/[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 40 by dpavlin, Sat Mar 15 21:33:36 2003 UTC revision 144 by dpavlin, Sun Nov 16 11:55:18 2003 UTC
# Line 18  die "FATAL: can't find configuration fil Line 18  die "FATAL: can't find configuration fil
18    
19  my $config;  my $config;
20    
21  use index_DBI;  # there is no other, right now ;-)  #use index_DBI;         # default DBI module for index
22    use index_DBI_cache;    # faster DBI module using memory cache
23  my $index = new index_DBI();    # open index  my $index;
24    
25  my %opts;  my %opts;
26    
# Line 32  my %opts; Line 32  my %opts;
32    
33  getopts('d:m:qs', \%opts);  getopts('d:m:qs', \%opts);
34    
35  my $db_dir;  my $path;       # this is name of database
36    
37  Text::Iconv->raise_error(1);     # Conversion errors raise exceptions  Text::Iconv->raise_error(0);     # Conversion errors don't raise exceptions
38    
39  # this is encoding of all files on disk, including import_xml/*.xml file and  # this is encoding of all files on disk, including import_xml/*.xml file and
40  # filter/*.pm files! It will be used to store strings in perl internally!  # filter/*.pm files! It will be used to store strings in perl internally!
# Line 46  sub x { Line 46  sub x {
46          return $utf2cp->convert($_[0]);          return $utf2cp->convert($_[0]);
47  }  }
48    
49  # decode isis import codepage  # decode isis/excel or other import codepage
50  my $isis2cp;  my $import2cp;
51    
52  # outgoing xml must be in UTF-8  # outgoing xml must be in UTF-8
53  my $cp2utf = Text::Iconv->new($codepage,'UTF-8');  my $cp2utf = Text::Iconv->new($codepage,'UTF-8');
54    
55  sub isis2xml {  # mapping between data type and tag which specify
56    # format in XML file
57    my %type2tag = (
58            'isis' => 'isis',
59            'excel' => 'column',
60            'marc' => 'marc',
61            'feed' => 'feed'
62    );
63    
64    sub data2xml {
65    
66          use xmlify;          use xmlify;
67    
68            my $type = shift @_;
69          my $row = shift @_;          my $row = shift @_;
70          my $add_xml = shift @_;          my $add_xml = shift @_;
71            # needed to read values from configuration file
72            my $cfg = shift @_;
73            my $database = shift @_;
74    
75          my $xml;          my $xml;
76    
# Line 69  sub isis2xml { Line 82  sub isis2xml {
82    
83          # sort subrouting using order="" attribute          # sort subrouting using order="" attribute
84          sub by_order {          sub by_order {
85                  return 0 if (! $config->{indexer}->{$a}->{order});                  my $va = $config->{indexer}->{$a}->{order} ||
86                  return 0 if (! $config->{indexer}->{$b}->{order});                          $config->{indexer}->{$a};
87                    my $vb = $config->{indexer}->{$b}->{order} ||
88                            $config->{indexer}->{$b};
89    
90                  return $config->{indexer}->{$a}->{order} <=>                  return $va <=> $vb;
                         $config->{indexer}->{$b}->{order} ;  
91          }          }
92    
93          foreach my $field (sort by_order keys %{$config->{indexer}}) {          foreach my $field (sort by_order keys %{$config->{indexer}}) {
94    
95                  $field=x($field);                  $field=x($field);
   
96                  $field_usage{$field}++;                  $field_usage{$field}++;
97    
98                  my $swish_data = "";                  my $swish_data = "";
# Line 88  sub isis2xml { Line 101  sub isis2xml {
101    
102                  my ($swish,$display);                  my ($swish,$display);
103    
104                  foreach my $x (@{$config->{indexer}->{$field}->{isis}}) {                  my $tag = $type2tag{$type} || die "can't find which tag to use for type $type";
105                    foreach my $x (@{$config->{indexer}->{$field}->{$tag}}) {
106    
107                          my $format = x($x->{content});                          my $format = x($x->{content});
108                          my $delimiter = x($x->{delimiter}) || ' ';                          my $delimiter = x($x->{delimiter}) || ' ';
109    
110                          my $isis_i = 0;         # isis repeatable offset                          my $repeat_off = 0;             # repeatable offset
111    
112                          my ($s,$d,$i) = (1,1,0);        # swish, display default                          my ($s,$d,$i) = (1,1,0);        # swish, display default
113                          $s = 0 if (lc($x->{type}) eq "display");                          $s = 0 if (lc($x->{type}) eq "display");
# Line 110  sub isis2xml { Line 124  sub isis2xml {
124                          # init vars so that we go into while...                          # init vars so that we go into while...
125                          ($swish,$display) = (1,1);                          ($swish,$display) = (1,1);
126    
127                          while ($swish || $display) {                          # placeholder for all repeatable entries for index
128                                  ($swish,$display) = parse_format($format,$row,$isis_i++,$isis2cp);                          my @index_data;
129                            my $index_filter;
130    
131                            # while because of repeatable fields
132                            while ($swish || $display) {
133                                    ($swish,$display) = parse_format($type, $format,$row,$repeat_off++,$import2cp);
134                                    if ($repeat_off > 1000) {
135                                            print STDERR "loop (more than 1000 repeatable fields) deteced in $row, $format\n";
136                                            last;
137                                    }
138                                    
139                                  # filter="name" ; filter this field through                                  # filter="name" ; filter this field through
140                                  # filter/[name].pm                                  # filter/[name].pm
141                                  my $filter = $x->{filter};                                  my $filter = $x->{filter};
# Line 137  sub isis2xml { Line 160  sub isis2xml {
160                                          }                                          }
161                                          if ($filter) {                                          if ($filter) {
162                                                  no strict 'refs';                                                  no strict 'refs';
163                                                  $display_data .= join($delimiter,&$filter($display));                                                  if ($display_data) {
164                                                            $display_data .= $delimiter.join($delimiter,&$filter($display));
165                                                    } else {
166                                                            $display_data = join($delimiter,&$filter($display));
167                                                    }
168                                          } else {                                          } else {
169                                                  if ($display_data) {                                                  if ($display_data) {
170                                                          $display_data .= $delimiter.$display;                                                          $display_data .= $delimiter.$display;
171                                                  } else {                                                  } else {
172                                                          $display_data .= $display;                                                          $display_data = $display;
173                                                  }                                                  }
174                                          }                                          }
175                                  }                                  }
176                                                                                                    
177                                  # type="index" ; insert into index                                  # type="index" ; insert into index
178                                  if ($i && $display) {                                  if ($i && $display) {
179                                          my $index_data = $display;                                          push @index_data, $display;
180                                          if ($filter) {                                          $index_filter = $filter if ($filter);
181                                                  no strict 'refs';                                  }
182                                                  foreach my $d (&$filter($index_data)) {                          }
183                                                          $index->insert($field, $d, $db_dir);  
184                                                  }                          # fill data in index
185                                          } else {                          if (@index_data) {
186                                                  $index->insert($field, $index_data, $db_dir);                                  if ($index_filter) {
187                                            no strict 'refs';
188                                            foreach my $d (@index_data) {
189                                                    $index->insert($field, &$index_filter($d), $path);
190                                            }
191                                    } else {
192                                            foreach my $d (@index_data) {
193                                                    $index->insert($field, $d, $path);
194                                          }                                          }
195                                  }                                  }
196                          }                          }
197                  }                  }
198    
199                    # now try to parse variables from configuration file
200                    foreach my $x (@{$config->{indexer}->{$field}->{'config'}}) {
201    
202                            my $delimiter = x($x->{delimiter}) || ' ';
203                            my $val = $cfg->val($database, x($x->{content}));
204    
205                            my ($s,$d,$i) = (1,1,0);        # swish, display default
206                            $s = 0 if (lc($x->{type}) eq "display");
207                            $d = 0 if (lc($x->{type}) eq "swish");
208                            ($s,$d,$i) = (0,0,1) if (lc($x->{type}) eq "index");
209    
210                            if ($val) {
211                                    $display_data .= $delimiter.$val if ($d);
212                                    $swish_data .= $val if ($s);
213                                    $index->insert($field, $val, $path) if ($i);
214                            }
215    
216                    }
217    
218    
219                  if ($display_data) {                  if ($display_data) {
220    
# Line 199  sub isis2xml { Line 252  sub isis2xml {
252    
253          # dump formatted output in <html>          # dump formatted output in <html>
254          if ($html) {          if ($html) {
255                  $xml .= xmlify("html",$html);                  #$xml .= xmlify("html",$html);
256                    $xml .= "<html><![CDATA[ $html ]]></html>";
257          }          }
258                    
259          if ($xml) {          if ($xml) {
# Line 212  sub isis2xml { Line 266  sub isis2xml {
266    
267  ##########################################################################  ##########################################################################
268    
269    # read configuration for this script
270  my $cfg = new Config::IniFiles( -file => $config_file );  my $cfg = new Config::IniFiles( -file => $config_file );
271    
272    # read global.conf configuration
273    my $cfg_global = new Config::IniFiles( -file => 'global.conf' );
274    
275    # open index
276    $index = new index_DBI(
277                    $cfg_global->val('global', 'dbi_dbd'),
278                    $cfg_global->val('global', 'dbi_dsn'),
279                    $cfg_global->val('global', 'dbi_user'),
280                    $cfg_global->val('global', 'dbi_passwd') || '',
281            );
282    
283    my $show_progress = $cfg_global->val('global', 'show_progress');
284    
285  foreach my $database ($cfg->Sections) {  foreach my $database ($cfg->Sections) {
286    
287          my $isis_db = $cfg -> val($database, 'isis_db') || die "$database doesn't have 'isis_db' defined!";          my $type = lc($cfg -> val($database, 'type')) || die "$database doesn't have 'type' defined";
         my $type = $cfg -> val($database, 'type') || die "$database doesn't have 'type' defined";  
288          my $add_xml = $cfg -> val($database, 'xml');    # optional          my $add_xml = $cfg -> val($database, 'xml');    # optional
289    
290          $config=XMLin("./import_xml/$type.xml", forcearray => [ 'isis' ], forcecontent => 1);  print STDERR "reading ./import_xml/$type.xml\n";
291    
292          $isis2cp = Text::Iconv->new($config->{isis_codepage},$codepage);          # extract just type basic
293            my $type_base = $type;
294            $type_base =~ s/_.+$//g;
295    
296            $config=XMLin("./import_xml/$type.xml", forcearray => [ $type2tag{$type_base}, 'config' ], forcecontent => 1);
297    
298            # output current progress indicator
299            my $last_p = 0;
300            sub progress {
301                    return if (! $show_progress);
302                    my $current = shift;
303                    my $total = shift || 1;
304                    my $p = int($current * 100 / $total);
305                    if ($p != $last_p) {
306                            printf STDERR ("%5d / %5d [%-51s] %-2d %% \r",$current,$total,"=" x ($p/2).">", $p );
307                            $last_p = $p;
308                    }
309            }
310    
311          my $db = OpenIsis::open( $isis_db );          my $fake_dir = 1;
312          if (0) {          sub fakeprogress {
313  #       # FIX                  return if (! $show_progress);
314  #       if (! $db ) {                  my $current = shift @_;
315                  print STDERR "WARNING: can't open '$isis_db'\n";  
316                  next ;                  my @ind = ('-','\\','|','/','-','\\','|','/', '-');
317    
318                    $last_p += $fake_dir;
319                    $fake_dir = -$fake_dir if ($last_p > 1000 || $last_p < 0);
320                    if ($last_p % 10 == 0) {
321                            printf STDERR ("%5d / %5s [%-51s]\r",$current,"?"," " x ($last_p/20).$ind[($last_p/20) % $#ind]);
322                    }
323          }          }
324    
325          my $max_rowid = OpenIsis::maxRowid( $db );          # now read database
326    print STDERR "using: $type...\n";
327    
328          print STDERR "Reading database: $isis_db [$max_rowid rows]\n";          if ($type_base eq "isis") {
329    
330          my $path = $database;                   # was $isis_db                  my $isis_db = $cfg -> val($database, 'isis_db') || die "$database doesn't have 'isis_db' defined!";
331    
332          my $last_p = 0;                  $import2cp = Text::Iconv->new($config->{isis_codepage},$codepage);
333                    my $db = OpenIsis::open( $isis_db );
334    
335                    # check if .txt database for OpenIsis is zero length,
336                    # if so, erase it and re-open database
337                    sub check_txt_db {
338                            my $isis_db = shift || die "need isis database name";
339                            my $reopen = 0;
340    
341                            if (-e $isis_db.".TXT") {
342                                    print STDERR "WARNING: removing $isis_db.TXT OpenIsis database...\n";
343                                    unlink $isis_db.".TXT" || warn "FATAL: unlink error on '$isis_db.TXT': $!";
344                                    $reopen++;
345                            }
346                            if (-e $isis_db.".PTR") {
347                                    print STDERR "WARNING: removing $isis_db.PTR OpenIsis database...\n";
348                                    unlink $isis_db.".PTR" || warn "FATAL: unlink error on '$isis_db.PTR': $!";
349                                    $reopen++;
350                            }
351                            return OpenIsis::open( $isis_db ) if ($reopen);
352                    }
353    
354                    # EOF error
355                    if ($db == -1) {
356                            $db = check_txt_db($isis_db);
357                            if ($db == -1) {
358                                    print STDERR "FATAL: OpenIsis can't open zero size file $isis_db\n";
359                                    next;
360                            }
361                    }
362    
363                    # OpenIsis::ERR_BADF
364                    if ($db == -4) {
365                            print STDERR "FATAL: OpenIsis can't find file $isis_db\n";
366                            next;
367                    # OpenIsis::ERR_IO
368                    } elsif ($db == -5) {
369                            print STDERR "FATAL: OpenIsis can't access file $isis_db\n";
370                            next;
371                    } elsif ($db < 0) {
372                            print STDERR "FATAL: OpenIsis unknown error $db with file $isis_db\n";
373                            next;
374                    }
375    
376  #       { my $row_id = 4514;                  my $max_rowid = OpenIsis::maxRowid( $db );
377  # FIX  
378          for (my $row_id = 1; $row_id <= $max_rowid; $row_id++ ) {                  # if 0 records, try to rease isis .txt database
379                  my $row = OpenIsis::read( $db, $row_id );                  if ($max_rowid == 0) {
380                  if ($row && $row->{mfn}) {                          # force removal of database
381                          # output current process indicator                          $db = check_txt_db($isis_db);
382                          my $p = int($row->{mfn} * 100 / $max_rowid);                          $max_rowid = OpenIsis::maxRowid( $db );
383                          if ($p != $last_p) {                  }
384                                  printf STDERR ("%5d / %5d [%-51s] %-2d %% \r",$row->{mfn},$max_rowid,"=" x ($p/2).">", $p ) if (! $opts{q});  
385                                  $last_p = $p;                  print STDERR "Reading database: $isis_db [$max_rowid rows]\n";
386    
387                    my $path = $database;
388    
389                    for (my $row_id = 1; $row_id <= $max_rowid; $row_id++ ) {
390                            my $row = OpenIsis::read( $db, $row_id );
391                            if ($row && $row->{mfn}) {
392            
393                                    progress($row->{mfn}, $max_rowid);
394    
395                                    my $swishpath = $path."#".int($row->{mfn});
396    
397                                    if (my $xml = data2xml($type_base,$row,$add_xml,$cfg,$database)) {
398                                            $xml = $cp2utf->convert($xml);
399                                            use bytes;      # as opposed to chars
400                                            print "Path-Name: $swishpath\n";
401                                            print "Content-Length: ".(length($xml)+1)."\n";
402                                            print "Document-Type: XML\n\n$xml\n";
403                                    }
404                            }
405                    }
406                    # for this to work with current version of OpenIsis (0.9.0)
407                    # you might need my patch from
408                    # http://www.rot13.org/~dpavlin/projects/openisis-0.9.0-perl_close.diff
409                    OpenIsis::close($db);
410                    print STDERR "\n";
411    
412            } elsif ($type_base eq "excel") {
413                    use Spreadsheet::ParseExcel;
414                    use Spreadsheet::ParseExcel::Utility qw(int2col);
415                    
416                    $import2cp = Text::Iconv->new($config->{excel_codepage},$codepage);
417                    my $excel_file = $cfg -> val($database, 'excel_file') || die "$database doesn't have 'excel_file' defined!";
418    
419                    my $sheet = x($config->{sheet}) || die "no sheet in $type.xml";
420                    my $start_row = x($config->{start_row}) - 1 || die "no start_row in $type.xml";
421    
422                    my $oBook = Spreadsheet::ParseExcel::Workbook->Parse($excel_file) || die "can't open Excel file '$excel_file'";
423    
424                    my $sheet_nr = 0;
425                    foreach my $oWks (@{$oBook->{Worksheet}}) {
426                            #print STDERR "-- SHEET $sheet_nr:", $oWks->{Name}, "\n";
427                            last if ($oWks->{Name} eq $sheet);
428                            $sheet_nr++;
429                    }
430    
431                    my $oWorksheet = $oBook->{Worksheet}[$sheet_nr];
432            
433                    print STDERR "using sheet: ",$oWorksheet->{Name},"\n";
434                    defined ($oWorksheet) || die "can't find sheet '$sheet' in $excel_file";
435                    my $end_row = x($config->{end_row}) || $oWorksheet->{MaxRow};
436    
437                    for(my $iR = $start_row ; defined $end_row && $iR <= $end_row ; $iR++) {
438                            my $row;
439                            for(my $iC = $oWorksheet->{MinCol} ; defined $oWorksheet->{MaxCol} && $iC <= $oWorksheet->{MaxCol} ; $iC++) {
440                                    my $cell = $oWorksheet->{Cells}[$iR][$iC];
441                                    if ($cell) {
442                                            $row->{int2col($iC)} = $cell->Value;
443                                    }
444                            }
445    
446                            progress($iR, $end_row);
447    
448    #                       print "row[$iR/$end_row] ";
449    #                       foreach (keys %{$row}) {
450    #                               print "$_: ",$row->{$_},"\t";
451    #                       }
452    #                       print "\n";
453    
454                            my $swishpath = $database."#".$iR;
455    
456                            next if (! $row);
457    
458                            if (my $xml = data2xml($type_base,$row,$add_xml,$cfg,$database)) {
459                                    $xml = $cp2utf->convert($xml);
460                                    use bytes;      # as opposed to chars
461                                    print "Path-Name: $swishpath\n";
462                                    print "Content-Length: ".(length($xml)+1)."\n";
463                                    print "Document-Type: XML\n\n$xml\n";
464                          }                          }
465                    }
466            } elsif ($type_base eq "marc") {
467    
468                    use MARC;
469                    
470                    $import2cp = Text::Iconv->new($config->{marc_codepage},$codepage);
471                    my $marc_file = $cfg -> val($database, 'marc_file') || die "$database doesn't have 'marc_file' defined!";
472    
473                    # optional argument is format
474                    my $format = x($config->{format}) || 'usmarc';
475    
476                    print STDERR "Reading MARC file '$marc_file'\n";
477    
478                    my $marc = new MARC;
479                    my $nr = $marc->openmarc({
480                                    file=>$marc_file, format=>$format
481                            }) || die "Can't open MARC file '$marc_file'";
482    
483                    my $i=0;        # record nr.
484    
485                          if (my $xml = $cp2utf->convert(isis2xml($row,$add_xml))) {                  my $rec;
486    
487                    while ($marc->nextmarc(1)) {
488    
489                            # XXX
490                            fakeprogress($i++);
491    
492                            my $swishpath = $database."#".$i;
493    
494                            if (my $xml = data2xml($type_base,$marc,$add_xml,$cfg,$database)) {
495                                    $xml = $cp2utf->convert($xml);
496                                  use bytes;      # as opposed to chars                                  use bytes;      # as opposed to chars
497                                  print "Path-Name: $path#".int($row->{mfn})."\n";                                  print "Path-Name: $swishpath\n";
498                                  print "Content-Length: ".(length($xml)+1)."\n";                                  print "Content-Length: ".(length($xml)+1)."\n";
499                                  print "Document-Type: XML\n\n$xml\n";                                  print "Document-Type: XML\n\n$xml\n";
500                          }                          }
501                  }                  }
502            } elsif ($type_base eq "feed") {
503    
504                    $import2cp = Text::Iconv->new($config->{feed_codepage},$codepage);
505                    my $prog = x($config->{prog}) || die "$database doesn't have 'prog' defined!";
506    
507                    print STDERR "Reading feed from program '$prog'\n";
508    
509                    open(FEED,"feeds/$prog |") || die "can't start $prog: $!";
510    
511                    my $i=1;        # record nr.
512    
513                    my $data;
514                    my $line=1;
515    
516                    while (<FEED>) {
517                            chomp;
518    
519                            if (/^$/) {
520                                    my $swishpath = $database."#".$i++;
521    
522                                    if (my $xml = data2xml($type_base,$data,$add_xml,$cfg,$database)) {
523                                            $xml = $cp2utf->convert($xml);
524                                            use bytes;      # as opposed to chars
525                                            print "Path-Name: $swishpath\n";
526                                            print "Content-Length: ".(length($xml)+1)."\n";
527                                            print "Document-Type: XML\n\n$xml\n";
528                                    }
529                                    $line = 1;
530                                    $data = {};
531                                    next;
532                            }
533    
534                            $line = $1 if (s/^(\d+):\s*//);
535                            $data->{$line++} = $_;
536    
537                            fakeprogress($i);
538    
539                    }
540          }          }
         print STDERR "\n";  
541  }  }
542    
543  # call this to commit index  # call this to commit index
# Line 272  __END__ Line 549  __END__
549    
550  =head1 NAME  =head1 NAME
551    
552  isis2xml.pl - read isis file and dump XML  all2xml.pl - read various file formats and dump XML for SWISH-E
553    
554  =head1 DESCRIPTION  =head1 DESCRIPTION
555    
556  This command will read ISIS data file using OpenIsis perl module and  This command will read ISIS data file using OpenIsis perl module, MARC
557  create XML file for usage with I<SWISH-E>  records using MARC module and optionally Micro$oft Excel files to
558  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,
559  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
560  script is tailor-made for SWISH-E.  has something like that). Output of this script is tailor-made for SWISH-E.
561    
562    =head1 BUGS
563    
564    Documentation is really lacking. However, in true Open Source spirit, source
565    is best documentation. I even made considerable effort to comment parts
566    which are not intuitively clear, so...
567    
568  =head1 AUTHOR  =head1 AUTHOR
569    

Legend:
Removed from v.40  
changed lines
  Added in v.144

  ViewVC Help
Powered by ViewVC 1.1.26