/[webpac]/trunk2/all2xml.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/all2xml.pl

Parent Directory Parent Directory | Revision Log Revision Log | View Patch Patch

revision 1 by dpavlin, Sun Nov 24 20:52:11 2002 UTC revision 109 by dpavlin, Mon Jul 14 18:50:39 2003 UTC
# Line 5  use OpenIsis; Line 5  use OpenIsis;
5  use Getopt::Std;  use Getopt::Std;
6  use Data::Dumper;  use Data::Dumper;
7  use XML::Simple;  use XML::Simple;
8    use Text::Unaccent 1.02;        # 1.01 won't compile on my platform,
9    use Text::Iconv;
10    use Config::IniFiles;
11    use Encode;
12    
13    $|=1;
14    
15    my $config_file = $0;
16    $config_file =~ s/\.pl$/.conf/;
17    die "FATAL: can't find configuration file '$config_file'" if (! -e $config_file);
18    
19    my $config;
20    
21    #use index_DBI;         # default DBI module for index
22    use index_DBI_cache;    # faster DBI module using memory cache
23    my $index;
24    
25  my $config=XMLin();  my %opts;
26    
27  print Dumper($config);  # usage:
28    #       -d directory name
29    #       -m multiple directories
30    #       -q quiet
31    #       -s run swish
32    
33    getopts('d:m:qs', \%opts);
34    
35    my $path;       # this is name of database
36    
37    Text::Iconv->raise_error(0);     # Conversion errors don't raise exceptions
38    
39    # this is encoding of all files on disk, including import_xml/*.xml file and
40    # filter/*.pm files! It will be used to store strings in perl internally!
41    my $codepage = 'ISO-8859-2';
42    
43    my $utf2cp = Text::Iconv->new('UTF-8',$codepage);
44    # this function will convert data from XML files to local encoding
45    sub x {
46            return $utf2cp->convert($_[0]);
47    }
48    
49  my %opts;  # decode isis/excel or other import codepage
50    my $import2cp;
51    
52  getopts('d:m:q', \%opts);  # outgoing xml must be in UTF-8
53    my $cp2utf = Text::Iconv->new($codepage,'UTF-8');
54    
55  my $db_dir = $opts{d};  # mapping between data type and tag which specify
56    # format in XML file
57    my %type2tag = (
58            'isis' => 'isis',
59            'excel' => 'column',
60            'marc' => 'marc',
61            'feed' => 'feed'
62    );
63    
64  die "usage: $0 -d [database_dir] -m [database1,database2] " if (! %opts);  sub data2xml {
65    
66  #--------------------------------------------------------------------          use xmlify;
67    
68  my $last_tell=0;          my $type = shift @_;
69            my $row = shift @_;
70            my $add_xml = shift @_;
71            # needed to read values from configuration file
72            my $cfg = shift @_;
73            my $database = shift @_;
74    
75  my @isis_dirs = ( '.' );        # use dirname as database name          my $xml;
76    
77  if ($opts{m}) {          use parse_format;
78          @isis_dirs = split(/,/,$opts{m});  
79  }          my $html = "";          # html formatted display output
80    
81            my %field_usage;        # counter for usage of each field
82    
83  my @isis_dbs;          # sort subrouting using order="" attribute
84            sub by_order {
85                    my $va = $config->{indexer}->{$a}->{order} ||
86                            $config->{indexer}->{$a};
87                    my $vb = $config->{indexer}->{$b}->{order} ||
88                            $config->{indexer}->{$b};
89    
90  foreach (@isis_dirs) {                  return $va <=> $vb;
         if (-e "$common::isis_data/$db_dir/$_/LIBRI") {  
                 push @isis_dbs,"$common::isis_data/$db_dir/$_/LIBRI/LIBRI";  
91          }          }
92          if (-e "$common::isis_data/$db_dir/$_/PERI") {  
93                  push @isis_dbs,"$common::isis_data/$db_dir/$_/PERI/PERI";          foreach my $field (sort by_order keys %{$config->{indexer}}) {
94    
95                    $field=x($field);
96                    $field_usage{$field}++;
97    
98                    my $swish_data = "";
99                    my $display_data = "";
100                    my $line_delimiter;
101    
102                    my ($swish,$display);
103    
104                    my $tag = $type2tag{$type} || die "can't find which tag to use for type $type";
105                    foreach my $x (@{$config->{indexer}->{$field}->{$tag}}) {
106    
107                            my $format = x($x->{content});
108                            my $delimiter = x($x->{delimiter}) || ' ';
109    
110                            my $repeat_off = 0;             # repeatable offset
111    
112                            my ($s,$d,$i) = (1,1,0);        # swish, display default
113                            $s = 0 if (lc($x->{type}) eq "display");
114                            $d = 0 if (lc($x->{type}) eq "swish");
115                            ($s,$d,$i) = (0,0,1) if (lc($x->{type}) eq "index");
116    
117                            # what will separate last line from this one?
118                            if ($display_data && $x->{append} && $x->{append} eq "1") {
119                                    $line_delimiter = ' ';
120                            } elsif ($display_data) {
121                                    $line_delimiter = '<br/>';
122                            }
123    
124                            # init vars so that we go into while...
125                            ($swish,$display) = (1,1);
126    
127                            # placeholder for all repeatable entries for index
128                            my @index_data;
129                            my $index_filter;
130    
131                            # while because of repeatable fields
132                            while ($swish || $display) {
133                                    ($swish,$display) = parse_format($type, $format,$row,$repeat_off++,$import2cp);
134                                    if ($repeat_off > 1000) {
135                                            print STDERR "loop (more than 1000 repeatable fields) deteced in $row, $format\n";
136                                            last;
137                                    }
138                                    
139                                    # filter="name" ; filter this field through
140                                    # filter/[name].pm
141                                    my $filter = $x->{filter};
142                                    if ($filter) {
143                                            require "filter/".$filter.".pm";
144                                    }
145                                    # type="swish" ; field for swish
146                                    if ($s && $swish) {
147                                            if ($filter) {
148                                                    no strict 'refs';
149                                                    $swish_data .= join(" ",&$filter($swish));
150                                            } else {
151                                                    $swish_data .= $swish;
152                                            }
153                                    }
154    
155                                    # type="display" ; field for display
156                                    if ($d && $display) {
157                                            if ($line_delimiter && $display_data) {
158                                                    $display_data .= $line_delimiter;
159                                                    undef $line_delimiter;
160                                            }
161                                            if ($filter) {
162                                                    no strict 'refs';
163                                                    $display_data .= join($delimiter,&$filter($display));
164                                            } else {
165                                                    if ($display_data) {
166                                                            $display_data .= $delimiter.$display;
167                                                    } else {
168                                                            $display_data .= $display;
169                                                    }
170                                            }
171                                    }
172                                                    
173                                    # type="index" ; insert into index
174                                    if ($i && $display) {
175                                            push @index_data, $display;
176                                            $index_filter = $filter if ($filter);
177                                    }
178                            }
179    
180                            # fill data in index
181                            if (@index_data) {
182                                    if ($index_filter) {
183                                            no strict 'refs';
184                                            foreach my $d (&$index_filter(@index_data)) {
185                                                    $index->insert($field, $d, $path);
186                                            }
187                                    } else {
188                                            foreach my $d (@index_data) {
189                                                    $index->insert($field, $d, $path);
190                                            }
191                                    }
192                            }
193                    }
194    
195                    # now try to parse variables from configuration file
196                    foreach my $x (@{$config->{indexer}->{$field}->{'config'}}) {
197    
198                            my $delimiter = x($x->{delimiter}) || ' ';
199                            my $val = $cfg->val($database, x($x->{content}));
200    
201                            my ($s,$d,$i) = (1,1,0);        # swish, display default
202                            $s = 0 if (lc($x->{type}) eq "display");
203                            $d = 0 if (lc($x->{type}) eq "swish");
204                            ($s,$d,$i) = (0,0,1) if (lc($x->{type}) eq "index");
205    
206                            if ($val) {
207                                    $display_data .= $delimiter.$val if ($d);
208                                    $swish_data .= $val if ($s);
209                                    $index->insert($field, $val, $path) if ($i);
210                            }
211    
212                    }
213    
214    
215                    if ($display_data) {
216    
217                            if ($field eq "headline") {
218                                    $xml .= xmlify("headline", $display_data);
219                            } else {
220    
221                                    # find field name (signular, plural)
222                                    my $field_name = "";
223                                    if ($config->{indexer}->{$field}->{name_singular} && $field_usage{$field} == 1) {
224                                            $field_name = $config->{indexer}->{$field}->{name_singular}."#-#";
225                                    } elsif ($config->{indexer}->{$field}->{name_plural}) {
226                                            $field_name = $config->{indexer}->{$field}->{name_plural}."#-#";
227                                    } elsif ($config->{indexer}->{$field}->{name}) {
228                                            $field_name = $config->{indexer}->{$field}->{name}."#-#";
229                                    } else {
230                                            print STDERR "WARNING: field '$field' doesn't have 'name' attribute!";
231                                    }
232                                    if ($field_name) {
233                                            $html .= x($field_name);
234                                    }
235                                    $html .= $display_data."###\n";
236                            }
237                    }
238                    if ($swish_data) {
239                            # remove extra spaces
240                            $swish_data =~ s/ +/ /g;
241                            $swish_data =~ s/ +$//g;
242    
243                            $xml .= xmlify($field."_swish", unac_string($codepage,$swish_data));
244                    }
245    
246    
247          }          }
248          if (-e "$common::isis_data/$db_dir/$_/AMS") {  
249                  push @isis_dbs,"$common::isis_data/$db_dir/$_/AMS/AMS";          # dump formatted output in <html>
250            if ($html) {
251                    #$xml .= xmlify("html",$html);
252                    $xml .= "<html><![CDATA[ $html ]]></html>";
253          }          }
254          if (-e "$common::isis_data/$db_dir/$_/ARTI") {          
255  #               push @isis_dbs,"$common::isis_data/$db_dir/$_/ARTI/ARTI";          if ($xml) {
256                    $xml .= $add_xml if ($add_xml);
257                    return "<xml>\n$xml</xml>\n";
258            } else {
259                    return;
260          }          }
261  }  }
262    
263  foreach my $isis_db (@isis_dbs) {  ##########################################################################
264    
265    # read configuration for this script
266    my $cfg = new Config::IniFiles( -file => $config_file );
267    
268    # read global.conf configuration
269    my $cfg_global = new Config::IniFiles( -file => 'global.conf' );
270    
271    # open index
272    $index = new index_DBI(
273                    $cfg_global->val('global', 'dbi_dbd'),
274                    $cfg_global->val('global', 'dbi_dsn'),
275                    $cfg_global->val('global', 'dbi_user'),
276                    $cfg_global->val('global', 'dbi_passwd') || '',
277            );
278    
279    my $show_progress = $cfg_global->val('global', 'show_progress');
280    
281    foreach my $database ($cfg->Sections) {
282    
283            my $type = lc($cfg -> val($database, 'type')) || die "$database doesn't have 'type' defined";
284            my $add_xml = $cfg -> val($database, 'xml');    # optional
285    
286    print STDERR "reading ./import_xml/$type.xml\n";
287    
288            # extract just type basic
289            my $type_base = $type;
290            $type_base =~ s/_.+$//g;
291    
292            $config=XMLin("./import_xml/$type.xml", forcearray => [ $type2tag{$type_base}, 'config' ], forcecontent => 1);
293    
294            # output current progress indicator
295            my $last_p = 0;
296            sub progress {
297                    return if (! $show_progress);
298                    my $current = shift;
299                    my $total = shift || 1;
300                    my $p = int($current * 100 / $total);
301                    if ($p != $last_p) {
302                            printf STDERR ("%5d / %5d [%-51s] %-2d %% \r",$current,$total,"=" x ($p/2).">", $p );
303                            $last_p = $p;
304                    }
305            }
306    
307            my $fake_dir = 1;
308            sub fakeprogress {
309                    return if (! $show_progress);
310                    my $current = shift @_;
311    
312                    my @ind = ('-','\\','|','/','-','\\','|','/', '-');
313    
314                    $last_p += $fake_dir;
315                    $fake_dir = -$fake_dir if ($last_p > 1000 || $last_p < 0);
316                    if ($last_p % 10 == 0) {
317                            printf STDERR ("%5d / %5s [%-51s]\r",$current,"?"," " x ($last_p/20).$ind[($last_p/20) % $#ind]);
318                    }
319            }
320    
321          my $db = OpenIsis::open( "$isis_db" ) || warn "can't open '$isis_db'";          # now read database
322    print STDERR "using: $type...\n";
323    
324          my $max_rowid = OpenIsis::maxRowid( $db );          if ($type_base eq "isis") {
325    
326                    my $isis_db = $cfg -> val($database, 'isis_db') || die "$database doesn't have 'isis_db' defined!";
327    
328                    $import2cp = Text::Iconv->new($config->{isis_codepage},$codepage);
329                    my $db = OpenIsis::open( $isis_db );
330    
331                    # check if .txt database for OpenIsis is zero length,
332                    # if so, erase it and re-open database
333                    sub check_txt_db {
334                            my $isis_db = shift || die "need isis database name";
335                            my $reopen = 0;
336    
337                            if (-e $isis_db.".TXT") {
338                                    print STDERR "WARNING: removing $isis_db.TXT OpenIsis database...\n";
339                                    unlink $isis_db.".TXT" || warn "FATAL: unlink error on '$isis_db.TXT': $!";
340                                    $reopen++;
341                            }
342                            if (-e $isis_db.".PTR") {
343                                    print STDERR "WARNING: removing $isis_db.PTR OpenIsis database...\n";
344                                    unlink $isis_db.".PTR" || warn "FATAL: unlink error on '$isis_db.PTR': $!";
345                                    $reopen++;
346                            }
347                            return OpenIsis::open( $isis_db ) if ($reopen);
348                    }
349    
350                    # EOF error
351                    if ($db == -1) {
352                            $db = check_txt_db($isis_db);
353                            if ($db == -1) {
354                                    print STDERR "FATAL: OpenIsis can't open zero size file $isis_db\n";
355                                    next;
356                            }
357                    }
358    
359                    # OpenIsis::ERR_BADF
360                    if ($db == -4) {
361                            print STDERR "FATAL: OpenIsis can't find file $isis_db\n";
362                            next;
363                    # OpenIsis::ERR_IO
364                    } elsif ($db == -5) {
365                            print STDERR "FATAL: OpenIsis can't access file $isis_db\n";
366                            next;
367                    } elsif ($db < 0) {
368                            print STDERR "FATAL: OpenIsis unknown error $db with file $isis_db\n";
369                            next;
370                    }
371    
372                    my $max_rowid = OpenIsis::maxRowid( $db );
373    
374                    # if 0 records, try to rease isis .txt database
375                    if ($max_rowid == 0) {
376                            # force removal of database
377                            $db = check_txt_db($isis_db);
378                            $max_rowid = OpenIsis::maxRowid( $db );
379                    }
380    
381          my $last_pcnt = 0;                  print STDERR "Reading database: $isis_db [$max_rowid rows]\n";
382    
383          for (my $row_id = 1; $row_id <= $max_rowid; $row_id++ ) {                  my $path = $database;
384                  my $row = OpenIsis::read( $db, $row_id );  
385                    for (my $row_id = 1; $row_id <= $max_rowid; $row_id++ ) {
386                            my $row = OpenIsis::read( $db, $row_id );
387                            if ($row && $row->{mfn}) {
388            
389                                    progress($row->{mfn}, $max_rowid);
390    
391                                    my $swishpath = $path."#".int($row->{mfn});
392    
393                                    if (my $xml = data2xml($type_base,$row,$add_xml,$cfg,$database)) {
394                                            $xml = $cp2utf->convert($xml);
395                                            use bytes;      # as opposed to chars
396                                            print "Path-Name: $swishpath\n";
397                                            print "Content-Length: ".(length($xml)+1)."\n";
398                                            print "Document-Type: XML\n\n$xml\n";
399                                    }
400                            }
401                    }
402                    # for this to work with current version of OpenIsis (0.9.0)
403                    # you might need my patch from
404                    # http://www.rot13.org/~dpavlin/projects/openisis-0.9.0-perl_close.diff
405                    OpenIsis::close($db);
406                    print STDERR "\n";
407    
408            } elsif ($type_base eq "excel") {
409                    use Spreadsheet::ParseExcel;
410                    use Spreadsheet::ParseExcel::Utility qw(int2col);
411                    
412                    $import2cp = Text::Iconv->new($config->{excel_codepage},$codepage);
413                    my $excel_file = $cfg -> val($database, 'excel_file') || die "$database doesn't have 'excel_file' defined!";
414    
415                    my $sheet = x($config->{sheet}) || die "no sheet in $type.xml";
416                    my $start_row = x($config->{start_row}) - 1 || die "no start_row in $type.xml";
417    
418                    my $oBook = Spreadsheet::ParseExcel::Workbook->Parse($excel_file) || die "can't open Excel file '$excel_file'";
419    
420                    my $sheet_nr = 0;
421                    foreach my $oWks (@{$oBook->{Worksheet}}) {
422                            #print STDERR "-- SHEET $sheet_nr:", $oWks->{Name}, "\n";
423                            last if ($oWks->{Name} eq $sheet);
424                            $sheet_nr++;
425                    }
426    
427                    my $oWorksheet = $oBook->{Worksheet}[$sheet_nr];
428            
429                    print STDERR "using sheet: ",$oWorksheet->{Name},"\n";
430                    defined ($oWorksheet) || die "can't find sheet '$sheet' in $excel_file";
431                    my $end_row = x($config->{end_row}) || $oWorksheet->{MaxRow};
432    
433                    for(my $iR = $start_row ; defined $end_row && $iR <= $end_row ; $iR++) {
434                            my $row;
435                            for(my $iC = $oWorksheet->{MinCol} ; defined $oWorksheet->{MaxCol} && $iC <= $oWorksheet->{MaxCol} ; $iC++) {
436                                    my $cell = $oWorksheet->{Cells}[$iR][$iC];
437                                    if ($cell) {
438                                            $row->{int2col($iC)} = $cell->Value;
439                                    }
440                            }
441    
442                            progress($iR, $end_row);
443    
444    #                       print "row[$iR/$end_row] ";
445    #                       foreach (keys %{$row}) {
446    #                               print "$_: ",$row->{$_},"\t";
447    #                       }
448    #                       print "\n";
449    
450                            my $swishpath = $database."#".$iR;
451    
452                            next if (! $row);
453    
454                            if (my $xml = data2xml($type_base,$row,$add_xml,$cfg,$database)) {
455                                    $xml = $cp2utf->convert($xml);
456                                    use bytes;      # as opposed to chars
457                                    print "Path-Name: $swishpath\n";
458                                    print "Content-Length: ".(length($xml)+1)."\n";
459                                    print "Document-Type: XML\n\n$xml\n";
460                            }
461                    }
462            } elsif ($type_base eq "marc") {
463    
464                    use MARC;
465                    
466                    $import2cp = Text::Iconv->new($config->{marc_codepage},$codepage);
467                    my $marc_file = $cfg -> val($database, 'marc_file') || die "$database doesn't have 'marc_file' defined!";
468    
469                    # optional argument is format
470                    my $format = x($config->{format}) || 'usmarc';
471    
472                    print STDERR "Reading MARC file '$marc_file'\n";
473    
474                    my $marc = new MARC;
475                    my $nr = $marc->openmarc({
476                                    file=>$marc_file, format=>$format
477                            }) || die "Can't open MARC file '$marc_file'";
478    
479                    my $i=0;        # record nr.
480    
481                    my $rec;
482    
483                    while ($marc->nextmarc(1)) {
484    
485                            # XXX
486                            fakeprogress($i++);
487    
488                            my $swishpath = $database."#".$i;
489    
490                            if (my $xml = data2xml($type_base,$marc,$add_xml,$cfg,$database)) {
491                                    $xml = $cp2utf->convert($xml);
492                                    use bytes;      # as opposed to chars
493                                    print "Path-Name: $swishpath\n";
494                                    print "Content-Length: ".(length($xml)+1)."\n";
495                                    print "Document-Type: XML\n\n$xml\n";
496                            }
497                    }
498            } elsif ($type_base eq "feed") {
499    
500                    $import2cp = Text::Iconv->new($config->{feed_codepage},$codepage);
501                    my $prog = x($config->{prog}) || die "$database doesn't have 'prog' defined!";
502    
503                    print STDERR "Reading feed from program '$prog'\n";
504    
505                    open(FEED,"feeds/$prog |") || die "can't start $prog: $!";
506    
507                    my $i=1;        # record nr.
508    
509                    my $data;
510                    my $line=1;
511    
512                    while (<FEED>) {
513                            chomp;
514    
515                            if (/^$/) {
516                                    my $swishpath = $database."#".$i++;
517    
518                                    if (my $xml = data2xml($type_base,$data,$add_xml,$cfg,$database)) {
519                                            $xml = $cp2utf->convert($xml);
520                                            use bytes;      # as opposed to chars
521                                            print "Path-Name: $swishpath\n";
522                                            print "Content-Length: ".(length($xml)+1)."\n";
523                                            print "Document-Type: XML\n\n$xml\n";
524                                    }
525                                    $line = 1;
526                                    $data = {};
527                                    next;
528                            }
529    
530                            $line = $1 if (s/^(\d+):\s*//);
531                            $data->{$line++} = $_;
532    
533                            fakeprogress($i);
534    
                 # output current process indicator  
                 my $pcnt = int($row->{mfn} * 100 / $max_rowid);  
                 if ($pcnt != $last_pcnt) {  
                         printf STDERR ("%5d / %5d -- %-2d %%\n",$row->{mfn},$max_rowid,$pcnt) if (! $opts{q});  
                         $last_pcnt = $pcnt;  
535                  }                  }
536          }          }
537  }  }
538    
539    # call this to commit index
540    $index->close;
541    
542    1;
543    __END__
544    ##########################################################################
545    
546    =head1 NAME
547    
548    all2xml.pl - read various file formats and dump XML for SWISH-E
549    
550    =head1 DESCRIPTION
551    
552    This command will read ISIS data file using OpenIsis perl module, MARC
553    records using MARC module and optionally Micro$oft Excel files to
554    create one XML file for usage with I<SWISH-E> indexer. Dispite it's name,
555    this script B<isn't general xml generator> from isis files (isis allready
556    has something like that). Output of this script is tailor-made for SWISH-E.
557    
558    =head1 BUGS
559    
560    Documentation is really lacking. However, in true Open Source spirit, source
561    is best documentation. I even made considerable effort to comment parts
562    which are not intuitively clear, so...
563    
564    =head1 AUTHOR
565    
566    Dobrica Pavlinusic <dpavlin@rot13.org>
567    
568    =head1 COPYRIGHT
569    
570    GNU Public License (GPL) v2 or later
571    
572    =head1 SEE ALSO
573    
574    SWISH-E web site at http://www.swish-e.org
575    
576    =cut

Legend:
Removed from v.1  
changed lines
  Added in v.109

  ViewVC Help
Powered by ViewVC 1.1.26