/[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 5 by dpavlin, Sat Jan 11 06:14:48 2003 UTC revision 13 by dpavlin, Sun Feb 16 22:41:37 2003 UTC
# Line 6  use Getopt::Std; Line 6  use Getopt::Std;
6  use Data::Dumper;  use Data::Dumper;
7  use XML::Simple;  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  require Unicode::Map8;  use Text::Iconv;
10    use Config::IniFiles;
11    
12  my $config=XMLin(undef, forcearray => [ 'isis' ], forcecontent => 1);  $|=1;
13    
14    my $config_file = $0;
15    $config_file =~ s/\.pl$/.conf/;
16    die "FATAL: can't find configuration file '$config_file'" if (! -e $config_file);
17    
18    my $config;
19    
20    use index_DBI;  # there is no other, right now ;-)
21    
22    my $index = new index_DBI();    # open index
23    
24  my %opts;  my %opts;
25    
26  getopts('d:m:q', \%opts);  # usage:
27    #       -d directory name
28    #       -m multiple directories
29    #       -q quiet
30    #       -s run swish
31    
32    getopts('d:m:qs', \%opts);
33    
34  my $db_dir = $opts{d} || "ps";  # FIX  my $db_dir;
35    
36  #die "usage: $0 -d [database_dir] -m [database1,database2] " if (! %opts);  #die "usage: $0 -d [database_dir] -m [database1,database2] " if (! %opts);
37    
38  #print Dumper($config->{indexer});  #print Dumper($config->{indexer});
39  #print "-" x 70,"\n";  #print "-" x 70,"\n";
40    
41  # how to convert isis code page to UTF8?  Text::Iconv->raise_error(1);     # Conversion errors raise exceptions
42  my $isis_map = Unicode::Map8->new($config->{isis_codepage}) || die;  
43    #my $isis_codepage = Text::Iconv->new($config->{isis_codepage},'UTF8');
44    #my $index_codepage = Text::Iconv->new($config->{isis_codepage},$config->{index_codepage});
45    my $isis_codepage;
46    my $index_codepage;
47    my $cludge_codepage = Text::Iconv->new('UTF8','ISO8859-1');
48    my $xml_codepage;
49    
50  sub isis2xml {  sub isis2xml {
51    
52            use xmlify;
53    
54          my $row = shift @_;          my $row = shift @_;
55            my $add_xml = shift @_;
56    
57          my $xml;          my $xml;
58    
59          sub isis_sf {          use parse_format;
60                  my $row = shift @_;  
61                  my $isis_id = shift @_;          my $html = "";          # html formatted display output
62                  my $subfield = shift @_;  
63                  if ($row->{$isis_id}->[0]) {          my %field_usage;        # counter for usage of each field
                         my $sf = OpenIsis::subfields($row->{$isis_id}->[0]);  
                         if (! defined $subfield || length($subfield) == 0) {  
                                 # subfield list undef, empty or no defined subfields for this record  
                                 my $all_sf = $row->{$isis_id}->[0];  
                                 $all_sf =~ s/\^./ /g;   nuke definirions  
                                 return $all_sf;  
                         } elsif ($sf->{$subfield}) {  
                                 return $sf->{$subfield};  
                         }  
                 }  
         }  
64    
65          foreach my $field (keys %{$config->{indexer}}) {          foreach my $field (keys %{$config->{indexer}}) {
66    
67                    $field_usage{$field}++;
68    
69                    my $swish_data = "";
70                  my $display_data = "";                  my $display_data = "";
71                  my $index_data = "";                  my $index_data = "";
72    
73                  foreach my $x (@{$config->{indexer}->{$field}->{isis}}) {                  foreach my $x (@{$config->{indexer}->{$field}->{isis}}) {
74    
                         my $display_tmp = "";  
                         my $index_tmp = "";  
   
75                          my $format = $x->{content};                          my $format = $x->{content};
76                          my $i = 1;      # index only                          my ($s,$d,$i) = (1,1,0);        # swish, display default
77                          my $d = 1;      # display only                          $s = 0 if (lc($x->{type}) eq "display");
78                          $i = 0 if (lc($x->{type}) eq "display");                          $d = 0 if (lc($x->{type}) eq "swish");
79                          $d = 0 if (lc($x->{type}) eq "index");                          ($s,$d,$i) = (0,0,1) if (lc($x->{type}) eq "index");
80  #print "## i: $i d: $d ## $format ##";    #print STDERR "## s: $s d: $d i: $i ## $format ##\n";  
81                          # parse format  
82                          my $prefix = "";                          $format = $cludge_codepage->convert($format);
83                          if ($format =~ s/^([^\d]+)//) {                          my ($swish,$display) = parse_format($format,$row);
84                                  $prefix = $1;  #print STDERR "s: $swish\nd: $display\n" if ($swish);
85                          }  
86                          while ($format) {  #print STDERR "swish: $swish<-- display: $display<--\n";
87                                  if ($format =~ s/^(\d\d\d)(\w?)//) {                          # FIX: this is ugly, UGLY, cludge: OpenIsis return
88                                          my $isis_tmp = isis_sf($row,$1,$2);                          # UTF8 encoding of strings, but as if source charset
89                                          if ($isis_tmp) {                          # is ISO8859-1 and not some other. This breaks our
90  #                                               $display_tmp .= $prefix . "/$1/$2/".$isis_tmp if ($d);                          # isis character encoding, so we convert it first
91                                                  $display_tmp .= $prefix . $isis_tmp if ($d);                          # back to ISO8859-1 (which can actually be different
92                                                  $index_tmp .= $isis_tmp." " if ($i);                          # encoding in isis)
93  #print " $isis_tmp <--\n";  
94                                          }                          $swish_data .= $swish if ($s && $swish);
95                                          $prefix = "";                          $display_data .= $display if ($d && $display);
96                                  } elsif ($format =~ s/^([^\d]+)//) {                          $index_data .= $display if ($i && $display);
97                                          $prefix = $1;                  }
98    
99    
100    #print STDERR "s_d: $swish_data\nd_d: $display_data\n" if ($swish_data);
101                    if ($display_data) {
102                            $display_data = $isis_codepage->convert($display_data) || die "Can't convert '$display_data' !";
103                            # FIX: this is removed and replaced by html tag.
104                            #$xml .= xmlify($field."_display", $display_data);
105    
106                            if ($field eq "headline") {
107                                    $xml .= xmlify("headline", $display_data);
108                            } else {
109    
110                                    # find field name (signular, plural)
111                                    my $field_name = "";
112                                    if ($config->{indexer}->{$field}->{name_singular} && $field_usage{$field} == 1) {
113                                            $field_name = $config->{indexer}->{$field}->{name_singular}."#-#";
114                                    } elsif ($config->{indexer}->{$field}->{name_plural}) {
115                                            $field_name = $config->{indexer}->{$field}->{name_plural}."#-#";
116                                  } else {                                  } else {
117                                          print STDERR "WARNING: unparsed format '$format'\n";                                          $field_name = $config->{indexer}->{$field}->{name}."#-#";
118                                          last;                                  }
119                                  };                                  if ($field_name) {
120                                            $html .= $xml_codepage->convert($field_name);
121                                    }
122                                    $html .= $display_data."###\n";
123                          }                          }
124                          # add suffix                  }
125                          $display_tmp .= $prefix if ($display_tmp);                  if ($swish_data) {
126                            my $i = Text::Iconv->new($config->{isis_codepage},'ISO8859-2');
127  #                       $display_data .= $display_tmp if ($display_tmp ne "");                          $swish_data = $i->convert($swish_data);
128  #                       $index_data .= $index_tmp if ($index_tmp ne "");                          $xml .= xmlify($field."_swish",unac_string('ISO8859-2',$swish_data));
129                          $display_data .= $display_tmp;                          #$swish_data = $isis_codepage->convert($swish_data)."##" || $swish_data;
130                          $index_data .= $index_tmp;                          #$xml .= xmlify($field."_swish",unac_string($config->{isis_codepage},$swish_data));
131                    }
132    
133                    # index
134                    if ($index_data && $index_data ne "") {
135                            $index_data = $index_codepage->convert($index_data) || $index_data;
136                            $index->insert($field, $index_data, $db_dir);
137                  }                  }
138  #print "--display:$display_data\n--index:$index_data\n";  
139                  $xml->{$field}->{display} .= $isis_map->tou($display_data)->utf8 if ($display_data);          }
140                  $xml->{$field}->{index} .= unac_string($config->{isis_codepage},$index_data) if ($index_data);  
141                    # dump formatted output in <html>
142            if ($html) {
143                    $xml .= xmlify("html",$html);
144          }          }
145            
146          if ($xml) {          if ($xml) {
147                  return XMLout($xml, rootname => 'xml', noattr => 1 );  #print STDERR "x: $xml\n";
148                    $xml .= $add_xml if ($add_xml);
149                    return "<xml>\n$xml</xml>\n";
150          } else {          } else {
151                  return;                  return;
152          }          }
# Line 108  sub isis2xml { Line 154  sub isis2xml {
154    
155  ##########################################################################  ##########################################################################
156    
157  my $last_tell=0;  my $cfg = new Config::IniFiles( -file => $config_file );
   
 my @isis_dirs = ( '.' );        # use dirname as database name  
   
 if ($opts{m}) {  
         @isis_dirs = split(/,/,$opts{m});  
 }  
   
 my @isis_dbs;  
158    
159  foreach (@isis_dirs) {  foreach my $database ($cfg->Sections) {
         if (-e $config->{isis_data}."/$db_dir/$_/LIBRI") {  
                 push @isis_dbs,$config->{isis_data}."/$db_dir/$_/LIBRI/LIBRI";  
         }  
         if (-e $config->{isis_data}."/$db_dir/$_/PERI") {  
                 push @isis_dbs,$config->{isis_data}."/$db_dir/$_/PERI/PERI";  
         }  
         if (-e $config->{isis_data}."/$db_dir/$_/AMS") {  
                 push @isis_dbs,$config->{isis_data}."/$db_dir/$_/AMS/AMS";  
         }  
         if (-e $config->{isis_data}."/$db_dir/$_/ARTI") {  
 #               push @isis_dbs,$config->{isis_data}."/$db_dir/$_/ARTI/ARTI";  
         }  
 }  
   
 print STDERR "FATAL: Can't find isis database.\nPerhaps isis_data (".$config->{isis_data}.") has wrong value?\n" if (! @isis_dbs);  
   
 my $db;  
   
 foreach my $isis_db (@isis_dbs) {  
160    
161            my $isis_db = $cfg -> val($database, 'isis_db');
162            my $type = $cfg -> val($database, 'type');
163            my $add_xml = $cfg -> val($database, 'xml');
164    
165            # read configuration for this type
166            $config=XMLin("./import_xml/$type.xml", forcearray => [ 'isis' ], forcecontent => 1);
167            $isis_codepage = Text::Iconv->new($config->{isis_codepage},'UTF8');
168            $index_codepage = Text::Iconv->new($config->{isis_codepage},$config->{index_codepage});
169            $xml_codepage = Text::Iconv->new($cfg->val($database,'xml_codepage'),'UTF8');
170    
171          my $db = OpenIsis::open( $isis_db );          my $db = OpenIsis::open( $isis_db );
172          if (0) {          if (0) {
# Line 152  foreach my $isis_db (@isis_dbs) { Line 180  foreach my $isis_db (@isis_dbs) {
180    
181          print STDERR "Reading database: $isis_db [$max_rowid rows]\n";          print STDERR "Reading database: $isis_db [$max_rowid rows]\n";
182    
183            my $path = $database;                   # was $isis_db
184    
185          my $last_p = 0;          my $last_p = 0;
186    
187  #       { my $row_id = 1;  #       { my $row_id = 4514;
188  # FIX  # FIX
189          for (my $row_id = 1; $row_id <= $max_rowid; $row_id++ ) {          for (my $row_id = 1; $row_id <= $max_rowid; $row_id++ ) {
190                  my $row = OpenIsis::read( $db, $row_id );                  my $row = OpenIsis::read( $db, $row_id );
191                  if ($row && $row->{mfn}) {                  if ($row && $row->{mfn}) {
192    #print STDERR "mfn: ",$row->{mfn},"\n";
193                          # output current process indicator                          # output current process indicator
194                          my $p = int($row->{mfn} * 100 / $max_rowid);                          my $p = int($row->{mfn} * 100 / $max_rowid);
195                          if ($p != $last_p) {                          if ($p != $last_p) {
# Line 167  foreach my $isis_db (@isis_dbs) { Line 197  foreach my $isis_db (@isis_dbs) {
197                                  $last_p = $p;                                  $last_p = $p;
198                          }                          }
199    
200                          if (my $xml = isis2xml($row)) {                          if (my $xml = isis2xml($row,$add_xml)) {
201                                  print "Path-Name: $isis_db#".$row->{mfn}."\n";  #print STDERR "--ret-->$xml\n";
202                                    print "Path-Name: $path#".int($row->{mfn})."\n";
203                                  print "Content-Length: ".(length($xml)+1)."\n";                                  print "Content-Length: ".(length($xml)+1)."\n";
204                                  print "Document-Type: XML\n\n$xml\n";                                  print "Document-Type: XML\n\n$xml\n";
205                          }                          }
# Line 177  foreach my $isis_db (@isis_dbs) { Line 208  foreach my $isis_db (@isis_dbs) {
208          print STDERR "\n";          print STDERR "\n";
209  }  }
210    
211    # call this to commit index
212    $index->close;
213    
214  1;  1;
215  __END__  __END__

Legend:
Removed from v.5  
changed lines
  Added in v.13

  ViewVC Help
Powered by ViewVC 1.1.26