/[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 234 by dpavlin, Sun Mar 7 22:51:14 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 $data = shift || return;
215                                    if ($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                                            my $tmp;
295                                            if ($filter && ($s || $se)) {
296                                                    no strict 'refs';
297                                                    my $tmp = join(" ",&$filter($swish)) if ($s || $se);
298                                            } else {
299                                                    $tmp = $swish;
300                                            }
301    
302                                            $tmp = chk_eval($tmp);
303                                            $swish_data .= $tmp if ($s);
304                                            $swish_exact_data .= "xxbxx $tmp xxexx " if ($se && $tmp ne "");
305                                    }
306    
307                                    # type="display" ; field for display
308                                    if ($d && $display) {
309                                            my $ldel = $delimiter;
310                                            if ($line_delimiter && $display_data) {
311                                                    $ldel = $line_delimiter;
312                                            }
313                                            if ($filter) {
314                                                    no strict 'refs';
315                                                    my @arr;
316                                                    foreach my $tmp (&$filter($display)) {
317                                                            my $tmp2 = mkformat($x,$tmp);
318                                                            push @arr,$tmp2 if ($tmp2);
319                                                    }
320                                                    $display_data .= $ldel if ($display_data && @arr);
321                                                    $display_data .= join($delimiter,@arr);
322                                            } else {
323                                                    $display_data .= $ldel if ($display_data);
324                                                    my $tmp = mkformat($x,$display);
325                                                    $display_data .= $tmp if ($tmp);
326                                            }
327                                    }
328                                                    
329                                    # type="index" ; insert into index
330                                    my $idisplay;
331                                    if ($i && $display) {
332                                            $idisplay = $display;
333                                            if ($filter) {
334                                                    no strict 'refs';
335                                                    $idisplay = &$filter($idisplay);
336                                            }
337                                            push @index_data, $idisplay if (! $iterate_by_page);
338                                    }
339    
340                                    # store fields in lookup
341                                    if ($il && $display) {
342                                            if (lc($x->{type}) eq "lookup_key") {
343                                                    if ($lookup_key) {
344                                                            print STDERR "WARNING: try to redefine lookup_key (keys shouldn't be repeatable fields!)";
345                                                    } else {
346                                                            if ($filter) {
347                                                                    no strict 'refs';
348                                                                    $lookup_key = &$filter($display);
349                                                            } else {
350                                                                    $lookup_key = $display;
351                                                            }
352                                                    }
353                                            } elsif (lc($x->{type}) eq "lookup_val") {
354                                                    if ($lookup_key) {
355                                                            if ($filter) {
356                                                                    no strict 'refs';
357                                                                    $lhash{$lookup_key} = &$filter($display);
358                                                            } else {
359                                                                    $lhash{$lookup_key} = $display;
360                                                            }
361                                                    } else {
362                                                            print STDERR "WARNING: no lookup_key defined for  '$display'?";
363                                                    }
364                                            }
365    
366                                    }
367    
368                                    # store data for page-by-page repeatable fields
369                                    if ($iterate_by_page) {
370                                            sub iterate_fld($$$$$$) {
371                                                    my ($cache,$what,$field,$page,$data,$append) = @_;
372                                                    return if (!$data);
373    
374                                                    my $ldel = $page_line_delimiter;
375                                                    $ldel = " " if ($append);
376    #print STDERR "line delimiter: ",Dumper($ldel) if ($ldel);
377                                                    if (! $cache->{$what}->{$field}->[$page]) {
378                                                            $cache->{$what}->{$field}->[$page] = $data;
379                                                    } else {
380                                                            $cache->{$what}->{$field}->[$page] .= $ldel.$data;
381                                                    }
382                                            }
383    
384                                            if ($display_data) {
385                                                    iterate_fld($cache,'display_data',$field,$page,$display_data,$x->{append});
386                                            }
387                                                    $display_data = "";
388                                            if ($swish_data) {
389                                                    iterate_fld($cache,'swish_data',$field,$page,$swish_data,$x->{append});
390                                                    $swish_data = "";
391                                            }
392                                            if ($swish_exact_data) {
393                                                    iterate_fld($cache,'swish_exact_data',$field,$page,$swish_exact_data,$x->{append});
394                                                    $swish_exact_data = "";
395                                            }
396    
397                                            if ($idisplay) {
398                                                    my $ldel=$page_line_delimiter;
399                                                    my @index_data;
400                                                    if ($cache->{index_data}->{$field}->[$page]) {
401    
402                                                            @index_data = @{$cache->{index_data}->{$field}->[$page]};
403                                                    }
404                                                    if ($x->{append}) {
405                                                            if (@index_data) {
406                                                                    $index_data[$#index_data] .= $idisplay;
407                                                            } else {
408                                                                    push @index_data, $idisplay;
409                                                            }
410                                                    } else {
411                                                            push @index_data, $idisplay;
412                                                    }
413                                                    $idisplay = "";
414                                                    @{$cache->{index_data}->{$field}->[$page]} = @index_data;
415                                            }
416                                    }
417                            }
418    
419                            if (! $iterate_by_page) {
420                                    my $idel = $x->{index_delimiter};
421                                    # fill data in index
422                                    foreach my $tmp (@index_data) {
423                                            my $i = $d = $tmp;
424                                            if ($idel && $tmp =~ m/$idel/) {
425                                                    ($i,$d) = split(/$idel/,$tmp);
426                                            }
427                                            $index->insert($field, $i, $d, $path);
428                                    }
429                                    @index_data = ();
430                          }                          }
431                  }                  }
432                  if ($swish_data) {  
433                          my $i = Text::Iconv->new($config->{isis_codepage},'ISO8859-2');                  # now try to parse variables from configuration file
434                          $swish_data = $i->convert($swish_data);                  foreach my $x (@{$config->{indexer}->{$field}->{'config'}}) {
435                          $xml .= xmlify($field."_swish",unac_string('ISO8859-2',$swish_data));  
436                          #$swish_data = $isis_codepage->convert($swish_data)."##" || $swish_data;                          my $delimiter = x($x->{delimiter}) || ' ';
437                          #$xml .= xmlify($field."_swish",unac_string($config->{isis_codepage},$swish_data));                          my $val = $cfg->val($database, x($x->{content}));
438    
439                            my ($s,$d,$i) = (1,1,0);        # swish, display default
440                            $s = 0 if (lc($x->{type}) eq "display");
441                            $d = 0 if (lc($x->{type}) eq "swish");
442                            # no support for swish exact in config.
443                            # IMHO, it's useless
444                            ($s,$d,$i) = (0,0,1) if (lc($x->{type}) eq "index");
445    
446                            if ($val) {
447                                    $display_data .= $delimiter.$val if ($d);
448                                    $swish_data .= $val if ($s);
449                                    $index->insert($field, $val, $path) if ($i);
450                            }
451    
452                            if ($iterate_by_page) {
453                                    # FIXME data from config tag will appear just
454                                    # on first page!!!
455                                    my $page = 0;
456                                    if ($display_data) {
457                                            $cache->{display_data}->{$field}->[$page] = $display_data;
458                                            $display_data = "";
459                                    }
460                                    if ($swish_data) {
461                                            $cache->{swish_data}->{$field}->[$page] = $swish_data;
462                                            $swish_data = "";
463                                    }
464                                    if ($swish_exact_data) {
465                                            $cache->{swish_exact_data}->{$field}->[$page] = $swish_exact_data;
466                                            $swish_exact_data = "";
467                                    }
468                            }
469                  }                  }
470    
471                  # index                  # save data page-by-page
472                  if ($index_data && $index_data ne "") {                  foreach my $field (@page_fields) {
473                          $index_data = $index_codepage->convert($index_data) || $index_data;                          my $nr_pages = $page_max{$field} || next;
474                          $index->insert($field, $index_data, $db_dir);  #print STDERR "field '$field' iterate over ",($nr_pages || 0)," pages...\n";
475    #print STDERR Dumper($cache->{display_data});
476                            for (my $page=0; $page <= $nr_pages; $page++) {
477                                    my $display_data;
478                                    if ($cache->{format}->{$field}) {
479                                            my $tmp = mkformat($cache->{format}->{$field},$cache->{display_data}->{$field}->[$page]);
480                                            $display_data=$tmp if ($tmp);
481                                    } else {
482                                            $display_data = $cache->{display_data}->{$field}->[$page];
483                                    }
484                                    if ($display_data) { # default
485                                            if ($field eq "headline") {
486                                                    $xml .= xmlify("headline", $display_data);
487                                            } else {
488    
489                                                    # fallback to empty field name if needed
490                                                    $html .= get_field_name($config,$field,$field_usage{$field}) || '';
491                                                    $html .= "#-#".$display_data."###\n";
492                                            }
493                                    }
494                                    
495                                    my $swish_data = $cache->{swish_data}->{$field}->[$page];
496                                    if ($swish_data) {
497                                            # remove extra spaces
498                                            $swish_data =~ s/ +/ /g;
499                                            $swish_data =~ s/ +$//g;
500    
501                                            $xml .= xmlify($field."_swish", unac_string($codepage,$swish_data));
502                                    }
503    
504                                    my $swish_exact_data = $cache->{swish_exact_data}->{$field}->[$page];
505                                    if ($swish_exact_data) {
506                                            $swish_exact_data =~ s/ +/ /g;
507                                            $swish_exact_data =~ s/ +$//g;
508    
509                                            # add delimiters before and after word.
510                                            # That is required to produce exact match
511                                            $xml .= xmlify($field."_swish_exact", unac_string($codepage,$swish_exact_data));
512                                    }
513                                    
514                                    my $idel = $cache->{index_delimiter}->{$field};
515                                    foreach my $tmp (@{$cache->{index_data}->{$field}->[$page]}) {
516                                            my $i = $tmp;
517                                            my $d = $tmp;
518                                            if ($idel && $tmp =~ m/$idel/) {
519                                                    ($i,$d) = split(/$idel/,$tmp);
520                                            }
521                                            $index->insert($field, $i, $d, $path);
522    #print STDERR "index [$idel] $field: $i --> $d [$path]\n";
523                                    }
524                            }
525            
526                  }                  }
527                    
528                    if (! $iterate_by_page) {
529                            if ($display_data) {
530                                    if ($field eq "headline") {
531                                            $xml .= xmlify("headline", $display_data);
532                                    } else {
533    
534                                            # fallback to empty field name if needed
535                                            $html .= get_field_name($config,$field,$field_usage{$field}) || '';
536                                            $html .= "#-#".$display_data."###\n";
537                                    }
538                            }
539                            if ($swish_data) {
540                                    # remove extra spaces
541                                    $swish_data =~ s/ +/ /g;
542                                    $swish_data =~ s/ +$//g;
543    
544                                    $xml .= xmlify($field."_swish", unac_string($codepage,$swish_data));
545                            }
546    
547                            if ($swish_exact_data) {
548                                    $swish_exact_data =~ s/ +/ /g;
549                                    $swish_exact_data =~ s/ +$//g;
550    
551                                    # add delimiters before and after word.
552                                    # That is required to produce exact match
553                                    $xml .= xmlify($field."_swish_exact", unac_string($codepage,$swish_exact_data));
554                            }
555                    }
556          }          }
557    
558          # dump formatted output in <html>          # dump formatted output in <html>
559          if ($html) {          if ($html) {
560                  $xml .= xmlify("html",$html);                  #$xml .= xmlify("html",$html);
561                    $xml .= "<html><![CDATA[ $html ]]></html>";
562          }          }
563                    
564          if ($xml) {          if ($xml) {
 #print STDERR "x: $xml\n";  
565                  $xml .= $add_xml if ($add_xml);                  $xml .= $add_xml if ($add_xml);
566                  return "<xml>\n$xml</xml>\n";                  return "<xml>\n$xml</xml>\n";
567          } else {          } else {
# Line 154  sub isis2xml { Line 571  sub isis2xml {
571    
572  ##########################################################################  ##########################################################################
573    
574    # read configuration for this script
575  my $cfg = new Config::IniFiles( -file => $config_file );  my $cfg = new Config::IniFiles( -file => $config_file );
576    
577    # read global.conf configuration
578    my $cfg_global = new Config::IniFiles( -file => 'global.conf' );
579    
580    # open index
581    $index = new index_DBI(
582                    $cfg_global->val('global', 'dbi_dbd'),
583                    $cfg_global->val('global', 'dbi_dsn'),
584                    $cfg_global->val('global', 'dbi_user'),
585                    $cfg_global->val('global', 'dbi_passwd') || '',
586            );
587    
588    my $show_progress = $cfg_global->val('global', 'show_progress');
589    
590    my $unac_filter = $cfg_global->val('global', 'unac_filter');
591    if ($unac_filter) {
592            require $unac_filter;
593    }
594    
595  foreach my $database ($cfg->Sections) {  foreach my $database ($cfg->Sections) {
596    
597          my $isis_db = $cfg -> val($database, 'isis_db');          my $type = lc($cfg -> val($database, 'type')) || die "$database doesn't have 'type' defined";
598          my $type = $cfg -> val($database, 'type');          my $add_xml = $cfg -> val($database, 'xml');    # optional
         my $add_xml = $cfg -> val($database, 'xml');  
599    
600          # read configuration for this type          # create new lookup file
601          $config=XMLin("./import_xml/$type.xml", forcearray => [ 'isis' ], forcecontent => 1);          my $lookup_file = $cfg -> val($database, 'lookup_newfile'); # optional
602          $isis_codepage = Text::Iconv->new($config->{isis_codepage},'UTF8');          if ($lookup_file) {
603          $index_codepage = Text::Iconv->new($config->{isis_codepage},$config->{index_codepage});                  #tie %lhash, 'GDBM_File', $lookup_file, &GDBM_NEWDB, 0644;
604          $xml_codepage = Text::Iconv->new($cfg->val($database,'xml_codepage'),'UTF8');                  tie %lhash, 'TDB_File', $lookup_file, TDB_CLEAR_IF_FIRST, O_RDWR, 0644;
605                    print STDERR "creating lookup file '$lookup_file'\n";
606                    # delete memory cache for lookup file
607                    delete $cache->{lhash};
608            }
609    
610          my $db = OpenIsis::open( $isis_db );          # open existing lookup file
611          if (0) {          $lookup_file = $cfg -> val($database, 'lookup_open'); # optional
612  #       # FIX          if ($lookup_file) {
613  #       if (! $db ) {                  #tie %lhash, 'GDBM_File', $lookup_file, &GDBM_READER, 0644;
614                  print STDERR "WARNING: can't open '$isis_db'\n";                  tie %lhash, 'TDB_File', $lookup_file, TDB_DEFAULT, O_RDWR, 0644;
615                  next ;                  print STDERR "opening lookup file '$lookup_file'\n";
616          }          }
617    
618          my $max_rowid = OpenIsis::maxRowid( $db );  print STDERR "reading ./import_xml/$type.xml\n";
619    
620          print STDERR "Reading database: $isis_db [$max_rowid rows]\n";          # extract just type basic
621            my $type_base = $type;
622            $type_base =~ s/_.+$//g;
623    
624          my $path = $database;                   # was $isis_db          $config=XMLin("./import_xml/$type.xml", forcearray => [ $type2tag{$type_base}, 'config', 'format' ], forcecontent => 1);
625    
626            # output current progress indicator
627          my $last_p = 0;          my $last_p = 0;
628            sub progress {
629                    return if (! $show_progress);
630                    my $current = shift;
631                    my $total = shift || 1;
632                    my $p = int($current * 100 / $total);
633                    if ($p != $last_p) {
634                            printf STDERR ("%5d / %5d [%-51s] %-2d %% \r",$current,$total,"=" x ($p/2).">", $p );
635                            $last_p = $p;
636                    }
637            }
638    
639            my $fake_dir = 1;
640            sub fakeprogress {
641                    return if (! $show_progress);
642                    my $current = shift @_;
643    
644                    my @ind = ('-','\\','|','/','-','\\','|','/', '-');
645    
646                    $last_p += $fake_dir;
647                    $fake_dir = -$fake_dir if ($last_p > 1000 || $last_p < 0);
648                    if ($last_p % 10 == 0) {
649                            printf STDERR ("%5d / %5s [%-51s]\r",$current,"?"," " x ($last_p/20).$ind[($last_p/20) % $#ind]);
650                    }
651            }
652    
653            # now read database
654    print STDERR "using: $type...\n";
655    
656            # erase cache for tags by order in this database
657            delete $cache->{tags_by_order};
658    
659            if ($type_base eq "isis") {
660    
661                    my $isis_db = $cfg -> val($database, 'isis_db') || die "$database doesn't have 'isis_db' defined!";
662    
663                    $import2cp = Text::Iconv->new($config->{isis_codepage},$codepage);
664                    my $db = OpenIsis::open( $isis_db );
665    
666                    # check if .txt database for OpenIsis is zero length,
667                    # if so, erase it and re-open database
668                    sub check_txt_db {
669                            my $isis_db = shift || die "need isis database name";
670                            my $reopen = 0;
671    
672                            if (-e $isis_db.".TXT") {
673                                    print STDERR "WARNING: removing $isis_db.TXT OpenIsis database...\n";
674                                    unlink $isis_db.".TXT" || warn "FATAL: unlink error on '$isis_db.TXT': $!";
675                                    $reopen++;
676                            }
677                            if (-e $isis_db.".PTR") {
678                                    print STDERR "WARNING: removing $isis_db.PTR OpenIsis database...\n";
679                                    unlink $isis_db.".PTR" || warn "FATAL: unlink error on '$isis_db.PTR': $!";
680                                    $reopen++;
681                            }
682                            return OpenIsis::open( $isis_db ) if ($reopen);
683                    }
684    
685                    # EOF error
686                    if ($db == -1) {
687                            $db = check_txt_db($isis_db);
688                            if ($db == -1) {
689                                    print STDERR "FATAL: OpenIsis can't open zero size file $isis_db\n";
690                                    next;
691                            }
692                    }
693    
694                    # OpenIsis::ERR_BADF
695                    if ($db == -4) {
696                            print STDERR "FATAL: OpenIsis can't find file $isis_db\n";
697                            next;
698                    # OpenIsis::ERR_IO
699                    } elsif ($db == -5) {
700                            print STDERR "FATAL: OpenIsis can't access file $isis_db\n";
701                            next;
702                    } elsif ($db < 0) {
703                            print STDERR "FATAL: OpenIsis unknown error $db with file $isis_db\n";
704                            next;
705                    }
706    
707                    my $max_rowid = OpenIsis::maxRowid( $db );
708    
709                    # if 0 records, try to rease isis .txt database
710                    if ($max_rowid == 0) {
711                            # force removal of database
712                            $db = check_txt_db($isis_db);
713                            $max_rowid = OpenIsis::maxRowid( $db );
714                    }
715    
716                    print STDERR "Reading database: $isis_db [$max_rowid rows]\n";
717    
718                    my $path = $database;
719    
720                    for (my $row_id = 1; $row_id <= $max_rowid; $row_id++ ) {
721                            my $row = OpenIsis::read( $db, $row_id );
722                            if ($row && $row->{mfn}) {
723            
724                                    progress($row->{mfn}, $max_rowid);
725    
726                                    my $swishpath = $path."#".int($row->{mfn});
727    
728                                    if (my $xml = data2xml($type_base,$row,$add_xml,$cfg,$database)) {
729                                            $xml = $cp2utf->convert($xml);
730                                            use bytes;      # as opposed to chars
731                                            print "Path-Name: $swishpath\n";
732                                            print "Content-Length: ".(length($xml)+1)."\n";
733                                            print "Document-Type: XML\n\n$xml\n";
734                                    }
735                            }
736                    }
737                    # for this to work with current version of OpenIsis (0.9.0)
738                    # you might need my patch from
739                    # http://www.rot13.org/~dpavlin/projects/openisis-0.9.0-perl_close.diff
740                    OpenIsis::close($db);
741                    print STDERR "\n";
742    
743            } elsif ($type_base eq "excel") {
744                    use Spreadsheet::ParseExcel;
745                    use Spreadsheet::ParseExcel::Utility qw(int2col);
746                    
747                    $import2cp = Text::Iconv->new($config->{excel_codepage},$codepage);
748                    my $excel_file = $cfg -> val($database, 'excel_file') || die "$database doesn't have 'excel_file' defined!";
749    
750                    my $sheet = x($config->{sheet}) || die "no sheet in $type.xml";
751                    my $start_row = x($config->{start_row}) - 1 || die "no start_row in $type.xml";
752    
753                    my $oBook = Spreadsheet::ParseExcel::Workbook->Parse($excel_file) || die "can't open Excel file '$excel_file'";
754    
755                    my $sheet_nr = 0;
756                    foreach my $oWks (@{$oBook->{Worksheet}}) {
757                            #print STDERR "-- SHEET $sheet_nr:", $oWks->{Name}, "\n";
758                            last if ($oWks->{Name} eq $sheet);
759                            $sheet_nr++;
760                    }
761    
762                    my $oWorksheet = $oBook->{Worksheet}[$sheet_nr];
763            
764                    print STDERR "using sheet: ",$oWorksheet->{Name},"\n";
765                    defined ($oWorksheet) || die "can't find sheet '$sheet' in $excel_file";
766                    my $end_row = x($config->{end_row}) || $oWorksheet->{MaxRow};
767    
768                    for(my $iR = $start_row ; defined $end_row && $iR <= $end_row ; $iR++) {
769                            my $row;
770                            for(my $iC = $oWorksheet->{MinCol} ; defined $oWorksheet->{MaxCol} && $iC <= $oWorksheet->{MaxCol} ; $iC++) {
771                                    my $cell = $oWorksheet->{Cells}[$iR][$iC];
772                                    if ($cell) {
773                                            $row->{int2col($iC)} = $cell->Value;
774                                    }
775                            }
776    
777                            progress($iR, $end_row);
778    
779  #       { my $row_id = 4514;  #                       print "row[$iR/$end_row] ";
780  # FIX  #                       foreach (keys %{$row}) {
781          for (my $row_id = 1; $row_id <= $max_rowid; $row_id++ ) {  #                               print "$_: ",$row->{$_},"\t";
782                  my $row = OpenIsis::read( $db, $row_id );  #                       }
783                  if ($row && $row->{mfn}) {  #                       print "\n";
784  #print STDERR "mfn: ",$row->{mfn},"\n";  
785                          # output current process indicator                          my $swishpath = $database."#".$iR;
786                          my $p = int($row->{mfn} * 100 / $max_rowid);  
787                          if ($p != $last_p) {                          next if (! $row);
788                                  printf STDERR ("%5d / %5d [%-51s] %-2d %% \r",$row->{mfn},$max_rowid,"=" x ($p/2).">", $p ) if (! $opts{q});  
789                                  $last_p = $p;                          if (my $xml = data2xml($type_base,$row,$add_xml,$cfg,$database)) {
790                          }                                  $xml = $cp2utf->convert($xml);
791                                    use bytes;      # as opposed to chars
792                          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";  
793                                  print "Content-Length: ".(length($xml)+1)."\n";                                  print "Content-Length: ".(length($xml)+1)."\n";
794                                  print "Document-Type: XML\n\n$xml\n";                                  print "Document-Type: XML\n\n$xml\n";
795                          }                          }
796                  }                  }
797            } elsif ($type_base eq "marc") {
798    
799                    use MARC;
800                    
801                    $import2cp = Text::Iconv->new($config->{marc_codepage},$codepage);
802                    my $marc_file = $cfg -> val($database, 'marc_file') || die "$database doesn't have 'marc_file' defined!";
803    
804                    # optional argument is format
805                    my $format = x($config->{marc_format}) || 'usmarc';
806    
807                    print STDERR "Reading MARC file '$marc_file'\n";
808    
809                    my $marc = new MARC;
810                    my $nr = $marc->openmarc({
811                                    file=>$marc_file, format=>$format
812                            }) || die "Can't open MARC file '$marc_file' with format '$format'";
813    
814                    # read MARC file in memory
815                    $marc->nextmarc(-1);
816    
817                    my $max_rec = $marc->marc_count();
818    
819                    for(my $i=1; $i<=$max_rec; $i++) {
820    
821                            progress($i,$max_rec);
822    
823                            # store value for marc_sf.pm
824                            $main::cache->{marc_record} = $i;
825    
826                            my $swishpath = $database."#".$i;
827    
828                            if (my $xml = data2xml($type_base,$marc,$add_xml,$cfg,$database)) {
829                                    $xml = $cp2utf->convert($xml);
830                                    use bytes;      # as opposed to chars
831                                    print "Path-Name: $swishpath\n";
832                                    print "Content-Length: ".(length($xml)+1)."\n";
833                                    print "Document-Type: XML\n\n$xml\n";
834                            }
835                    }
836    
837                    print STDERR "\n";
838    
839            } elsif ($type_base eq "feed") {
840    
841                    $import2cp = Text::Iconv->new($config->{feed_codepage},$codepage);
842                    my $prog = x($config->{prog}) || die "$database doesn't have 'prog' defined!";
843    
844                    print STDERR "Reading feed from program '$prog'\n";
845    
846                    open(FEED,"feeds/$prog |") || die "can't start $prog: $!";
847    
848                    my $i=1;        # record nr.
849    
850                    my $data;
851                    my $line=1;
852    
853                    while (<FEED>) {
854                            chomp;
855    
856                            if (/^$/) {
857                                    my $swishpath = $database."#".$i++;
858    
859                                    if (my $xml = data2xml($type_base,$data,$add_xml,$cfg,$database)) {
860                                            $xml = $cp2utf->convert($xml);
861                                            use bytes;      # as opposed to chars
862                                            print "Path-Name: $swishpath\n";
863                                            print "Content-Length: ".(length($xml)+1)."\n";
864                                            print "Document-Type: XML\n\n$xml\n";
865                                    }
866                                    $line = 1;
867                                    $data = {};
868                                    next;
869                            }
870    
871                            $line = $1 if (s/^(\d+):\s*//);
872                            $data->{$line++} = $_;
873    
874                            fakeprogress($i);
875    
876                    }
877                    # close lookup
878                    untie %lhash if (%lhash);
879          }          }
         print STDERR "\n";  
880  }  }
881    
882  # call this to commit index  # call this to commit index
# Line 217  __END__ Line 888  __END__
888    
889  =head1 NAME  =head1 NAME
890    
891  isis2xml.pl - read isis file and dump XML  all2xml.pl - read various file formats and dump XML for SWISH-E
892    
893  =head1 DESCRIPTION  =head1 DESCRIPTION
894    
895  This command will read ISIS data file using OpenIsis perl module and  This command will read ISIS data file using OpenIsis perl module, MARC
896  create XML file for usage with I<SWISH-E>  records using MARC module and optionally Micro$oft Excel files to
897  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,
898  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
899  script is tailor-made for SWISH-E.  has something like that). Output of this script is tailor-made for SWISH-E.
900    
901    =head1 BUGS
902    
903    Documentation is really lacking. However, in true Open Source spirit, source
904    is best documentation. I even made considerable effort to comment parts
905    which are not intuitively clear, so...
906    
907  =head1 AUTHOR  =head1 AUTHOR
908    

Legend:
Removed from v.13  
changed lines
  Added in v.234

  ViewVC Help
Powered by ViewVC 1.1.26