/[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 40 by dpavlin, Sat Mar 15 21:33:36 2003 UTC revision 109 by dpavlin, Mon Jul 14 18:50:39 2003 UTC
# Line 18  die "FATAL: can't find configuration fil Line 18  die "FATAL: can't find configuration fil
18    
19  my $config;  my $config;
20    
21  use index_DBI;  # there is no other, right now ;-)  #use index_DBI;         # default DBI module for index
22    use index_DBI_cache;    # faster DBI module using memory cache
23  my $index = new index_DBI();    # open index  my $index;
24    
25  my %opts;  my %opts;
26    
# Line 32  my %opts; Line 32  my %opts;
32    
33  getopts('d:m:qs', \%opts);  getopts('d:m:qs', \%opts);
34    
35  my $db_dir;  my $path;       # this is name of database
36    
37  Text::Iconv->raise_error(1);     # Conversion errors raise exceptions  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  # 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!  # filter/*.pm files! It will be used to store strings in perl internally!
# Line 46  sub x { Line 46  sub x {
46          return $utf2cp->convert($_[0]);          return $utf2cp->convert($_[0]);
47  }  }
48    
49  # decode isis import codepage  # decode isis/excel or other import codepage
50  my $isis2cp;  my $import2cp;
51    
52  # outgoing xml must be in UTF-8  # outgoing xml must be in UTF-8
53  my $cp2utf = Text::Iconv->new($codepage,'UTF-8');  my $cp2utf = Text::Iconv->new($codepage,'UTF-8');
54    
55  sub isis2xml {  # 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    sub data2xml {
65    
66          use xmlify;          use xmlify;
67    
68            my $type = shift @_;
69          my $row = shift @_;          my $row = shift @_;
70          my $add_xml = shift @_;          my $add_xml = shift @_;
71            # needed to read values from configuration file
72            my $cfg = shift @_;
73            my $database = shift @_;
74    
75          my $xml;          my $xml;
76    
# Line 69  sub isis2xml { Line 82  sub isis2xml {
82    
83          # sort subrouting using order="" attribute          # sort subrouting using order="" attribute
84          sub by_order {          sub by_order {
85                  return 0 if (! $config->{indexer}->{$a}->{order});                  my $va = $config->{indexer}->{$a}->{order} ||
86                  return 0 if (! $config->{indexer}->{$b}->{order});                          $config->{indexer}->{$a};
87                    my $vb = $config->{indexer}->{$b}->{order} ||
88                            $config->{indexer}->{$b};
89    
90                  return $config->{indexer}->{$a}->{order} <=>                  return $va <=> $vb;
                         $config->{indexer}->{$b}->{order} ;  
91          }          }
92    
93          foreach my $field (sort by_order keys %{$config->{indexer}}) {          foreach my $field (sort by_order keys %{$config->{indexer}}) {
94    
95                  $field=x($field);                  $field=x($field);
   
96                  $field_usage{$field}++;                  $field_usage{$field}++;
97    
98                  my $swish_data = "";                  my $swish_data = "";
# Line 88  sub isis2xml { Line 101  sub isis2xml {
101    
102                  my ($swish,$display);                  my ($swish,$display);
103    
104                  foreach my $x (@{$config->{indexer}->{$field}->{isis}}) {                  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});                          my $format = x($x->{content});
108                          my $delimiter = x($x->{delimiter}) || ' ';                          my $delimiter = x($x->{delimiter}) || ' ';
109    
110                          my $isis_i = 0;         # isis repeatable offset                          my $repeat_off = 0;             # repeatable offset
111    
112                          my ($s,$d,$i) = (1,1,0);        # swish, display default                          my ($s,$d,$i) = (1,1,0);        # swish, display default
113                          $s = 0 if (lc($x->{type}) eq "display");                          $s = 0 if (lc($x->{type}) eq "display");
# Line 110  sub isis2xml { Line 124  sub isis2xml {
124                          # init vars so that we go into while...                          # init vars so that we go into while...
125                          ($swish,$display) = (1,1);                          ($swish,$display) = (1,1);
126    
127                          while ($swish || $display) {                          # placeholder for all repeatable entries for index
128                                  ($swish,$display) = parse_format($format,$row,$isis_i++,$isis2cp);                          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                                  # filter="name" ; filter this field through
140                                  # filter/[name].pm                                  # filter/[name].pm
141                                  my $filter = $x->{filter};                                  my $filter = $x->{filter};
# Line 149  sub isis2xml { Line 172  sub isis2xml {
172                                                                                                    
173                                  # type="index" ; insert into index                                  # type="index" ; insert into index
174                                  if ($i && $display) {                                  if ($i && $display) {
175                                          my $index_data = $display;                                          push @index_data, $display;
176                                          if ($filter) {                                          $index_filter = $filter if ($filter);
177                                                  no strict 'refs';                                  }
178                                                  foreach my $d (&$filter($index_data)) {                          }
179                                                          $index->insert($field, $d, $db_dir);  
180                                                  }                          # fill data in index
181                                          } else {                          if (@index_data) {
182                                                  $index->insert($field, $index_data, $db_dir);                                  if ($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 ($display_data) {                  if ($display_data) {
216    
# Line 199  sub isis2xml { Line 248  sub isis2xml {
248    
249          # dump formatted output in <html>          # dump formatted output in <html>
250          if ($html) {          if ($html) {
251                  $xml .= xmlify("html",$html);                  #$xml .= xmlify("html",$html);
252                    $xml .= "<html><![CDATA[ $html ]]></html>";
253          }          }
254                    
255          if ($xml) {          if ($xml) {
# Line 212  sub isis2xml { Line 262  sub isis2xml {
262    
263  ##########################################################################  ##########################################################################
264    
265    # read configuration for this script
266  my $cfg = new Config::IniFiles( -file => $config_file );  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) {  foreach my $database ($cfg->Sections) {
282    
283          my $isis_db = $cfg -> val($database, 'isis_db') || die "$database doesn't have 'isis_db' defined!";          my $type = lc($cfg -> val($database, 'type')) || die "$database doesn't have 'type' defined";
         my $type = $cfg -> val($database, 'type') || die "$database doesn't have 'type' defined";  
284          my $add_xml = $cfg -> val($database, 'xml');    # optional          my $add_xml = $cfg -> val($database, 'xml');    # optional
285    
286          $config=XMLin("./import_xml/$type.xml", forcearray => [ 'isis' ], forcecontent => 1);  print STDERR "reading ./import_xml/$type.xml\n";
287    
288          $isis2cp = Text::Iconv->new($config->{isis_codepage},$codepage);          # extract just type basic
289            my $type_base = $type;
290            $type_base =~ s/_.+$//g;
291    
292          my $db = OpenIsis::open( $isis_db );          $config=XMLin("./import_xml/$type.xml", forcearray => [ $type2tag{$type_base}, 'config' ], forcecontent => 1);
293          if (0) {  
294  #       # FIX          # output current progress indicator
295  #       if (! $db ) {          my $last_p = 0;
296                  print STDERR "WARNING: can't open '$isis_db'\n";          sub progress {
297                  next ;                  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 $max_rowid = OpenIsis::maxRowid( $db );          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          print STDERR "Reading database: $isis_db [$max_rowid rows]\n";          # now read database
322    print STDERR "using: $type...\n";
323    
324          my $path = $database;                   # was $isis_db          if ($type_base eq "isis") {
325    
326          my $last_p = 0;                  my $isis_db = $cfg -> val($database, 'isis_db') || die "$database doesn't have 'isis_db' defined!";
327    
328  #       { my $row_id = 4514;                  $import2cp = Text::Iconv->new($config->{isis_codepage},$codepage);
329  # FIX                  my $db = OpenIsis::open( $isis_db );
330          for (my $row_id = 1; $row_id <= $max_rowid; $row_id++ ) {  
331                  my $row = OpenIsis::read( $db, $row_id );                  # check if .txt database for OpenIsis is zero length,
332                  if ($row && $row->{mfn}) {                  # if so, erase it and re-open database
333                          # output current process indicator                  sub check_txt_db {
334                          my $p = int($row->{mfn} * 100 / $max_rowid);                          my $isis_db = shift || die "need isis database name";
335                          if ($p != $last_p) {                          my $reopen = 0;
336                                  printf STDERR ("%5d / %5d [%-51s] %-2d %% \r",$row->{mfn},$max_rowid,"=" x ($p/2).">", $p ) if (! $opts{q});  
337                                  $last_p = $p;                          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                    print STDERR "Reading database: $isis_db [$max_rowid rows]\n";
382    
383                          if (my $xml = $cp2utf->convert(isis2xml($row,$add_xml))) {                  my $path = $database;
384    
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                                  use bytes;      # as opposed to chars
493                                  print "Path-Name: $path#".int($row->{mfn})."\n";                                  print "Path-Name: $swishpath\n";
494                                  print "Content-Length: ".(length($xml)+1)."\n";                                  print "Content-Length: ".(length($xml)+1)."\n";
495                                  print "Document-Type: XML\n\n$xml\n";                                  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    
535                    }
536          }          }
         print STDERR "\n";  
537  }  }
538    
539  # call this to commit index  # call this to commit index
# Line 272  __END__ Line 545  __END__
545    
546  =head1 NAME  =head1 NAME
547    
548  isis2xml.pl - read isis file and dump XML  all2xml.pl - read various file formats and dump XML for SWISH-E
549    
550  =head1 DESCRIPTION  =head1 DESCRIPTION
551    
552  This command will read ISIS data file using OpenIsis perl module and  This command will read ISIS data file using OpenIsis perl module, MARC
553  create XML file for usage with I<SWISH-E>  records using MARC module and optionally Micro$oft Excel files to
554  indexer. Dispite it's name, this script B<isn't general xml generator>  create one XML file for usage with I<SWISH-E> indexer. Dispite it's name,
555  from isis files (isis allready has something like that). Output of this  this script B<isn't general xml generator> from isis files (isis allready
556  script is tailor-made for SWISH-E.  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  =head1 AUTHOR
565    

Legend:
Removed from v.40  
changed lines
  Added in v.109

  ViewVC Help
Powered by ViewVC 1.1.26