/[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 54 by dpavlin, Mon Jun 23 20:20:32 2003 UTC revision 215 by dpavlin, Sun Feb 1 22:06:00 2004 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;  my $index;
27    
28  my %opts;  my %opts;
# Line 33  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 55  my $cp2utf = Text::Iconv->new($codepage, Line 59  my $cp2utf = Text::Iconv->new($codepage,
59  # format in XML file  # format in XML file
60  my %type2tag = (  my %type2tag = (
61          'isis' => 'isis',          'isis' => 'isis',
62          'excel' => 'column'          '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 {  sub data2xml {
78    
79          use xmlify;          use xmlify;
# Line 65  sub data2xml { Line 81  sub data2xml {
81          my $type = shift @_;          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 76  sub data2xml { Line 95  sub data2xml {
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                  my $tag = $type2tag{$type} || die "can't find which tag to use for type $type";                  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}}) {                  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 $repeat_off = 0;             # 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 118  sub data2xml { Line 208  sub data2xml {
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                          if ($swish || $display) {                          # placeholder for all repeatable entries for index
212    
213                            sub chk_eval($) {
214                                    my $data = shift;
215                                    if ($data =~ s/eval{([^}]+)}//) {
216                                            if (eval "$1") {
217                                                    return $data;
218                                            } else {
219                                                    return undef;
220                                            }
221                                    } else {
222                                            return $data;
223                                    }
224                            }
225    
226                            sub mkformat($$) {
227                                    my $x = shift || die "mkformat needs tag reference";
228                                    my $data = shift || return;
229                                    my $format_name = x($x->{format_name}) || return chk_eval($data);
230                                    my $fmt = x($config->{format}->{$format_name}->{content}) || die "<format name=\"$format_name\"> is not defined!";
231                                    my $format_delimiter = x($x->{format_delimiter});
232                                    my @data;
233                                    if ($format_delimiter) {
234                                            @data = split(/$format_delimiter/,$data);
235                                    } else {
236                                            push @data,$data;
237                                    }
238    
239                                    if ($fmt) {
240                                            my $nr = scalar $fmt =~ s/%s/%s/g;
241                                            if (($#data+1) == $nr) {
242                                                    return chk_eval(sprintf($fmt,@data));
243                                            } else {
244                                                    #print STDERR "mkformat: [$data] can't be split on [$format_delimiter] to $nr fields!\n";
245                                                    return chk_eval($data);
246                                            }
247                                    } else {
248                                            print STDERR "usage of link '$format_name' without defined format (<link> tag)\n";
249                                    }
250                            }
251    
252                            # while because of repeatable fields
253                            while ($swish || $display) {
254                                    my $page = $repeat_off;
255                                    $page_max{$field} = $page if ($iterate_by_page && $page > ($page_max{$field} || 0));
256                                  ($swish,$display) = parse_format($type, $format,$row,$repeat_off++,$import2cp);                                  ($swish,$display) = parse_format($type, $format,$row,$repeat_off++,$import2cp);
257                                    if ($repeat_off > 1000) {
258                                            print STDERR "loop (more than 1000 repeatable fields) deteced in $row, $format\n";
259                                            last;
260                                    }
261    
262                                    # is this field is lookup?
263                                    if ($display && $x->{lookup}) {
264                                            my $null = "<!-- null -->";
265                                            if ($use_lhash_cache) {
266                                                    if (!defined($cache->{lhash}->{$display})) {
267                                                            my $new_display = $lhash{$display};
268                                                            if (defined($new_display)) {
269    #print STDERR "lookup cache store '$display' = '$new_display'\n";
270                                                                    $display = $new_display;
271                                                                    $cache->{lhash}->{$display} = $new_display;
272                                                            } else {
273                                                                    print STDERR "WARNING: lookup for '$display' didn't find anything.\n";
274                                                                    $display = "";
275                                                                    $cache->{lhash}->{$display} = $null;
276                                                            }
277                                                    } else {
278                                                            $display = $cache->{lhash}->{$display};
279                                                    }
280                                            } else {
281                                                    $display = $lhash{$display} || $null;
282                                            }
283                                    }
284    
285                                  # filter="name" ; filter this field through                                  # filter="name" ; filter this field through
286                                  # filter/[name].pm                                  # filter/[name].pm
287                                  my $filter = $x->{filter};                                  my $filter = $x->{filter};
288                                  if ($filter) {                                  if ($filter && !$cache->{filter_loaded}->{$filter}) {
289                                          require "filter/".$filter.".pm";                                          require "filter/".$filter.".pm";
290                                            $cache->{filter_loaded}->{$filter}++;
291                                  }                                  }
292                                  # type="swish" ; field for swish                                  # type="swish" ; field for swish
293                                  if ($s && $swish) {                                  if ($swish) {
294                                          if ($filter) {                                          if ($filter && ($s || $se)) {
295                                                  no strict 'refs';                                                  no strict 'refs';
296                                                  $swish_data .= join(" ",&$filter($swish));                                                  my $tmp = join(" ",&$filter($swish)) if ($s || $se);
297                                                    $swish_data .= $tmp if ($s);
298                                                    $swish_exact_data .= "xxbxx $tmp xxexx " if ($se && $tmp ne "");
299    
300                                          } else {                                          } else {
301                                                  $swish_data .= $swish;                                                  $swish_data .= $swish if ($s);
302                                                    $swish_exact_data .= "xxbxx $swish xxexx " if ($se && $swish ne "");
303                                          }                                          }
304                                  }                                  }
305    
306                                  # type="display" ; field for display                                  # type="display" ; field for display
307                                  if ($d && $display) {                                  if ($d && $display) {
308                                            my $ldel = $delimiter;
309                                          if ($line_delimiter && $display_data) {                                          if ($line_delimiter && $display_data) {
310                                                  $display_data .= $line_delimiter;                                                  $ldel = $line_delimiter;
                                                 undef $line_delimiter;  
311                                          }                                          }
312                                          if ($filter) {                                          if ($filter) {
313                                                  no strict 'refs';                                                  no strict 'refs';
314                                                  $display_data .= join($delimiter,&$filter($display));                                                  my @arr;
315                                          } else {                                                  foreach my $tmp (&$filter($display)) {
316                                                  if ($display_data) {                                                          my $tmp2 = mkformat($x,$tmp);
317                                                          $display_data .= $delimiter.$display;                                                          push @arr,$tmp2 if ($tmp2);
                                                 } else {  
                                                         $display_data .= $display;  
318                                                  }                                                  }
319                                                    $display_data .= $ldel if ($display_data && @arr);
320                                                    $display_data .= join($delimiter,@arr);
321                                            } else {
322                                                    $display_data .= $ldel if ($display_data);
323                                                    my $tmp = mkformat($x,$display);
324                                                    $display_data = $tmp if ($tmp);
325                                          }                                          }
326                                  }                                  }
327                                                                                                    
328                                  # type="index" ; insert into index                                  # type="index" ; insert into index
329                                    my $idisplay;
330                                  if ($i && $display) {                                  if ($i && $display) {
331                                          my $index_data = $display;                                          $idisplay = $display;
332                                          if ($filter) {                                          if ($filter) {
333                                                  no strict 'refs';                                                  no strict 'refs';
334                                                  foreach my $d (&$filter($index_data)) {                                                  $idisplay = &$filter($idisplay);
335                                                          $index->insert($field, $d, $path);                                          }
336                                            push @index_data, $idisplay if (! $iterate_by_page);
337                                    }
338    
339                                    # store fields in lookup
340                                    if ($il && $display) {
341                                            if (lc($x->{type}) eq "lookup_key") {
342                                                    if ($lookup_key) {
343                                                            print STDERR "WARNING: try to redefine lookup_key (keys shouldn't be repeatable fields!)";
344                                                    } else {
345                                                            $lookup_key = $display;
346                                                    }
347                                            } elsif (lc($x->{type}) eq "lookup_val") {
348                                                    if ($lookup_key) {
349                                                            $lhash{$lookup_key} = $display;
350                                                    } else {
351                                                            print STDERR "WARNING: no lookup_key defined for  '$display'?";
352                                                  }                                                  }
353                                          } else {                                          }
354                                                  $index->insert($field, $index_data, $path);  
355                                    }
356    
357                                    # store data for page-by-page repeatable fields
358                                    if ($iterate_by_page) {
359                                            sub iterate_fld($$$$$$) {
360                                                    my ($cache,$what,$field,$page,$data,$append) = @_;
361                                                    return if (!$data);
362    
363                                                    my $ldel = $page_line_delimiter;
364                                                    $ldel = " " if ($append);
365    #print STDERR "line delimiter: ",Dumper($ldel) if ($ldel);
366                                                    if (! $cache->{$what}->{$field}->[$page]) {
367                                                            $cache->{$what}->{$field}->[$page] = $data;
368                                                    } else {
369                                                            $cache->{$what}->{$field}->[$page] .= $ldel.$data;
370                                                    }
371                                            }
372    
373                                            if ($display_data) {
374                                                    iterate_fld($cache,'display_data',$field,$page,$display_data,$x->{append});
375                                            }
376                                                    $display_data = "";
377                                            if ($swish_data) {
378                                                    iterate_fld($cache,'swish_data',$field,$page,$swish_data,$x->{append});
379                                                    $swish_data = "";
380                                            }
381                                            if ($swish_exact_data) {
382                                                    iterate_fld($cache,'swish_exact_data',$field,$page,$swish_exact_data,$x->{append});
383                                                    $swish_exact_data = "";
384                                            }
385    
386                                            if ($idisplay) {
387                                                    my $ldel=$page_line_delimiter;
388                                                    my @index_data;
389                                                    if ($cache->{index_data}->{$field}->[$page]) {
390    
391                                                            @index_data = @{$cache->{index_data}->{$field}->[$page]};
392                                                    }
393                                                    if ($x->{append}) {
394                                                            if (@index_data) {
395                                                                    $index_data[$#index_data] .= $idisplay;
396                                                            } else {
397                                                                    push @index_data, $idisplay;
398                                                            }
399                                                    } else {
400                                                            push @index_data, $idisplay;
401                                                    }
402                                                    $idisplay = "";
403                                                    @{$cache->{index_data}->{$field}->[$page]} = @index_data;
404                                          }                                          }
405                                  }                                  }
406                          }                          }
407    
408                            if (! $iterate_by_page) {
409                                    my $idel = $x->{index_delimiter};
410                                    # fill data in index
411                                    foreach my $tmp (@index_data) {
412                                            my $i = $d = $tmp;
413                                            if ($idel && $tmp =~ m/$idel/) {
414                                                    ($i,$d) = split(/$idel/,$tmp);
415                                            }
416                                            $index->insert($field, $i, $d, $path);
417                                    }
418                                    @index_data = ();
419                            }
420                  }                  }
421    
422                    # now try to parse variables from configuration file
423                    foreach my $x (@{$config->{indexer}->{$field}->{'config'}}) {
424    
425                  if ($display_data) {                          my $delimiter = x($x->{delimiter}) || ' ';
426                            my $val = $cfg->val($database, x($x->{content}));
427    
428                          if ($field eq "headline") {                          my ($s,$d,$i) = (1,1,0);        # swish, display default
429                                  $xml .= xmlify("headline", $display_data);                          $s = 0 if (lc($x->{type}) eq "display");
430                          } else {                          $d = 0 if (lc($x->{type}) eq "swish");
431                            # no support for swish exact in config.
432                            # IMHO, it's useless
433                            ($s,$d,$i) = (0,0,1) if (lc($x->{type}) eq "index");
434    
435                                  # find field name (signular, plural)                          if ($val) {
436                                  my $field_name = "";                                  $display_data .= $delimiter.$val if ($d);
437                                  if ($config->{indexer}->{$field}->{name_singular} && $field_usage{$field} == 1) {                                  $swish_data .= $val if ($s);
438                                          $field_name = $config->{indexer}->{$field}->{name_singular}."#-#";                                  $index->insert($field, $val, $path) if ($i);
439                                  } elsif ($config->{indexer}->{$field}->{name_plural}) {                          }
440                                          $field_name = $config->{indexer}->{$field}->{name_plural}."#-#";  
441                                  } elsif ($config->{indexer}->{$field}->{name}) {                          if ($iterate_by_page) {
442                                          $field_name = $config->{indexer}->{$field}->{name}."#-#";                                  # FIXME data from config tag will appear just
443                                  } else {                                  # on first page!!!
444                                          print STDERR "WARNING: field '$field' doesn't have 'name' attribute!";                                  my $page = 0;
445                                    if ($display_data) {
446                                            $cache->{display_data}->{$field}->[$page] = $display_data;
447                                            $display_data = "";
448                                    }
449                                    if ($swish_data) {
450                                            $cache->{swish_data}->{$field}->[$page] = $swish_data;
451                                            $swish_data = "";
452                                  }                                  }
453                                  if ($field_name) {                                  if ($swish_exact_data) {
454                                          $html .= x($field_name);                                          $cache->{swish_exact_data}->{$field}->[$page] = $swish_exact_data;
455                                            $swish_exact_data = "";
456                                  }                                  }
                                 $html .= $display_data."###\n";  
457                          }                          }
458                  }                  }
                 if ($swish_data) {  
                         # remove extra spaces  
                         $swish_data =~ s/ +/ /g;  
                         $swish_data =~ s/ +$//g;  
459    
460                          $xml .= xmlify($field."_swish", unac_string($codepage,$swish_data));                  # save data page-by-page
461                    foreach my $field (@page_fields) {
462                            my $nr_pages = $page_max{$field} || next;
463    #print STDERR "field '$field' iterate over ",($nr_pages || 0)," pages...\n";
464    #print STDERR Dumper($cache->{display_data});
465                            for (my $page=0; $page <= $nr_pages; $page++) {
466                                    my $display_data;
467                                    if ($cache->{format}->{$field}) {
468                                            my $tmp = mkformat($cache->{format}->{$field},$cache->{display_data}->{$field}->[$page]);
469                                            $display_data=$tmp if ($tmp);
470                                    } else {
471                                            $display_data = $cache->{display_data}->{$field}->[$page];
472                                    }
473                                    if ($display_data) { # default
474                                            if ($field eq "headline") {
475                                                    $xml .= xmlify("headline", $display_data);
476                                            } else {
477    
478                                                    # fallback to empty field name if needed
479                                                    $html .= get_field_name($config,$field,$field_usage{$field}) || '';
480                                                    $html .= "#-#".$display_data."###\n";
481                                            }
482                                    }
483                                    
484                                    my $swish_data = $cache->{swish_data}->{$field}->[$page];
485                                    if ($swish_data) {
486                                            # remove extra spaces
487                                            $swish_data =~ s/ +/ /g;
488                                            $swish_data =~ s/ +$//g;
489    
490                                            $xml .= xmlify($field."_swish", unac_string($codepage,$swish_data));
491                                    }
492    
493                                    my $swish_exact_data = $cache->{swish_exact_data}->{$field}->[$page];
494                                    if ($swish_exact_data) {
495                                            $swish_exact_data =~ s/ +/ /g;
496                                            $swish_exact_data =~ s/ +$//g;
497    
498                                            # add delimiters before and after word.
499                                            # That is required to produce exact match
500                                            $xml .= xmlify($field."_swish_exact", unac_string($codepage,$swish_exact_data));
501                                    }
502                                    
503                                    my $idel = $cache->{index_delimiter}->{$field};
504                                    foreach my $tmp (@{$cache->{index_data}->{$field}->[$page]}) {
505                                            my $i = $tmp;
506                                            my $d = $tmp;
507                                            if ($idel && $tmp =~ m/$idel/) {
508                                                    ($i,$d) = split(/$idel/,$tmp);
509                                            }
510                                            $index->insert($field, $i, $d, $path);
511    #print STDERR "index [$idel] $field: $i --> $d [$path]\n";
512                                    }
513                            }
514            
515                  }                  }
516                    
517                    if (! $iterate_by_page) {
518                            if ($display_data) {
519                                    if ($field eq "headline") {
520                                            $xml .= xmlify("headline", $display_data);
521                                    } else {
522    
523                                            # fallback to empty field name if needed
524                                            $html .= get_field_name($config,$field,$field_usage{$field}) || '';
525                                            $html .= "#-#".$display_data."###\n";
526                                    }
527                            }
528                            if ($swish_data) {
529                                    # remove extra spaces
530                                    $swish_data =~ s/ +/ /g;
531                                    $swish_data =~ s/ +$//g;
532    
533                                    $xml .= xmlify($field."_swish", unac_string($codepage,$swish_data));
534                            }
535    
536                            if ($swish_exact_data) {
537                                    $swish_exact_data =~ s/ +/ /g;
538                                    $swish_exact_data =~ s/ +$//g;
539    
540                                    # add delimiters before and after word.
541                                    # That is required to produce exact match
542                                    $xml .= xmlify($field."_swish_exact", unac_string($codepage,$swish_exact_data));
543                            }
544                    }
545          }          }
546    
547          # dump formatted output in <html>          # dump formatted output in <html>
548          if ($html) {          if ($html) {
549                  $xml .= xmlify("html",$html);                  #$xml .= xmlify("html",$html);
550                    $xml .= "<html><![CDATA[ $html ]]></html>";
551          }          }
552                    
553          if ($xml) {          if ($xml) {
# Line 233  $index = new index_DBI( Line 574  $index = new index_DBI(
574                  $cfg_global->val('global', 'dbi_passwd') || '',                  $cfg_global->val('global', 'dbi_passwd') || '',
575          );          );
576    
577    my $show_progress = $cfg_global->val('global', 'show_progress');
578    
579    my $unac_filter = $cfg_global->val('global', 'unac_filter');
580    if ($unac_filter) {
581            require $unac_filter;
582    }
583    
584  foreach my $database ($cfg->Sections) {  foreach my $database ($cfg->Sections) {
585    
586          my $type = lc($cfg -> val($database, 'type')) || die "$database doesn't have 'type' defined";          my $type = lc($cfg -> val($database, 'type')) || die "$database doesn't have 'type' defined";
587          my $add_xml = $cfg -> val($database, 'xml');    # optional          my $add_xml = $cfg -> val($database, 'xml');    # optional
588    
589            # create new lookup file
590            my $lookup_file = $cfg -> val($database, 'lookup_newfile'); # optional
591            if ($lookup_file) {
592                    #tie %lhash, 'GDBM_File', $lookup_file, &GDBM_NEWDB, 0644;
593                    tie %lhash, 'TDB_File', $lookup_file, TDB_CLEAR_IF_FIRST, O_RDWR, 0644;
594                    print STDERR "creating lookup file '$lookup_file'\n";
595            }
596    
597            # open existing lookup file
598            $lookup_file = $cfg -> val($database, 'lookup_open'); # optional
599            if ($lookup_file) {
600                    #tie %lhash, 'GDBM_File', $lookup_file, &GDBM_READER, 0644;
601                    tie %lhash, 'TDB_File', $lookup_file, TDB_DEFAULT, O_RDWR, 0644;
602                    print STDERR "opening lookup file '$lookup_file'\n";
603            }
604    
605  print STDERR "reading ./import_xml/$type.xml\n";  print STDERR "reading ./import_xml/$type.xml\n";
606    
607          $config=XMLin("./import_xml/$type.xml", forcearray => [ $type2tag{$type} ], forcecontent => 1);          # extract just type basic
608            my $type_base = $type;
609            $type_base =~ s/_.+$//g;
610    
611            $config=XMLin("./import_xml/$type.xml", forcearray => [ $type2tag{$type_base}, 'config', 'format' ], forcecontent => 1);
612    
613          # output current progress indicator          # output current progress indicator
614          my $last_p = 0;          my $last_p = 0;
615          sub progress {          sub progress {
616                  #return if (! $opts{q});        # FIXME                  return if (! $show_progress);
617                  my $current = shift;                  my $current = shift;
618                  my $total = shift;                  my $total = shift || 1;
619                  my $p = int($current * 100 / $total);                  my $p = int($current * 100 / $total);
620                  if ($p != $last_p) {                  if ($p != $last_p) {
621                          printf STDERR ("%5d / %5d [%-51s] %-2d %% \r",$current,$total,"=" x ($p/2).">", $p );                          printf STDERR ("%5d / %5d [%-51s] %-2d %% \r",$current,$total,"=" x ($p/2).">", $p );
# Line 255  print STDERR "reading ./import_xml/$type Line 623  print STDERR "reading ./import_xml/$type
623                  }                  }
624          }          }
625    
626            my $fake_dir = 1;
627            sub fakeprogress {
628                    return if (! $show_progress);
629                    my $current = shift @_;
630    
631                    my @ind = ('-','\\','|','/','-','\\','|','/', '-');
632    
633                    $last_p += $fake_dir;
634                    $fake_dir = -$fake_dir if ($last_p > 1000 || $last_p < 0);
635                    if ($last_p % 10 == 0) {
636                            printf STDERR ("%5d / %5s [%-51s]\r",$current,"?"," " x ($last_p/20).$ind[($last_p/20) % $#ind]);
637                    }
638            }
639    
640          # now read database          # now read database
641  print STDERR "using: $type...\n";  print STDERR "using: $type...\n";
642    
643          if ($type eq "isis") {          # erase cache for tags by order in this database
644            delete $cache->{tags_by_order};
645    
646            if ($type_base eq "isis") {
647    
648                  my $isis_db = $cfg -> val($database, 'isis_db') || die "$database doesn't have 'isis_db' defined!";                  my $isis_db = $cfg -> val($database, 'isis_db') || die "$database doesn't have 'isis_db' defined!";
649    
650                  $import2cp = Text::Iconv->new($config->{isis_codepage},$codepage);                  $import2cp = Text::Iconv->new($config->{isis_codepage},$codepage);
651                  my $db = OpenIsis::open( $isis_db );                  my $db = OpenIsis::open( $isis_db );
652    
653                    # check if .txt database for OpenIsis is zero length,
654                    # if so, erase it and re-open database
655                    sub check_txt_db {
656                            my $isis_db = shift || die "need isis database name";
657                            my $reopen = 0;
658    
659                            if (-e $isis_db.".TXT") {
660                                    print STDERR "WARNING: removing $isis_db.TXT OpenIsis database...\n";
661                                    unlink $isis_db.".TXT" || warn "FATAL: unlink error on '$isis_db.TXT': $!";
662                                    $reopen++;
663                            }
664                            if (-e $isis_db.".PTR") {
665                                    print STDERR "WARNING: removing $isis_db.PTR OpenIsis database...\n";
666                                    unlink $isis_db.".PTR" || warn "FATAL: unlink error on '$isis_db.PTR': $!";
667                                    $reopen++;
668                            }
669                            return OpenIsis::open( $isis_db ) if ($reopen);
670                    }
671    
672                    # EOF error
673                    if ($db == -1) {
674                            $db = check_txt_db($isis_db);
675                            if ($db == -1) {
676                                    print STDERR "FATAL: OpenIsis can't open zero size file $isis_db\n";
677                                    next;
678                            }
679                    }
680    
681                    # OpenIsis::ERR_BADF
682                    if ($db == -4) {
683                            print STDERR "FATAL: OpenIsis can't find file $isis_db\n";
684                            next;
685                    # OpenIsis::ERR_IO
686                    } elsif ($db == -5) {
687                            print STDERR "FATAL: OpenIsis can't access file $isis_db\n";
688                            next;
689                    } elsif ($db < 0) {
690                            print STDERR "FATAL: OpenIsis unknown error $db with file $isis_db\n";
691                            next;
692                    }
693    
694                  my $max_rowid = OpenIsis::maxRowid( $db );                  my $max_rowid = OpenIsis::maxRowid( $db );
695    
696                    # if 0 records, try to rease isis .txt database
697                    if ($max_rowid == 0) {
698                            # force removal of database
699                            $db = check_txt_db($isis_db);
700                            $max_rowid = OpenIsis::maxRowid( $db );
701                    }
702    
703                  print STDERR "Reading database: $isis_db [$max_rowid rows]\n";                  print STDERR "Reading database: $isis_db [$max_rowid rows]\n";
704    
705                  my $path = $database;                  my $path = $database;
# Line 278  print STDERR "using: $type...\n"; Line 712  print STDERR "using: $type...\n";
712    
713                                  my $swishpath = $path."#".int($row->{mfn});                                  my $swishpath = $path."#".int($row->{mfn});
714    
715                                  if (my $xml = data2xml($type,$row,$add_xml)) {                                  if (my $xml = data2xml($type_base,$row,$add_xml,$cfg,$database)) {
716                                          $xml = $cp2utf->convert($xml);                                          $xml = $cp2utf->convert($xml);
717                                          use bytes;      # as opposed to chars                                          use bytes;      # as opposed to chars
718                                          print "Path-Name: $swishpath\n";                                          print "Path-Name: $swishpath\n";
# Line 287  print STDERR "using: $type...\n"; Line 721  print STDERR "using: $type...\n";
721                                  }                                  }
722                          }                          }
723                  }                  }
724                    # for this to work with current version of OpenIsis (0.9.0)
725                    # you might need my patch from
726                    # http://www.rot13.org/~dpavlin/projects/openisis-0.9.0-perl_close.diff
727                    OpenIsis::close($db);
728                  print STDERR "\n";                  print STDERR "\n";
729    
730          } elsif ($type eq "excel") {          } elsif ($type_base eq "excel") {
731                  use Spreadsheet::ParseExcel;                  use Spreadsheet::ParseExcel;
732                  use Spreadsheet::ParseExcel::Utility qw(int2col);                  use Spreadsheet::ParseExcel::Utility qw(int2col);
733                                    
# Line 297  print STDERR "using: $type...\n"; Line 735  print STDERR "using: $type...\n";
735                  my $excel_file = $cfg -> val($database, 'excel_file') || die "$database doesn't have 'excel_file' defined!";                  my $excel_file = $cfg -> val($database, 'excel_file') || die "$database doesn't have 'excel_file' defined!";
736    
737                  my $sheet = x($config->{sheet}) || die "no sheet in $type.xml";                  my $sheet = x($config->{sheet}) || die "no sheet in $type.xml";
738                  my $start_row = x($config->{start_row}) || die "no start_row in $type.xml";                  my $start_row = x($config->{start_row}) - 1 || die "no start_row in $type.xml";
739    
740                  my $oBook = Spreadsheet::ParseExcel::Workbook->Parse($excel_file) || die "can't open Excel file '$excel_file'";                  my $oBook = Spreadsheet::ParseExcel::Workbook->Parse($excel_file) || die "can't open Excel file '$excel_file'";
741    
# Line 314  print STDERR "using: $type...\n"; Line 752  print STDERR "using: $type...\n";
752                  defined ($oWorksheet) || die "can't find sheet '$sheet' in $excel_file";                  defined ($oWorksheet) || die "can't find sheet '$sheet' in $excel_file";
753                  my $end_row = x($config->{end_row}) || $oWorksheet->{MaxRow};                  my $end_row = x($config->{end_row}) || $oWorksheet->{MaxRow};
754    
755                  for(my $iR = $oWorksheet->{MinRow} ; defined $end_row && $iR <= $end_row ; $iR++) {                  for(my $iR = $start_row ; defined $end_row && $iR <= $end_row ; $iR++) {
756                          my $row;                          my $row;
757                          for(my $iC = $oWorksheet->{MinCol} ; defined $oWorksheet->{MaxCol} && $iC <= $oWorksheet->{MaxCol} ; $iC++) {                          for(my $iC = $oWorksheet->{MinCol} ; defined $oWorksheet->{MaxCol} && $iC <= $oWorksheet->{MaxCol} ; $iC++) {
758                                  my $cell = $oWorksheet->{Cells}[$iR][$iC];                                  my $cell = $oWorksheet->{Cells}[$iR][$iC];
# Line 335  print STDERR "using: $type...\n"; Line 773  print STDERR "using: $type...\n";
773    
774                          next if (! $row);                          next if (! $row);
775    
776                          if (my $xml = data2xml($type,$row,$add_xml)) {                          if (my $xml = data2xml($type_base,$row,$add_xml,$cfg,$database)) {
777                                  $xml = $cp2utf->convert($xml);                                  $xml = $cp2utf->convert($xml);
778                                  use bytes;      # as opposed to chars                                  use bytes;      # as opposed to chars
779                                  print "Path-Name: $swishpath\n";                                  print "Path-Name: $swishpath\n";
# Line 343  print STDERR "using: $type...\n"; Line 781  print STDERR "using: $type...\n";
781                                  print "Document-Type: XML\n\n$xml\n";                                  print "Document-Type: XML\n\n$xml\n";
782                          }                          }
783                  }                  }
784            } elsif ($type_base eq "marc") {
785    
786                    use MARC;
787                    
788                    $import2cp = Text::Iconv->new($config->{marc_codepage},$codepage);
789                    my $marc_file = $cfg -> val($database, 'marc_file') || die "$database doesn't have 'marc_file' defined!";
790    
791                    # optional argument is format
792                    my $format = x($config->{format}) || 'usmarc';
793    
794                    print STDERR "Reading MARC file '$marc_file'\n";
795    
796                    my $marc = new MARC;
797                    my $nr = $marc->openmarc({
798                                    file=>$marc_file, format=>$format
799                            }) || die "Can't open MARC file '$marc_file'";
800    
801                    # read MARC file in memory
802                    $marc->nextmarc(-1);
803    
804                    my $max_rec = $marc->marc_count();
805    
806                    for(my $i=1; $i<=$max_rec; $i++) {
807    
808                            progress($i,$max_rec);
809    
810                            # store value for marc_sf.pm
811                            $main::cache->{marc_record} = $i;
812    
813                            my $swishpath = $database."#".$i;
814    
815                            if (my $xml = data2xml($type_base,$marc,$add_xml,$cfg,$database)) {
816                                    $xml = $cp2utf->convert($xml);
817                                    use bytes;      # as opposed to chars
818                                    print "Path-Name: $swishpath\n";
819                                    print "Content-Length: ".(length($xml)+1)."\n";
820                                    print "Document-Type: XML\n\n$xml\n";
821                            }
822                    }
823    
824                    print STDERR "\n";
825    
826            } elsif ($type_base eq "feed") {
827    
828                    $import2cp = Text::Iconv->new($config->{feed_codepage},$codepage);
829                    my $prog = x($config->{prog}) || die "$database doesn't have 'prog' defined!";
830    
831                    print STDERR "Reading feed from program '$prog'\n";
832    
833                    open(FEED,"feeds/$prog |") || die "can't start $prog: $!";
834    
835                    my $i=1;        # record nr.
836    
837                    my $data;
838                    my $line=1;
839    
840                    while (<FEED>) {
841                            chomp;
842    
843                            if (/^$/) {
844                                    my $swishpath = $database."#".$i++;
845    
846                                    if (my $xml = data2xml($type_base,$data,$add_xml,$cfg,$database)) {
847                                            $xml = $cp2utf->convert($xml);
848                                            use bytes;      # as opposed to chars
849                                            print "Path-Name: $swishpath\n";
850                                            print "Content-Length: ".(length($xml)+1)."\n";
851                                            print "Document-Type: XML\n\n$xml\n";
852                                    }
853                                    $line = 1;
854                                    $data = {};
855                                    next;
856                            }
857    
858                            $line = $1 if (s/^(\d+):\s*//);
859                            $data->{$line++} = $_;
860    
861                            fakeprogress($i);
862    
863                    }
864                    # close lookup
865                    untie %lhash if (%lhash);
866          }          }
867  }  }
868    
# Line 355  __END__ Line 875  __END__
875    
876  =head1 NAME  =head1 NAME
877    
878  isis2xml.pl - read isis file and dump XML  all2xml.pl - read various file formats and dump XML for SWISH-E
879    
880  =head1 DESCRIPTION  =head1 DESCRIPTION
881    
882  This command will read ISIS data file using OpenIsis perl module and  This command will read ISIS data file using OpenIsis perl module, MARC
883  create XML file for usage with I<SWISH-E>  records using MARC module and optionally Micro$oft Excel files to
884  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,
885  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
886  script is tailor-made for SWISH-E.  has something like that). Output of this script is tailor-made for SWISH-E.
887    
888    =head1 BUGS
889    
890    Documentation is really lacking. However, in true Open Source spirit, source
891    is best documentation. I even made considerable effort to comment parts
892    which are not intuitively clear, so...
893    
894  =head1 AUTHOR  =head1 AUTHOR
895    

Legend:
Removed from v.54  
changed lines
  Added in v.215

  ViewVC Help
Powered by ViewVC 1.1.26