/[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 7 by dpavlin, Sat Jan 11 16:44:03 2003 UTC revision 195 by dpavlin, Sun Dec 14 20:50:03 2003 UTC
# Line 6  use Getopt::Std; Line 6  use Getopt::Std;
6  use Data::Dumper;  use Data::Dumper;
7  use XML::Simple;  use XML::Simple;
8  use Text::Unaccent 1.02;        # 1.01 won't compile on my platform,  use Text::Unaccent 1.02;        # 1.01 won't compile on my platform,
9  require Unicode::Map8;  use Text::Iconv;
10    use Config::IniFiles;
11  my $config=XMLin(undef, forcearray => [ 'isis' ], forcecontent => 1);  use Encode;
12    #use GDBM_File;
13    use Fcntl;      # for O_RDWR
14    use TDB_File;
15    
16    $|=1;
17    
18    my $config_file = $0;
19    $config_file =~ s/\.pl$/.conf/;
20    die "FATAL: can't find configuration file '$config_file'" if (! -e $config_file);
21    
22    my $config;
23    
24    #use index_DBI;         # default DBI module for index
25    use index_DBI_cache;    # faster DBI module using memory cache
26    my $index;
27    
28  my %opts;  my %opts;
29    
# Line 20  my %opts; Line 35  my %opts;
35    
36  getopts('d:m:qs', \%opts);  getopts('d:m:qs', \%opts);
37    
38  my $db_dir = $opts{d} || "ps";  # FIX  my $path;       # this is name of database
39    
40    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
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    # decode isis/excel or other import codepage
53    my $import2cp;
54    
55  #die "usage: $0 -d [database_dir] -m [database1,database2] " if (! %opts);  # outgoing xml must be in UTF-8
56    my $cp2utf = Text::Iconv->new($codepage,'UTF-8');
57    
58  #print Dumper($config->{indexer});  # mapping between data type and tag which specify
59  #print "-" x 70,"\n";  # format in XML file
60    my %type2tag = (
61            'isis' => 'isis',
62            'excel' => 'column',
63            'marc' => 'marc',
64            'feed' => 'feed'
65    );
66    
67  # how to convert isis code page to UTF8?  my $cache;      # for cacheing
 my $isis_map = Unicode::Map8->new($config->{isis_codepage}) || die;  
68    
69  sub isis2xml {  # 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;
80    
81            my $type = shift @_;
82          my $row = shift @_;          my $row = shift @_;
83            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;
         $xml->{db_dir} = [ $db_dir ];   # FIX remove?  
89    
90          sub isis_sf {          use parse_format;
91                  my $row = shift @_;  
92                  my $isis_id = shift @_;          my $html = "";          # html formatted display output
93                  my $subfield = shift @_;  
94                  if ($row->{$isis_id}->[0]) {          my %field_usage;        # counter for usage of each field
95                          my $sf = OpenIsis::subfields($row->{$isis_id}->[0]);  
96                          if (! defined $subfield || length($subfield) == 0) {          # sort subrouting using order="" attribute
97                                  # subfield list undef, empty or no defined subfields for this record          sub by_order {
98                                  my $all_sf = $row->{$isis_id}->[0];                  my $va = $config->{indexer}->{$a}->{order} ||
99                                  $all_sf =~ s/\^./ /g;   nuke definirions                          $config->{indexer}->{$a};
100                                  return $all_sf;                  my $vb = $config->{indexer}->{$b}->{order} ||
101                          } elsif ($sf->{$subfield}) {                          $config->{indexer}->{$b};
102                                  return $sf->{$subfield};  
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    
         foreach my $field (keys %{$config->{indexer}}) {  
153    
154            # begin real work: go field by field
155            foreach my $field (@sorted_tags) {
156    
157                    $field=x($field);
158                    $field_usage{$field}++;
159    
160                    my $swish_data = "";
161                    my $swish_exact_data = "";
162                  my $display_data = "";                  my $display_data = "";
163                  my $index_data = "";                  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                  foreach my $x (@{$config->{indexer}->{$field}->{isis}}) {                          my $repeat_off = 0;     # init repeatable offset
191    
192                          my $display_tmp = "";                          # swish, swish_exact, display, index, index_lookup
193                          my $index_tmp = "";                          # 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                          my $format = $x->{content};                          sub mkformat($$) {
214                          my $i = 1;      # index only                                  my $x = shift || die "mkformat needs tag reference";
215                          my $d = 1;      # display only                                  my $data = shift || return;
216                          $i = 0 if (lc($x->{type}) eq "display");                                  my $format_name = x($x->{format_name}) || return $data;
217                          $d = 0 if (lc($x->{type}) eq "index");                                  my $fmt = x($config->{format}->{$format_name}->{content}) || die "<format name=\"$format_name\"> is not defined!";
218  #print "## i: $i d: $d ## $format ##";                                    my $format_delimiter = x($x->{format_delimiter});
219                          # parse format                                  my @data;
220                          my $prefix = "";                                  if ($format_delimiter) {
221                          if ($format =~ s/^([^\d]+)//) {                                          @data = split(/$format_delimiter/,$data);
                                 $prefix = $1;  
                         }  
                         while ($format) {  
                                 if ($format =~ s/^(\d\d\d)(\w?)//) {  
                                         my $isis_tmp = isis_sf($row,$1,$2);  
                                         if ($isis_tmp) {  
 #                                               $display_tmp .= $prefix . "/$1/$2/".$isis_tmp if ($d);  
                                                 $display_tmp .= $prefix . $isis_tmp if ($d);  
                                                 $index_tmp .= $isis_tmp." " if ($i);  
 #print " $isis_tmp <--\n";  
                                         }  
                                         $prefix = "";  
                                 } elsif ($format =~ s/^([^\d]+)//) {  
                                         $prefix = $1;  
222                                  } else {                                  } else {
223                                          print STDERR "WARNING: unparsed format '$format'\n";                                          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, $format\n";
246                                          last;                                          last;
247                                  };                                  }
248    
249                                    # is this field is lookup?
250                                    if ($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 ($swish) {
281                                            if ($filter && ($s || $se)) {
282                                                    no strict 'refs';
283                                                    my $tmp = join(" ",&$filter($swish)) if ($s || $se);
284                                                    $swish_data .= $tmp if ($s);
285                                                    $swish_exact_data .= $tmp if ($se);
286    
287                                            } else {
288                                                    $swish_data .= $swish if ($s);
289                                                    $swish_exact_data .= $swish if ($se);
290                                            }
291                                    }
292    
293                                    # type="display" ; field for display
294                                    if ($d && $display) {
295                                            if ($line_delimiter && $display_data) {
296                                                    $display_data .= $line_delimiter;
297                                            }
298                                            if ($filter) {
299                                                    no strict 'refs';
300                                                    if ($display_data) {
301                                                            $display_data .= $delimiter.join($delimiter,mkformat($x,&$filter($display)));
302                                                    } else {
303                                                            $display_data = join($delimiter,mkformat($x,&$filter($display)));
304                                                    }
305                                            } else {
306                                                    if ($display_data) {
307                                                            $display_data .= $delimiter.mkformat($x,$display);
308                                                    } else {
309                                                            $display_data = mkformat($x,$display);
310                                                    }
311                                            }
312                                    }
313                                                    
314                                    # type="index" ; insert into index
315                                    my $idisplay;
316                                    if ($i && $display) {
317                                            $idisplay = $display;
318                                            if ($filter) {
319                                                    no strict 'refs';
320                                                    $idisplay = &$filter($idisplay);
321                                            }
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                                            }
358    
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                          }                          }
                         # add suffix  
                         $display_tmp .= $prefix if ($display_tmp);  
393    
394  #                       $display_data .= $display_tmp if ($display_tmp ne "");                          if (! $iterate_by_page) {
395  #                       $index_data .= $index_tmp if ($index_tmp ne "");                                  my $idel = $x->{index_delimiter};
396                          $display_data .= $display_tmp;                                  # fill data in index
397                          $index_data .= $index_tmp;                                  foreach my $tmp (@index_data) {
398                                            my $i = $d = $tmp;
399                  }                                          if ($idel && $tmp =~ m/$idel/) {
400  #print "--display:$display_data\n--index:$index_data\n";                                                  ($i,$d) = split(/$idel/,$tmp);
401                  #$xml->{$field."_display"} = $isis_map->tou($display_data)->utf8 if ($display_data);                                          }
402                  #$xml->{$field."_index"} = unac_string($config->{isis_codepage},$index_data) if ($index_data);                                          $index->insert($field, $i, $d, $path);
403                  $xml->{$field."_display" } = [ $isis_map->tou($display_data)->utf8 ] if ($display_data);                                  }
404                  $xml->{$field."_index"} = [ unac_string($config->{isis_codepage},$index_data)." jabuka" ] if ($index_data);                                  @index_data = ();
405                            }
406                    }
407    
408                    # now try to parse variables from configuration file
409                    foreach my $x (@{$config->{indexer}->{$field}->{'config'}}) {
410    
411                            my $delimiter = x($x->{delimiter}) || ' ';
412                            my $val = $cfg->val($database, x($x->{content}));
413    
414                            my ($s,$d,$i) = (1,1,0);        # swish, display default
415                            $s = 0 if (lc($x->{type}) eq "display");
416                            $d = 0 if (lc($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                            if ($val) {
422                                    $display_data .= $delimiter.$val if ($d);
423                                    $swish_data .= $val if ($s);
424                                    $index->insert($field, $val, $path) if ($i);
425                            }
426    
427                            if ($iterate_by_page) {
428                                    # FIXME data from config tag will appear just
429                                    # on first page!!!
430                                    my $page = 0;
431                                    if ($display_data) {
432                                            $cache->{display_data}->{$field}->[$page] = $display_data;
433                                            $display_data = "";
434                                    }
435                                    if ($swish_data) {
436                                            $cache->{swish_data}->{$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                                    }
443                            }
444                    }
445    
446                    # 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>
533            if ($html) {
534                    #$xml .= xmlify("html",$html);
535                    $xml .= "<html><![CDATA[ $html ]]></html>";
536          }          }
537            
538          if ($xml) {          if ($xml) {
539                  return XMLout($xml, rootname => 'xml', keeproot => 0, noattr => 0 );                  $xml .= $add_xml if ($add_xml);
540                    return "<xml>\n$xml</xml>\n";
541          } else {          } else {
542                  return;                  return;
543          }          }
# Line 117  sub isis2xml { Line 545  sub isis2xml {
545    
546  ##########################################################################  ##########################################################################
547    
548  my $last_tell=0;  # read configuration for this script
549    my $cfg = new Config::IniFiles( -file => $config_file );
550    
551  my @isis_dirs = ( '.' );        # use dirname as database name  # read global.conf configuration
552    my $cfg_global = new Config::IniFiles( -file => 'global.conf' );
553    
554  if ($opts{m}) {  # open index
555          @isis_dirs = split(/,/,$opts{m});  $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  my @isis_dbs;  foreach my $database ($cfg->Sections) {
570    
571            my $type = lc($cfg -> val($database, 'type')) || die "$database doesn't have 'type' defined";
572            my $add_xml = $cfg -> val($database, 'xml');    # optional
573    
574  foreach (@isis_dirs) {          # create new lookup file
575          if (-e $config->{isis_data}."/$db_dir/$_/LIBRI") {          my $lookup_file = $cfg -> val($database, 'lookup_newfile'); # optional
576                  push @isis_dbs,$config->{isis_data}."/$db_dir/$_/LIBRI/LIBRI";          if ($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          if (-e $config->{isis_data}."/$db_dir/$_/PERI") {  
582                  push @isis_dbs,$config->{isis_data}."/$db_dir/$_/PERI/PERI";          # open existing lookup file
583            $lookup_file = $cfg -> val($database, 'lookup_open'); # optional
584            if ($lookup_file) {
585                    #tie %lhash, 'GDBM_File', $lookup_file, &GDBM_READER, 0644;
586                    tie %lhash, 'TDB_File', $lookup_file, TDB_DEFAULT, O_RDWR, 0644;
587                    print STDERR "opening lookup file '$lookup_file'\n";
588          }          }
589          if (-e $config->{isis_data}."/$db_dir/$_/AMS") {  
590                  push @isis_dbs,$config->{isis_data}."/$db_dir/$_/AMS/AMS";  print STDERR "reading ./import_xml/$type.xml\n";
591    
592            # extract just type basic
593            my $type_base = $type;
594            $type_base =~ s/_.+$//g;
595    
596            $config=XMLin("./import_xml/$type.xml", forcearray => [ $type2tag{$type_base}, 'config', 'format' ], forcecontent => 1);
597    
598            # output current progress indicator
599            my $last_p = 0;
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          if (-e $config->{isis_data}."/$db_dir/$_/ARTI") {  
611  #               push @isis_dbs,$config->{isis_data}."/$db_dir/$_/ARTI/ARTI";          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) % $#ind]);
622                    }
623          }          }
 }  
624    
625  print STDERR "FATAL: Can't find isis database.\nPerhaps isis_data (".$config->{isis_data}.") has wrong value?\n" if (! @isis_dbs);          # now read database
626    print STDERR "using: $type...\n";
627    
628  my $db;          # erase cache for tags by order in this database
629            delete $cache->{tags_by_order};
630    
631  foreach my $isis_db (@isis_dbs) {          if ($type_base eq "isis") {
632    
633                    my $isis_db = $cfg -> val($database, 'isis_db') || die "$database doesn't have 'isis_db' defined!";
634    
635          my $db = OpenIsis::open( $isis_db );                  $import2cp = Text::Iconv->new($config->{isis_codepage},$codepage);
636          if (0) {                  my $db = OpenIsis::open( $isis_db );
 #       # FIX  
 #       if (! $db ) {  
                 print STDERR "WARNING: can't open '$isis_db'\n";  
                 next ;  
         }  
637    
638          my $max_rowid = OpenIsis::maxRowid( $db );                  # 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          print STDERR "Reading database: $isis_db [$max_rowid rows]\n";                          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          my $last_p = 0;                  # EOF error
658                    if ($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 $row_id = 1;                  my $max_rowid = OpenIsis::maxRowid( $db );
680  # FIX  
681          for (my $row_id = 1; $row_id <= $max_rowid; $row_id++ ) {                  # if 0 records, try to rease isis .txt database
682                  my $row = OpenIsis::read( $db, $row_id );                  if ($max_rowid == 0) {
683                  if ($row && $row->{mfn}) {                          # force removal of database
684                            $db = check_txt_db($isis_db);
685                          # output current process indicator                          $max_rowid = OpenIsis::maxRowid( $db );
686                          my $p = int($row->{mfn} * 100 / $max_rowid);                  }
687                          if ($p != $last_p) {  
688                                  printf STDERR ("%5d / %5d [%-51s] %-2d %% \r",$row->{mfn},$max_rowid,"=" x ($p/2).">", $p ) if (! $opts{q});                  print STDERR "Reading database: $isis_db [$max_rowid rows]\n";
689                                  $last_p = $p;  
690                          }                  my $path = $database;
691    
692                          if (my $xml = isis2xml($row)) {                  for (my $row_id = 1; $row_id <= $max_rowid; $row_id++ ) {
693                                  my $path = $isis_db;                          my $row = OpenIsis::read( $db, $row_id );
694                                  $path =~ s#$config->{isis_data}/*##g;                          if ($row && $row->{mfn}) {
695                                  my $out = "Path-Name: $path#".$row->{mfn}."\n";          
696                                  $out .= "Content-Length: ".(length($xml)+1)."\n";                                  progress($row->{mfn}, $max_rowid);
697                                  $out .= "Document-Type: XML\n\n$xml\n";  
698                                  print $out;                                  my $swishpath = $path."#".int($row->{mfn});
699    
700                                    if (my $xml = data2xml($type_base,$row,$add_xml,$cfg,$database)) {
701                                            $xml = $cp2utf->convert($xml);
702                                            use bytes;      # as opposed to chars
703                                            print "Path-Name: $swishpath\n";
704                                            print "Content-Length: ".(length($xml)+1)."\n";
705                                            print "Document-Type: XML\n\n$xml\n";
706                                    }
707                            }
708                    }
709                    # for this to work with current version of OpenIsis (0.9.0)
710                    # you might need my patch from
711                    # http://www.rot13.org/~dpavlin/projects/openisis-0.9.0-perl_close.diff
712                    OpenIsis::close($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 = $database."#".$iR;
758    
759                            next if (! $row);
760    
761                            if (my $xml = data2xml($type_base,$row,$add_xml,$cfg,$database)) {
762                                    $xml = $cp2utf->convert($xml);
763                                    use bytes;      # as opposed to chars
764                                    print "Path-Name: $swishpath\n";
765                                    print "Content-Length: ".(length($xml)+1)."\n";
766                                    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
849    $index->close;
850    
851  1;  1;
852  __END__  __END__
# Line 196  __END__ Line 854  __END__
854    
855  =head1 NAME  =head1 NAME
856    
857  isis2xml.pl - read isis file and dump XML  all2xml.pl - read various file formats and dump XML for SWISH-E
858    
859  =head1 DESCRIPTION  =head1 DESCRIPTION
860    
861  This command will read ISIS data file using OpenIsis perl module and  This command will read ISIS data file using OpenIsis perl module, MARC
862  create XML file for usage with I<SWISH-E>  records using MARC module and optionally Micro$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.7  
changed lines
  Added in v.195

  ViewVC Help
Powered by ViewVC 1.1.26