/[webpac]/trunk2/all2xml.pl
This is repository of my old source code which isn't updated any more. Go to git.rot13.org for current projects!
ViewVC logotype

Diff of /trunk2/all2xml.pl

Parent Directory Parent Directory | Revision Log Revision Log | View Patch Patch

revision 54 by dpavlin, Mon Jun 23 20:20:32 2003 UTC revision 298 by dpavlin, Fri Apr 2 23:31:25 2004 UTC
# Line 9  use Text::Unaccent 1.02;       # 1.01 won't co Line 9  use Text::Unaccent 1.02;       # 1.01 won't co
9  use Text::Iconv;  use Text::Iconv;
10  use Config::IniFiles;  use Config::IniFiles;
11  use Encode;  use Encode;
12    #use GDBM_File;
13    use Fcntl;      # for O_RDWR
14    use TDB_File;
15    
16  $|=1;  $|=1;
17    
18  my $config_file = $0;  my $config_file = $0;
19  $config_file =~ s/\.pl$/.conf/;  $config_file =~ s/\.pl$/.conf/;
20    $config_file = $ARGV[0] if (-f $ARGV[0]);
21  die "FATAL: can't find configuration file '$config_file'" if (! -e $config_file);  die "FATAL: can't find configuration file '$config_file'" if (! -e $config_file);
22    
23  my $config;  my $config;
24    
25  use index_DBI;  # there is no other, right now ;-)  #use index_DBI;         # default DBI module for index
26    use index_DBI_cache;    # faster DBI module using memory cache
27  my $index;  my $index;
28    
29  my %opts;  my %opts;
# Line 33  getopts('d:m:qs', \%opts); Line 38  getopts('d:m:qs', \%opts);
38    
39  my $path;       # this is name of database  my $path;       # this is name of database
40    
41  Text::Iconv->raise_error(1);     # Conversion errors raise exceptions  Text::Iconv->raise_error(0);     # Conversion errors don't raise exceptions
42    
43  # 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
44  # filter/*.pm files! It will be used to store strings in perl internally!  # filter/*.pm files! It will be used to store strings in perl internally!
# Line 55  my $cp2utf = Text::Iconv->new($codepage, Line 60  my $cp2utf = Text::Iconv->new($codepage,
60  # format in XML file  # format in XML file
61  my %type2tag = (  my %type2tag = (
62          'isis' => 'isis',          'isis' => 'isis',
63          'excel' => 'column'          'excel' => 'column',
64            'marc' => 'marc',
65            'feed' => 'feed'
66  );  );
67    
68    my $cache;      # for cacheing
69    
70    # lookup hash (tied to file)
71    my %lhash;
72    # this option will cache all lookup entries in memory.
73    # if you are tight on memory, turn this off
74    my $use_lhash_cache = 1;
75    
76    my $last_field_name;    # cache to prevent repeated fields
77    
78  sub data2xml {  sub data2xml {
79    
80          use xmlify;          use xmlify;
# Line 65  sub data2xml { Line 82  sub data2xml {
82          my $type = shift @_;          my $type = shift @_;
83          my $row = shift @_;          my $row = shift @_;
84          my $add_xml = shift @_;          my $add_xml = shift @_;
85            # needed to read values from configuration file
86            my $cfg = shift @_;
87            my $database = shift @_;
88    
89          my $xml;          my $xml;
90    
# Line 76  sub data2xml { Line 96  sub data2xml {
96    
97          # sort subrouting using order="" attribute          # sort subrouting using order="" attribute
98          sub by_order {          sub by_order {
99                  return 0 if (! $config->{indexer}->{$a}->{order});                  my $va = $config->{indexer}->{$a}->{order} ||
100                  return 0 if (! $config->{indexer}->{$b}->{order});                          $config->{indexer}->{$a};
101                    my $vb = $config->{indexer}->{$b}->{order} ||
102                            $config->{indexer}->{$b};
103    
104                  return $config->{indexer}->{$a}->{order} <=>                  return $va <=> $vb;
                         $config->{indexer}->{$b}->{order} ;  
105          }          }
106    
107          foreach my $field (sort by_order keys %{$config->{indexer}}) {          my @sorted_tags;
108            if ($cache->{tags_by_order}) {
109                    @sorted_tags = @{$cache->{tags_by_order}};
110            } else {
111                    @sorted_tags = sort by_order keys %{$config->{indexer}};
112                    $cache->{tags_by_order} = \@sorted_tags;
113            }
114    
115                  $field=x($field);          # lookup key
116            my $lookup_key;
117    
118            # cache for field in pages
119            delete $cache->{display_data};
120            delete $cache->{swish_data};
121            delete $cache->{swish_exact_data};
122            delete $cache->{index_data};
123            delete $cache->{index_delimiter};
124            my @page_fields;        # names of fields
125    
126    
127            # subs used to produce output
128    
129            sub get_field_name($$$) {
130                    my ($config,$field,$field_usage) = @_;
131    
132                    # find field name (signular, plural)
133                    my $field_name = "";
134                    if ($config->{indexer}->{$field}->{name_singular} && $field_usage == 1) {
135                            $field_name = $config->{indexer}->{$field}->{name_singular};
136                    } elsif ($config->{indexer}->{$field}->{name_plural}) {
137                            $field_name = $config->{indexer}->{$field}->{name_plural};
138                    } elsif ($config->{indexer}->{$field}->{name}) {
139                            $field_name = $config->{indexer}->{$field}->{name};
140                    } else {
141                            print STDERR "WARNING: field '$field' doesn't have 'name' attribute!";
142                    }
143                    if ($field_name) {
144                            if (! $last_field_name) {
145                                    $last_field_name = x($field_name);
146                                    return $last_field_name;
147                            } elsif ($field_name ne $last_field_name) {
148                                    $last_field_name = x($field_name);
149                                    return $last_field_name;
150                            }
151                    }
152            }
153    
154    
155            # init variables for different types
156            sub init_visible_type($) {
157                    my $type = shift;
158    
159                    # swish, swish_exact, display, index, index_lookup
160                    # swish and display defaults
161                    my ($s,$se,$d,$i,$il) = (1,0,1,0,0);
162                    if (lc($type) eq "display") {
163                            $s = 0;
164                    } elsif (lc($type) eq "swish") {
165                            $d = 0;
166                    } elsif (lc($type) eq "index") {
167                            ($s,$se,$d,$i) = (0,1,0,1);
168                    } elsif (lc($type) eq "swish_exact") {
169                            ($s,$se,$d,$i) = (0,1,0,0);
170                    } elsif (lc($type) =~ /^lookup/) {
171                            ($s,$se,$d,$i,$il) = (0,1,0,0,1);
172                    }
173                    return ($s,$se,$d,$i,$il);
174            }
175    
176    
177            # convert
178            #
179            # <tag>
180            #  <delimiter>, </delimiter>
181            #  <value>200a</value>
182            # </tag>
183            #
184            # to
185            #
186            # <tag delimiter=", ">200a</tag>
187            #
188            # but without loosing spaces in delimiter (becasue
189            # new XML::Simple strips spaces in attribute values
190            # as defined in XML specification)
191            #
192            sub unroll_x($) {
193                    my $x = shift;
194    
195                    if (defined $x->{value}) {
196                            my ($v,$d) = ($x->{value}->{content}, $x->{delimiter}->{content});
197                            delete $x->{value};
198                            delete $x->{delimiter};
199                            $x->{content} = $v;
200                            $x->{delimiter} = $d;
201                    }
202                    return $x;
203            }
204    
205            # begin real work: go field by field
206            foreach my $field (@sorted_tags) {
207    
208                    $field=x($field);
209                  $field_usage{$field}++;                  $field_usage{$field}++;
210    
211                  my $swish_data = "";                  my $swish_data = "";
212                    my $swish_exact_data = "";
213                  my $display_data = "";                  my $display_data = "";
214                    my @index_data;
215                  my $line_delimiter;                  my $line_delimiter;
216    
217                  my ($swish,$display);                  my ($swish,$display);
218    
219                  my $tag = $type2tag{$type} || die "can't find which tag to use for type $type";                  my $tag = $type2tag{$type} || die "can't find which tag to use for type $type";
220    
221                    # is this field page-by-page?
222                    my $iterate_by_page = $config->{indexer}->{$field}->{iterate_by_page};
223                    push @page_fields,$field if ($iterate_by_page);
224                    my %page_max = ();
225                    # default line_delimiter if using
226                    my $page_line_delimiter = $config->{indexer}->{$field}->{page_line_delimiter} || '<br/>';
227                    $cache->{index_delimiter}->{$field} = $config->{indexer}->{$field}->{index_delimiter};
228    
229                    my $format_name = $config->{indexer}->{$field}->{format_name};
230                    my $format_delimiter = $config->{indexer}->{$field}->{format_delimiter};
231                    if ($format_name && $format_delimiter) {
232                            $cache->{format}->{$field}->{format_name} = $format_name;
233                            $cache->{format}->{$field}->{format_delimiter} = $format_delimiter;
234                    }
235    
236                  foreach my $x (@{$config->{indexer}->{$field}->{$tag}}) {                  foreach my $x (@{$config->{indexer}->{$field}->{$tag}}) {
237    
238                            $x = unroll_x($x);
239    
240                          my $format = x($x->{content});                          my $format = x($x->{content});
241                          my $delimiter = x($x->{delimiter}) || ' ';                          my $delimiter = x($x->{delimiter}) || ' ';
242    
243                          my $repeat_off = 0;             # repeatable offset                          my $repeat_off = 0;     # init repeatable offset
244    
245                          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");  
246    
247                          # what will separate last line from this one?                          # what will separate last line from this one?
248                          if ($display_data && $x->{append} && $x->{append} eq "1") {                          if ($display_data && $x->{append}) {
249                                  $line_delimiter = ' ';                                  $line_delimiter = $delimiter;
250                          } elsif ($display_data) {                          } elsif ($display_data) {
251                                  $line_delimiter = '<br/>';                                  $line_delimiter = '<br/>';
252                          }                          }
# Line 118  sub data2xml { Line 254  sub data2xml {
254                          # init vars so that we go into while...                          # init vars so that we go into while...
255                          ($swish,$display) = (1,1);                          ($swish,$display) = (1,1);
256    
257                          if ($swish || $display) {                          # placeholder for all repeatable entries for index
258    
259                            sub mkformat($$) {
260                                    my $x = shift || die "mkformat needs tag reference";
261                                    my $data = shift || return;
262                                    my $format_name = x($x->{format_name}) || return $data;
263                                    my $fmt = x($config->{format}->{$format_name}->{content}) || die "<format name=\"$format_name\"> is not defined!";
264                                    my $format_delimiter = x($x->{format_delimiter});
265                                    my @data;
266                                    if ($format_delimiter) {
267                                            @data = split(/$format_delimiter/,$data);
268                                    } else {
269                                            push @data,$data;
270                                    }
271    
272                                    if ($fmt) {
273                                            my $nr = scalar $fmt =~ s/%s/%s/g;
274                                            if (($#data+1) == $nr) {
275                                                    return sprintf($fmt,@data);
276                                            } else {
277                                                    #print STDERR "mkformat: [$data] can't be split on [$format_delimiter] to $nr fields!\n";
278                                                    return $data;
279                                            }
280                                    } else {
281                                            print STDERR "usage of link '$format_name' without defined format (<link> tag)\n";
282                                    }
283                            }
284    
285                            # while because of repeatable fields
286                            while ($swish || $display) {
287                                    my $page = $repeat_off;
288                                    $page_max{$field} = $page if ($iterate_by_page && $page > ($page_max{$field} || 0));
289                                  ($swish,$display) = parse_format($type, $format,$row,$repeat_off++,$import2cp);                                  ($swish,$display) = parse_format($type, $format,$row,$repeat_off++,$import2cp);
290                                    if ($repeat_off > 1000) {
291                                            print STDERR "loop (more than 1000 repeatable fields) deteced in $row, $format\n";
292                                            last;
293                                    }
294    
295                                    # is this field is lookup?
296                                    if ($display && $x->{lookup}) {
297                                            my $null = "<!-- null -->";
298                                            if ($use_lhash_cache) {
299                                                    if (!defined($cache->{lhash}->{$display})) {
300                                                            my $new_display = $lhash{$display};
301                                                            if (defined($new_display)) {
302    #print STDERR "lookup cache store '$display' = '$new_display'\n";
303                                                                    $display = $new_display;
304                                                                    $cache->{lhash}->{$display} = $new_display;
305                                                            } else {
306    #                                                               print STDERR "WARNING: lookup for '$display' didn't find anything.\n";
307                                                                    $display = "";
308                                                                    $cache->{lhash}->{$display} = $null;
309                                                            }
310                                                    } else {
311                                                            $display = $cache->{lhash}->{$display};
312                                                    }
313                                            } else {
314                                                    $display = $lhash{$display} || $null;
315                                            }
316                                    }
317    
318                                  # filter="name" ; filter this field through                                  # filter="name" ; filter this field through
319                                  # filter/[name].pm                                  # filter/[name].pm
320                                  my $filter = $x->{filter};                                  my $filter = $x->{filter};
321                                  if ($filter) {                                  if ($filter && !$cache->{filter_loaded}->{$filter}) {
322                                          require "filter/".$filter.".pm";                                          require "filter/".$filter.".pm";
323                                            $cache->{filter_loaded}->{$filter}++;
324                                  }                                  }
325                                  # type="swish" ; field for swish                                  # type="swish" ; field for swish
326                                  if ($s && $swish) {                                  if ($swish) {
327                                          if ($filter) {                                          my $tmp = $swish;
328                                            if ($filter && ($s || $se)) {
329                                                  no strict 'refs';                                                  no strict 'refs';
330                                                  $swish_data .= join(" ",&$filter($swish));                                                  $tmp = join(" ",&$filter($tmp)) if ($s || $se);
                                         } else {  
                                                 $swish_data .= $swish;  
331                                          }                                          }
332    
333                                            $swish_data .= $tmp if ($s && $tmp);
334                                            $swish_exact_data .= "xxbxx $tmp xxexx " if ($tmp && $tmp ne "" && $se);
335                                  }                                  }
336    
337                                  # type="display" ; field for display                                  # type="display" ; field for display
338                                  if ($d && $display) {                                  if ($d && $display) {
339                                            my $ldel = $delimiter;
340                                          if ($line_delimiter && $display_data) {                                          if ($line_delimiter && $display_data) {
341                                                  $display_data .= $line_delimiter;                                                  $ldel = $line_delimiter;
                                                 undef $line_delimiter;  
342                                          }                                          }
343                                          if ($filter) {                                          if ($filter) {
344                                                  no strict 'refs';                                                  no strict 'refs';
345                                                  $display_data .= join($delimiter,&$filter($display));                                                  my @arr;
346                                          } else {                                                  foreach my $tmp (&$filter($display)) {
347                                                  if ($display_data) {                                                          my $tmp2 = mkformat($x,$tmp);
348                                                          $display_data .= $delimiter.$display;                                                          push @arr,$tmp2 if ($tmp2);
                                                 } else {  
                                                         $display_data .= $display;  
349                                                  }                                                  }
350                                                    $display_data .= $ldel if ($display_data && @arr);
351                                                    $display_data .= join($delimiter,@arr);
352                                            } else {
353                                                    $display_data .= $ldel if ($display_data);
354                                                    my $tmp = mkformat($x,$display);
355                                                    $display_data .= $tmp if ($tmp);
356                                          }                                          }
357                                  }                                  }
358                                                                                                    
359                                  # type="index" ; insert into index                                  # type="index" ; insert into index
360                                    my $idisplay;
361                                  if ($i && $display) {                                  if ($i && $display) {
362                                          my $index_data = $display;                                          $idisplay = $display;
363                                          if ($filter) {                                          if ($filter) {
364                                                  no strict 'refs';                                                  no strict 'refs';
365                                                  foreach my $d (&$filter($index_data)) {                                                  $idisplay = &$filter($idisplay);
366                                                          $index->insert($field, $d, $path);                                          }
367                                            push @index_data, $idisplay if ($idisplay && !$iterate_by_page);
368                                    }
369    
370                                    # store fields in lookup
371                                    if ($il && $display) {
372                                            if (lc($x->{type}) eq "lookup_key") {
373                                                    if ($lookup_key) {
374                                                            print STDERR "WARNING: try to redefine lookup_key (keys shouldn't be repeatable fields!)";
375                                                    } else {
376                                                            if ($filter) {
377                                                                    no strict 'refs';
378                                                                    $lookup_key = &$filter($display);
379                                                            } else {
380                                                                    $lookup_key = $display;
381                                                            }
382                                                    }
383                                            } elsif (lc($x->{type}) eq "lookup_val") {
384                                                    if ($lookup_key) {
385                                                            if ($filter) {
386                                                                    no strict 'refs';
387                                                                    $lhash{$lookup_key} = &$filter($display);
388                                                            } else {
389                                                                    $lhash{$lookup_key} = $display;
390                                                            }
391                                                    } else {
392                                                            print STDERR "WARNING: no lookup_key defined for  '$display'?";
393                                                  }                                                  }
                                         } else {  
                                                 $index->insert($field, $index_data, $path);  
394                                          }                                          }
395    
396                                  }                                  }
397    
398                                    # store data for page-by-page repeatable fields
399                                    if ($iterate_by_page) {
400                                            sub iterate_fld($$$$$$) {
401                                                    my ($cache,$what,$field,$page,$data,$append) = @_;
402                                                    return if (!$data);
403    
404                                                    my $ldel = $page_line_delimiter;
405                                                    $ldel = " " if ($append);
406    #print STDERR "line delimiter: ",Dumper($ldel) if ($ldel);
407                                                    if (! $cache->{$what}->{$field}->[$page]) {
408                                                            $cache->{$what}->{$field}->[$page] = $data;
409                                                    } else {
410                                                            $cache->{$what}->{$field}->[$page] .= $ldel.$data;
411                                                    }
412                                            }
413    
414                                            if ($display_data) {
415                                                    iterate_fld($cache,'display_data',$field,$page,$display_data,$x->{append});
416                                            }
417                                                    $display_data = "";
418                                            if ($swish_data) {
419                                                    iterate_fld($cache,'swish_data',$field,$page,$swish_data,$x->{append});
420                                                    $swish_data = "";
421                                            }
422                                            if ($swish_exact_data) {
423                                                    iterate_fld($cache,'swish_exact_data',$field,$page,$swish_exact_data,$x->{append});
424                                                    $swish_exact_data = "";
425                                            }
426    
427                                            if ($idisplay) {
428                                                    my $ldel=$page_line_delimiter;
429                                                    my @index_data;
430                                                    if ($cache->{index_data}->{$field}->[$page]) {
431    
432                                                            @index_data = @{$cache->{index_data}->{$field}->[$page]};
433                                                    }
434                                                    if ($x->{append}) {
435                                                            if (@index_data) {
436                                                                    $index_data[$#index_data] .= $idisplay;
437                                                            } else {
438                                                                    push @index_data, $idisplay;
439                                                            }
440                                                    } else {
441                                                            push @index_data, $idisplay;
442                                                    }
443                                                    $idisplay = "";
444                                                    @{$cache->{index_data}->{$field}->[$page]} = @index_data;
445                                            }
446                                    }
447                            }
448    
449                            if (! $iterate_by_page) {
450                                    my $idel = $x->{index_delimiter};
451                                    # fill data in index
452                                    foreach my $tmp (@index_data) {
453                                            my $i = $d = $tmp;
454                                            if ($idel && $tmp =~ m/$idel/) {
455                                                    ($i,$d) = split(/$idel/,$tmp);
456                                            }
457                                            $index->insert($field, $i, $d, $path);
458                                    }
459                                    @index_data = ();
460                          }                          }
461                  }                  }
462    
463                    # now try to parse variables from configuration file
464                    foreach my $x (@{$config->{indexer}->{$field}->{'config'}}) {
465    
466                  if ($display_data) {                          $x = unroll_x($x);
467    
468                          if ($field eq "headline") {                          my $delimiter = x($x->{delimiter}) || ' ';
469                                  $xml .= xmlify("headline", $display_data);                          my $val = $cfg->val($database, x($x->{content}));
                         } else {  
470    
471                                  # find field name (signular, plural)                          # FIXME index_lookup is not supported!
472                                  my $field_name = "";                          my ($s,$se,$d,$i,$il) = init_visible_type($x->{type});
473                                  if ($config->{indexer}->{$field}->{name_singular} && $field_usage{$field} == 1) {  
474                                          $field_name = $config->{indexer}->{$field}->{name_singular}."#-#";                          if ($val) {
475                                  } elsif ($config->{indexer}->{$field}->{name_plural}) {                                  $display_data .= $delimiter.$val if ($d);
476                                          $field_name = $config->{indexer}->{$field}->{name_plural}."#-#";                                  $swish_data .= " ".$val if ($s);
477                                  } elsif ($config->{indexer}->{$field}->{name}) {                                  $index->insert($field, $val, $path) if ($i);
478                                          $field_name = $config->{indexer}->{$field}->{name}."#-#";                          }
479                                  } else {  
480                                          print STDERR "WARNING: field '$field' doesn't have 'name' attribute!";                          if ($iterate_by_page) {
481                                    # FIXME data from config tag will appear just
482                                    # on first page!!!
483                                    my $page = 0;
484                                    if ($display_data) {
485                                            $cache->{display_data}->{$field}->[$page] = $display_data;
486                                            $display_data = "";
487                                  }                                  }
488                                  if ($field_name) {                                  if ($swish_data) {
489                                          $html .= x($field_name);                                          $cache->{swish_data}->{$field}->[$page] = $swish_data;
490                                            $swish_data = "";
491                                    }
492                                    if ($swish_exact_data) {
493                                            $cache->{swish_exact_data}->{$field}->[$page] = $swish_exact_data;
494                                            $swish_exact_data = "";
495                                  }                                  }
                                 $html .= $display_data."###\n";  
496                          }                          }
497                  }                  }
                 if ($swish_data) {  
                         # remove extra spaces  
                         $swish_data =~ s/ +/ /g;  
                         $swish_data =~ s/ +$//g;  
498    
499                          $xml .= xmlify($field."_swish", unac_string($codepage,$swish_data));                  # save data page-by-page
500                    foreach my $field (@page_fields) {
501                            my $nr_pages = $page_max{$field} || next;
502    #print STDERR "field '$field' iterate over ",($nr_pages || 0)," pages...\n";
503    #print STDERR Dumper($cache->{display_data});
504                            for (my $page=0; $page <= $nr_pages; $page++) {
505                                    my $display_data;
506                                    if ($cache->{format}->{$field}) {
507                                            my $tmp = mkformat($cache->{format}->{$field},$cache->{display_data}->{$field}->[$page]);
508                                            $display_data=$tmp if ($tmp);
509                                    } else {
510                                            $display_data = $cache->{display_data}->{$field}->[$page];
511                                    }
512                                    if ($display_data) { # default
513                                            if ($field eq "headline") {
514                                                    $xml .= xmlify("headline", $display_data);
515                                            } else {
516    
517                                                    # fallback to empty field name if needed
518                                                    $html .= get_field_name($config,$field,$field_usage{$field}) || '';
519                                                    $html .= "#-#".$display_data."###\n";
520                                            }
521                                    }
522                                    
523                                    my $swish_data = $cache->{swish_data}->{$field}->[$page];
524                                    if ($swish_data) {
525                                            # remove extra spaces
526                                            $swish_data =~ s/ +/ /g;
527                                            $swish_data =~ s/ +$//g;
528    
529                                            $xml .= xmlify($field."_swish", unac_string($codepage,$swish_data));
530                                    }
531    
532                                    my $swish_exact_data = $cache->{swish_exact_data}->{$field}->[$page];
533                                    if ($swish_exact_data) {
534                                            $swish_exact_data =~ s/ +/ /g;
535                                            $swish_exact_data =~ s/ +$//g;
536    
537                                            # add delimiters before and after word.
538                                            # That is required to produce exact match
539                                            $xml .= xmlify($field."_swish_exact", unac_string($codepage,$swish_exact_data));
540                                    }
541                                    
542                                    my $idel = $cache->{index_delimiter}->{$field};
543                                    foreach my $tmp (@{$cache->{index_data}->{$field}->[$page]}) {
544                                            my $i = $tmp;
545                                            my $d = $tmp;
546                                            if ($idel && $tmp =~ m/$idel/) {
547                                                    ($i,$d) = split(/$idel/,$tmp);
548                                            }
549                                            $index->insert($field, $i, $d, $path);
550    #print STDERR "index [$idel] $field: $i --> $d [$path]\n";
551                                    }
552                            }
553            
554                  }                  }
555                    
556                    if (! $iterate_by_page) {
557                            if ($display_data) {
558                                    if ($field eq "headline") {
559                                            $xml .= xmlify("headline", $display_data);
560                                    } else {
561    
562                                            # fallback to empty field name if needed
563                                            $html .= get_field_name($config,$field,$field_usage{$field}) || '';
564                                            $html .= "#-#".$display_data."###\n";
565                                    }
566                            }
567                            if ($swish_data) {
568                                    # remove extra spaces
569                                    $swish_data =~ s/ +/ /g;
570                                    $swish_data =~ s/ +$//g;
571    
572                                    $xml .= xmlify($field."_swish", unac_string($codepage,$swish_data));
573                            }
574    
575                            if ($swish_exact_data) {
576                                    $swish_exact_data =~ s/ +/ /g;
577                                    $swish_exact_data =~ s/ +$//g;
578    
579                                    # add delimiters before and after word.
580                                    # That is required to produce exact match
581                                    $xml .= xmlify($field."_swish_exact", unac_string($codepage,$swish_exact_data));
582                            }
583                    }
584          }          }
585    
586          # dump formatted output in <html>          # dump formatted output in <html>
587          if ($html) {          if ($html) {
588                  $xml .= xmlify("html",$html);                  #$xml .= xmlify("html",$html);
589                    $xml .= "<html><![CDATA[ $html ]]></html>";
590          }          }
591                    
592          if ($xml) {          if ($xml) {
# Line 233  $index = new index_DBI( Line 613  $index = new index_DBI(
613                  $cfg_global->val('global', 'dbi_passwd') || '',                  $cfg_global->val('global', 'dbi_passwd') || '',
614          );          );
615    
616    my $show_progress = $cfg_global->val('global', 'show_progress');
617    
618    my $unac_filter = $cfg_global->val('global', 'unac_filter');
619    if ($unac_filter) {
620            require $unac_filter;
621    }
622    
623  foreach my $database ($cfg->Sections) {  foreach my $database ($cfg->Sections) {
624    
625          my $type = lc($cfg -> val($database, 'type')) || die "$database doesn't have 'type' defined";          my $type = lc($cfg -> val($database, 'type')) || die "$database doesn't have 'type' defined";
626          my $add_xml = $cfg -> val($database, 'xml');    # optional          my $add_xml = $cfg -> val($database, 'xml');    # optional
627    
628            # create new lookup file
629            my $lookup_file = $cfg -> val($database, 'lookup_newfile'); # optional
630            if ($lookup_file) {
631                    #tie %lhash, 'GDBM_File', $lookup_file, &GDBM_NEWDB, 0644;
632                    tie %lhash, 'TDB_File', $lookup_file, TDB_CLEAR_IF_FIRST, O_RDWR, 0644;
633                    print STDERR "creating lookup file '$lookup_file'\n";
634                    # delete memory cache for lookup file
635                    delete $cache->{lhash};
636            }
637    
638            # open existing lookup file
639            $lookup_file = $cfg -> val($database, 'lookup_open'); # optional
640            if ($lookup_file) {
641                    #tie %lhash, 'GDBM_File', $lookup_file, &GDBM_READER, 0644;
642                    tie %lhash, 'TDB_File', $lookup_file, TDB_DEFAULT, O_RDWR, 0644;
643                    print STDERR "opening lookup file '$lookup_file'\n";
644            }
645    
646  print STDERR "reading ./import_xml/$type.xml\n";  print STDERR "reading ./import_xml/$type.xml\n";
647    
648          $config=XMLin("./import_xml/$type.xml", forcearray => [ $type2tag{$type} ], forcecontent => 1);          # extract just type basic
649            my $type_base = $type;
650            $type_base =~ s/_.+$//g;
651    
652            $config=XMLin("./import_xml/$type.xml", ForceArray => [ $type2tag{$type_base}, 'config', 'format' ], ForceContent => 1 );
653    
654          # output current progress indicator          # output current progress indicator
655          my $last_p = 0;          my $last_p = 0;
656          sub progress {          sub progress {
657                  #return if (! $opts{q});        # FIXME                  return if (! $show_progress);
658                  my $current = shift;                  my $current = shift;
659                  my $total = shift;                  my $total = shift || 1;
660                  my $p = int($current * 100 / $total);                  my $p = int($current * 100 / $total);
661                  if ($p != $last_p) {                  if ($p != $last_p) {
662                          printf STDERR ("%5d / %5d [%-51s] %-2d %% \r",$current,$total,"=" x ($p/2).">", $p );                          printf STDERR ("%5d / %5d [%-51s] %-2d %% \r",$current,$total,"=" x ($p/2).">", $p );
# Line 255  print STDERR "reading ./import_xml/$type Line 664  print STDERR "reading ./import_xml/$type
664                  }                  }
665          }          }
666    
667            my $fake_dir = 1;
668            sub fakeprogress {
669                    return if (! $show_progress);
670                    my $current = shift @_;
671    
672                    my @ind = ('-','\\','|','/','-','\\','|','/', '-');
673    
674                    $last_p += $fake_dir;
675                    $fake_dir = -$fake_dir if ($last_p > 1000 || $last_p < 0);
676                    if ($last_p % 10 == 0) {
677                            printf STDERR ("%5d / %5s [%-51s]\r",$current,"?"," " x ($last_p/20).$ind[($last_p/20) % $#ind]);
678                    }
679            }
680    
681          # now read database          # now read database
682  print STDERR "using: $type...\n";  print STDERR "using: $type...\n";
683    
684          if ($type eq "isis") {          # erase cache for tags by order in this database
685            delete $cache->{tags_by_order};
686    
687            if ($type_base eq "isis") {
688    
689                  my $isis_db = $cfg -> val($database, 'isis_db') || die "$database doesn't have 'isis_db' defined!";                  my $isis_db = $cfg -> val($database, 'isis_db') || die "$database doesn't have 'isis_db' defined!";
690    
691                  $import2cp = Text::Iconv->new($config->{isis_codepage},$codepage);                  $import2cp = Text::Iconv->new($config->{isis_codepage},$codepage);
692                  my $db = OpenIsis::open( $isis_db );                  my $db = OpenIsis::open( $isis_db );
693    
694                    # check if .txt database for OpenIsis is zero length,
695                    # if so, erase it and re-open database
696                    sub check_txt_db {
697                            my $isis_db = shift || die "need isis database name";
698                            my $reopen = 0;
699    
700                            if (-e $isis_db.".TXT") {
701                                    print STDERR "WARNING: removing $isis_db.TXT OpenIsis database...\n";
702                                    unlink $isis_db.".TXT" || warn "FATAL: unlink error on '$isis_db.TXT': $!";
703                                    $reopen++;
704                            }
705                            if (-e $isis_db.".PTR") {
706                                    print STDERR "WARNING: removing $isis_db.PTR OpenIsis database...\n";
707                                    unlink $isis_db.".PTR" || warn "FATAL: unlink error on '$isis_db.PTR': $!";
708                                    $reopen++;
709                            }
710                            return OpenIsis::open( $isis_db ) if ($reopen);
711                    }
712    
713                    # EOF error
714                    if ($db == -1) {
715                            $db = check_txt_db($isis_db);
716                            if ($db == -1) {
717                                    print STDERR "FATAL: OpenIsis can't open zero size file $isis_db\n";
718                                    next;
719                            }
720                    }
721    
722                    # OpenIsis::ERR_BADF
723                    if ($db == -4) {
724                            print STDERR "FATAL: OpenIsis can't find file $isis_db\n";
725                            next;
726                    # OpenIsis::ERR_IO
727                    } elsif ($db == -5) {
728                            print STDERR "FATAL: OpenIsis can't access file $isis_db\n";
729                            next;
730                    } elsif ($db < 0) {
731                            print STDERR "FATAL: OpenIsis unknown error $db with file $isis_db\n";
732                            next;
733                    }
734    
735                  my $max_rowid = OpenIsis::maxRowid( $db );                  my $max_rowid = OpenIsis::maxRowid( $db );
736    
737                    # if 0 records, try to rease isis .txt database
738                    if ($max_rowid == 0) {
739                            # force removal of database
740                            $db = check_txt_db($isis_db);
741                            $max_rowid = OpenIsis::maxRowid( $db );
742                    }
743    
744                  print STDERR "Reading database: $isis_db [$max_rowid rows]\n";                  print STDERR "Reading database: $isis_db [$max_rowid rows]\n";
745    
746                  my $path = $database;                  my $path = $database;
# Line 278  print STDERR "using: $type...\n"; Line 753  print STDERR "using: $type...\n";
753    
754                                  my $swishpath = $path."#".int($row->{mfn});                                  my $swishpath = $path."#".int($row->{mfn});
755    
756                                  if (my $xml = data2xml($type,$row,$add_xml)) {                                  if (my $xml = data2xml($type_base,$row,$add_xml,$cfg,$database)) {
757                                          $xml = $cp2utf->convert($xml);                                          $xml = $cp2utf->convert($xml);
758                                          use bytes;      # as opposed to chars                                          use bytes;      # as opposed to chars
759                                          print "Path-Name: $swishpath\n";                                          print "Path-Name: $swishpath\n";
# Line 287  print STDERR "using: $type...\n"; Line 762  print STDERR "using: $type...\n";
762                                  }                                  }
763                          }                          }
764                  }                  }
765                    # for this to work with current version of OpenIsis (0.9.0)
766                    # you might need my patch from
767                    # http://www.rot13.org/~dpavlin/projects/openisis-0.9.0-perl_close.diff
768                    OpenIsis::close($db);
769                  print STDERR "\n";                  print STDERR "\n";
770    
771          } elsif ($type eq "excel") {          } elsif ($type_base eq "excel") {
772                  use Spreadsheet::ParseExcel;                  require Spreadsheet::ParseExcel;
773                  use Spreadsheet::ParseExcel::Utility qw(int2col);                  require Spreadsheet::ParseExcel::Utility;
774                    import Spreadsheet::ParseExcel::Utility qw(int2col);
775                                    
776                  $import2cp = Text::Iconv->new($config->{excel_codepage},$codepage);                  $import2cp = Text::Iconv->new($config->{excel_codepage},$codepage);
777                  my $excel_file = $cfg -> val($database, 'excel_file') || die "$database doesn't have 'excel_file' defined!";                  my $excel_file = $cfg -> val($database, 'excel_file') || die "$database doesn't have 'excel_file' defined!";
778    
779                  my $sheet = x($config->{sheet}) || die "no sheet in $type.xml";                  my $sheet = x($config->{sheet}) || die "no sheet in $type.xml";
780                  my $start_row = x($config->{start_row}) || die "no start_row in $type.xml";                  my $start_row = x($config->{start_row}) - 1 || die "no start_row in $type.xml";
781    
782                  my $oBook = Spreadsheet::ParseExcel::Workbook->Parse($excel_file) || die "can't open Excel file '$excel_file'";                  my $oBook = Spreadsheet::ParseExcel::Workbook->Parse($excel_file) || die "can't open Excel file '$excel_file'";
783    
# Line 314  print STDERR "using: $type...\n"; Line 794  print STDERR "using: $type...\n";
794                  defined ($oWorksheet) || die "can't find sheet '$sheet' in $excel_file";                  defined ($oWorksheet) || die "can't find sheet '$sheet' in $excel_file";
795                  my $end_row = x($config->{end_row}) || $oWorksheet->{MaxRow};                  my $end_row = x($config->{end_row}) || $oWorksheet->{MaxRow};
796    
797                  for(my $iR = $oWorksheet->{MinRow} ; defined $end_row && $iR <= $end_row ; $iR++) {                  for(my $iR = $start_row ; defined $end_row && $iR <= $end_row ; $iR++) {
798                          my $row;                          my $row;
799                          for(my $iC = $oWorksheet->{MinCol} ; defined $oWorksheet->{MaxCol} && $iC <= $oWorksheet->{MaxCol} ; $iC++) {                          for(my $iC = $oWorksheet->{MinCol} ; defined $oWorksheet->{MaxCol} && $iC <= $oWorksheet->{MaxCol} ; $iC++) {
800                                  my $cell = $oWorksheet->{Cells}[$iR][$iC];                                  my $cell = $oWorksheet->{Cells}[$iR][$iC];
# Line 335  print STDERR "using: $type...\n"; Line 815  print STDERR "using: $type...\n";
815    
816                          next if (! $row);                          next if (! $row);
817    
818                          if (my $xml = data2xml($type,$row,$add_xml)) {                          if (my $xml = data2xml($type_base,$row,$add_xml,$cfg,$database)) {
819                                  $xml = $cp2utf->convert($xml);                                  $xml = $cp2utf->convert($xml);
820                                  use bytes;      # as opposed to chars                                  use bytes;      # as opposed to chars
821                                  print "Path-Name: $swishpath\n";                                  print "Path-Name: $swishpath\n";
# Line 343  print STDERR "using: $type...\n"; Line 823  print STDERR "using: $type...\n";
823                                  print "Document-Type: XML\n\n$xml\n";                                  print "Document-Type: XML\n\n$xml\n";
824                          }                          }
825                  }                  }
826            } elsif ($type_base eq "marc") {
827    
828                    require MARC;
829                    
830                    $import2cp = Text::Iconv->new($config->{marc_codepage},$codepage);
831                    my $marc_file = $cfg -> val($database, 'marc_file') || die "$database doesn't have 'marc_file' defined!";
832    
833                    # optional argument is format
834                    my $format = x($config->{marc_format}) || 'usmarc';
835    
836                    print STDERR "Reading MARC file '$marc_file'\n";
837    
838                    my $marc = new MARC;
839                    my $nr = $marc->openmarc({
840                                    file=>$marc_file, format=>$format
841                            }) || die "Can't open MARC file '$marc_file' with format '$format'";
842    
843                    # read MARC file in memory
844                    $marc->nextmarc(-1);
845    
846                    my $max_rec = $marc->marc_count();
847    
848                    for(my $i=1; $i<=$max_rec; $i++) {
849    
850                            progress($i,$max_rec);
851    
852                            # store value for marc_sf.pm
853                            $main::cache->{marc_record} = $i;
854    
855                            my $swishpath = $database."#".$i;
856    
857                            if (my $xml = data2xml($type_base,$marc,$add_xml,$cfg,$database)) {
858                                    $xml = $cp2utf->convert($xml);
859                                    use bytes;      # as opposed to chars
860                                    print "Path-Name: $swishpath\n";
861                                    print "Content-Length: ".(length($xml)+1)."\n";
862                                    print "Document-Type: XML\n\n$xml\n";
863                            }
864                    }
865    
866                    print STDERR "\n";
867    
868            } elsif ($type_base eq "feed") {
869    
870                    $import2cp = Text::Iconv->new($config->{feed_codepage},$codepage);
871                    my $prog = x($config->{prog}) || die "$database doesn't have 'prog' defined!";
872    
873                    print STDERR "Reading feed from program '$prog'\n";
874    
875                    open(FEED,"feeds/$prog |") || die "can't start $prog: $!";
876    
877                    my $i=1;        # record nr.
878    
879                    my $data;
880                    my $line=1;
881    
882                    while (<FEED>) {
883                            chomp;
884    
885                            if (/^$/) {
886                                    my $swishpath = $database."#".$i++;
887    
888                                    if (my $xml = data2xml($type_base,$data,$add_xml,$cfg,$database)) {
889                                            $xml = $cp2utf->convert($xml);
890                                            use bytes;      # as opposed to chars
891                                            print "Path-Name: $swishpath\n";
892                                            print "Content-Length: ".(length($xml)+1)."\n";
893                                            print "Document-Type: XML\n\n$xml\n";
894                                    }
895                                    $line = 1;
896                                    $data = {};
897                                    next;
898                            }
899    
900                            $line = $1 if (s/^(\d+):\s*//);
901                            $data->{$line++} = $_;
902    
903                            fakeprogress($i);
904    
905                    }
906                    # close lookup
907                    untie %lhash if (%lhash);
908          }          }
909  }  }
910    
# Line 355  __END__ Line 917  __END__
917    
918  =head1 NAME  =head1 NAME
919    
920  isis2xml.pl - read isis file and dump XML  all2xml.pl - read various file formats and dump XML for SWISH-E
921    
922    =head1 SYNOPSYS
923    
924     $ all2xml.pl [test.conf]
925    
926  =head1 DESCRIPTION  =head1 DESCRIPTION
927    
928  This command will read ISIS data file using OpenIsis perl module and  This command will read ISIS data file using OpenIsis perl module, MARC
929  create XML file for usage with I<SWISH-E>  records using MARC module and optionally Micro$oft Excel files to
930  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,
931  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
932  script is tailor-made for SWISH-E.  has something like that). Output of this script is tailor-made for SWISH-E.
933    
934    If no configuration file is specified, it will use default one called
935    C<all2xml.conf>.
936    
937    =head1 BUGS
938    
939    Documentation is really lacking. However, in true Open Source spirit, source
940    is best documentation. I even made considerable effort to comment parts
941    which are not intuitively clear, so...
942    
943  =head1 AUTHOR  =head1 AUTHOR
944    

Legend:
Removed from v.54  
changed lines
  Added in v.298

  ViewVC Help
Powered by ViewVC 1.1.26