/[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 348 by dpavlin, Sun Jun 13 20:20:29 2004 UTC revision 708 by dpavlin, Wed Jul 13 23:38:04 2005 UTC
# Line 2  Line 2 
2    
3  =head1 NAME  =head1 NAME
4    
5  webpac.pl - basic script for all WebPac needs  all2all.pl - basic script for all WebPAC needs
6    
7  =cut  =cut
8    
9  use strict;  use strict;
10  use OpenIsis;  use locale;
11  use Text::Iconv;  use YAML;
12  use Data::Dumper;  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::HyperEstraier;
20    use WebPAC::Index;
21    use WebPAC::Tree;
22    
23    # options which can be changed via command line
24    #
25    my $code_page = 'ISO-8859-2';
26    my ($limit_mfn, $start_mfn, $debug, $low_mem);
27    #my $index_path = './out/index';
28    my $index_path = './out/casket';
29    
30    my $result = GetOptions(
31            "code_page=s"   => \$code_page,
32            "limit_mfn=i"   => \$limit_mfn,
33            "start_mfn=i"   => \$start_mfn,
34            "debug!"        => \$debug,
35            "low_mem!"      => \$low_mem,
36    );
37    
38  my $cp = Text::Iconv->new("852", "iso-8859-2");  my $filter = {
39            'CROVOC' => sub {
40                    my $tmp = shift || return;
41                    $tmp =~ s/\s*HIDRA.*//;
42                    return undef unless ($tmp =~ s/\s*CROVOC.*$/ #C#/);
43                    # remove repeating stars
44                    # FIXME this should be fixed at right place, not here!
45                    $tmp =~ s/(\s*#C#)+/ #C#/g;
46                    return $tmp;
47            },
48            'CROVOC_tree' => sub {
49                    my $tmp = shift || return;
50                    $tmp =~ s/\s*CROVOC.*$/ <img src="img\/crovoc.png" border="0">/;
51                    $tmp =~ s/\s*EUROVOC.*//;
52                    $tmp =~ s/\s*HIDRA.*//;
53                    return $tmp;
54            },
55            # TT filter
56            'CROVOC_img' => sub {
57                    my $tmp = shift;
58                    $tmp =~ s/\s*#C#\s*/ <img src="..\/img\/crovoc.png" border="0">/gis;
59                    $tmp =~ s/"img\/crovoc.png"/"..\/img\/crovoc.png"/gis;
60                    return $tmp;
61            }
62    };
63    
64  $|=1;  ## remove accented characters
65    #
66    sub unac {
67            my $string = shift || return;
68            $string = unac_string($code_page,$string);
69            $string =~ tr/đĐ/dD/;
70            $string = unac_entities($string);
71            return $string;
72    }
73    sub unac_2 {
74            my $string = shift || return;
75            if (length($string) > 2) {
76                    my $pr = substr($string,0,2);
77                    $string = unac_string($code_page,substr($string,2));
78                    $string =~ tr/đĐ/dD/;
79                    $string = $pr . $string;
80            }
81            $string = unac_entities($string);
82            return lc($string);
83    }
84    
85  my $db = OpenIsis::open( shift @ARGV || '/data/hidra/THS-500/THS' );  sub unac_entities {
86  my $maxmfn = OpenIsis::maxRowid( $db ) || 1;          my $ent = shift || return;
87    
88            $ent =~ s/&(\w)(acute|cedil|circ|grave|ring|slash|tilde|uml);/$1/gi;
89            $ent =~ s/&eth;/d/g;
90            $ent =~ s/&E[tT][hH];/D/g;
91            $ent =~ s/&(\w\w)lig;/$1/gi;
92    
93            return $ent;
94    }
95    
96  print "rows: $maxmfn\n\n";  # create WebPAC object
97    #
98    my $webpac = new WebPAC(
99            code_page => $code_page,
100            limit_mfn => $limit_mfn,
101            start_mfn => $start_mfn,
102            debug => $debug,
103            low_mem => $low_mem,
104            filter => $filter,
105    ) || die;
106    
107    my $log = $webpac->_get_logger() || die "can't get logger";
108    
109    #$log->debug("creating WebPAC::jsFind object");
110    #
111    #my $index = new WebPAC::jsFind(
112    #       index_path => $index_path,
113    #       keys => 62,
114    #) || die;
115    
116  my $data;  $log->debug("creating HyperEstraier object");
117    my $index = new WebPAC::HyperEstraier( index_path => $index_path ) || die;
118    
119  my @lookup = (  my $thes;
120          { 'key' => 'd:v900', 'val' => 'v250^a' },  
121          { 'eval' => '"v901^a" eq "Područje"', 'key' => 'pa:v561^4:v562^4:v461^1', 'val' => 'v900' },  $|=1;
122          { 'eval '=> '"v901^a" eq "Mikrotezaurus"', 'key' => 'ma:v561^4:v562^4:v461^1', 'val' => 'v900' },  
123          { 'eval' => '"v901^a" eq "Deskriptor"', 'key' => 'da:v561^4:v562^4:v461^1', 'val' => 'v900' },  my $maxmfn = $webpac->open_isis(
124            filename => shift @ARGV || '/data/hidra/THS/THS',
125            lookup => [
126            { 'key' => 'd:v900', 'val' => 'filter{CROVOC_tree}v250^a v800' },
127    #       { 'eval' => '"v901^a" eq "Područje"', 'key' => 'pa:v561^4:v562^4:v461^1', 'val' => 'v900' },
128    #       { 'eval '=> '"v901^a" eq "Mikrotezaurus"', 'key' => 'a:v561^4:v562^4:v461^1', 'val' => 'v900' },
129    #       { 'eval' => '"v901^a" eq "Deskriptor"', 'key' => 'a:v561^4:v562^4:v461^1', 'val' => 'v900' },
130            { 'key' => 'a:v561^4:v562^4:v461^1', 'val' => 'v900' },
131            { 'key' => '900_mfn:v900', 'val' => 'v000' },
132            # tree structure
133            { 'eval' => 'length("v251") == 2 && "v800" =~ m/EUROVOC/ || "v800" =~ m/CROVOC/ && "v251" =~ m/^(H|HD|L|Z|P)$/', 'key' => 'root:v251', 'val' => 'v900' },
134            { 'eval' => '"v251"', 'key' => 'code:v900', 'val' => 'v561^4:v251' },
135            { 'eval' => '"v561^4" && "v562^4"', 'key' => 'code:v900', 'val' => 'v561^4:v562^4' },
136            { 'key' => 'crovoc:v900', 'val' => 'filter{CROVOC}v800' },
137            ],
138  );  );
139    
140  sub fill_in {  $log->debug("isis file ",$webpac->{'isis_filename'}," opened");
         my $tmp = shift || return;  
         my $data = shift || return;  
         my $i = shift || 0;  
   
         my $found = 0;  
   
         sub get_sf {  
                 my ($found,$data,$f,$sf,$i) = @_;  
                 if ($$data->{$f}->[$i]->{$sf}) {  
                         $$found++;  
                         return $$data->{$f}->[$i]->{$sf};  
                 } else {  
                         return '';  
                 }  
         }  
141    
142          sub get_nosf {  $log->info("rows: $maxmfn");
143                  my ($found,$data,$f,$i) = @_;  
144                  if ($$data->{$f}->[$i]) {  $webpac->open_import_xml(type => 'isis_hidra_ths');
145                          $$found++;  
146                          return $$data->{$f}->[$i];  if(1) { # XXX
147                  } else {  
148                          return '';  while (my $rec = $webpac->fetch_rec) {
149                  }  
150            my @ds = $webpac->data_structure($rec);
151    
152            if (0 && $log->is_debug) {
153                    $log->debug("rec = ",Dump($rec));
154                    $log->debug("ds = ",Dump(\@ds));
155          }          }
156    
157          $tmp =~ s/v(\d+)\^(\w)/get_sf(\$found,\$data,$1,$2,$i)/ges;          next if (! @ds);
         $tmp =~ s/v(\d+)/get_nosf(\$found,\$data,$1,$i)/ges;  
158    
159          if ($found) {          my $filename = $webpac->{'current_filename'} || $log->logdie("no current_filename in webpac object");
160                  return $tmp;  
161            if ($filename) {
162                    $webpac->output_file(
163                            file => $filename,
164                            template => 'html.tt',
165                            data => \@ds,
166                            headline => $webpac->{'headline'},
167                    );
168          } else {          } else {
169                  return;                  print $webpac->output(
170                            template => 'text.tt',
171                            data => \@ds,
172                            headline => $webpac->{'headline'},
173                    );
174          }          }
 }  
175    
176  print "reading database...\n";          my $headline = $webpac->{'headline'};
177    
178  for (my $mfn = 1; $mfn <= $maxmfn; $mfn++) {          my $f = $filename;
179            $f =~ s!out/!!;
180    
181          my $row = OpenIsis::read( $db, $mfn );          # save into index
182  print Dumper($row);          foreach my $ds (@ds) {
183          foreach my $k (keys %{$row}) {                  next if (! $ds->{'swish'});
184                  if ($k ne "mfn") {  
185                          foreach my $l (@{$row->{$k}}) {                  # strip all non word characters from beginning or end
186                                  next if (! $l);                  # of word
187                                  $l = $cp->convert($l);                  my $words = unac(join(" ",@{$ds->{'swish'}}));
188                                  # has subfields?                  $words =~ s/^\W+//;
189                                  my $val;                  $words =~ s/\W*\s+\W*/ /g;
190                                  if ($l =~ m/\^/) {                  $words =~ s/\W+$//;
191                                          foreach my $t (split(/\^/,$l)) {  
192                                                  next if (! $t);                  # first try to generate headline for this entry from index
193                                                  $val->{substr($t,0,1)} = substr($t,1);                  my $h = $ds->{'index'}->[0];
194                                          }                  # then, from display
195                                  } else {                  $h ||= $ds->{'display'}->[0];
196                                          $val = $l;                  # and as last resport, fallback to headline
197                                  }                  $h ||= $headline;
198    
199                    $index->insert(
200                            index_name => $ds->{'tag'},
201                            #path => $f,
202                            path => $webpac->mfn,
203                            headline => $h,
204                            words => $words,
205                    );
206            }
207    
208                                  push @{$data->{$mfn}->{$k}}, $val if ($val && $val ne "");          # save into sorted index (thesaurus)
209                          }          foreach my $ds (@ds) {
210                    next if (! $ds->{'index'});
211    
212                    $thes->{$ds->{'tag'}} ||= new WebPAC::Index( name => $ds->{'tag'} );
213    
214                    foreach my $h (@{$ds->{'index'}}) {
215                            $thes->{$ds->{'tag'}}->insert(
216                                    sort_by => unac_2($h),
217                                    mfn => $webpac->mfn,
218                                    headline => $h,
219                            );
220                  }                  }
   
221          }          }
222    
223          foreach my $i (@lookup) {  #       print Dump(\@ds);
224                  if ($i->{'eval'}) {  
225                          my $eval = fill_in($i->{'eval'},$data->{$mfn});  }
226                          my $key = fill_in($i->{'key'}, $data->{$mfn});  
227                          my $val = fill_in($i->{'val'}, $data->{$mfn});  foreach my $t (keys %{$thes}) {
228                          if ($key && $val && eval $eval) {  
229                                  push @{$data->{lookup}->{$key}}, $val;          my @e = $thes->{$t}->elements;
230                          }          if (! @e) {
231                  } else {                  $log->logwarn("no elements in sorted index $t?");
232                          my $key = fill_in($i->{'key'}, $data->{$mfn});                  next;
                         my $val = fill_in($i->{'val'}, $data->{$mfn});  
                         if ($key && $val) {  
                                 push @{$data->{lookup}->{$key}}, $val;  
                         }  
                 }  
233          }          }
234    
235            my $file = "./out/bfilter/$t.txt";
236            $log->info("saving sorted index $t to '$file' [".scalar(@e)." elements]");
237    
238            $webpac->output_file(
239                    file => $file,
240                    template => 'index.tt',
241                    data => \@e,
242                    index_name => $t,
243            );
244  }  }
 print "\n";  
245    
246  for (my $mfn = 1; $mfn <= $maxmfn; $mfn++) {  if (0 && $log->is_debug) {
247          my $d = $data->{$mfn};          $log->debug("lookup hash: ",Dump($webpac->{'lookup'}));
248          print $d->{'250'}->[0]->{'a'},"\n";          $log->debug("data hash: ",Dump($webpac->{'data'}));
249          my $t = fill_in('v553^1;;v553^a', $d);          foreach my $t (keys %{$thes}) {
250          print " Uži pojam: $t\n" if ($t);                  $log->debug("thesaurus $t hash: ",Dump($thes->{$t}));
251          $t = fill_in('[a:v251];;[d:[a:v251]]', $d);          }
         print " Uži pojam: $t\n" if ($t);  
252  }  }
253    
254  print Dumper($data);  } # XXX if(0)
255    
256    #$log->debug("lookup hash: ",Dump($webpac->{'lookup'}));
257    
258    $log->info("creating tree");
259    
260    #
261    # define tree structure
262    #
263    
264    my $l = $webpac->{'lookup'} || $log->logconfess("can't find lookup");
265    
266    my @tree = ({
267            # level 0
268            code_arr        => sub { sort keys %{$l} },
269            filter_code     => sub {
270                                            my $t = shift;
271                                            return $t if ($t =~ s/root://);
272                                    },
273            lookup_v900     => sub { shift @{$l->{"root:".$_[0]}} },
274            lookup_term     => sub { shift @{$l->{"d:".$_[1]}} },
275            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[1]}} },
276            have_children   => sub { return $l->{"a:".$_[0]."::"} },
277            have_children_at_level => sub {
278                                    return unless (defined($l->{"code:".$_[1]}));
279                                    my $code = shift @{$l->{"code:".$_[1]}};
280                                    print STDERR "## $_[1] -> $code\n";
281                                    return undef unless($code);
282                                    return(9, $l->{"a:$code:"} ) if (defined($l->{"a:$code:"}));
283                            },
284            style           => 'display: none',
285            iframe          => 1,
286            },{
287            # 1
288            code_arr        => sub { @{$_[0]} },
289            filter_code     => sub { shift },       # nop
290            lookup_v900     => sub { shift @{$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].":"} },
294            style           => 'display: none',
295            },{
296            # 2
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].":".$_[0]} },
303            style           => 'display: none',
304            },{
305            # 3 uži pojam
306            code_arr        => sub { @{$_[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].":".$_[0]} },
312            },{
313            # 4
314            code_arr        => sub { @{$_[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].":".$_[0]} },
320            },{
321            # 5
322            code_arr        => sub { @{$_[0]} },
323            filter_code     => sub { shift },
324            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
325            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
326            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
327            have_children   => sub { return $l->{"a:".$_[1].":".$_[0]} },
328            },{
329            # 6
330            code_arr        => sub { @{$_[0]} },
331            filter_code     => sub { shift },
332            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
333            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
334            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
335            have_children   => sub { return $l->{"a:".$_[1].":".$_[0]} },
336            },{
337            # 7
338            code_arr        => sub { @{$_[0]} },
339            filter_code     => sub { shift },
340            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
341            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
342            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
343            have_children   => sub { return $l->{"a:".$_[1].":".$_[0]} },
344            },{
345            # 8
346            code_arr        => sub { @{$_[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 { return $l->{"a:".$_[1].":".$_[0]} },
352            have_children   => sub { 0 },
353            },{
354            # 9 - level which is never reached except explicitly
355            code_arr        => sub { @{$_[0]} },
356            filter_code     => sub { shift },
357            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
358            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
359            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
360            have_children   => sub { 0 },
361            have_children_at_level => sub { defined($l->{"a:".$_[1].":".$_[0]}) && return (9,$l->{"a:".$_[1].":".$_[0]}) },
362            },{
363    });
364    
365    my $tree = new WebPAC::Tree(
366            tree => \@tree,
367            detail_url => sub {
368                    my $mfn = shift;
369                    my $url = "thes/${mfn}.html";
370                    return $url if (-e "./out/$url");
371            },
372            nodes_dir => 'nodes',
373    );
374    
375    $tree->output(
376            dir => './out',
377            html => 'browse.html',
378            template_dir => './output_template/',
379            template_tree => 'tree.tt',
380            template_node => 'node.tt',
381            js => 'tree-ids.js',
382    );
383    
384    $tree->output(
385            dir => './eurovoc',
386            html => 'hijerarhija.html',
387            template_dir => './output_template/',
388            template_tree => 'hijerarhija.tt',
389            template_node => 'hijerarhija_node.tt',
390            js => 'tree-ids.js',
391    );
392    
393    
394    $log->info("closing index");
395    $index->close;
396    
397    $log->info("elapsed time: ",$webpac->fmt_time(time() - $webpac->{'start_t'}));
Legend:
Removed from v.348  
changed lines
  Added in v.708
  ViewVC Help
Powered by ViewVC 1.1.26