/[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 3 by dpavlin, Sat Nov 30 00:36:34 2002 UTC trunk2/all2all.pl revision 503 by dpavlin, Sun Oct 10 17:21:17 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;  
   
 sub isis2xml {  
4    
5          my $row = shift @_;  all2all.pl - basic script for all WebPAC needs
6    
7          my $xml;  =cut
8    
9          sub isis_sf {  use strict;
10                  my $row = shift @_;  use locale;
11                  my $isis_id = shift @_;  use YAML;
12                  my $subfield = shift @_;  use Carp;
13                  if ($row->{$isis_id}->[0]) {  use Getopt::Long;
14                          my $sf = OpenIsis::subfields($row->{$isis_id}->[0]);  
15                          if (! defined $subfield || length($subfield) == 0) {  use lib './lib';
16                                  # subfield list undef, empty or no defined subfields for this record  use WebPAC;
17                                  return $row->{$isis_id}->[0];  use WebPAC::jsFind;
18                          } elsif ($sf->{$subfield}) {  use WebPAC::Index;
19                                  return $sf->{$subfield};  use WebPAC::Tree;
20                          }  
21                  }  # options which can be changed via command line
22    #
23    my $code_page = 'ISO-8859-2';
24    my ($limit_mfn, $start_mfn, $debug, $low_mem);
25    my $index_path = './out/index';
26    
27    my $result = GetOptions(
28            "code_page=s"   => \$code_page,
29            "limit_mfn=i"   => \$limit_mfn,
30            "start_mfn=i"   => \$start_mfn,
31            "debug!"        => \$debug,
32            "low_mem!"      => \$low_mem,
33    );
34    
35    my $filter = {
36            'CROVOC' => sub {
37                    my $tmp = shift || return;
38                    return undef unless ($tmp =~ s/\s*CROVOC.*$/ */);
39                    return $tmp;
40            },
41            'CROVOC_tree' => sub {
42                    my $tmp = shift || return;
43                    $tmp =~ s/\s*CROVOC.*$/ */;
44                    $tmp =~ s/\s*EUROVOC.*//;
45                    return $tmp;
46            },
47    };
48    
49    # create WebPAC object
50    #
51    my $webpac = new WebPAC(
52            code_page => $code_page,
53            limit_mfn => $limit_mfn,
54            start_mfn => $start_mfn,
55            debug => $debug,
56            low_mem => $low_mem,
57            filter => $filter,
58    ) || die;
59    
60    my $log = $webpac->_get_logger() || die "can't get logger";
61    
62    $log->debug("creating WebPAC::jsFind object");
63    
64    my $index = new WebPAC::jsFind(
65            index_path => $index_path,
66            keys => 10,
67    ) || die;
68    
69    my $thes;
70    
71    $|=1;
72    
73    my $maxmfn = $webpac->open_isis(
74            filename => shift @ARGV || '/data/hidra/THS/THS',
75            lookup => [
76            { 'key' => 'd:v900', 'val' => 'filter{CROVOC_tree}v250^a v800' },
77    #       { 'eval' => '"v901^a" eq "Područje"', 'key' => 'pa:v561^4:v562^4:v461^1', 'val' => 'v900' },
78    #       { 'eval '=> '"v901^a" eq "Mikrotezaurus"', 'key' => 'a:v561^4:v562^4:v461^1', 'val' => 'v900' },
79    #       { 'eval' => '"v901^a" eq "Deskriptor"', 'key' => 'a:v561^4:v562^4:v461^1', 'val' => 'v900' },
80            { 'key' => 'a:v561^4:v562^4:v461^1', 'val' => 'v900' },
81            { 'key' => '900_mfn:v900', 'val' => 'v000' },
82            # tree structure
83            { 'eval' => 'length("v251") == 2 && "v800" =~ m/EUROVOC/ || "v800" =~ m/CROVOC/ && "v251" =~ m/^(H|HD|L|Z|P)$/', 'key' => 'root:v251', 'val' => 'v900' },
84            { 'eval' => '"v251"', 'key' => 'code:v900', 'val' => 'v561^4:v251' },
85            { 'eval' => '"v561^4" && "v562^4"', 'key' => 'code:v900', 'val' => 'v561^4:v562^4' },
86            ],
87    );
88    
89    $log->debug("isis file ",$webpac->{'isis_filename'}," opened");
90    
91    $log->info("rows: $maxmfn");
92    
93    $webpac->open_import_xml(type => 'isis_hidra_ths');
94    
95    if(1) { # XXX
96    
97    while (my $rec = $webpac->fetch_rec) {
98    
99            my @ds = $webpac->data_structure($rec);
100    
101            if (0 && $log->is_debug) {
102                    $log->debug("rec = ",Dump($rec));
103                    $log->debug("ds = ",Dump(\@ds));
104          }          }
105    
106          foreach my $field (keys %{$config->{indexer}}) {          next if (! @ds);
   
                 my $display_data = "";  
                 my $index_data = "";  
107    
108                  foreach my $x (@{$config->{indexer}->{$field}->{isis}}) {          my $filename = $webpac->{'current_filename'} || $log->logdie("no current_filename in webpac object");
109    
110                          my $display_tmp = "";          if ($filename) {
111                          my $index_tmp = "";                  $webpac->output_file(
112                            file => $filename,
113                          my $format = $x->{content};                          template => 'html.tt',
114                          my $i = 1;      # index only                          data => \@ds,
115                          my $d = 1;      # display only                          headline => $webpac->{'headline'},
116                          $i = 0 if (lc($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 );  
117          } else {          } else {
118                  return;                  print $webpac->output(
119                            template => 'text.tt',
120                            data => \@ds,
121                            headline => $webpac->{'headline'},
122                    );
123          }          }
 }  
   
 ##########################################################################  
   
 my $last_tell=0;  
124    
125  my @isis_dirs = ( '.' );        # use dirname as database name          my $headline = $webpac->{'headline'};
   
 if ($opts{m}) {  
         @isis_dirs = split(/,/,$opts{m});  
 }  
126    
127  my @isis_dbs;          my $f = $filename;
128            $f =~ s!out/!!;
129    
130  foreach (@isis_dirs) {          # save into index
131          if (-e $config->{isis_data}."/$db_dir/$_/LIBRI") {          foreach my $ds (@ds) {
132                  push @isis_dbs,$config->{isis_data}."/$db_dir/$_/LIBRI/LIBRI";                  next if (! $ds->{'swish'});
133    
134                    # strip all non word characters from beginning or end
135                    # of word
136                    my $words = join(" ",@{$ds->{'swish'}});
137                    $words =~ s/^\W+//;
138                    $words =~ s/\W*\s+\W*/ /g;
139                    $words =~ s/\W+$//;
140    
141                    $index->insert(
142                            index_name => $ds->{'tag'},
143                            #path => $f,
144                            path => $webpac->mfn,
145                            headline => $headline,
146                            words => $words,
147                    );
148          }          }
         if (-e $config->{isis_data}."/$db_dir/$_/PERI") {  
                 push @isis_dbs,$config->{isis_data}."/$db_dir/$_/PERI/PERI";  
         }  
         if (-e $config->{isis_data}."/$db_dir/$_/AMS") {  
                 push @isis_dbs,$config->{isis_data}."/$db_dir/$_/AMS/AMS";  
         }  
         if (-e $config->{isis_data}."/$db_dir/$_/ARTI") {  
 #               push @isis_dbs,$config->{isis_data}."/$db_dir/$_/ARTI/ARTI";  
         }  
 }  
149    
150  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)
151            foreach my $ds (@ds) {
152                    next if (! $ds->{'index'});
153    
154                    $thes->{$ds->{'tag'}} ||= new WebPAC::Index;
155    
156                    foreach my $h (@{$ds->{'index'}}) {
157                            $thes->{$ds->{'tag'}}->insert(
158                                    headline => $h,
159                                    mfn => $webpac->mfn,
160                            );
161                    }
162            }
163    
164  my $db;  #       print Dump(\@ds);
165    
166  foreach my $isis_db (@isis_dbs) {  }
167    
168    foreach my $t (keys %{$thes}) {
169    
170          my $db = OpenIsis::open( $isis_db );          my @e = $thes->{$t}->elements;
171          if (0) {          if (! @e) {
172  #       # FIX                  $log->logwarn("no elements in sorted index $t?");
173  #       if (! $db ) {                  next;
                 print STDERR "WARNING: can't open '$isis_db'\n";  
                 next ;  
174          }          }
175    
176          my $max_rowid = OpenIsis::maxRowid( $db );          my $file = "./out/bfilter/$t.txt";
177            $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;  
178    
179  #       { my $row_id = 1;          $webpac->output_file(
180  # FIX                  file => $file,
181          for (my $row_id = 1; $row_id <= $max_rowid; $row_id++ ) {                  template => 'index.tt',
182                  my $row = OpenIsis::read( $db, $row_id );                  data => \@e,
183                  if ($row && $row->{mfn}) {                  index_name => $t,
184            );
185                          # 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;  
                         }  
186    
187                          if (my $xml = isis2xml($row)) {  if (0 && $log->is_debug) {
188                                  print "Path-Name: $isis_db#".$row->{mfn}."\n";          $log->debug("lookup hash: ",Dump($webpac->{'lookup'}));
189                                  print "Content-Length: ".(length($xml)+1)."\n";          $log->debug("data hash: ",Dump($webpac->{'data'}));
190                                  print "Document-Type: XML\n\n$xml\n";          foreach my $t (keys %{$thes}) {
191                          }                  $log->debug("thesaurus $t hash: ",Dump($thes->{$t}));
                 }  
192          }          }
         print STDERR "\n";  
193  }  }
194    
195    } # XXX if(0)
196    
197  1;  $log->debug("lookup hash: ",Dump($webpac->{'lookup'}));
 __END__  
 ##########################################################################  
   
 =head1 NAME  
   
 isis2xml.pl - read isis file and dump XML  
   
 =head1 DESCRIPTION  
198    
199  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.  
200    
201  =head1 AUTHOR  #
202    # define tree structure
203    #
204    
205    my $l = $webpac->{'lookup'} || $log->logconfess("can't find lookup");
206    
207    my @tree = ({
208            # level 0
209            code_arr        => sub { sort keys %{$l} },
210            filter_code     => sub {
211                                            my $t = shift;
212                                            return $t if ($t =~ s/root://);
213                                    },
214            lookup_v900     => sub { shift @{$l->{"root:".$_[0]}} },
215            lookup_term     => sub { shift @{$l->{"d:".$_[1]}} },
216            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[1]}} },
217            have_children   => sub { return $l->{"a:".$_[0]."::"} },
218            have_children_at_level => sub {
219                                    return unless (defined($l->{"code:".$_[1]}));
220                                    my $code = shift @{$l->{"code:".$_[1]}};
221                                    print STDERR "## $_[1] -> $code\n";
222                                    return undef unless($code);
223                                    return(9, $l->{"a:$code:"} ) if (defined($l->{"a:$code:"}));
224                            },
225            style           => 'display: none',
226            },{
227            # 1
228            code_arr        => sub { @{$_[0]} },
229            filter_code     => sub { shift },       # nop
230            lookup_v900     => sub { shift @{$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].":"} },
234            style           => 'display: none',
235            },{
236            # 2
237            code_arr        => sub { @{$_[0]} },
238            filter_code     => sub { shift },
239            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
240            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
241            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
242            have_children   => sub { return $l->{"a:".$_[1].":".$_[0]} },
243            #style          => 'display: none',
244            },{
245            # 3 uži pojam
246            code_arr        => sub { @{$_[0]} },
247            filter_code     => sub { shift },
248            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
249            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
250            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
251            have_children   => sub { return $l->{"a:".$_[1].":".$_[0]} },
252            },{
253            # 4
254            code_arr        => sub { @{$_[0]} },
255            filter_code     => sub { shift },
256            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
257            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
258            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
259            have_children   => sub { return $l->{"a:".$_[1].":".$_[0]} },
260            },{
261            # 5
262            code_arr        => sub { @{$_[0]} },
263            filter_code     => sub { shift },
264            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
265            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
266            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
267            have_children   => sub { return $l->{"a:".$_[1].":".$_[0]} },
268            },{
269            # 6
270            code_arr        => sub { @{$_[0]} },
271            filter_code     => sub { shift },
272            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
273            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
274            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
275            have_children   => sub { return $l->{"a:".$_[1].":".$_[0]} },
276            },{
277            # 7
278            code_arr        => sub { @{$_[0]} },
279            filter_code     => sub { shift },
280            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
281            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
282            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
283            have_children   => sub { return $l->{"a:".$_[1].":".$_[0]} },
284            },{
285            # 8
286            code_arr        => sub { @{$_[0]} },
287            filter_code     => sub { shift },
288            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
289            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
290            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
291    #       have_children   => sub { return $l->{"a:".$_[1].":".$_[0]} },
292            have_children   => sub { 0 },
293            },{
294            # 9 - level which is never reached except explicitly
295            code_arr        => sub { @{$_[0]} },
296            filter_code     => sub { shift },
297            lookup_v900     => sub { shift @{$l->{"code:".$_[0]}} },
298            lookup_term     => sub { shift @{$l->{"d:".$_[0]}} },
299            lookup_mfn      => sub { shift @{$l->{"900_mfn:".$_[0]}} },
300            have_children   => sub { 0 },
301            have_children_at_level => sub { defined($l->{"a:".$_[1].":".$_[0]}) && return (9,$l->{"a:".$_[1].":".$_[0]}) },
302            },{
303    });
304    
305    my $tree = new WebPAC::Tree(
306            dir => './out',
307            html => 'browse.html',
308            template => './output_template/tree.tt',
309            js => 'tree-ids.js',
310            tree => \@tree,
311    );
312    
313  Dobrica Pavlinusic <dpavlin@rot13.org>  $log->info("closing index");
314    $index->close;
315    
316  =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.3  
changed lines
  Added in v.503
  ViewVC Help
Powered by ViewVC 1.1.26