/[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 5 by dpavlin, Sat Jan 11 06:14:48 2003 UTC revision 233 by dpavlin, Fri Mar 5 23:33:19 2004 UTC
# Line 6  use Getopt::Std; Line 6  use Getopt::Std;
6  use Data::Dumper;  use Data::Dumper;
7  use XML::Simple;  use XML::Simple;
8  use Text::Unaccent 1.02;        # 1.01 won't compile on my platform,  use Text::Unaccent 1.02;        # 1.01 won't compile on my platform,
9  require Unicode::Map8;  use Text::Iconv;
10    use Config::IniFiles;
11  my $config=XMLin(undef, forcearray => [ 'isis' ], forcecontent => 1);  use Encode;
12    #use GDBM_File;
13    use Fcntl;      # for O_RDWR
14    use TDB_File;
15    
16    $|=1;
17    
18    my $config_file = $0;
19    $config_file =~ s/\.pl$/.conf/;
20    die "FATAL: can't find configuration file '$config_file'" if (! -e $config_file);
21    
22    my $config;
23    
24    #use index_DBI;         # default DBI module for index
25    use index_DBI_cache;    # faster DBI module using memory cache
26    my $index;
27    
28  my %opts;  my %opts;
29    
30  getopts('d:m:q', \%opts);  # usage:
31    #       -d directory name
32    #       -m multiple directories
33    #       -q quiet
34    #       -s run swish
35    
36    getopts('d:m:qs', \%opts);
37    
38    my $path;       # this is name of database
39    
40    Text::Iconv->raise_error(0);     # Conversion errors don't raise exceptions
41    
42    # this is encoding of all files on disk, including import_xml/*.xml file and
43    # filter/*.pm files! It will be used to store strings in perl internally!
44    my $codepage = 'ISO-8859-2';
45    
46    my $utf2cp = Text::Iconv->new('UTF-8',$codepage);
47    # this function will convert data from XML files to local encoding
48    sub x {
49            return $utf2cp->convert($_[0]);
50    }
51    
52    # decode isis/excel or other import codepage
53    my $import2cp;
54    
55    # outgoing xml must be in UTF-8
56    my $cp2utf = Text::Iconv->new($codepage,'UTF-8');
57    
58    # 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 $db_dir = $opts{d} || "ps";  # FIX  my $cache;      # for cacheing
68    
69  #die "usage: $0 -d [database_dir] -m [database1,database2] " if (! %opts);  # 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 $use_lhash_cache = 1;
74    
75  #print Dumper($config->{indexer});  my $last_field_name;    # cache to prevent repeated fields
 #print "-" x 70,"\n";  
76    
77  # how to convert isis code page to UTF8?  sub data2xml {
 my $isis_map = Unicode::Map8->new($config->{isis_codepage}) || die;  
78    
79  sub isis2xml {          use xmlify;
80    
81            my $type = shift @_;
82          my $row = shift @_;          my $row = shift @_;
83            my $add_xml = shift @_;
84            # needed to read values from configuration file
85            my $cfg = shift @_;
86            my $database = shift @_;
87    
88          my $xml;          my $xml;
89    
90          sub isis_sf {          use parse_format;
91                  my $row = shift @_;  
92                  my $isis_id = shift @_;          my $html = "";          # html formatted display output
93                  my $subfield = shift @_;  
94                  if ($row->{$isis_id}->[0]) {          my %field_usage;        # counter for usage of each field
95                          my $sf = OpenIsis::subfields($row->{$isis_id}->[0]);  
96                          if (! defined $subfield || length($subfield) == 0) {          # sort subrouting using order="" attribute
97                                  # subfield list undef, empty or no defined subfields for this record          sub by_order {
98                                  my $all_sf = $row->{$isis_id}->[0];                  my $va = $config->{indexer}->{$a}->{order} ||
99                                  $all_sf =~ s/\^./ /g;   nuke definirions                          $config->{indexer}->{$a};
100                                  return $all_sf;                  my $vb = $config->{indexer}->{$b}->{order} ||
101                          } elsif ($sf->{$subfield}) {                          $config->{indexer}->{$b};
102                                  return $sf->{$subfield};  
103                    return $va <=> $vb;
104            }
105    
106            my @sorted_tags;
107            if ($cache->{tags_by_order}) {
108                    @sorted_tags = @{$cache->{tags_by_order}};
109            } else {
110                    @sorted_tags = sort by_order keys %{$config->{indexer}};
111                    $cache->{tags_by_order} = \@sorted_tags;
112            }
113    
114            # lookup key
115            my $lookup_key;
116    
117            # cache for field in pages
118            delete $cache->{display_data};
119            delete $cache->{swish_data};
120            delete $cache->{swish_exact_data};
121            delete $cache->{index_data};
122            delete $cache->{index_delimiter};
123            my @page_fields;        # names of fields
124    
125    
126            # subs used to produce output
127    
128            sub get_field_name($$$) {
129                    my ($config,$field,$field_usage) = @_;
130    
131                    # find field name (signular, plural)
132                    my $field_name = "";
133                    if ($config->{indexer}->{$field}->{name_singular} && $field_usage == 1) {
134                            $field_name = $config->{indexer}->{$field}->{name_singular};
135                    } elsif ($config->{indexer}->{$field}->{name_plural}) {
136                            $field_name = $config->{indexer}->{$field}->{name_plural};
137                    } elsif ($config->{indexer}->{$field}->{name}) {
138                            $field_name = $config->{indexer}->{$field}->{name};
139                    } else {
140                            print STDERR "WARNING: field '$field' doesn't have 'name' attribute!";
141                    }
142                    if ($field_name) {
143                            if (! $last_field_name) {
144                                    $last_field_name = x($field_name);
145                                    return $last_field_name;
146                            } elsif ($field_name ne $last_field_name) {
147                                    $last_field_name = x($field_name);
148                                    return $last_field_name;
149                          }                          }
150                  }                  }
151          }          }
152    
         foreach my $field (keys %{$config->{indexer}}) {  
153    
154            # begin real work: go field by field
155            foreach my $field (@sorted_tags) {
156    
157                    $field=x($field);
158                    $field_usage{$field}++;
159    
160                    my $swish_data = "";
161                    my $swish_exact_data = "";
162                  my $display_data = "";                  my $display_data = "";
163                  my $index_data = "";                  my @index_data;
164                    my $line_delimiter;
165    
166                  foreach my $x (@{$config->{indexer}->{$field}->{isis}}) {                  my ($swish,$display);
167    
168                          my $display_tmp = "";                  my $tag = $type2tag{$type} || die "can't find which tag to use for type $type";
                         my $index_tmp = "";  
169    
170                          my $format = $x->{content};                  # is this field page-by-page?
171                          my $i = 1;      # index only                  my $iterate_by_page = $config->{indexer}->{$field}->{iterate_by_page};
172                          my $d = 1;      # display only                  push @page_fields,$field if ($iterate_by_page);
173                          $i = 0 if (lc($x->{type}) eq "display");                  my %page_max = ();
174                          $d = 0 if (lc($x->{type}) eq "index");                  # default line_delimiter if using
175  #print "## i: $i d: $d ## $format ##";                    my $page_line_delimiter = $config->{indexer}->{$field}->{page_line_delimiter} || '<br/>';
176                          # parse format                  $cache->{index_delimiter}->{$field} = $config->{indexer}->{$field}->{index_delimiter};
177                          my $prefix = "";  
178                          if ($format =~ s/^([^\d]+)//) {                  my $format_name = $config->{indexer}->{$field}->{format_name};
179                                  $prefix = $1;                  my $format_delimiter = $config->{indexer}->{$field}->{format_delimiter};
180                          }                  if ($format_name && $format_delimiter) {
181                          while ($format) {                          $cache->{format}->{$field}->{format_name} = $format_name;
182                                  if ($format =~ s/^(\d\d\d)(\w?)//) {                          $cache->{format}->{$field}->{format_delimiter} = $format_delimiter;
183                                          my $isis_tmp = isis_sf($row,$1,$2);                  }
184                                          if ($isis_tmp) {  
185  #                                               $display_tmp .= $prefix . "/$1/$2/".$isis_tmp if ($d);                  foreach my $x (@{$config->{indexer}->{$field}->{$tag}}) {
186                                                  $display_tmp .= $prefix . $isis_tmp if ($d);  
187                                                  $index_tmp .= $isis_tmp." " if ($i);                          my $format = x($x->{content});
188  #print " $isis_tmp <--\n";                          my $delimiter = x($x->{delimiter}) || ' ';
189                                          }  
190                                          $prefix = "";                          my $repeat_off = 0;     # init repeatable offset
191                                  } elsif ($format =~ s/^([^\d]+)//) {  
192                                          $prefix = $1;                          # swish, swish_exact, display, index, index_lookup
193                            # swish and display defaults
194                            my ($s,$se,$d,$i,$il) = (1,0,1,0,0);
195                            $s = 0 if (lc($x->{type}) eq "display");
196                            $d = 0 if (lc($x->{type}) eq "swish");
197                            ($s,$se,$d,$i) = (0,1,0,1) if (lc($x->{type}) eq "index");
198                            ($s,$se,$d,$i) = (0,1,0,0) if (lc($x->{type}) eq "swish_exact");
199                            ($s,$se,$d,$i,$il) = (0,1,0,0,1) if (lc($x->{type}) =~ /^lookup/);
200    
201                            # what will separate last line from this one?
202                            if ($display_data && $x->{append}) {
203                                    $line_delimiter = ' ';
204                            } elsif ($display_data) {
205                                    $line_delimiter = '<br/>';
206                            }
207    
208                            # init vars so that we go into while...
209                            ($swish,$display) = (1,1);
210    
211                            # placeholder for all repeatable entries for index
212    
213                            sub 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 {                                  } else {
222                                          print STDERR "WARNING: unparsed format '$format'\n";                                          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);
257                                    if ($repeat_off > 1000) {
258                                            print STDERR "loop (more than 1000 repeatable fields) deteced in $row, $format\n";
259                                          last;                                          last;
260                                  };                                  }
261    
262                                    # is this field is lookup?
263                                    if ($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
286                                    # filter/[name].pm
287                                    my $filter = $x->{filter};
288                                    if ($filter && !$cache->{filter_loaded}->{$filter}) {
289                                            require "filter/".$filter.".pm";
290                                            $cache->{filter_loaded}->{$filter}++;
291                                    }
292                                    # type="swish" ; field for swish
293                                    if ($swish) {
294                                            if ($filter && ($s || $se)) {
295                                                    no strict 'refs';
296                                                    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 {
301                                                    $swish_data .= $swish if ($s);
302                                                    $swish_exact_data .= "xxbxx $swish xxexx " if ($se && $swish ne "");
303                                            }
304                                    }
305    
306                                    # type="display" ; field for display
307                                    if ($d && $display) {
308                                            my $ldel = $delimiter;
309                                            if ($line_delimiter && $display_data) {
310                                                    $ldel = $line_delimiter;
311                                            }
312                                            if ($filter) {
313                                                    no strict 'refs';
314                                                    my @arr;
315                                                    foreach my $tmp (&$filter($display)) {
316                                                            my $tmp2 = mkformat($x,$tmp);
317                                                            push @arr,$tmp2 if ($tmp2);
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
329                                    my $idisplay;
330                                    if ($i && $display) {
331                                            $idisplay = $display;
332                                            if ($filter) {
333                                                    no strict 'refs';
334                                                    $idisplay = &$filter($idisplay);
335                                            }
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 ($lookup_key) {
343                                                            print STDERR "WARNING: try to redefine lookup_key (keys shouldn't be repeatable fields!)";
344                                                    } else {
345                                                            if ($filter) {
346                                                                    no strict 'refs';
347                                                                    $lookup_key = &$filter($display);
348                                                            } else {
349                                                                    $lookup_key = $display;
350                                                            }
351                                                    }
352                                            } elsif (lc($x->{type}) eq "lookup_val") {
353                                                    if ($lookup_key) {
354                                                            if ($filter) {
355                                                                    no strict 'refs';
356                                                                    $lhash{$lookup_key} = &$filter($display);
357                                                            } else {
358                                                                    $lhash{$lookup_key} = $display;
359                                                            }
360                                                    } else {
361                                                            print STDERR "WARNING: no lookup_key defined for  '$display'?";
362                                                    }
363                                            }
364    
365                                    }
366    
367                                    # store data for page-by-page repeatable fields
368                                    if ($iterate_by_page) {
369                                            sub iterate_fld($$$$$$) {
370                                                    my ($cache,$what,$field,$page,$data,$append) = @_;
371                                                    return if (!$data);
372    
373                                                    my $ldel = $page_line_delimiter;
374                                                    $ldel = " " if ($append);
375    #print STDERR "line delimiter: ",Dumper($ldel) if ($ldel);
376                                                    if (! $cache->{$what}->{$field}->[$page]) {
377                                                            $cache->{$what}->{$field}->[$page] = $data;
378                                                    } else {
379                                                            $cache->{$what}->{$field}->[$page] .= $ldel.$data;
380                                                    }
381                                            }
382    
383                                            if ($display_data) {
384                                                    iterate_fld($cache,'display_data',$field,$page,$display_data,$x->{append});
385                                            }
386                                                    $display_data = "";
387                                            if ($swish_data) {
388                                                    iterate_fld($cache,'swish_data',$field,$page,$swish_data,$x->{append});
389                                                    $swish_data = "";
390                                            }
391                                            if ($swish_exact_data) {
392                                                    iterate_fld($cache,'swish_exact_data',$field,$page,$swish_exact_data,$x->{append});
393                                                    $swish_exact_data = "";
394                                            }
395    
396                                            if ($idisplay) {
397                                                    my $ldel=$page_line_delimiter;
398                                                    my @index_data;
399                                                    if ($cache->{index_data}->{$field}->[$page]) {
400    
401                                                            @index_data = @{$cache->{index_data}->{$field}->[$page]};
402                                                    }
403                                                    if ($x->{append}) {
404                                                            if (@index_data) {
405                                                                    $index_data[$#index_data] .= $idisplay;
406                                                            } else {
407                                                                    push @index_data, $idisplay;
408                                                            }
409                                                    } else {
410                                                            push @index_data, $idisplay;
411                                                    }
412                                                    $idisplay = "";
413                                                    @{$cache->{index_data}->{$field}->[$page]} = @index_data;
414                                            }
415                                    }
416                          }                          }
                         # add suffix  
                         $display_tmp .= $prefix if ($display_tmp);  
417    
418  #                       $display_data .= $display_tmp if ($display_tmp ne "");                          if (! $iterate_by_page) {
419  #                       $index_data .= $index_tmp if ($index_tmp ne "");                                  my $idel = $x->{index_delimiter};
420                          $display_data .= $display_tmp;                                  # fill data in index
421                          $index_data .= $index_tmp;                                  foreach my $tmp (@index_data) {
422                                            my $i = $d = $tmp;
423                                            if ($idel && $tmp =~ m/$idel/) {
424                                                    ($i,$d) = split(/$idel/,$tmp);
425                                            }
426                                            $index->insert($field, $i, $d, $path);
427                                    }
428                                    @index_data = ();
429                            }
430                    }
431    
432                    # now try to parse variables from configuration file
433                    foreach my $x (@{$config->{indexer}->{$field}->{'config'}}) {
434    
435                            my $delimiter = x($x->{delimiter}) || ' ';
436                            my $val = $cfg->val($database, x($x->{content}));
437    
438                            my ($s,$d,$i) = (1,1,0);        # swish, display default
439                            $s = 0 if (lc($x->{type}) eq "display");
440                            $d = 0 if (lc($x->{type}) eq "swish");
441                            # no support for swish exact in config.
442                            # IMHO, it's useless
443                            ($s,$d,$i) = (0,0,1) if (lc($x->{type}) eq "index");
444    
445                            if ($val) {
446                                    $display_data .= $delimiter.$val if ($d);
447                                    $swish_data .= $val if ($s);
448                                    $index->insert($field, $val, $path) if ($i);
449                            }
450    
451                            if ($iterate_by_page) {
452                                    # FIXME data from config tag will appear just
453                                    # on first page!!!
454                                    my $page = 0;
455                                    if ($display_data) {
456                                            $cache->{display_data}->{$field}->[$page] = $display_data;
457                                            $display_data = "";
458                                    }
459                                    if ($swish_data) {
460                                            $cache->{swish_data}->{$field}->[$page] = $swish_data;
461                                            $swish_data = "";
462                                    }
463                                    if ($swish_exact_data) {
464                                            $cache->{swish_exact_data}->{$field}->[$page] = $swish_exact_data;
465                                            $swish_exact_data = "";
466                                    }
467                            }
468                  }                  }
469  #print "--display:$display_data\n--index:$index_data\n";  
470                  $xml->{$field}->{display} .= $isis_map->tou($display_data)->utf8 if ($display_data);                  # save data page-by-page
471                  $xml->{$field}->{index} .= unac_string($config->{isis_codepage},$index_data) if ($index_data);                  foreach my $field (@page_fields) {
472                            my $nr_pages = $page_max{$field} || next;
473    #print STDERR "field '$field' iterate over ",($nr_pages || 0)," pages...\n";
474    #print STDERR Dumper($cache->{display_data});
475                            for (my $page=0; $page <= $nr_pages; $page++) {
476                                    my $display_data;
477                                    if ($cache->{format}->{$field}) {
478                                            my $tmp = mkformat($cache->{format}->{$field},$cache->{display_data}->{$field}->[$page]);
479                                            $display_data=$tmp if ($tmp);
480                                    } else {
481                                            $display_data = $cache->{display_data}->{$field}->[$page];
482                                    }
483                                    if ($display_data) { # default
484                                            if ($field eq "headline") {
485                                                    $xml .= xmlify("headline", $display_data);
486                                            } else {
487    
488                                                    # fallback to empty field name if needed
489                                                    $html .= get_field_name($config,$field,$field_usage{$field}) || '';
490                                                    $html .= "#-#".$display_data."###\n";
491                                            }
492                                    }
493                                    
494                                    my $swish_data = $cache->{swish_data}->{$field}->[$page];
495                                    if ($swish_data) {
496                                            # remove extra spaces
497                                            $swish_data =~ s/ +/ /g;
498                                            $swish_data =~ s/ +$//g;
499    
500                                            $xml .= xmlify($field."_swish", unac_string($codepage,$swish_data));
501                                    }
502    
503                                    my $swish_exact_data = $cache->{swish_exact_data}->{$field}->[$page];
504                                    if ($swish_exact_data) {
505                                            $swish_exact_data =~ s/ +/ /g;
506                                            $swish_exact_data =~ s/ +$//g;
507    
508                                            # add delimiters before and after word.
509                                            # That is required to produce exact match
510                                            $xml .= xmlify($field."_swish_exact", unac_string($codepage,$swish_exact_data));
511                                    }
512                                    
513                                    my $idel = $cache->{index_delimiter}->{$field};
514                                    foreach my $tmp (@{$cache->{index_data}->{$field}->[$page]}) {
515                                            my $i = $tmp;
516                                            my $d = $tmp;
517                                            if ($idel && $tmp =~ m/$idel/) {
518                                                    ($i,$d) = split(/$idel/,$tmp);
519                                            }
520                                            $index->insert($field, $i, $d, $path);
521    #print STDERR "index [$idel] $field: $i --> $d [$path]\n";
522                                    }
523                            }
524                    
525                    }
526                    
527                    if (! $iterate_by_page) {
528                            if ($display_data) {
529                                    if ($field eq "headline") {
530                                            $xml .= xmlify("headline", $display_data);
531                                    } else {
532    
533                                            # fallback to empty field name if needed
534                                            $html .= get_field_name($config,$field,$field_usage{$field}) || '';
535                                            $html .= "#-#".$display_data."###\n";
536                                    }
537                            }
538                            if ($swish_data) {
539                                    # remove extra spaces
540                                    $swish_data =~ s/ +/ /g;
541                                    $swish_data =~ s/ +$//g;
542    
543                                    $xml .= xmlify($field."_swish", unac_string($codepage,$swish_data));
544                            }
545    
546                            if ($swish_exact_data) {
547                                    $swish_exact_data =~ s/ +/ /g;
548                                    $swish_exact_data =~ s/ +$//g;
549    
550                                    # add delimiters before and after word.
551                                    # That is required to produce exact match
552                                    $xml .= xmlify($field."_swish_exact", unac_string($codepage,$swish_exact_data));
553                            }
554                    }
555          }          }
556    
557            # dump formatted output in <html>
558            if ($html) {
559                    #$xml .= xmlify("html",$html);
560                    $xml .= "<html><![CDATA[ $html ]]></html>";
561            }
562            
563          if ($xml) {          if ($xml) {
564                  return XMLout($xml, rootname => 'xml', noattr => 1 );                  $xml .= $add_xml if ($add_xml);
565                    return "<xml>\n$xml</xml>\n";
566          } else {          } else {
567                  return;                  return;
568          }          }
# Line 108  sub isis2xml { Line 570  sub isis2xml {
570    
571  ##########################################################################  ##########################################################################
572    
573  my $last_tell=0;  # read configuration for this script
574    my $cfg = new Config::IniFiles( -file => $config_file );
575    
576  my @isis_dirs = ( '.' );        # use dirname as database name  # read global.conf configuration
577    my $cfg_global = new Config::IniFiles( -file => 'global.conf' );
578    
579  if ($opts{m}) {  # open index
580          @isis_dirs = split(/,/,$opts{m});  $index = new index_DBI(
581                    $cfg_global->val('global', 'dbi_dbd'),
582                    $cfg_global->val('global', 'dbi_dsn'),
583                    $cfg_global->val('global', 'dbi_user'),
584                    $cfg_global->val('global', 'dbi_passwd') || '',
585            );
586    
587    my $show_progress = $cfg_global->val('global', 'show_progress');
588    
589    my $unac_filter = $cfg_global->val('global', 'unac_filter');
590    if ($unac_filter) {
591            require $unac_filter;
592  }  }
593    
594  my @isis_dbs;  foreach my $database ($cfg->Sections) {
595    
596            my $type = lc($cfg -> val($database, 'type')) || die "$database doesn't have 'type' defined";
597            my $add_xml = $cfg -> val($database, 'xml');    # optional
598    
599  foreach (@isis_dirs) {          # create new lookup file
600          if (-e $config->{isis_data}."/$db_dir/$_/LIBRI") {          my $lookup_file = $cfg -> val($database, 'lookup_newfile'); # optional
601                  push @isis_dbs,$config->{isis_data}."/$db_dir/$_/LIBRI/LIBRI";          if ($lookup_file) {
602                    #tie %lhash, 'GDBM_File', $lookup_file, &GDBM_NEWDB, 0644;
603                    tie %lhash, 'TDB_File', $lookup_file, TDB_CLEAR_IF_FIRST, O_RDWR, 0644;
604                    print STDERR "creating lookup file '$lookup_file'\n";
605                    # delete memory cache for lookup file
606                    delete $cache->{lhash};
607          }          }
608          if (-e $config->{isis_data}."/$db_dir/$_/PERI") {  
609                  push @isis_dbs,$config->{isis_data}."/$db_dir/$_/PERI/PERI";          # open existing lookup file
610            $lookup_file = $cfg -> val($database, 'lookup_open'); # optional
611            if ($lookup_file) {
612                    #tie %lhash, 'GDBM_File', $lookup_file, &GDBM_READER, 0644;
613                    tie %lhash, 'TDB_File', $lookup_file, TDB_DEFAULT, O_RDWR, 0644;
614                    print STDERR "opening lookup file '$lookup_file'\n";
615          }          }
616          if (-e $config->{isis_data}."/$db_dir/$_/AMS") {  
617                  push @isis_dbs,$config->{isis_data}."/$db_dir/$_/AMS/AMS";  print STDERR "reading ./import_xml/$type.xml\n";
618    
619            # extract just type basic
620            my $type_base = $type;
621            $type_base =~ s/_.+$//g;
622    
623            $config=XMLin("./import_xml/$type.xml", forcearray => [ $type2tag{$type_base}, 'config', 'format' ], forcecontent => 1);
624    
625            # output current progress indicator
626            my $last_p = 0;
627            sub progress {
628                    return if (! $show_progress);
629                    my $current = shift;
630                    my $total = shift || 1;
631                    my $p = int($current * 100 / $total);
632                    if ($p != $last_p) {
633                            printf STDERR ("%5d / %5d [%-51s] %-2d %% \r",$current,$total,"=" x ($p/2).">", $p );
634                            $last_p = $p;
635                    }
636          }          }
637          if (-e $config->{isis_data}."/$db_dir/$_/ARTI") {  
638  #               push @isis_dbs,$config->{isis_data}."/$db_dir/$_/ARTI/ARTI";          my $fake_dir = 1;
639            sub fakeprogress {
640                    return if (! $show_progress);
641                    my $current = shift @_;
642    
643                    my @ind = ('-','\\','|','/','-','\\','|','/', '-');
644    
645                    $last_p += $fake_dir;
646                    $fake_dir = -$fake_dir if ($last_p > 1000 || $last_p < 0);
647                    if ($last_p % 10 == 0) {
648                            printf STDERR ("%5d / %5s [%-51s]\r",$current,"?"," " x ($last_p/20).$ind[($last_p/20) % $#ind]);
649                    }
650          }          }
 }  
651    
652  print STDERR "FATAL: Can't find isis database.\nPerhaps isis_data (".$config->{isis_data}.") has wrong value?\n" if (! @isis_dbs);          # now read database
653    print STDERR "using: $type...\n";
654    
655  my $db;          # erase cache for tags by order in this database
656            delete $cache->{tags_by_order};
657    
658  foreach my $isis_db (@isis_dbs) {          if ($type_base eq "isis") {
659    
660                    my $isis_db = $cfg -> val($database, 'isis_db') || die "$database doesn't have 'isis_db' defined!";
661    
662          my $db = OpenIsis::open( $isis_db );                  $import2cp = Text::Iconv->new($config->{isis_codepage},$codepage);
663          if (0) {                  my $db = OpenIsis::open( $isis_db );
 #       # FIX  
 #       if (! $db ) {  
                 print STDERR "WARNING: can't open '$isis_db'\n";  
                 next ;  
         }  
664    
665          my $max_rowid = OpenIsis::maxRowid( $db );                  # check if .txt database for OpenIsis is zero length,
666                    # if so, erase it and re-open database
667                    sub check_txt_db {
668                            my $isis_db = shift || die "need isis database name";
669                            my $reopen = 0;
670    
671          print STDERR "Reading database: $isis_db [$max_rowid rows]\n";                          if (-e $isis_db.".TXT") {
672                                    print STDERR "WARNING: removing $isis_db.TXT OpenIsis database...\n";
673                                    unlink $isis_db.".TXT" || warn "FATAL: unlink error on '$isis_db.TXT': $!";
674                                    $reopen++;
675                            }
676                            if (-e $isis_db.".PTR") {
677                                    print STDERR "WARNING: removing $isis_db.PTR OpenIsis database...\n";
678                                    unlink $isis_db.".PTR" || warn "FATAL: unlink error on '$isis_db.PTR': $!";
679                                    $reopen++;
680                            }
681                            return OpenIsis::open( $isis_db ) if ($reopen);
682                    }
683    
684          my $last_p = 0;                  # EOF error
685                    if ($db == -1) {
686                            $db = check_txt_db($isis_db);
687                            if ($db == -1) {
688                                    print STDERR "FATAL: OpenIsis can't open zero size file $isis_db\n";
689                                    next;
690                            }
691                    }
692    
693                    # OpenIsis::ERR_BADF
694                    if ($db == -4) {
695                            print STDERR "FATAL: OpenIsis can't find file $isis_db\n";
696                            next;
697                    # OpenIsis::ERR_IO
698                    } elsif ($db == -5) {
699                            print STDERR "FATAL: OpenIsis can't access file $isis_db\n";
700                            next;
701                    } elsif ($db < 0) {
702                            print STDERR "FATAL: OpenIsis unknown error $db with file $isis_db\n";
703                            next;
704                    }
705    
706                    my $max_rowid = OpenIsis::maxRowid( $db );
707    
708                    # if 0 records, try to rease isis .txt database
709                    if ($max_rowid == 0) {
710                            # force removal of database
711                            $db = check_txt_db($isis_db);
712                            $max_rowid = OpenIsis::maxRowid( $db );
713                    }
714    
715                    print STDERR "Reading database: $isis_db [$max_rowid rows]\n";
716    
717                    my $path = $database;
718    
719                    for (my $row_id = 1; $row_id <= $max_rowid; $row_id++ ) {
720                            my $row = OpenIsis::read( $db, $row_id );
721                            if ($row && $row->{mfn}) {
722            
723                                    progress($row->{mfn}, $max_rowid);
724    
725                                    my $swishpath = $path."#".int($row->{mfn});
726    
727  #       { my $row_id = 1;                                  if (my $xml = data2xml($type_base,$row,$add_xml,$cfg,$database)) {
728  # FIX                                          $xml = $cp2utf->convert($xml);
729          for (my $row_id = 1; $row_id <= $max_rowid; $row_id++ ) {                                          use bytes;      # as opposed to chars
730                  my $row = OpenIsis::read( $db, $row_id );                                          print "Path-Name: $swishpath\n";
731                  if ($row && $row->{mfn}) {                                          print "Content-Length: ".(length($xml)+1)."\n";
732                                            print "Document-Type: XML\n\n$xml\n";
733                          # output current process indicator                                  }
                         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 = $p;  
734                          }                          }
735                    }
736                    # for this to work with current version of OpenIsis (0.9.0)
737                    # you might need my patch from
738                    # http://www.rot13.org/~dpavlin/projects/openisis-0.9.0-perl_close.diff
739                    OpenIsis::close($db);
740                    print STDERR "\n";
741    
742            } elsif ($type_base eq "excel") {
743                    use Spreadsheet::ParseExcel;
744                    use Spreadsheet::ParseExcel::Utility qw(int2col);
745                    
746                    $import2cp = Text::Iconv->new($config->{excel_codepage},$codepage);
747                    my $excel_file = $cfg -> val($database, 'excel_file') || die "$database doesn't have 'excel_file' defined!";
748    
749                    my $sheet = x($config->{sheet}) || die "no sheet in $type.xml";
750                    my $start_row = x($config->{start_row}) - 1 || die "no start_row in $type.xml";
751    
752                    my $oBook = Spreadsheet::ParseExcel::Workbook->Parse($excel_file) || die "can't open Excel file '$excel_file'";
753    
754                    my $sheet_nr = 0;
755                    foreach my $oWks (@{$oBook->{Worksheet}}) {
756                            #print STDERR "-- SHEET $sheet_nr:", $oWks->{Name}, "\n";
757                            last if ($oWks->{Name} eq $sheet);
758                            $sheet_nr++;
759                    }
760    
761                    my $oWorksheet = $oBook->{Worksheet}[$sheet_nr];
762            
763                    print STDERR "using sheet: ",$oWorksheet->{Name},"\n";
764                    defined ($oWorksheet) || die "can't find sheet '$sheet' in $excel_file";
765                    my $end_row = x($config->{end_row}) || $oWorksheet->{MaxRow};
766    
767                    for(my $iR = $start_row ; defined $end_row && $iR <= $end_row ; $iR++) {
768                            my $row;
769                            for(my $iC = $oWorksheet->{MinCol} ; defined $oWorksheet->{MaxCol} && $iC <= $oWorksheet->{MaxCol} ; $iC++) {
770                                    my $cell = $oWorksheet->{Cells}[$iR][$iC];
771                                    if ($cell) {
772                                            $row->{int2col($iC)} = $cell->Value;
773                                    }
774                            }
775    
776                            progress($iR, $end_row);
777    
778    #                       print "row[$iR/$end_row] ";
779    #                       foreach (keys %{$row}) {
780    #                               print "$_: ",$row->{$_},"\t";
781    #                       }
782    #                       print "\n";
783    
784                            my $swishpath = $database."#".$iR;
785    
786                            next if (! $row);
787    
788                            if (my $xml = data2xml($type_base,$row,$add_xml,$cfg,$database)) {
789                                    $xml = $cp2utf->convert($xml);
790                                    use bytes;      # as opposed to chars
791                                    print "Path-Name: $swishpath\n";
792                                    print "Content-Length: ".(length($xml)+1)."\n";
793                                    print "Document-Type: XML\n\n$xml\n";
794                            }
795                    }
796            } elsif ($type_base eq "marc") {
797    
798                    use MARC;
799                    
800                    $import2cp = Text::Iconv->new($config->{marc_codepage},$codepage);
801                    my $marc_file = $cfg -> val($database, 'marc_file') || die "$database doesn't have 'marc_file' defined!";
802    
803                    # optional argument is format
804                    my $format = x($config->{marc_format}) || 'usmarc';
805    
806                    print STDERR "Reading MARC file '$marc_file'\n";
807    
808                    my $marc = new MARC;
809                    my $nr = $marc->openmarc({
810                                    file=>$marc_file, format=>$format
811                            }) || die "Can't open MARC file '$marc_file' with format '$format'";
812    
813                    # read MARC file in memory
814                    $marc->nextmarc(-1);
815    
816                    my $max_rec = $marc->marc_count();
817    
818                    for(my $i=1; $i<=$max_rec; $i++) {
819    
820                          if (my $xml = isis2xml($row)) {                          progress($i,$max_rec);
821                                  print "Path-Name: $isis_db#".$row->{mfn}."\n";  
822                            # store value for marc_sf.pm
823                            $main::cache->{marc_record} = $i;
824    
825                            my $swishpath = $database."#".$i;
826    
827                            if (my $xml = data2xml($type_base,$marc,$add_xml,$cfg,$database)) {
828                                    $xml = $cp2utf->convert($xml);
829                                    use bytes;      # as opposed to chars
830                                    print "Path-Name: $swishpath\n";
831                                  print "Content-Length: ".(length($xml)+1)."\n";                                  print "Content-Length: ".(length($xml)+1)."\n";
832                                  print "Document-Type: XML\n\n$xml\n";                                  print "Document-Type: XML\n\n$xml\n";
833                          }                          }
834                  }                  }
835    
836                    print STDERR "\n";
837    
838            } elsif ($type_base eq "feed") {
839    
840                    $import2cp = Text::Iconv->new($config->{feed_codepage},$codepage);
841                    my $prog = x($config->{prog}) || die "$database doesn't have 'prog' defined!";
842    
843                    print STDERR "Reading feed from program '$prog'\n";
844    
845                    open(FEED,"feeds/$prog |") || die "can't start $prog: $!";
846    
847                    my $i=1;        # record nr.
848    
849                    my $data;
850                    my $line=1;
851    
852                    while (<FEED>) {
853                            chomp;
854    
855                            if (/^$/) {
856                                    my $swishpath = $database."#".$i++;
857    
858                                    if (my $xml = data2xml($type_base,$data,$add_xml,$cfg,$database)) {
859                                            $xml = $cp2utf->convert($xml);
860                                            use bytes;      # as opposed to chars
861                                            print "Path-Name: $swishpath\n";
862                                            print "Content-Length: ".(length($xml)+1)."\n";
863                                            print "Document-Type: XML\n\n$xml\n";
864                                    }
865                                    $line = 1;
866                                    $data = {};
867                                    next;
868                            }
869    
870                            $line = $1 if (s/^(\d+):\s*//);
871                            $data->{$line++} = $_;
872    
873                            fakeprogress($i);
874    
875                    }
876                    # close lookup
877                    untie %lhash if (%lhash);
878          }          }
         print STDERR "\n";  
879  }  }
880    
881    # call this to commit index
882    $index->close;
883    
884  1;  1;
885  __END__  __END__
# Line 184  __END__ Line 887  __END__
887    
888  =head1 NAME  =head1 NAME
889    
890  isis2xml.pl - read isis file and dump XML  all2xml.pl - read various file formats and dump XML for SWISH-E
891    
892  =head1 DESCRIPTION  =head1 DESCRIPTION
893    
894  This command will read ISIS data file using OpenIsis perl module and  This command will read ISIS data file using OpenIsis perl module, MARC
895  create XML file for usage with I<SWISH-E>  records using MARC module and optionally Micro$oft Excel files to
896  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,
897  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
898  script is tailor-made for SWISH-E.  has something like that). Output of this script is tailor-made for SWISH-E.
899    
900    =head1 BUGS
901    
902    Documentation is really lacking. However, in true Open Source spirit, source
903    is best documentation. I even made considerable effort to comment parts
904    which are not intuitively clear, so...
905    
906  =head1 AUTHOR  =head1 AUTHOR
907    

Legend:
Removed from v.5  
changed lines
  Added in v.233

  ViewVC Help
Powered by ViewVC 1.1.26