/[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 44 by dpavlin, Sat Mar 22 22:51:48 2003 UTC revision 195 by dpavlin, Sun Dec 14 20:50:03 2003 UTC
# Line 9  use Text::Unaccent 1.02;       # 1.01 won't co Line 9  use Text::Unaccent 1.02;       # 1.01 won't co
9  use Text::Iconv;  use Text::Iconv;
10  use Config::IniFiles;  use Config::IniFiles;
11  use Encode;  use Encode;
12    #use GDBM_File;
13    use Fcntl;      # for O_RDWR
14    use TDB_File;
15    
16  $|=1;  $|=1;
17    
# Line 18  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 34  getopts('d:m:qs', \%opts); Line 37  getopts('d:m:qs', \%opts);
37    
38  my $path;       # this is name of database  my $path;       # this is name of database
39    
40  Text::Iconv->raise_error(1);     # Conversion errors raise exceptions  Text::Iconv->raise_error(0);     # Conversion errors don't raise exceptions
41    
42  # 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
43  # 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 49  sub x {
49          return $utf2cp->convert($_[0]);          return $utf2cp->convert($_[0]);
50  }  }
51    
52  # decode isis import codepage  # decode isis/excel or other import codepage
53  my $isis2cp;  my $import2cp;
54    
55  # outgoing xml must be in UTF-8  # outgoing xml must be in UTF-8
56  my $cp2utf = Text::Iconv->new($codepage,'UTF-8');  my $cp2utf = Text::Iconv->new($codepage,'UTF-8');
57    
58  sub isis2xml {  # mapping between data type and tag which specify
59    # format in XML file
60    my %type2tag = (
61            'isis' => 'isis',
62            'excel' => 'column',
63            '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    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 69  sub isis2xml { Line 95  sub isis2xml {
95    
96          # sort subrouting using order="" attribute          # sort subrouting using order="" attribute
97          sub by_order {          sub by_order {
98                  return 0 if (! $config->{indexer}->{$a}->{order});                  my $va = $config->{indexer}->{$a}->{order} ||
99                  return 0 if (! $config->{indexer}->{$b}->{order});                          $config->{indexer}->{$a};
100                    my $vb = $config->{indexer}->{$b}->{order} ||
101                            $config->{indexer}->{$b};
102    
103                  return $config->{indexer}->{$a}->{order} <=>                  return $va <=> $vb;
                         $config->{indexer}->{$b}->{order} ;  
104          }          }
105    
106          foreach my $field (sort by_order keys %{$config->{indexer}}) {          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                  $field=x($field);          # 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;                  my $line_delimiter;
165    
166                  my ($swish,$display);                  my ($swish,$display);
167    
168                  foreach my $x (@{$config->{indexer}->{$field}->{isis}}) {                  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});                          my $format = x($x->{content});
188                          my $delimiter = x($x->{delimiter}) || ' ';                          my $delimiter = x($x->{delimiter}) || ' ';
189    
190                          my $isis_i = 0;         # isis repeatable offset                          my $repeat_off = 0;     # init repeatable offset
191    
192                          my ($s,$d,$i) = (1,1,0);        # swish, display default                          # 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");                          $s = 0 if (lc($x->{type}) eq "display");
196                          $d = 0 if (lc($x->{type}) eq "swish");                          $d = 0 if (lc($x->{type}) eq "swish");
197                          ($s,$d,$i) = (0,0,1) if (lc($x->{type}) eq "index");                          ($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?                          # what will separate last line from this one?
202                          if ($display_data && $x->{append} && $x->{append} eq "1") {                          if ($display_data && $x->{append}) {
203                                  $line_delimiter = ' ';                                  $line_delimiter = ' ';
204                          } elsif ($display_data) {                          } elsif ($display_data) {
205                                  $line_delimiter = '<br/>';                                  $line_delimiter = '<br/>';
# Line 110  sub isis2xml { Line 208  sub isis2xml {
208                          # init vars so that we go into while...                          # init vars so that we go into while...
209                          ($swish,$display) = (1,1);                          ($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 || $display) {                          while ($swish || $display) {
241                                  ($swish,$display) = parse_format($format,$row,$isis_i++,$isis2cp);                                  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                                  # filter="name" ; filter this field through
273                                  # filter/[name].pm                                  # filter/[name].pm
274                                  my $filter = $x->{filter};                                  my $filter = $x->{filter};
275                                  if ($filter) {                                  if ($filter && !$cache->{filter_loaded}->{$filter}) {
276                                          require "filter/".$filter.".pm";                                          require "filter/".$filter.".pm";
277                                            $cache->{filter_loaded}->{$filter}++;
278                                  }                                  }
279                                  # type="swish" ; field for swish                                  # type="swish" ; field for swish
280                                  if ($s && $swish) {                                  if ($swish) {
281                                          if ($filter) {                                          if ($filter && ($s || $se)) {
282                                                  no strict 'refs';                                                  no strict 'refs';
283                                                  $swish_data .= join(" ",&$filter($swish));                                                  my $tmp = join(" ",&$filter($swish)) if ($s || $se);
284                                                    $swish_data .= $tmp if ($s);
285                                                    $swish_exact_data .= $tmp if ($se);
286    
287                                          } else {                                          } else {
288                                                  $swish_data .= $swish;                                                  $swish_data .= $swish if ($s);
289                                                    $swish_exact_data .= $swish if ($se);
290                                          }                                          }
291                                  }                                  }
292    
# Line 133  sub isis2xml { Line 294  sub isis2xml {
294                                  if ($d && $display) {                                  if ($d && $display) {
295                                          if ($line_delimiter && $display_data) {                                          if ($line_delimiter && $display_data) {
296                                                  $display_data .= $line_delimiter;                                                  $display_data .= $line_delimiter;
                                                 undef $line_delimiter;  
297                                          }                                          }
298                                          if ($filter) {                                          if ($filter) {
299                                                  no strict 'refs';                                                  no strict 'refs';
300                                                  $display_data .= join($delimiter,&$filter($display));                                                  if ($display_data) {
301                                                            $display_data .= $delimiter.join($delimiter,mkformat($x,&$filter($display)));
302                                                    } else {
303                                                            $display_data = join($delimiter,mkformat($x,&$filter($display)));
304                                                    }
305                                          } else {                                          } else {
306                                                  if ($display_data) {                                                  if ($display_data) {
307                                                          $display_data .= $delimiter.$display;                                                          $display_data .= $delimiter.mkformat($x,$display);
308                                                  } else {                                                  } else {
309                                                          $display_data .= $display;                                                          $display_data = mkformat($x,$display);
310                                                  }                                                  }
311                                          }                                          }
312                                  }                                  }
313                                                                                                    
314                                  # type="index" ; insert into index                                  # type="index" ; insert into index
315                                    my $idisplay;
316                                  if ($i && $display) {                                  if ($i && $display) {
317                                          my $index_data = $display;                                          $idisplay = $display;
318                                          if ($filter) {                                          if ($filter) {
319                                                  no strict 'refs';                                                  no strict 'refs';
320                                                  foreach my $d (&$filter($index_data)) {                                                  $idisplay = &$filter($idisplay);
321                                                          $index->insert($field, $d, $path);                                          }
322                                            push @index_data, $idisplay if (! $iterate_by_page);
323                                    }
324    
325                                    # store fields in lookup
326                                    if ($il && $display) {
327                                            if (lc($x->{type}) eq "lookup_key") {
328                                                    if ($lookup_key) {
329                                                            print STDERR "WARNING: try to redefine lookup_key (keys shouldn't be repeatable fields!)";
330                                                    } else {
331                                                            $lookup_key = $display;
332                                                    }
333                                            } elsif (lc($x->{type}) eq "lookup_val") {
334                                                    if ($lookup_key) {
335                                                            $lhash{$lookup_key} = $display;
336                                                    } else {
337                                                            print STDERR "WARNING: no lookup_key defined for  '$display'?";
338                                                    }
339                                            }
340    
341                                    }
342    
343                                    # store data for page-by-page repeatable fields
344                                    if ($iterate_by_page) {
345                                            sub iterate_fld($$$$$$) {
346                                                    my ($cache,$what,$field,$page,$data,$append) = @_;
347                                                    return if (!$data);
348    
349                                                    my $ldel = $page_line_delimiter;
350                                                    $ldel = " " if ($append);
351    #print STDERR "line delimiter: ",Dumper($ldel) if ($ldel);
352                                                    if (! $cache->{$what}->{$field}->[$page]) {
353                                                            $cache->{$what}->{$field}->[$page] = $data;
354                                                    } else {
355                                                            $cache->{$what}->{$field}->[$page] .= $ldel.$data;
356                                                  }                                                  }
357                                          } else {                                          }
358                                                  $index->insert($field, $index_data, $path);  
359                                            if ($display_data) {
360                                                    iterate_fld($cache,'display_data',$field,$page,$display_data,$x->{append});
361                                            }
362                                                    $display_data = "";
363                                            if ($swish_data) {
364                                                    iterate_fld($cache,'swish_data',$field,$page,$swish_data,$x->{append});
365                                                    $swish_data = "";
366                                            }
367                                            if ($swish_exact_data) {
368                                                    iterate_fld($cache,'swish_exact_data',$field,$page,$swish_exact_data,$x->{append});
369                                                    $swish_exact_data = "";
370                                            }
371    
372                                            if ($idisplay) {
373                                                    my $ldel=$page_line_delimiter;
374                                                    my @index_data;
375                                                    if ($cache->{index_data}->{$field}->[$page]) {
376    
377                                                            @index_data = @{$cache->{index_data}->{$field}->[$page]};
378                                                    }
379                                                    if ($x->{append}) {
380                                                            if (@index_data) {
381                                                                    $index_data[$#index_data] .= $idisplay;
382                                                            } else {
383                                                                    push @index_data, $idisplay;
384                                                            }
385                                                    } else {
386                                                            push @index_data, $idisplay;
387                                                    }
388                                                    $idisplay = "";
389                                                    @{$cache->{index_data}->{$field}->[$page]} = @index_data;
390                                          }                                          }
391                                  }                                  }
392                          }                          }
393    
394                            if (! $iterate_by_page) {
395                                    my $idel = $x->{index_delimiter};
396                                    # fill data in index
397                                    foreach my $tmp (@index_data) {
398                                            my $i = $d = $tmp;
399                                            if ($idel && $tmp =~ m/$idel/) {
400                                                    ($i,$d) = split(/$idel/,$tmp);
401                                            }
402                                            $index->insert($field, $i, $d, $path);
403                                    }
404                                    @index_data = ();
405                            }
406                  }                  }
407    
408                    # now try to parse variables from configuration file
409                    foreach my $x (@{$config->{indexer}->{$field}->{'config'}}) {
410    
411                  if ($display_data) {                          my $delimiter = x($x->{delimiter}) || ' ';
412                            my $val = $cfg->val($database, x($x->{content}));
413    
414                          if ($field eq "headline") {                          my ($s,$d,$i) = (1,1,0);        # swish, display default
415                                  $xml .= xmlify("headline", $display_data);                          $s = 0 if (lc($x->{type}) eq "display");
416                          } else {                          $d = 0 if (lc($x->{type}) eq "swish");
417                            # no support for swish exact in config.
418                            # IMHO, it's useless
419                            ($s,$d,$i) = (0,0,1) if (lc($x->{type}) eq "index");
420    
421                                  # find field name (signular, plural)                          if ($val) {
422                                  my $field_name = "";                                  $display_data .= $delimiter.$val if ($d);
423                                  if ($config->{indexer}->{$field}->{name_singular} && $field_usage{$field} == 1) {                                  $swish_data .= $val if ($s);
424                                          $field_name = $config->{indexer}->{$field}->{name_singular}."#-#";                                  $index->insert($field, $val, $path) if ($i);
425                                  } elsif ($config->{indexer}->{$field}->{name_plural}) {                          }
426                                          $field_name = $config->{indexer}->{$field}->{name_plural}."#-#";  
427                                  } elsif ($config->{indexer}->{$field}->{name}) {                          if ($iterate_by_page) {
428                                          $field_name = $config->{indexer}->{$field}->{name}."#-#";                                  # FIXME data from config tag will appear just
429                                  } else {                                  # on first page!!!
430                                          print STDERR "WARNING: field '$field' doesn't have 'name' attribute!";                                  my $page = 0;
431                                    if ($display_data) {
432                                            $cache->{display_data}->{$field}->[$page] = $display_data;
433                                            $display_data = "";
434                                  }                                  }
435                                  if ($field_name) {                                  if ($swish_data) {
436                                          $html .= x($field_name);                                          $cache->{swish_data}->{$field}->[$page] = $swish_data;
437                                            $swish_data = "";
438                                    }
439                                    if ($swish_exact_data) {
440                                            $cache->{swish_exact_data}->{$field}->[$page] = $swish_exact_data;
441                                            $swish_exact_data = "";
442                                  }                                  }
                                 $html .= $display_data."###\n";  
443                          }                          }
444                  }                  }
                 if ($swish_data) {  
                         # remove extra spaces  
                         $swish_data =~ s/ +/ /g;  
                         $swish_data =~ s/ +$//g;  
445    
446                          $xml .= xmlify($field."_swish", unac_string($codepage,$swish_data));                  # save data page-by-page
447                    foreach my $field (@page_fields) {
448                            my $nr_pages = $page_max{$field} || next;
449    #print STDERR "field '$field' iterate over ",($nr_pages || 0)," pages...\n";
450    #print STDERR Dumper($cache->{display_data});
451                            for (my $page=0; $page <= $nr_pages; $page++) {
452                                    my $display_data;
453                                    if ($cache->{format}->{$field}) {
454                                            $display_data=mkformat($cache->{format}->{$field},$cache->{display_data}->{$field}->[$page]);
455                                    } else {
456                                            $display_data = $cache->{display_data}->{$field}->[$page];
457                                    }
458                                    if ($display_data) { # default
459                                            if ($field eq "headline") {
460                                                    $xml .= xmlify("headline", $display_data);
461                                            } else {
462    
463                                                    # fallback to empty field name if needed
464                                                    $html .= get_field_name($config,$field,$field_usage{$field}) || '';
465                                                    $html .= "#-#".$display_data."###\n";
466                                            }
467                                    }
468                                    
469                                    my $swish_data = $cache->{swish_data}->{$field}->[$page];
470                                    if ($swish_data) {
471                                            # remove extra spaces
472                                            $swish_data =~ s/ +/ /g;
473                                            $swish_data =~ s/ +$//g;
474    
475                                            $xml .= xmlify($field."_swish", unac_string($codepage,$swish_data));
476                                    }
477    
478                                    my $swish_exact_data = $cache->{swish_exact_data}->{$field}->[$page];
479                                    if ($swish_exact_data) {
480                                            $swish_exact_data =~ s/ +/ /g;
481                                            $swish_exact_data =~ s/ +$//g;
482    
483                                            # add delimiters before and after word.
484                                            # That is required to produce exact match
485                                            $xml .= xmlify($field."_swish_exact", unac_string($codepage,'xxbxx '.$swish_exact_data.' xxexx'));
486                                    }
487                                    
488                                    my $idel = $cache->{index_delimiter}->{$field};
489                                    foreach my $tmp (@{$cache->{index_data}->{$field}->[$page]}) {
490                                            my $i = $tmp;
491                                            my $d = $tmp;
492                                            if ($idel && $tmp =~ m/$idel/) {
493                                                    ($i,$d) = split(/$idel/,$tmp);
494                                            }
495                                            $index->insert($field, $i, $d, $path);
496    #print STDERR "index [$idel] $field: $i --> $d [$path]\n";
497                                    }
498                            }
499            
500                  }                  }
501                    
502                    if (! $iterate_by_page) {
503                            if ($display_data) {
504                                    if ($field eq "headline") {
505                                            $xml .= xmlify("headline", $display_data);
506                                    } else {
507    
508                                            # fallback to empty field name if needed
509                                            $html .= get_field_name($config,$field,$field_usage{$field}) || '';
510                                            $html .= "#-#".$display_data."###\n";
511                                    }
512                            }
513                            if ($swish_data) {
514                                    # remove extra spaces
515                                    $swish_data =~ s/ +/ /g;
516                                    $swish_data =~ s/ +$//g;
517    
518                                    $xml .= xmlify($field."_swish", unac_string($codepage,$swish_data));
519                            }
520    
521                            if ($swish_exact_data) {
522                                    $swish_exact_data =~ s/ +/ /g;
523                                    $swish_exact_data =~ s/ +$//g;
524    
525                                    # add delimiters before and after word.
526                                    # That is required to produce exact match
527                                    $xml .= xmlify($field."_swish_exact", unac_string($codepage,'xxbxx '.$swish_exact_data.' xxexx'));
528                            }
529                    }
530          }          }
531    
532          # dump formatted output in <html>          # dump formatted output in <html>
533          if ($html) {          if ($html) {
534                  $xml .= xmlify("html",$html);                  #$xml .= xmlify("html",$html);
535                    $xml .= "<html><![CDATA[ $html ]]></html>";
536          }          }
537                    
538          if ($xml) {          if ($xml) {
# Line 212  sub isis2xml { Line 545  sub isis2xml {
545    
546  ##########################################################################  ##########################################################################
547    
548    # read configuration for this script
549  my $cfg = new Config::IniFiles( -file => $config_file );  my $cfg = new Config::IniFiles( -file => $config_file );
550    
551    # read global.conf configuration
552    my $cfg_global = new Config::IniFiles( -file => 'global.conf' );
553    
554    # open index
555    $index = new index_DBI(
556                    $cfg_global->val('global', 'dbi_dbd'),
557                    $cfg_global->val('global', 'dbi_dsn'),
558                    $cfg_global->val('global', 'dbi_user'),
559                    $cfg_global->val('global', 'dbi_passwd') || '',
560            );
561    
562    my $show_progress = $cfg_global->val('global', 'show_progress');
563    
564    my $unac_filter = $cfg_global->val('global', 'unac_filter');
565    if ($unac_filter) {
566            require $unac_filter;
567    }
568    
569  foreach my $database ($cfg->Sections) {  foreach my $database ($cfg->Sections) {
570    
571          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";  
572          my $add_xml = $cfg -> val($database, 'xml');    # optional          my $add_xml = $cfg -> val($database, 'xml');    # optional
573    
574          $config=XMLin("./import_xml/$type.xml", forcearray => [ 'isis' ], forcecontent => 1);          # create new lookup file
575            my $lookup_file = $cfg -> val($database, 'lookup_newfile'); # optional
576          $isis2cp = Text::Iconv->new($config->{isis_codepage},$codepage);          if ($lookup_file) {
577                    #tie %lhash, 'GDBM_File', $lookup_file, &GDBM_NEWDB, 0644;
578                    tie %lhash, 'TDB_File', $lookup_file, TDB_CLEAR_IF_FIRST, O_RDWR, 0644;
579                    print STDERR "creating lookup file '$lookup_file'\n";
580            }
581    
582          my $db = OpenIsis::open( $isis_db );          # open existing lookup file
583          if (0) {          $lookup_file = $cfg -> val($database, 'lookup_open'); # optional
584  #       # FIX          if ($lookup_file) {
585  #       if (! $db ) {                  #tie %lhash, 'GDBM_File', $lookup_file, &GDBM_READER, 0644;
586                  print STDERR "WARNING: can't open '$isis_db'\n";                  tie %lhash, 'TDB_File', $lookup_file, TDB_DEFAULT, O_RDWR, 0644;
587                  next ;                  print STDERR "opening lookup file '$lookup_file'\n";
588          }          }
589    
590          my $max_rowid = OpenIsis::maxRowid( $db );  print STDERR "reading ./import_xml/$type.xml\n";
591    
592          print STDERR "Reading database: $isis_db [$max_rowid rows]\n";          # extract just type basic
593            my $type_base = $type;
594            $type_base =~ s/_.+$//g;
595    
596          my $path = $database;                   # was $isis_db          $config=XMLin("./import_xml/$type.xml", forcearray => [ $type2tag{$type_base}, 'config', 'format' ], forcecontent => 1);
597    
598            # output current progress indicator
599          my $last_p = 0;          my $last_p = 0;
600            sub progress {
601                    return if (! $show_progress);
602                    my $current = shift;
603                    my $total = shift || 1;
604                    my $p = int($current * 100 / $total);
605                    if ($p != $last_p) {
606                            printf STDERR ("%5d / %5d [%-51s] %-2d %% \r",$current,$total,"=" x ($p/2).">", $p );
607                            $last_p = $p;
608                    }
609            }
610    
611            my $fake_dir = 1;
612            sub fakeprogress {
613                    return if (! $show_progress);
614                    my $current = shift @_;
615    
616                    my @ind = ('-','\\','|','/','-','\\','|','/', '-');
617    
618                    $last_p += $fake_dir;
619                    $fake_dir = -$fake_dir if ($last_p > 1000 || $last_p < 0);
620                    if ($last_p % 10 == 0) {
621                            printf STDERR ("%5d / %5s [%-51s]\r",$current,"?"," " x ($last_p/20).$ind[($last_p/20) % $#ind]);
622                    }
623            }
624    
625            # now read database
626    print STDERR "using: $type...\n";
627    
628            # erase cache for tags by order in this database
629            delete $cache->{tags_by_order};
630    
631            if ($type_base eq "isis") {
632    
633                    my $isis_db = $cfg -> val($database, 'isis_db') || die "$database doesn't have 'isis_db' defined!";
634    
635                    $import2cp = Text::Iconv->new($config->{isis_codepage},$codepage);
636                    my $db = OpenIsis::open( $isis_db );
637    
638                    # check if .txt database for OpenIsis is zero length,
639                    # if so, erase it and re-open database
640                    sub check_txt_db {
641                            my $isis_db = shift || die "need isis database name";
642                            my $reopen = 0;
643    
644                            if (-e $isis_db.".TXT") {
645                                    print STDERR "WARNING: removing $isis_db.TXT OpenIsis database...\n";
646                                    unlink $isis_db.".TXT" || warn "FATAL: unlink error on '$isis_db.TXT': $!";
647                                    $reopen++;
648                            }
649                            if (-e $isis_db.".PTR") {
650                                    print STDERR "WARNING: removing $isis_db.PTR OpenIsis database...\n";
651                                    unlink $isis_db.".PTR" || warn "FATAL: unlink error on '$isis_db.PTR': $!";
652                                    $reopen++;
653                            }
654                            return OpenIsis::open( $isis_db ) if ($reopen);
655                    }
656    
657                    # EOF error
658                    if ($db == -1) {
659                            $db = check_txt_db($isis_db);
660                            if ($db == -1) {
661                                    print STDERR "FATAL: OpenIsis can't open zero size file $isis_db\n";
662                                    next;
663                            }
664                    }
665    
666                    # OpenIsis::ERR_BADF
667                    if ($db == -4) {
668                            print STDERR "FATAL: OpenIsis can't find file $isis_db\n";
669                            next;
670                    # OpenIsis::ERR_IO
671                    } elsif ($db == -5) {
672                            print STDERR "FATAL: OpenIsis can't access file $isis_db\n";
673                            next;
674                    } elsif ($db < 0) {
675                            print STDERR "FATAL: OpenIsis unknown error $db with file $isis_db\n";
676                            next;
677                    }
678    
679                    my $max_rowid = OpenIsis::maxRowid( $db );
680    
681                    # if 0 records, try to rease isis .txt database
682                    if ($max_rowid == 0) {
683                            # force removal of database
684                            $db = check_txt_db($isis_db);
685                            $max_rowid = OpenIsis::maxRowid( $db );
686                    }
687    
688                    print STDERR "Reading database: $isis_db [$max_rowid rows]\n";
689    
690                    my $path = $database;
691    
692                    for (my $row_id = 1; $row_id <= $max_rowid; $row_id++ ) {
693                            my $row = OpenIsis::read( $db, $row_id );
694                            if ($row && $row->{mfn}) {
695            
696                                    progress($row->{mfn}, $max_rowid);
697    
698                                    my $swishpath = $path."#".int($row->{mfn});
699    
700  #       { my $row_id = 4514;                                  if (my $xml = data2xml($type_base,$row,$add_xml,$cfg,$database)) {
701  # FIX                                          $xml = $cp2utf->convert($xml);
702          for (my $row_id = 1; $row_id <= $max_rowid; $row_id++ ) {                                          use bytes;      # as opposed to chars
703                  my $row = OpenIsis::read( $db, $row_id );                                          print "Path-Name: $swishpath\n";
704                  if ($row && $row->{mfn}) {                                          print "Content-Length: ".(length($xml)+1)."\n";
705                          # output current process indicator                                          print "Document-Type: XML\n\n$xml\n";
706                          my $p = int($row->{mfn} * 100 / $max_rowid);                                  }
                         if ($p != $last_p) {  
                                 printf STDERR ("%5d / %5d [%-51s] %-2d %% \r",$row->{mfn},$max_rowid,"=" x ($p/2).">", $p ) if (! $opts{q});  
                                 $last_p = $p;  
707                          }                          }
708                    }
709                    # for this to work with current version of OpenIsis (0.9.0)
710                    # you might need my patch from
711                    # http://www.rot13.org/~dpavlin/projects/openisis-0.9.0-perl_close.diff
712                    OpenIsis::close($db);
713                    print STDERR "\n";
714    
715            } elsif ($type_base eq "excel") {
716                    use Spreadsheet::ParseExcel;
717                    use Spreadsheet::ParseExcel::Utility qw(int2col);
718                    
719                    $import2cp = Text::Iconv->new($config->{excel_codepage},$codepage);
720                    my $excel_file = $cfg -> val($database, 'excel_file') || die "$database doesn't have 'excel_file' defined!";
721    
722                    my $sheet = x($config->{sheet}) || die "no sheet in $type.xml";
723                    my $start_row = x($config->{start_row}) - 1 || die "no start_row in $type.xml";
724    
725                    my $oBook = Spreadsheet::ParseExcel::Workbook->Parse($excel_file) || die "can't open Excel file '$excel_file'";
726    
727                    my $sheet_nr = 0;
728                    foreach my $oWks (@{$oBook->{Worksheet}}) {
729                            #print STDERR "-- SHEET $sheet_nr:", $oWks->{Name}, "\n";
730                            last if ($oWks->{Name} eq $sheet);
731                            $sheet_nr++;
732                    }
733    
734                    my $oWorksheet = $oBook->{Worksheet}[$sheet_nr];
735            
736                    print STDERR "using sheet: ",$oWorksheet->{Name},"\n";
737                    defined ($oWorksheet) || die "can't find sheet '$sheet' in $excel_file";
738                    my $end_row = x($config->{end_row}) || $oWorksheet->{MaxRow};
739    
740                    for(my $iR = $start_row ; defined $end_row && $iR <= $end_row ; $iR++) {
741                            my $row;
742                            for(my $iC = $oWorksheet->{MinCol} ; defined $oWorksheet->{MaxCol} && $iC <= $oWorksheet->{MaxCol} ; $iC++) {
743                                    my $cell = $oWorksheet->{Cells}[$iR][$iC];
744                                    if ($cell) {
745                                            $row->{int2col($iC)} = $cell->Value;
746                                    }
747                            }
748    
749                            progress($iR, $end_row);
750    
751    #                       print "row[$iR/$end_row] ";
752    #                       foreach (keys %{$row}) {
753    #                               print "$_: ",$row->{$_},"\t";
754    #                       }
755    #                       print "\n";
756    
757                          my $swishpath = $path."#".int($row->{mfn});                          my $swishpath = $database."#".$iR;
758    
759                          if (my $xml = isis2xml($row,$add_xml)) {                          next if (! $row);
760    
761                            if (my $xml = data2xml($type_base,$row,$add_xml,$cfg,$database)) {
762                                  $xml = $cp2utf->convert($xml);                                  $xml = $cp2utf->convert($xml);
763                                  use bytes;      # as opposed to chars                                  use bytes;      # as opposed to chars
764                                  print "Path-Name: $swishpath\n";                                  print "Path-Name: $swishpath\n";
# Line 262  foreach my $database ($cfg->Sections) { Line 766  foreach my $database ($cfg->Sections) {
766                                  print "Document-Type: XML\n\n$xml\n";                                  print "Document-Type: XML\n\n$xml\n";
767                          }                          }
768                  }                  }
769            } elsif ($type_base eq "marc") {
770    
771                    use MARC;
772                    
773                    $import2cp = Text::Iconv->new($config->{marc_codepage},$codepage);
774                    my $marc_file = $cfg -> val($database, 'marc_file') || die "$database doesn't have 'marc_file' defined!";
775    
776                    # optional argument is format
777                    my $format = x($config->{format}) || 'usmarc';
778    
779                    print STDERR "Reading MARC file '$marc_file'\n";
780    
781                    my $marc = new MARC;
782                    my $nr = $marc->openmarc({
783                                    file=>$marc_file, format=>$format
784                            }) || die "Can't open MARC file '$marc_file'";
785    
786                    my $i=0;        # record nr.
787    
788                    my $rec;
789    
790                    while ($marc->nextmarc(1)) {
791    
792                            # XXX
793                            fakeprogress($i++);
794    
795                            my $swishpath = $database."#".$i;
796    
797                            if (my $xml = data2xml($type_base,$marc,$add_xml,$cfg,$database)) {
798                                    $xml = $cp2utf->convert($xml);
799                                    use bytes;      # as opposed to chars
800                                    print "Path-Name: $swishpath\n";
801                                    print "Content-Length: ".(length($xml)+1)."\n";
802                                    print "Document-Type: XML\n\n$xml\n";
803                            }
804                    }
805            } elsif ($type_base eq "feed") {
806    
807                    $import2cp = Text::Iconv->new($config->{feed_codepage},$codepage);
808                    my $prog = x($config->{prog}) || die "$database doesn't have 'prog' defined!";
809    
810                    print STDERR "Reading feed from program '$prog'\n";
811    
812                    open(FEED,"feeds/$prog |") || die "can't start $prog: $!";
813    
814                    my $i=1;        # record nr.
815    
816                    my $data;
817                    my $line=1;
818    
819                    while (<FEED>) {
820                            chomp;
821    
822                            if (/^$/) {
823                                    my $swishpath = $database."#".$i++;
824    
825                                    if (my $xml = data2xml($type_base,$data,$add_xml,$cfg,$database)) {
826                                            $xml = $cp2utf->convert($xml);
827                                            use bytes;      # as opposed to chars
828                                            print "Path-Name: $swishpath\n";
829                                            print "Content-Length: ".(length($xml)+1)."\n";
830                                            print "Document-Type: XML\n\n$xml\n";
831                                    }
832                                    $line = 1;
833                                    $data = {};
834                                    next;
835                            }
836    
837                            $line = $1 if (s/^(\d+):\s*//);
838                            $data->{$line++} = $_;
839    
840                            fakeprogress($i);
841    
842                    }
843                    # close lookup
844                    untie %lhash if (%lhash);
845          }          }
         print STDERR "\n";  
846  }  }
847    
848  # call this to commit index  # call this to commit index
# Line 275  __END__ Line 854  __END__
854    
855  =head1 NAME  =head1 NAME
856    
857  isis2xml.pl - read isis file and dump XML  all2xml.pl - read various file formats and dump XML for SWISH-E
858    
859  =head1 DESCRIPTION  =head1 DESCRIPTION
860    
861  This command will read ISIS data file using OpenIsis perl module and  This command will read ISIS data file using OpenIsis perl module, MARC
862  create XML file for usage with I<SWISH-E>  records using MARC module and optionally Micro$oft Excel files to
863  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,
864  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
865  script is tailor-made for SWISH-E.  has something like that). Output of this script is tailor-made for SWISH-E.
866    
867    =head1 BUGS
868    
869    Documentation is really lacking. However, in true Open Source spirit, source
870    is best documentation. I even made considerable effort to comment parts
871    which are not intuitively clear, so...
872    
873  =head1 AUTHOR  =head1 AUTHOR
874    

Legend:
Removed from v.44  
changed lines
  Added in v.195

  ViewVC Help
Powered by ViewVC 1.1.26