".$_[0]}) },
353            },{
354    });
355    
356    my $tree = new WebPAC::Tree(
357            tree => \@tree,
358    );
359    
360    $tree->output(
361            dir => './out',
362            html => 'browse.html',
363            template => './output_template/tree.tt',
364            js => 'tree-ids.js',
365    );
366    
367    $tree->output(
368            dir => './eurovoc',
369            html => 'hijerarhija.html',
370            template => './output_template/hijerarhija.tt',
371            js => 'tree-ids.js',
372    );
373    
374    
375    $log->info("closing index");
376    $index->close;
377    
378  print "## lookup ",Dumper($webpac->{'lookup'});  $log->info("elapsed time: ",$webpac->fmt_time(time() - $webpac->{'start_t'}));
 print "## data ",Dumper($webpac->{'data'});  
Legend:
Removed from v.366  
changed lines
  Added in v.562
  ViewVC Help
Powered by ViewVC 1.1.26