/[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

trunk/all2xml.pl revision 197 by dpavlin, Sun Dec 21 03:27:02 2003 UTC trunk2/all2xml.pl revision 337 by dpavlin, Thu Jun 10 19:22:40 2004 UTC
# Line 5  use OpenIsis; Line 5  use OpenIsis;
5  use Getopt::Std;  use Getopt::Std;
6  use Data::Dumper;  use Data::Dumper;
7  use XML::Simple;  use XML::Simple;
 use Text::Unaccent 1.02;        # 1.01 won't compile on my platform,  
8  use Text::Iconv;  use Text::Iconv;
9  use Config::IniFiles;  use Config::IniFiles;
10  use Encode;  use Encode;
# Line 17  $|=1; Line 16  $|=1;
16    
17  my $config_file = $0;  my $config_file = $0;
18  $config_file =~ s/\.pl$/.conf/;  $config_file =~ s/\.pl$/.conf/;
19    $config_file = $ARGV[0] if ($ARGV[0] && -f $ARGV[0]);
20  die "FATAL: can't find configuration file '$config_file'" if (! -e $config_file);  die "FATAL: can't find configuration file '$config_file'" if (! -e $config_file);
21    
22  my $config;  my $config;
# Line 151  sub data2xml { Line 151  sub data2xml {
151          }          }
152    
153    
154            # init variables for different types
155            sub init_visible_type($) {
156                    my $type = shift;
157    
158                    # swish, swish_exact, display, index, index_lookup
159                    # swish and display defaults
160                    my ($s,$se,$d,$i,$il) = (1,0,1,0,0);
161                    if (lc($type) eq "display") {
162                            $s = 0;
163                    } elsif (lc($type) eq "swish") {
164                            $d = 0;
165                    } elsif (lc($type) eq "index") {
166                            ($s,$se,$d,$i) = (0,1,0,1);
167                    } elsif (lc($type) eq "swish_exact") {
168                            ($s,$se,$d,$i) = (0,1,0,0);
169                    } elsif (lc($type) =~ /^lookup/) {
170                            ($s,$se,$d,$i,$il) = (0,1,0,0,1);
171                    } elsif ($type) {
172                            print STDERR "WARNING: unknown type: $type\n";
173                    }
174                    return ($s,$se,$d,$i,$il);
175            }
176    
177    
178            # convert
179            #
180            # <tag>
181            #  <delimiter>, </delimiter>
182            #  <value>200a</value>
183            # </tag>
184            #
185            # to
186            #
187            # <tag delimiter=", ">200a</tag>
188            #
189            # but without loosing spaces in delimiter (becasue
190            # new XML::Simple strips spaces in attribute values
191            # as defined in XML specification)
192            #
193            sub unroll_x($) {
194                    my $x = shift;
195    
196                    if (defined $x->{value}) {
197                            my ($v,$d) = ($x->{value}->{content}, $x->{delimiter}->{content});
198                            delete $x->{value};
199                            delete $x->{delimiter};
200                            $x->{content} = $v;
201                            $x->{delimiter} = $d;
202                    }
203                    return $x;
204            }
205    
206          # begin real work: go field by field          # begin real work: go field by field
207          foreach my $field (@sorted_tags) {          foreach my $field (@sorted_tags) {
208    
# Line 184  sub data2xml { Line 236  sub data2xml {
236    
237                  foreach my $x (@{$config->{indexer}->{$field}->{$tag}}) {                  foreach my $x (@{$config->{indexer}->{$field}->{$tag}}) {
238    
239                            $x = unroll_x($x);
240    
241                          my $format = x($x->{content});                          my $format = x($x->{content});
242                          my $delimiter = x($x->{delimiter}) || ' ';                          my $delimiter = x($x->{delimiter}) || ' ';
243    
244                          my $repeat_off = 0;     # init repeatable offset                          my $repeat_off = 0;     # init repeatable offset
245    
246                          # swish, swish_exact, display, index, index_lookup                          my ($s,$se,$d,$i,$il) = init_visible_type($x->{type});
                         # swish and display defaults  
                         my ($s,$se,$d,$i,$il) = (1,0,1,0,0);  
                         $s = 0 if (lc($x->{type}) eq "display");  
                         $d = 0 if (lc($x->{type}) eq "swish");  
                         ($s,$se,$d,$i) = (0,1,0,1) if (lc($x->{type}) eq "index");  
                         ($s,$se,$d,$i) = (0,1,0,0) if (lc($x->{type}) eq "swish_exact");  
                         ($s,$se,$d,$i,$il) = (0,1,0,0,1) if (lc($x->{type}) =~ /^lookup/);  
247    
248                          # what will separate last line from this one?                          # what will separate last line from this one?
249                          if ($display_data && $x->{append}) {                          if ($display_data && $x->{append}) {
250                                  $line_delimiter = ' ';                                  $line_delimiter = $delimiter;
251                          } elsif ($display_data) {                          } elsif ($display_data) {
252                                  $line_delimiter = '<br/>';                                  $line_delimiter = '<br/>';
253                          }                          }
# Line 228  sub data2xml { Line 275  sub data2xml {
275                                          if (($#data+1) == $nr) {                                          if (($#data+1) == $nr) {
276                                                  return sprintf($fmt,@data);                                                  return sprintf($fmt,@data);
277                                          } else {                                          } else {
278                                                  print STDERR "mkformat: [$data] can't be split on [$format_delimiter] to $nr fields!\n";                                                  #print STDERR "mkformat: [$data] can't be split on [$format_delimiter] to $nr fields!\n";
279                                                  return $data;                                                  return $data;
280                                          }                                          }
281                                  } else {                                  } else {
# Line 257  sub data2xml { Line 304  sub data2xml {
304                                                                  $display = $new_display;                                                                  $display = $new_display;
305                                                                  $cache->{lhash}->{$display} = $new_display;                                                                  $cache->{lhash}->{$display} = $new_display;
306                                                          } else {                                                          } else {
307                                                                  print STDERR "WARNING: lookup for '$display' didn't find anything.\n";  #                                                               print STDERR "WARNING: lookup for '$display' didn't find anything.\n";
308                                                                  $display = "";                                                                  $display = "";
309                                                                  $cache->{lhash}->{$display} = $null;                                                                  $cache->{lhash}->{$display} = $null;
310                                                          }                                                          }
# Line 278  sub data2xml { Line 325  sub data2xml {
325                                  }                                  }
326                                  # type="swish" ; field for swish                                  # type="swish" ; field for swish
327                                  if ($swish) {                                  if ($swish) {
328                                            my $tmp = $swish;
329                                          if ($filter && ($s || $se)) {                                          if ($filter && ($s || $se)) {
330                                                  no strict 'refs';                                                  no strict 'refs';
331                                                  my $tmp = join(" ",&$filter($swish)) if ($s || $se);                                                  $tmp = join(" ",&$filter($tmp)) if ($s || $se);
                                                 $swish_data .= $tmp if ($s);  
                                                 $swish_exact_data .= "xxbxx $tmp xxexx " if ($se && $tmp ne "");  
   
                                         } else {  
                                                 $swish_data .= $swish if ($s);  
                                                 $swish_exact_data .= "xxbxx $swish xxexx " if ($se && $swish ne "");  
332                                          }                                          }
333    
334                                            $swish_data .= $tmp if ($s && $tmp);
335                                            $swish_exact_data .= "xxbxx $tmp xxexx " if ($tmp && $tmp ne "" && $se);
336                                  }                                  }
337    
338                                  # type="display" ; field for display                                  # type="display" ; field for display
339                                  if ($d && $display) {                                  if ($d && $display) {
340                                            my $ldel = $delimiter;
341                                          if ($line_delimiter && $display_data) {                                          if ($line_delimiter && $display_data) {
342                                                  $display_data .= $line_delimiter;                                                  $ldel = $line_delimiter;
343                                          }                                          }
344                                          if ($filter) {                                          if ($filter) {
345                                                  no strict 'refs';                                                  no strict 'refs';
346                                                  if ($display_data) {                                                  my @arr;
347                                                          $display_data .= $delimiter.join($delimiter,mkformat($x,&$filter($display)));                                                  foreach my $tmp (&$filter($display)) {
348                                                  } else {                                                          my $tmp2 = mkformat($x,$tmp);
349                                                          $display_data = join($delimiter,mkformat($x,&$filter($display)));                                                          push @arr,$tmp2 if ($tmp2);
350                                                  }                                                  }
351                                                    $display_data .= $ldel if ($display_data && @arr);
352                                                    $display_data .= join($delimiter,@arr);
353                                          } else {                                          } else {
354                                                  if ($display_data) {                                                  $display_data .= $ldel if ($display_data);
355                                                          $display_data .= $delimiter.mkformat($x,$display);                                                  my $tmp = mkformat($x,$display);
356                                                  } else {                                                  $display_data .= $tmp if ($tmp);
                                                         $display_data = mkformat($x,$display);  
                                                 }  
357                                          }                                          }
358                                  }                                  }
359                                                                                                    
# Line 319  sub data2xml { Line 365  sub data2xml {
365                                                  no strict 'refs';                                                  no strict 'refs';
366                                                  $idisplay = &$filter($idisplay);                                                  $idisplay = &$filter($idisplay);
367                                          }                                          }
368                                          push @index_data, $idisplay if (! $iterate_by_page);                                          push @index_data, $idisplay if ($idisplay && !$iterate_by_page);
369                                  }                                  }
370    
371                                  # store fields in lookup                                  # store fields in lookup
# Line 328  sub data2xml { Line 374  sub data2xml {
374                                                  if ($lookup_key) {                                                  if ($lookup_key) {
375                                                          print STDERR "WARNING: try to redefine lookup_key (keys shouldn't be repeatable fields!)";                                                          print STDERR "WARNING: try to redefine lookup_key (keys shouldn't be repeatable fields!)";
376                                                  } else {                                                  } else {
377                                                          $lookup_key = $display;                                                          if ($filter) {
378                                                                    no strict 'refs';
379                                                                    $lookup_key = &$filter($display);
380                                                            } else {
381                                                                    $lookup_key = $display;
382                                                            }
383                                                  }                                                  }
384                                          } elsif (lc($x->{type}) eq "lookup_val") {                                          } elsif (lc($x->{type}) eq "lookup_val") {
385                                                  if ($lookup_key) {                                                  if ($lookup_key) {
386                                                          $lhash{$lookup_key} = $display;                                                          if ($filter) {
387                                                                    no strict 'refs';
388                                                                    $lhash{$lookup_key} = &$filter($display);
389                                                            } else {
390                                                                    $lhash{$lookup_key} = $display;
391                                                            }
392                                                  } else {                                                  } else {
393                                                          print STDERR "WARNING: no lookup_key defined for  '$display'?";                                                          print STDERR "WARNING: no lookup_key defined for  '$display'?";
394                                                  }                                                  }
# Line 408  sub data2xml { Line 464  sub data2xml {
464                  # now try to parse variables from configuration file                  # now try to parse variables from configuration file
465                  foreach my $x (@{$config->{indexer}->{$field}->{'config'}}) {                  foreach my $x (@{$config->{indexer}->{$field}->{'config'}}) {
466    
467                            $x = unroll_x($x);
468    
469                          my $delimiter = x($x->{delimiter}) || ' ';                          my $delimiter = x($x->{delimiter}) || ' ';
470                          my $val = $cfg->val($database, x($x->{content}));                          my $val = $cfg->val($database, x($x->{content}));
471    
472                          my ($s,$d,$i) = (1,1,0);        # swish, display default                          # FIXME index_lookup is not supported!
473                          $s = 0 if (lc($x->{type}) eq "display");                          my ($s,$se,$d,$i,$il) = init_visible_type($x->{type});
                         $d = 0 if (lc($x->{type}) eq "swish");  
                         # no support for swish exact in config.  
                         # IMHO, it's useless  
                         ($s,$d,$i) = (0,0,1) if (lc($x->{type}) eq "index");  
474    
475                          if ($val) {                          if ($val) {
476                                  $display_data .= $delimiter.$val if ($d);                                  $display_data .= $delimiter.$val if ($d);
477                                  $swish_data .= $val if ($s);                                  $swish_data .= " ".$val if ($s);
478                                  $index->insert($field, $val, $path) if ($i);                                  $index->insert($field, $val, $path) if ($i);
479                          }                          }
480    
# Line 451  sub data2xml { Line 505  sub data2xml {
505                          for (my $page=0; $page <= $nr_pages; $page++) {                          for (my $page=0; $page <= $nr_pages; $page++) {
506                                  my $display_data;                                  my $display_data;
507                                  if ($cache->{format}->{$field}) {                                  if ($cache->{format}->{$field}) {
508                                          $display_data=mkformat($cache->{format}->{$field},$cache->{display_data}->{$field}->[$page]);                                          my $tmp = mkformat($cache->{format}->{$field},$cache->{display_data}->{$field}->[$page]);
509                                            $display_data=$tmp if ($tmp);
510                                  } else {                                  } else {
511                                          $display_data = $cache->{display_data}->{$field}->[$page];                                          $display_data = $cache->{display_data}->{$field}->[$page];
512                                  }                                  }
# Line 472  sub data2xml { Line 527  sub data2xml {
527                                          $swish_data =~ s/ +/ /g;                                          $swish_data =~ s/ +/ /g;
528                                          $swish_data =~ s/ +$//g;                                          $swish_data =~ s/ +$//g;
529    
530                                          $xml .= xmlify($field."_swish", unac_string($codepage,$swish_data));                                          $xml .= xmlify($field."_swish", my_unac_string($codepage,$swish_data));
531                                  }                                  }
532    
533                                  my $swish_exact_data = $cache->{swish_exact_data}->{$field}->[$page];                                  my $swish_exact_data = $cache->{swish_exact_data}->{$field}->[$page];
# Line 482  sub data2xml { Line 537  sub data2xml {
537    
538                                          # add delimiters before and after word.                                          # add delimiters before and after word.
539                                          # That is required to produce exact match                                          # That is required to produce exact match
540                                          $xml .= xmlify($field."_swish_exact", unac_string($codepage,$swish_exact_data));                                          $xml .= xmlify($field."_swish_exact", my_unac_string($codepage,$swish_exact_data));
541                                  }                                  }
542                                                                    
543                                  my $idel = $cache->{index_delimiter}->{$field};                                  my $idel = $cache->{index_delimiter}->{$field};
# Line 515  sub data2xml { Line 570  sub data2xml {
570                                  $swish_data =~ s/ +/ /g;                                  $swish_data =~ s/ +/ /g;
571                                  $swish_data =~ s/ +$//g;                                  $swish_data =~ s/ +$//g;
572    
573                                  $xml .= xmlify($field."_swish", unac_string($codepage,$swish_data));                                  $xml .= xmlify($field."_swish", my_unac_string($codepage,$swish_data));
574                          }                          }
575    
576                          if ($swish_exact_data) {                          if ($swish_exact_data) {
# Line 524  sub data2xml { Line 579  sub data2xml {
579    
580                                  # add delimiters before and after word.                                  # add delimiters before and after word.
581                                  # That is required to produce exact match                                  # That is required to produce exact match
582                                  $xml .= xmlify($field."_swish_exact", unac_string($codepage,$swish_exact_data));                                  $xml .= xmlify($field."_swish_exact", my_unac_string($codepage,$swish_exact_data));
583                          }                          }
584                  }                  }
585          }          }
# Line 561  $index = new index_DBI( Line 616  $index = new index_DBI(
616    
617  my $show_progress = $cfg_global->val('global', 'show_progress');  my $show_progress = $cfg_global->val('global', 'show_progress');
618    
619  my $unac_filter = $cfg_global->val('global', 'unac_filter');  my $my_unac_filter = $cfg_global->val('global', 'my_unac_filter');
620  if ($unac_filter) {  if ($my_unac_filter) {
621          require $unac_filter;          print STDERR "using $my_unac_filter to filter characters for search\n";
622            require $my_unac_filter;
623    } else {
624            print STDERR "### fallback to default my_unac_string!\n";
625            eval q{
626            sub main::my_unac_string($$) {
627                    my ($charset, $string) = (@_);
628                    return $string;
629            }
630            };
631  }  }
632    
633  foreach my $database ($cfg->Sections) {  foreach my $database ($cfg->Sections) {
# Line 577  foreach my $database ($cfg->Sections) { Line 641  foreach my $database ($cfg->Sections) {
641                  #tie %lhash, 'GDBM_File', $lookup_file, &GDBM_NEWDB, 0644;                  #tie %lhash, 'GDBM_File', $lookup_file, &GDBM_NEWDB, 0644;
642                  tie %lhash, 'TDB_File', $lookup_file, TDB_CLEAR_IF_FIRST, O_RDWR, 0644;                  tie %lhash, 'TDB_File', $lookup_file, TDB_CLEAR_IF_FIRST, O_RDWR, 0644;
643                  print STDERR "creating lookup file '$lookup_file'\n";                  print STDERR "creating lookup file '$lookup_file'\n";
644                    # delete memory cache for lookup file
645                    delete $cache->{lhash};
646          }          }
647    
648          # open existing lookup file          # open existing lookup file
# Line 593  print STDERR "reading ./import_xml/$type Line 659  print STDERR "reading ./import_xml/$type
659          my $type_base = $type;          my $type_base = $type;
660          $type_base =~ s/_.+$//g;          $type_base =~ s/_.+$//g;
661    
662          $config=XMLin("./import_xml/$type.xml", forcearray => [ $type2tag{$type_base}, 'config', 'format' ], forcecontent => 1);          $config=XMLin("./import_xml/$type.xml", ForceArray => [ $type2tag{$type_base}, 'config', 'format' ], ForceContent => 1 );
663    
664          # output current progress indicator          # output current progress indicator
665          my $last_p = 0;          my $last_p = 0;
# Line 713  print STDERR "using: $type...\n"; Line 779  print STDERR "using: $type...\n";
779                  print STDERR "\n";                  print STDERR "\n";
780    
781          } elsif ($type_base eq "excel") {          } elsif ($type_base eq "excel") {
782                  use Spreadsheet::ParseExcel;                  require Spreadsheet::ParseExcel;
783                  use Spreadsheet::ParseExcel::Utility qw(int2col);                  require Spreadsheet::ParseExcel::Utility;
784                    import Spreadsheet::ParseExcel::Utility qw(int2col);
785                                    
786                  $import2cp = Text::Iconv->new($config->{excel_codepage},$codepage);                  $import2cp = Text::Iconv->new($config->{excel_codepage},$codepage);
787                  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!";
# Line 768  print STDERR "using: $type...\n"; Line 835  print STDERR "using: $type...\n";
835                  }                  }
836          } elsif ($type_base eq "marc") {          } elsif ($type_base eq "marc") {
837    
838                  use MARC;                  require MARC;
839                                    
840                  $import2cp = Text::Iconv->new($config->{marc_codepage},$codepage);                  $import2cp = Text::Iconv->new($config->{marc_codepage},$codepage);
841                  my $marc_file = $cfg -> val($database, 'marc_file') || die "$database doesn't have 'marc_file' defined!";                  my $marc_file = $cfg -> val($database, 'marc_file') || die "$database doesn't have 'marc_file' defined!";
842    
843                  # optional argument is format                  # optional argument is format
844                  my $format = x($config->{format}) || 'usmarc';                  my $format = x($config->{marc_format}) || 'usmarc';
845    
846                  print STDERR "Reading MARC file '$marc_file'\n";                  print STDERR "Reading MARC file '$marc_file'\n";
847    
848                  my $marc = new MARC;                  my $marc = new MARC;
849                  my $nr = $marc->openmarc({                  my $nr = $marc->openmarc({
850                                  file=>$marc_file, format=>$format                                  file=>$marc_file, format=>$format
851                          }) || die "Can't open MARC file '$marc_file'";                          }) || die "Can't open MARC file '$marc_file' with format '$format'";
852    
853                    # read MARC file in memory
854                    $marc->nextmarc(-1);
855    
856                  my $i=0;        # record nr.                  my $max_rec = $marc->marc_count();
857    
858                  my $rec;                  for(my $i=1; $i<=$max_rec; $i++) {
859    
860                  while ($marc->nextmarc(1)) {                          progress($i,$max_rec);
861    
862                          # XXX                          # store value for marc_sf.pm
863                          fakeprogress($i++);                          $main::cache->{marc_record} = $i;
864    
865                          my $swishpath = $database."#".$i;                          my $swishpath = $database."#".$i;
866    
# Line 802  print STDERR "using: $type...\n"; Line 872  print STDERR "using: $type...\n";
872                                  print "Document-Type: XML\n\n$xml\n";                                  print "Document-Type: XML\n\n$xml\n";
873                          }                          }
874                  }                  }
875    
876                    print STDERR "\n";
877    
878          } elsif ($type_base eq "feed") {          } elsif ($type_base eq "feed") {
879    
880                  $import2cp = Text::Iconv->new($config->{feed_codepage},$codepage);                  $import2cp = Text::Iconv->new($config->{feed_codepage},$codepage);
# Line 856  __END__ Line 929  __END__
929    
930  all2xml.pl - read various file formats and dump XML for SWISH-E  all2xml.pl - read various file formats and dump XML for SWISH-E
931    
932    =head1 SYNOPSYS
933    
934     $ all2xml.pl [test.conf]
935    
936  =head1 DESCRIPTION  =head1 DESCRIPTION
937    
938  This command will read ISIS data file using OpenIsis perl module, MARC  This command will read ISIS data file using OpenIsis perl module, MARC
# Line 864  create one XML file for usage with I<SWI Line 941  create one XML file for usage with I<SWI
941  this script B<isn't general xml generator> from isis files (isis allready  this script B<isn't general xml generator> from isis files (isis allready
942  has something like that). Output of this script is tailor-made for SWISH-E.  has something like that). Output of this script is tailor-made for SWISH-E.
943    
944    If no configuration file is specified, it will use default one called
945    C<all2xml.conf>.
946    
947  =head1 BUGS  =head1 BUGS
948    
949  Documentation is really lacking. However, in true Open Source spirit, source  Documentation is really lacking. However, in true Open Source spirit, source

Legend:
Removed from v.197  
changed lines
  Added in v.337

  ViewVC Help
Powered by ViewVC 1.1.26