/[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 290 by dpavlin, Sun Mar 14 20:19:42 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 $last_field_name;
149                            }
150                    }
151            }
152    
153    
154            # init variables for different types
155            sub init_visible_type($) {
156                    my $type = shift;
157    
158                    # swish, swish_exact, display, index, index_lookup
159                    # swish and display defaults
160                    my ($s,$se,$d,$i,$il) = (1,0,1,0,0);
161                    if (lc($type) eq "display") {
162                            $s = 0;
163                    } elsif (lc($type) eq "swish") {
164                            $d = 0;
165                    } elsif (lc($type) eq "index") {
166                            ($s,$se,$d,$i) = (0,1,0,1);
167                    } elsif (lc($type) eq "swish_exact") {
168                            ($s,$se,$d,$i) = (0,1,0,0);
169                    } elsif (lc($type) =~ /^lookup/) {
170                            ($s,$se,$d,$i,$il) = (0,1,0,0,1);
171                    }
172                    return ($s,$se,$d,$i,$il);
173            }
174    
175    
176            # convert
177            #
178            # <tag>
179            #  <delimiter>, </delimiter>
180            #  <value>200a</value>
181            # </tag>
182            #
183            # to
184            #
185            # <tag delimiter=", ">200a</tag>
186            #
187            # but without loosing spaces in delimiter (becasue
188            # new XML::Simple strips spaces in attribute values
189            # as defined in XML specification)
190            #
191            sub unroll_x($) {
192                    my $x = shift;
193    
194                    if (defined $x->{value}) {
195                            my ($v,$d) = ($x->{value}->{content}, $x->{delimiter}->{content});
196                            delete $x->{value};
197                            delete $x->{delimiter};
198                            $x->{content} = $v;
199                            $x->{delimiter} = $d;
200                    }
201                    return $x;
202            }
203    
204            # begin real work: go field by field
205            foreach my $field (@sorted_tags) {
206    
207                    $field=x($field);
208                  $field_usage{$field}++;                  $field_usage{$field}++;
209    
210                  my $swish_data = "";                  my $swish_data = "";
211                    my $swish_exact_data = "";
212                  my $display_data = "";                  my $display_data = "";
213                  my $index_data = "";                  my @index_data;
214                    my $line_delimiter;
215    
216                    my ($swish,$display);
217    
218                  foreach my $x (@{$config->{indexer}->{$field}->{isis}}) {                  my $tag = $type2tag{$type} || die "can't find which tag to use for type $type";
219    
220                          my $format = $x->{content};                  # is this field page-by-page?
221                          my ($s,$d,$i) = (1,1,0);        # swish, display default                  my $iterate_by_page = $config->{indexer}->{$field}->{iterate_by_page};
222                          $s = 0 if (lc($x->{type}) eq "display");                  push @page_fields,$field if ($iterate_by_page);
223                          $d = 0 if (lc($x->{type}) eq "swish");                  my %page_max = ();
224                          ($s,$d,$i) = (0,0,1) if (lc($x->{type}) eq "index");                  # default line_delimiter if using
225  #print STDERR "## s: $s d: $d i: $i ## $format ##\n";                    my $page_line_delimiter = $config->{indexer}->{$field}->{page_line_delimiter} || '<br/>';
226                    $cache->{index_delimiter}->{$field} = $config->{indexer}->{$field}->{index_delimiter};
227                          $format = $cludge_codepage->convert($format);  
228                          my ($swish,$display) = parse_format($format,$row);                  my $format_name = $config->{indexer}->{$field}->{format_name};
229  #print STDERR "s: $swish\nd: $display\n" if ($swish);                  my $format_delimiter = $config->{indexer}->{$field}->{format_delimiter};
230                    if ($format_name && $format_delimiter) {
231  #print STDERR "swish: $swish<-- display: $display<--\n";                          $cache->{format}->{$field}->{format_name} = $format_name;
232                          # FIX: this is ugly, UGLY, cludge: OpenIsis return                          $cache->{format}->{$field}->{format_delimiter} = $format_delimiter;
                         # 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);  
233                  }                  }
234    
235                    foreach my $x (@{$config->{indexer}->{$field}->{$tag}}) {
236    
237                            $x = unroll_x($x);
238    
239                            my $format = x($x->{content});
240                            my $delimiter = x($x->{delimiter}) || ' ';
241    
242                            my $repeat_off = 0;     # init repeatable offset
243    
244                            my ($s,$se,$d,$i,$il) = init_visible_type($x->{type});
245    
246                            # what will separate last line from this one?
247                            if ($display_data && $x->{append}) {
248                                    $line_delimiter = $delimiter;
249                            } elsif ($display_data) {
250                                    $line_delimiter = '<br/>';
251                            }
252    
253                            # init vars so that we go into while...
254                            ($swish,$display) = (1,1);
255    
256                            # placeholder for all repeatable entries for index
257    
258  #print STDERR "s_d: $swish_data\nd_d: $display_data\n" if ($swish_data);                          sub mkformat($$) {
259                  if ($display_data) {                                  my $x = shift || die "mkformat needs tag reference";
260                          $display_data = $isis_codepage->convert($display_data) || die "Can't convert '$display_data' !";                                  my $data = shift || return;
261                          # FIX: this is removed and replaced by html tag.                                  my $format_name = x($x->{format_name}) || return $data;
262                          #$xml .= xmlify($field."_display", $display_data);                                  my $fmt = x($config->{format}->{$format_name}->{content}) || die "<format name=\"$format_name\"> is not defined!";
263                                    my $format_delimiter = x($x->{format_delimiter});
264                          if ($field eq "headline") {                                  my @data;
265                                  $xml .= xmlify("headline", $display_data);                                  if ($format_delimiter) {
266                          } 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}."#-#";  
267                                  } else {                                  } else {
268                                          $field_name = $config->{indexer}->{$field}->{name}."#-#";                                          push @data,$data;
269                                  }                                  }
270                                  if ($field_name) {  
271                                          $html .= $xml_codepage->convert($field_name);                                  if ($fmt) {
272                                            my $nr = scalar $fmt =~ s/%s/%s/g;
273                                            if (($#data+1) == $nr) {
274                                                    return sprintf($fmt,@data);
275                                            } else {
276                                                    #print STDERR "mkformat: [$data] can't be split on [$format_delimiter] to $nr fields!\n";
277                                                    return $data;
278                                            }
279                                    } else {
280                                            print STDERR "usage of link '$format_name' without defined format (<link> tag)\n";
281                                  }                                  }
282                                  $html .= $display_data."###\n";                          }
283    
284                            # while because of repeatable fields
285                            while ($swish || $display) {
286                                    my $page = $repeat_off;
287                                    $page_max{$field} = $page if ($iterate_by_page && $page > ($page_max{$field} || 0));
288                                    ($swish,$display) = parse_format($type, $format,$row,$repeat_off++,$import2cp);
289                                    if ($repeat_off > 1000) {
290                                            print STDERR "loop (more than 1000 repeatable fields) deteced in $row, $format\n";
291                                            last;
292                                    }
293    
294                                    # is this field is lookup?
295                                    if ($display && $x->{lookup}) {
296                                            my $null = "<!-- null -->";
297                                            if ($use_lhash_cache) {
298                                                    if (!defined($cache->{lhash}->{$display})) {
299                                                            my $new_display = $lhash{$display};
300                                                            if (defined($new_display)) {
301    #print STDERR "lookup cache store '$display' = '$new_display'\n";
302                                                                    $display = $new_display;
303                                                                    $cache->{lhash}->{$display} = $new_display;
304                                                            } else {
305    #                                                               print STDERR "WARNING: lookup for '$display' didn't find anything.\n";
306                                                                    $display = "";
307                                                                    $cache->{lhash}->{$display} = $null;
308                                                            }
309                                                    } else {
310                                                            $display = $cache->{lhash}->{$display};
311                                                    }
312                                            } else {
313                                                    $display = $lhash{$display} || $null;
314                                            }
315                                    }
316    
317                                    # filter="name" ; filter this field through
318                                    # filter/[name].pm
319                                    my $filter = $x->{filter};
320                                    if ($filter && !$cache->{filter_loaded}->{$filter}) {
321                                            require "filter/".$filter.".pm";
322                                            $cache->{filter_loaded}->{$filter}++;
323                                    }
324                                    # type="swish" ; field for swish
325                                    if ($swish) {
326                                            my $tmp = $swish;
327                                            if ($filter && ($s || $se)) {
328                                                    no strict 'refs';
329                                                    $tmp = join(" ",&$filter($tmp)) if ($s || $se);
330                                            }
331    
332                                            $swish_data .= $tmp if ($s && $tmp);
333                                            $swish_exact_data .= "xxbxx $tmp xxexx " if ($tmp && $tmp ne "" && $se);
334                                    }
335    
336                                    # type="display" ; field for display
337                                    if ($d && $display) {
338                                            my $ldel = $delimiter;
339                                            if ($line_delimiter && $display_data) {
340                                                    $ldel = $line_delimiter;
341                                            }
342                                            if ($filter) {
343                                                    no strict 'refs';
344                                                    my @arr;
345                                                    foreach my $tmp (&$filter($display)) {
346                                                            my $tmp2 = mkformat($x,$tmp);
347                                                            push @arr,$tmp2 if ($tmp2);
348                                                    }
349                                                    $display_data .= $ldel if ($display_data && @arr);
350                                                    $display_data .= join($delimiter,@arr);
351                                            } else {
352                                                    $display_data .= $ldel if ($display_data);
353                                                    my $tmp = mkformat($x,$display);
354                                                    $display_data .= $tmp if ($tmp);
355                                            }
356                                    }
357                                                    
358                                    # type="index" ; insert into index
359                                    my $idisplay;
360                                    if ($i && $display) {
361                                            $idisplay = $display;
362                                            if ($filter) {
363                                                    no strict 'refs';
364                                                    $idisplay = &$filter($idisplay);
365                                            }
366                                            push @index_data, $idisplay if ($idisplay && !$iterate_by_page);
367                                    }
368    
369                                    # store fields in lookup
370                                    if ($il && $display) {
371                                            if (lc($x->{type}) eq "lookup_key") {
372                                                    if ($lookup_key) {
373                                                            print STDERR "WARNING: try to redefine lookup_key (keys shouldn't be repeatable fields!)";
374                                                    } else {
375                                                            if ($filter) {
376                                                                    no strict 'refs';
377                                                                    $lookup_key = &$filter($display);
378                                                            } else {
379                                                                    $lookup_key = $display;
380                                                            }
381                                                    }
382                                            } elsif (lc($x->{type}) eq "lookup_val") {
383                                                    if ($lookup_key) {
384                                                            if ($filter) {
385                                                                    no strict 'refs';
386                                                                    $lhash{$lookup_key} = &$filter($display);
387                                                            } else {
388                                                                    $lhash{$lookup_key} = $display;
389                                                            }
390                                                    } else {
391                                                            print STDERR "WARNING: no lookup_key defined for  '$display'?";
392                                                    }
393                                            }
394    
395                                    }
396    
397                                    # store data for page-by-page repeatable fields
398                                    if ($iterate_by_page) {
399                                            sub iterate_fld($$$$$$) {
400                                                    my ($cache,$what,$field,$page,$data,$append) = @_;
401                                                    return if (!$data);
402    
403                                                    my $ldel = $page_line_delimiter;
404                                                    $ldel = " " if ($append);
405    #print STDERR "line delimiter: ",Dumper($ldel) if ($ldel);
406                                                    if (! $cache->{$what}->{$field}->[$page]) {
407                                                            $cache->{$what}->{$field}->[$page] = $data;
408                                                    } else {
409                                                            $cache->{$what}->{$field}->[$page] .= $ldel.$data;
410                                                    }
411                                            }
412    
413                                            if ($display_data) {
414                                                    iterate_fld($cache,'display_data',$field,$page,$display_data,$x->{append});
415                                            }
416                                                    $display_data = "";
417                                            if ($swish_data) {
418                                                    iterate_fld($cache,'swish_data',$field,$page,$swish_data,$x->{append});
419                                                    $swish_data = "";
420                                            }
421                                            if ($swish_exact_data) {
422                                                    iterate_fld($cache,'swish_exact_data',$field,$page,$swish_exact_data,$x->{append});
423                                                    $swish_exact_data = "";
424                                            }
425    
426                                            if ($idisplay) {
427                                                    my $ldel=$page_line_delimiter;
428                                                    my @index_data;
429                                                    if ($cache->{index_data}->{$field}->[$page]) {
430    
431                                                            @index_data = @{$cache->{index_data}->{$field}->[$page]};
432                                                    }
433                                                    if ($x->{append}) {
434                                                            if (@index_data) {
435                                                                    $index_data[$#index_data] .= $idisplay;
436                                                            } else {
437                                                                    push @index_data, $idisplay;
438                                                            }
439                                                    } else {
440                                                            push @index_data, $idisplay;
441                                                    }
442                                                    $idisplay = "";
443                                                    @{$cache->{index_data}->{$field}->[$page]} = @index_data;
444                                            }
445                                    }
446                            }
447    
448                            if (! $iterate_by_page) {
449                                    my $idel = $x->{index_delimiter};
450                                    # fill data in index
451                                    foreach my $tmp (@index_data) {
452                                            my $i = $d = $tmp;
453                                            if ($idel && $tmp =~ m/$idel/) {
454                                                    ($i,$d) = split(/$idel/,$tmp);
455                                            }
456                                            $index->insert($field, $i, $d, $path);
457                                    }
458                                    @index_data = ();
459                          }                          }
460                  }                  }
461                  if ($swish_data) {  
462                          my $i = Text::Iconv->new($config->{isis_codepage},'ISO8859-2');                  # now try to parse variables from configuration file
463                          $swish_data = $i->convert($swish_data);                  foreach my $x (@{$config->{indexer}->{$field}->{'config'}}) {
464                          $xml .= xmlify($field."_swish",unac_string('ISO8859-2',$swish_data));  
465                          #$swish_data = $isis_codepage->convert($swish_data)."##" || $swish_data;                          $x = unroll_x($x);
466                          #$xml .= xmlify($field."_swish",unac_string($config->{isis_codepage},$swish_data));  
467                            my $delimiter = x($x->{delimiter}) || ' ';
468                            my $val = $cfg->val($database, x($x->{content}));
469    
470                            # FIXME index_lookup is not supported!
471                            my ($s,$se,$d,$i,$il) = init_visible_type($x->{type});
472    
473                            if ($val) {
474                                    $display_data .= $delimiter.$val if ($d);
475                                    $swish_data .= " ".$val if ($s);
476                                    $index->insert($field, $val, $path) if ($i);
477                            }
478    
479                            if ($iterate_by_page) {
480                                    # FIXME data from config tag will appear just
481                                    # on first page!!!
482                                    my $page = 0;
483                                    if ($display_data) {
484                                            $cache->{display_data}->{$field}->[$page] = $display_data;
485                                            $display_data = "";
486                                    }
487                                    if ($swish_data) {
488                                            $cache->{swish_data}->{$field}->[$page] = $swish_data;
489                                            $swish_data = "";
490                                    }
491                                    if ($swish_exact_data) {
492                                            $cache->{swish_exact_data}->{$field}->[$page] = $swish_exact_data;
493                                            $swish_exact_data = "";
494                                    }
495                            }
496                  }                  }
497    
498                  # index                  # save data page-by-page
499                  if ($index_data && $index_data ne "") {                  foreach my $field (@page_fields) {
500                          $index_data = $index_codepage->convert($index_data) || $index_data;                          my $nr_pages = $page_max{$field} || next;
501                          $index->insert($field, $index_data, $db_dir);  #print STDERR "field '$field' iterate over ",($nr_pages || 0)," pages...\n";
502    #print STDERR Dumper($cache->{display_data});
503                            for (my $page=0; $page <= $nr_pages; $page++) {
504                                    my $display_data;
505                                    if ($cache->{format}->{$field}) {
506                                            my $tmp = mkformat($cache->{format}->{$field},$cache->{display_data}->{$field}->[$page]);
507                                            $display_data=$tmp if ($tmp);
508                                    } else {
509                                            $display_data = $cache->{display_data}->{$field}->[$page];
510                                    }
511                                    if ($display_data) { # default
512                                            if ($field eq "headline") {
513                                                    $xml .= xmlify("headline", $display_data);
514                                            } else {
515    
516                                                    # fallback to empty field name if needed
517                                                    $html .= get_field_name($config,$field,$field_usage{$field}) || '';
518                                                    $html .= "#-#".$display_data."###\n";
519                                            }
520                                    }
521                                    
522                                    my $swish_data = $cache->{swish_data}->{$field}->[$page];
523                                    if ($swish_data) {
524                                            # remove extra spaces
525                                            $swish_data =~ s/ +/ /g;
526                                            $swish_data =~ s/ +$//g;
527    
528                                            $xml .= xmlify($field."_swish", unac_string($codepage,$swish_data));
529                                    }
530    
531                                    my $swish_exact_data = $cache->{swish_exact_data}->{$field}->[$page];
532                                    if ($swish_exact_data) {
533                                            $swish_exact_data =~ s/ +/ /g;
534                                            $swish_exact_data =~ s/ +$//g;
535    
536                                            # add delimiters before and after word.
537                                            # That is required to produce exact match
538                                            $xml .= xmlify($field."_swish_exact", unac_string($codepage,$swish_exact_data));
539                                    }
540                                    
541                                    my $idel = $cache->{index_delimiter}->{$field};
542                                    foreach my $tmp (@{$cache->{index_data}->{$field}->[$page]}) {
543                                            my $i = $tmp;
544                                            my $d = $tmp;
545                                            if ($idel && $tmp =~ m/$idel/) {
546                                                    ($i,$d) = split(/$idel/,$tmp);
547                                            }
548                                            $index->insert($field, $i, $d, $path);
549    #print STDERR "index [$idel] $field: $i --> $d [$path]\n";
550                                    }
551                            }
552            
553                  }                  }
554                    
555                    if (! $iterate_by_page) {
556                            if ($display_data) {
557                                    if ($field eq "headline") {
558                                            $xml .= xmlify("headline", $display_data);
559                                    } else {
560    
561                                            # fallback to empty field name if needed
562                                            $html .= get_field_name($config,$field,$field_usage{$field}) || '';
563                                            $html .= "#-#".$display_data."###\n";
564                                    }
565                            }
566                            if ($swish_data) {
567                                    # remove extra spaces
568                                    $swish_data =~ s/ +/ /g;
569                                    $swish_data =~ s/ +$//g;
570    
571                                    $xml .= xmlify($field."_swish", unac_string($codepage,$swish_data));
572                            }
573    
574                            if ($swish_exact_data) {
575                                    $swish_exact_data =~ s/ +/ /g;
576                                    $swish_exact_data =~ s/ +$//g;
577    
578                                    # add delimiters before and after word.
579                                    # That is required to produce exact match
580                                    $xml .= xmlify($field."_swish_exact", unac_string($codepage,$swish_exact_data));
581                            }
582                    }
583          }          }
584    
585          # dump formatted output in <html>          # dump formatted output in <html>
586          if ($html) {          if ($html) {
587                  $xml .= xmlify("html",$html);                  #$xml .= xmlify("html",$html);
588                    $xml .= "<html><![CDATA[ $html ]]></html>";
589          }          }
590                    
591          if ($xml) {          if ($xml) {
 #print STDERR "x: $xml\n";  
592                  $xml .= $add_xml if ($add_xml);                  $xml .= $add_xml if ($add_xml);
593                  return "<xml>\n$xml</xml>\n";                  return "<xml>\n$xml</xml>\n";
594          } else {          } else {
# Line 154  sub isis2xml { Line 598  sub isis2xml {
598    
599  ##########################################################################  ##########################################################################
600    
601    # read configuration for this script
602  my $cfg = new Config::IniFiles( -file => $config_file );  my $cfg = new Config::IniFiles( -file => $config_file );
603    
604    # read global.conf configuration
605    my $cfg_global = new Config::IniFiles( -file => 'global.conf' );
606    
607    # open index
608    $index = new index_DBI(
609                    $cfg_global->val('global', 'dbi_dbd'),
610                    $cfg_global->val('global', 'dbi_dsn'),
611                    $cfg_global->val('global', 'dbi_user'),
612                    $cfg_global->val('global', 'dbi_passwd') || '',
613            );
614    
615    my $show_progress = $cfg_global->val('global', 'show_progress');
616    
617    my $unac_filter = $cfg_global->val('global', 'unac_filter');
618    if ($unac_filter) {
619            require $unac_filter;
620    }
621    
622  foreach my $database ($cfg->Sections) {  foreach my $database ($cfg->Sections) {
623    
624          my $isis_db = $cfg -> val($database, 'isis_db');          my $type = lc($cfg -> val($database, 'type')) || die "$database doesn't have 'type' defined";
625          my $type = $cfg -> val($database, 'type');          my $add_xml = $cfg -> val($database, 'xml');    # optional
         my $add_xml = $cfg -> val($database, 'xml');  
626    
627          # read configuration for this type          # create new lookup file
628          $config=XMLin("./import_xml/$type.xml", forcearray => [ 'isis' ], forcecontent => 1);          my $lookup_file = $cfg -> val($database, 'lookup_newfile'); # optional
629          $isis_codepage = Text::Iconv->new($config->{isis_codepage},'UTF8');          if ($lookup_file) {
630          $index_codepage = Text::Iconv->new($config->{isis_codepage},$config->{index_codepage});                  #tie %lhash, 'GDBM_File', $lookup_file, &GDBM_NEWDB, 0644;
631          $xml_codepage = Text::Iconv->new($cfg->val($database,'xml_codepage'),'UTF8');                  tie %lhash, 'TDB_File', $lookup_file, TDB_CLEAR_IF_FIRST, O_RDWR, 0644;
632                    print STDERR "creating lookup file '$lookup_file'\n";
633                    # delete memory cache for lookup file
634                    delete $cache->{lhash};
635            }
636    
637          my $db = OpenIsis::open( $isis_db );          # open existing lookup file
638          if (0) {          $lookup_file = $cfg -> val($database, 'lookup_open'); # optional
639  #       # FIX          if ($lookup_file) {
640  #       if (! $db ) {                  #tie %lhash, 'GDBM_File', $lookup_file, &GDBM_READER, 0644;
641                  print STDERR "WARNING: can't open '$isis_db'\n";                  tie %lhash, 'TDB_File', $lookup_file, TDB_DEFAULT, O_RDWR, 0644;
642                  next ;                  print STDERR "opening lookup file '$lookup_file'\n";
643          }          }
644    
645          my $max_rowid = OpenIsis::maxRowid( $db );  print STDERR "reading ./import_xml/$type.xml\n";
646    
647          print STDERR "Reading database: $isis_db [$max_rowid rows]\n";          # extract just type basic
648            my $type_base = $type;
649            $type_base =~ s/_.+$//g;
650    
651          my $path = $database;                   # was $isis_db          $config=XMLin("./import_xml/$type.xml", ForceArray => [ $type2tag{$type_base}, 'config', 'format' ], ForceContent => 1 );
652    
653            # output current progress indicator
654          my $last_p = 0;          my $last_p = 0;
655            sub progress {
656                    return if (! $show_progress);
657                    my $current = shift;
658                    my $total = shift || 1;
659                    my $p = int($current * 100 / $total);
660                    if ($p != $last_p) {
661                            printf STDERR ("%5d / %5d [%-51s] %-2d %% \r",$current,$total,"=" x ($p/2).">", $p );
662                            $last_p = $p;
663                    }
664            }
665    
666            my $fake_dir = 1;
667            sub fakeprogress {
668                    return if (! $show_progress);
669                    my $current = shift @_;
670    
671                    my @ind = ('-','\\','|','/','-','\\','|','/', '-');
672    
673                    $last_p += $fake_dir;
674                    $fake_dir = -$fake_dir if ($last_p > 1000 || $last_p < 0);
675                    if ($last_p % 10 == 0) {
676                            printf STDERR ("%5d / %5s [%-51s]\r",$current,"?"," " x ($last_p/20).$ind[($last_p/20) % $#ind]);
677                    }
678            }
679    
680            # now read database
681    print STDERR "using: $type...\n";
682    
683            # erase cache for tags by order in this database
684            delete $cache->{tags_by_order};
685    
686            if ($type_base eq "isis") {
687    
688                    my $isis_db = $cfg -> val($database, 'isis_db') || die "$database doesn't have 'isis_db' defined!";
689    
690                    $import2cp = Text::Iconv->new($config->{isis_codepage},$codepage);
691                    my $db = OpenIsis::open( $isis_db );
692    
693                    # check if .txt database for OpenIsis is zero length,
694                    # if so, erase it and re-open database
695                    sub check_txt_db {
696                            my $isis_db = shift || die "need isis database name";
697                            my $reopen = 0;
698    
699                            if (-e $isis_db.".TXT") {
700                                    print STDERR "WARNING: removing $isis_db.TXT OpenIsis database...\n";
701                                    unlink $isis_db.".TXT" || warn "FATAL: unlink error on '$isis_db.TXT': $!";
702                                    $reopen++;
703                            }
704                            if (-e $isis_db.".PTR") {
705                                    print STDERR "WARNING: removing $isis_db.PTR OpenIsis database...\n";
706                                    unlink $isis_db.".PTR" || warn "FATAL: unlink error on '$isis_db.PTR': $!";
707                                    $reopen++;
708                            }
709                            return OpenIsis::open( $isis_db ) if ($reopen);
710                    }
711    
712                    # EOF error
713                    if ($db == -1) {
714                            $db = check_txt_db($isis_db);
715                            if ($db == -1) {
716                                    print STDERR "FATAL: OpenIsis can't open zero size file $isis_db\n";
717                                    next;
718                            }
719                    }
720    
721                    # OpenIsis::ERR_BADF
722                    if ($db == -4) {
723                            print STDERR "FATAL: OpenIsis can't find file $isis_db\n";
724                            next;
725                    # OpenIsis::ERR_IO
726                    } elsif ($db == -5) {
727                            print STDERR "FATAL: OpenIsis can't access file $isis_db\n";
728                            next;
729                    } elsif ($db < 0) {
730                            print STDERR "FATAL: OpenIsis unknown error $db with file $isis_db\n";
731                            next;
732                    }
733    
734                    my $max_rowid = OpenIsis::maxRowid( $db );
735    
736                    # if 0 records, try to rease isis .txt database
737                    if ($max_rowid == 0) {
738                            # force removal of database
739                            $db = check_txt_db($isis_db);
740                            $max_rowid = OpenIsis::maxRowid( $db );
741                    }
742    
743                    print STDERR "Reading database: $isis_db [$max_rowid rows]\n";
744    
745                    my $path = $database;
746    
747                    for (my $row_id = 1; $row_id <= $max_rowid; $row_id++ ) {
748                            my $row = OpenIsis::read( $db, $row_id );
749                            if ($row && $row->{mfn}) {
750            
751                                    progress($row->{mfn}, $max_rowid);
752    
753                                    my $swishpath = $path."#".int($row->{mfn});
754    
755                                    if (my $xml = data2xml($type_base,$row,$add_xml,$cfg,$database)) {
756                                            $xml = $cp2utf->convert($xml);
757                                            use bytes;      # as opposed to chars
758                                            print "Path-Name: $swishpath\n";
759                                            print "Content-Length: ".(length($xml)+1)."\n";
760                                            print "Document-Type: XML\n\n$xml\n";
761                                    }
762                            }
763                    }
764                    # for this to work with current version of OpenIsis (0.9.0)
765                    # you might need my patch from
766                    # http://www.rot13.org/~dpavlin/projects/openisis-0.9.0-perl_close.diff
767                    OpenIsis::close($db);
768                    print STDERR "\n";
769    
770            } elsif ($type_base eq "excel") {
771                    require Spreadsheet::ParseExcel;
772                    require Spreadsheet::ParseExcel::Utility;
773                    import Spreadsheet::ParseExcel::Utility qw(int2col);
774                    
775                    $import2cp = Text::Iconv->new($config->{excel_codepage},$codepage);
776                    my $excel_file = $cfg -> val($database, 'excel_file') || die "$database doesn't have 'excel_file' defined!";
777    
778                    my $sheet = x($config->{sheet}) || die "no sheet in $type.xml";
779                    my $start_row = x($config->{start_row}) - 1 || die "no start_row in $type.xml";
780    
781                    my $oBook = Spreadsheet::ParseExcel::Workbook->Parse($excel_file) || die "can't open Excel file '$excel_file'";
782    
783                    my $sheet_nr = 0;
784                    foreach my $oWks (@{$oBook->{Worksheet}}) {
785                            #print STDERR "-- SHEET $sheet_nr:", $oWks->{Name}, "\n";
786                            last if ($oWks->{Name} eq $sheet);
787                            $sheet_nr++;
788                    }
789    
790                    my $oWorksheet = $oBook->{Worksheet}[$sheet_nr];
791            
792                    print STDERR "using sheet: ",$oWorksheet->{Name},"\n";
793                    defined ($oWorksheet) || die "can't find sheet '$sheet' in $excel_file";
794                    my $end_row = x($config->{end_row}) || $oWorksheet->{MaxRow};
795    
796                    for(my $iR = $start_row ; defined $end_row && $iR <= $end_row ; $iR++) {
797                            my $row;
798                            for(my $iC = $oWorksheet->{MinCol} ; defined $oWorksheet->{MaxCol} && $iC <= $oWorksheet->{MaxCol} ; $iC++) {
799                                    my $cell = $oWorksheet->{Cells}[$iR][$iC];
800                                    if ($cell) {
801                                            $row->{int2col($iC)} = $cell->Value;
802                                    }
803                            }
804    
805                            progress($iR, $end_row);
806    
807  #       { my $row_id = 4514;  #                       print "row[$iR/$end_row] ";
808  # FIX  #                       foreach (keys %{$row}) {
809          for (my $row_id = 1; $row_id <= $max_rowid; $row_id++ ) {  #                               print "$_: ",$row->{$_},"\t";
810                  my $row = OpenIsis::read( $db, $row_id );  #                       }
811                  if ($row && $row->{mfn}) {  #                       print "\n";
812  #print STDERR "mfn: ",$row->{mfn},"\n";  
813                          # output current process indicator                          my $swishpath = $database."#".$iR;
814                          my $p = int($row->{mfn} * 100 / $max_rowid);  
815                          if ($p != $last_p) {                          next if (! $row);
816                                  printf STDERR ("%5d / %5d [%-51s] %-2d %% \r",$row->{mfn},$max_rowid,"=" x ($p/2).">", $p ) if (! $opts{q});  
817                                  $last_p = $p;                          if (my $xml = data2xml($type_base,$row,$add_xml,$cfg,$database)) {
818                          }                                  $xml = $cp2utf->convert($xml);
819                                    use bytes;      # as opposed to chars
820                          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";  
821                                  print "Content-Length: ".(length($xml)+1)."\n";                                  print "Content-Length: ".(length($xml)+1)."\n";
822                                  print "Document-Type: XML\n\n$xml\n";                                  print "Document-Type: XML\n\n$xml\n";
823                          }                          }
824                  }                  }
825            } elsif ($type_base eq "marc") {
826    
827                    require MARC;
828                    
829                    $import2cp = Text::Iconv->new($config->{marc_codepage},$codepage);
830                    my $marc_file = $cfg -> val($database, 'marc_file') || die "$database doesn't have 'marc_file' defined!";
831    
832                    # optional argument is format
833                    my $format = x($config->{marc_format}) || 'usmarc';
834    
835                    print STDERR "Reading MARC file '$marc_file'\n";
836    
837                    my $marc = new MARC;
838                    my $nr = $marc->openmarc({
839                                    file=>$marc_file, format=>$format
840                            }) || die "Can't open MARC file '$marc_file' with format '$format'";
841    
842                    # read MARC file in memory
843                    $marc->nextmarc(-1);
844    
845                    my $max_rec = $marc->marc_count();
846    
847                    for(my $i=1; $i<=$max_rec; $i++) {
848    
849                            progress($i,$max_rec);
850    
851                            # store value for marc_sf.pm
852                            $main::cache->{marc_record} = $i;
853    
854                            my $swishpath = $database."#".$i;
855    
856                            if (my $xml = data2xml($type_base,$marc,$add_xml,$cfg,$database)) {
857                                    $xml = $cp2utf->convert($xml);
858                                    use bytes;      # as opposed to chars
859                                    print "Path-Name: $swishpath\n";
860                                    print "Content-Length: ".(length($xml)+1)."\n";
861                                    print "Document-Type: XML\n\n$xml\n";
862                            }
863                    }
864    
865                    print STDERR "\n";
866    
867            } elsif ($type_base eq "feed") {
868    
869                    $import2cp = Text::Iconv->new($config->{feed_codepage},$codepage);
870                    my $prog = x($config->{prog}) || die "$database doesn't have 'prog' defined!";
871    
872                    print STDERR "Reading feed from program '$prog'\n";
873    
874                    open(FEED,"feeds/$prog |") || die "can't start $prog: $!";
875    
876                    my $i=1;        # record nr.
877    
878                    my $data;
879                    my $line=1;
880    
881                    while (<FEED>) {
882                            chomp;
883    
884                            if (/^$/) {
885                                    my $swishpath = $database."#".$i++;
886    
887                                    if (my $xml = data2xml($type_base,$data,$add_xml,$cfg,$database)) {
888                                            $xml = $cp2utf->convert($xml);
889                                            use bytes;      # as opposed to chars
890                                            print "Path-Name: $swishpath\n";
891                                            print "Content-Length: ".(length($xml)+1)."\n";
892                                            print "Document-Type: XML\n\n$xml\n";
893                                    }
894                                    $line = 1;
895                                    $data = {};
896                                    next;
897                            }
898    
899                            $line = $1 if (s/^(\d+):\s*//);
900                            $data->{$line++} = $_;
901    
902                            fakeprogress($i);
903    
904                    }
905                    # close lookup
906                    untie %lhash if (%lhash);
907          }          }
         print STDERR "\n";  
908  }  }
909    
910  # call this to commit index  # call this to commit index
# Line 217  __END__ Line 916  __END__
916    
917  =head1 NAME  =head1 NAME
918    
919  isis2xml.pl - read isis file and dump XML  all2xml.pl - read various file formats and dump XML for SWISH-E
920    
921  =head1 DESCRIPTION  =head1 DESCRIPTION
922    
923  This command will read ISIS data file using OpenIsis perl module and  This command will read ISIS data file using OpenIsis perl module, MARC
924  create XML file for usage with I<SWISH-E>  records using MARC module and optionally Micro$oft Excel files to
925  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,
926  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
927  script is tailor-made for SWISH-E.  has something like that). Output of this script is tailor-made for SWISH-E.
928    
929    =head1 BUGS
930    
931    Documentation is really lacking. However, in true Open Source spirit, source
932    is best documentation. I even made considerable effort to comment parts
933    which are not intuitively clear, so...
934    
935  =head1 AUTHOR  =head1 AUTHOR
936    

Legend:
Removed from v.13  
changed lines
  Added in v.290

  ViewVC Help
Powered by ViewVC 1.1.26