/[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 109 by dpavlin, Mon Jul 14 18:50:39 2003 UTC revision 178 by dpavlin, Mon Nov 24 21:54:19 2003 UTC
# Line 9  use Text::Unaccent 1.02;       # 1.01 won't co Line 9  use Text::Unaccent 1.02;       # 1.01 won't co
9  use Text::Iconv;  use Text::Iconv;
10  use Config::IniFiles;  use Config::IniFiles;
11  use Encode;  use Encode;
12    #use GDBM_File;
13    use Fcntl;      # for O_RDWR
14    use TDB_File;
15    
16  $|=1;  $|=1;
17    
# Line 61  my %type2tag = ( Line 64  my %type2tag = (
64          'feed' => 'feed'          'feed' => 'feed'
65  );  );
66    
67    my $cache;      # for cacheing
68    
69    # lookup hash (tied to file)
70    my %lhash;
71    # this option will cache all lookup entries in memory.
72    # if you are tight on memory, turn this off
73    my $use_lhash_cache = 1;
74    
75  sub data2xml {  sub data2xml {
76    
77          use xmlify;          use xmlify;
# Line 90  sub data2xml { Line 101  sub data2xml {
101                  return $va <=> $vb;                  return $va <=> $vb;
102          }          }
103    
104          foreach my $field (sort by_order keys %{$config->{indexer}}) {          my @sorted_tags;
105            if ($cache->{tags_by_order}->{$type}) {
106                    @sorted_tags = @{$cache->{tags_by_order}->{$type}};
107            } else {
108                    @sorted_tags = sort by_order keys %{$config->{indexer}};
109                    $cache->{tags_by_order}->{$type} = \@sorted_tags;
110            }
111    
112            # lookup key
113            my $lookup_key;
114    
115            # cache for field in pages
116            $cache->{display_data} = ();
117            $cache->{swish_data} = ();
118            $cache->{swish_exact_data} = ();
119            my @page_fields;        # names of fields
120    
121    
122            # subs used to produce output
123    
124            sub get_field_name($$$) {
125                    my ($config,$field,$field_usage) = @_;
126    
127                    # find field name (signular, plural)
128                    my $field_name = "";
129                    if ($config->{indexer}->{$field}->{name_singular} && $field_usage == 1) {
130                            $field_name = $config->{indexer}->{$field}->{name_singular};
131                    } elsif ($config->{indexer}->{$field}->{name_plural}) {
132                            $field_name = $config->{indexer}->{$field}->{name_plural};
133                    } elsif ($config->{indexer}->{$field}->{name}) {
134                            $field_name = $config->{indexer}->{$field}->{name};
135                    } else {
136                            print STDERR "WARNING: field '$field' doesn't have 'name' attribute!";
137                    }
138                    if ($field_name) {
139                            return x($field_name);
140                    }
141            }
142    
143    
144            # begin real work: go field by field
145            foreach my $field (@sorted_tags) {
146    
147                  $field=x($field);                  $field=x($field);
148                  $field_usage{$field}++;                  $field_usage{$field}++;
149    
150                  my $swish_data = "";                  my $swish_data = "";
151                    my $swish_exact_data = "";
152                  my $display_data = "";                  my $display_data = "";
153                  my $line_delimiter;                  my $line_delimiter;
154    
155                  my ($swish,$display);                  my ($swish,$display);
156    
157                  my $tag = $type2tag{$type} || die "can't find which tag to use for type $type";                  my $tag = $type2tag{$type} || die "can't find which tag to use for type $type";
158    
159                    # is this field page-by-page?
160                    my $iterate_by_page = $config->{indexer}->{$field}->{iterate_by_page};
161                    push @page_fields,$field if ($iterate_by_page);
162                    my %page_max = ();
163                    # default line_delimiter if using
164                    my $page_line_delimiter = $config->{indexer}->{$field}->{page_line_delimiter} || '<br/>';
165    
166                  foreach my $x (@{$config->{indexer}->{$field}->{$tag}}) {                  foreach my $x (@{$config->{indexer}->{$field}->{$tag}}) {
167    
168                          my $format = x($x->{content});                          my $format = x($x->{content});
169                          my $delimiter = x($x->{delimiter}) || ' ';                          my $delimiter = x($x->{delimiter}) || ' ';
170    
171                          my $repeat_off = 0;             # repeatable offset                          my $repeat_off = 0;     # init repeatable offset
172    
173                          my ($s,$d,$i) = (1,1,0);        # swish, display default                          # swish, swish_exact, display, index, index_lookup
174                            # swish and display defaults
175                            my ($s,$se,$d,$i,$il) = (1,0,1,0,0);
176                          $s = 0 if (lc($x->{type}) eq "display");                          $s = 0 if (lc($x->{type}) eq "display");
177                          $d = 0 if (lc($x->{type}) eq "swish");                          $d = 0 if (lc($x->{type}) eq "swish");
178                            $se = 1 if (lc($x->{type}) eq "swish_exact");
179                          ($s,$d,$i) = (0,0,1) if (lc($x->{type}) eq "index");                          ($s,$d,$i) = (0,0,1) if (lc($x->{type}) eq "index");
180                            $il = 1 if (lc($x->{type}) =~ /^lookup/);
181    
182    
183                          # what will separate last line from this one?                          # what will separate last line from this one?
184                          if ($display_data && $x->{append} && $x->{append} eq "1") {                          if ($display_data && $x->{append} && $x->{append} eq "1") {
# Line 126  sub data2xml { Line 192  sub data2xml {
192    
193                          # placeholder for all repeatable entries for index                          # placeholder for all repeatable entries for index
194                          my @index_data;                          my @index_data;
195                          my $index_filter;  
196                            sub mkformat {
197                                    my $x = shift || die "mkformat needs tag reference";
198                                    my $data = shift || return;
199                                    my $format_name = x($x->{format_name}) || return $data;
200                                    my $fmt = x($config->{format}->{$format_name}->{content}) || die "<format name=\"$format_name\"> is not defined!";
201                                    my $format_delimiter = x($x->{format_delimiter});
202                                    my @data;
203                                    if ($format_delimiter) {
204                                            @data = split(/$format_delimiter/,$data);
205                                    } else {
206                                            push @data,$data;
207                                    }
208    
209                                    if ($fmt) {
210                                            my $nr = scalar $fmt =~ s/%s/%s/g;
211                                            if (($#data+1) == $nr) {
212                                                    return sprintf($fmt,@data);
213                                            } else {
214                                                    print STDERR "mkformat: [$data] can't be split on [$format_delimiter] to $nr fields!\n";
215                                                    return $data;
216                                            }
217                                    } else {
218                                            print STDERR "usage of link '$format_name' without defined format (<link> tag)\n";
219                                    }
220                            }
221    
222                          # while because of repeatable fields                          # while because of repeatable fields
223                          while ($swish || $display) {                          while ($swish || $display) {
224                                    my $page = $repeat_off;
225                                    $page_max{$field} = $page if ($iterate_by_page && $page > ($page_max{$field} || 0));
226                                  ($swish,$display) = parse_format($type, $format,$row,$repeat_off++,$import2cp);                                  ($swish,$display) = parse_format($type, $format,$row,$repeat_off++,$import2cp);
227                                  if ($repeat_off > 1000) {                                  if ($repeat_off > 1000) {
228                                          print STDERR "loop (more than 1000 repeatable fields) deteced in $row, $format\n";                                          print STDERR "loop (more than 1000 repeatable fields) deteced in $row, $format\n";
229                                          last;                                          last;
230                                  }                                  }
231                                    
232                                    # is this field is lookup?
233                                    if ($display && $x->{lookup}) {
234                                            my $null = "<!-- null -->";
235                                            if ($use_lhash_cache) {
236                                                    if (!defined($cache->{lhash}->{$display})) {
237                                                            my $new_display = $lhash{$display};
238                                                            if (defined($new_display)) {
239    #print STDERR "lookup cache store '$display' = '$new_display'\n";
240                                                                    $display = $new_display;
241                                                                    $cache->{lhash}->{$display} = $new_display;
242                                                            } else {
243                                                                    print STDERR "WARNING: lookup for '$display' didn't find anything.\n";
244                                                                    $display = "";
245                                                                    $cache->{lhash}->{$display} = $null;
246                                                            }
247                                                    } else {
248                                                            $display = $cache->{lhash}->{$display};
249                                                    }
250                                            } else {
251                                                    $display = $lhash{$display} || $null;
252                                            }
253                                    }
254    
255                                  # filter="name" ; filter this field through                                  # filter="name" ; filter this field through
256                                  # filter/[name].pm                                  # filter/[name].pm
257                                  my $filter = $x->{filter};                                  my $filter = $x->{filter};
258                                  if ($filter) {                                  if ($filter && !$cache->{filter_loaded}->{$filter}) {
259                                          require "filter/".$filter.".pm";                                          require "filter/".$filter.".pm";
260                                            $cache->{filter_loaded}->{$filter}++;
261                                  }                                  }
262                                  # type="swish" ; field for swish                                  # type="swish" ; field for swish
263                                  if ($s && $swish) {                                  if ($swish) {
264                                          if ($filter) {                                          if ($filter && ($s || $se)) {
265                                                  no strict 'refs';                                                  no strict 'refs';
266                                                  $swish_data .= join(" ",&$filter($swish));                                                  my $tmp = join(" ",&$filter($swish)) if ($s || $se);
267                                                    $swish_data .= $tmp if ($s);
268                                                    $swish_exact_data .= $tmp if ($se);
269    
270                                          } else {                                          } else {
271                                                  $swish_data .= $swish;                                                  $swish_data .= $swish if ($s);
272                                                    $swish_exact_data .= $swish if ($se);
273                                          }                                          }
274                                  }                                  }
275    
# Line 156  sub data2xml { Line 277  sub data2xml {
277                                  if ($d && $display) {                                  if ($d && $display) {
278                                          if ($line_delimiter && $display_data) {                                          if ($line_delimiter && $display_data) {
279                                                  $display_data .= $line_delimiter;                                                  $display_data .= $line_delimiter;
                                                 undef $line_delimiter;  
280                                          }                                          }
281                                          if ($filter) {                                          if ($filter) {
282                                                  no strict 'refs';                                                  no strict 'refs';
283                                                  $display_data .= join($delimiter,&$filter($display));                                                  if ($display_data) {
284                                                            $display_data .= $delimiter.join($delimiter,mkformat($x,&$filter($display)));
285                                                    } else {
286                                                            $display_data = join($delimiter,mkformat($x,&$filter($display)));
287                                                    }
288                                          } else {                                          } else {
289                                                  if ($display_data) {                                                  if ($display_data) {
290                                                          $display_data .= $delimiter.$display;                                                          $display_data .= $delimiter.mkformat($x,$display);
291                                                  } else {                                                  } else {
292                                                          $display_data .= $display;                                                          $display_data = mkformat($x,$display);
293                                                  }                                                  }
294                                          }                                          }
295                                  }                                  }
296                                                                                                    
297                                  # type="index" ; insert into index                                  # type="index" ; insert into index
298                                  if ($i && $display) {                                  if ($i && $display) {
299                                          push @index_data, $display;                                          if ($filter) {
300                                          $index_filter = $filter if ($filter);                                                  no strict 'refs';
301                                                    $display = &$filter($display);
302                                            }
303                                            if ($x->{append} && @index_data) {
304                                                    $index_data[$#index_data].=$display;
305                                            } else {
306                                                    push @index_data, $display;
307                                            }
308                                  }                                  }
                         }  
309    
310                          # fill data in index                                  # store fields in lookup
311                          if (@index_data) {                                  if ($il && $display) {
312                                  if ($index_filter) {                                          if (lc($x->{type}) eq "lookup_key") {
313                                          no strict 'refs';                                                  if ($lookup_key) {
314                                          foreach my $d (&$index_filter(@index_data)) {                                                          print STDERR "WARNING: try to redefine lookup_key (keys shouldn't be repeatable fields!)";
315                                                  $index->insert($field, $d, $path);                                                  } else {
316                                                            $lookup_key = $display;
317                                                    }
318                                            } elsif (lc($x->{type}) eq "lookup_val") {
319                                                    if ($lookup_key) {
320                                                            $lhash{$lookup_key} = $display;
321                                                    } else {
322                                                            print STDERR "WARNING: no lookup_key defined for  '$display'?";
323                                                    }
324                                          }                                          }
325                                  } else {  
326                                          foreach my $d (@index_data) {                                  }
327                                                  $index->insert($field, $d, $path);  
328                                    # store data for page-by-page repeatable fields
329                                    if ($iterate_by_page) {
330                                            sub iterate_fld($$$$$$) {
331                                                    my ($cache,$what,$field,$page,$data,$append) = @_;
332                                                    return if (!$data);
333                                                    my $line_delimiter = $page_line_delimiter;
334                                                    $line_delimiter = " " if ($append);
335                                                    if (! $cache->{$what}->{$field}->[$page]) {
336                                                            $cache->{$what}->{$field}->[$page] = $data;
337                                                    } else {
338                                                            $cache->{$what}->{$field}->[$page] .= $line_delimiter.$data;
339                                                    }
340                                            }
341    
342                                            if ($display_data) {
343    print STDERR "line delimiter: ",Dumper($line_delimiter) if ($line_delimiter);
344                                                    iterate_fld($cache,'display_data',$field,$page,$display_data,$x->{append});
345                                            }
346                                                    $display_data = "";
347                                            if ($swish_data) {
348                                                    iterate_fld($cache,'swish_data',$field,$page,$swish_data,$x->{append});
349                                                    $swish_data = "";
350                                            }
351                                            if ($swish_exact_data) {
352                                                    iterate_fld($cache,'swish_exact_data',$field,$page,$swish_exact_data,$x->{append});
353                                                    $swish_exact_data = "";
354                                          }                                          }
355                                  }                                  }
356                          }                          }
357    
358                            # fill data in index
359                            foreach my $d (@index_data) {
360                                    $index->insert($field, $d, $path);
361                            }
362                  }                  }
363    
364                  # now try to parse variables from configuration file                  # now try to parse variables from configuration file
# Line 201  sub data2xml { Line 370  sub data2xml {
370                          my ($s,$d,$i) = (1,1,0);        # swish, display default                          my ($s,$d,$i) = (1,1,0);        # swish, display default
371                          $s = 0 if (lc($x->{type}) eq "display");                          $s = 0 if (lc($x->{type}) eq "display");
372                          $d = 0 if (lc($x->{type}) eq "swish");                          $d = 0 if (lc($x->{type}) eq "swish");
373                            # no support for swish exact in config.
374                            # IMHO, it's useless
375                          ($s,$d,$i) = (0,0,1) if (lc($x->{type}) eq "index");                          ($s,$d,$i) = (0,0,1) if (lc($x->{type}) eq "index");
376    
377                          if ($val) {                          if ($val) {
# Line 209  sub data2xml { Line 380  sub data2xml {
380                                  $index->insert($field, $val, $path) if ($i);                                  $index->insert($field, $val, $path) if ($i);
381                          }                          }
382    
383                            if ($iterate_by_page) {
384                                    # FIXME data from config tag will appear just
385                                    # on first page!!!
386                                    my $page = 0;
387                                    if ($display_data) {
388                                            $cache->{display_data}->{$field}->[$page] = $display_data;
389                                            $display_data = "";
390                                    }
391                                    if ($swish_data) {
392                                            $cache->{swish_data}->{$field}->[$page] = $swish_data;
393                                            $swish_data = "";
394                                    }
395                                    if ($swish_exact_data) {
396                                            $cache->{swish_exact_data}->{$field}->[$page] = $swish_exact_data;
397                                            $swish_exact_data = "";
398                                    }
399                            }
400                  }                  }
401    
402                    # save data page-by-page
403                    foreach my $field (@page_fields) {
404                            my $nr_pages = $page_max{$field} || next;
405    #print STDERR "field '$field' iterate over ",($nr_pages || 0)," pages...\n";
406    #print STDERR Dumper($cache->{display_data});
407                            for (my $page=0; $page <= $nr_pages; $page++) {
408    
409                                    my $display_data = $cache->{display_data}->{$field}->[$page];
410                                    if ($display_data) { # default
411                                            if ($field eq "headline") {
412                                                    $xml .= xmlify("headline", $display_data);
413                                            } else {
414    
415                  if ($display_data) {                                                  # fallback to empty field name if needed
416                                                    $html .= get_field_name($config,$field,$field_usage{$field}) || '';
417                          if ($field eq "headline") {                                                  $html .= "#-#".$display_data."###\n";
418                                  $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 '$field' doesn't have 'name' attribute!";  
419                                  }                                  }
420                                  if ($field_name) {                                  
421                                          $html .= x($field_name);                                  my $swish_data = $cache->{swish_data}->{$field}->[$page];
422                                    if ($swish_data) {
423                                            # remove extra spaces
424                                            $swish_data =~ s/ +/ /g;
425                                            $swish_data =~ s/ +$//g;
426    
427                                            $xml .= xmlify($field."_swish", unac_string($codepage,$swish_data));
428                                    }
429    
430                                    my $swish_exact_data = $cache->{swish_exact_data}->{$field}->[$page];
431                                    if ($swish_exact_data) {
432                                            $swish_exact_data =~ s/ +/ /g;
433                                            $swish_exact_data =~ s/ +$//g;
434    
435                                            # add delimiters before and after word.
436                                            # That is required to produce exact match
437                                            $xml .= xmlify($field."_swish_exact", unac_string($codepage,'xxbxx '.$swish_exact_data.' xxexx'));
438                                  }                                  }
                                 $html .= $display_data."###\n";  
439                          }                          }
440            
441                  }                  }
442                  if ($swish_data) {                  
443                          # remove extra spaces                  if (! $iterate_by_page) {
444                          $swish_data =~ s/ +/ /g;                          if ($display_data) {
445                          $swish_data =~ s/ +$//g;                                  if ($field eq "headline") {
446                                            $xml .= xmlify("headline", $display_data);
447                                    } else {
448    
449                          $xml .= xmlify($field."_swish", unac_string($codepage,$swish_data));                                          # fallback to empty field name if needed
450                  }                                          $html .= get_field_name($config,$field,$field_usage{$field}) || '';
451                                            $html .= "#-#".$display_data."###\n";
452                                    }
453                            }
454                            if ($swish_data) {
455                                    # remove extra spaces
456                                    $swish_data =~ s/ +/ /g;
457                                    $swish_data =~ s/ +$//g;
458    
459                                    $xml .= xmlify($field."_swish", unac_string($codepage,$swish_data));
460                            }
461    
462                            if ($swish_exact_data) {
463                                    $swish_exact_data =~ s/ +/ /g;
464                                    $swish_exact_data =~ s/ +$//g;
465    
466                                    # add delimiters before and after word.
467                                    # That is required to produce exact match
468                                    $xml .= xmlify($field."_swish_exact", unac_string($codepage,'xxbxx '.$swish_exact_data.' xxexx'));
469                            }
470                    }
471          }          }
472    
473          # dump formatted output in <html>          # dump formatted output in <html>
# Line 278  $index = new index_DBI( Line 502  $index = new index_DBI(
502    
503  my $show_progress = $cfg_global->val('global', 'show_progress');  my $show_progress = $cfg_global->val('global', 'show_progress');
504    
505    my $unac_filter = $cfg_global->val('global', 'unac_filter');
506    if ($unac_filter) {
507            require $unac_filter;
508    }
509    
510  foreach my $database ($cfg->Sections) {  foreach my $database ($cfg->Sections) {
511    
512          my $type = lc($cfg -> val($database, 'type')) || die "$database doesn't have 'type' defined";          my $type = lc($cfg -> val($database, 'type')) || die "$database doesn't have 'type' defined";
513          my $add_xml = $cfg -> val($database, 'xml');    # optional          my $add_xml = $cfg -> val($database, 'xml');    # optional
514    
515            # create new lookup file
516            my $lookup_file = $cfg -> val($database, 'lookup_newfile'); # optional
517            if ($lookup_file) {
518                    #tie %lhash, 'GDBM_File', $lookup_file, &GDBM_NEWDB, 0644;
519                    tie %lhash, 'TDB_File', $lookup_file, TDB_CLEAR_IF_FIRST, O_RDWR, 0644;
520                    print STDERR "creating lookup file '$lookup_file'\n";
521            }
522    
523            # open existing lookup file
524            $lookup_file = $cfg -> val($database, 'lookup_open'); # optional
525            if ($lookup_file) {
526                    #tie %lhash, 'GDBM_File', $lookup_file, &GDBM_READER, 0644;
527                    tie %lhash, 'TDB_File', $lookup_file, TDB_DEFAULT, O_RDWR, 0644;
528                    print STDERR "opening lookup file '$lookup_file'\n";
529            }
530    
531  print STDERR "reading ./import_xml/$type.xml\n";  print STDERR "reading ./import_xml/$type.xml\n";
532    
533          # extract just type basic          # extract just type basic
534          my $type_base = $type;          my $type_base = $type;
535          $type_base =~ s/_.+$//g;          $type_base =~ s/_.+$//g;
536    
537          $config=XMLin("./import_xml/$type.xml", forcearray => [ $type2tag{$type_base}, 'config' ], forcecontent => 1);          $config=XMLin("./import_xml/$type.xml", forcearray => [ $type2tag{$type_base}, 'config', 'format' ], forcecontent => 1);
538    
539          # output current progress indicator          # output current progress indicator
540          my $last_p = 0;          my $last_p = 0;
# Line 533  print STDERR "using: $type...\n"; Line 778  print STDERR "using: $type...\n";
778                          fakeprogress($i);                          fakeprogress($i);
779    
780                  }                  }
781                    # close lookup
782                    untie %lhash if (%lhash);
783          }          }
784  }  }
785    

Legend:
Removed from v.109  
changed lines
  Added in v.178

  ViewVC Help
Powered by ViewVC 1.1.26