/[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 20 by dpavlin, Sat Feb 22 23:49:22 2003 UTC trunk2/all2all.pl revision 421 by dpavlin, Fri Sep 10 22:24:42 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,  
 use Text::Iconv;  
 use Config::IniFiles;  
4    
5  $|=1;  all2all.pl - basic script for all WebPAC needs
6    
7  my $config_file = $0;  =cut
 $config_file =~ s/\.pl$/.conf/;  
 die "FATAL: can't find configuration file '$config_file'" if (! -e $config_file);  
8    
9  my $config;  use strict;
10    use Data::Dumper;
11    use Carp;
12    
13  use index_DBI;  # there is no other, right now ;-)  use lib './lib';
14    use WebPAC;
15    use WebPAC::jsFind;
16    use WebPAC::Index;
17    
18    my $webpac = new WebPAC(
19            code_page => 'ISO-8859-2',
20    #       limit_mfn => 100,
21    #       debug => 1,
22            low_mem => 1,
23    ) || die;
24    
25    my $log = $webpac->_get_logger() || die "can't get logger";
26    
27    $log->debug("creating WebPAC::jsFind object");
28    
29    my $index = new WebPAC::jsFind(
30            index_path => './out/index',
31            keys => 10,
32    ) || die;
33    
34  my $index = new index_DBI();    # open index  my $thes;
35    
36  my %opts;  $|=1;
37    
38  # usage:  my $maxmfn = $webpac->open_isis(
39  #       -d directory name          filename => shift @ARGV || '/data/hidra/THS/THS',
40  #       -m multiple directories          lookup => [
41  #       -q quiet          { 'key' => 'd:v900', 'val' => 'v250^a' },
42  #       -s run swish  #       { 'eval' => '"v901^a" eq "Područje"', 'key' => 'pa:v561^4:v562^4:v461^1', 'val' => 'v900' },
43    #       { 'eval '=> '"v901^a" eq "Mikrotezaurus"', 'key' => 'a:v561^4:v562^4:v461^1', 'val' => 'v900' },
44    #       { 'eval' => '"v901^a" eq "Deskriptor"', 'key' => 'a:v561^4:v562^4:v461^1', 'val' => 'v900' },
45            { 'key' => 'a:v561^4:v562^4:v461^1', 'val' => 'v900' },
46            { 'key' => '900_mfn:v900', 'val' => 'v000' },
47            # tree structure
48            { 'eval' => 'length("v251") == 2', 'key' => 'root:v251', 'val' => 'v900' },
49            { 'eval' => '"v251"', 'key' => 'code:v900', 'val' => 'v561^4:v251' },
50            ],
51    );
52    
53    $log->debug("isis file ",$webpac->{'isis_filename'}," opened");
54    
55    $log->info("rows: $maxmfn");
56    
57    $webpac->open_import_xml(type => 'isis_hidra_ths');
58    
59    $log->debug("data: ",Dumper($webpac->{'data'}));
60    
61    while (my $rec = $webpac->fetch_rec) {
62    
63            my @ds = $webpac->data_structure($rec);
64    
65            if (0 && $log->is_debug) {
66                    $log->debug("rec = ",Dumper($rec));
67                    $log->debug("ds = ",Dumper(\@ds));
68            }
69    
70  getopts('d:m:qs', \%opts);          next if (! @ds);
71    
72  my $db_dir;          my $filename = $webpac->{'current_filename'} || $log->logdie("no current_filename in webpac object");
73    
74  #die "usage: $0 -d [database_dir] -m [database1,database2] " if (! %opts);          if ($filename) {
75                    $webpac->output_file(
76                            file => $filename,
77                            template => 'html.tt',
78                            data => \@ds,
79                            headline => $webpac->{'headline'},
80                    );
81            } else {
82                    print $webpac->output(
83                            template => 'text.tt',
84                            data => \@ds,
85                            headline => $webpac->{'headline'},
86                    );
87            }
88    
89  #print Dumper($config->{indexer});          my $headline = $webpac->{'headline'};
 #print "-" x 70,"\n";  
90    
91  Text::Iconv->raise_error(1);     # Conversion errors raise exceptions          my $f = $filename;
92            $f =~ s!out/!!;
93    
94  #my $isis_codepage = Text::Iconv->new($config->{isis_codepage},'UTF8');          # save into index
95  #my $index_codepage = Text::Iconv->new($config->{isis_codepage},$config->{index_codepage});          foreach my $ds (@ds) {
96  my $isis_codepage;                  next if (! $ds->{'swish'});
97  my $index_codepage;  
98  my $cludge_codepage = Text::Iconv->new('UTF8','ISO8859-1');                  $index->insert(
99  my $xml_codepage;                          index_name => $ds->{'tag'},
100                            path => $f,
101                            headline => $headline,
102                            words => join(" ",@{$ds->{'swish'}})
103                    );
104            }
105    
106  sub isis2xml {          # save into sorted index (thesaurus)
107            foreach my $ds (@ds) {
108                    next if (! $ds->{'index'});
109    
110                    $thes->{$ds->{'tag'}} ||= new WebPAC::Index;
111    
112                    foreach my $h (@{$ds->{'index'}}) {
113                            $thes->{$ds->{'tag'}}->insert(
114                                    path => $f,
115                                    headline => $h,
116                            );
117                    }
118            }
119    
120          use xmlify;  #       print Dumper(\@ds);
121    
122          my $row = shift @_;  }
         my $add_xml = shift @_;  
123    
124          my $xml;  foreach my $t (keys %{$thes}) {
125    
126          use parse_format;          my @e = $thes->{$t}->elements;
127            if (! @e) {
128                    $log->logwarn("no elements in sorted index $t?");
129                    next;
130            }
131    
132          my $html = "";          # html formatted display output          my $file = "./out/bfilter/$t.txt";
133            $log->info("saving sorted index $t to '$file' [".scalar(@e)." elements]");
134    
135          my %field_usage;        # counter for usage of each field          $webpac->output_file(
136                    file => $file,
137                    template => 'index.tt',
138                    data => \@e,
139                    index_name => $t,
140            );
141    }
142    
143          foreach my $field (keys %{$config->{indexer}}) {  if (0 && $log->is_debug) {
144            $log->debug("lookup hash: ",Dumper($webpac->{'lookup'}));
145            $log->debug("data hash: ",Dumper($webpac->{'data'}));
146            foreach my $t (keys %{$thes}) {
147                    $log->debug("thesaurus $t hash: ",Dumper($thes->{$t}));
148            }
149    }
150    
151                  $field_usage{$field}++;  $log->info("lookup hash: ",Dumper($webpac->{'lookup'}));
152    
153                  my $swish_data = "";  #
154                  my $display_data = "";  # tree dump implementation which shouldn't be here :-)
155    #
156    
157                  foreach my $x (@{$config->{indexer}->{$field}->{isis}}) {  my $file = 'out/browse.html';
158    open(HTML, "> $file") || $log->logdie("can't open '$file'");
159    
160                          my $format = $x->{content};  print HTML qq{
161                          my ($s,$d,$i) = (1,1,0);        # swish, display default  <html>
162                          $s = 0 if (lc($x->{type}) eq "display");  <head>
163                          $d = 0 if (lc($x->{type}) eq "swish");   <title>Browse</title>
164                          ($s,$d,$i) = (0,0,1) if (lc($x->{type}) eq "index");   <meta http-equiv="Content-Type" content="text/html; charset=iso-8859-2"/>
165  #print STDERR "## s: $s d: $d i: $i ## $format ##\n";    </head>
166    <body>
167    <ul>
168    };
169    
170                          # FIX: this is ugly, UGLY, cludge string is returned  foreach my $code (sort keys %{$webpac->{'lookup'}}) {
                         # in UTF8 encoding , but as if source charset  
                         # is ISO8859-1 and not some other. This break other  
                         # character encodings, so we convert it first  
                         # back to ISO8859-1  
                         $format = $cludge_codepage->convert($format);  
171    
172                          my ($swish,$display) = parse_format($format,$row);          my $l = $webpac->{'lookup'} || $log->logconfess("can't find lookup");
 #print STDERR "s: $swish\nd: $display\n" if ($swish);  
173    
174  #print STDERR "swish: $swish<-- display: $display<--\n";          if ($code =~ m/^root:/) {
175                    my $v900 = shift @{ $l->{$code} } || $log->logconfess("can't lookup '$code'");
176                    $code =~ s/^root:// || die;
177    
178                          # filter="name" ; filter this field through                  my $term = shift @{ $l->{"d:${v900}"} } || die;
179                          # filter/[name].pm                  my $mfn = shift @{ $l->{"900_mfn:${v900}"} } || die;
                         my $filter;  
                         if ($x->{filter}) {  
                                 $filter = "filter/".$x->{filter}.".pm";  
                                 require $filter;  
                         }  
                         # type="swish" ; field for swish  
                         if ($s && $swish) {  
                                 if ($filter) {  
                                         $swish_data .= join(" ",&filter($swish));  
                                 } else {  
                                         $swish_data .= $swish if ($s && $swish);  
                                 }  
                         }  
180    
181                          # type="display" ; field for display                  $log->debug("$code -> $v900 : $term [$mfn]");
                         if ($d && $display) {  
                                 if ($filter) {  
                                         $display_data .= join(" ",&filter($display));  
                                 } else {  
                                         $display_data .= $display if ($s && $display);  
                                 }  
                         }  
                                           
                         # type="index" ; insert into index  
                         if ($i && $display) {  
                                 my $index_data = $index_codepage->convert($display) || $display;  
                                 if ($filter) {  
                                         foreach my $d (&filter($index_data)) {  
                                                 $index->insert($field, $d, $db_dir);  
                                         }  
                                 } else {  
                                         $index->insert($field, $index_data, $db_dir);  
                                 }  
                         }  
                 }  
182    
183                    print HTML qq{ <li><a href="thes/$mfn.html">$term</a></li>\n} if (-e "out/thes/$mfn.html");
184    
185  #print STDERR "s_d: $swish_data\nd_d: $display_data\n" if ($swish_data);                  unless ($l->{"a:${code}::"}) {
186                  if ($display_data) {                          $log->warn("can't find 'a:${code}::'");
187                          $display_data = $isis_codepage->convert($display_data) || die "Can't convert '$display_data' !";                          next;
                         # FIX: this is removed and replaced by html tag.  
                         #$xml .= xmlify($field."_display", $display_data);  
   
                         if ($field eq "headline") {  
                                 $xml .= xmlify("headline", $display_data);  
                         } else {  
   
                                 # find field name (signular, plural)  
                                 my $field_name = "";  
                                 if ($config->{indexer}->{$field}->{name_singular} && $field_usage{$field} == 1) {  
                                         $field_name = $config->{indexer}->{$field}->{name_singular}."#-#";  
                                 } elsif ($config->{indexer}->{$field}->{name_plural}) {  
                                         $field_name = $config->{indexer}->{$field}->{name_plural}."#-#";  
                                 } elsif ($config->{indexer}->{$field}->{name}) {  
                                         $field_name = $config->{indexer}->{$field}->{name}."#-#";  
                                 } else {  
                                         print STDERR "WARNING: field '$field' doesn't have 'name' attribute!";  
                                 }  
                                 if ($field_name) {  
                                         $html .= $xml_codepage->convert($field_name);  
                                 }  
                                 $html .= $display_data."###\n";  
                         }  
                 }  
                 if ($swish_data) {  
                         my $i = Text::Iconv->new($config->{isis_codepage},'ISO8859-2');  
                         # remove extra spaces  
                         $swish_data =~ s/ +/ /g;  
                         $swish_data =~ s/ +$//g;  
   
                         $swish_data = $i->convert($swish_data);  
                         $xml .= xmlify($field."_swish",unac_string('ISO8859-2',$swish_data));  
                         #$swish_data = $isis_codepage->convert($swish_data)."##" || $swish_data;  
                         #$xml .= xmlify($field."_swish",unac_string($config->{isis_codepage},$swish_data));  
188                  }                  }
189    
190                    print HTML qq{ <ul>\n};
191    
192          }                  foreach my $l2_v900 (@{ $l->{"a:${code}::"} }) {
193                            
194          # dump formatted output in <html>                          my $l2_code = shift @{ $l->{"code:${l2_v900}"} } || die;
195          if ($html) {                          my $l2_term = shift @{ $l->{"d:$l2_v900"} } || die;
196                  $xml .= xmlify("html",$html);                          my $l2_mfn = shift @{ $l->{"900_mfn:${l2_v900}"} } || die;
         }  
           
         if ($xml) {  
 #print STDERR "x: $xml\n";  
                 $xml .= $add_xml if ($add_xml);  
                 return "<xml>\n$xml</xml>\n";  
         } else {  
                 return;  
         }  
 }  
   
 ##########################################################################  
197    
198  my $cfg = new Config::IniFiles( -file => $config_file );                          $log->debug("$l2_code -> $l2_v900 : $l2_term [$l2_mfn]");
199    
200  foreach my $database ($cfg->Sections) {                          print HTML qq{  <li><a href="thes/$l2_mfn.html">$l2_term</a></li>\n} if (-e "out/thes/$l2_mfn.html");
201                            
202          my $isis_db = $cfg -> val($database, 'isis_db');                          unless ($l->{"a:${l2_code}:"}) {
203          my $type = $cfg -> val($database, 'type');                                  $log->warn("can't find 'a:${l2_code}:'");
204          my $add_xml = $cfg -> val($database, 'xml');                                  next;
205                            }
         # read configuration for this type  
         $config=XMLin("./import_xml/$type.xml", forcearray => [ 'isis' ], forcecontent => 1);  
         $isis_codepage = Text::Iconv->new($config->{isis_codepage},'UTF8');  
         $index_codepage = Text::Iconv->new($config->{isis_codepage},$config->{index_codepage});  
         $xml_codepage = Text::Iconv->new($cfg->val($database,'xml_codepage'),'UTF8');  
   
         my $db = OpenIsis::open( $isis_db );  
         if (0) {  
 #       # FIX  
 #       if (! $db ) {  
                 print STDERR "WARNING: can't open '$isis_db'\n";  
                 next ;  
         }  
206    
207          my $max_rowid = OpenIsis::maxRowid( $db );                          print HTML qq{  <ul>\n};
208    
209          print STDERR "Reading database: $isis_db [$max_rowid rows]\n";                          foreach my $l3_v900 (@{ $l->{"a:${l2_code}:"} }) {
210    
211          my $path = $database;                   # was $isis_db                                  my $l3_term = shift @{ $l->{"d:$l3_v900"} } || die;
212                                    my $l3_mfn = shift @{ $l->{"900_mfn:${l3_v900}"} } || die;
213    
214          my $last_p = 0;                                  $log->debug(" -> $l3_v900 : $l3_term [$l3_mfn]");
215    
216  #       { my $row_id = 4514;                                  print HTML qq{   <li><a href="thes/$l3_mfn.html">$l3_term</a></li>\n} if (-e "out/thes/$l3_mfn.html");
 # FIX  
         for (my $row_id = 1; $row_id <= $max_rowid; $row_id++ ) {  
                 my $row = OpenIsis::read( $db, $row_id );  
                 if ($row && $row->{mfn}) {  
 #print STDERR "mfn: ",$row->{mfn},"\n";  
                         # output current process indicator  
                         my $p = int($row->{mfn} * 100 / $max_rowid);  
                         if ($p != $last_p) {  
                                 printf STDERR ("%5d / %5d [%-51s] %-2d %% \r",$row->{mfn},$max_rowid,"=" x ($p/2).">", $p ) if (! $opts{q});  
                                 $last_p = $p;  
217                          }                          }
218    
219                          if (my $xml = isis2xml($row,$add_xml)) {                          print HTML qq{  </ul>\n};
 #print STDERR "--ret-->$xml\n";  
                                 print "Path-Name: $path#".int($row->{mfn})."\n";  
                                 print "Content-Length: ".(length($xml)+1)."\n";  
                                 print "Document-Type: XML\n\n$xml\n";  
                         }  
220                  }                  }
221                    print HTML qq{ </ul>\n};
222          }          }
         print STDERR "\n";  
223  }  }
224    
225  # call this to commit index  print HTML qq{
226  $index->close;  </ul>
227    </body>
228  1;  </html>
229  __END__  };
 ##########################################################################  
230    
231  =head1 NAME  $index->close;
   
 isis2xml.pl - read isis file and dump XML  
   
 =head1 DESCRIPTION  
   
 This command will read ISIS data file using OpenIsis perl module and  
 create XML file for usage with I<SWISH-E>  
 indexer. Dispite it's name, this script B<isn't general xml generator>  
 from isis files (isis allready has something like that). Output of this  
 script is tailor-made for SWISH-E.  
   
 =head1 AUTHOR  
   
 Dobrica Pavlinusic <dpavlin@rot13.org>  
   
 =head1 COPYRIGHT  
   
 GNU Public License (GPL) v2 or later  
   
 =head1 SEE ALSO  
   
 SWISH-E web site at http://www.swish-e.org  
232    
 =cut  
Legend:
Removed from v.20  
changed lines
  Added in v.421
  ViewVC Help
Powered by ViewVC 1.1.26