/[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 32 by dpavlin, Sun Feb 23 07:53:01 2003 UTC revision 62 by dpavlin, Fri Jul 4 20:11:48 2003 UTC
# Line 8  use XML::Simple; Line 8  use XML::Simple;
8  use Text::Unaccent 1.02;        # 1.01 won't compile on my platform,  use Text::Unaccent 1.02;        # 1.01 won't compile on my platform,
9  use Text::Iconv;  use Text::Iconv;
10  use Config::IniFiles;  use Config::IniFiles;
11    use Encode;
12    
13  $|=1;  $|=1;
14    
# Line 17  die "FATAL: can't find configuration fil Line 18  die "FATAL: can't find configuration fil
18    
19  my $config;  my $config;
20    
21  use index_DBI;  # there is no other, right now ;-)  #use index_DBI;         # default DBI module for index
22    use index_DBI_cache;    # faster DBI module using memory cache
23  my $index = new index_DBI();    # open index  my $index;
24    
25  my %opts;  my %opts;
26    
# Line 31  my %opts; Line 32  my %opts;
32    
33  getopts('d:m:qs', \%opts);  getopts('d:m:qs', \%opts);
34    
35  my $db_dir;  my $path;       # this is name of database
   
 #die "usage: $0 -d [database_dir] -m [database1,database2] " if (! %opts);  
36    
37  #print Dumper($config->{indexer});  Text::Iconv->raise_error(0);     # Conversion errors don't raise exceptions
 #print "-" x 70,"\n";  
38    
39  Text::Iconv->raise_error(1);     # Conversion errors raise exceptions  # this is encoding of all files on disk, including import_xml/*.xml file and
40    # filter/*.pm files! It will be used to store strings in perl internally!
41    my $codepage = 'ISO-8859-2';
42    
43    my $utf2cp = Text::Iconv->new('UTF-8',$codepage);
44    # this function will convert data from XML files to local encoding
45    sub x {
46            return $utf2cp->convert($_[0]);
47    }
48    
49  my $isis_codepage;  # decode isis/excel or other import codepage
50  my $index_codepage;  my $import2cp;
 my $cludge_codepage = Text::Iconv->new('UTF8','ISO8859-1');  
 my $xml_codepage;  
51    
52  my $XML_CHARSET = 'UTF8';  # outgoing xml must be in UTF-8
53    my $cp2utf = Text::Iconv->new($codepage,'UTF-8');
54    
55    # mapping between data type and tag which specify
56    # format in XML file
57    my %type2tag = (
58            'isis' => 'isis',
59            'excel' => 'column',
60            'marc' => 'marc',
61    );
62    
63  sub isis2xml {  sub data2xml {
64    
65          use xmlify;          use xmlify;
66    
67            my $type = shift @_;
68          my $row = shift @_;          my $row = shift @_;
69          my $add_xml = shift @_;          my $add_xml = shift @_;
70            # needed to read values from configuration file
71            my $cfg = shift @_;
72            my $database = shift @_;
73    
74          my $xml;          my $xml;
75    
# Line 74  sub isis2xml { Line 90  sub isis2xml {
90    
91          foreach my $field (sort by_order keys %{$config->{indexer}}) {          foreach my $field (sort by_order keys %{$config->{indexer}}) {
92    
93                    $field=x($field);
94    
95                  $field_usage{$field}++;                  $field_usage{$field}++;
96    
97                  my $swish_data = "";                  my $swish_data = "";
98                  my $display_data = "";                  my $display_data = "";
99                  my $line_delimiter = "";                  my $line_delimiter;
100    
101                  foreach my $x (@{$config->{indexer}->{$field}->{isis}}) {                  my ($swish,$display);
102    
103                          my $format = $x->{content};                  my $tag = $type2tag{$type} || die "can't find which tag to use for type $type";
104                          my $delimiter = $x->{delimiter} || ' ';                  foreach my $x (@{$config->{indexer}->{$field}->{$tag}}) {
105    
106                          # FIX: this is ugly, UGLY, cludge string is returned                          my $format = x($x->{content});
107                          # in UTF8 encoding , but as if source charset                          my $delimiter = x($x->{delimiter}) || ' ';
                         # is ISO8859-1 and not some other. This break other  
                         # character encodings, so we convert it first  
                         # back to ISO8859-1  
                         $format = $xml_codepage->convert($format);  
                         $delimiter = $xml_codepage->convert($delimiter) if ($delimiter);  
108    
109                          my $isis_i = 0;         # isis repeatable offset                          my $repeat_off = 0;             # repeatable offset
110    
111                          my ($s,$d,$i) = (1,1,0);        # swish, display default                          my ($s,$d,$i) = (1,1,0);        # swish, display default
112                          $s = 0 if (lc($x->{type}) eq "display");                          $s = 0 if (lc($x->{type}) eq "display");
113                          $d = 0 if (lc($x->{type}) eq "swish");                          $d = 0 if (lc($x->{type}) eq "swish");
114                          ($s,$d,$i) = (0,0,1) if (lc($x->{type}) eq "index");                          ($s,$d,$i) = (0,0,1) if (lc($x->{type}) eq "index");
 #print STDERR "## s: $s d: $d i: $i ## $format ##\n";    
115    
116                          $display_data .= $line_delimiter if ($display_data && $display_data !~ /$line_delimiter$/);                          # what will separate last line from this one?
117                            if ($display_data && $x->{append} && $x->{append} eq "1") {
118                          my ($swish,$display) = (1,1);                                  $line_delimiter = ' ';
119                            } elsif ($display_data) {
120                          while ($swish || $display) {                                  $line_delimiter = '<br/>';
121                                  ($swish,$display) = parse_format($format,$row,$isis_i++);                          }
 #print STDERR "s: $swish\nd: $display\n" if ($swish);  
122    
123  #print STDERR "swish: $swish<-- display: $display<--\n";                          # init vars so that we go into while...
124                            ($swish,$display) = (1,1);
125    
126                            if ($swish || $display) {
127                                    ($swish,$display) = parse_format($type, $format,$row,$repeat_off++,$import2cp);
128                                  # filter="name" ; filter this field through                                  # filter="name" ; filter this field through
129                                  # filter/[name].pm                                  # filter/[name].pm
130                                  my $filter = $x->{filter};                                  my $filter = $x->{filter};
# Line 120  sub isis2xml { Line 134  sub isis2xml {
134                                  # type="swish" ; field for swish                                  # type="swish" ; field for swish
135                                  if ($s && $swish) {                                  if ($s && $swish) {
136                                          if ($filter) {                                          if ($filter) {
 #print STDERR "using filter '$filter'\n";  
137                                                  no strict 'refs';                                                  no strict 'refs';
138                                                  $swish_data .= join(" ",&$filter($swish));                                                  $swish_data .= join(" ",&$filter($swish));
139                                          } else {                                          } else {
# Line 130  sub isis2xml { Line 143  sub isis2xml {
143    
144                                  # type="display" ; field for display                                  # type="display" ; field for display
145                                  if ($d && $display) {                                  if ($d && $display) {
146                                            if ($line_delimiter && $display_data) {
147                                                    $display_data .= $line_delimiter;
148                                                    undef $line_delimiter;
149                                            }
150                                          if ($filter) {                                          if ($filter) {
151                                                  no strict 'refs';                                                  no strict 'refs';
152                                                  $display_data .= join($delimiter,&$filter($display));                                                  $display_data .= join($delimiter,&$filter($display));
# Line 144  sub isis2xml { Line 161  sub isis2xml {
161                                                                                                    
162                                  # type="index" ; insert into index                                  # type="index" ; insert into index
163                                  if ($i && $display) {                                  if ($i && $display) {
164                                          my $index_data = $index_codepage->convert($display) || $display;                                          my $index_data = $display;
165                                          if ($filter) {                                          if ($filter) {
166                                                  no strict 'refs';                                                  no strict 'refs';
167                                                  foreach my $d (&$filter($index_data)) {                                                  foreach my $d (&$filter($index_data)) {
168                                                          $index->insert($field, $d, $db_dir);                                                          $index->insert($field, $d, $path);
169                                                  }                                                  }
170                                          } else {                                          } else {
171                                                  $index->insert($field, $index_data, $db_dir);                                                  $index->insert($field, $index_data, $path);
172                                          }                                          }
173                                  }                                  }
174                          }                          }
                         if ($x->{append}) {  
                                 $line_delimiter = ' ';  
                         } else {  
                                 $line_delimiter = '<br/>';  
                         }  
175                  }                  }
176    
177                    # now try to parse variables from configuration file
178                    foreach my $x (@{$config->{indexer}->{$field}->{'config'}}) {
179    
180  #print STDERR "s_d: $swish_data\nd_d: $display_data\n" if ($swish_data);                          my $delimiter = x($x->{delimiter}) || ' ';
181                  if ($display_data) {                          my $val = $cfg->val($database, x($x->{content}));
182    
183                            my ($s,$d,$i) = (1,1,0);        # swish, display default
184                            $s = 0 if (lc($x->{type}) eq "display");
185                            $d = 0 if (lc($x->{type}) eq "swish");
186                            ($s,$d,$i) = (0,0,1) if (lc($x->{type}) eq "index");
187    
188                            if ($val) {
189                                    $display_data .= $delimiter.$val if ($d);
190                                    $swish_data .= $val if ($s);
191                                    $index->insert($field, $val, $path) if ($i);
192                            }
193    
194                    }
195    
                         # remove last <br>  
                         $display_data =~ s/$line_delimiter$//;  
196    
197                          $display_data = $isis_codepage->convert($display_data) || die "Can't convert '$display_data' !";                  if ($display_data) {
                         # FIX: this is removed and replaced by html tag.  
                         #$xml .= xmlify($field."_display", $display_data);  
198    
199                          if ($field eq "headline") {                          if ($field eq "headline") {
200                                  $xml .= xmlify("headline", $display_data);                                  $xml .= xmlify("headline", $display_data);
# Line 189  sub isis2xml { Line 212  sub isis2xml {
212                                          print STDERR "WARNING: field '$field' doesn't have 'name' attribute!";                                          print STDERR "WARNING: field '$field' doesn't have 'name' attribute!";
213                                  }                                  }
214                                  if ($field_name) {                                  if ($field_name) {
215                                          $html .= $xml_codepage->convert($field_name);                                          $html .= x($field_name);
 #                                       $html .= "-->".$field_name."<--";  
216                                  }                                  }
217                                  $html .= $display_data."###\n";                                  $html .= $display_data."###\n";
218                          }                          }
219                  }                  }
220                  if ($swish_data) {                  if ($swish_data) {
                         my $i = Text::Iconv->new($config->{isis_codepage},'ISO8859-2');  
221                          # remove extra spaces                          # remove extra spaces
222                          $swish_data =~ s/ +/ /g;                          $swish_data =~ s/ +/ /g;
223                          $swish_data =~ s/ +$//g;                          $swish_data =~ s/ +$//g;
224    
225                          $swish_data = $i->convert($swish_data);                          $xml .= xmlify($field."_swish", unac_string($codepage,$swish_data));
                         $xml .= xmlify($field."_swish",unac_string('ISO8859-2',$swish_data));  
                         #$swish_data = $isis_codepage->convert($swish_data)."##" || $swish_data;  
                         #$xml .= xmlify($field."_swish",unac_string($config->{isis_codepage},$swish_data));  
226                  }                  }
227    
228    
# Line 216  sub isis2xml { Line 234  sub isis2xml {
234          }          }
235                    
236          if ($xml) {          if ($xml) {
 #print STDERR "x: $xml\n";  
237                  $xml .= $add_xml if ($add_xml);                  $xml .= $add_xml if ($add_xml);
238                  return "<xml>\n$xml</xml>\n";                  return "<xml>\n$xml</xml>\n";
239          } else {          } else {
# Line 226  sub isis2xml { Line 243  sub isis2xml {
243    
244  ##########################################################################  ##########################################################################
245    
246    # read configuration for this script
247  my $cfg = new Config::IniFiles( -file => $config_file );  my $cfg = new Config::IniFiles( -file => $config_file );
248    
249    # read global.conf configuration
250    my $cfg_global = new Config::IniFiles( -file => 'global.conf' );
251    
252    # open index
253    $index = new index_DBI(
254                    $cfg_global->val('global', 'dbi_dbd'),
255                    $cfg_global->val('global', 'dbi_dsn'),
256                    $cfg_global->val('global', 'dbi_user'),
257                    $cfg_global->val('global', 'dbi_passwd') || '',
258            );
259    
260  foreach my $database ($cfg->Sections) {  foreach my $database ($cfg->Sections) {
261    
262          my $isis_db = $cfg -> val($database, 'isis_db');          my $type = lc($cfg -> val($database, 'type')) || die "$database doesn't have 'type' defined";
263          my $type = $cfg -> val($database, 'type');          my $add_xml = $cfg -> val($database, 'xml');    # optional
         my $add_xml = $cfg -> val($database, 'xml');  
   
         # read configuration for this type  
         $config=XMLin("./import_xml/$type.xml", forcearray => [ 'isis' ], forcecontent => 1);  
         $isis_codepage = Text::Iconv->new($config->{isis_codepage},$XML_CHARSET);  
         $index_codepage = Text::Iconv->new($config->{isis_codepage},$config->{index_codepage});  
         $xml_codepage = Text::Iconv->new($cfg->val($database,'xml_codepage'),$XML_CHARSET);  
   
         my $db = OpenIsis::open( $isis_db );  
         if (0) {  
 #       # FIX  
 #       if (! $db ) {  
                 print STDERR "WARNING: can't open '$isis_db'\n";  
                 next ;  
         }  
264    
265          my $max_rowid = OpenIsis::maxRowid( $db );  print STDERR "reading ./import_xml/$type.xml\n";
266    
267          print STDERR "Reading database: $isis_db [$max_rowid rows]\n";          # extract just type basic
268            my $type_base = $type;
269            $type_base =~ s/_.+$//g;
270    
271          my $path = $database;                   # was $isis_db          $config=XMLin("./import_xml/$type.xml", forcearray => [ $type2tag{$type_base}, 'config' ], forcecontent => 1);
272    
273            # output current progress indicator
274          my $last_p = 0;          my $last_p = 0;
275            sub progress {
276                    #return if (! $opts{q});        # FIXME
277                    my $current = shift;
278                    my $total = shift || 1;
279                    my $p = int($current * 100 / $total);
280                    if ($p != $last_p) {
281                            printf STDERR ("%5d / %5d [%-51s] %-2d %% \r",$current,$total,"=" x ($p/2).">", $p );
282                            $last_p = $p;
283                    }
284            }
285    
286            # now read database
287    print STDERR "using: $type...\n";
288    
289            if ($type_base eq "isis") {
290    
291  #       { my $row_id = 4514;                  my $isis_db = $cfg -> val($database, 'isis_db') || die "$database doesn't have 'isis_db' defined!";
292  # FIX  
293          for (my $row_id = 1; $row_id <= $max_rowid; $row_id++ ) {                  $import2cp = Text::Iconv->new($config->{isis_codepage},$codepage);
294                  my $row = OpenIsis::read( $db, $row_id );                  my $db = OpenIsis::open( $isis_db );
295                  if ($row && $row->{mfn}) {  
296  #print STDERR "mfn: ",$row->{mfn},"\n";                  my $max_rowid = OpenIsis::maxRowid( $db );
297                          # output current process indicator  
298                          my $p = int($row->{mfn} * 100 / $max_rowid);                  print STDERR "Reading database: $isis_db [$max_rowid rows]\n";
299                          if ($p != $last_p) {  
300                                  printf STDERR ("%5d / %5d [%-51s] %-2d %% \r",$row->{mfn},$max_rowid,"=" x ($p/2).">", $p ) if (! $opts{q});                  my $path = $database;
301                                  $last_p = $p;  
302                    for (my $row_id = 1; $row_id <= $max_rowid; $row_id++ ) {
303                            my $row = OpenIsis::read( $db, $row_id );
304                            if ($row && $row->{mfn}) {
305            
306                                    progress($row->{mfn}, $max_rowid);
307    
308                                    my $swishpath = $path."#".int($row->{mfn});
309    
310                                    if (my $xml = data2xml($type_base,$row,$add_xml,$cfg,$database)) {
311                                            $xml = $cp2utf->convert($xml);
312                                            use bytes;      # as opposed to chars
313                                            print "Path-Name: $swishpath\n";
314                                            print "Content-Length: ".(length($xml)+1)."\n";
315                                            print "Document-Type: XML\n\n$xml\n";
316                                    }
317                            }
318                    }
319                    print STDERR "\n";
320    
321            } elsif ($type_base eq "excel") {
322                    use Spreadsheet::ParseExcel;
323                    use Spreadsheet::ParseExcel::Utility qw(int2col);
324                    
325                    $import2cp = Text::Iconv->new($config->{excel_codepage},$codepage);
326                    my $excel_file = $cfg -> val($database, 'excel_file') || die "$database doesn't have 'excel_file' defined!";
327    
328                    my $sheet = x($config->{sheet}) || die "no sheet in $type.xml";
329                    my $start_row = x($config->{start_row}) - 1 || die "no start_row in $type.xml";
330    
331                    my $oBook = Spreadsheet::ParseExcel::Workbook->Parse($excel_file) || die "can't open Excel file '$excel_file'";
332    
333                    my $sheet_nr = 0;
334                    foreach my $oWks (@{$oBook->{Worksheet}}) {
335                            #print STDERR "-- SHEET $sheet_nr:", $oWks->{Name}, "\n";
336                            last if ($oWks->{Name} eq $sheet);
337                            $sheet_nr++;
338                    }
339    
340                    my $oWorksheet = $oBook->{Worksheet}[$sheet_nr];
341            
342                    print STDERR "using sheet: ",$oWorksheet->{Name},"\n";
343                    defined ($oWorksheet) || die "can't find sheet '$sheet' in $excel_file";
344                    my $end_row = x($config->{end_row}) || $oWorksheet->{MaxRow};
345    
346                    for(my $iR = $start_row ; defined $end_row && $iR <= $end_row ; $iR++) {
347                            my $row;
348                            for(my $iC = $oWorksheet->{MinCol} ; defined $oWorksheet->{MaxCol} && $iC <= $oWorksheet->{MaxCol} ; $iC++) {
349                                    my $cell = $oWorksheet->{Cells}[$iR][$iC];
350                                    if ($cell) {
351                                            $row->{int2col($iC)} = $cell->Value;
352                                    }
353                          }                          }
354    
355                          if (my $xml = isis2xml($row,$add_xml)) {                          progress($iR, $end_row);
356  #print STDERR "--ret-->$xml\n";  
357                                  print "Path-Name: $path#".int($row->{mfn})."\n";  #                       print "row[$iR/$end_row] ";
358    #                       foreach (keys %{$row}) {
359    #                               print "$_: ",$row->{$_},"\t";
360    #                       }
361    #                       print "\n";
362    
363                            my $swishpath = $database."#".$iR;
364    
365                            next if (! $row);
366    
367                            if (my $xml = data2xml($type_base,$row,$add_xml,$cfg,$database)) {
368                                    $xml = $cp2utf->convert($xml);
369                                    use bytes;      # as opposed to chars
370                                    print "Path-Name: $swishpath\n";
371                                    print "Content-Length: ".(length($xml)+1)."\n";
372                                    print "Document-Type: XML\n\n$xml\n";
373                            }
374                    }
375            } elsif ($type_base eq "marc") {
376            ## XXX
377                    use MARC;
378                    
379                    $import2cp = Text::Iconv->new($config->{marc_codepage},$codepage);
380                    my $marc_file = $cfg -> val($database, 'marc_file') || die "$database doesn't have 'marc_file' defined!";
381    
382                    # optional argument is format
383                    my $format = x($config->{format}) || 'usmarc';
384    
385                    my %id_stored;  # to aviod duplicates
386    
387                    print STDERR "Reading MARC file '$marc_file'\n";
388    
389                    my $marc = new MARC;
390                    my $nr = $marc->openmarc({
391                                    file=>$marc_file, format=>$format
392                            }) || die "Can't open MARC file '$marc_file'";
393    
394                    my $i=0;        # record nr.
395                    my $inc=1;
396                    my $max_i=1000;
397    
398                    my $rec;
399    
400                    while ($marc->nextmarc(1)) {
401    
402                            # XXX
403                            progress($i, $max_i);
404                            $i += $inc;
405                            $inc = -$inc if ($i > $max_i || $i < 0);
406    
407                            my $swishpath = $database."#".$i;
408    
409                            if (my $xml = data2xml($type_base,$marc,$add_xml,$cfg,$database)) {
410                                    $xml = $cp2utf->convert($xml);
411                                    use bytes;      # as opposed to chars
412                                    print "Path-Name: $swishpath\n";
413                                  print "Content-Length: ".(length($xml)+1)."\n";                                  print "Content-Length: ".(length($xml)+1)."\n";
414                                  print "Document-Type: XML\n\n$xml\n";                                  print "Document-Type: XML\n\n$xml\n";
415                          }                          }
416                  }                  }
417          }          }
         print STDERR "\n";  
418  }  }
419    
420  # call this to commit index  # call this to commit index

Legend:
Removed from v.32  
changed lines
  Added in v.62

  ViewVC Help
Powered by ViewVC 1.1.26