/[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 13 by dpavlin, Sun Feb 16 22:41:37 2003 UTC revision 231 by dpavlin, Fri Mar 5 22:53:30 2004 UTC
# Line 8  use XML::Simple; Line 8  use XML::Simple;
8  use Text::Unaccent 1.02;        # 1.01 won't compile on my platform,  use Text::Unaccent 1.02;        # 1.01 won't compile on my platform,
9  use Text::Iconv;  use Text::Iconv;
10  use Config::IniFiles;  use Config::IniFiles;
11    use Encode;
12    #use GDBM_File;
13    use Fcntl;      # for O_RDWR
14    use TDB_File;
15    
16  $|=1;  $|=1;
17    
# Line 17  die "FATAL: can't find configuration fil Line 21  die "FATAL: can't find configuration fil
21    
22  my $config;  my $config;
23    
24  use index_DBI;  # there is no other, right now ;-)  #use index_DBI;         # default DBI module for index
25    use index_DBI_cache;    # faster DBI module using memory cache
26  my $index = new index_DBI();    # open index  my $index;
27    
28  my %opts;  my %opts;
29    
# Line 31  my %opts; Line 35  my %opts;
35    
36  getopts('d:m:qs', \%opts);  getopts('d:m:qs', \%opts);
37    
38  my $db_dir;  my $path;       # this is name of database
39    
40    Text::Iconv->raise_error(0);     # Conversion errors don't raise exceptions
41    
42  #die "usage: $0 -d [database_dir] -m [database1,database2] " if (! %opts);  # this is encoding of all files on disk, including import_xml/*.xml file and
43    # filter/*.pm files! It will be used to store strings in perl internally!
44    my $codepage = 'ISO-8859-2';
45    
46    my $utf2cp = Text::Iconv->new('UTF-8',$codepage);
47    # this function will convert data from XML files to local encoding
48    sub x {
49            return $utf2cp->convert($_[0]);
50    }
51    
52  #print Dumper($config->{indexer});  # decode isis/excel or other import codepage
53  #print "-" x 70,"\n";  my $import2cp;
54    
55  Text::Iconv->raise_error(1);     # Conversion errors raise exceptions  # outgoing xml must be in UTF-8
56    my $cp2utf = Text::Iconv->new($codepage,'UTF-8');
57    
58  #my $isis_codepage = Text::Iconv->new($config->{isis_codepage},'UTF8');  # mapping between data type and tag which specify
59  #my $index_codepage = Text::Iconv->new($config->{isis_codepage},$config->{index_codepage});  # format in XML file
60  my $isis_codepage;  my %type2tag = (
61  my $index_codepage;          'isis' => 'isis',
62  my $cludge_codepage = Text::Iconv->new('UTF8','ISO8859-1');          'excel' => 'column',
63  my $xml_codepage;          'marc' => 'marc',
64            '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 isis2xml {  my $last_field_name;    # cache to prevent repeated fields
76    
77    sub data2xml {
78    
79          use xmlify;          use xmlify;
80    
81            my $type = shift @_;
82          my $row = shift @_;          my $row = shift @_;
83          my $add_xml = shift @_;          my $add_xml = shift @_;
84            # needed to read values from configuration file
85            my $cfg = shift @_;
86            my $database = shift @_;
87    
88          my $xml;          my $xml;
89    
# Line 62  sub isis2xml { Line 93  sub isis2xml {
93    
94          my %field_usage;        # counter for usage of each field          my %field_usage;        # counter for usage of each field
95    
96          foreach my $field (keys %{$config->{indexer}}) {          # sort subrouting using order="" attribute
97            sub by_order {
98                    my $va = $config->{indexer}->{$a}->{order} ||
99                            $config->{indexer}->{$a};
100                    my $vb = $config->{indexer}->{$b}->{order} ||
101                            $config->{indexer}->{$b};
102    
103                    return $va <=> $vb;
104            }
105    
106            my @sorted_tags;
107            if ($cache->{tags_by_order}) {
108                    @sorted_tags = @{$cache->{tags_by_order}};
109            } else {
110                    @sorted_tags = sort by_order keys %{$config->{indexer}};
111                    $cache->{tags_by_order} = \@sorted_tags;
112            }
113    
114            # lookup key
115            my $lookup_key;
116    
117            # cache for field in pages
118            delete $cache->{display_data};
119            delete $cache->{swish_data};
120            delete $cache->{swish_exact_data};
121            delete $cache->{index_data};
122            delete $cache->{index_delimiter};
123            my @page_fields;        # names of fields
124    
125    
126            # subs used to produce output
127    
128            sub get_field_name($$$) {
129                    my ($config,$field,$field_usage) = @_;
130    
131                    # find field name (signular, plural)
132                    my $field_name = "";
133                    if ($config->{indexer}->{$field}->{name_singular} && $field_usage == 1) {
134                            $field_name = $config->{indexer}->{$field}->{name_singular};
135                    } elsif ($config->{indexer}->{$field}->{name_plural}) {
136                            $field_name = $config->{indexer}->{$field}->{name_plural};
137                    } elsif ($config->{indexer}->{$field}->{name}) {
138                            $field_name = $config->{indexer}->{$field}->{name};
139                    } else {
140                            print STDERR "WARNING: field '$field' doesn't have 'name' attribute!";
141                    }
142                    if ($field_name) {
143                            if (! $last_field_name) {
144                                    $last_field_name = x($field_name);
145                                    return $last_field_name;
146                            } elsif ($field_name ne $last_field_name) {
147                                    $last_field_name = x($field_name);
148                                    return $last_field_name;
149                            }
150                    }
151            }
152    
153    
154            # begin real work: go field by field
155            foreach my $field (@sorted_tags) {
156    
157                    $field=x($field);
158                  $field_usage{$field}++;                  $field_usage{$field}++;
159    
160                  my $swish_data = "";                  my $swish_data = "";
161                    my $swish_exact_data = "";
162                  my $display_data = "";                  my $display_data = "";
163                  my $index_data = "";                  my @index_data;
164                    my $line_delimiter;
165    
166                  foreach my $x (@{$config->{indexer}->{$field}->{isis}}) {                  my ($swish,$display);
167    
168                          my $format = $x->{content};                  my $tag = $type2tag{$type} || die "can't find which tag to use for type $type";
169                          my ($s,$d,$i) = (1,1,0);        # swish, display default  
170                    # is this field page-by-page?
171                    my $iterate_by_page = $config->{indexer}->{$field}->{iterate_by_page};
172                    push @page_fields,$field if ($iterate_by_page);
173                    my %page_max = ();
174                    # default line_delimiter if using
175                    my $page_line_delimiter = $config->{indexer}->{$field}->{page_line_delimiter} || '<br/>';
176                    $cache->{index_delimiter}->{$field} = $config->{indexer}->{$field}->{index_delimiter};
177    
178                    my $format_name = $config->{indexer}->{$field}->{format_name};
179                    my $format_delimiter = $config->{indexer}->{$field}->{format_delimiter};
180                    if ($format_name && $format_delimiter) {
181                            $cache->{format}->{$field}->{format_name} = $format_name;
182                            $cache->{format}->{$field}->{format_delimiter} = $format_delimiter;
183                    }
184    
185                    foreach my $x (@{$config->{indexer}->{$field}->{$tag}}) {
186    
187                            my $format = x($x->{content});
188                            my $delimiter = x($x->{delimiter}) || ' ';
189    
190                            my $repeat_off = 0;     # init repeatable offset
191    
192                            # swish, swish_exact, display, index, index_lookup
193                            # swish and display defaults
194                            my ($s,$se,$d,$i,$il) = (1,0,1,0,0);
195                          $s = 0 if (lc($x->{type}) eq "display");                          $s = 0 if (lc($x->{type}) eq "display");
196                          $d = 0 if (lc($x->{type}) eq "swish");                          $d = 0 if (lc($x->{type}) eq "swish");
197                          ($s,$d,$i) = (0,0,1) if (lc($x->{type}) eq "index");                          ($s,$se,$d,$i) = (0,1,0,1) if (lc($x->{type}) eq "index");
198  #print STDERR "## s: $s d: $d i: $i ## $format ##\n";                            ($s,$se,$d,$i) = (0,1,0,0) if (lc($x->{type}) eq "swish_exact");
199                            ($s,$se,$d,$i,$il) = (0,1,0,0,1) if (lc($x->{type}) =~ /^lookup/);
200    
201                            # what will separate last line from this one?
202                            if ($display_data && $x->{append}) {
203                                    $line_delimiter = ' ';
204                            } elsif ($display_data) {
205                                    $line_delimiter = '<br/>';
206                            }
207    
208                          $format = $cludge_codepage->convert($format);                          # init vars so that we go into while...
209                          my ($swish,$display) = parse_format($format,$row);                          ($swish,$display) = (1,1);
210  #print STDERR "s: $swish\nd: $display\n" if ($swish);  
211                            # placeholder for all repeatable entries for index
 #print STDERR "swish: $swish<-- display: $display<--\n";  
                         # FIX: this is ugly, UGLY, cludge: OpenIsis return  
                         # UTF8 encoding of strings, but as if source charset  
                         # is ISO8859-1 and not some other. This breaks our  
                         # isis character encoding, so we convert it first  
                         # back to ISO8859-1 (which can actually be different  
                         # encoding in isis)  
   
                         $swish_data .= $swish if ($s && $swish);  
                         $display_data .= $display if ($d && $display);  
                         $index_data .= $display if ($i && $display);  
                 }  
212    
213                            sub chk_eval($) {
214                                    my $data = shift;
215                                    if ($data =~ s/eval{([^}]+)}//) {
216                                            if (eval "$1") {
217                                                    return $data;
218                                            } else {
219                                                    return undef;
220                                            }
221                                    } else {
222                                            return $data;
223                                    }
224                            }
225    
226  #print STDERR "s_d: $swish_data\nd_d: $display_data\n" if ($swish_data);                          sub mkformat($$) {
227                  if ($display_data) {                                  my $x = shift || die "mkformat needs tag reference";
228                          $display_data = $isis_codepage->convert($display_data) || die "Can't convert '$display_data' !";                                  my $data = shift || return;
229                          # FIX: this is removed and replaced by html tag.                                  my $format_name = x($x->{format_name}) || return chk_eval($data);
230                          #$xml .= xmlify($field."_display", $display_data);                                  my $fmt = x($config->{format}->{$format_name}->{content}) || die "<format name=\"$format_name\"> is not defined!";
231                                    my $format_delimiter = x($x->{format_delimiter});
232                          if ($field eq "headline") {                                  my @data;
233                                  $xml .= xmlify("headline", $display_data);                                  if ($format_delimiter) {
234                          } else {                                          @data = split(/$format_delimiter/,$data);
   
                                 # 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}."#-#";  
235                                  } else {                                  } else {
236                                          $field_name = $config->{indexer}->{$field}->{name}."#-#";                                          push @data,$data;
237                                  }                                  }
238                                  if ($field_name) {  
239                                          $html .= $xml_codepage->convert($field_name);                                  if ($fmt) {
240                                            my $nr = scalar $fmt =~ s/%s/%s/g;
241                                            if (($#data+1) == $nr) {
242                                                    return chk_eval(sprintf($fmt,@data));
243                                            } else {
244                                                    #print STDERR "mkformat: [$data] can't be split on [$format_delimiter] to $nr fields!\n";
245                                                    return chk_eval($data);
246                                            }
247                                    } else {
248                                            print STDERR "usage of link '$format_name' without defined format (<link> tag)\n";
249                                  }                                  }
250                                  $html .= $display_data."###\n";                          }
251    
252                            # while because of repeatable fields
253                            while ($swish || $display) {
254                                    my $page = $repeat_off;
255                                    $page_max{$field} = $page if ($iterate_by_page && $page > ($page_max{$field} || 0));
256                                    ($swish,$display) = parse_format($type, $format,$row,$repeat_off++,$import2cp);
257                                    if ($repeat_off > 1000) {
258                                            print STDERR "loop (more than 1000 repeatable fields) deteced in $row, $format\n";
259                                            last;
260                                    }
261    
262                                    # is this field is lookup?
263                                    if ($display && $x->{lookup}) {
264                                            my $null = "<!-- null -->";
265                                            if ($use_lhash_cache) {
266                                                    if (!defined($cache->{lhash}->{$display})) {
267                                                            my $new_display = $lhash{$display};
268                                                            if (defined($new_display)) {
269    #print STDERR "lookup cache store '$display' = '$new_display'\n";
270                                                                    $display = $new_display;
271                                                                    $cache->{lhash}->{$display} = $new_display;
272                                                            } else {
273                                                                    print STDERR "WARNING: lookup for '$display' didn't find anything.\n";
274                                                                    $display = "";
275                                                                    $cache->{lhash}->{$display} = $null;
276                                                            }
277                                                    } else {
278                                                            $display = $cache->{lhash}->{$display};
279                                                    }
280                                            } else {
281                                                    $display = $lhash{$display} || $null;
282                                            }
283                                    }
284    
285                                    # filter="name" ; filter this field through
286                                    # filter/[name].pm
287                                    my $filter = $x->{filter};
288                                    if ($filter && !$cache->{filter_loaded}->{$filter}) {
289                                            require "filter/".$filter.".pm";
290                                            $cache->{filter_loaded}->{$filter}++;
291                                    }
292                                    # type="swish" ; field for swish
293                                    if ($swish) {
294                                            if ($filter && ($s || $se)) {
295                                                    no strict 'refs';
296                                                    my $tmp = join(" ",&$filter($swish)) if ($s || $se);
297                                                    $swish_data .= $tmp if ($s);
298                                                    $swish_exact_data .= "xxbxx $tmp xxexx " if ($se && $tmp ne "");
299    
300                                            } else {
301                                                    $swish_data .= $swish if ($s);
302                                                    $swish_exact_data .= "xxbxx $swish xxexx " if ($se && $swish ne "");
303                                            }
304                                    }
305    
306                                    # type="display" ; field for display
307                                    if ($d && $display) {
308                                            my $ldel = $delimiter;
309                                            if ($line_delimiter && $display_data) {
310                                                    $ldel = $line_delimiter;
311                                            }
312                                            if ($filter) {
313                                                    no strict 'refs';
314                                                    my @arr;
315                                                    foreach my $tmp (&$filter($display)) {
316                                                            my $tmp2 = mkformat($x,$tmp);
317                                                            push @arr,$tmp2 if ($tmp2);
318                                                    }
319                                                    $display_data .= $ldel if ($display_data && @arr);
320                                                    $display_data .= join($delimiter,@arr);
321                                            } else {
322                                                    $display_data .= $ldel if ($display_data);
323                                                    my $tmp = mkformat($x,$display);
324                                                    $display_data .= $tmp if ($tmp);
325                                            }
326                                    }
327                                                    
328                                    # type="index" ; insert into index
329                                    my $idisplay;
330                                    if ($i && $display) {
331                                            $idisplay = $display;
332                                            if ($filter) {
333                                                    no strict 'refs';
334                                                    $idisplay = &$filter($idisplay);
335                                            }
336                                            push @index_data, $idisplay if (! $iterate_by_page);
337                                    }
338    
339                                    # store fields in lookup
340                                    if ($il && $display) {
341                                            if (lc($x->{type}) eq "lookup_key") {
342                                                    if ($lookup_key) {
343                                                            print STDERR "WARNING: try to redefine lookup_key (keys shouldn't be repeatable fields!)";
344                                                    } else {
345                                                            $lookup_key = $display;
346                                                    }
347                                            } elsif (lc($x->{type}) eq "lookup_val") {
348                                                    if ($lookup_key) {
349                                                            $lhash{$lookup_key} = $display;
350                                                    } else {
351                                                            print STDERR "WARNING: no lookup_key defined for  '$display'?";
352                                                    }
353                                            }
354    
355                                    }
356    
357                                    # store data for page-by-page repeatable fields
358                                    if ($iterate_by_page) {
359                                            sub iterate_fld($$$$$$) {
360                                                    my ($cache,$what,$field,$page,$data,$append) = @_;
361                                                    return if (!$data);
362    
363                                                    my $ldel = $page_line_delimiter;
364                                                    $ldel = " " if ($append);
365    #print STDERR "line delimiter: ",Dumper($ldel) if ($ldel);
366                                                    if (! $cache->{$what}->{$field}->[$page]) {
367                                                            $cache->{$what}->{$field}->[$page] = $data;
368                                                    } else {
369                                                            $cache->{$what}->{$field}->[$page] .= $ldel.$data;
370                                                    }
371                                            }
372    
373                                            if ($display_data) {
374                                                    iterate_fld($cache,'display_data',$field,$page,$display_data,$x->{append});
375                                            }
376                                                    $display_data = "";
377                                            if ($swish_data) {
378                                                    iterate_fld($cache,'swish_data',$field,$page,$swish_data,$x->{append});
379                                                    $swish_data = "";
380                                            }
381                                            if ($swish_exact_data) {
382                                                    iterate_fld($cache,'swish_exact_data',$field,$page,$swish_exact_data,$x->{append});
383                                                    $swish_exact_data = "";
384                                            }
385    
386                                            if ($idisplay) {
387                                                    my $ldel=$page_line_delimiter;
388                                                    my @index_data;
389                                                    if ($cache->{index_data}->{$field}->[$page]) {
390    
391                                                            @index_data = @{$cache->{index_data}->{$field}->[$page]};
392                                                    }
393                                                    if ($x->{append}) {
394                                                            if (@index_data) {
395                                                                    $index_data[$#index_data] .= $idisplay;
396                                                            } else {
397                                                                    push @index_data, $idisplay;
398                                                            }
399                                                    } else {
400                                                            push @index_data, $idisplay;
401                                                    }
402                                                    $idisplay = "";
403                                                    @{$cache->{index_data}->{$field}->[$page]} = @index_data;
404                                            }
405                                    }
406                            }
407    
408                            if (! $iterate_by_page) {
409                                    my $idel = $x->{index_delimiter};
410                                    # fill data in index
411                                    foreach my $tmp (@index_data) {
412                                            my $i = $d = $tmp;
413                                            if ($idel && $tmp =~ m/$idel/) {
414                                                    ($i,$d) = split(/$idel/,$tmp);
415                                            }
416                                            $index->insert($field, $i, $d, $path);
417                                    }
418                                    @index_data = ();
419                          }                          }
420                  }                  }
421                  if ($swish_data) {  
422                          my $i = Text::Iconv->new($config->{isis_codepage},'ISO8859-2');                  # now try to parse variables from configuration file
423                          $swish_data = $i->convert($swish_data);                  foreach my $x (@{$config->{indexer}->{$field}->{'config'}}) {
424                          $xml .= xmlify($field."_swish",unac_string('ISO8859-2',$swish_data));  
425                          #$swish_data = $isis_codepage->convert($swish_data)."##" || $swish_data;                          my $delimiter = x($x->{delimiter}) || ' ';
426                          #$xml .= xmlify($field."_swish",unac_string($config->{isis_codepage},$swish_data));                          my $val = $cfg->val($database, x($x->{content}));
427    
428                            my ($s,$d,$i) = (1,1,0);        # swish, display default
429                            $s = 0 if (lc($x->{type}) eq "display");
430                            $d = 0 if (lc($x->{type}) eq "swish");
431                            # no support for swish exact in config.
432                            # IMHO, it's useless
433                            ($s,$d,$i) = (0,0,1) if (lc($x->{type}) eq "index");
434    
435                            if ($val) {
436                                    $display_data .= $delimiter.$val if ($d);
437                                    $swish_data .= $val if ($s);
438                                    $index->insert($field, $val, $path) if ($i);
439                            }
440    
441                            if ($iterate_by_page) {
442                                    # FIXME data from config tag will appear just
443                                    # on first page!!!
444                                    my $page = 0;
445                                    if ($display_data) {
446                                            $cache->{display_data}->{$field}->[$page] = $display_data;
447                                            $display_data = "";
448                                    }
449                                    if ($swish_data) {
450                                            $cache->{swish_data}->{$field}->[$page] = $swish_data;
451                                            $swish_data = "";
452                                    }
453                                    if ($swish_exact_data) {
454                                            $cache->{swish_exact_data}->{$field}->[$page] = $swish_exact_data;
455                                            $swish_exact_data = "";
456                                    }
457                            }
458                  }                  }
459    
460                  # index                  # save data page-by-page
461                  if ($index_data && $index_data ne "") {                  foreach my $field (@page_fields) {
462                          $index_data = $index_codepage->convert($index_data) || $index_data;                          my $nr_pages = $page_max{$field} || next;
463                          $index->insert($field, $index_data, $db_dir);  #print STDERR "field '$field' iterate over ",($nr_pages || 0)," pages...\n";
464    #print STDERR Dumper($cache->{display_data});
465                            for (my $page=0; $page <= $nr_pages; $page++) {
466                                    my $display_data;
467                                    if ($cache->{format}->{$field}) {
468                                            my $tmp = mkformat($cache->{format}->{$field},$cache->{display_data}->{$field}->[$page]);
469                                            $display_data=$tmp if ($tmp);
470                                    } else {
471                                            $display_data = $cache->{display_data}->{$field}->[$page];
472                                    }
473                                    if ($display_data) { # default
474                                            if ($field eq "headline") {
475                                                    $xml .= xmlify("headline", $display_data);
476                                            } else {
477    
478                                                    # fallback to empty field name if needed
479                                                    $html .= get_field_name($config,$field,$field_usage{$field}) || '';
480                                                    $html .= "#-#".$display_data."###\n";
481                                            }
482                                    }
483                                    
484                                    my $swish_data = $cache->{swish_data}->{$field}->[$page];
485                                    if ($swish_data) {
486                                            # remove extra spaces
487                                            $swish_data =~ s/ +/ /g;
488                                            $swish_data =~ s/ +$//g;
489    
490                                            $xml .= xmlify($field."_swish", unac_string($codepage,$swish_data));
491                                    }
492    
493                                    my $swish_exact_data = $cache->{swish_exact_data}->{$field}->[$page];
494                                    if ($swish_exact_data) {
495                                            $swish_exact_data =~ s/ +/ /g;
496                                            $swish_exact_data =~ s/ +$//g;
497    
498                                            # add delimiters before and after word.
499                                            # That is required to produce exact match
500                                            $xml .= xmlify($field."_swish_exact", unac_string($codepage,$swish_exact_data));
501                                    }
502                                    
503                                    my $idel = $cache->{index_delimiter}->{$field};
504                                    foreach my $tmp (@{$cache->{index_data}->{$field}->[$page]}) {
505                                            my $i = $tmp;
506                                            my $d = $tmp;
507                                            if ($idel && $tmp =~ m/$idel/) {
508                                                    ($i,$d) = split(/$idel/,$tmp);
509                                            }
510                                            $index->insert($field, $i, $d, $path);
511    #print STDERR "index [$idel] $field: $i --> $d [$path]\n";
512                                    }
513                            }
514            
515                  }                  }
516                    
517                    if (! $iterate_by_page) {
518                            if ($display_data) {
519                                    if ($field eq "headline") {
520                                            $xml .= xmlify("headline", $display_data);
521                                    } else {
522    
523                                            # fallback to empty field name if needed
524                                            $html .= get_field_name($config,$field,$field_usage{$field}) || '';
525                                            $html .= "#-#".$display_data."###\n";
526                                    }
527                            }
528                            if ($swish_data) {
529                                    # remove extra spaces
530                                    $swish_data =~ s/ +/ /g;
531                                    $swish_data =~ s/ +$//g;
532    
533                                    $xml .= xmlify($field."_swish", unac_string($codepage,$swish_data));
534                            }
535    
536                            if ($swish_exact_data) {
537                                    $swish_exact_data =~ s/ +/ /g;
538                                    $swish_exact_data =~ s/ +$//g;
539    
540                                    # add delimiters before and after word.
541                                    # That is required to produce exact match
542                                    $xml .= xmlify($field."_swish_exact", unac_string($codepage,$swish_exact_data));
543                            }
544                    }
545          }          }
546    
547          # dump formatted output in <html>          # dump formatted output in <html>
548          if ($html) {          if ($html) {
549                  $xml .= xmlify("html",$html);                  #$xml .= xmlify("html",$html);
550                    $xml .= "<html><![CDATA[ $html ]]></html>";
551          }          }
552                    
553          if ($xml) {          if ($xml) {
 #print STDERR "x: $xml\n";  
554                  $xml .= $add_xml if ($add_xml);                  $xml .= $add_xml if ($add_xml);
555                  return "<xml>\n$xml</xml>\n";                  return "<xml>\n$xml</xml>\n";
556          } else {          } else {
# Line 154  sub isis2xml { Line 560  sub isis2xml {
560    
561  ##########################################################################  ##########################################################################
562    
563    # read configuration for this script
564  my $cfg = new Config::IniFiles( -file => $config_file );  my $cfg = new Config::IniFiles( -file => $config_file );
565    
566    # read global.conf configuration
567    my $cfg_global = new Config::IniFiles( -file => 'global.conf' );
568    
569    # open index
570    $index = new index_DBI(
571                    $cfg_global->val('global', 'dbi_dbd'),
572                    $cfg_global->val('global', 'dbi_dsn'),
573                    $cfg_global->val('global', 'dbi_user'),
574                    $cfg_global->val('global', 'dbi_passwd') || '',
575            );
576    
577    my $show_progress = $cfg_global->val('global', 'show_progress');
578    
579    my $unac_filter = $cfg_global->val('global', 'unac_filter');
580    if ($unac_filter) {
581            require $unac_filter;
582    }
583    
584  foreach my $database ($cfg->Sections) {  foreach my $database ($cfg->Sections) {
585    
586          my $isis_db = $cfg -> val($database, 'isis_db');          my $type = lc($cfg -> val($database, 'type')) || die "$database doesn't have 'type' defined";
587          my $type = $cfg -> val($database, 'type');          my $add_xml = $cfg -> val($database, 'xml');    # optional
         my $add_xml = $cfg -> val($database, 'xml');  
588    
589          # read configuration for this type          # create new lookup file
590          $config=XMLin("./import_xml/$type.xml", forcearray => [ 'isis' ], forcecontent => 1);          my $lookup_file = $cfg -> val($database, 'lookup_newfile'); # optional
591          $isis_codepage = Text::Iconv->new($config->{isis_codepage},'UTF8');          if ($lookup_file) {
592          $index_codepage = Text::Iconv->new($config->{isis_codepage},$config->{index_codepage});                  #tie %lhash, 'GDBM_File', $lookup_file, &GDBM_NEWDB, 0644;
593          $xml_codepage = Text::Iconv->new($cfg->val($database,'xml_codepage'),'UTF8');                  tie %lhash, 'TDB_File', $lookup_file, TDB_CLEAR_IF_FIRST, O_RDWR, 0644;
594                    print STDERR "creating lookup file '$lookup_file'\n";
595                    # delete memory cache for lookup file
596                    delete $cache->{lhash};
597            }
598    
599          my $db = OpenIsis::open( $isis_db );          # open existing lookup file
600          if (0) {          $lookup_file = $cfg -> val($database, 'lookup_open'); # optional
601  #       # FIX          if ($lookup_file) {
602  #       if (! $db ) {                  #tie %lhash, 'GDBM_File', $lookup_file, &GDBM_READER, 0644;
603                  print STDERR "WARNING: can't open '$isis_db'\n";                  tie %lhash, 'TDB_File', $lookup_file, TDB_DEFAULT, O_RDWR, 0644;
604                  next ;                  print STDERR "opening lookup file '$lookup_file'\n";
605          }          }
606    
607          my $max_rowid = OpenIsis::maxRowid( $db );  print STDERR "reading ./import_xml/$type.xml\n";
608    
609          print STDERR "Reading database: $isis_db [$max_rowid rows]\n";          # extract just type basic
610            my $type_base = $type;
611            $type_base =~ s/_.+$//g;
612    
613          my $path = $database;                   # was $isis_db          $config=XMLin("./import_xml/$type.xml", forcearray => [ $type2tag{$type_base}, 'config', 'format' ], forcecontent => 1);
614    
615            # output current progress indicator
616          my $last_p = 0;          my $last_p = 0;
617            sub progress {
618                    return if (! $show_progress);
619                    my $current = shift;
620                    my $total = shift || 1;
621                    my $p = int($current * 100 / $total);
622                    if ($p != $last_p) {
623                            printf STDERR ("%5d / %5d [%-51s] %-2d %% \r",$current,$total,"=" x ($p/2).">", $p );
624                            $last_p = $p;
625                    }
626            }
627    
628            my $fake_dir = 1;
629            sub fakeprogress {
630                    return if (! $show_progress);
631                    my $current = shift @_;
632    
633                    my @ind = ('-','\\','|','/','-','\\','|','/', '-');
634    
635                    $last_p += $fake_dir;
636                    $fake_dir = -$fake_dir if ($last_p > 1000 || $last_p < 0);
637                    if ($last_p % 10 == 0) {
638                            printf STDERR ("%5d / %5s [%-51s]\r",$current,"?"," " x ($last_p/20).$ind[($last_p/20) % $#ind]);
639                    }
640            }
641    
642            # now read database
643    print STDERR "using: $type...\n";
644    
645            # erase cache for tags by order in this database
646            delete $cache->{tags_by_order};
647    
648            if ($type_base eq "isis") {
649    
650                    my $isis_db = $cfg -> val($database, 'isis_db') || die "$database doesn't have 'isis_db' defined!";
651    
652                    $import2cp = Text::Iconv->new($config->{isis_codepage},$codepage);
653                    my $db = OpenIsis::open( $isis_db );
654    
655                    # check if .txt database for OpenIsis is zero length,
656                    # if so, erase it and re-open database
657                    sub check_txt_db {
658                            my $isis_db = shift || die "need isis database name";
659                            my $reopen = 0;
660    
661                            if (-e $isis_db.".TXT") {
662                                    print STDERR "WARNING: removing $isis_db.TXT OpenIsis database...\n";
663                                    unlink $isis_db.".TXT" || warn "FATAL: unlink error on '$isis_db.TXT': $!";
664                                    $reopen++;
665                            }
666                            if (-e $isis_db.".PTR") {
667                                    print STDERR "WARNING: removing $isis_db.PTR OpenIsis database...\n";
668                                    unlink $isis_db.".PTR" || warn "FATAL: unlink error on '$isis_db.PTR': $!";
669                                    $reopen++;
670                            }
671                            return OpenIsis::open( $isis_db ) if ($reopen);
672                    }
673    
674                    # EOF error
675                    if ($db == -1) {
676                            $db = check_txt_db($isis_db);
677                            if ($db == -1) {
678                                    print STDERR "FATAL: OpenIsis can't open zero size file $isis_db\n";
679                                    next;
680                            }
681                    }
682    
683                    # OpenIsis::ERR_BADF
684                    if ($db == -4) {
685                            print STDERR "FATAL: OpenIsis can't find file $isis_db\n";
686                            next;
687                    # OpenIsis::ERR_IO
688                    } elsif ($db == -5) {
689                            print STDERR "FATAL: OpenIsis can't access file $isis_db\n";
690                            next;
691                    } elsif ($db < 0) {
692                            print STDERR "FATAL: OpenIsis unknown error $db with file $isis_db\n";
693                            next;
694                    }
695    
696                    my $max_rowid = OpenIsis::maxRowid( $db );
697    
698                    # if 0 records, try to rease isis .txt database
699                    if ($max_rowid == 0) {
700                            # force removal of database
701                            $db = check_txt_db($isis_db);
702                            $max_rowid = OpenIsis::maxRowid( $db );
703                    }
704    
705                    print STDERR "Reading database: $isis_db [$max_rowid rows]\n";
706    
707                    my $path = $database;
708    
709                    for (my $row_id = 1; $row_id <= $max_rowid; $row_id++ ) {
710                            my $row = OpenIsis::read( $db, $row_id );
711                            if ($row && $row->{mfn}) {
712            
713                                    progress($row->{mfn}, $max_rowid);
714    
715                                    my $swishpath = $path."#".int($row->{mfn});
716    
717                                    if (my $xml = data2xml($type_base,$row,$add_xml,$cfg,$database)) {
718                                            $xml = $cp2utf->convert($xml);
719                                            use bytes;      # as opposed to chars
720                                            print "Path-Name: $swishpath\n";
721                                            print "Content-Length: ".(length($xml)+1)."\n";
722                                            print "Document-Type: XML\n\n$xml\n";
723                                    }
724                            }
725                    }
726                    # for this to work with current version of OpenIsis (0.9.0)
727                    # you might need my patch from
728                    # http://www.rot13.org/~dpavlin/projects/openisis-0.9.0-perl_close.diff
729                    OpenIsis::close($db);
730                    print STDERR "\n";
731    
732            } elsif ($type_base eq "excel") {
733                    use Spreadsheet::ParseExcel;
734                    use Spreadsheet::ParseExcel::Utility qw(int2col);
735                    
736                    $import2cp = Text::Iconv->new($config->{excel_codepage},$codepage);
737                    my $excel_file = $cfg -> val($database, 'excel_file') || die "$database doesn't have 'excel_file' defined!";
738    
739                    my $sheet = x($config->{sheet}) || die "no sheet in $type.xml";
740                    my $start_row = x($config->{start_row}) - 1 || die "no start_row in $type.xml";
741    
742                    my $oBook = Spreadsheet::ParseExcel::Workbook->Parse($excel_file) || die "can't open Excel file '$excel_file'";
743    
744                    my $sheet_nr = 0;
745                    foreach my $oWks (@{$oBook->{Worksheet}}) {
746                            #print STDERR "-- SHEET $sheet_nr:", $oWks->{Name}, "\n";
747                            last if ($oWks->{Name} eq $sheet);
748                            $sheet_nr++;
749                    }
750    
751                    my $oWorksheet = $oBook->{Worksheet}[$sheet_nr];
752            
753                    print STDERR "using sheet: ",$oWorksheet->{Name},"\n";
754                    defined ($oWorksheet) || die "can't find sheet '$sheet' in $excel_file";
755                    my $end_row = x($config->{end_row}) || $oWorksheet->{MaxRow};
756    
757                    for(my $iR = $start_row ; defined $end_row && $iR <= $end_row ; $iR++) {
758                            my $row;
759                            for(my $iC = $oWorksheet->{MinCol} ; defined $oWorksheet->{MaxCol} && $iC <= $oWorksheet->{MaxCol} ; $iC++) {
760                                    my $cell = $oWorksheet->{Cells}[$iR][$iC];
761                                    if ($cell) {
762                                            $row->{int2col($iC)} = $cell->Value;
763                                    }
764                            }
765    
766                            progress($iR, $end_row);
767    
768  #       { my $row_id = 4514;  #                       print "row[$iR/$end_row] ";
769  # FIX  #                       foreach (keys %{$row}) {
770          for (my $row_id = 1; $row_id <= $max_rowid; $row_id++ ) {  #                               print "$_: ",$row->{$_},"\t";
771                  my $row = OpenIsis::read( $db, $row_id );  #                       }
772                  if ($row && $row->{mfn}) {  #                       print "\n";
773  #print STDERR "mfn: ",$row->{mfn},"\n";  
774                          # output current process indicator                          my $swishpath = $database."#".$iR;
775                          my $p = int($row->{mfn} * 100 / $max_rowid);  
776                          if ($p != $last_p) {                          next if (! $row);
777                                  printf STDERR ("%5d / %5d [%-51s] %-2d %% \r",$row->{mfn},$max_rowid,"=" x ($p/2).">", $p ) if (! $opts{q});  
778                                  $last_p = $p;                          if (my $xml = data2xml($type_base,$row,$add_xml,$cfg,$database)) {
779                          }                                  $xml = $cp2utf->convert($xml);
780                                    use bytes;      # as opposed to chars
781                          if (my $xml = isis2xml($row,$add_xml)) {                                  print "Path-Name: $swishpath\n";
 #print STDERR "--ret-->$xml\n";  
                                 print "Path-Name: $path#".int($row->{mfn})."\n";  
782                                  print "Content-Length: ".(length($xml)+1)."\n";                                  print "Content-Length: ".(length($xml)+1)."\n";
783                                  print "Document-Type: XML\n\n$xml\n";                                  print "Document-Type: XML\n\n$xml\n";
784                          }                          }
785                  }                  }
786            } elsif ($type_base eq "marc") {
787    
788                    use MARC;
789                    
790                    $import2cp = Text::Iconv->new($config->{marc_codepage},$codepage);
791                    my $marc_file = $cfg -> val($database, 'marc_file') || die "$database doesn't have 'marc_file' defined!";
792    
793                    # optional argument is format
794                    my $format = x($config->{marc_format}) || 'usmarc';
795    
796                    print STDERR "Reading MARC file '$marc_file'\n";
797    
798                    my $marc = new MARC;
799                    my $nr = $marc->openmarc({
800                                    file=>$marc_file, format=>$format
801                            }) || die "Can't open MARC file '$marc_file' with format '$format'";
802    
803                    # read MARC file in memory
804                    $marc->nextmarc(-1);
805    
806                    my $max_rec = $marc->marc_count();
807    
808                    for(my $i=1; $i<=$max_rec; $i++) {
809    
810                            progress($i,$max_rec);
811    
812                            # store value for marc_sf.pm
813                            $main::cache->{marc_record} = $i;
814    
815                            my $swishpath = $database."#".$i;
816    
817                            if (my $xml = data2xml($type_base,$marc,$add_xml,$cfg,$database)) {
818                                    $xml = $cp2utf->convert($xml);
819                                    use bytes;      # as opposed to chars
820                                    print "Path-Name: $swishpath\n";
821                                    print "Content-Length: ".(length($xml)+1)."\n";
822                                    print "Document-Type: XML\n\n$xml\n";
823                            }
824                    }
825    
826                    print STDERR "\n";
827    
828            } elsif ($type_base eq "feed") {
829    
830                    $import2cp = Text::Iconv->new($config->{feed_codepage},$codepage);
831                    my $prog = x($config->{prog}) || die "$database doesn't have 'prog' defined!";
832    
833                    print STDERR "Reading feed from program '$prog'\n";
834    
835                    open(FEED,"feeds/$prog |") || die "can't start $prog: $!";
836    
837                    my $i=1;        # record nr.
838    
839                    my $data;
840                    my $line=1;
841    
842                    while (<FEED>) {
843                            chomp;
844    
845                            if (/^$/) {
846                                    my $swishpath = $database."#".$i++;
847    
848                                    if (my $xml = data2xml($type_base,$data,$add_xml,$cfg,$database)) {
849                                            $xml = $cp2utf->convert($xml);
850                                            use bytes;      # as opposed to chars
851                                            print "Path-Name: $swishpath\n";
852                                            print "Content-Length: ".(length($xml)+1)."\n";
853                                            print "Document-Type: XML\n\n$xml\n";
854                                    }
855                                    $line = 1;
856                                    $data = {};
857                                    next;
858                            }
859    
860                            $line = $1 if (s/^(\d+):\s*//);
861                            $data->{$line++} = $_;
862    
863                            fakeprogress($i);
864    
865                    }
866                    # close lookup
867                    untie %lhash if (%lhash);
868          }          }
         print STDERR "\n";  
869  }  }
870    
871  # call this to commit index  # call this to commit index
# Line 217  __END__ Line 877  __END__
877    
878  =head1 NAME  =head1 NAME
879    
880  isis2xml.pl - read isis file and dump XML  all2xml.pl - read various file formats and dump XML for SWISH-E
881    
882  =head1 DESCRIPTION  =head1 DESCRIPTION
883    
884  This command will read ISIS data file using OpenIsis perl module and  This command will read ISIS data file using OpenIsis perl module, MARC
885  create XML file for usage with I<SWISH-E>  records using MARC module and optionally Micro$oft Excel files to
886  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,
887  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
888  script is tailor-made for SWISH-E.  has something like that). Output of this script is tailor-made for SWISH-E.
889    
890    =head1 BUGS
891    
892    Documentation is really lacking. However, in true Open Source spirit, source
893    is best documentation. I even made considerable effort to comment parts
894    which are not intuitively clear, so...
895    
896  =head1 AUTHOR  =head1 AUTHOR
897    

Legend:
Removed from v.13  
changed lines
  Added in v.231

  ViewVC Help
Powered by ViewVC 1.1.26