/[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 4 by dpavlin, Sun Dec 1 22:51:29 2002 UTC trunk2/all2all.pl revision 448 by dpavlin, Wed Sep 15 16:53:51 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;  
 require Unicode::Map8;  
   
 my $config=XMLin(undef, forcearray => [ 'isis' ], forcecontent => 1);  
   
 my %opts;  
   
 getopts('d:m:q', \%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;  
4    
5  sub isis2xml {  all2all.pl - basic script for all WebPAC needs
6    
7          my $row = shift @_;  =cut
8    
9          my $xml;  use strict;
10    use Data::Dumper;
11    use Carp;
12    use Getopt::Long;
13    
14          sub isis_sf {  use lib './lib';
15                  my $row = shift @_;  use WebPAC;
16                  my $isis_id = shift @_;  use WebPAC::jsFind;
17                  my $subfield = shift @_;  use WebPAC::Index;
18                  if ($row->{$isis_id}->[0]) {  use WebPAC::Tree;
19                          my $sf = OpenIsis::subfields($row->{$isis_id}->[0]);  
20                          if (! defined $subfield || length($subfield) == 0) {  # options which can be changed via command line
21                                  # subfield list undef, empty or no defined subfields for this record  #
22                                  my $all_sf = $row->{$isis_id}->[0];  my $code_page = 'ISO-8859-2';
23                                  $all_sf =~ s/\^./ /g;   nuke definirions  my ($limit_mfn, $start_mfn, $debug, $low_mem);
24                                  return $all_sf;  my $index_path = './out/index';
25                          } elsif ($sf->{$subfield}) {  
26                                  return $sf->{$subfield};  my $result = GetOptions(
27                          }          "code_page=s"   => \$code_page,
28                  }          "limit_mfn=i"   => \$limit_mfn,
29            "start_mfn=i"   => \$start_mfn,
30            "debug!"        => \$debug,
31            "low_mem!"      => \$low_mem,
32    );
33    
34    # create WebPAC object
35    #
36    my $webpac = new WebPAC(
37            code_page => $code_page,
38            limit_mfn => $limit_mfn,
39            start_mfn => $start_mfn,
40            debug => $debug,
41            low_mem => $low_mem,
42    ) || die;
43    
44    my $log = $webpac->_get_logger() || die "can't get logger";
45    
46    $log->debug("creating WebPAC::jsFind object");
47    
48    my $index = new WebPAC::jsFind(
49            index_path => $index_path,
50            keys => 10,
51    ) || die;
52    
53    my $thes;
54    
55    $|=1;
56    
57    my $maxmfn = $webpac->open_isis(
58            filename => shift @ARGV || '/data/hidra/THS/THS',
59            lookup => [
60            { 'key' => 'd:v900', 'val' => 'v250^a' },
61    #       { 'eval' => '"v901^a" eq "Područje"', 'key' => 'pa:v561^4:v562^4:v461^1', 'val' => 'v900' },
62    #       { 'eval '=> '"v901^a" eq "Mikrotezaurus"', 'key' => 'a:v561^4:v562^4:v461^1', 'val' => 'v900' },
63    #       { 'eval' => '"v901^a" eq "Deskriptor"', 'key' => 'a:v561^4:v562^4:v461^1', 'val' => 'v900' },
64            { 'key' => 'a:v561^4:v562^4:v461^1', 'val' => 'v900' },
65            { 'key' => '900_mfn:v900', 'val' => 'v000' },
66            # tree structure
67            { 'eval' => 'length("v251") == 2', 'key' => 'root:v251', 'val' => 'v900' },
68            { 'eval' => '"v251"', 'key' => 'code:v900', 'val' => 'v561^4:v251' },
69            ],
70    );
71    
72    $log->debug("isis file ",$webpac->{'isis_filename'}," opened");
73    
74    $log->info("rows: $maxmfn");
75    
76    $webpac->open_import_xml(type => 'isis_hidra_ths');
77    
78    if(1) { # XXX
79    
80    while (my $rec = $webpac->fetch_rec) {
81    
82            my @ds = $webpac->data_structure($rec);
83    
84            if (0 && $log->is_debug) {
85                    $log->debug("rec = ",Dumper($rec));
86                    $log->debug("ds = ",Dumper(\@ds));
87          }          }
88    
89          foreach my $field (keys %{$config->{indexer}}) {          next if (! @ds);
90    
91                  my $display_data = "";          my $filename = $webpac->{'current_filename'} || $log->logdie("no current_filename in webpac object");
                 my $index_data = "";  
92    
93                  foreach my $x (@{$config->{indexer}->{$field}->{isis}}) {          if ($filename) {
94                    $webpac->output_file(
95                          my $display_tmp = "";                          file => $filename,
96                          my $index_tmp = "";                          template => 'html.tt',
97                            data => \@ds,
98                          my $format = $x->{content};                          headline => $webpac->{'headline'},
99                          my $i = 1;      # index only                  );
                         my $d = 1;      # display only  
                         $i = 0 if (lc($x->{type}) eq "display");  
                         $d = 0 if (lc($x->{type}) eq "index");  
 #print "## i: $i d: $d ## $format ##";    
                         # 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);  
                                                 $index_tmp .= $isis_tmp." " if ($i);  
 #print " $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);  
   
 #                       $display_data .= $display_tmp if ($display_tmp ne "");  
 #                       $index_data .= $index_tmp if ($index_tmp ne "");  
                         $display_data .= $display_tmp;  
                         $index_data .= $index_tmp;  
   
                 }  
 #print "--display:$display_data\n--index:$index_data\n";  
                 $xml->{$field}->{display} .= $isis_map->tou($display_data)->utf8 if ($display_data);  
                 $xml->{$field}->{index} .= unac_string($config->{isis_codepage},$index_data) if ($index_data);  
           
         }  
         if ($xml) {  
                 return XMLout($xml, rootname => 'xml', noattr => 1 );  
100          } else {          } else {
101                  return;                  print $webpac->output(
102                            template => 'text.tt',
103                            data => \@ds,
104                            headline => $webpac->{'headline'},
105                    );
106          }          }
 }  
   
 ##########################################################################  
   
 my $last_tell=0;  
   
 my @isis_dirs = ( '.' );        # use dirname as database name  
107    
108  if ($opts{m}) {          my $headline = $webpac->{'headline'};
         @isis_dirs = split(/,/,$opts{m});  
 }  
109    
110  my @isis_dbs;          my $f = $filename;
111            $f =~ s!out/!!;
112    
113  foreach (@isis_dirs) {          # save into index
114          if (-e $config->{isis_data}."/$db_dir/$_/LIBRI") {          foreach my $ds (@ds) {
115                  push @isis_dbs,$config->{isis_data}."/$db_dir/$_/LIBRI/LIBRI";                  next if (! $ds->{'swish'});
116          }  
117          if (-e $config->{isis_data}."/$db_dir/$_/PERI") {                  $index->insert(
118                  push @isis_dbs,$config->{isis_data}."/$db_dir/$_/PERI/PERI";                          index_name => $ds->{'tag'},
119          }                          path => $f,
120          if (-e $config->{isis_data}."/$db_dir/$_/AMS") {                          headline => $headline,
121                  push @isis_dbs,$config->{isis_data}."/$db_dir/$_/AMS/AMS";                          words => join(" ",@{$ds->{'swish'}})
122                    );
123          }          }
         if (-e $config->{isis_data}."/$db_dir/$_/ARTI") {  
 #               push @isis_dbs,$config->{isis_data}."/$db_dir/$_/ARTI/ARTI";  
         }  
 }  
124    
125  print STDERR "FATAL: Can't find isis database.\nPerhaps isis_data (".$config->{isis_data}.") has wrong value?\n" if (! @isis_dbs);          # save into sorted index (thesaurus)
126            foreach my $ds (@ds) {
127                    next if (! $ds->{'index'});
128    
129                    $thes->{$ds->{'tag'}} ||= new WebPAC::Index;
130    
131                    foreach my $h (@{$ds->{'index'}}) {
132                            $thes->{$ds->{'tag'}}->insert(
133                                    headline => $h,
134                                    mfn => $webpac->mfn,
135                            );
136                    }
137            }
138    
139  my $db;  #       print Dumper(\@ds);
140    
141  foreach my $isis_db (@isis_dbs) {  }
142    
143    foreach my $t (keys %{$thes}) {
144    
145          my $db = OpenIsis::open( $isis_db );          my @e = $thes->{$t}->elements;
146          if (0) {          if (! @e) {
147  #       # FIX                  $log->logwarn("no elements in sorted index $t?");
148  #       if (! $db ) {                  next;
                 print STDERR "WARNING: can't open '$isis_db'\n";  
                 next ;  
149          }          }
150    
151          my $max_rowid = OpenIsis::maxRowid( $db );          my $file = "./out/bfilter/$t.txt";
152            $log->info("saving sorted index $t to '$file' [".scalar(@e)." elements]");
         print STDERR "Reading database: $isis_db [$max_rowid rows]\n";  
   
         my $last_p = 0;  
   
 #       { my $row_id = 1;  
 # FIX  
         for (my $row_id = 1; $row_id <= $max_rowid; $row_id++ ) {  
                 my $row = OpenIsis::read( $db, $row_id );  
                 if ($row && $row->{mfn}) {  
153    
154                          # output current process indicator          $webpac->output_file(
155                          my $p = int($row->{mfn} * 100 / $max_rowid);                  file => $file,
156                          if ($p != $last_p) {                  template => 'index.tt',
157                                  printf STDERR ("%5d / %5d [%-51s] %-2d %% \r",$row->{mfn},$max_rowid,"=" x ($p/2).">", $p ) if (! $opts{q});                  data => \@e,
158                                  $last_p = $p;                  index_name => $t,
159                          }          );
160    }
161    
162                          if (my $xml = isis2xml($row)) {  if (0 && $log->is_debug) {
163                                  print "Path-Name: $isis_db#".$row->{mfn}."\n";          $log->debug("lookup hash: ",Dumper($webpac->{'lookup'}));
164                                  print "Content-Length: ".(length($xml)+1)."\n";          $log->debug("data hash: ",Dumper($webpac->{'data'}));
165                                  print "Document-Type: XML\n\n$xml\n";          foreach my $t (keys %{$thes}) {
166                          }                  $log->debug("thesaurus $t hash: ",Dumper($thes->{$t}));
                 }  
167          }          }
         print STDERR "\n";  
168  }  }
169    
170    } # XXX if(0)
171    
172  1;  $log->debug("lookup hash: ",Dumper($webpac->{'lookup'}));
 __END__  
 ##########################################################################  
   
 =head1 NAME  
   
 isis2xml.pl - read isis file and dump XML  
   
 =head1 DESCRIPTION  
173    
174  This command will read ISIS data file using OpenIsis perl module and  $log->info("creating tree");
 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.  
175    
176  =head1 AUTHOR  #
177    # define tree structure
178    #
179    
180    my $l = $webpac->{'lookup'} || $log->logconfess("can't find lookup");
181    
182    my @tree = ({
183            # level 0
184            code_arr        => sub { sort keys %{$l} },
185            filter_code     => sub {
186                                            my $t = shift;
187                                            return $t if ($t =~ s/root://);
188                                    },
189            lookup_v900     => sub { shift @{$l->{"root:".$_[0]}} },
190            lookup_term     => sub { shift @{$l->{"d:".$_[1]}} },
191            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[1]}} },
192            have_children   => sub { defined($l->{"a:".$_[0]."::"}) },
193            child_code      => sub { return $_[0] },
194            style           => 'display: none',
195            },{
196            # 1
197            code_arr        => sub { @{$l->{"a:".$_[0]."::"}} },
198            filter_code     => sub { shift },       # nop
199            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
200            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
201            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
202            have_children   => sub { defined($l->{"a:".$_[1].":"}) },
203            child_code      => sub { return $_[1] },
204            style           => 'display: none',
205            },{
206            # 2
207            code_arr        => sub { @{$l->{"a:".$_[0].":"}} },
208            filter_code     => sub { shift },
209            lookup_v900     => sub { shift },
210            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
211            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
212            have_children   => sub { defined($l->{"a:".$_[2].":".$_[1]}) },
213            child_code      => sub { return "a:".$_[2].":".$_[1] },
214            style           => 'display: none',
215            },{
216            # 3 uži pojam
217            code_arr        => sub { @{$l->{$_[0]}} },
218            filter_code     => sub { shift },
219            lookup_v900     => sub {
220                                    my ($c,$p) = @_;
221                                    $p =~ s/^a:(..:....):.*$/$1/;
222                                    return "a:".$p.":".$c;
223                            },
224            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
225            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
226            have_children   => sub { defined($l->{$_[1]}) },
227            child_code      => sub { return $_[1] },
228            },{
229            # 4
230            code_arr        => sub { @{$l->{$_[0]}} },
231            filter_code     => sub { shift },
232            lookup_v900     => sub {
233                                    my ($c,$p) = @_;
234                                    $p =~ s/^a:(..:....):.*$/$1/;
235                                    return "a:".$p.":".$c;
236                            },
237            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
238            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
239            have_children   => sub { defined($l->{$_[1]}) },
240            child_code      => sub { return $_[1] },
241            },{
242            # 5
243            code_arr        => sub { @{$l->{$_[0]}} },
244            filter_code     => sub { shift },
245            lookup_v900     => sub {
246                                    my ($c,$p) = @_;
247                                    $p =~ s/^a:(..:....):.*$/$1/;
248                                    return "a:".$p.":".$c;
249                            },
250            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
251            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
252            have_children   => sub { defined($l->{$_[1]}) },
253            child_code      => sub { return $_[1] },
254            },{
255            # 6
256            code_arr        => sub { @{$l->{$_[0]}} },
257            filter_code     => sub { shift },
258            lookup_v900     => sub {
259                                    my ($c,$p) = @_;
260                                    $p =~ s/^a:(..:....):.*$/$1/;
261                                    return "a:".$p.":".$c;
262                            },
263            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
264            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
265            have_children   => sub { defined($l->{$_[1]}) },
266            child_code      => sub { return $_[1] },
267            },{
268            # 7
269            code_arr        => sub { @{$l->{$_[0]}} },
270            filter_code     => sub { shift },
271            lookup_v900     => sub {
272                                    my ($c,$p) = @_;
273                                    $p =~ s/^a:(..:....):.*$/$1/;
274                                    return "a:".$p.":".$c;
275                            },
276            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
277            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
278            have_children   => sub { defined($l->{$_[1]}) },
279            child_code      => sub { return $_[1] },
280            },{
281            # 8
282            code_arr        => sub { @{$l->{$_[0]}} },
283            filter_code     => sub { shift },
284            lookup_v900     => sub {
285                                    my ($c,$p) = @_;
286                                    $p =~ s/^a:(..:....):.*$/$1/;
287                                    return "a:".$p.":".$c;
288                            },
289            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
290            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
291    #       have_children   => sub { defined($l->{$_[1]}) },
292    #       child_code      => sub { return $_[1] },
293            have_children   => sub { 0 },
294            child_code      => sub { 0 },
295    });
296    
297    my $tree = new WebPAC::Tree(
298            dir => './out',
299            html => 'browse.html',
300            template => './output_template/tree.tt',
301            js => 'tree-ids.js',
302            tree => \@tree,
303    );
304    
305  Dobrica Pavlinusic <dpavlin@rot13.org>  $log->info("closing index");
306    $index->close;
307    
308  =head1 COPYRIGHT  $log->info("elapsed time: ",$webpac->fmt_time(time() - $webpac->{'start_t'}));
   
 GNU Public License (GPL) v2 or later  
   
 =head1 SEE ALSO  
   
 SWISH-E web site at http://www.swish-e.org  
   
 =cut  
Legend:
Removed from v.4  
changed lines
  Added in v.448
  ViewVC Help
Powered by ViewVC 1.1.26