/[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 44 by dpavlin, Sat Mar 22 22:51:48 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;
11    #use GDBM_File;
12    use Fcntl;      # for O_RDWR
13    use TDB_File;
14    
15  $|=1;  $|=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;
23    
24  use index_DBI;  # there is no other, right now ;-)  #use index_DBI;         # default DBI module for index
25    use index_DBI_cache;    # faster DBI module using memory cache
26  my $index = new index_DBI();    # open index  my $index;
27    
28  my %opts;  my %opts;
29    
# Line 34  getopts('d:m:qs', \%opts); Line 37  getopts('d:m:qs', \%opts);
37    
38  my $path;       # this is name of database  my $path;       # this is name of database
39    
40  Text::Iconv->raise_error(1);     # Conversion errors raise exceptions  Text::Iconv->raise_error(0);     # Conversion errors don't raise exceptions
41    
42  # this is encoding of all files on disk, including import_xml/*.xml file and  # this is encoding of all files on disk, including import_xml/*.xml file and
43  # filter/*.pm files! It will be used to store strings in perl internally!  # filter/*.pm files! It will be used to store strings in perl internally!
# Line 46  sub x { Line 49  sub x {
49          return $utf2cp->convert($_[0]);          return $utf2cp->convert($_[0]);
50  }  }
51    
52  # decode isis import codepage  # decode isis/excel or other import codepage
53  my $isis2cp;  my $import2cp;
54    
55  # outgoing xml must be in UTF-8  # outgoing xml must be in UTF-8
56  my $cp2utf = Text::Iconv->new($codepage,'UTF-8');  my $cp2utf = Text::Iconv->new($codepage,'UTF-8');
57    
58  sub isis2xml {  # mapping between data type and tag which specify
59    # format in XML file
60    my %type2tag = (
61            'isis' => 'isis',
62            'excel' => 'column',
63            'marc' => 'marc',
64            'feed' => 'feed'
65    );
66    
67    my $cache;      # for cacheing
68    
69    # lookup hash (tied to file)
70    my %lhash;
71    # this option will cache all lookup entries in memory.
72    # if you are tight on memory, turn this off
73    my $use_lhash_cache = 1;
74    
75    my $last_field_name;    # cache to prevent repeated fields
76    
77    sub data2xml {
78    
79          use xmlify;          use xmlify;
80    
81            my $type = shift @_;
82          my $row = shift @_;          my $row = shift @_;
83          my $add_xml = shift @_;          my $add_xml = shift @_;
84            # needed to read values from configuration file
85            my $cfg = shift @_;
86            my $database = shift @_;
87    
88          my $xml;          my $xml;
89    
# Line 69  sub isis2xml { Line 95  sub isis2xml {
95    
96          # sort subrouting using order="" attribute          # sort subrouting using order="" attribute
97          sub by_order {          sub by_order {
98                  return 0 if (! $config->{indexer}->{$a}->{order});                  my $va = $config->{indexer}->{$a}->{order} ||
99                  return 0 if (! $config->{indexer}->{$b}->{order});                          $config->{indexer}->{$a};
100                    my $vb = $config->{indexer}->{$b}->{order} ||
101                            $config->{indexer}->{$b};
102    
103                  return $config->{indexer}->{$a}->{order} <=>                  return $va <=> $vb;
                         $config->{indexer}->{$b}->{order} ;  
104          }          }
105    
106          foreach my $field (sort by_order keys %{$config->{indexer}}) {          my @sorted_tags;
107            if ($cache->{tags_by_order}) {
108                    @sorted_tags = @{$cache->{tags_by_order}};
109            } else {
110                    @sorted_tags = sort by_order keys %{$config->{indexer}};
111                    $cache->{tags_by_order} = \@sorted_tags;
112            }
113    
114            # 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    
                 $field=x($field);  
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
207            foreach my $field (@sorted_tags) {
208    
209                    $field=x($field);
210                  $field_usage{$field}++;                  $field_usage{$field}++;
211    
212                  my $swish_data = "";                  my $swish_data = "";
213                    my $swish_exact_data = "";
214                  my $display_data = "";                  my $display_data = "";
215                    my @index_data;
216                  my $line_delimiter;                  my $line_delimiter;
217    
218                  my ($swish,$display);                  my ($swish,$display);
219    
220                  foreach my $x (@{$config->{indexer}->{$field}->{isis}}) {                  my $tag = $type2tag{$type} || die "can't find which tag to use for type $type";
221    
222                    # is this field page-by-page?
223                    my $iterate_by_page = $config->{indexer}->{$field}->{iterate_by_page};
224                    push @page_fields,$field if ($iterate_by_page);
225                    my %page_max = ();
226                    # default line_delimiter if using
227                    my $page_line_delimiter = $config->{indexer}->{$field}->{page_line_delimiter} || '<br/>';
228                    $cache->{index_delimiter}->{$field} = $config->{indexer}->{$field}->{index_delimiter};
229    
230                    my $format_name = $config->{indexer}->{$field}->{format_name};
231                    my $format_delimiter = $config->{indexer}->{$field}->{format_delimiter};
232                    if ($format_name && $format_delimiter) {
233                            $cache->{format}->{$field}->{format_name} = $format_name;
234                            $cache->{format}->{$field}->{format_delimiter} = $format_delimiter;
235                    }
236    
237                    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 $isis_i = 0;         # isis repeatable offset                          my $repeat_off = 0;     # init repeatable offset
245    
246                          my ($s,$d,$i) = (1,1,0);        # swish, display default                          my ($s,$se,$d,$i,$il) = init_visible_type($x->{type});
                         $s = 0 if (lc($x->{type}) eq "display");  
                         $d = 0 if (lc($x->{type}) eq "swish");  
                         ($s,$d,$i) = (0,0,1) if (lc($x->{type}) eq "index");  
247    
248                          # what will separate last line from this one?                          # what will separate last line from this one?
249                          if ($display_data && $x->{append} && $x->{append} eq "1") {                          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 110  sub isis2xml { Line 255  sub isis2xml {
255                          # init vars so that we go into while...                          # init vars so that we go into while...
256                          ($swish,$display) = (1,1);                          ($swish,$display) = (1,1);
257    
258                            # placeholder for all repeatable entries for index
259    
260                            sub mkformat($$) {
261                                    my $x = shift || die "mkformat needs tag reference";
262                                    my $data = shift || return;
263                                    my $format_name = x($x->{format_name}) || return $data;
264                                    my $fmt = x($config->{format}->{$format_name}->{content}) || die "<format name=\"$format_name\"> is not defined!";
265                                    my $format_delimiter = x($x->{format_delimiter});
266                                    my @data;
267                                    if ($format_delimiter) {
268                                            @data = split(/$format_delimiter/,$data);
269                                    } else {
270                                            push @data,$data;
271                                    }
272    
273                                    if ($fmt) {
274                                            my $nr = scalar $fmt =~ s/%s/%s/g;
275                                            if (($#data+1) == $nr) {
276                                                    return sprintf($fmt,@data);
277                                            } else {
278                                                    #print STDERR "mkformat: [$data] can't be split on [$format_delimiter] to $nr fields!\n";
279                                                    return $data;
280                                            }
281                                    } else {
282                                            print STDERR "usage of link '$format_name' without defined format (<link> tag)\n";
283                                    }
284                            }
285    
286                            # while because of repeatable fields
287                          while ($swish || $display) {                          while ($swish || $display) {
288                                  ($swish,$display) = parse_format($format,$row,$isis_i++,$isis2cp);                                  my $page = $repeat_off;
289                                    $page_max{$field} = $page if ($iterate_by_page && $page > ($page_max{$field} || 0));
290                                    ($swish,$display) = parse_format($type, $format,$row,$repeat_off++,$import2cp);
291                                    if ($repeat_off > 1000) {
292                                            print STDERR "loop (more than 1000 repeatable fields) deteced in $row, $format\n";
293                                            last;
294                                    }
295    
296                                    # is this field is lookup?
297                                    if ($display && $x->{lookup}) {
298                                            my $null = "<!-- null -->";
299                                            if ($use_lhash_cache) {
300                                                    if (!defined($cache->{lhash}->{$display})) {
301                                                            my $new_display = $lhash{$display};
302                                                            if (defined($new_display)) {
303    #print STDERR "lookup cache store '$display' = '$new_display'\n";
304                                                                    $display = $new_display;
305                                                                    $cache->{lhash}->{$display} = $new_display;
306                                                            } else {
307    #                                                               print STDERR "WARNING: lookup for '$display' didn't find anything.\n";
308                                                                    $display = "";
309                                                                    $cache->{lhash}->{$display} = $null;
310                                                            }
311                                                    } else {
312                                                            $display = $cache->{lhash}->{$display};
313                                                    }
314                                            } else {
315                                                    $display = $lhash{$display} || $null;
316                                            }
317                                    }
318    
319                                  # filter="name" ; filter this field through                                  # filter="name" ; filter this field through
320                                  # filter/[name].pm                                  # filter/[name].pm
321                                  my $filter = $x->{filter};                                  my $filter = $x->{filter};
322                                  if ($filter) {                                  if ($filter && !$cache->{filter_loaded}->{$filter}) {
323                                          require "filter/".$filter.".pm";                                          require "filter/".$filter.".pm";
324                                            $cache->{filter_loaded}->{$filter}++;
325                                  }                                  }
326                                  # type="swish" ; field for swish                                  # type="swish" ; field for swish
327                                  if ($s && $swish) {                                  if ($swish) {
328                                          if ($filter) {                                          my $tmp = $swish;
329                                            if ($filter && ($s || $se)) {
330                                                  no strict 'refs';                                                  no strict 'refs';
331                                                  $swish_data .= join(" ",&$filter($swish));                                                  $tmp = join(" ",&$filter($tmp)) if ($s || $se);
                                         } else {  
                                                 $swish_data .= $swish;  
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;
                                                 undef $line_delimiter;  
343                                          }                                          }
344                                          if ($filter) {                                          if ($filter) {
345                                                  no strict 'refs';                                                  no strict 'refs';
346                                                  $display_data .= join($delimiter,&$filter($display));                                                  my @arr;
347                                          } else {                                                  foreach my $tmp (&$filter($display)) {
348                                                  if ($display_data) {                                                          my $tmp2 = mkformat($x,$tmp);
349                                                          $display_data .= $delimiter.$display;                                                          push @arr,$tmp2 if ($tmp2);
                                                 } else {  
                                                         $display_data .= $display;  
350                                                  }                                                  }
351                                                    $display_data .= $ldel if ($display_data && @arr);
352                                                    $display_data .= join($delimiter,@arr);
353                                            } else {
354                                                    $display_data .= $ldel if ($display_data);
355                                                    my $tmp = mkformat($x,$display);
356                                                    $display_data .= $tmp if ($tmp);
357                                          }                                          }
358                                  }                                  }
359                                                                                                    
360                                  # type="index" ; insert into index                                  # type="index" ; insert into index
361                                    my $idisplay;
362                                  if ($i && $display) {                                  if ($i && $display) {
363                                          my $index_data = $display;                                          $idisplay = $display;
364                                          if ($filter) {                                          if ($filter) {
365                                                  no strict 'refs';                                                  no strict 'refs';
366                                                  foreach my $d (&$filter($index_data)) {                                                  $idisplay = &$filter($idisplay);
367                                                          $index->insert($field, $d, $path);                                          }
368                                            push @index_data, $idisplay if ($idisplay && !$iterate_by_page);
369                                    }
370    
371                                    # store fields in lookup
372                                    if ($il && $display) {
373                                            if (lc($x->{type}) eq "lookup_key") {
374                                                    if ($lookup_key) {
375                                                            print STDERR "WARNING: try to redefine lookup_key (keys shouldn't be repeatable fields!)";
376                                                    } else {
377                                                            if ($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") {
385                                                    if ($lookup_key) {
386                                                            if ($filter) {
387                                                                    no strict 'refs';
388                                                                    $lhash{$lookup_key} = &$filter($display);
389                                                            } else {
390                                                                    $lhash{$lookup_key} = $display;
391                                                            }
392                                                    } else {
393                                                            print STDERR "WARNING: no lookup_key defined for  '$display'?";
394                                                  }                                                  }
                                         } else {  
                                                 $index->insert($field, $index_data, $path);  
395                                          }                                          }
396    
397                                  }                                  }
398    
399                                    # store data for page-by-page repeatable fields
400                                    if ($iterate_by_page) {
401                                            sub iterate_fld($$$$$$) {
402                                                    my ($cache,$what,$field,$page,$data,$append) = @_;
403                                                    return if (!$data);
404    
405                                                    my $ldel = $page_line_delimiter;
406                                                    $ldel = " " if ($append);
407    #print STDERR "line delimiter: ",Dumper($ldel) if ($ldel);
408                                                    if (! $cache->{$what}->{$field}->[$page]) {
409                                                            $cache->{$what}->{$field}->[$page] = $data;
410                                                    } else {
411                                                            $cache->{$what}->{$field}->[$page] .= $ldel.$data;
412                                                    }
413                                            }
414    
415                                            if ($display_data) {
416                                                    iterate_fld($cache,'display_data',$field,$page,$display_data,$x->{append});
417                                            }
418                                                    $display_data = "";
419                                            if ($swish_data) {
420                                                    iterate_fld($cache,'swish_data',$field,$page,$swish_data,$x->{append});
421                                                    $swish_data = "";
422                                            }
423                                            if ($swish_exact_data) {
424                                                    iterate_fld($cache,'swish_exact_data',$field,$page,$swish_exact_data,$x->{append});
425                                                    $swish_exact_data = "";
426                                            }
427    
428                                            if ($idisplay) {
429                                                    my $ldel=$page_line_delimiter;
430                                                    my @index_data;
431                                                    if ($cache->{index_data}->{$field}->[$page]) {
432    
433                                                            @index_data = @{$cache->{index_data}->{$field}->[$page]};
434                                                    }
435                                                    if ($x->{append}) {
436                                                            if (@index_data) {
437                                                                    $index_data[$#index_data] .= $idisplay;
438                                                            } else {
439                                                                    push @index_data, $idisplay;
440                                                            }
441                                                    } else {
442                                                            push @index_data, $idisplay;
443                                                    }
444                                                    $idisplay = "";
445                                                    @{$cache->{index_data}->{$field}->[$page]} = @index_data;
446                                            }
447                                    }
448                            }
449    
450                            if (! $iterate_by_page) {
451                                    my $idel = $x->{index_delimiter};
452                                    # fill data in index
453                                    foreach my $tmp (@index_data) {
454                                            my $i = $d = $tmp;
455                                            if ($idel && $tmp =~ m/$idel/) {
456                                                    ($i,$d) = split(/$idel/,$tmp);
457                                            }
458                                            $index->insert($field, $i, $d, $path);
459                                    }
460                                    @index_data = ();
461                          }                          }
462                  }                  }
463    
464                    # now try to parse variables from configuration file
465                    foreach my $x (@{$config->{indexer}->{$field}->{'config'}}) {
466    
467                  if ($display_data) {                          $x = unroll_x($x);
468    
469                          if ($field eq "headline") {                          my $delimiter = x($x->{delimiter}) || ' ';
470                                  $xml .= xmlify("headline", $display_data);                          my $val = $cfg->val($database, x($x->{content}));
                         } else {  
471    
472                                  # find field name (signular, plural)                          # FIXME index_lookup is not supported!
473                                  my $field_name = "";                          my ($s,$se,$d,$i,$il) = init_visible_type($x->{type});
474                                  if ($config->{indexer}->{$field}->{name_singular} && $field_usage{$field} == 1) {  
475                                          $field_name = $config->{indexer}->{$field}->{name_singular}."#-#";                          if ($val) {
476                                  } elsif ($config->{indexer}->{$field}->{name_plural}) {                                  $display_data .= $delimiter.$val if ($d);
477                                          $field_name = $config->{indexer}->{$field}->{name_plural}."#-#";                                  $swish_data .= " ".$val if ($s);
478                                  } elsif ($config->{indexer}->{$field}->{name}) {                                  $index->insert($field, $val, $path) if ($i);
479                                          $field_name = $config->{indexer}->{$field}->{name}."#-#";                          }
480                                  } else {  
481                                          print STDERR "WARNING: field '$field' doesn't have 'name' attribute!";                          if ($iterate_by_page) {
482                                    # FIXME data from config tag will appear just
483                                    # on first page!!!
484                                    my $page = 0;
485                                    if ($display_data) {
486                                            $cache->{display_data}->{$field}->[$page] = $display_data;
487                                            $display_data = "";
488                                  }                                  }
489                                  if ($field_name) {                                  if ($swish_data) {
490                                          $html .= x($field_name);                                          $cache->{swish_data}->{$field}->[$page] = $swish_data;
491                                            $swish_data = "";
492                                    }
493                                    if ($swish_exact_data) {
494                                            $cache->{swish_exact_data}->{$field}->[$page] = $swish_exact_data;
495                                            $swish_exact_data = "";
496                                  }                                  }
                                 $html .= $display_data."###\n";  
497                          }                          }
498                  }                  }
                 if ($swish_data) {  
                         # remove extra spaces  
                         $swish_data =~ s/ +/ /g;  
                         $swish_data =~ s/ +$//g;  
499    
500                          $xml .= xmlify($field."_swish", unac_string($codepage,$swish_data));                  # save data page-by-page
501                    foreach my $field (@page_fields) {
502                            my $nr_pages = $page_max{$field} || next;
503    #print STDERR "field '$field' iterate over ",($nr_pages || 0)," pages...\n";
504    #print STDERR Dumper($cache->{display_data});
505                            for (my $page=0; $page <= $nr_pages; $page++) {
506                                    my $display_data;
507                                    if ($cache->{format}->{$field}) {
508                                            my $tmp = mkformat($cache->{format}->{$field},$cache->{display_data}->{$field}->[$page]);
509                                            $display_data=$tmp if ($tmp);
510                                    } else {
511                                            $display_data = $cache->{display_data}->{$field}->[$page];
512                                    }
513                                    if ($display_data) { # default
514                                            if ($field eq "headline") {
515                                                    $xml .= xmlify("headline", $display_data);
516                                            } else {
517    
518                                                    # fallback to empty field name if needed
519                                                    $html .= get_field_name($config,$field,$field_usage{$field}) || '';
520                                                    $html .= "#-#".$display_data."###\n";
521                                            }
522                                    }
523                                    
524                                    my $swish_data = $cache->{swish_data}->{$field}->[$page];
525                                    if ($swish_data) {
526                                            # remove extra spaces
527                                            $swish_data =~ s/ +/ /g;
528                                            $swish_data =~ s/ +$//g;
529    
530                                            $xml .= xmlify($field."_swish", my_unac_string($codepage,$swish_data));
531                                    }
532    
533                                    my $swish_exact_data = $cache->{swish_exact_data}->{$field}->[$page];
534                                    if ($swish_exact_data) {
535                                            $swish_exact_data =~ s/ +/ /g;
536                                            $swish_exact_data =~ s/ +$//g;
537    
538                                            # add delimiters before and after word.
539                                            # That is required to produce exact match
540                                            $xml .= xmlify($field."_swish_exact", my_unac_string($codepage,$swish_exact_data));
541                                    }
542                                    
543                                    my $idel = $cache->{index_delimiter}->{$field};
544                                    foreach my $tmp (@{$cache->{index_data}->{$field}->[$page]}) {
545                                            my $i = $tmp;
546                                            my $d = $tmp;
547                                            if ($idel && $tmp =~ m/$idel/) {
548                                                    ($i,$d) = split(/$idel/,$tmp);
549                                            }
550                                            $index->insert($field, $i, $d, $path);
551    #print STDERR "index [$idel] $field: $i --> $d [$path]\n";
552                                    }
553                            }
554            
555                  }                  }
556                    
557                    if (! $iterate_by_page) {
558                            if ($display_data) {
559                                    if ($field eq "headline") {
560                                            $xml .= xmlify("headline", $display_data);
561                                    } else {
562    
563                                            # fallback to empty field name if needed
564                                            $html .= get_field_name($config,$field,$field_usage{$field}) || '';
565                                            $html .= "#-#".$display_data."###\n";
566                                    }
567                            }
568                            if ($swish_data) {
569                                    # remove extra spaces
570                                    $swish_data =~ s/ +/ /g;
571                                    $swish_data =~ s/ +$//g;
572    
573                                    $xml .= xmlify($field."_swish", my_unac_string($codepage,$swish_data));
574                            }
575    
576                            if ($swish_exact_data) {
577                                    $swish_exact_data =~ s/ +/ /g;
578                                    $swish_exact_data =~ s/ +$//g;
579    
580                                    # add delimiters before and after word.
581                                    # That is required to produce exact match
582                                    $xml .= xmlify($field."_swish_exact", my_unac_string($codepage,$swish_exact_data));
583                            }
584                    }
585          }          }
586    
587          # dump formatted output in <html>          # dump formatted output in <html>
588          if ($html) {          if ($html) {
589                  $xml .= xmlify("html",$html);                  #$xml .= xmlify("html",$html);
590                    $xml .= "<html><![CDATA[ $html ]]></html>";
591          }          }
592                    
593          if ($xml) {          if ($xml) {
# Line 212  sub isis2xml { Line 600  sub isis2xml {
600    
601  ##########################################################################  ##########################################################################
602    
603    # read configuration for this script
604  my $cfg = new Config::IniFiles( -file => $config_file );  my $cfg = new Config::IniFiles( -file => $config_file );
605    
606    # read global.conf configuration
607    my $cfg_global = new Config::IniFiles( -file => 'global.conf' );
608    
609    # open index
610    $index = new index_DBI(
611                    $cfg_global->val('global', 'dbi_dbd'),
612                    $cfg_global->val('global', 'dbi_dsn'),
613                    $cfg_global->val('global', 'dbi_user'),
614                    $cfg_global->val('global', 'dbi_passwd') || '',
615            );
616    
617    my $show_progress = $cfg_global->val('global', 'show_progress');
618    
619    my $my_unac_filter = $cfg_global->val('global', 'my_unac_filter');
620    if ($my_unac_filter) {
621            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) {
634    
635          my $isis_db = $cfg -> val($database, 'isis_db') || die "$database doesn't have 'isis_db' defined!";          my $type = lc($cfg -> val($database, 'type')) || die "$database doesn't have 'type' defined";
         my $type = $cfg -> val($database, 'type') || die "$database doesn't have 'type' defined";  
636          my $add_xml = $cfg -> val($database, 'xml');    # optional          my $add_xml = $cfg -> val($database, 'xml');    # optional
637    
638          $config=XMLin("./import_xml/$type.xml", forcearray => [ 'isis' ], forcecontent => 1);          # create new lookup file
639            my $lookup_file = $cfg -> val($database, 'lookup_newfile'); # optional
640          $isis2cp = Text::Iconv->new($config->{isis_codepage},$codepage);          if ($lookup_file) {
641                    #tie %lhash, 'GDBM_File', $lookup_file, &GDBM_NEWDB, 0644;
642                    tie %lhash, 'TDB_File', $lookup_file, TDB_CLEAR_IF_FIRST, O_RDWR, 0644;
643                    print STDERR "creating lookup file '$lookup_file'\n";
644                    # delete memory cache for lookup file
645                    delete $cache->{lhash};
646            }
647    
648          my $db = OpenIsis::open( $isis_db );          # open existing lookup file
649          if (0) {          $lookup_file = $cfg -> val($database, 'lookup_open'); # optional
650  #       # FIX          if ($lookup_file) {
651  #       if (! $db ) {                  #tie %lhash, 'GDBM_File', $lookup_file, &GDBM_READER, 0644;
652                  print STDERR "WARNING: can't open '$isis_db'\n";                  tie %lhash, 'TDB_File', $lookup_file, TDB_DEFAULT, O_RDWR, 0644;
653                  next ;                  print STDERR "opening lookup file '$lookup_file'\n";
654          }          }
655    
656          my $max_rowid = OpenIsis::maxRowid( $db );  print STDERR "reading ./import_xml/$type.xml\n";
657    
658          print STDERR "Reading database: $isis_db [$max_rowid rows]\n";          # extract just type basic
659            my $type_base = $type;
660            $type_base =~ s/_.+$//g;
661    
662          my $path = $database;                   # was $isis_db          $config=XMLin("./import_xml/$type.xml", ForceArray => [ $type2tag{$type_base}, 'config', 'format' ], ForceContent => 1 );
663    
664            # output current progress indicator
665          my $last_p = 0;          my $last_p = 0;
666            sub progress {
667                    return if (! $show_progress);
668                    my $current = shift;
669                    my $total = shift || 1;
670                    my $p = int($current * 100 / $total);
671                    if ($p != $last_p) {
672                            printf STDERR ("%5d / %5d [%-51s] %-2d %% \r",$current,$total,"=" x ($p/2).">", $p );
673                            $last_p = $p;
674                    }
675            }
676    
677            my $fake_dir = 1;
678            sub fakeprogress {
679                    return if (! $show_progress);
680                    my $current = shift @_;
681    
682                    my @ind = ('-','\\','|','/','-','\\','|','/', '-');
683    
684                    $last_p += $fake_dir;
685                    $fake_dir = -$fake_dir if ($last_p > 1000 || $last_p < 0);
686                    if ($last_p % 10 == 0) {
687                            printf STDERR ("%5d / %5s [%-51s]\r",$current,"?"," " x ($last_p/20).$ind[($last_p/20) % $#ind]);
688                    }
689            }
690    
691            # now read database
692    print STDERR "using: $type...\n";
693    
694  #       { my $row_id = 4514;          # erase cache for tags by order in this database
695  # FIX          delete $cache->{tags_by_order};
696          for (my $row_id = 1; $row_id <= $max_rowid; $row_id++ ) {  
697                  my $row = OpenIsis::read( $db, $row_id );          if ($type_base eq "isis") {
698                  if ($row && $row->{mfn}) {  
699                          # output current process indicator                  my $isis_db = $cfg -> val($database, 'isis_db') || die "$database doesn't have 'isis_db' defined!";
700                          my $p = int($row->{mfn} * 100 / $max_rowid);  
701                          if ($p != $last_p) {                  $import2cp = Text::Iconv->new($config->{isis_codepage},$codepage);
702                                  printf STDERR ("%5d / %5d [%-51s] %-2d %% \r",$row->{mfn},$max_rowid,"=" x ($p/2).">", $p ) if (! $opts{q});                  my $db = OpenIsis::open( $isis_db );
703                                  $last_p = $p;  
704                    # check if .txt database for OpenIsis is zero length,
705                    # if so, erase it and re-open database
706                    sub check_txt_db {
707                            my $isis_db = shift || die "need isis database name";
708                            my $reopen = 0;
709    
710                            if (-e $isis_db.".TXT") {
711                                    print STDERR "WARNING: removing $isis_db.TXT OpenIsis database...\n";
712                                    unlink $isis_db.".TXT" || warn "FATAL: unlink error on '$isis_db.TXT': $!";
713                                    $reopen++;
714                            }
715                            if (-e $isis_db.".PTR") {
716                                    print STDERR "WARNING: removing $isis_db.PTR OpenIsis database...\n";
717                                    unlink $isis_db.".PTR" || warn "FATAL: unlink error on '$isis_db.PTR': $!";
718                                    $reopen++;
719                          }                          }
720                            return OpenIsis::open( $isis_db ) if ($reopen);
721                    }
722    
723                    # EOF error
724                    if ($db == -1) {
725                            $db = check_txt_db($isis_db);
726                            if ($db == -1) {
727                                    print STDERR "FATAL: OpenIsis can't open zero size file $isis_db\n";
728                                    next;
729                            }
730                    }
731    
732                    # OpenIsis::ERR_BADF
733                    if ($db == -4) {
734                            print STDERR "FATAL: OpenIsis can't find file $isis_db\n";
735                            next;
736                    # OpenIsis::ERR_IO
737                    } elsif ($db == -5) {
738                            print STDERR "FATAL: OpenIsis can't access file $isis_db\n";
739                            next;
740                    } elsif ($db < 0) {
741                            print STDERR "FATAL: OpenIsis unknown error $db with file $isis_db\n";
742                            next;
743                    }
744    
745                          my $swishpath = $path."#".int($row->{mfn});                  my $max_rowid = OpenIsis::maxRowid( $db );
746    
747                          if (my $xml = isis2xml($row,$add_xml)) {                  # if 0 records, try to rease isis .txt database
748                    if ($max_rowid == 0) {
749                            # force removal of database
750                            $db = check_txt_db($isis_db);
751                            $max_rowid = OpenIsis::maxRowid( $db );
752                    }
753    
754                    print STDERR "Reading database: $isis_db [$max_rowid rows]\n";
755    
756                    my $path = $database;
757    
758                    for (my $row_id = 1; $row_id <= $max_rowid; $row_id++ ) {
759                            my $row = OpenIsis::read( $db, $row_id );
760                            if ($row && $row->{mfn}) {
761            
762                                    progress($row->{mfn}, $max_rowid);
763    
764                                    my $swishpath = $path."#".int($row->{mfn});
765    
766                                    if (my $xml = data2xml($type_base,$row,$add_xml,$cfg,$database)) {
767                                            $xml = $cp2utf->convert($xml);
768                                            use bytes;      # as opposed to chars
769                                            print "Path-Name: $swishpath\n";
770                                            print "Content-Length: ".(length($xml)+1)."\n";
771                                            print "Document-Type: XML\n\n$xml\n";
772                                    }
773                            }
774                    }
775                    # for this to work with current version of OpenIsis (0.9.0)
776                    # you might need my patch from
777                    # http://www.rot13.org/~dpavlin/projects/openisis-0.9.0-perl_close.diff
778                    OpenIsis::close($db);
779                    print STDERR "\n";
780    
781            } elsif ($type_base eq "excel") {
782                    require Spreadsheet::ParseExcel;
783                    require Spreadsheet::ParseExcel::Utility;
784                    import Spreadsheet::ParseExcel::Utility qw(int2col);
785                    
786                    $import2cp = Text::Iconv->new($config->{excel_codepage},$codepage);
787                    my $excel_file = $cfg -> val($database, 'excel_file') || die "$database doesn't have 'excel_file' defined!";
788    
789                    my $sheet = x($config->{sheet}) || die "no sheet in $type.xml";
790                    my $start_row = x($config->{start_row}) - 1 || die "no start_row in $type.xml";
791    
792                    my $oBook = Spreadsheet::ParseExcel::Workbook->Parse($excel_file) || die "can't open Excel file '$excel_file'";
793    
794                    my $sheet_nr = 0;
795                    foreach my $oWks (@{$oBook->{Worksheet}}) {
796                            #print STDERR "-- SHEET $sheet_nr:", $oWks->{Name}, "\n";
797                            last if ($oWks->{Name} eq $sheet);
798                            $sheet_nr++;
799                    }
800    
801                    my $oWorksheet = $oBook->{Worksheet}[$sheet_nr];
802            
803                    print STDERR "using sheet: ",$oWorksheet->{Name},"\n";
804                    defined ($oWorksheet) || die "can't find sheet '$sheet' in $excel_file";
805                    my $end_row = x($config->{end_row}) || $oWorksheet->{MaxRow};
806    
807                    for(my $iR = $start_row ; defined $end_row && $iR <= $end_row ; $iR++) {
808                            my $row;
809                            for(my $iC = $oWorksheet->{MinCol} ; defined $oWorksheet->{MaxCol} && $iC <= $oWorksheet->{MaxCol} ; $iC++) {
810                                    my $cell = $oWorksheet->{Cells}[$iR][$iC];
811                                    if ($cell) {
812                                            $row->{int2col($iC)} = $cell->Value;
813                                    }
814                            }
815    
816                            progress($iR, $end_row);
817    
818    #                       print "row[$iR/$end_row] ";
819    #                       foreach (keys %{$row}) {
820    #                               print "$_: ",$row->{$_},"\t";
821    #                       }
822    #                       print "\n";
823    
824                            my $swishpath = $database."#".$iR;
825    
826                            next if (! $row);
827    
828                            if (my $xml = data2xml($type_base,$row,$add_xml,$cfg,$database)) {
829                                  $xml = $cp2utf->convert($xml);                                  $xml = $cp2utf->convert($xml);
830                                  use bytes;      # as opposed to chars                                  use bytes;      # as opposed to chars
831                                  print "Path-Name: $swishpath\n";                                  print "Path-Name: $swishpath\n";
# Line 262  foreach my $database ($cfg->Sections) { Line 833  foreach my $database ($cfg->Sections) {
833                                  print "Document-Type: XML\n\n$xml\n";                                  print "Document-Type: XML\n\n$xml\n";
834                          }                          }
835                  }                  }
836            } elsif ($type_base eq "marc") {
837    
838                    require MARC;
839                    
840                    $import2cp = Text::Iconv->new($config->{marc_codepage},$codepage);
841                    my $marc_file = $cfg -> val($database, 'marc_file') || die "$database doesn't have 'marc_file' defined!";
842    
843                    # optional argument is format
844                    my $format = x($config->{marc_format}) || 'usmarc';
845    
846                    print STDERR "Reading MARC file '$marc_file'\n";
847    
848                    my $marc = new MARC;
849                    my $nr = $marc->openmarc({
850                                    file=>$marc_file, format=>$format
851                            }) || die "Can't open MARC file '$marc_file' with format '$format'";
852    
853                    # read MARC file in memory
854                    $marc->nextmarc(-1);
855    
856                    my $max_rec = $marc->marc_count();
857    
858                    for(my $i=1; $i<=$max_rec; $i++) {
859    
860                            progress($i,$max_rec);
861    
862                            # store value for marc_sf.pm
863                            $main::cache->{marc_record} = $i;
864    
865                            my $swishpath = $database."#".$i;
866    
867                            if (my $xml = data2xml($type_base,$marc,$add_xml,$cfg,$database)) {
868                                    $xml = $cp2utf->convert($xml);
869                                    use bytes;      # as opposed to chars
870                                    print "Path-Name: $swishpath\n";
871                                    print "Content-Length: ".(length($xml)+1)."\n";
872                                    print "Document-Type: XML\n\n$xml\n";
873                            }
874                    }
875    
876                    print STDERR "\n";
877    
878            } elsif ($type_base eq "feed") {
879    
880                    $import2cp = Text::Iconv->new($config->{feed_codepage},$codepage);
881                    my $prog = x($config->{prog}) || die "$database doesn't have 'prog' defined!";
882    
883                    print STDERR "Reading feed from program '$prog'\n";
884    
885                    open(FEED,"feeds/$prog |") || die "can't start $prog: $!";
886    
887                    my $i=1;        # record nr.
888    
889                    my $data;
890                    my $line=1;
891    
892                    while (<FEED>) {
893                            chomp;
894    
895                            if (/^$/) {
896                                    my $swishpath = $database."#".$i++;
897    
898                                    if (my $xml = data2xml($type_base,$data,$add_xml,$cfg,$database)) {
899                                            $xml = $cp2utf->convert($xml);
900                                            use bytes;      # as opposed to chars
901                                            print "Path-Name: $swishpath\n";
902                                            print "Content-Length: ".(length($xml)+1)."\n";
903                                            print "Document-Type: XML\n\n$xml\n";
904                                    }
905                                    $line = 1;
906                                    $data = {};
907                                    next;
908                            }
909    
910                            $line = $1 if (s/^(\d+):\s*//);
911                            $data->{$line++} = $_;
912    
913                            fakeprogress($i);
914    
915                    }
916                    # close lookup
917                    untie %lhash if (%lhash);
918          }          }
         print STDERR "\n";  
919  }  }
920    
921  # call this to commit index  # call this to commit index
# Line 275  __END__ Line 927  __END__
927    
928  =head1 NAME  =head1 NAME
929    
930  isis2xml.pl - read isis file and dump XML  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 and  This command will read ISIS data file using OpenIsis perl module, MARC
939  create XML file for usage with I<SWISH-E>  records using MARC module and optionally Micro$oft Excel files to
940  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,
941  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
942  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
948    
949    Documentation is really lacking. However, in true Open Source spirit, source
950    is best documentation. I even made considerable effort to comment parts
951    which are not intuitively clear, so...
952    
953  =head1 AUTHOR  =head1 AUTHOR
954    

Legend:
Removed from v.44  
changed lines
  Added in v.337

  ViewVC Help
Powered by ViewVC 1.1.26