/[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 196 by dpavlin, Mon Dec 15 00:12:16 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                                                    if ($se) {
286                                                            if ($swish_exact_data) {
287                                                                    $swish_exact_data .= "xxexx xxbxx ".$tmp;
288                                                            } else {
289                                                                    $swish_exact_data .= $tmp;
290                                                            }
291                                                    }
292    
293                                          } else {                                          } else {
294                                                  $swish_data .= $swish;                                                  $swish_data .= $swish if ($s);
295                                                    if ($se) {
296                                                            if ($swish_exact_data) {
297                                                                    $swish_exact_data .= "xxexx xxbxx ".$swish;
298                                                            } else {
299                                                                    $swish_exact_data .= $swish;
300                                                            }
301                                                    }
302                                          }                                          }
303                                  }                                  }
304    
# Line 133  sub isis2xml { Line 306  sub isis2xml {
306                                  if ($d && $display) {                                  if ($d && $display) {
307                                          if ($line_delimiter && $display_data) {                                          if ($line_delimiter && $display_data) {
308                                                  $display_data .= $line_delimiter;                                                  $display_data .= $line_delimiter;
                                                 undef $line_delimiter;  
309                                          }                                          }
310                                          if ($filter) {                                          if ($filter) {
311                                                  no strict 'refs';                                                  no strict 'refs';
312                                                  $display_data .= join($delimiter,&$filter($display));                                                  if ($display_data) {
313                                                            $display_data .= $delimiter.join($delimiter,mkformat($x,&$filter($display)));
314                                                    } else {
315                                                            $display_data = join($delimiter,mkformat($x,&$filter($display)));
316                                                    }
317                                          } else {                                          } else {
318                                                  if ($display_data) {                                                  if ($display_data) {
319                                                          $display_data .= $delimiter.$display;                                                          $display_data .= $delimiter.mkformat($x,$display);
320                                                  } else {                                                  } else {
321                                                          $display_data .= $display;                                                          $display_data = mkformat($x,$display);
322                                                  }                                                  }
323                                          }                                          }
324                                  }                                  }
325                                                                                                    
326                                  # type="index" ; insert into index                                  # type="index" ; insert into index
327                                    my $idisplay;
328                                  if ($i && $display) {                                  if ($i && $display) {
329                                          my $index_data = $display;                                          $idisplay = $display;
330                                          if ($filter) {                                          if ($filter) {
331                                                  no strict 'refs';                                                  no strict 'refs';
332                                                  foreach my $d (&$filter($index_data)) {                                                  $idisplay = &$filter($idisplay);
333                                                          $index->insert($field, $d, $path);                                          }
334                                            push @index_data, $idisplay if (! $iterate_by_page);
335                                    }
336    
337                                    # store fields in lookup
338                                    if ($il && $display) {
339                                            if (lc($x->{type}) eq "lookup_key") {
340                                                    if ($lookup_key) {
341                                                            print STDERR "WARNING: try to redefine lookup_key (keys shouldn't be repeatable fields!)";
342                                                    } else {
343                                                            $lookup_key = $display;
344                                                  }                                                  }
345                                          } else {                                          } elsif (lc($x->{type}) eq "lookup_val") {
346                                                  $index->insert($field, $index_data, $path);                                                  if ($lookup_key) {
347                                                            $lhash{$lookup_key} = $display;
348                                                    } else {
349                                                            print STDERR "WARNING: no lookup_key defined for  '$display'?";
350                                                    }
351                                            }
352    
353                                    }
354    
355                                    # store data for page-by-page repeatable fields
356                                    if ($iterate_by_page) {
357                                            sub iterate_fld($$$$$$) {
358                                                    my ($cache,$what,$field,$page,$data,$append) = @_;
359                                                    return if (!$data);
360    
361                                                    my $ldel = $page_line_delimiter;
362                                                    $ldel = " " if ($append);
363    #print STDERR "line delimiter: ",Dumper($ldel) if ($ldel);
364                                                    if (! $cache->{$what}->{$field}->[$page]) {
365                                                            $cache->{$what}->{$field}->[$page] = $data;
366                                                    } else {
367                                                            $cache->{$what}->{$field}->[$page] .= $ldel.$data;
368                                                    }
369                                            }
370    
371                                            if ($display_data) {
372                                                    iterate_fld($cache,'display_data',$field,$page,$display_data,$x->{append});
373                                            }
374                                                    $display_data = "";
375                                            if ($swish_data) {
376                                                    iterate_fld($cache,'swish_data',$field,$page,$swish_data,$x->{append});
377                                                    $swish_data = "";
378                                            }
379                                            if ($swish_exact_data) {
380                                                    iterate_fld($cache,'swish_exact_data',$field,$page,$swish_exact_data,$x->{append});
381                                                    $swish_exact_data = "";
382                                            }
383    
384                                            if ($idisplay) {
385                                                    my $ldel=$page_line_delimiter;
386                                                    my @index_data;
387                                                    if ($cache->{index_data}->{$field}->[$page]) {
388    
389                                                            @index_data = @{$cache->{index_data}->{$field}->[$page]};
390                                                    }
391                                                    if ($x->{append}) {
392                                                            if (@index_data) {
393                                                                    $index_data[$#index_data] .= $idisplay;
394                                                            } else {
395                                                                    push @index_data, $idisplay;
396                                                            }
397                                                    } else {
398                                                            push @index_data, $idisplay;
399                                                    }
400                                                    $idisplay = "";
401                                                    @{$cache->{index_data}->{$field}->[$page]} = @index_data;
402                                          }                                          }
403                                  }                                  }
404                          }                          }
405    
406                            if (! $iterate_by_page) {
407                                    my $idel = $x->{index_delimiter};
408                                    # fill data in index
409                                    foreach my $tmp (@index_data) {
410                                            my $i = $d = $tmp;
411                                            if ($idel && $tmp =~ m/$idel/) {
412                                                    ($i,$d) = split(/$idel/,$tmp);
413                                            }
414                                            $index->insert($field, $i, $d, $path);
415                                    }
416                                    @index_data = ();
417                            }
418                  }                  }
419    
420                    # now try to parse variables from configuration file
421                    foreach my $x (@{$config->{indexer}->{$field}->{'config'}}) {
422    
423                  if ($display_data) {                          my $delimiter = x($x->{delimiter}) || ' ';
424                            my $val = $cfg->val($database, x($x->{content}));
425    
426                          if ($field eq "headline") {                          my ($s,$d,$i) = (1,1,0);        # swish, display default
427                                  $xml .= xmlify("headline", $display_data);                          $s = 0 if (lc($x->{type}) eq "display");
428                          } else {                          $d = 0 if (lc($x->{type}) eq "swish");
429                            # no support for swish exact in config.
430                            # IMHO, it's useless
431                            ($s,$d,$i) = (0,0,1) if (lc($x->{type}) eq "index");
432    
433                                  # find field name (signular, plural)                          if ($val) {
434                                  my $field_name = "";                                  $display_data .= $delimiter.$val if ($d);
435                                  if ($config->{indexer}->{$field}->{name_singular} && $field_usage{$field} == 1) {                                  $swish_data .= $val if ($s);
436                                          $field_name = $config->{indexer}->{$field}->{name_singular}."#-#";                                  $index->insert($field, $val, $path) if ($i);
437                                  } elsif ($config->{indexer}->{$field}->{name_plural}) {                          }
438                                          $field_name = $config->{indexer}->{$field}->{name_plural}."#-#";  
439                                  } elsif ($config->{indexer}->{$field}->{name}) {                          if ($iterate_by_page) {
440                                          $field_name = $config->{indexer}->{$field}->{name}."#-#";                                  # FIXME data from config tag will appear just
441                                  } else {                                  # on first page!!!
442                                          print STDERR "WARNING: field '$field' doesn't have 'name' attribute!";                                  my $page = 0;
443                                    if ($display_data) {
444                                            $cache->{display_data}->{$field}->[$page] = $display_data;
445                                            $display_data = "";
446                                    }
447                                    if ($swish_data) {
448                                            $cache->{swish_data}->{$field}->[$page] = $swish_data;
449                                            $swish_data = "";
450                                  }                                  }
451                                  if ($field_name) {                                  if ($swish_exact_data) {
452                                          $html .= x($field_name);                                          $cache->{swish_exact_data}->{$field}->[$page] = $swish_exact_data;
453                                            $swish_exact_data = "";
454                                  }                                  }
                                 $html .= $display_data."###\n";  
455                          }                          }
456                  }                  }
                 if ($swish_data) {  
                         # remove extra spaces  
                         $swish_data =~ s/ +/ /g;  
                         $swish_data =~ s/ +$//g;  
457    
458                          $xml .= xmlify($field."_swish", unac_string($codepage,$swish_data));                  # save data page-by-page
459                    foreach my $field (@page_fields) {
460                            my $nr_pages = $page_max{$field} || next;
461    #print STDERR "field '$field' iterate over ",($nr_pages || 0)," pages...\n";
462    #print STDERR Dumper($cache->{display_data});
463                            for (my $page=0; $page <= $nr_pages; $page++) {
464                                    my $display_data;
465                                    if ($cache->{format}->{$field}) {
466                                            $display_data=mkformat($cache->{format}->{$field},$cache->{display_data}->{$field}->[$page]);
467                                    } else {
468                                            $display_data = $cache->{display_data}->{$field}->[$page];
469                                    }
470                                    if ($display_data) { # default
471                                            if ($field eq "headline") {
472                                                    $xml .= xmlify("headline", $display_data);
473                                            } else {
474    
475                                                    # fallback to empty field name if needed
476                                                    $html .= get_field_name($config,$field,$field_usage{$field}) || '';
477                                                    $html .= "#-#".$display_data."###\n";
478                                            }
479                                    }
480                                    
481                                    my $swish_data = $cache->{swish_data}->{$field}->[$page];
482                                    if ($swish_data) {
483                                            # remove extra spaces
484                                            $swish_data =~ s/ +/ /g;
485                                            $swish_data =~ s/ +$//g;
486    
487                                            $xml .= xmlify($field."_swish", unac_string($codepage,$swish_data));
488                                    }
489    
490                                    my $swish_exact_data = $cache->{swish_exact_data}->{$field}->[$page];
491                                    if ($swish_exact_data) {
492                                            $swish_exact_data =~ s/ +/ /g;
493                                            $swish_exact_data =~ s/ +$//g;
494    
495                                            # add delimiters before and after word.
496                                            # That is required to produce exact match
497                                            $xml .= xmlify($field."_swish_exact", unac_string($codepage,'xxbxx '.$swish_exact_data.' xxexx'));
498                                    }
499                                    
500                                    my $idel = $cache->{index_delimiter}->{$field};
501                                    foreach my $tmp (@{$cache->{index_data}->{$field}->[$page]}) {
502                                            my $i = $tmp;
503                                            my $d = $tmp;
504                                            if ($idel && $tmp =~ m/$idel/) {
505                                                    ($i,$d) = split(/$idel/,$tmp);
506                                            }
507                                            $index->insert($field, $i, $d, $path);
508    #print STDERR "index [$idel] $field: $i --> $d [$path]\n";
509                                    }
510                            }
511            
512                  }                  }
513                    
514                    if (! $iterate_by_page) {
515                            if ($display_data) {
516                                    if ($field eq "headline") {
517                                            $xml .= xmlify("headline", $display_data);
518                                    } else {
519    
520                                            # fallback to empty field name if needed
521                                            $html .= get_field_name($config,$field,$field_usage{$field}) || '';
522                                            $html .= "#-#".$display_data."###\n";
523                                    }
524                            }
525                            if ($swish_data) {
526                                    # remove extra spaces
527                                    $swish_data =~ s/ +/ /g;
528                                    $swish_data =~ s/ +$//g;
529    
530                                    $xml .= xmlify($field."_swish", unac_string($codepage,$swish_data));
531                            }
532    
533                            if ($swish_exact_data) {
534                                    $swish_exact_data =~ s/ +/ /g;
535                                    $swish_exact_data =~ s/ +$//g;
536    
537                                    # add delimiters before and after word.
538                                    # That is required to produce exact match
539                                    $xml .= xmlify($field."_swish_exact", unac_string($codepage,'xxbxx '.$swish_exact_data.' xxexx'));
540                            }
541                    }
542          }          }
543    
544          # dump formatted output in <html>          # dump formatted output in <html>
545          if ($html) {          if ($html) {
546                  $xml .= xmlify("html",$html);                  #$xml .= xmlify("html",$html);
547                    $xml .= "<html><![CDATA[ $html ]]></html>";
548          }          }
549                    
550          if ($xml) {          if ($xml) {
# Line 212  sub isis2xml { Line 557  sub isis2xml {
557    
558  ##########################################################################  ##########################################################################
559    
560    # read configuration for this script
561  my $cfg = new Config::IniFiles( -file => $config_file );  my $cfg = new Config::IniFiles( -file => $config_file );
562    
563    # read global.conf configuration
564    my $cfg_global = new Config::IniFiles( -file => 'global.conf' );
565    
566    # open index
567    $index = new index_DBI(
568                    $cfg_global->val('global', 'dbi_dbd'),
569                    $cfg_global->val('global', 'dbi_dsn'),
570                    $cfg_global->val('global', 'dbi_user'),
571                    $cfg_global->val('global', 'dbi_passwd') || '',
572            );
573    
574    my $show_progress = $cfg_global->val('global', 'show_progress');
575    
576    my $unac_filter = $cfg_global->val('global', 'unac_filter');
577    if ($unac_filter) {
578            require $unac_filter;
579    }
580    
581  foreach my $database ($cfg->Sections) {  foreach my $database ($cfg->Sections) {
582    
583          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";  
584          my $add_xml = $cfg -> val($database, 'xml');    # optional          my $add_xml = $cfg -> val($database, 'xml');    # optional
585    
586          $config=XMLin("./import_xml/$type.xml", forcearray => [ 'isis' ], forcecontent => 1);          # create new lookup file
587            my $lookup_file = $cfg -> val($database, 'lookup_newfile'); # optional
588          $isis2cp = Text::Iconv->new($config->{isis_codepage},$codepage);          if ($lookup_file) {
589                    #tie %lhash, 'GDBM_File', $lookup_file, &GDBM_NEWDB, 0644;
590                    tie %lhash, 'TDB_File', $lookup_file, TDB_CLEAR_IF_FIRST, O_RDWR, 0644;
591                    print STDERR "creating lookup file '$lookup_file'\n";
592            }
593    
594          my $db = OpenIsis::open( $isis_db );          # open existing lookup file
595          if (0) {          $lookup_file = $cfg -> val($database, 'lookup_open'); # optional
596  #       # FIX          if ($lookup_file) {
597  #       if (! $db ) {                  #tie %lhash, 'GDBM_File', $lookup_file, &GDBM_READER, 0644;
598                  print STDERR "WARNING: can't open '$isis_db'\n";                  tie %lhash, 'TDB_File', $lookup_file, TDB_DEFAULT, O_RDWR, 0644;
599                  next ;                  print STDERR "opening lookup file '$lookup_file'\n";
600          }          }
601    
602          my $max_rowid = OpenIsis::maxRowid( $db );  print STDERR "reading ./import_xml/$type.xml\n";
603    
604          print STDERR "Reading database: $isis_db [$max_rowid rows]\n";          # extract just type basic
605            my $type_base = $type;
606            $type_base =~ s/_.+$//g;
607    
608          my $path = $database;                   # was $isis_db          $config=XMLin("./import_xml/$type.xml", forcearray => [ $type2tag{$type_base}, 'config', 'format' ], forcecontent => 1);
609    
610            # output current progress indicator
611          my $last_p = 0;          my $last_p = 0;
612            sub progress {
613                    return if (! $show_progress);
614                    my $current = shift;
615                    my $total = shift || 1;
616                    my $p = int($current * 100 / $total);
617                    if ($p != $last_p) {
618                            printf STDERR ("%5d / %5d [%-51s] %-2d %% \r",$current,$total,"=" x ($p/2).">", $p );
619                            $last_p = $p;
620                    }
621            }
622    
623            my $fake_dir = 1;
624            sub fakeprogress {
625                    return if (! $show_progress);
626                    my $current = shift @_;
627    
628                    my @ind = ('-','\\','|','/','-','\\','|','/', '-');
629    
630                    $last_p += $fake_dir;
631                    $fake_dir = -$fake_dir if ($last_p > 1000 || $last_p < 0);
632                    if ($last_p % 10 == 0) {
633                            printf STDERR ("%5d / %5s [%-51s]\r",$current,"?"," " x ($last_p/20).$ind[($last_p/20) % $#ind]);
634                    }
635            }
636    
637            # now read database
638    print STDERR "using: $type...\n";
639    
640            # erase cache for tags by order in this database
641            delete $cache->{tags_by_order};
642    
643            if ($type_base eq "isis") {
644    
645                    my $isis_db = $cfg -> val($database, 'isis_db') || die "$database doesn't have 'isis_db' defined!";
646    
647                    $import2cp = Text::Iconv->new($config->{isis_codepage},$codepage);
648                    my $db = OpenIsis::open( $isis_db );
649    
650                    # check if .txt database for OpenIsis is zero length,
651                    # if so, erase it and re-open database
652                    sub check_txt_db {
653                            my $isis_db = shift || die "need isis database name";
654                            my $reopen = 0;
655    
656                            if (-e $isis_db.".TXT") {
657                                    print STDERR "WARNING: removing $isis_db.TXT OpenIsis database...\n";
658                                    unlink $isis_db.".TXT" || warn "FATAL: unlink error on '$isis_db.TXT': $!";
659                                    $reopen++;
660                            }
661                            if (-e $isis_db.".PTR") {
662                                    print STDERR "WARNING: removing $isis_db.PTR OpenIsis database...\n";
663                                    unlink $isis_db.".PTR" || warn "FATAL: unlink error on '$isis_db.PTR': $!";
664                                    $reopen++;
665                            }
666                            return OpenIsis::open( $isis_db ) if ($reopen);
667                    }
668    
669  #       { my $row_id = 4514;                  # EOF error
670  # FIX                  if ($db == -1) {
671          for (my $row_id = 1; $row_id <= $max_rowid; $row_id++ ) {                          $db = check_txt_db($isis_db);
672                  my $row = OpenIsis::read( $db, $row_id );                          if ($db == -1) {
673                  if ($row && $row->{mfn}) {                                  print STDERR "FATAL: OpenIsis can't open zero size file $isis_db\n";
674                          # output current process indicator                                  next;
                         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 = $p;  
675                          }                          }
676                    }
677    
678                    # OpenIsis::ERR_BADF
679                    if ($db == -4) {
680                            print STDERR "FATAL: OpenIsis can't find file $isis_db\n";
681                            next;
682                    # OpenIsis::ERR_IO
683                    } elsif ($db == -5) {
684                            print STDERR "FATAL: OpenIsis can't access file $isis_db\n";
685                            next;
686                    } elsif ($db < 0) {
687                            print STDERR "FATAL: OpenIsis unknown error $db with file $isis_db\n";
688                            next;
689                    }
690    
691                    my $max_rowid = OpenIsis::maxRowid( $db );
692    
693                    # if 0 records, try to rease isis .txt database
694                    if ($max_rowid == 0) {
695                            # force removal of database
696                            $db = check_txt_db($isis_db);
697                            $max_rowid = OpenIsis::maxRowid( $db );
698                    }
699    
700                          my $swishpath = $path."#".int($row->{mfn});                  print STDERR "Reading database: $isis_db [$max_rowid rows]\n";
701    
702                          if (my $xml = isis2xml($row,$add_xml)) {                  my $path = $database;
703    
704                    for (my $row_id = 1; $row_id <= $max_rowid; $row_id++ ) {
705                            my $row = OpenIsis::read( $db, $row_id );
706                            if ($row && $row->{mfn}) {
707            
708                                    progress($row->{mfn}, $max_rowid);
709    
710                                    my $swishpath = $path."#".int($row->{mfn});
711    
712                                    if (my $xml = data2xml($type_base,$row,$add_xml,$cfg,$database)) {
713                                            $xml = $cp2utf->convert($xml);
714                                            use bytes;      # as opposed to chars
715                                            print "Path-Name: $swishpath\n";
716                                            print "Content-Length: ".(length($xml)+1)."\n";
717                                            print "Document-Type: XML\n\n$xml\n";
718                                    }
719                            }
720                    }
721                    # for this to work with current version of OpenIsis (0.9.0)
722                    # you might need my patch from
723                    # http://www.rot13.org/~dpavlin/projects/openisis-0.9.0-perl_close.diff
724                    OpenIsis::close($db);
725                    print STDERR "\n";
726    
727            } elsif ($type_base eq "excel") {
728                    use Spreadsheet::ParseExcel;
729                    use Spreadsheet::ParseExcel::Utility qw(int2col);
730                    
731                    $import2cp = Text::Iconv->new($config->{excel_codepage},$codepage);
732                    my $excel_file = $cfg -> val($database, 'excel_file') || die "$database doesn't have 'excel_file' defined!";
733    
734                    my $sheet = x($config->{sheet}) || die "no sheet in $type.xml";
735                    my $start_row = x($config->{start_row}) - 1 || die "no start_row in $type.xml";
736    
737                    my $oBook = Spreadsheet::ParseExcel::Workbook->Parse($excel_file) || die "can't open Excel file '$excel_file'";
738    
739                    my $sheet_nr = 0;
740                    foreach my $oWks (@{$oBook->{Worksheet}}) {
741                            #print STDERR "-- SHEET $sheet_nr:", $oWks->{Name}, "\n";
742                            last if ($oWks->{Name} eq $sheet);
743                            $sheet_nr++;
744                    }
745    
746                    my $oWorksheet = $oBook->{Worksheet}[$sheet_nr];
747            
748                    print STDERR "using sheet: ",$oWorksheet->{Name},"\n";
749                    defined ($oWorksheet) || die "can't find sheet '$sheet' in $excel_file";
750                    my $end_row = x($config->{end_row}) || $oWorksheet->{MaxRow};
751    
752                    for(my $iR = $start_row ; defined $end_row && $iR <= $end_row ; $iR++) {
753                            my $row;
754                            for(my $iC = $oWorksheet->{MinCol} ; defined $oWorksheet->{MaxCol} && $iC <= $oWorksheet->{MaxCol} ; $iC++) {
755                                    my $cell = $oWorksheet->{Cells}[$iR][$iC];
756                                    if ($cell) {
757                                            $row->{int2col($iC)} = $cell->Value;
758                                    }
759                            }
760    
761                            progress($iR, $end_row);
762    
763    #                       print "row[$iR/$end_row] ";
764    #                       foreach (keys %{$row}) {
765    #                               print "$_: ",$row->{$_},"\t";
766    #                       }
767    #                       print "\n";
768    
769                            my $swishpath = $database."#".$iR;
770    
771                            next if (! $row);
772    
773                            if (my $xml = data2xml($type_base,$row,$add_xml,$cfg,$database)) {
774                                  $xml = $cp2utf->convert($xml);                                  $xml = $cp2utf->convert($xml);
775                                  use bytes;      # as opposed to chars                                  use bytes;      # as opposed to chars
776                                  print "Path-Name: $swishpath\n";                                  print "Path-Name: $swishpath\n";
# Line 262  foreach my $database ($cfg->Sections) { Line 778  foreach my $database ($cfg->Sections) {
778                                  print "Document-Type: XML\n\n$xml\n";                                  print "Document-Type: XML\n\n$xml\n";
779                          }                          }
780                  }                  }
781            } elsif ($type_base eq "marc") {
782    
783                    use MARC;
784                    
785                    $import2cp = Text::Iconv->new($config->{marc_codepage},$codepage);
786                    my $marc_file = $cfg -> val($database, 'marc_file') || die "$database doesn't have 'marc_file' defined!";
787    
788                    # optional argument is format
789                    my $format = x($config->{format}) || 'usmarc';
790    
791                    print STDERR "Reading MARC file '$marc_file'\n";
792    
793                    my $marc = new MARC;
794                    my $nr = $marc->openmarc({
795                                    file=>$marc_file, format=>$format
796                            }) || die "Can't open MARC file '$marc_file'";
797    
798                    my $i=0;        # record nr.
799    
800                    my $rec;
801    
802                    while ($marc->nextmarc(1)) {
803    
804                            # XXX
805                            fakeprogress($i++);
806    
807                            my $swishpath = $database."#".$i;
808    
809                            if (my $xml = data2xml($type_base,$marc,$add_xml,$cfg,$database)) {
810                                    $xml = $cp2utf->convert($xml);
811                                    use bytes;      # as opposed to chars
812                                    print "Path-Name: $swishpath\n";
813                                    print "Content-Length: ".(length($xml)+1)."\n";
814                                    print "Document-Type: XML\n\n$xml\n";
815                            }
816                    }
817            } elsif ($type_base eq "feed") {
818    
819                    $import2cp = Text::Iconv->new($config->{feed_codepage},$codepage);
820                    my $prog = x($config->{prog}) || die "$database doesn't have 'prog' defined!";
821    
822                    print STDERR "Reading feed from program '$prog'\n";
823    
824                    open(FEED,"feeds/$prog |") || die "can't start $prog: $!";
825    
826                    my $i=1;        # record nr.
827    
828                    my $data;
829                    my $line=1;
830    
831                    while (<FEED>) {
832                            chomp;
833    
834                            if (/^$/) {
835                                    my $swishpath = $database."#".$i++;
836    
837                                    if (my $xml = data2xml($type_base,$data,$add_xml,$cfg,$database)) {
838                                            $xml = $cp2utf->convert($xml);
839                                            use bytes;      # as opposed to chars
840                                            print "Path-Name: $swishpath\n";
841                                            print "Content-Length: ".(length($xml)+1)."\n";
842                                            print "Document-Type: XML\n\n$xml\n";
843                                    }
844                                    $line = 1;
845                                    $data = {};
846                                    next;
847                            }
848    
849                            $line = $1 if (s/^(\d+):\s*//);
850                            $data->{$line++} = $_;
851    
852                            fakeprogress($i);
853    
854                    }
855                    # close lookup
856                    untie %lhash if (%lhash);
857          }          }
         print STDERR "\n";  
858  }  }
859    
860  # call this to commit index  # call this to commit index
# Line 275  __END__ Line 866  __END__
866    
867  =head1 NAME  =head1 NAME
868    
869  isis2xml.pl - read isis file and dump XML  all2xml.pl - read various file formats and dump XML for SWISH-E
870    
871  =head1 DESCRIPTION  =head1 DESCRIPTION
872    
873  This command will read ISIS data file using OpenIsis perl module and  This command will read ISIS data file using OpenIsis perl module, MARC
874  create XML file for usage with I<SWISH-E>  records using MARC module and optionally Micro$oft Excel files to
875  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,
876  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
877  script is tailor-made for SWISH-E.  has something like that). Output of this script is tailor-made for SWISH-E.
878    
879    =head1 BUGS
880    
881    Documentation is really lacking. However, in true Open Source spirit, source
882    is best documentation. I even made considerable effort to comment parts
883    which are not intuitively clear, so...
884    
885  =head1 AUTHOR  =head1 AUTHOR
886    

Legend:
Removed from v.44  
changed lines
  Added in v.196

  ViewVC Help
Powered by ViewVC 1.1.26