/[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 5 by dpavlin, Sat Jan 11 06:14:48 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;
8  use Text::Unaccent 1.02;        # 1.01 won't compile on my platform,  use Text::Iconv;
9  require Unicode::Map8;  use Config::IniFiles;
10    use Encode;
11  my $config=XMLin(undef, forcearray => [ 'isis' ], forcecontent => 1);  #use GDBM_File;
12    use Fcntl;      # for O_RDWR
13    use TDB_File;
14    
15    $|=1;
16    
17    my $config_file = $0;
18    $config_file =~ s/\.pl$/.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);
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            # 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}++;
211    
212                    my $swish_data = "";
213                    my $swish_exact_data = "";
214                  my $display_data = "";                  my $display_data = "";
215                  my $index_data = "";                  my @index_data;
216                    my $line_delimiter;
217    
218                    my ($swish,$display);
219    
220                    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                  foreach my $x (@{$config->{indexer}->{$field}->{isis}}) {                          $x = unroll_x($x);
240    
241                          my $display_tmp = "";                          my $format = x($x->{content});
242                          my $index_tmp = "";                          my $delimiter = x($x->{delimiter}) || ' ';
243    
244                          my $format = $x->{content};                          my $repeat_off = 0;     # init repeatable offset
245                          my $i = 1;      # index only  
246                          my $d = 1;      # display only                          my ($s,$se,$d,$i,$il) = init_visible_type($x->{type});
247                          $i = 0 if (lc($x->{type}) eq "display");  
248                          $d = 0 if (lc($x->{type}) eq "index");                          # what will separate last line from this one?
249  #print "## i: $i d: $d ## $format ##";                            if ($display_data && $x->{append}) {
250                          # parse format                                  $line_delimiter = $delimiter;
251                          my $prefix = "";                          } elsif ($display_data) {
252                          if ($format =~ s/^([^\d]+)//) {                                  $line_delimiter = '<br/>';
253                                  $prefix = $1;                          }
254                          }  
255                          while ($format) {                          # init vars so that we go into while...
256                                  if ($format =~ s/^(\d\d\d)(\w?)//) {                          ($swish,$display) = (1,1);
257                                          my $isis_tmp = isis_sf($row,$1,$2);  
258                                          if ($isis_tmp) {                          # placeholder for all repeatable entries for index
259  #                                               $display_tmp .= $prefix . "/$1/$2/".$isis_tmp if ($d);  
260                                                  $display_tmp .= $prefix . $isis_tmp if ($d);                          sub mkformat($$) {
261                                                  $index_tmp .= $isis_tmp." " if ($i);                                  my $x = shift || die "mkformat needs tag reference";
262  #print " $isis_tmp <--\n";                                  my $data = shift || return;
263                                          }                                  my $format_name = x($x->{format_name}) || return $data;
264                                          $prefix = "";                                  my $fmt = x($config->{format}->{$format_name}->{content}) || die "<format name=\"$format_name\"> is not defined!";
265                                  } elsif ($format =~ s/^([^\d]+)//) {                                  my $format_delimiter = x($x->{format_delimiter});
266                                          $prefix = $1;                                  my @data;
267                                    if ($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 $data;
280                                            }
281                                  } else {                                  } else {
282                                          print STDERR "WARNING: unparsed format '$format'\n";                                          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) {
288                                    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, $format\n";
293                                          last;                                          last;
294                                  };                                  }
295    
296                                    # is this field is lookup?
297                                    if ($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
320                                    # filter/[name].pm
321                                    my $filter = $x->{filter};
322                                    if ($filter && !$cache->{filter_loaded}->{$filter}) {
323                                            require "filter/".$filter.".pm";
324                                            $cache->{filter_loaded}->{$filter}++;
325                                    }
326                                    # type="swish" ; field for swish
327                                    if ($swish) {
328                                            my $tmp = $swish;
329                                            if ($filter && ($s || $se)) {
330                                                    no strict 'refs';
331                                                    $tmp = join(" ",&$filter($tmp)) if ($s || $se);
332                                            }
333    
334                                            $swish_data .= $tmp if ($s && $tmp);
335                                            $swish_exact_data .= "xxbxx $tmp xxexx " if ($tmp && $tmp ne "" && $se);
336                                    }
337    
338                                    # type="display" ; field for display
339                                    if ($d && $display) {
340                                            my $ldel = $delimiter;
341                                            if ($line_delimiter && $display_data) {
342                                                    $ldel = $line_delimiter;
343                                            }
344                                            if ($filter) {
345                                                    no strict 'refs';
346                                                    my @arr;
347                                                    foreach my $tmp (&$filter($display)) {
348                                                            my $tmp2 = mkformat($x,$tmp);
349                                                            push @arr,$tmp2 if ($tmp2);
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
361                                    my $idisplay;
362                                    if ($i && $display) {
363                                            $idisplay = $display;
364                                            if ($filter) {
365                                                    no strict 'refs';
366                                                    $idisplay = &$filter($idisplay);
367                                            }
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                                                    }
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                          # add suffix                  }
463                          $display_tmp .= $prefix if ($display_tmp);  
464                    # now try to parse variables from configuration file
465                    foreach my $x (@{$config->{indexer}->{$field}->{'config'}}) {
466    
467                            $x = unroll_x($x);
468    
469  #                       $display_data .= $display_tmp if ($display_tmp ne "");                          my $delimiter = x($x->{delimiter}) || ' ';
470  #                       $index_data .= $index_tmp if ($index_tmp ne "");                          my $val = $cfg->val($database, x($x->{content}));
                         $display_data .= $display_tmp;  
                         $index_data .= $index_tmp;  
471    
472                            # FIXME index_lookup is not supported!
473                            my ($s,$se,$d,$i,$il) = init_visible_type($x->{type});
474    
475                            if ($val) {
476                                    $display_data .= $delimiter.$val if ($d);
477                                    $swish_data .= " ".$val if ($s);
478                                    $index->insert($field, $val, $path) if ($i);
479                            }
480    
481                            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 ($swish_data) {
490                                            $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                                    }
497                            }
498                  }                  }
499  #print "--display:$display_data\n--index:$index_data\n";  
500                  $xml->{$field}->{display} .= $isis_map->tou($display_data)->utf8 if ($display_data);                  # save data page-by-page
501                  $xml->{$field}->{index} .= unac_string($config->{isis_codepage},$index_data) if ($index_data);                  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>
588            if ($html) {
589                    #$xml .= xmlify("html",$html);
590                    $xml .= "<html><![CDATA[ $html ]]></html>";
591            }
592            
593          if ($xml) {          if ($xml) {
594                  return XMLout($xml, rootname => 'xml', noattr => 1 );                  $xml .= $add_xml if ($add_xml);
595                    return "<xml>\n$xml</xml>\n";
596          } else {          } else {
597                  return;                  return;
598          }          }
# Line 108  sub isis2xml { Line 600  sub isis2xml {
600    
601  ##########################################################################  ##########################################################################
602    
603  my $last_tell=0;  # read configuration for this script
604    my $cfg = new Config::IniFiles( -file => $config_file );
605    
606  my @isis_dirs = ( '.' );        # use dirname as database name  # read global.conf configuration
607    my $cfg_global = new Config::IniFiles( -file => 'global.conf' );
608    
609  if ($opts{m}) {  # open index
610          @isis_dirs = split(/,/,$opts{m});  $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  my @isis_dbs;  foreach my $database ($cfg->Sections) {
634    
635            my $type = lc($cfg -> val($database, 'type')) || die "$database doesn't have 'type' defined";
636            my $add_xml = $cfg -> val($database, 'xml');    # optional
637    
638  foreach (@isis_dirs) {          # create new lookup file
639          if (-e $config->{isis_data}."/$db_dir/$_/LIBRI") {          my $lookup_file = $cfg -> val($database, 'lookup_newfile'); # optional
640                  push @isis_dbs,$config->{isis_data}."/$db_dir/$_/LIBRI/LIBRI";          if ($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          if (-e $config->{isis_data}."/$db_dir/$_/PERI") {  
648                  push @isis_dbs,$config->{isis_data}."/$db_dir/$_/PERI/PERI";          # open existing lookup file
649            $lookup_file = $cfg -> val($database, 'lookup_open'); # optional
650            if ($lookup_file) {
651                    #tie %lhash, 'GDBM_File', $lookup_file, &GDBM_READER, 0644;
652                    tie %lhash, 'TDB_File', $lookup_file, TDB_DEFAULT, O_RDWR, 0644;
653                    print STDERR "opening lookup file '$lookup_file'\n";
654          }          }
655          if (-e $config->{isis_data}."/$db_dir/$_/AMS") {  
656                  push @isis_dbs,$config->{isis_data}."/$db_dir/$_/AMS/AMS";  print STDERR "reading ./import_xml/$type.xml\n";
657    
658            # extract just type basic
659            my $type_base = $type;
660            $type_base =~ s/_.+$//g;
661    
662            $config=XMLin("./import_xml/$type.xml", ForceArray => [ $type2tag{$type_base}, 'config', 'format' ], ForceContent => 1 );
663    
664            # output current progress indicator
665            my $last_p = 0;
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          if (-e $config->{isis_data}."/$db_dir/$_/ARTI") {  
677  #               push @isis_dbs,$config->{isis_data}."/$db_dir/$_/ARTI/ARTI";          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) % $#ind]);
688                    }
689          }          }
 }  
690    
691  print STDERR "FATAL: Can't find isis database.\nPerhaps isis_data (".$config->{isis_data}.") has wrong value?\n" if (! @isis_dbs);          # now read database
692    print STDERR "using: $type...\n";
693    
694  my $db;          # erase cache for tags by order in this database
695            delete $cache->{tags_by_order};
696    
697  foreach my $isis_db (@isis_dbs) {          if ($type_base eq "isis") {
698    
699                    my $isis_db = $cfg -> val($database, 'isis_db') || die "$database doesn't have 'isis_db' defined!";
700    
701          my $db = OpenIsis::open( $isis_db );                  $import2cp = Text::Iconv->new($config->{isis_codepage},$codepage);
702          if (0) {                  my $db = OpenIsis::open( $isis_db );
 #       # FIX  
 #       if (! $db ) {  
                 print STDERR "WARNING: can't open '$isis_db'\n";  
                 next ;  
         }  
703    
704          my $max_rowid = OpenIsis::maxRowid( $db );                  # 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          print STDERR "Reading database: $isis_db [$max_rowid rows]\n";                  # 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          my $last_p = 0;                  # OpenIsis::ERR_BADF
733                    if ($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 $max_rowid = OpenIsis::maxRowid( $db );
746    
747                    # if 0 records, try to rease isis .txt database
748                    if ($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  #       { my $row_id = 1;                                  if (my $xml = data2xml($type_base,$row,$add_xml,$cfg,$database)) {
767  # FIX                                          $xml = $cp2utf->convert($xml);
768          for (my $row_id = 1; $row_id <= $max_rowid; $row_id++ ) {                                          use bytes;      # as opposed to chars
769                  my $row = OpenIsis::read( $db, $row_id );                                          print "Path-Name: $swishpath\n";
770                  if ($row && $row->{mfn}) {                                          print "Content-Length: ".(length($xml)+1)."\n";
771                                            print "Document-Type: XML\n\n$xml\n";
772                          # 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 = $p;  
773                          }                          }
774                    }
775                    # for this to work with current version of OpenIsis (0.9.0)
776                    # you might need my patch from
777                    # http://www.rot13.org/~dpavlin/projects/openisis-0.9.0-perl_close.diff
778                    OpenIsis::close($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);
830                                    use bytes;      # as opposed to chars
831                                    print "Path-Name: $swishpath\n";
832                                    print "Content-Length: ".(length($xml)+1)."\n";
833                                    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                          if (my $xml = isis2xml($row)) {                          # store value for marc_sf.pm
863                                  print "Path-Name: $isis_db#".$row->{mfn}."\n";                          $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";                                  print "Content-Length: ".(length($xml)+1)."\n";
872                                  print "Document-Type: XML\n\n$xml\n";                                  print "Document-Type: XML\n\n$xml\n";
873                          }                          }
874                  }                  }
875    
876                    print STDERR "\n";
877    
878            } elsif ($type_base eq "feed") {
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
922    $index->close;
923    
924  1;  1;
925  __END__  __END__
# Line 184  __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.5  
changed lines
  Added in v.337

  ViewVC Help
Powered by ViewVC 1.1.26