/[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 17 by dpavlin, Sat Feb 22 21:33:04 2003 UTC trunk2/all2all.pl revision 460 by dpavlin, Tue Sep 21 20:43:43 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;  
   
 $|=1;  
   
 my $config_file = $0;  
 $config_file =~ s/\.pl$/.conf/;  
 die "FATAL: can't find configuration file '$config_file'" if (! -e $config_file);  
   
 my $config;  
   
 use index_DBI;  # there is no other, right now ;-)  
   
 my $index = new index_DBI();    # open index  
   
 my %opts;  
   
 # usage:  
 #       -d directory name  
 #       -m multiple directories  
 #       -q quiet  
 #       -s run swish  
   
 getopts('d:m:qs', \%opts);  
   
 my $db_dir;  
   
 #die "usage: $0 -d [database_dir] -m [database1,database2] " if (! %opts);  
   
 #print Dumper($config->{indexer});  
 #print "-" x 70,"\n";  
   
 Text::Iconv->raise_error(1);     # Conversion errors raise exceptions  
   
 #my $isis_codepage = Text::Iconv->new($config->{isis_codepage},'UTF8');  
 #my $index_codepage = Text::Iconv->new($config->{isis_codepage},$config->{index_codepage});  
 my $isis_codepage;  
 my $index_codepage;  
 my $cludge_codepage = Text::Iconv->new('UTF8','ISO8859-1');  
 my $xml_codepage;  
   
 sub isis2xml {  
   
         use xmlify;  
   
         my $row = shift @_;  
         my $add_xml = shift @_;  
   
         my $xml;  
   
         use parse_format;  
   
         my $html = "";          # html formatted display output  
   
         my %field_usage;        # counter for usage of each field  
   
         foreach my $field (keys %{$config->{indexer}}) {  
   
                 $field_usage{$field}++;  
   
                 my $swish_data = "";  
                 my $display_data = "";  
   
                 foreach my $x (@{$config->{indexer}->{$field}->{isis}}) {  
   
                         my $format = $x->{content};  
                         my ($s,$d,$i) = (1,1,0);        # swish, display default  
                         $s = 0 if (lc($x->{type}) eq "display");  
                         $d = 0 if (lc($x->{type}) eq "swish");  
                         ($s,$d,$i) = (0,0,1) if (lc($x->{type}) eq "index");  
 #print STDERR "## s: $s d: $d i: $i ## $format ##\n";    
4    
5                          $format = $cludge_codepage->convert($format);  all2all.pl - basic script for all WebPAC needs
                         my ($swish,$display) = parse_format($format,$row);  
 #print STDERR "s: $swish\nd: $display\n" if ($swish);  
6    
7  #print STDERR "swish: $swish<-- display: $display<--\n";  =cut
                         # FIX: this is ugly, UGLY, cludge: OpenIsis return  
                         # UTF8 encoding of strings, but as if source charset  
                         # is ISO8859-1 and not some other. This breaks our  
                         # isis character encoding, so we convert it first  
                         # back to ISO8859-1 (which can actually be different  
                         # encoding in isis)  
8    
9                          $swish_data .= $swish if ($s && $swish);  use strict;
10                          $display_data .= $display if ($d && $display);  use YAML;
11    use Carp;
12    use Getopt::Long;
13    
14    use lib './lib';
15    use WebPAC;
16    use WebPAC::jsFind;
17    use WebPAC::Index;
18    use WebPAC::Tree;
19    
20    # options which can be changed via command line
21    #
22    my $code_page = 'ISO-8859-2';
23    my ($limit_mfn, $start_mfn, $debug, $low_mem);
24    my $index_path = './out/index';
25    
26    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                          # insert into index  my $thes;
                         if ($i && $display) {  
                                 my $index_data = $index_codepage->convert($display) || $display;  
                                 $index->insert($field, $index_data, $db_dir);  
                         }  
                 }  
54    
55    $|=1;
56    
57  #print STDERR "s_d: $swish_data\nd_d: $display_data\n" if ($swish_data);  my $maxmfn = $webpac->open_isis(
58                  if ($display_data) {          filename => shift @ARGV || '/data/hidra/THS/THS',
59                          $display_data = $isis_codepage->convert($display_data) || die "Can't convert '$display_data' !";          lookup => [
60                          # FIX: this is removed and replaced by html tag.          { 'key' => 'd:v900', 'val' => 'v250^a' },
61                          #$xml .= xmlify($field."_display", $display_data);  #       { 'eval' => '"v901^a" eq "Područje"', 'key' => 'pa:v561^4:v562^4:v461^1', 'val' => 'v900' },
62    #       { 'eval '=> '"v901^a" eq "Mikrotezaurus"', 'key' => 'a:v561^4:v562^4:v461^1', 'val' => 'v900' },
63                          if ($field eq "headline") {  #       { 'eval' => '"v901^a" eq "Deskriptor"', 'key' => 'a:v561^4:v562^4:v461^1', 'val' => 'v900' },
64                                  $xml .= xmlify("headline", $display_data);          { 'key' => 'a:v561^4:v562^4:v461^1', 'val' => 'v900' },
65                          } else {          { 'key' => '900_mfn:v900', 'val' => 'v000' },
66            # tree structure
67                                  # find field name (signular, plural)          { 'eval' => 'length("v251") == 2', 'key' => 'root:v251', 'val' => 'v900' },
68                                  my $field_name = "";          { 'eval' => '"v251"', 'key' => 'code:v900', 'val' => 'v561^4:v251' },
69                                  if ($config->{indexer}->{$field}->{name_singular} && $field_usage{$field} == 1) {          { 'eval' => '"v561^4" && "v562^4"', 'key' => 'code:v900', 'val' => 'v561^4:v562^4' },
70                                          $field_name = $config->{indexer}->{$field}->{name_singular}."#-#";          ],
71                                  } elsif ($config->{indexer}->{$field}->{name_plural}) {  );
72                                          $field_name = $config->{indexer}->{$field}->{name_plural}."#-#";  
73                                  } else {  $log->debug("isis file ",$webpac->{'isis_filename'}," opened");
74                                          $field_name = $config->{indexer}->{$field}->{name}."#-#";  
75                                  }  $log->info("rows: $maxmfn");
76                                  if ($field_name) {  
77                                          $html .= $xml_codepage->convert($field_name);  $webpac->open_import_xml(type => 'isis_hidra_ths');
78                                  }  
79                                  $html .= $display_data."###\n";  if(1) { # XXX
80                          }  
81                  }  while (my $rec = $webpac->fetch_rec) {
82                  if ($swish_data) {  
83                          my $i = Text::Iconv->new($config->{isis_codepage},'ISO8859-2');          my @ds = $webpac->data_structure($rec);
84                          $swish_data = $i->convert($swish_data);  
85                          $xml .= xmlify($field."_swish",unac_string('ISO8859-2',$swish_data));          if (0 && $log->is_debug) {
86                          #$swish_data = $isis_codepage->convert($swish_data)."##" || $swish_data;                  $log->debug("rec = ",Dump($rec));
87                          #$xml .= xmlify($field."_swish",unac_string($config->{isis_codepage},$swish_data));                  $log->debug("ds = ",Dump(\@ds));
88                  }          }
89    
90            next if (! @ds);
91    
92          }          my $filename = $webpac->{'current_filename'} || $log->logdie("no current_filename in webpac object");
93    
94          # dump formatted output in <html>          if ($filename) {
95          if ($html) {                  $webpac->output_file(
96                  $xml .= xmlify("html",$html);                          file => $filename,
97          }                          template => 'html.tt',
98                                    data => \@ds,
99          if ($xml) {                          headline => $webpac->{'headline'},
100  #print STDERR "x: $xml\n";                  );
                 $xml .= $add_xml if ($add_xml);  
                 return "<xml>\n$xml</xml>\n";  
101          } else {          } else {
102                  return;                  print $webpac->output(
103                            template => 'text.tt',
104                            data => \@ds,
105                            headline => $webpac->{'headline'},
106                    );
107          }          }
 }  
108    
109  ##########################################################################          my $headline = $webpac->{'headline'};
110    
111  my $cfg = new Config::IniFiles( -file => $config_file );          my $f = $filename;
112            $f =~ s!out/!!;
113    
114  foreach my $database ($cfg->Sections) {          # save into index
115            foreach my $ds (@ds) {
116                    next if (! $ds->{'swish'});
117    
118                    $index->insert(
119                            index_name => $ds->{'tag'},
120                            path => $f,
121                            headline => $headline,
122                            words => join(" ",@{$ds->{'swish'}})
123                    );
124            }
125    
126          my $isis_db = $cfg -> val($database, 'isis_db');          # save into sorted index (thesaurus)
127          my $type = $cfg -> val($database, 'type');          foreach my $ds (@ds) {
128          my $add_xml = $cfg -> val($database, 'xml');                  next if (! $ds->{'index'});
129    
130          # read configuration for this type                  $thes->{$ds->{'tag'}} ||= new WebPAC::Index;
131          $config=XMLin("./import_xml/$type.xml", forcearray => [ 'isis' ], forcecontent => 1);  
132          $isis_codepage = Text::Iconv->new($config->{isis_codepage},'UTF8');                  foreach my $h (@{$ds->{'index'}}) {
133          $index_codepage = Text::Iconv->new($config->{isis_codepage},$config->{index_codepage});                          $thes->{$ds->{'tag'}}->insert(
134          $xml_codepage = Text::Iconv->new($cfg->val($database,'xml_codepage'),'UTF8');                                  headline => $h,
135                                    mfn => $webpac->mfn,
136          my $db = OpenIsis::open( $isis_db );                          );
         if (0) {  
 #       # FIX  
 #       if (! $db ) {  
                 print STDERR "WARNING: can't open '$isis_db'\n";  
                 next ;  
         }  
   
         my $max_rowid = OpenIsis::maxRowid( $db );  
   
         print STDERR "Reading database: $isis_db [$max_rowid rows]\n";  
   
         my $path = $database;                   # was $isis_db  
   
         my $last_p = 0;  
   
 #       { my $row_id = 4514;  
 # 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;  
                         }  
   
                         if (my $xml = isis2xml($row,$add_xml)) {  
 #print STDERR "--ret-->$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";  
                         }  
137                  }                  }
138          }          }
         print STDERR "\n";  
 }  
139    
140  # call this to commit index  #       print Dump(\@ds);
 $index->close;  
141    
142  1;  }
 __END__  
 ##########################################################################  
143    
144  =head1 NAME  foreach my $t (keys %{$thes}) {
145    
146  isis2xml.pl - read isis file and dump XML          my @e = $thes->{$t}->elements;
147            if (! @e) {
148                    $log->logwarn("no elements in sorted index $t?");
149                    next;
150            }
151    
152  =head1 DESCRIPTION          my $file = "./out/bfilter/$t.txt";
153            $log->info("saving sorted index $t to '$file' [".scalar(@e)." elements]");
154    
155  This command will read ISIS data file using OpenIsis perl module and          $webpac->output_file(
156  create XML file for usage with I<SWISH-E>                  file => $file,
157  indexer. Dispite it's name, this script B<isn't general xml generator>                  template => 'index.tt',
158  from isis files (isis allready has something like that). Output of this                  data => \@e,
159  script is tailor-made for SWISH-E.                  index_name => $t,
160            );
161    }
162    
163  =head1 AUTHOR  if (0 && $log->is_debug) {
164            $log->debug("lookup hash: ",Dump($webpac->{'lookup'}));
165            $log->debug("data hash: ",Dump($webpac->{'data'}));
166            foreach my $t (keys %{$thes}) {
167                    $log->debug("thesaurus $t hash: ",Dump($thes->{$t}));
168            }
169    }
170    
171  Dobrica Pavlinusic <dpavlin@rot13.org>  } # XXX if(0)
172    
173  =head1 COPYRIGHT  $log->debug("lookup hash: ",Dump($webpac->{'lookup'}));
174    
175  GNU Public License (GPL) v2 or later  $log->info("creating tree");
176    
177  =head1 SEE ALSO  #
178    # define tree structure
179    #
180    
181    my $l = $webpac->{'lookup'} || $log->logconfess("can't find lookup");
182    
183    my @tree = ({
184            # level 0
185            code_arr        => sub { sort keys %{$l} },
186            filter_code     => sub {
187                                            my $t = shift;
188                                            return $t if ($t =~ s/root://);
189                                    },
190            lookup_v900     => sub { shift @{$l->{"root:".$_[0]}} },
191            lookup_term     => sub { shift @{$l->{"d:".$_[1]}} },
192            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[1]}} },
193            have_children   => sub { return $l->{"a:".$_[0]."::"} },
194            have_children_at_level => sub {
195                                    my $l2 = shift;
196                                    my $l1 = substr($l2,0,1);
197                                    return(9, "a:$l1:$l2:" ) if ($l->{"a:$l1:$l2"});
198                            },
199            style           => 'display: none',
200            },{
201            # 1
202            code_arr        => sub { @{$_[0]} },
203            filter_code     => sub { shift },       # nop
204            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
205            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
206            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
207            have_children   => sub { return $l->{"a:".$_[1].":"} },
208            style           => 'display: none',
209            },{
210            # 2
211            code_arr        => sub { @{$_[0]} },
212            filter_code     => sub { shift },
213            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
214            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
215            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
216            have_children   => sub { return $l->{"a:".$_[1].":".$_[0]} },
217            #style          => 'display: none',
218            },{
219            # 3 uži pojam
220            code_arr        => sub { @{$_[0]} },
221            filter_code     => sub { shift },
222            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
223            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
224            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
225            have_children   => sub { return $l->{"a:".$_[1].":".$_[0]} },
226            },{
227            # 4
228            code_arr        => sub { @{$_[0]} },
229            filter_code     => sub { shift },
230            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
231            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
232            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
233            have_children   => sub { return $l->{"a:".$_[1].":".$_[0]} },
234            },{
235            # 5
236            code_arr        => sub { @{$_[0]} },
237            filter_code     => sub { shift },
238            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
239            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
240            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
241            have_children   => sub { return $l->{"a:".$_[1].":".$_[0]} },
242            },{
243            # 6
244            code_arr        => sub { @{$_[0]} },
245            filter_code     => sub { shift },
246            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
247            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
248            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
249            have_children   => sub { return $l->{"a:".$_[1].":".$_[0]} },
250            },{
251            # 7
252            code_arr        => sub { @{$_[0]} },
253            filter_code     => sub { shift },
254            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
255            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
256            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
257            have_children   => sub { return $l->{"a:".$_[1].":".$_[0]} },
258            },{
259            # 8
260            code_arr        => sub { @{$_[0]} },
261            filter_code     => sub { shift },
262            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
263            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
264            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
265    #       have_children   => sub { return $l->{"a:".$_[1].":".$_[0]} },
266            have_children   => sub { 0 },
267            },{
268            # 9 - level which is never reached except explicitly
269            code_arr        => sub { @{$l->{$_[0]}} },
270            filter_code     => sub { shift },
271            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
272            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
273            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
274            have_children   => sub { 0 },
275            have_children_at_level => sub { defined($l->{"a:".$_[1].":".$_[0]}) && return (9,"a:".$_[1].":".$_[0]) },
276            },{
277    });
278    
279    my $tree = new WebPAC::Tree(
280            dir => './out',
281            html => 'browse.html',
282            template => './output_template/tree.tt',
283            js => 'tree-ids.js',
284            tree => \@tree,
285    );
286    
287  SWISH-E web site at http://www.swish-e.org  $log->info("closing index");
288    $index->close;
289    
290  =cut  $log->info("elapsed time: ",$webpac->fmt_time(time() - $webpac->{'start_t'}));
Legend:
Removed from v.17  
changed lines
  Added in v.460
  ViewVC Help
Powered by ViewVC 1.1.26