/[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 255 by dpavlin, Tue Mar 9 12:17:05 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 $data = shift;
215                                    return if (! defined($data));
216                                    if ($data && $data =~ s/\s*eval{([^}]+)}\s*//) {
217                                            if (eval "$1") {
218                                                    return $data;
219                                            } else {
220                                                    return undef;
221                                            }
222                                    } else {
223                                            return $data;
224                                    }
225                            }
226    
227  #print STDERR "s_d: $swish_data\nd_d: $display_data\n" if ($swish_data);                          sub mkformat($$) {
228                  if ($display_data) {                                  my $x = shift || die "mkformat needs tag reference";
229                          $display_data = $isis_codepage->convert($display_data) || die "Can't convert '$display_data' !";                                  my $data = shift || return;
230                          # FIX: this is removed and replaced by html tag.                                  my $format_name = x($x->{format_name}) || return chk_eval($data);
231                          #$xml .= xmlify($field."_display", $display_data);                                  my $fmt = x($config->{format}->{$format_name}->{content}) || die "<format name=\"$format_name\"> is not defined!";
232                                    my $format_delimiter = x($x->{format_delimiter});
233                          if ($field eq "headline") {                                  my @data;
234                                  $xml .= xmlify("headline", $display_data);                                  if ($format_delimiter) {
235                          } 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}."#-#";  
236                                  } else {                                  } else {
237                                          $field_name = $config->{indexer}->{$field}->{name}."#-#";                                          push @data,$data;
238                                  }                                  }
239                                  if ($field_name) {  
240                                          $html .= $xml_codepage->convert($field_name);                                  if ($fmt) {
241                                            my $nr = scalar $fmt =~ s/%s/%s/g;
242                                            if (($#data+1) == $nr) {
243                                                    return chk_eval(sprintf($fmt,@data));
244                                            } else {
245                                                    #print STDERR "mkformat: [$data] can't be split on [$format_delimiter] to $nr fields!\n";
246                                                    return chk_eval($data);
247                                            }
248                                    } else {
249                                            print STDERR "usage of link '$format_name' without defined format (<link> tag)\n";
250                                  }                                  }
251                                  $html .= $display_data."###\n";                          }
252    
253                            # while because of repeatable fields
254                            while ($swish || $display) {
255                                    my $page = $repeat_off;
256                                    $page_max{$field} = $page if ($iterate_by_page && $page > ($page_max{$field} || 0));
257                                    ($swish,$display) = parse_format($type, $format,$row,$repeat_off++,$import2cp);
258                                    if ($repeat_off > 1000) {
259                                            print STDERR "loop (more than 1000 repeatable fields) deteced in $row, $format\n";
260                                            last;
261                                    }
262    
263                                    # is this field is lookup?
264                                    if ($display && $x->{lookup}) {
265                                            my $null = "<!-- null -->";
266                                            if ($use_lhash_cache) {
267                                                    if (!defined($cache->{lhash}->{$display})) {
268                                                            my $new_display = $lhash{$display};
269                                                            if (defined($new_display)) {
270    #print STDERR "lookup cache store '$display' = '$new_display'\n";
271                                                                    $display = $new_display;
272                                                                    $cache->{lhash}->{$display} = $new_display;
273                                                            } else {
274    #                                                               print STDERR "WARNING: lookup for '$display' didn't find anything.\n";
275                                                                    $display = "";
276                                                                    $cache->{lhash}->{$display} = $null;
277                                                            }
278                                                    } else {
279                                                            $display = $cache->{lhash}->{$display};
280                                                    }
281                                            } else {
282                                                    $display = $lhash{$display} || $null;
283                                            }
284                                    }
285    
286                                    # filter="name" ; filter this field through
287                                    # filter/[name].pm
288                                    my $filter = $x->{filter};
289                                    if ($filter && !$cache->{filter_loaded}->{$filter}) {
290                                            require "filter/".$filter.".pm";
291                                            $cache->{filter_loaded}->{$filter}++;
292                                    }
293                                    # type="swish" ; field for swish
294                                    if ($swish) {
295                                            if ($filter && ($s || $se)) {
296                                                    no strict 'refs';
297                                                    my $tmp = join(" ",&$filter($swish)) if ($s || $se);
298                                                    $swish_data .= $tmp if ($s);
299                                                    $swish_exact_data .= "xxbxx $tmp xxexx " if ($se && $tmp ne "");
300    
301                                            } else {
302                                                    $swish_data .= $swish if ($s);
303                                                    $swish_exact_data .= "xxbxx $swish xxexx " if ($se && $swish ne "");
304                                            }
305    
306                                            $tmp = chk_eval($tmp);
307                                            $swish_data .= $tmp if ($s && $tmp);
308                                            $swish_exact_data .= "xxbxx $tmp xxexx " if ($se && $tmp ne "");
309                                    }
310    
311                                    # type="display" ; field for display
312                                    if ($d && $display) {
313                                            my $ldel = $delimiter;
314                                            if ($line_delimiter && $display_data) {
315                                                    $ldel = $line_delimiter;
316                                            }
317                                            if ($filter) {
318                                                    no strict 'refs';
319                                                    my @arr;
320                                                    foreach my $tmp (&$filter($display)) {
321                                                            my $tmp2 = mkformat($x,$tmp);
322                                                            push @arr,$tmp2 if ($tmp2);
323                                                    }
324                                                    $display_data .= $ldel if ($display_data && @arr);
325                                                    $display_data .= join($delimiter,@arr);
326                                            } else {
327                                                    $display_data .= $ldel if ($display_data);
328                                                    my $tmp = mkformat($x,$display);
329                                                    $display_data .= $tmp if ($tmp);
330                                            }
331                                    }
332                                                    
333                                    # type="index" ; insert into index
334                                    my $idisplay;
335                                    if ($i && $display) {
336                                            $idisplay = $display;
337                                            if ($filter) {
338                                                    no strict 'refs';
339                                                    $idisplay = &$filter($idisplay);
340                                            }
341                                            $idisplay = chk_eval($idisplay);
342                                            push @index_data, $idisplay if ($idisplay && !$iterate_by_page);
343                                    }
344    
345                                    # store fields in lookup
346                                    if ($il && $display) {
347                                            if (lc($x->{type}) eq "lookup_key") {
348                                                    if ($lookup_key) {
349                                                            print STDERR "WARNING: try to redefine lookup_key (keys shouldn't be repeatable fields!)";
350                                                    } else {
351                                                            if ($filter) {
352                                                                    no strict 'refs';
353                                                                    $lookup_key = &$filter($display);
354                                                            } else {
355                                                                    $lookup_key = $display;
356                                                            }
357                                                    }
358                                            } elsif (lc($x->{type}) eq "lookup_val") {
359                                                    if ($lookup_key) {
360                                                            if ($filter) {
361                                                                    no strict 'refs';
362                                                                    $lhash{$lookup_key} = &$filter($display);
363                                                            } else {
364                                                                    $lhash{$lookup_key} = $display;
365                                                            }
366                                                    } else {
367                                                            print STDERR "WARNING: no lookup_key defined for  '$display'?";
368                                                    }
369                                            }
370    
371                                    }
372    
373                                    # store data for page-by-page repeatable fields
374                                    if ($iterate_by_page) {
375                                            sub iterate_fld($$$$$$) {
376                                                    my ($cache,$what,$field,$page,$data,$append) = @_;
377                                                    return if (!$data);
378    
379                                                    my $ldel = $page_line_delimiter;
380                                                    $ldel = " " if ($append);
381    #print STDERR "line delimiter: ",Dumper($ldel) if ($ldel);
382                                                    if (! $cache->{$what}->{$field}->[$page]) {
383                                                            $cache->{$what}->{$field}->[$page] = $data;
384                                                    } else {
385                                                            $cache->{$what}->{$field}->[$page] .= $ldel.$data;
386                                                    }
387                                            }
388    
389                                            if ($display_data) {
390                                                    iterate_fld($cache,'display_data',$field,$page,$display_data,$x->{append});
391                                            }
392                                                    $display_data = "";
393                                            if ($swish_data) {
394                                                    iterate_fld($cache,'swish_data',$field,$page,$swish_data,$x->{append});
395                                                    $swish_data = "";
396                                            }
397                                            if ($swish_exact_data) {
398                                                    iterate_fld($cache,'swish_exact_data',$field,$page,$swish_exact_data,$x->{append});
399                                                    $swish_exact_data = "";
400                                            }
401    
402                                            if ($idisplay) {
403                                                    my $ldel=$page_line_delimiter;
404                                                    my @index_data;
405                                                    if ($cache->{index_data}->{$field}->[$page]) {
406    
407                                                            @index_data = @{$cache->{index_data}->{$field}->[$page]};
408                                                    }
409                                                    if ($x->{append}) {
410                                                            if (@index_data) {
411                                                                    $index_data[$#index_data] .= $idisplay;
412                                                            } else {
413                                                                    push @index_data, $idisplay;
414                                                            }
415                                                    } else {
416                                                            push @index_data, $idisplay;
417                                                    }
418                                                    $idisplay = "";
419                                                    @{$cache->{index_data}->{$field}->[$page]} = @index_data;
420                                            }
421                                    }
422                            }
423    
424                            if (! $iterate_by_page) {
425                                    my $idel = $x->{index_delimiter};
426                                    # fill data in index
427                                    foreach my $tmp (@index_data) {
428                                            my $i = $d = $tmp;
429                                            if ($idel && $tmp =~ m/$idel/) {
430                                                    ($i,$d) = split(/$idel/,$tmp);
431                                            }
432                                            $index->insert($field, $i, $d, $path);
433                                    }
434                                    @index_data = ();
435                          }                          }
436                  }                  }
437                  if ($swish_data) {  
438                          my $i = Text::Iconv->new($config->{isis_codepage},'ISO8859-2');                  # now try to parse variables from configuration file
439                          $swish_data = $i->convert($swish_data);                  foreach my $x (@{$config->{indexer}->{$field}->{'config'}}) {
440                          $xml .= xmlify($field."_swish",unac_string('ISO8859-2',$swish_data));  
441                          #$swish_data = $isis_codepage->convert($swish_data)."##" || $swish_data;                          my $delimiter = x($x->{delimiter}) || ' ';
442                          #$xml .= xmlify($field."_swish",unac_string($config->{isis_codepage},$swish_data));                          my $val = $cfg->val($database, x($x->{content}));
443    
444                            my ($s,$d,$i) = (1,1,0);        # swish, display default
445                            $s = 0 if (lc($x->{type}) eq "display");
446                            $d = 0 if (lc($x->{type}) eq "swish");
447                            # no support for swish exact in config.
448                            # IMHO, it's useless
449                            ($s,$d,$i) = (0,0,1) if (lc($x->{type}) eq "index");
450    
451                            if ($val) {
452                                    $display_data .= $delimiter.$val if ($d);
453                                    $swish_data .= $val if ($s);
454                                    $index->insert($field, $val, $path) if ($i);
455                            }
456    
457                            if ($iterate_by_page) {
458                                    # FIXME data from config tag will appear just
459                                    # on first page!!!
460                                    my $page = 0;
461                                    if ($display_data) {
462                                            $cache->{display_data}->{$field}->[$page] = $display_data;
463                                            $display_data = "";
464                                    }
465                                    if ($swish_data) {
466                                            $cache->{swish_data}->{$field}->[$page] = $swish_data;
467                                            $swish_data = "";
468                                    }
469                                    if ($swish_exact_data) {
470                                            $cache->{swish_exact_data}->{$field}->[$page] = $swish_exact_data;
471                                            $swish_exact_data = "";
472                                    }
473                            }
474                  }                  }
475    
476                  # index                  # save data page-by-page
477                  if ($index_data && $index_data ne "") {                  foreach my $field (@page_fields) {
478                          $index_data = $index_codepage->convert($index_data) || $index_data;                          my $nr_pages = $page_max{$field} || next;
479                          $index->insert($field, $index_data, $db_dir);  #print STDERR "field '$field' iterate over ",($nr_pages || 0)," pages...\n";
480    #print STDERR Dumper($cache->{display_data});
481                            for (my $page=0; $page <= $nr_pages; $page++) {
482                                    my $display_data;
483                                    if ($cache->{format}->{$field}) {
484                                            my $tmp = mkformat($cache->{format}->{$field},$cache->{display_data}->{$field}->[$page]);
485                                            $display_data=$tmp if ($tmp);
486                                    } else {
487                                            $display_data = $cache->{display_data}->{$field}->[$page];
488                                    }
489                                    if ($display_data) { # default
490                                            if ($field eq "headline") {
491                                                    $xml .= xmlify("headline", $display_data);
492                                            } else {
493    
494                                                    # fallback to empty field name if needed
495                                                    $html .= get_field_name($config,$field,$field_usage{$field}) || '';
496                                                    $html .= "#-#".$display_data."###\n";
497                                            }
498                                    }
499                                    
500                                    my $swish_data = $cache->{swish_data}->{$field}->[$page];
501                                    if ($swish_data) {
502                                            # remove extra spaces
503                                            $swish_data =~ s/ +/ /g;
504                                            $swish_data =~ s/ +$//g;
505    
506                                            $xml .= xmlify($field."_swish", unac_string($codepage,$swish_data));
507                                    }
508    
509                                    my $swish_exact_data = $cache->{swish_exact_data}->{$field}->[$page];
510                                    if ($swish_exact_data) {
511                                            $swish_exact_data =~ s/ +/ /g;
512                                            $swish_exact_data =~ s/ +$//g;
513    
514                                            # add delimiters before and after word.
515                                            # That is required to produce exact match
516                                            $xml .= xmlify($field."_swish_exact", unac_string($codepage,$swish_exact_data));
517                                    }
518                                    
519                                    my $idel = $cache->{index_delimiter}->{$field};
520                                    foreach my $tmp (@{$cache->{index_data}->{$field}->[$page]}) {
521                                            my $i = $tmp;
522                                            my $d = $tmp;
523                                            if ($idel && $tmp =~ m/$idel/) {
524                                                    ($i,$d) = split(/$idel/,$tmp);
525                                            }
526                                            $index->insert($field, $i, $d, $path);
527    #print STDERR "index [$idel] $field: $i --> $d [$path]\n";
528                                    }
529                            }
530            
531                  }                  }
532                    
533                    if (! $iterate_by_page) {
534                            if ($display_data) {
535                                    if ($field eq "headline") {
536                                            $xml .= xmlify("headline", $display_data);
537                                    } else {
538    
539                                            # fallback to empty field name if needed
540                                            $html .= get_field_name($config,$field,$field_usage{$field}) || '';
541                                            $html .= "#-#".$display_data."###\n";
542                                    }
543                            }
544                            if ($swish_data) {
545                                    # remove extra spaces
546                                    $swish_data =~ s/ +/ /g;
547                                    $swish_data =~ s/ +$//g;
548    
549                                    $xml .= xmlify($field."_swish", unac_string($codepage,$swish_data));
550                            }
551    
552                            if ($swish_exact_data) {
553                                    $swish_exact_data =~ s/ +/ /g;
554                                    $swish_exact_data =~ s/ +$//g;
555    
556                                    # add delimiters before and after word.
557                                    # That is required to produce exact match
558                                    $xml .= xmlify($field."_swish_exact", unac_string($codepage,$swish_exact_data));
559                            }
560                    }
561          }          }
562    
563          # dump formatted output in <html>          # dump formatted output in <html>
564          if ($html) {          if ($html) {
565                  $xml .= xmlify("html",$html);                  #$xml .= xmlify("html",$html);
566                    $xml .= "<html><![CDATA[ $html ]]></html>";
567          }          }
568                    
569          if ($xml) {          if ($xml) {
 #print STDERR "x: $xml\n";  
570                  $xml .= $add_xml if ($add_xml);                  $xml .= $add_xml if ($add_xml);
571                  return "<xml>\n$xml</xml>\n";                  return "<xml>\n$xml</xml>\n";
572          } else {          } else {
# Line 154  sub isis2xml { Line 576  sub isis2xml {
576    
577  ##########################################################################  ##########################################################################
578    
579    # read configuration for this script
580  my $cfg = new Config::IniFiles( -file => $config_file );  my $cfg = new Config::IniFiles( -file => $config_file );
581    
582    # read global.conf configuration
583    my $cfg_global = new Config::IniFiles( -file => 'global.conf' );
584    
585    # open index
586    $index = new index_DBI(
587                    $cfg_global->val('global', 'dbi_dbd'),
588                    $cfg_global->val('global', 'dbi_dsn'),
589                    $cfg_global->val('global', 'dbi_user'),
590                    $cfg_global->val('global', 'dbi_passwd') || '',
591            );
592    
593    my $show_progress = $cfg_global->val('global', 'show_progress');
594    
595    my $unac_filter = $cfg_global->val('global', 'unac_filter');
596    if ($unac_filter) {
597            require $unac_filter;
598    }
599    
600  foreach my $database ($cfg->Sections) {  foreach my $database ($cfg->Sections) {
601    
602          my $isis_db = $cfg -> val($database, 'isis_db');          my $type = lc($cfg -> val($database, 'type')) || die "$database doesn't have 'type' defined";
603          my $type = $cfg -> val($database, 'type');          my $add_xml = $cfg -> val($database, 'xml');    # optional
         my $add_xml = $cfg -> val($database, 'xml');  
604    
605          # read configuration for this type          # create new lookup file
606          $config=XMLin("./import_xml/$type.xml", forcearray => [ 'isis' ], forcecontent => 1);          my $lookup_file = $cfg -> val($database, 'lookup_newfile'); # optional
607          $isis_codepage = Text::Iconv->new($config->{isis_codepage},'UTF8');          if ($lookup_file) {
608          $index_codepage = Text::Iconv->new($config->{isis_codepage},$config->{index_codepage});                  #tie %lhash, 'GDBM_File', $lookup_file, &GDBM_NEWDB, 0644;
609          $xml_codepage = Text::Iconv->new($cfg->val($database,'xml_codepage'),'UTF8');                  tie %lhash, 'TDB_File', $lookup_file, TDB_CLEAR_IF_FIRST, O_RDWR, 0644;
610                    print STDERR "creating lookup file '$lookup_file'\n";
611                    # delete memory cache for lookup file
612                    delete $cache->{lhash};
613            }
614    
615          my $db = OpenIsis::open( $isis_db );          # open existing lookup file
616          if (0) {          $lookup_file = $cfg -> val($database, 'lookup_open'); # optional
617  #       # FIX          if ($lookup_file) {
618  #       if (! $db ) {                  #tie %lhash, 'GDBM_File', $lookup_file, &GDBM_READER, 0644;
619                  print STDERR "WARNING: can't open '$isis_db'\n";                  tie %lhash, 'TDB_File', $lookup_file, TDB_DEFAULT, O_RDWR, 0644;
620                  next ;                  print STDERR "opening lookup file '$lookup_file'\n";
621          }          }
622    
623          my $max_rowid = OpenIsis::maxRowid( $db );  print STDERR "reading ./import_xml/$type.xml\n";
624    
625          print STDERR "Reading database: $isis_db [$max_rowid rows]\n";          # extract just type basic
626            my $type_base = $type;
627            $type_base =~ s/_.+$//g;
628    
629          my $path = $database;                   # was $isis_db          $config=XMLin("./import_xml/$type.xml", forcearray => [ $type2tag{$type_base}, 'config', 'format' ], forcecontent => 1);
630    
631            # output current progress indicator
632          my $last_p = 0;          my $last_p = 0;
633            sub progress {
634                    return if (! $show_progress);
635                    my $current = shift;
636                    my $total = shift || 1;
637                    my $p = int($current * 100 / $total);
638                    if ($p != $last_p) {
639                            printf STDERR ("%5d / %5d [%-51s] %-2d %% \r",$current,$total,"=" x ($p/2).">", $p );
640                            $last_p = $p;
641                    }
642            }
643    
644            my $fake_dir = 1;
645            sub fakeprogress {
646                    return if (! $show_progress);
647                    my $current = shift @_;
648    
649                    my @ind = ('-','\\','|','/','-','\\','|','/', '-');
650    
651                    $last_p += $fake_dir;
652                    $fake_dir = -$fake_dir if ($last_p > 1000 || $last_p < 0);
653                    if ($last_p % 10 == 0) {
654                            printf STDERR ("%5d / %5s [%-51s]\r",$current,"?"," " x ($last_p/20).$ind[($last_p/20) % $#ind]);
655                    }
656            }
657    
658            # now read database
659    print STDERR "using: $type...\n";
660    
661            # erase cache for tags by order in this database
662            delete $cache->{tags_by_order};
663    
664            if ($type_base eq "isis") {
665    
666                    my $isis_db = $cfg -> val($database, 'isis_db') || die "$database doesn't have 'isis_db' defined!";
667    
668                    $import2cp = Text::Iconv->new($config->{isis_codepage},$codepage);
669                    my $db = OpenIsis::open( $isis_db );
670    
671                    # check if .txt database for OpenIsis is zero length,
672                    # if so, erase it and re-open database
673                    sub check_txt_db {
674                            my $isis_db = shift || die "need isis database name";
675                            my $reopen = 0;
676    
677                            if (-e $isis_db.".TXT") {
678                                    print STDERR "WARNING: removing $isis_db.TXT OpenIsis database...\n";
679                                    unlink $isis_db.".TXT" || warn "FATAL: unlink error on '$isis_db.TXT': $!";
680                                    $reopen++;
681                            }
682                            if (-e $isis_db.".PTR") {
683                                    print STDERR "WARNING: removing $isis_db.PTR OpenIsis database...\n";
684                                    unlink $isis_db.".PTR" || warn "FATAL: unlink error on '$isis_db.PTR': $!";
685                                    $reopen++;
686                            }
687                            return OpenIsis::open( $isis_db ) if ($reopen);
688                    }
689    
690                    # EOF error
691                    if ($db == -1) {
692                            $db = check_txt_db($isis_db);
693                            if ($db == -1) {
694                                    print STDERR "FATAL: OpenIsis can't open zero size file $isis_db\n";
695                                    next;
696                            }
697                    }
698    
699                    # OpenIsis::ERR_BADF
700                    if ($db == -4) {
701                            print STDERR "FATAL: OpenIsis can't find file $isis_db\n";
702                            next;
703                    # OpenIsis::ERR_IO
704                    } elsif ($db == -5) {
705                            print STDERR "FATAL: OpenIsis can't access file $isis_db\n";
706                            next;
707                    } elsif ($db < 0) {
708                            print STDERR "FATAL: OpenIsis unknown error $db with file $isis_db\n";
709                            next;
710                    }
711    
712                    my $max_rowid = OpenIsis::maxRowid( $db );
713    
714                    # if 0 records, try to rease isis .txt database
715                    if ($max_rowid == 0) {
716                            # force removal of database
717                            $db = check_txt_db($isis_db);
718                            $max_rowid = OpenIsis::maxRowid( $db );
719                    }
720    
721                    print STDERR "Reading database: $isis_db [$max_rowid rows]\n";
722    
723                    my $path = $database;
724    
725                    for (my $row_id = 1; $row_id <= $max_rowid; $row_id++ ) {
726                            my $row = OpenIsis::read( $db, $row_id );
727                            if ($row && $row->{mfn}) {
728            
729                                    progress($row->{mfn}, $max_rowid);
730    
731                                    my $swishpath = $path."#".int($row->{mfn});
732    
733                                    if (my $xml = data2xml($type_base,$row,$add_xml,$cfg,$database)) {
734                                            $xml = $cp2utf->convert($xml);
735                                            use bytes;      # as opposed to chars
736                                            print "Path-Name: $swishpath\n";
737                                            print "Content-Length: ".(length($xml)+1)."\n";
738                                            print "Document-Type: XML\n\n$xml\n";
739                                    }
740                            }
741                    }
742                    # for this to work with current version of OpenIsis (0.9.0)
743                    # you might need my patch from
744                    # http://www.rot13.org/~dpavlin/projects/openisis-0.9.0-perl_close.diff
745                    OpenIsis::close($db);
746                    print STDERR "\n";
747    
748            } elsif ($type_base eq "excel") {
749                    require Spreadsheet::ParseExcel;
750                    require Spreadsheet::ParseExcel::Utility;
751                    import Spreadsheet::ParseExcel::Utility qw(int2col);
752                    
753                    $import2cp = Text::Iconv->new($config->{excel_codepage},$codepage);
754                    my $excel_file = $cfg -> val($database, 'excel_file') || die "$database doesn't have 'excel_file' defined!";
755    
756                    my $sheet = x($config->{sheet}) || die "no sheet in $type.xml";
757                    my $start_row = x($config->{start_row}) - 1 || die "no start_row in $type.xml";
758    
759                    my $oBook = Spreadsheet::ParseExcel::Workbook->Parse($excel_file) || die "can't open Excel file '$excel_file'";
760    
761                    my $sheet_nr = 0;
762                    foreach my $oWks (@{$oBook->{Worksheet}}) {
763                            #print STDERR "-- SHEET $sheet_nr:", $oWks->{Name}, "\n";
764                            last if ($oWks->{Name} eq $sheet);
765                            $sheet_nr++;
766                    }
767    
768                    my $oWorksheet = $oBook->{Worksheet}[$sheet_nr];
769            
770                    print STDERR "using sheet: ",$oWorksheet->{Name},"\n";
771                    defined ($oWorksheet) || die "can't find sheet '$sheet' in $excel_file";
772                    my $end_row = x($config->{end_row}) || $oWorksheet->{MaxRow};
773    
774                    for(my $iR = $start_row ; defined $end_row && $iR <= $end_row ; $iR++) {
775                            my $row;
776                            for(my $iC = $oWorksheet->{MinCol} ; defined $oWorksheet->{MaxCol} && $iC <= $oWorksheet->{MaxCol} ; $iC++) {
777                                    my $cell = $oWorksheet->{Cells}[$iR][$iC];
778                                    if ($cell) {
779                                            $row->{int2col($iC)} = $cell->Value;
780                                    }
781                            }
782    
783                            progress($iR, $end_row);
784    
785  #       { my $row_id = 4514;  #                       print "row[$iR/$end_row] ";
786  # FIX  #                       foreach (keys %{$row}) {
787          for (my $row_id = 1; $row_id <= $max_rowid; $row_id++ ) {  #                               print "$_: ",$row->{$_},"\t";
788                  my $row = OpenIsis::read( $db, $row_id );  #                       }
789                  if ($row && $row->{mfn}) {  #                       print "\n";
790  #print STDERR "mfn: ",$row->{mfn},"\n";  
791                          # output current process indicator                          my $swishpath = $database."#".$iR;
792                          my $p = int($row->{mfn} * 100 / $max_rowid);  
793                          if ($p != $last_p) {                          next if (! $row);
794                                  printf STDERR ("%5d / %5d [%-51s] %-2d %% \r",$row->{mfn},$max_rowid,"=" x ($p/2).">", $p ) if (! $opts{q});  
795                                  $last_p = $p;                          if (my $xml = data2xml($type_base,$row,$add_xml,$cfg,$database)) {
796                          }                                  $xml = $cp2utf->convert($xml);
797                                    use bytes;      # as opposed to chars
798                          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";  
799                                  print "Content-Length: ".(length($xml)+1)."\n";                                  print "Content-Length: ".(length($xml)+1)."\n";
800                                  print "Document-Type: XML\n\n$xml\n";                                  print "Document-Type: XML\n\n$xml\n";
801                          }                          }
802                  }                  }
803            } elsif ($type_base eq "marc") {
804    
805                    require MARC;
806                    
807                    $import2cp = Text::Iconv->new($config->{marc_codepage},$codepage);
808                    my $marc_file = $cfg -> val($database, 'marc_file') || die "$database doesn't have 'marc_file' defined!";
809    
810                    # optional argument is format
811                    my $format = x($config->{marc_format}) || 'usmarc';
812    
813                    print STDERR "Reading MARC file '$marc_file'\n";
814    
815                    my $marc = new MARC;
816                    my $nr = $marc->openmarc({
817                                    file=>$marc_file, format=>$format
818                            }) || die "Can't open MARC file '$marc_file' with format '$format'";
819    
820                    # read MARC file in memory
821                    $marc->nextmarc(-1);
822    
823                    my $max_rec = $marc->marc_count();
824    
825                    for(my $i=1; $i<=$max_rec; $i++) {
826    
827                            progress($i,$max_rec);
828    
829                            # store value for marc_sf.pm
830                            $main::cache->{marc_record} = $i;
831    
832                            my $swishpath = $database."#".$i;
833    
834                            if (my $xml = data2xml($type_base,$marc,$add_xml,$cfg,$database)) {
835                                    $xml = $cp2utf->convert($xml);
836                                    use bytes;      # as opposed to chars
837                                    print "Path-Name: $swishpath\n";
838                                    print "Content-Length: ".(length($xml)+1)."\n";
839                                    print "Document-Type: XML\n\n$xml\n";
840                            }
841                    }
842    
843                    print STDERR "\n";
844    
845            } elsif ($type_base eq "feed") {
846    
847                    $import2cp = Text::Iconv->new($config->{feed_codepage},$codepage);
848                    my $prog = x($config->{prog}) || die "$database doesn't have 'prog' defined!";
849    
850                    print STDERR "Reading feed from program '$prog'\n";
851    
852                    open(FEED,"feeds/$prog |") || die "can't start $prog: $!";
853    
854                    my $i=1;        # record nr.
855    
856                    my $data;
857                    my $line=1;
858    
859                    while (<FEED>) {
860                            chomp;
861    
862                            if (/^$/) {
863                                    my $swishpath = $database."#".$i++;
864    
865                                    if (my $xml = data2xml($type_base,$data,$add_xml,$cfg,$database)) {
866                                            $xml = $cp2utf->convert($xml);
867                                            use bytes;      # as opposed to chars
868                                            print "Path-Name: $swishpath\n";
869                                            print "Content-Length: ".(length($xml)+1)."\n";
870                                            print "Document-Type: XML\n\n$xml\n";
871                                    }
872                                    $line = 1;
873                                    $data = {};
874                                    next;
875                            }
876    
877                            $line = $1 if (s/^(\d+):\s*//);
878                            $data->{$line++} = $_;
879    
880                            fakeprogress($i);
881    
882                    }
883                    # close lookup
884                    untie %lhash if (%lhash);
885          }          }
         print STDERR "\n";  
886  }  }
887    
888  # call this to commit index  # call this to commit index
# Line 217  __END__ Line 894  __END__
894    
895  =head1 NAME  =head1 NAME
896    
897  isis2xml.pl - read isis file and dump XML  all2xml.pl - read various file formats and dump XML for SWISH-E
898    
899  =head1 DESCRIPTION  =head1 DESCRIPTION
900    
901  This command will read ISIS data file using OpenIsis perl module and  This command will read ISIS data file using OpenIsis perl module, MARC
902  create XML file for usage with I<SWISH-E>  records using MARC module and optionally Micro$oft Excel files to
903  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,
904  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
905  script is tailor-made for SWISH-E.  has something like that). Output of this script is tailor-made for SWISH-E.
906    
907    =head1 BUGS
908    
909    Documentation is really lacking. However, in true Open Source spirit, source
910    is best documentation. I even made considerable effort to comment parts
911    which are not intuitively clear, so...
912    
913  =head1 AUTHOR  =head1 AUTHOR
914    

Legend:
Removed from v.13  
changed lines
  Added in v.255

  ViewVC Help
Powered by ViewVC 1.1.26