/[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 298 by dpavlin, Fri Apr 2 23:31:25 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    
18  my $config_file = $0;  my $config_file = $0;
19  $config_file =~ s/\.pl$/.conf/;  $config_file =~ s/\.pl$/.conf/;
20    $config_file = $ARGV[0] if (-f $ARGV[0]);
21  die "FATAL: can't find configuration file '$config_file'" if (! -e $config_file);  die "FATAL: can't find configuration file '$config_file'" if (! -e $config_file);
22    
23  my $config;  my $config;
24    
25  use index_DBI;  # there is no other, right now ;-)  #use index_DBI;         # default DBI module for index
26    use index_DBI_cache;    # faster DBI module using memory cache
27  my $index = new index_DBI();    # open index  my $index;
28    
29  my %opts;  my %opts;
30    
# Line 31  my %opts; Line 36  my %opts;
36    
37  getopts('d:m:qs', \%opts);  getopts('d:m:qs', \%opts);
38    
39  my $db_dir;  my $path;       # this is name of database
40    
41    Text::Iconv->raise_error(0);     # Conversion errors don't raise exceptions
42    
43  #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
44    # filter/*.pm files! It will be used to store strings in perl internally!
45    my $codepage = 'ISO-8859-2';
46    
47    my $utf2cp = Text::Iconv->new('UTF-8',$codepage);
48    # this function will convert data from XML files to local encoding
49    sub x {
50            return $utf2cp->convert($_[0]);
51    }
52    
53  #print Dumper($config->{indexer});  # decode isis/excel or other import codepage
54  #print "-" x 70,"\n";  my $import2cp;
55    
56  Text::Iconv->raise_error(1);     # Conversion errors raise exceptions  # outgoing xml must be in UTF-8
57    my $cp2utf = Text::Iconv->new($codepage,'UTF-8');
58    
59  #my $isis_codepage = Text::Iconv->new($config->{isis_codepage},'UTF8');  # mapping between data type and tag which specify
60  #my $index_codepage = Text::Iconv->new($config->{isis_codepage},$config->{index_codepage});  # format in XML file
61  my $isis_codepage;  my %type2tag = (
62  my $index_codepage;          'isis' => 'isis',
63  my $cludge_codepage = Text::Iconv->new('UTF8','ISO8859-1');          'excel' => 'column',
64  my $xml_codepage;          'marc' => 'marc',
65            'feed' => 'feed'
66    );
67    
68    my $cache;      # for cacheing
69    
70    # lookup hash (tied to file)
71    my %lhash;
72    # this option will cache all lookup entries in memory.
73    # if you are tight on memory, turn this off
74    my $use_lhash_cache = 1;
75    
76  sub isis2xml {  my $last_field_name;    # cache to prevent repeated fields
77    
78    sub data2xml {
79    
80          use xmlify;          use xmlify;
81    
82            my $type = shift @_;
83          my $row = shift @_;          my $row = shift @_;
84          my $add_xml = shift @_;          my $add_xml = shift @_;
85            # needed to read values from configuration file
86            my $cfg = shift @_;
87            my $database = shift @_;
88    
89          my $xml;          my $xml;
90    
# Line 62  sub isis2xml { Line 94  sub isis2xml {
94    
95          my %field_usage;        # counter for usage of each field          my %field_usage;        # counter for usage of each field
96    
97          foreach my $field (keys %{$config->{indexer}}) {          # sort subrouting using order="" attribute
98            sub by_order {
99                    my $va = $config->{indexer}->{$a}->{order} ||
100                            $config->{indexer}->{$a};
101                    my $vb = $config->{indexer}->{$b}->{order} ||
102                            $config->{indexer}->{$b};
103    
104                    return $va <=> $vb;
105            }
106    
107            my @sorted_tags;
108            if ($cache->{tags_by_order}) {
109                    @sorted_tags = @{$cache->{tags_by_order}};
110            } else {
111                    @sorted_tags = sort by_order keys %{$config->{indexer}};
112                    $cache->{tags_by_order} = \@sorted_tags;
113            }
114    
115            # lookup key
116            my $lookup_key;
117    
118            # cache for field in pages
119            delete $cache->{display_data};
120            delete $cache->{swish_data};
121            delete $cache->{swish_exact_data};
122            delete $cache->{index_data};
123            delete $cache->{index_delimiter};
124            my @page_fields;        # names of fields
125    
126    
127            # subs used to produce output
128    
129            sub get_field_name($$$) {
130                    my ($config,$field,$field_usage) = @_;
131    
132                    # find field name (signular, plural)
133                    my $field_name = "";
134                    if ($config->{indexer}->{$field}->{name_singular} && $field_usage == 1) {
135                            $field_name = $config->{indexer}->{$field}->{name_singular};
136                    } elsif ($config->{indexer}->{$field}->{name_plural}) {
137                            $field_name = $config->{indexer}->{$field}->{name_plural};
138                    } elsif ($config->{indexer}->{$field}->{name}) {
139                            $field_name = $config->{indexer}->{$field}->{name};
140                    } else {
141                            print STDERR "WARNING: field '$field' doesn't have 'name' attribute!";
142                    }
143                    if ($field_name) {
144                            if (! $last_field_name) {
145                                    $last_field_name = x($field_name);
146                                    return $last_field_name;
147                            } elsif ($field_name ne $last_field_name) {
148                                    $last_field_name = x($field_name);
149                                    return $last_field_name;
150                            }
151                    }
152            }
153    
154    
155            # init variables for different types
156            sub init_visible_type($) {
157                    my $type = shift;
158    
159                    # swish, swish_exact, display, index, index_lookup
160                    # swish and display defaults
161                    my ($s,$se,$d,$i,$il) = (1,0,1,0,0);
162                    if (lc($type) eq "display") {
163                            $s = 0;
164                    } elsif (lc($type) eq "swish") {
165                            $d = 0;
166                    } elsif (lc($type) eq "index") {
167                            ($s,$se,$d,$i) = (0,1,0,1);
168                    } elsif (lc($type) eq "swish_exact") {
169                            ($s,$se,$d,$i) = (0,1,0,0);
170                    } elsif (lc($type) =~ /^lookup/) {
171                            ($s,$se,$d,$i,$il) = (0,1,0,0,1);
172                    }
173                    return ($s,$se,$d,$i,$il);
174            }
175    
176    
177            # convert
178            #
179            # <tag>
180            #  <delimiter>, </delimiter>
181            #  <value>200a</value>
182            # </tag>
183            #
184            # to
185            #
186            # <tag delimiter=", ">200a</tag>
187            #
188            # but without loosing spaces in delimiter (becasue
189            # new XML::Simple strips spaces in attribute values
190            # as defined in XML specification)
191            #
192            sub unroll_x($) {
193                    my $x = shift;
194    
195                    if (defined $x->{value}) {
196                            my ($v,$d) = ($x->{value}->{content}, $x->{delimiter}->{content});
197                            delete $x->{value};
198                            delete $x->{delimiter};
199                            $x->{content} = $v;
200                            $x->{delimiter} = $d;
201                    }
202                    return $x;
203            }
204    
205            # begin real work: go field by field
206            foreach my $field (@sorted_tags) {
207    
208                    $field=x($field);
209                  $field_usage{$field}++;                  $field_usage{$field}++;
210    
211                  my $swish_data = "";                  my $swish_data = "";
212                    my $swish_exact_data = "";
213                  my $display_data = "";                  my $display_data = "";
214                  my $index_data = "";                  my @index_data;
215                    my $line_delimiter;
216    
217                    my ($swish,$display);
218    
219                  foreach my $x (@{$config->{indexer}->{$field}->{isis}}) {                  my $tag = $type2tag{$type} || die "can't find which tag to use for type $type";
220    
221                          my $format = $x->{content};                  # is this field page-by-page?
222                          my ($s,$d,$i) = (1,1,0);        # swish, display default                  my $iterate_by_page = $config->{indexer}->{$field}->{iterate_by_page};
223                          $s = 0 if (lc($x->{type}) eq "display");                  push @page_fields,$field if ($iterate_by_page);
224                          $d = 0 if (lc($x->{type}) eq "swish");                  my %page_max = ();
225                          ($s,$d,$i) = (0,0,1) if (lc($x->{type}) eq "index");                  # default line_delimiter if using
226  #print STDERR "## s: $s d: $d i: $i ## $format ##\n";                    my $page_line_delimiter = $config->{indexer}->{$field}->{page_line_delimiter} || '<br/>';
227                    $cache->{index_delimiter}->{$field} = $config->{indexer}->{$field}->{index_delimiter};
228                          $format = $cludge_codepage->convert($format);  
229                          my ($swish,$display) = parse_format($format,$row);                  my $format_name = $config->{indexer}->{$field}->{format_name};
230  #print STDERR "s: $swish\nd: $display\n" if ($swish);                  my $format_delimiter = $config->{indexer}->{$field}->{format_delimiter};
231                    if ($format_name && $format_delimiter) {
232  #print STDERR "swish: $swish<-- display: $display<--\n";                          $cache->{format}->{$field}->{format_name} = $format_name;
233                          # 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);  
234                  }                  }
235    
236                    foreach my $x (@{$config->{indexer}->{$field}->{$tag}}) {
237    
238                            $x = unroll_x($x);
239    
240                            my $format = x($x->{content});
241                            my $delimiter = x($x->{delimiter}) || ' ';
242    
243                            my $repeat_off = 0;     # init repeatable offset
244    
245                            my ($s,$se,$d,$i,$il) = init_visible_type($x->{type});
246    
247                            # what will separate last line from this one?
248                            if ($display_data && $x->{append}) {
249                                    $line_delimiter = $delimiter;
250                            } elsif ($display_data) {
251                                    $line_delimiter = '<br/>';
252                            }
253    
254                            # init vars so that we go into while...
255                            ($swish,$display) = (1,1);
256    
257                            # placeholder for all repeatable entries for index
258    
259                            sub mkformat($$) {
260                                    my $x = shift || die "mkformat needs tag reference";
261                                    my $data = shift || return;
262                                    my $format_name = x($x->{format_name}) || return $data;
263                                    my $fmt = x($config->{format}->{$format_name}->{content}) || die "<format name=\"$format_name\"> is not defined!";
264                                    my $format_delimiter = x($x->{format_delimiter});
265                                    my @data;
266                                    if ($format_delimiter) {
267                                            @data = split(/$format_delimiter/,$data);
268                                    } else {
269                                            push @data,$data;
270                                    }
271    
272  #print STDERR "s_d: $swish_data\nd_d: $display_data\n" if ($swish_data);                                  if ($fmt) {
273                  if ($display_data) {                                          my $nr = scalar $fmt =~ s/%s/%s/g;
274                          $display_data = $isis_codepage->convert($display_data) || die "Can't convert '$display_data' !";                                          if (($#data+1) == $nr) {
275                          # FIX: this is removed and replaced by html tag.                                                  return sprintf($fmt,@data);
276                          #$xml .= xmlify($field."_display", $display_data);                                          } else {
277                                                    #print STDERR "mkformat: [$data] can't be split on [$format_delimiter] to $nr fields!\n";
278                          if ($field eq "headline") {                                                  return $data;
279                                  $xml .= xmlify("headline", $display_data);                                          }
                         } else {  
   
                                 # 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}."#-#";  
280                                  } else {                                  } else {
281                                          $field_name = $config->{indexer}->{$field}->{name}."#-#";                                          print STDERR "usage of link '$format_name' without defined format (<link> tag)\n";
282                                    }
283                            }
284    
285                            # while because of repeatable fields
286                            while ($swish || $display) {
287                                    my $page = $repeat_off;
288                                    $page_max{$field} = $page if ($iterate_by_page && $page > ($page_max{$field} || 0));
289                                    ($swish,$display) = parse_format($type, $format,$row,$repeat_off++,$import2cp);
290                                    if ($repeat_off > 1000) {
291                                            print STDERR "loop (more than 1000 repeatable fields) deteced in $row, $format\n";
292                                            last;
293                                    }
294    
295                                    # is this field is lookup?
296                                    if ($display && $x->{lookup}) {
297                                            my $null = "<!-- null -->";
298                                            if ($use_lhash_cache) {
299                                                    if (!defined($cache->{lhash}->{$display})) {
300                                                            my $new_display = $lhash{$display};
301                                                            if (defined($new_display)) {
302    #print STDERR "lookup cache store '$display' = '$new_display'\n";
303                                                                    $display = $new_display;
304                                                                    $cache->{lhash}->{$display} = $new_display;
305                                                            } else {
306    #                                                               print STDERR "WARNING: lookup for '$display' didn't find anything.\n";
307                                                                    $display = "";
308                                                                    $cache->{lhash}->{$display} = $null;
309                                                            }
310                                                    } else {
311                                                            $display = $cache->{lhash}->{$display};
312                                                    }
313                                            } else {
314                                                    $display = $lhash{$display} || $null;
315                                            }
316                                    }
317    
318                                    # filter="name" ; filter this field through
319                                    # filter/[name].pm
320                                    my $filter = $x->{filter};
321                                    if ($filter && !$cache->{filter_loaded}->{$filter}) {
322                                            require "filter/".$filter.".pm";
323                                            $cache->{filter_loaded}->{$filter}++;
324                                    }
325                                    # type="swish" ; field for swish
326                                    if ($swish) {
327                                            my $tmp = $swish;
328                                            if ($filter && ($s || $se)) {
329                                                    no strict 'refs';
330                                                    $tmp = join(" ",&$filter($tmp)) if ($s || $se);
331                                            }
332    
333                                            $swish_data .= $tmp if ($s && $tmp);
334                                            $swish_exact_data .= "xxbxx $tmp xxexx " if ($tmp && $tmp ne "" && $se);
335                                    }
336    
337                                    # type="display" ; field for display
338                                    if ($d && $display) {
339                                            my $ldel = $delimiter;
340                                            if ($line_delimiter && $display_data) {
341                                                    $ldel = $line_delimiter;
342                                            }
343                                            if ($filter) {
344                                                    no strict 'refs';
345                                                    my @arr;
346                                                    foreach my $tmp (&$filter($display)) {
347                                                            my $tmp2 = mkformat($x,$tmp);
348                                                            push @arr,$tmp2 if ($tmp2);
349                                                    }
350                                                    $display_data .= $ldel if ($display_data && @arr);
351                                                    $display_data .= join($delimiter,@arr);
352                                            } else {
353                                                    $display_data .= $ldel if ($display_data);
354                                                    my $tmp = mkformat($x,$display);
355                                                    $display_data .= $tmp if ($tmp);
356                                            }
357                                    }
358                                                    
359                                    # type="index" ; insert into index
360                                    my $idisplay;
361                                    if ($i && $display) {
362                                            $idisplay = $display;
363                                            if ($filter) {
364                                                    no strict 'refs';
365                                                    $idisplay = &$filter($idisplay);
366                                            }
367                                            push @index_data, $idisplay if ($idisplay && !$iterate_by_page);
368                                    }
369    
370                                    # store fields in lookup
371                                    if ($il && $display) {
372                                            if (lc($x->{type}) eq "lookup_key") {
373                                                    if ($lookup_key) {
374                                                            print STDERR "WARNING: try to redefine lookup_key (keys shouldn't be repeatable fields!)";
375                                                    } else {
376                                                            if ($filter) {
377                                                                    no strict 'refs';
378                                                                    $lookup_key = &$filter($display);
379                                                            } else {
380                                                                    $lookup_key = $display;
381                                                            }
382                                                    }
383                                            } elsif (lc($x->{type}) eq "lookup_val") {
384                                                    if ($lookup_key) {
385                                                            if ($filter) {
386                                                                    no strict 'refs';
387                                                                    $lhash{$lookup_key} = &$filter($display);
388                                                            } else {
389                                                                    $lhash{$lookup_key} = $display;
390                                                            }
391                                                    } else {
392                                                            print STDERR "WARNING: no lookup_key defined for  '$display'?";
393                                                    }
394                                            }
395    
396                                    }
397    
398                                    # store data for page-by-page repeatable fields
399                                    if ($iterate_by_page) {
400                                            sub iterate_fld($$$$$$) {
401                                                    my ($cache,$what,$field,$page,$data,$append) = @_;
402                                                    return if (!$data);
403    
404                                                    my $ldel = $page_line_delimiter;
405                                                    $ldel = " " if ($append);
406    #print STDERR "line delimiter: ",Dumper($ldel) if ($ldel);
407                                                    if (! $cache->{$what}->{$field}->[$page]) {
408                                                            $cache->{$what}->{$field}->[$page] = $data;
409                                                    } else {
410                                                            $cache->{$what}->{$field}->[$page] .= $ldel.$data;
411                                                    }
412                                            }
413    
414                                            if ($display_data) {
415                                                    iterate_fld($cache,'display_data',$field,$page,$display_data,$x->{append});
416                                            }
417                                                    $display_data = "";
418                                            if ($swish_data) {
419                                                    iterate_fld($cache,'swish_data',$field,$page,$swish_data,$x->{append});
420                                                    $swish_data = "";
421                                            }
422                                            if ($swish_exact_data) {
423                                                    iterate_fld($cache,'swish_exact_data',$field,$page,$swish_exact_data,$x->{append});
424                                                    $swish_exact_data = "";
425                                            }
426    
427                                            if ($idisplay) {
428                                                    my $ldel=$page_line_delimiter;
429                                                    my @index_data;
430                                                    if ($cache->{index_data}->{$field}->[$page]) {
431    
432                                                            @index_data = @{$cache->{index_data}->{$field}->[$page]};
433                                                    }
434                                                    if ($x->{append}) {
435                                                            if (@index_data) {
436                                                                    $index_data[$#index_data] .= $idisplay;
437                                                            } else {
438                                                                    push @index_data, $idisplay;
439                                                            }
440                                                    } else {
441                                                            push @index_data, $idisplay;
442                                                    }
443                                                    $idisplay = "";
444                                                    @{$cache->{index_data}->{$field}->[$page]} = @index_data;
445                                            }
446                                  }                                  }
447                                  if ($field_name) {                          }
448                                          $html .= $xml_codepage->convert($field_name);  
449                            if (! $iterate_by_page) {
450                                    my $idel = $x->{index_delimiter};
451                                    # fill data in index
452                                    foreach my $tmp (@index_data) {
453                                            my $i = $d = $tmp;
454                                            if ($idel && $tmp =~ m/$idel/) {
455                                                    ($i,$d) = split(/$idel/,$tmp);
456                                            }
457                                            $index->insert($field, $i, $d, $path);
458                                  }                                  }
459                                  $html .= $display_data."###\n";                                  @index_data = ();
460                          }                          }
461                  }                  }
462                  if ($swish_data) {  
463                          my $i = Text::Iconv->new($config->{isis_codepage},'ISO8859-2');                  # now try to parse variables from configuration file
464                          $swish_data = $i->convert($swish_data);                  foreach my $x (@{$config->{indexer}->{$field}->{'config'}}) {
465                          $xml .= xmlify($field."_swish",unac_string('ISO8859-2',$swish_data));  
466                          #$swish_data = $isis_codepage->convert($swish_data)."##" || $swish_data;                          $x = unroll_x($x);
467                          #$xml .= xmlify($field."_swish",unac_string($config->{isis_codepage},$swish_data));  
468                            my $delimiter = x($x->{delimiter}) || ' ';
469                            my $val = $cfg->val($database, x($x->{content}));
470    
471                            # FIXME index_lookup is not supported!
472                            my ($s,$se,$d,$i,$il) = init_visible_type($x->{type});
473    
474                            if ($val) {
475                                    $display_data .= $delimiter.$val if ($d);
476                                    $swish_data .= " ".$val if ($s);
477                                    $index->insert($field, $val, $path) if ($i);
478                            }
479    
480                            if ($iterate_by_page) {
481                                    # FIXME data from config tag will appear just
482                                    # on first page!!!
483                                    my $page = 0;
484                                    if ($display_data) {
485                                            $cache->{display_data}->{$field}->[$page] = $display_data;
486                                            $display_data = "";
487                                    }
488                                    if ($swish_data) {
489                                            $cache->{swish_data}->{$field}->[$page] = $swish_data;
490                                            $swish_data = "";
491                                    }
492                                    if ($swish_exact_data) {
493                                            $cache->{swish_exact_data}->{$field}->[$page] = $swish_exact_data;
494                                            $swish_exact_data = "";
495                                    }
496                            }
497                  }                  }
498    
499                  # index                  # save data page-by-page
500                  if ($index_data && $index_data ne "") {                  foreach my $field (@page_fields) {
501                          $index_data = $index_codepage->convert($index_data) || $index_data;                          my $nr_pages = $page_max{$field} || next;
502                          $index->insert($field, $index_data, $db_dir);  #print STDERR "field '$field' iterate over ",($nr_pages || 0)," pages...\n";
503    #print STDERR Dumper($cache->{display_data});
504                            for (my $page=0; $page <= $nr_pages; $page++) {
505                                    my $display_data;
506                                    if ($cache->{format}->{$field}) {
507                                            my $tmp = mkformat($cache->{format}->{$field},$cache->{display_data}->{$field}->[$page]);
508                                            $display_data=$tmp if ($tmp);
509                                    } else {
510                                            $display_data = $cache->{display_data}->{$field}->[$page];
511                                    }
512                                    if ($display_data) { # default
513                                            if ($field eq "headline") {
514                                                    $xml .= xmlify("headline", $display_data);
515                                            } else {
516    
517                                                    # fallback to empty field name if needed
518                                                    $html .= get_field_name($config,$field,$field_usage{$field}) || '';
519                                                    $html .= "#-#".$display_data."###\n";
520                                            }
521                                    }
522                                    
523                                    my $swish_data = $cache->{swish_data}->{$field}->[$page];
524                                    if ($swish_data) {
525                                            # remove extra spaces
526                                            $swish_data =~ s/ +/ /g;
527                                            $swish_data =~ s/ +$//g;
528    
529                                            $xml .= xmlify($field."_swish", unac_string($codepage,$swish_data));
530                                    }
531    
532                                    my $swish_exact_data = $cache->{swish_exact_data}->{$field}->[$page];
533                                    if ($swish_exact_data) {
534                                            $swish_exact_data =~ s/ +/ /g;
535                                            $swish_exact_data =~ s/ +$//g;
536    
537                                            # add delimiters before and after word.
538                                            # That is required to produce exact match
539                                            $xml .= xmlify($field."_swish_exact", unac_string($codepage,$swish_exact_data));
540                                    }
541                                    
542                                    my $idel = $cache->{index_delimiter}->{$field};
543                                    foreach my $tmp (@{$cache->{index_data}->{$field}->[$page]}) {
544                                            my $i = $tmp;
545                                            my $d = $tmp;
546                                            if ($idel && $tmp =~ m/$idel/) {
547                                                    ($i,$d) = split(/$idel/,$tmp);
548                                            }
549                                            $index->insert($field, $i, $d, $path);
550    #print STDERR "index [$idel] $field: $i --> $d [$path]\n";
551                                    }
552                            }
553            
554                  }                  }
555                    
556                    if (! $iterate_by_page) {
557                            if ($display_data) {
558                                    if ($field eq "headline") {
559                                            $xml .= xmlify("headline", $display_data);
560                                    } else {
561    
562                                            # fallback to empty field name if needed
563                                            $html .= get_field_name($config,$field,$field_usage{$field}) || '';
564                                            $html .= "#-#".$display_data."###\n";
565                                    }
566                            }
567                            if ($swish_data) {
568                                    # remove extra spaces
569                                    $swish_data =~ s/ +/ /g;
570                                    $swish_data =~ s/ +$//g;
571    
572                                    $xml .= xmlify($field."_swish", unac_string($codepage,$swish_data));
573                            }
574    
575                            if ($swish_exact_data) {
576                                    $swish_exact_data =~ s/ +/ /g;
577                                    $swish_exact_data =~ s/ +$//g;
578    
579                                    # add delimiters before and after word.
580                                    # That is required to produce exact match
581                                    $xml .= xmlify($field."_swish_exact", unac_string($codepage,$swish_exact_data));
582                            }
583                    }
584          }          }
585    
586          # dump formatted output in <html>          # dump formatted output in <html>
587          if ($html) {          if ($html) {
588                  $xml .= xmlify("html",$html);                  #$xml .= xmlify("html",$html);
589                    $xml .= "<html><![CDATA[ $html ]]></html>";
590          }          }
591                    
592          if ($xml) {          if ($xml) {
 #print STDERR "x: $xml\n";  
593                  $xml .= $add_xml if ($add_xml);                  $xml .= $add_xml if ($add_xml);
594                  return "<xml>\n$xml</xml>\n";                  return "<xml>\n$xml</xml>\n";
595          } else {          } else {
# Line 154  sub isis2xml { Line 599  sub isis2xml {
599    
600  ##########################################################################  ##########################################################################
601    
602    # read configuration for this script
603  my $cfg = new Config::IniFiles( -file => $config_file );  my $cfg = new Config::IniFiles( -file => $config_file );
604    
605    # read global.conf configuration
606    my $cfg_global = new Config::IniFiles( -file => 'global.conf' );
607    
608    # open index
609    $index = new index_DBI(
610                    $cfg_global->val('global', 'dbi_dbd'),
611                    $cfg_global->val('global', 'dbi_dsn'),
612                    $cfg_global->val('global', 'dbi_user'),
613                    $cfg_global->val('global', 'dbi_passwd') || '',
614            );
615    
616    my $show_progress = $cfg_global->val('global', 'show_progress');
617    
618    my $unac_filter = $cfg_global->val('global', 'unac_filter');
619    if ($unac_filter) {
620            require $unac_filter;
621    }
622    
623  foreach my $database ($cfg->Sections) {  foreach my $database ($cfg->Sections) {
624    
625          my $isis_db = $cfg -> val($database, 'isis_db');          my $type = lc($cfg -> val($database, 'type')) || die "$database doesn't have 'type' defined";
626          my $type = $cfg -> val($database, 'type');          my $add_xml = $cfg -> val($database, 'xml');    # optional
         my $add_xml = $cfg -> val($database, 'xml');  
627    
628          # read configuration for this type          # create new lookup file
629          $config=XMLin("./import_xml/$type.xml", forcearray => [ 'isis' ], forcecontent => 1);          my $lookup_file = $cfg -> val($database, 'lookup_newfile'); # optional
630          $isis_codepage = Text::Iconv->new($config->{isis_codepage},'UTF8');          if ($lookup_file) {
631          $index_codepage = Text::Iconv->new($config->{isis_codepage},$config->{index_codepage});                  #tie %lhash, 'GDBM_File', $lookup_file, &GDBM_NEWDB, 0644;
632          $xml_codepage = Text::Iconv->new($cfg->val($database,'xml_codepage'),'UTF8');                  tie %lhash, 'TDB_File', $lookup_file, TDB_CLEAR_IF_FIRST, O_RDWR, 0644;
633                    print STDERR "creating lookup file '$lookup_file'\n";
634                    # delete memory cache for lookup file
635                    delete $cache->{lhash};
636            }
637    
638          my $db = OpenIsis::open( $isis_db );          # open existing lookup file
639          if (0) {          $lookup_file = $cfg -> val($database, 'lookup_open'); # optional
640  #       # FIX          if ($lookup_file) {
641  #       if (! $db ) {                  #tie %lhash, 'GDBM_File', $lookup_file, &GDBM_READER, 0644;
642                  print STDERR "WARNING: can't open '$isis_db'\n";                  tie %lhash, 'TDB_File', $lookup_file, TDB_DEFAULT, O_RDWR, 0644;
643                  next ;                  print STDERR "opening lookup file '$lookup_file'\n";
644          }          }
645    
646          my $max_rowid = OpenIsis::maxRowid( $db );  print STDERR "reading ./import_xml/$type.xml\n";
647    
648          print STDERR "Reading database: $isis_db [$max_rowid rows]\n";          # extract just type basic
649            my $type_base = $type;
650            $type_base =~ s/_.+$//g;
651    
652          my $path = $database;                   # was $isis_db          $config=XMLin("./import_xml/$type.xml", ForceArray => [ $type2tag{$type_base}, 'config', 'format' ], ForceContent => 1 );
653    
654            # output current progress indicator
655          my $last_p = 0;          my $last_p = 0;
656            sub progress {
657                    return if (! $show_progress);
658                    my $current = shift;
659                    my $total = shift || 1;
660                    my $p = int($current * 100 / $total);
661                    if ($p != $last_p) {
662                            printf STDERR ("%5d / %5d [%-51s] %-2d %% \r",$current,$total,"=" x ($p/2).">", $p );
663                            $last_p = $p;
664                    }
665            }
666    
667            my $fake_dir = 1;
668            sub fakeprogress {
669                    return if (! $show_progress);
670                    my $current = shift @_;
671    
672                    my @ind = ('-','\\','|','/','-','\\','|','/', '-');
673    
674                    $last_p += $fake_dir;
675                    $fake_dir = -$fake_dir if ($last_p > 1000 || $last_p < 0);
676                    if ($last_p % 10 == 0) {
677                            printf STDERR ("%5d / %5s [%-51s]\r",$current,"?"," " x ($last_p/20).$ind[($last_p/20) % $#ind]);
678                    }
679            }
680    
681            # now read database
682    print STDERR "using: $type...\n";
683    
684            # erase cache for tags by order in this database
685            delete $cache->{tags_by_order};
686    
687            if ($type_base eq "isis") {
688    
689                    my $isis_db = $cfg -> val($database, 'isis_db') || die "$database doesn't have 'isis_db' defined!";
690    
691                    $import2cp = Text::Iconv->new($config->{isis_codepage},$codepage);
692                    my $db = OpenIsis::open( $isis_db );
693    
694                    # check if .txt database for OpenIsis is zero length,
695                    # if so, erase it and re-open database
696                    sub check_txt_db {
697                            my $isis_db = shift || die "need isis database name";
698                            my $reopen = 0;
699    
700                            if (-e $isis_db.".TXT") {
701                                    print STDERR "WARNING: removing $isis_db.TXT OpenIsis database...\n";
702                                    unlink $isis_db.".TXT" || warn "FATAL: unlink error on '$isis_db.TXT': $!";
703                                    $reopen++;
704                            }
705                            if (-e $isis_db.".PTR") {
706                                    print STDERR "WARNING: removing $isis_db.PTR OpenIsis database...\n";
707                                    unlink $isis_db.".PTR" || warn "FATAL: unlink error on '$isis_db.PTR': $!";
708                                    $reopen++;
709                            }
710                            return OpenIsis::open( $isis_db ) if ($reopen);
711                    }
712    
713                    # EOF error
714                    if ($db == -1) {
715                            $db = check_txt_db($isis_db);
716                            if ($db == -1) {
717                                    print STDERR "FATAL: OpenIsis can't open zero size file $isis_db\n";
718                                    next;
719                            }
720                    }
721    
722                    # OpenIsis::ERR_BADF
723                    if ($db == -4) {
724                            print STDERR "FATAL: OpenIsis can't find file $isis_db\n";
725                            next;
726                    # OpenIsis::ERR_IO
727                    } elsif ($db == -5) {
728                            print STDERR "FATAL: OpenIsis can't access file $isis_db\n";
729                            next;
730                    } elsif ($db < 0) {
731                            print STDERR "FATAL: OpenIsis unknown error $db with file $isis_db\n";
732                            next;
733                    }
734    
735                    my $max_rowid = OpenIsis::maxRowid( $db );
736    
737                    # if 0 records, try to rease isis .txt database
738                    if ($max_rowid == 0) {
739                            # force removal of database
740                            $db = check_txt_db($isis_db);
741                            $max_rowid = OpenIsis::maxRowid( $db );
742                    }
743    
744                    print STDERR "Reading database: $isis_db [$max_rowid rows]\n";
745    
746                    my $path = $database;
747    
748                    for (my $row_id = 1; $row_id <= $max_rowid; $row_id++ ) {
749                            my $row = OpenIsis::read( $db, $row_id );
750                            if ($row && $row->{mfn}) {
751            
752                                    progress($row->{mfn}, $max_rowid);
753    
754  #       { my $row_id = 4514;                                  my $swishpath = $path."#".int($row->{mfn});
755  # FIX  
756          for (my $row_id = 1; $row_id <= $max_rowid; $row_id++ ) {                                  if (my $xml = data2xml($type_base,$row,$add_xml,$cfg,$database)) {
757                  my $row = OpenIsis::read( $db, $row_id );                                          $xml = $cp2utf->convert($xml);
758                  if ($row && $row->{mfn}) {                                          use bytes;      # as opposed to chars
759  #print STDERR "mfn: ",$row->{mfn},"\n";                                          print "Path-Name: $swishpath\n";
760                          # output current process indicator                                          print "Content-Length: ".(length($xml)+1)."\n";
761                          my $p = int($row->{mfn} * 100 / $max_rowid);                                          print "Document-Type: XML\n\n$xml\n";
762                          if ($p != $last_p) {                                  }
763                                  printf STDERR ("%5d / %5d [%-51s] %-2d %% \r",$row->{mfn},$max_rowid,"=" x ($p/2).">", $p ) if (! $opts{q});                          }
764                                  $last_p = $p;                  }
765                          }                  # for this to work with current version of OpenIsis (0.9.0)
766                    # you might need my patch from
767                          if (my $xml = isis2xml($row,$add_xml)) {                  # http://www.rot13.org/~dpavlin/projects/openisis-0.9.0-perl_close.diff
768  #print STDERR "--ret-->$xml\n";                  OpenIsis::close($db);
769                                  print "Path-Name: $path#".int($row->{mfn})."\n";                  print STDERR "\n";
770    
771            } elsif ($type_base eq "excel") {
772                    require Spreadsheet::ParseExcel;
773                    require Spreadsheet::ParseExcel::Utility;
774                    import Spreadsheet::ParseExcel::Utility qw(int2col);
775                    
776                    $import2cp = Text::Iconv->new($config->{excel_codepage},$codepage);
777                    my $excel_file = $cfg -> val($database, 'excel_file') || die "$database doesn't have 'excel_file' defined!";
778    
779                    my $sheet = x($config->{sheet}) || die "no sheet in $type.xml";
780                    my $start_row = x($config->{start_row}) - 1 || die "no start_row in $type.xml";
781    
782                    my $oBook = Spreadsheet::ParseExcel::Workbook->Parse($excel_file) || die "can't open Excel file '$excel_file'";
783    
784                    my $sheet_nr = 0;
785                    foreach my $oWks (@{$oBook->{Worksheet}}) {
786                            #print STDERR "-- SHEET $sheet_nr:", $oWks->{Name}, "\n";
787                            last if ($oWks->{Name} eq $sheet);
788                            $sheet_nr++;
789                    }
790    
791                    my $oWorksheet = $oBook->{Worksheet}[$sheet_nr];
792            
793                    print STDERR "using sheet: ",$oWorksheet->{Name},"\n";
794                    defined ($oWorksheet) || die "can't find sheet '$sheet' in $excel_file";
795                    my $end_row = x($config->{end_row}) || $oWorksheet->{MaxRow};
796    
797                    for(my $iR = $start_row ; defined $end_row && $iR <= $end_row ; $iR++) {
798                            my $row;
799                            for(my $iC = $oWorksheet->{MinCol} ; defined $oWorksheet->{MaxCol} && $iC <= $oWorksheet->{MaxCol} ; $iC++) {
800                                    my $cell = $oWorksheet->{Cells}[$iR][$iC];
801                                    if ($cell) {
802                                            $row->{int2col($iC)} = $cell->Value;
803                                    }
804                            }
805    
806                            progress($iR, $end_row);
807    
808    #                       print "row[$iR/$end_row] ";
809    #                       foreach (keys %{$row}) {
810    #                               print "$_: ",$row->{$_},"\t";
811    #                       }
812    #                       print "\n";
813    
814                            my $swishpath = $database."#".$iR;
815    
816                            next if (! $row);
817    
818                            if (my $xml = data2xml($type_base,$row,$add_xml,$cfg,$database)) {
819                                    $xml = $cp2utf->convert($xml);
820                                    use bytes;      # as opposed to chars
821                                    print "Path-Name: $swishpath\n";
822                                  print "Content-Length: ".(length($xml)+1)."\n";                                  print "Content-Length: ".(length($xml)+1)."\n";
823                                  print "Document-Type: XML\n\n$xml\n";                                  print "Document-Type: XML\n\n$xml\n";
824                          }                          }
825                  }                  }
826            } elsif ($type_base eq "marc") {
827    
828                    require MARC;
829                    
830                    $import2cp = Text::Iconv->new($config->{marc_codepage},$codepage);
831                    my $marc_file = $cfg -> val($database, 'marc_file') || die "$database doesn't have 'marc_file' defined!";
832    
833                    # optional argument is format
834                    my $format = x($config->{marc_format}) || 'usmarc';
835    
836                    print STDERR "Reading MARC file '$marc_file'\n";
837    
838                    my $marc = new MARC;
839                    my $nr = $marc->openmarc({
840                                    file=>$marc_file, format=>$format
841                            }) || die "Can't open MARC file '$marc_file' with format '$format'";
842    
843                    # read MARC file in memory
844                    $marc->nextmarc(-1);
845    
846                    my $max_rec = $marc->marc_count();
847    
848                    for(my $i=1; $i<=$max_rec; $i++) {
849    
850                            progress($i,$max_rec);
851    
852                            # store value for marc_sf.pm
853                            $main::cache->{marc_record} = $i;
854    
855                            my $swishpath = $database."#".$i;
856    
857                            if (my $xml = data2xml($type_base,$marc,$add_xml,$cfg,$database)) {
858                                    $xml = $cp2utf->convert($xml);
859                                    use bytes;      # as opposed to chars
860                                    print "Path-Name: $swishpath\n";
861                                    print "Content-Length: ".(length($xml)+1)."\n";
862                                    print "Document-Type: XML\n\n$xml\n";
863                            }
864                    }
865    
866                    print STDERR "\n";
867    
868            } elsif ($type_base eq "feed") {
869    
870                    $import2cp = Text::Iconv->new($config->{feed_codepage},$codepage);
871                    my $prog = x($config->{prog}) || die "$database doesn't have 'prog' defined!";
872    
873                    print STDERR "Reading feed from program '$prog'\n";
874    
875                    open(FEED,"feeds/$prog |") || die "can't start $prog: $!";
876    
877                    my $i=1;        # record nr.
878    
879                    my $data;
880                    my $line=1;
881    
882                    while (<FEED>) {
883                            chomp;
884    
885                            if (/^$/) {
886                                    my $swishpath = $database."#".$i++;
887    
888                                    if (my $xml = data2xml($type_base,$data,$add_xml,$cfg,$database)) {
889                                            $xml = $cp2utf->convert($xml);
890                                            use bytes;      # as opposed to chars
891                                            print "Path-Name: $swishpath\n";
892                                            print "Content-Length: ".(length($xml)+1)."\n";
893                                            print "Document-Type: XML\n\n$xml\n";
894                                    }
895                                    $line = 1;
896                                    $data = {};
897                                    next;
898                            }
899    
900                            $line = $1 if (s/^(\d+):\s*//);
901                            $data->{$line++} = $_;
902    
903                            fakeprogress($i);
904    
905                    }
906                    # close lookup
907                    untie %lhash if (%lhash);
908          }          }
         print STDERR "\n";  
909  }  }
910    
911  # call this to commit index  # call this to commit index
# Line 217  __END__ Line 917  __END__
917    
918  =head1 NAME  =head1 NAME
919    
920  isis2xml.pl - read isis file and dump XML  all2xml.pl - read various file formats and dump XML for SWISH-E
921    
922    =head1 SYNOPSYS
923    
924     $ all2xml.pl [test.conf]
925    
926  =head1 DESCRIPTION  =head1 DESCRIPTION
927    
928  This command will read ISIS data file using OpenIsis perl module and  This command will read ISIS data file using OpenIsis perl module, MARC
929  create XML file for usage with I<SWISH-E>  records using MARC module and optionally Micro$oft Excel files to
930  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,
931  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
932  script is tailor-made for SWISH-E.  has something like that). Output of this script is tailor-made for SWISH-E.
933    
934    If no configuration file is specified, it will use default one called
935    C<all2xml.conf>.
936    
937    =head1 BUGS
938    
939    Documentation is really lacking. However, in true Open Source spirit, source
940    is best documentation. I even made considerable effort to comment parts
941    which are not intuitively clear, so...
942    
943  =head1 AUTHOR  =head1 AUTHOR
944    

Legend:
Removed from v.13  
changed lines
  Added in v.298

  ViewVC Help
Powered by ViewVC 1.1.26