/[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 17 by dpavlin, Sat Feb 22 21:33:04 2003 UTC revision 263 by dpavlin, Fri Mar 12 15:06:58 2004 UTC
# Line 8  use XML::Simple; Line 8  use XML::Simple;
8  use Text::Unaccent 1.02;        # 1.01 won't compile on my platform,  use Text::Unaccent 1.02;        # 1.01 won't compile on my platform,
9  use Text::Iconv;  use Text::Iconv;
10  use Config::IniFiles;  use Config::IniFiles;
11    use Encode;
12    #use GDBM_File;
13    use Fcntl;      # for O_RDWR
14    use TDB_File;
15    
16  $|=1;  $|=1;
17    
# Line 17  die "FATAL: can't find configuration fil Line 21  die "FATAL: can't find configuration fil
21    
22  my $config;  my $config;
23    
24  use index_DBI;  # there is no other, right now ;-)  #use index_DBI;         # default DBI module for index
25    use index_DBI_cache;    # faster DBI module using memory cache
26  my $index = new index_DBI();    # open index  my $index;
27    
28  my %opts;  my %opts;
29    
# Line 31  my %opts; Line 35  my %opts;
35    
36  getopts('d:m:qs', \%opts);  getopts('d:m:qs', \%opts);
37    
38  my $db_dir;  my $path;       # this is name of database
39    
40    Text::Iconv->raise_error(0);     # Conversion errors don't raise exceptions
41    
42  #die "usage: $0 -d [database_dir] -m [database1,database2] " if (! %opts);  # this is encoding of all files on disk, including import_xml/*.xml file and
43    # filter/*.pm files! It will be used to store strings in perl internally!
44    my $codepage = 'ISO-8859-2';
45    
46    my $utf2cp = Text::Iconv->new('UTF-8',$codepage);
47    # this function will convert data from XML files to local encoding
48    sub x {
49            return $utf2cp->convert($_[0]);
50    }
51    
52  #print Dumper($config->{indexer});  # decode isis/excel or other import codepage
53  #print "-" x 70,"\n";  my $import2cp;
54    
55  Text::Iconv->raise_error(1);     # Conversion errors raise exceptions  # outgoing xml must be in UTF-8
56    my $cp2utf = Text::Iconv->new($codepage,'UTF-8');
57    
58  #my $isis_codepage = Text::Iconv->new($config->{isis_codepage},'UTF8');  # mapping between data type and tag which specify
59  #my $index_codepage = Text::Iconv->new($config->{isis_codepage},$config->{index_codepage});  # format in XML file
60  my $isis_codepage;  my %type2tag = (
61  my $index_codepage;          'isis' => 'isis',
62  my $cludge_codepage = Text::Iconv->new('UTF8','ISO8859-1');          'excel' => 'column',
63  my $xml_codepage;          'marc' => 'marc',
64            'feed' => 'feed'
65    );
66    
67    my $cache;      # for cacheing
68    
69    # lookup hash (tied to file)
70    my %lhash;
71    # this option will cache all lookup entries in memory.
72    # if you are tight on memory, turn this off
73    my $use_lhash_cache = 1;
74    
75  sub isis2xml {  my $last_field_name;    # cache to prevent repeated fields
76    
77    sub data2xml {
78    
79          use xmlify;          use xmlify;
80    
81            my $type = shift @_;
82          my $row = shift @_;          my $row = shift @_;
83          my $add_xml = shift @_;          my $add_xml = shift @_;
84            # needed to read values from configuration file
85            my $cfg = shift @_;
86            my $database = shift @_;
87    
88          my $xml;          my $xml;
89    
# Line 62  sub isis2xml { Line 93  sub isis2xml {
93    
94          my %field_usage;        # counter for usage of each field          my %field_usage;        # counter for usage of each field
95    
96          foreach my $field (keys %{$config->{indexer}}) {          # sort subrouting using order="" attribute
97            sub by_order {
98                    my $va = $config->{indexer}->{$a}->{order} ||
99                            $config->{indexer}->{$a};
100                    my $vb = $config->{indexer}->{$b}->{order} ||
101                            $config->{indexer}->{$b};
102    
103                    return $va <=> $vb;
104            }
105    
106            my @sorted_tags;
107            if ($cache->{tags_by_order}) {
108                    @sorted_tags = @{$cache->{tags_by_order}};
109            } else {
110                    @sorted_tags = sort by_order keys %{$config->{indexer}};
111                    $cache->{tags_by_order} = \@sorted_tags;
112            }
113    
114            # lookup key
115            my $lookup_key;
116    
117            # cache for field in pages
118            delete $cache->{display_data};
119            delete $cache->{swish_data};
120            delete $cache->{swish_exact_data};
121            delete $cache->{index_data};
122            delete $cache->{index_delimiter};
123            my @page_fields;        # names of fields
124    
125    
126            # subs used to produce output
127    
128            sub get_field_name($$$) {
129                    my ($config,$field,$field_usage) = @_;
130    
131                    # find field name (signular, plural)
132                    my $field_name = "";
133                    if ($config->{indexer}->{$field}->{name_singular} && $field_usage == 1) {
134                            $field_name = $config->{indexer}->{$field}->{name_singular};
135                    } elsif ($config->{indexer}->{$field}->{name_plural}) {
136                            $field_name = $config->{indexer}->{$field}->{name_plural};
137                    } elsif ($config->{indexer}->{$field}->{name}) {
138                            $field_name = $config->{indexer}->{$field}->{name};
139                    } else {
140                            print STDERR "WARNING: field '$field' doesn't have 'name' attribute!";
141                    }
142                    if ($field_name) {
143                            if (! $last_field_name) {
144                                    $last_field_name = x($field_name);
145                                    return $last_field_name;
146                            } elsif ($field_name ne $last_field_name) {
147                                    $last_field_name = x($field_name);
148                                    return $last_field_name;
149                            }
150                    }
151            }
152    
153    
154            # begin real work: go field by field
155            foreach my $field (@sorted_tags) {
156    
157                    $field=x($field);
158                  $field_usage{$field}++;                  $field_usage{$field}++;
159    
160                  my $swish_data = "";                  my $swish_data = "";
161                    my $swish_exact_data = "";
162                  my $display_data = "";                  my $display_data = "";
163                    my @index_data;
164                    my $line_delimiter;
165    
166                    my ($swish,$display);
167    
168                    my $tag = $type2tag{$type} || die "can't find which tag to use for type $type";
169    
170                    # is this field page-by-page?
171                    my $iterate_by_page = $config->{indexer}->{$field}->{iterate_by_page};
172                    push @page_fields,$field if ($iterate_by_page);
173                    my %page_max = ();
174                    # default line_delimiter if using
175                    my $page_line_delimiter = $config->{indexer}->{$field}->{page_line_delimiter} || '<br/>';
176                    $cache->{index_delimiter}->{$field} = $config->{indexer}->{$field}->{index_delimiter};
177    
178                    my $format_name = $config->{indexer}->{$field}->{format_name};
179                    my $format_delimiter = $config->{indexer}->{$field}->{format_delimiter};
180                    if ($format_name && $format_delimiter) {
181                            $cache->{format}->{$field}->{format_name} = $format_name;
182                            $cache->{format}->{$field}->{format_delimiter} = $format_delimiter;
183                    }
184    
185                    foreach my $x (@{$config->{indexer}->{$field}->{$tag}}) {
186    
187                            my $format = x($x->{content});
188                            my $delimiter = x($x->{delimiter}) || ' ';
189    
190                            my $repeat_off = 0;     # init repeatable offset
191    
192                            # swish, swish_exact, display, index, index_lookup
193                            # swish and display defaults
194                            my ($s,$se,$d,$i,$il) = (1,0,1,0,0);
195                            $s = 0 if (lc($x->{type}) eq "display");
196                            $d = 0 if (lc($x->{type}) eq "swish");
197                            ($s,$se,$d,$i) = (0,1,0,1) if (lc($x->{type}) eq "index");
198                            ($s,$se,$d,$i) = (0,1,0,0) if (lc($x->{type}) eq "swish_exact");
199                            ($s,$se,$d,$i,$il) = (0,1,0,0,1) if (lc($x->{type}) =~ /^lookup/);
200    
201                            # what will separate last line from this one?
202                            if ($display_data && $x->{append}) {
203                                    $line_delimiter = ' ';
204                            } elsif ($display_data) {
205                                    $line_delimiter = '<br/>';
206                            }
207    
208                            # init vars so that we go into while...
209                            ($swish,$display) = (1,1);
210    
211                            # placeholder for all repeatable entries for index
212    
213                            sub mkformat($$) {
214                                    my $x = shift || die "mkformat needs tag reference";
215                                    my $data = shift || return;
216                                    my $format_name = x($x->{format_name}) || return $data;
217                                    my $fmt = x($config->{format}->{$format_name}->{content}) || die "<format name=\"$format_name\"> is not defined!";
218                                    my $format_delimiter = x($x->{format_delimiter});
219                                    my @data;
220                                    if ($format_delimiter) {
221                                            @data = split(/$format_delimiter/,$data);
222                                    } else {
223                                            push @data,$data;
224                                    }
225    
226                                    if ($fmt) {
227                                            my $nr = scalar $fmt =~ s/%s/%s/g;
228                                            if (($#data+1) == $nr) {
229                                                    return sprintf($fmt,@data);
230                                            } else {
231                                                    #print STDERR "mkformat: [$data] can't be split on [$format_delimiter] to $nr fields!\n";
232                                                    return $data;
233                                            }
234                                    } else {
235                                            print STDERR "usage of link '$format_name' without defined format (<link> tag)\n";
236                                    }
237                            }
238    
239                            # while because of repeatable fields
240                            while ($swish || $display) {
241                                    my $page = $repeat_off;
242                                    $page_max{$field} = $page if ($iterate_by_page && $page > ($page_max{$field} || 0));
243                                    ($swish,$display) = parse_format($type, $format,$row,$repeat_off++,$import2cp);
244                                    if ($repeat_off > 1000) {
245                                            print STDERR "loop (more than 1000 repeatable fields) deteced in $row, $format\n";
246                                            last;
247                                    }
248    
249                                    # is this field is lookup?
250                                    if ($display && $x->{lookup}) {
251                                            my $null = "<!-- null -->";
252                                            if ($use_lhash_cache) {
253                                                    if (!defined($cache->{lhash}->{$display})) {
254                                                            my $new_display = $lhash{$display};
255                                                            if (defined($new_display)) {
256    #print STDERR "lookup cache store '$display' = '$new_display'\n";
257                                                                    $display = $new_display;
258                                                                    $cache->{lhash}->{$display} = $new_display;
259                                                            } else {
260    #                                                               print STDERR "WARNING: lookup for '$display' didn't find anything.\n";
261                                                                    $display = "";
262                                                                    $cache->{lhash}->{$display} = $null;
263                                                            }
264                                                    } else {
265                                                            $display = $cache->{lhash}->{$display};
266                                                    }
267                                            } else {
268                                                    $display = $lhash{$display} || $null;
269                                            }
270                                    }
271    
272                                    # filter="name" ; filter this field through
273                                    # filter/[name].pm
274                                    my $filter = $x->{filter};
275                                    if ($filter && !$cache->{filter_loaded}->{$filter}) {
276                                            require "filter/".$filter.".pm";
277                                            $cache->{filter_loaded}->{$filter}++;
278                                    }
279                                    # type="swish" ; field for swish
280                                    if ($swish) {
281                                            my $tmp = $swish;
282                                            if ($filter && ($s || $se)) {
283                                                    no strict 'refs';
284                                                    $tmp = join(" ",&$filter($tmp)) if ($s || $se);
285                                            }
286    
287                                            $swish_data .= $tmp if ($s && $tmp);
288                                            $swish_exact_data .= "xxbxx $tmp xxexx " if ($tmp && $tmp ne "" && $se);
289                                    }
290    
291                                    # type="display" ; field for display
292                                    if ($d && $display) {
293                                            my $ldel = $delimiter;
294                                            if ($line_delimiter && $display_data) {
295                                                    $ldel = $line_delimiter;
296                                            }
297                                            if ($filter) {
298                                                    no strict 'refs';
299                                                    my @arr;
300                                                    foreach my $tmp (&$filter($display)) {
301                                                            my $tmp2 = mkformat($x,$tmp);
302                                                            push @arr,$tmp2 if ($tmp2);
303                                                    }
304                                                    $display_data .= $ldel if ($display_data && @arr);
305                                                    $display_data .= join($delimiter,@arr);
306                                            } else {
307                                                    $display_data .= $ldel if ($display_data);
308                                                    my $tmp = mkformat($x,$display);
309                                                    $display_data .= $tmp if ($tmp);
310                                            }
311                                    }
312                                                    
313                                    # type="index" ; insert into index
314                                    my $idisplay;
315                                    if ($i && $display) {
316                                            $idisplay = $display;
317                                            if ($filter) {
318                                                    no strict 'refs';
319                                                    $idisplay = &$filter($idisplay);
320                                            }
321                                            push @index_data, $idisplay if ($idisplay && !$iterate_by_page);
322                                    }
323    
324                                    # store fields in lookup
325                                    if ($il && $display) {
326                                            if (lc($x->{type}) eq "lookup_key") {
327                                                    if ($lookup_key) {
328                                                            print STDERR "WARNING: try to redefine lookup_key (keys shouldn't be repeatable fields!)";
329                                                    } else {
330                                                            if ($filter) {
331                                                                    no strict 'refs';
332                                                                    $lookup_key = &$filter($display);
333                                                            } else {
334                                                                    $lookup_key = $display;
335                                                            }
336                                                    }
337                                            } elsif (lc($x->{type}) eq "lookup_val") {
338                                                    if ($lookup_key) {
339                                                            if ($filter) {
340                                                                    no strict 'refs';
341                                                                    $lhash{$lookup_key} = &$filter($display);
342                                                            } else {
343                                                                    $lhash{$lookup_key} = $display;
344                                                            }
345                                                    } else {
346                                                            print STDERR "WARNING: no lookup_key defined for  '$display'?";
347                                                    }
348                                            }
349    
350                                    }
351    
352                                    # store data for page-by-page repeatable fields
353                                    if ($iterate_by_page) {
354                                            sub iterate_fld($$$$$$) {
355                                                    my ($cache,$what,$field,$page,$data,$append) = @_;
356                                                    return if (!$data);
357    
358                                                    my $ldel = $page_line_delimiter;
359                                                    $ldel = " " if ($append);
360    #print STDERR "line delimiter: ",Dumper($ldel) if ($ldel);
361                                                    if (! $cache->{$what}->{$field}->[$page]) {
362                                                            $cache->{$what}->{$field}->[$page] = $data;
363                                                    } else {
364                                                            $cache->{$what}->{$field}->[$page] .= $ldel.$data;
365                                                    }
366                                            }
367    
368                                            if ($display_data) {
369                                                    iterate_fld($cache,'display_data',$field,$page,$display_data,$x->{append});
370                                            }
371                                                    $display_data = "";
372                                            if ($swish_data) {
373                                                    iterate_fld($cache,'swish_data',$field,$page,$swish_data,$x->{append});
374                                                    $swish_data = "";
375                                            }
376                                            if ($swish_exact_data) {
377                                                    iterate_fld($cache,'swish_exact_data',$field,$page,$swish_exact_data,$x->{append});
378                                                    $swish_exact_data = "";
379                                            }
380    
381                                            if ($idisplay) {
382                                                    my $ldel=$page_line_delimiter;
383                                                    my @index_data;
384                                                    if ($cache->{index_data}->{$field}->[$page]) {
385    
386                                                            @index_data = @{$cache->{index_data}->{$field}->[$page]};
387                                                    }
388                                                    if ($x->{append}) {
389                                                            if (@index_data) {
390                                                                    $index_data[$#index_data] .= $idisplay;
391                                                            } else {
392                                                                    push @index_data, $idisplay;
393                                                            }
394                                                    } else {
395                                                            push @index_data, $idisplay;
396                                                    }
397                                                    $idisplay = "";
398                                                    @{$cache->{index_data}->{$field}->[$page]} = @index_data;
399                                            }
400                                    }
401                            }
402    
403                            if (! $iterate_by_page) {
404                                    my $idel = $x->{index_delimiter};
405                                    # fill data in index
406                                    foreach my $tmp (@index_data) {
407                                            my $i = $d = $tmp;
408                                            if ($idel && $tmp =~ m/$idel/) {
409                                                    ($i,$d) = split(/$idel/,$tmp);
410                                            }
411                                            $index->insert($field, $i, $d, $path);
412                                    }
413                                    @index_data = ();
414                            }
415                    }
416    
417                    # now try to parse variables from configuration file
418                    foreach my $x (@{$config->{indexer}->{$field}->{'config'}}) {
419    
420                  foreach my $x (@{$config->{indexer}->{$field}->{isis}}) {                          my $delimiter = x($x->{delimiter}) || ' ';
421                            my $val = $cfg->val($database, x($x->{content}));
422    
                         my $format = $x->{content};  
423                          my ($s,$d,$i) = (1,1,0);        # swish, display default                          my ($s,$d,$i) = (1,1,0);        # swish, display default
424                          $s = 0 if (lc($x->{type}) eq "display");                          $s = 0 if (lc($x->{type}) eq "display");
425                          $d = 0 if (lc($x->{type}) eq "swish");                          $d = 0 if (lc($x->{type}) eq "swish");
426                            # no support for swish exact in config.
427                            # IMHO, it's useless
428                          ($s,$d,$i) = (0,0,1) if (lc($x->{type}) eq "index");                          ($s,$d,$i) = (0,0,1) if (lc($x->{type}) eq "index");
 #print STDERR "## s: $s d: $d i: $i ## $format ##\n";    
429    
430                          $format = $cludge_codepage->convert($format);                          if ($val) {
431                          my ($swish,$display) = parse_format($format,$row);                                  $display_data .= $delimiter.$val if ($d);
432  #print STDERR "s: $swish\nd: $display\n" if ($swish);                                  $swish_data .= $val if ($s);
433                                    $index->insert($field, $val, $path) if ($i);
 #print STDERR "swish: $swish<-- display: $display<--\n";  
                         # FIX: this is ugly, UGLY, cludge: OpenIsis return  
                         # UTF8 encoding of strings, but as if source charset  
                         # is ISO8859-1 and not some other. This breaks our  
                         # isis character encoding, so we convert it first  
                         # back to ISO8859-1 (which can actually be different  
                         # encoding in isis)  
   
                         $swish_data .= $swish if ($s && $swish);  
                         $display_data .= $display if ($d && $display);  
   
                         # insert into index  
                         if ($i && $display) {  
                                 my $index_data = $index_codepage->convert($display) || $display;  
                                 $index->insert($field, $index_data, $db_dir);  
434                          }                          }
                 }  
435    
436                            if ($iterate_by_page) {
437                                    # FIXME data from config tag will appear just
438                                    # on first page!!!
439                                    my $page = 0;
440                                    if ($display_data) {
441                                            $cache->{display_data}->{$field}->[$page] = $display_data;
442                                            $display_data = "";
443                                    }
444                                    if ($swish_data) {
445                                            $cache->{swish_data}->{$field}->[$page] = $swish_data;
446                                            $swish_data = "";
447                                    }
448                                    if ($swish_exact_data) {
449                                            $cache->{swish_exact_data}->{$field}->[$page] = $swish_exact_data;
450                                            $swish_exact_data = "";
451                                    }
452                            }
453                    }
454    
455  #print STDERR "s_d: $swish_data\nd_d: $display_data\n" if ($swish_data);                  # save data page-by-page
456                  if ($display_data) {                  foreach my $field (@page_fields) {
457                          $display_data = $isis_codepage->convert($display_data) || die "Can't convert '$display_data' !";                          my $nr_pages = $page_max{$field} || next;
458                          # FIX: this is removed and replaced by html tag.  #print STDERR "field '$field' iterate over ",($nr_pages || 0)," pages...\n";
459                          #$xml .= xmlify($field."_display", $display_data);  #print STDERR Dumper($cache->{display_data});
460                            for (my $page=0; $page <= $nr_pages; $page++) {
461                          if ($field eq "headline") {                                  my $display_data;
462                                  $xml .= xmlify("headline", $display_data);                                  if ($cache->{format}->{$field}) {
463                          } else {                                          my $tmp = mkformat($cache->{format}->{$field},$cache->{display_data}->{$field}->[$page]);
464                                            $display_data=$tmp if ($tmp);
                                 # 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}."#-#";  
465                                  } else {                                  } else {
466                                          $field_name = $config->{indexer}->{$field}->{name}."#-#";                                          $display_data = $cache->{display_data}->{$field}->[$page];
467                                  }                                  }
468                                  if ($field_name) {                                  if ($display_data) { # default
469                                          $html .= $xml_codepage->convert($field_name);                                          if ($field eq "headline") {
470                                                    $xml .= xmlify("headline", $display_data);
471                                            } else {
472    
473                                                    # fallback to empty field name if needed
474                                                    $html .= get_field_name($config,$field,$field_usage{$field}) || '';
475                                                    $html .= "#-#".$display_data."###\n";
476                                            }
477                                    }
478                                    
479                                    my $swish_data = $cache->{swish_data}->{$field}->[$page];
480                                    if ($swish_data) {
481                                            # remove extra spaces
482                                            $swish_data =~ s/ +/ /g;
483                                            $swish_data =~ s/ +$//g;
484    
485                                            $xml .= xmlify($field."_swish", unac_string($codepage,$swish_data));
486                                    }
487    
488                                    my $swish_exact_data = $cache->{swish_exact_data}->{$field}->[$page];
489                                    if ($swish_exact_data) {
490                                            $swish_exact_data =~ s/ +/ /g;
491                                            $swish_exact_data =~ s/ +$//g;
492    
493                                            # add delimiters before and after word.
494                                            # That is required to produce exact match
495                                            $xml .= xmlify($field."_swish_exact", unac_string($codepage,$swish_exact_data));
496                                    }
497                                    
498                                    my $idel = $cache->{index_delimiter}->{$field};
499                                    foreach my $tmp (@{$cache->{index_data}->{$field}->[$page]}) {
500                                            my $i = $tmp;
501                                            my $d = $tmp;
502                                            if ($idel && $tmp =~ m/$idel/) {
503                                                    ($i,$d) = split(/$idel/,$tmp);
504                                            }
505                                            $index->insert($field, $i, $d, $path);
506    #print STDERR "index [$idel] $field: $i --> $d [$path]\n";
507                                  }                                  }
                                 $html .= $display_data."###\n";  
508                          }                          }
509            
510                  }                  }
511                  if ($swish_data) {                  
512                          my $i = Text::Iconv->new($config->{isis_codepage},'ISO8859-2');                  if (! $iterate_by_page) {
513                          $swish_data = $i->convert($swish_data);                          if ($display_data) {
514                          $xml .= xmlify($field."_swish",unac_string('ISO8859-2',$swish_data));                                  if ($field eq "headline") {
515                          #$swish_data = $isis_codepage->convert($swish_data)."##" || $swish_data;                                          $xml .= xmlify("headline", $display_data);
516                          #$xml .= xmlify($field."_swish",unac_string($config->{isis_codepage},$swish_data));                                  } else {
517                  }  
518                                            # fallback to empty field name if needed
519                                            $html .= get_field_name($config,$field,$field_usage{$field}) || '';
520                                            $html .= "#-#".$display_data."###\n";
521                                    }
522                            }
523                            if ($swish_data) {
524                                    # remove extra spaces
525                                    $swish_data =~ s/ +/ /g;
526                                    $swish_data =~ s/ +$//g;
527    
528                                    $xml .= xmlify($field."_swish", unac_string($codepage,$swish_data));
529                            }
530    
531                            if ($swish_exact_data) {
532                                    $swish_exact_data =~ s/ +/ /g;
533                                    $swish_exact_data =~ s/ +$//g;
534    
535                                    # add delimiters before and after word.
536                                    # That is required to produce exact match
537                                    $xml .= xmlify($field."_swish_exact", unac_string($codepage,$swish_exact_data));
538                            }
539                    }
540          }          }
541    
542          # dump formatted output in <html>          # dump formatted output in <html>
543          if ($html) {          if ($html) {
544                  $xml .= xmlify("html",$html);                  #$xml .= xmlify("html",$html);
545                    $xml .= "<html><![CDATA[ $html ]]></html>";
546          }          }
547                    
548          if ($xml) {          if ($xml) {
 #print STDERR "x: $xml\n";  
549                  $xml .= $add_xml if ($add_xml);                  $xml .= $add_xml if ($add_xml);
550                  return "<xml>\n$xml</xml>\n";                  return "<xml>\n$xml</xml>\n";
551          } else {          } else {
# Line 153  sub isis2xml { Line 555  sub isis2xml {
555    
556  ##########################################################################  ##########################################################################
557    
558    # read configuration for this script
559  my $cfg = new Config::IniFiles( -file => $config_file );  my $cfg = new Config::IniFiles( -file => $config_file );
560    
561    # read global.conf configuration
562    my $cfg_global = new Config::IniFiles( -file => 'global.conf' );
563    
564    # open index
565    $index = new index_DBI(
566                    $cfg_global->val('global', 'dbi_dbd'),
567                    $cfg_global->val('global', 'dbi_dsn'),
568                    $cfg_global->val('global', 'dbi_user'),
569                    $cfg_global->val('global', 'dbi_passwd') || '',
570            );
571    
572    my $show_progress = $cfg_global->val('global', 'show_progress');
573    
574    my $unac_filter = $cfg_global->val('global', 'unac_filter');
575    if ($unac_filter) {
576            require $unac_filter;
577    }
578    
579  foreach my $database ($cfg->Sections) {  foreach my $database ($cfg->Sections) {
580    
581          my $isis_db = $cfg -> val($database, 'isis_db');          my $type = lc($cfg -> val($database, 'type')) || die "$database doesn't have 'type' defined";
582          my $type = $cfg -> val($database, 'type');          my $add_xml = $cfg -> val($database, 'xml');    # optional
         my $add_xml = $cfg -> val($database, 'xml');  
583    
584          # read configuration for this type          # create new lookup file
585          $config=XMLin("./import_xml/$type.xml", forcearray => [ 'isis' ], forcecontent => 1);          my $lookup_file = $cfg -> val($database, 'lookup_newfile'); # optional
586          $isis_codepage = Text::Iconv->new($config->{isis_codepage},'UTF8');          if ($lookup_file) {
587          $index_codepage = Text::Iconv->new($config->{isis_codepage},$config->{index_codepage});                  #tie %lhash, 'GDBM_File', $lookup_file, &GDBM_NEWDB, 0644;
588          $xml_codepage = Text::Iconv->new($cfg->val($database,'xml_codepage'),'UTF8');                  tie %lhash, 'TDB_File', $lookup_file, TDB_CLEAR_IF_FIRST, O_RDWR, 0644;
589                    print STDERR "creating lookup file '$lookup_file'\n";
590                    # delete memory cache for lookup file
591                    delete $cache->{lhash};
592            }
593    
594          my $db = OpenIsis::open( $isis_db );          # open existing lookup file
595          if (0) {          $lookup_file = $cfg -> val($database, 'lookup_open'); # optional
596  #       # FIX          if ($lookup_file) {
597  #       if (! $db ) {                  #tie %lhash, 'GDBM_File', $lookup_file, &GDBM_READER, 0644;
598                  print STDERR "WARNING: can't open '$isis_db'\n";                  tie %lhash, 'TDB_File', $lookup_file, TDB_DEFAULT, O_RDWR, 0644;
599                  next ;                  print STDERR "opening lookup file '$lookup_file'\n";
600          }          }
601    
602          my $max_rowid = OpenIsis::maxRowid( $db );  print STDERR "reading ./import_xml/$type.xml\n";
603    
604          print STDERR "Reading database: $isis_db [$max_rowid rows]\n";          # extract just type basic
605            my $type_base = $type;
606            $type_base =~ s/_.+$//g;
607    
608          my $path = $database;                   # was $isis_db          $config=XMLin("./import_xml/$type.xml", forcearray => [ $type2tag{$type_base}, 'config', 'format' ], forcecontent => 1);
609    
610            # output current progress indicator
611          my $last_p = 0;          my $last_p = 0;
612            sub progress {
613                    return if (! $show_progress);
614                    my $current = shift;
615                    my $total = shift || 1;
616                    my $p = int($current * 100 / $total);
617                    if ($p != $last_p) {
618                            printf STDERR ("%5d / %5d [%-51s] %-2d %% \r",$current,$total,"=" x ($p/2).">", $p );
619                            $last_p = $p;
620                    }
621            }
622    
623            my $fake_dir = 1;
624            sub fakeprogress {
625                    return if (! $show_progress);
626                    my $current = shift @_;
627    
628                    my @ind = ('-','\\','|','/','-','\\','|','/', '-');
629    
630                    $last_p += $fake_dir;
631                    $fake_dir = -$fake_dir if ($last_p > 1000 || $last_p < 0);
632                    if ($last_p % 10 == 0) {
633                            printf STDERR ("%5d / %5s [%-51s]\r",$current,"?"," " x ($last_p/20).$ind[($last_p/20) % $#ind]);
634                    }
635            }
636    
637            # now read database
638    print STDERR "using: $type...\n";
639    
640            # erase cache for tags by order in this database
641            delete $cache->{tags_by_order};
642    
643            if ($type_base eq "isis") {
644    
645                    my $isis_db = $cfg -> val($database, 'isis_db') || die "$database doesn't have 'isis_db' defined!";
646    
647                    $import2cp = Text::Iconv->new($config->{isis_codepage},$codepage);
648                    my $db = OpenIsis::open( $isis_db );
649    
650                    # check if .txt database for OpenIsis is zero length,
651                    # if so, erase it and re-open database
652                    sub check_txt_db {
653                            my $isis_db = shift || die "need isis database name";
654                            my $reopen = 0;
655    
656                            if (-e $isis_db.".TXT") {
657                                    print STDERR "WARNING: removing $isis_db.TXT OpenIsis database...\n";
658                                    unlink $isis_db.".TXT" || warn "FATAL: unlink error on '$isis_db.TXT': $!";
659                                    $reopen++;
660                            }
661                            if (-e $isis_db.".PTR") {
662                                    print STDERR "WARNING: removing $isis_db.PTR OpenIsis database...\n";
663                                    unlink $isis_db.".PTR" || warn "FATAL: unlink error on '$isis_db.PTR': $!";
664                                    $reopen++;
665                            }
666                            return OpenIsis::open( $isis_db ) if ($reopen);
667                    }
668    
669                    # EOF error
670                    if ($db == -1) {
671                            $db = check_txt_db($isis_db);
672                            if ($db == -1) {
673                                    print STDERR "FATAL: OpenIsis can't open zero size file $isis_db\n";
674                                    next;
675                            }
676                    }
677    
678                    # OpenIsis::ERR_BADF
679                    if ($db == -4) {
680                            print STDERR "FATAL: OpenIsis can't find file $isis_db\n";
681                            next;
682                    # OpenIsis::ERR_IO
683                    } elsif ($db == -5) {
684                            print STDERR "FATAL: OpenIsis can't access file $isis_db\n";
685                            next;
686                    } elsif ($db < 0) {
687                            print STDERR "FATAL: OpenIsis unknown error $db with file $isis_db\n";
688                            next;
689                    }
690    
691                    my $max_rowid = OpenIsis::maxRowid( $db );
692    
693                    # if 0 records, try to rease isis .txt database
694                    if ($max_rowid == 0) {
695                            # force removal of database
696                            $db = check_txt_db($isis_db);
697                            $max_rowid = OpenIsis::maxRowid( $db );
698                    }
699    
700                    print STDERR "Reading database: $isis_db [$max_rowid rows]\n";
701    
702                    my $path = $database;
703    
704                    for (my $row_id = 1; $row_id <= $max_rowid; $row_id++ ) {
705                            my $row = OpenIsis::read( $db, $row_id );
706                            if ($row && $row->{mfn}) {
707            
708                                    progress($row->{mfn}, $max_rowid);
709    
710                                    my $swishpath = $path."#".int($row->{mfn});
711    
712                                    if (my $xml = data2xml($type_base,$row,$add_xml,$cfg,$database)) {
713                                            $xml = $cp2utf->convert($xml);
714                                            use bytes;      # as opposed to chars
715                                            print "Path-Name: $swishpath\n";
716                                            print "Content-Length: ".(length($xml)+1)."\n";
717                                            print "Document-Type: XML\n\n$xml\n";
718                                    }
719                            }
720                    }
721                    # for this to work with current version of OpenIsis (0.9.0)
722                    # you might need my patch from
723                    # http://www.rot13.org/~dpavlin/projects/openisis-0.9.0-perl_close.diff
724                    OpenIsis::close($db);
725                    print STDERR "\n";
726    
727            } elsif ($type_base eq "excel") {
728                    require Spreadsheet::ParseExcel;
729                    require Spreadsheet::ParseExcel::Utility;
730                    import Spreadsheet::ParseExcel::Utility qw(int2col);
731                    
732                    $import2cp = Text::Iconv->new($config->{excel_codepage},$codepage);
733                    my $excel_file = $cfg -> val($database, 'excel_file') || die "$database doesn't have 'excel_file' defined!";
734    
735                    my $sheet = x($config->{sheet}) || die "no sheet in $type.xml";
736                    my $start_row = x($config->{start_row}) - 1 || die "no start_row in $type.xml";
737    
738                    my $oBook = Spreadsheet::ParseExcel::Workbook->Parse($excel_file) || die "can't open Excel file '$excel_file'";
739    
740                    my $sheet_nr = 0;
741                    foreach my $oWks (@{$oBook->{Worksheet}}) {
742                            #print STDERR "-- SHEET $sheet_nr:", $oWks->{Name}, "\n";
743                            last if ($oWks->{Name} eq $sheet);
744                            $sheet_nr++;
745                    }
746    
747                    my $oWorksheet = $oBook->{Worksheet}[$sheet_nr];
748            
749                    print STDERR "using sheet: ",$oWorksheet->{Name},"\n";
750                    defined ($oWorksheet) || die "can't find sheet '$sheet' in $excel_file";
751                    my $end_row = x($config->{end_row}) || $oWorksheet->{MaxRow};
752    
753                    for(my $iR = $start_row ; defined $end_row && $iR <= $end_row ; $iR++) {
754                            my $row;
755                            for(my $iC = $oWorksheet->{MinCol} ; defined $oWorksheet->{MaxCol} && $iC <= $oWorksheet->{MaxCol} ; $iC++) {
756                                    my $cell = $oWorksheet->{Cells}[$iR][$iC];
757                                    if ($cell) {
758                                            $row->{int2col($iC)} = $cell->Value;
759                                    }
760                            }
761    
762                            progress($iR, $end_row);
763    
764    #                       print "row[$iR/$end_row] ";
765    #                       foreach (keys %{$row}) {
766    #                               print "$_: ",$row->{$_},"\t";
767    #                       }
768    #                       print "\n";
769    
770                            my $swishpath = $database."#".$iR;
771    
772                            next if (! $row);
773    
774                            if (my $xml = data2xml($type_base,$row,$add_xml,$cfg,$database)) {
775                                    $xml = $cp2utf->convert($xml);
776                                    use bytes;      # as opposed to chars
777                                    print "Path-Name: $swishpath\n";
778                                    print "Content-Length: ".(length($xml)+1)."\n";
779                                    print "Document-Type: XML\n\n$xml\n";
780                            }
781                    }
782            } elsif ($type_base eq "marc") {
783    
784                    require MARC;
785                    
786                    $import2cp = Text::Iconv->new($config->{marc_codepage},$codepage);
787                    my $marc_file = $cfg -> val($database, 'marc_file') || die "$database doesn't have 'marc_file' defined!";
788    
789                    # optional argument is format
790                    my $format = x($config->{marc_format}) || 'usmarc';
791    
792                    print STDERR "Reading MARC file '$marc_file'\n";
793    
794                    my $marc = new MARC;
795                    my $nr = $marc->openmarc({
796                                    file=>$marc_file, format=>$format
797                            }) || die "Can't open MARC file '$marc_file' with format '$format'";
798    
799                    # read MARC file in memory
800                    $marc->nextmarc(-1);
801    
802                    my $max_rec = $marc->marc_count();
803    
804                    for(my $i=1; $i<=$max_rec; $i++) {
805    
806  #       { my $row_id = 4514;                          progress($i,$max_rec);
807  # FIX  
808          for (my $row_id = 1; $row_id <= $max_rowid; $row_id++ ) {                          # store value for marc_sf.pm
809                  my $row = OpenIsis::read( $db, $row_id );                          $main::cache->{marc_record} = $i;
810                  if ($row && $row->{mfn}) {  
811  #print STDERR "mfn: ",$row->{mfn},"\n";                          my $swishpath = $database."#".$i;
812                          # output current process indicator  
813                          my $p = int($row->{mfn} * 100 / $max_rowid);                          if (my $xml = data2xml($type_base,$marc,$add_xml,$cfg,$database)) {
814                          if ($p != $last_p) {                                  $xml = $cp2utf->convert($xml);
815                                  printf STDERR ("%5d / %5d [%-51s] %-2d %% \r",$row->{mfn},$max_rowid,"=" x ($p/2).">", $p ) if (! $opts{q});                                  use bytes;      # as opposed to chars
816                                  $last_p = $p;                                  print "Path-Name: $swishpath\n";
                         }  
   
                         if (my $xml = isis2xml($row,$add_xml)) {  
 #print STDERR "--ret-->$xml\n";  
                                 print "Path-Name: $path#".int($row->{mfn})."\n";  
817                                  print "Content-Length: ".(length($xml)+1)."\n";                                  print "Content-Length: ".(length($xml)+1)."\n";
818                                  print "Document-Type: XML\n\n$xml\n";                                  print "Document-Type: XML\n\n$xml\n";
819                          }                          }
820                  }                  }
821    
822                    print STDERR "\n";
823    
824            } elsif ($type_base eq "feed") {
825    
826                    $import2cp = Text::Iconv->new($config->{feed_codepage},$codepage);
827                    my $prog = x($config->{prog}) || die "$database doesn't have 'prog' defined!";
828    
829                    print STDERR "Reading feed from program '$prog'\n";
830    
831                    open(FEED,"feeds/$prog |") || die "can't start $prog: $!";
832    
833                    my $i=1;        # record nr.
834    
835                    my $data;
836                    my $line=1;
837    
838                    while (<FEED>) {
839                            chomp;
840    
841                            if (/^$/) {
842                                    my $swishpath = $database."#".$i++;
843    
844                                    if (my $xml = data2xml($type_base,$data,$add_xml,$cfg,$database)) {
845                                            $xml = $cp2utf->convert($xml);
846                                            use bytes;      # as opposed to chars
847                                            print "Path-Name: $swishpath\n";
848                                            print "Content-Length: ".(length($xml)+1)."\n";
849                                            print "Document-Type: XML\n\n$xml\n";
850                                    }
851                                    $line = 1;
852                                    $data = {};
853                                    next;
854                            }
855    
856                            $line = $1 if (s/^(\d+):\s*//);
857                            $data->{$line++} = $_;
858    
859                            fakeprogress($i);
860    
861                    }
862                    # close lookup
863                    untie %lhash if (%lhash);
864          }          }
         print STDERR "\n";  
865  }  }
866    
867  # call this to commit index  # call this to commit index
# Line 216  __END__ Line 873  __END__
873    
874  =head1 NAME  =head1 NAME
875    
876  isis2xml.pl - read isis file and dump XML  all2xml.pl - read various file formats and dump XML for SWISH-E
877    
878  =head1 DESCRIPTION  =head1 DESCRIPTION
879    
880  This command will read ISIS data file using OpenIsis perl module and  This command will read ISIS data file using OpenIsis perl module, MARC
881  create XML file for usage with I<SWISH-E>  records using MARC module and optionally Micro$oft Excel files to
882  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,
883  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
884  script is tailor-made for SWISH-E.  has something like that). Output of this script is tailor-made for SWISH-E.
885    
886    =head1 BUGS
887    
888    Documentation is really lacking. However, in true Open Source spirit, source
889    is best documentation. I even made considerable effort to comment parts
890    which are not intuitively clear, so...
891    
892  =head1 AUTHOR  =head1 AUTHOR
893    

Legend:
Removed from v.17  
changed lines
  Added in v.263

  ViewVC Help
Powered by ViewVC 1.1.26