/[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 7 by dpavlin, Sat Jan 11 16:44:03 2003 UTC revision 320 by dpavlin, Sun Apr 18 00:57:39 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    
# Line 20  my %opts; Line 35  my %opts;
35    
36  getopts('d:m:qs', \%opts);  getopts('d:m:qs', \%opts);
37    
38  my $db_dir = $opts{d} || "ps";  # FIX  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  #die "usage: $0 -d [database_dir] -m [database1,database2] " if (! %opts);  # outgoing xml must be in UTF-8
56    my $cp2utf = Text::Iconv->new($codepage,'UTF-8');
57    
58  #print Dumper($config->{indexer});  # mapping between data type and tag which specify
59  #print "-" x 70,"\n";  # format in XML file
60    my %type2tag = (
61            'isis' => 'isis',
62            'excel' => 'column',
63            'marc' => 'marc',
64            'feed' => 'feed'
65    );
66    
67  # how to convert isis code page to UTF8?  my $cache;      # for cacheing
 my $isis_map = Unicode::Map8->new($config->{isis_codepage}) || die;  
68    
69  sub isis2xml {  # lookup hash (tied to file)
70    my %lhash;
71    # this option will cache all lookup entries in memory.
72    # if you are tight on memory, turn this off
73    my $use_lhash_cache = 1;
74    
75    my $last_field_name;    # cache to prevent repeated fields
76    
77    sub data2xml {
78    
79            use xmlify;
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;
         $xml->{db_dir} = [ $db_dir ];   # FIX remove?  
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                    }
172                    return ($s,$se,$d,$i,$il);
173            }
174    
175    
176            # convert
177            #
178            # <tag>
179            #  <delimiter>, </delimiter>
180            #  <value>200a</value>
181            # </tag>
182            #
183            # to
184            #
185            # <tag delimiter=", ">200a</tag>
186            #
187            # but without loosing spaces in delimiter (becasue
188            # new XML::Simple strips spaces in attribute values
189            # as defined in XML specification)
190            #
191            sub unroll_x($) {
192                    my $x = shift;
193    
194                    if (defined $x->{value}) {
195                            my ($v,$d) = ($x->{value}->{content}, $x->{delimiter}->{content});
196                            delete $x->{value};
197                            delete $x->{delimiter};
198                            $x->{content} = $v;
199                            $x->{delimiter} = $d;
200                    }
201                    return $x;
202            }
203    
204            # begin real work: go field by field
205            foreach my $field (@sorted_tags) {
206    
207                    $field=x($field);
208                    $field_usage{$field}++;
209    
210                    my $swish_data = "";
211                    my $swish_exact_data = "";
212                  my $display_data = "";                  my $display_data = "";
213                  my $index_data = "";                  my @index_data;
214                    my $line_delimiter;
215    
216                    my ($swish,$display);
217    
218                    my $tag = $type2tag{$type} || die "can't find which tag to use for type $type";
219    
220                    # is this field page-by-page?
221                    my $iterate_by_page = $config->{indexer}->{$field}->{iterate_by_page};
222                    push @page_fields,$field if ($iterate_by_page);
223                    my %page_max = ();
224                    # default line_delimiter if using
225                    my $page_line_delimiter = $config->{indexer}->{$field}->{page_line_delimiter} || '<br/>';
226                    $cache->{index_delimiter}->{$field} = $config->{indexer}->{$field}->{index_delimiter};
227    
228                    my $format_name = $config->{indexer}->{$field}->{format_name};
229                    my $format_delimiter = $config->{indexer}->{$field}->{format_delimiter};
230                    if ($format_name && $format_delimiter) {
231                            $cache->{format}->{$field}->{format_name} = $format_name;
232                            $cache->{format}->{$field}->{format_delimiter} = $format_delimiter;
233                    }
234    
235                    foreach my $x (@{$config->{indexer}->{$field}->{$tag}}) {
236    
237                            $x = unroll_x($x);
238    
239                            my $format = x($x->{content});
240                            my $delimiter = x($x->{delimiter}) || ' ';
241    
242                            my $repeat_off = 0;     # init repeatable offset
243    
244                            my ($s,$se,$d,$i,$il) = init_visible_type($x->{type});
245    
246                            # what will separate last line from this one?
247                            if ($display_data && $x->{append}) {
248                                    $line_delimiter = $delimiter;
249                            } elsif ($display_data) {
250                                    $line_delimiter = '<br/>';
251                            }
252    
253                            # init vars so that we go into while...
254                            ($swish,$display) = (1,1);
255    
256                  foreach my $x (@{$config->{indexer}->{$field}->{isis}}) {                          # placeholder for all repeatable entries for index
257    
258                          my $display_tmp = "";                          sub mkformat($$) {
259                          my $index_tmp = "";                                  my $x = shift || die "mkformat needs tag reference";
260                                    my $data = shift || return;
261                                    my $format_name = x($x->{format_name}) || return $data;
262                                    my $fmt = x($config->{format}->{$format_name}->{content}) || die "<format name=\"$format_name\"> is not defined!";
263                                    my $format_delimiter = x($x->{format_delimiter});
264                                    my @data;
265                                    if ($format_delimiter) {
266                                            @data = split(/$format_delimiter/,$data);
267                                    } else {
268                                            push @data,$data;
269                                    }
270    
271                          my $format = $x->{content};                                  if ($fmt) {
272                          my $i = 1;      # index only                                          my $nr = scalar $fmt =~ s/%s/%s/g;
273                          my $d = 1;      # display only                                          if (($#data+1) == $nr) {
274                          $i = 0 if (lc($x->{type}) eq "display");                                                  return sprintf($fmt,@data);
275                          $d = 0 if (lc($x->{type}) eq "index");                                          } else {
276  #print "## i: $i d: $d ## $format ##";                                                    #print STDERR "mkformat: [$data] can't be split on [$format_delimiter] to $nr fields!\n";
277                          # parse format                                                  return $data;
278                          my $prefix = "";                                          }
                         if ($format =~ s/^([^\d]+)//) {  
                                 $prefix = $1;  
                         }  
                         while ($format) {  
                                 if ($format =~ s/^(\d\d\d)(\w?)//) {  
                                         my $isis_tmp = isis_sf($row,$1,$2);  
                                         if ($isis_tmp) {  
 #                                               $display_tmp .= $prefix . "/$1/$2/".$isis_tmp if ($d);  
                                                 $display_tmp .= $prefix . $isis_tmp if ($d);  
                                                 $index_tmp .= $isis_tmp." " if ($i);  
 #print " $isis_tmp <--\n";  
                                         }  
                                         $prefix = "";  
                                 } elsif ($format =~ s/^([^\d]+)//) {  
                                         $prefix = $1;  
279                                  } else {                                  } else {
280                                          print STDERR "WARNING: unparsed format '$format'\n";                                          print STDERR "usage of link '$format_name' without defined format (<link> tag)\n";
281                                    }
282                            }
283    
284                            # while because of repeatable fields
285                            while ($swish || $display) {
286                                    my $page = $repeat_off;
287                                    $page_max{$field} = $page if ($iterate_by_page && $page > ($page_max{$field} || 0));
288                                    ($swish,$display) = parse_format($type, $format,$row,$repeat_off++,$import2cp);
289                                    if ($repeat_off > 1000) {
290                                            print STDERR "loop (more than 1000 repeatable fields) deteced in $row, $format\n";
291                                          last;                                          last;
292                                  };                                  }
293    
294                                    # is this field is lookup?
295                                    if ($display && $x->{lookup}) {
296                                            my $null = "<!-- null -->";
297                                            if ($use_lhash_cache) {
298                                                    if (!defined($cache->{lhash}->{$display})) {
299                                                            my $new_display = $lhash{$display};
300                                                            if (defined($new_display)) {
301    #print STDERR "lookup cache store '$display' = '$new_display'\n";
302                                                                    $display = $new_display;
303                                                                    $cache->{lhash}->{$display} = $new_display;
304                                                            } else {
305    #                                                               print STDERR "WARNING: lookup for '$display' didn't find anything.\n";
306                                                                    $display = "";
307                                                                    $cache->{lhash}->{$display} = $null;
308                                                            }
309                                                    } else {
310                                                            $display = $cache->{lhash}->{$display};
311                                                    }
312                                            } else {
313                                                    $display = $lhash{$display} || $null;
314                                            }
315                                    }
316    
317                                    # filter="name" ; filter this field through
318                                    # filter/[name].pm
319                                    my $filter = $x->{filter};
320                                    if ($filter && !$cache->{filter_loaded}->{$filter}) {
321                                            require "filter/".$filter.".pm";
322                                            $cache->{filter_loaded}->{$filter}++;
323                                    }
324                                    # type="swish" ; field for swish
325                                    if ($swish) {
326                                            my $tmp = $swish;
327                                            if ($filter && ($s || $se)) {
328                                                    no strict 'refs';
329                                                    $tmp = join(" ",&$filter($tmp)) if ($s || $se);
330                                            }
331    
332                                            $swish_data .= $tmp if ($s && $tmp);
333                                            $swish_exact_data .= "xxbxx $tmp xxexx " if ($tmp && $tmp ne "" && $se);
334                                    }
335    
336                                    # type="display" ; field for display
337                                    if ($d && $display) {
338                                            my $ldel = $delimiter;
339                                            if ($line_delimiter && $display_data) {
340                                                    $ldel = $line_delimiter;
341                                            }
342                                            if ($filter) {
343                                                    no strict 'refs';
344                                                    my @arr;
345                                                    foreach my $tmp (&$filter($display)) {
346                                                            my $tmp2 = mkformat($x,$tmp);
347                                                            push @arr,$tmp2 if ($tmp2);
348                                                    }
349                                                    $display_data .= $ldel if ($display_data && @arr);
350                                                    $display_data .= join($delimiter,@arr);
351                                            } else {
352                                                    $display_data .= $ldel if ($display_data);
353                                                    my $tmp = mkformat($x,$display);
354                                                    $display_data .= $tmp if ($tmp);
355                                            }
356                                    }
357                                                    
358                                    # type="index" ; insert into index
359                                    my $idisplay;
360                                    if ($i && $display) {
361                                            $idisplay = $display;
362                                            if ($filter) {
363                                                    no strict 'refs';
364                                                    $idisplay = &$filter($idisplay);
365                                            }
366                                            push @index_data, $idisplay if ($idisplay && !$iterate_by_page);
367                                    }
368    
369                                    # store fields in lookup
370                                    if ($il && $display) {
371                                            if (lc($x->{type}) eq "lookup_key") {
372                                                    if ($lookup_key) {
373                                                            print STDERR "WARNING: try to redefine lookup_key (keys shouldn't be repeatable fields!)";
374                                                    } else {
375                                                            if ($filter) {
376                                                                    no strict 'refs';
377                                                                    $lookup_key = &$filter($display);
378                                                            } else {
379                                                                    $lookup_key = $display;
380                                                            }
381                                                    }
382                                            } elsif (lc($x->{type}) eq "lookup_val") {
383                                                    if ($lookup_key) {
384                                                            if ($filter) {
385                                                                    no strict 'refs';
386                                                                    $lhash{$lookup_key} = &$filter($display);
387                                                            } else {
388                                                                    $lhash{$lookup_key} = $display;
389                                                            }
390                                                    } else {
391                                                            print STDERR "WARNING: no lookup_key defined for  '$display'?";
392                                                    }
393                                            }
394    
395                                    }
396    
397                                    # store data for page-by-page repeatable fields
398                                    if ($iterate_by_page) {
399                                            sub iterate_fld($$$$$$) {
400                                                    my ($cache,$what,$field,$page,$data,$append) = @_;
401                                                    return if (!$data);
402    
403                                                    my $ldel = $page_line_delimiter;
404                                                    $ldel = " " if ($append);
405    #print STDERR "line delimiter: ",Dumper($ldel) if ($ldel);
406                                                    if (! $cache->{$what}->{$field}->[$page]) {
407                                                            $cache->{$what}->{$field}->[$page] = $data;
408                                                    } else {
409                                                            $cache->{$what}->{$field}->[$page] .= $ldel.$data;
410                                                    }
411                                            }
412    
413                                            if ($display_data) {
414                                                    iterate_fld($cache,'display_data',$field,$page,$display_data,$x->{append});
415                                            }
416                                                    $display_data = "";
417                                            if ($swish_data) {
418                                                    iterate_fld($cache,'swish_data',$field,$page,$swish_data,$x->{append});
419                                                    $swish_data = "";
420                                            }
421                                            if ($swish_exact_data) {
422                                                    iterate_fld($cache,'swish_exact_data',$field,$page,$swish_exact_data,$x->{append});
423                                                    $swish_exact_data = "";
424                                            }
425    
426                                            if ($idisplay) {
427                                                    my $ldel=$page_line_delimiter;
428                                                    my @index_data;
429                                                    if ($cache->{index_data}->{$field}->[$page]) {
430    
431                                                            @index_data = @{$cache->{index_data}->{$field}->[$page]};
432                                                    }
433                                                    if ($x->{append}) {
434                                                            if (@index_data) {
435                                                                    $index_data[$#index_data] .= $idisplay;
436                                                            } else {
437                                                                    push @index_data, $idisplay;
438                                                            }
439                                                    } else {
440                                                            push @index_data, $idisplay;
441                                                    }
442                                                    $idisplay = "";
443                                                    @{$cache->{index_data}->{$field}->[$page]} = @index_data;
444                                            }
445                                    }
446                            }
447    
448                            if (! $iterate_by_page) {
449                                    my $idel = $x->{index_delimiter};
450                                    # fill data in index
451                                    foreach my $tmp (@index_data) {
452                                            my $i = $d = $tmp;
453                                            if ($idel && $tmp =~ m/$idel/) {
454                                                    ($i,$d) = split(/$idel/,$tmp);
455                                            }
456                                            $index->insert($field, $i, $d, $path);
457                                    }
458                                    @index_data = ();
459                            }
460                    }
461    
462                    # now try to parse variables from configuration file
463                    foreach my $x (@{$config->{indexer}->{$field}->{'config'}}) {
464    
465                            $x = unroll_x($x);
466    
467                            my $delimiter = x($x->{delimiter}) || ' ';
468                            my $val = $cfg->val($database, x($x->{content}));
469    
470                            # FIXME index_lookup is not supported!
471                            my ($s,$se,$d,$i,$il) = init_visible_type($x->{type});
472    
473                            if ($val) {
474                                    $display_data .= $delimiter.$val if ($d);
475                                    $swish_data .= " ".$val if ($s);
476                                    $index->insert($field, $val, $path) if ($i);
477                            }
478    
479                            if ($iterate_by_page) {
480                                    # FIXME data from config tag will appear just
481                                    # on first page!!!
482                                    my $page = 0;
483                                    if ($display_data) {
484                                            $cache->{display_data}->{$field}->[$page] = $display_data;
485                                            $display_data = "";
486                                    }
487                                    if ($swish_data) {
488                                            $cache->{swish_data}->{$field}->[$page] = $swish_data;
489                                            $swish_data = "";
490                                    }
491                                    if ($swish_exact_data) {
492                                            $cache->{swish_exact_data}->{$field}->[$page] = $swish_exact_data;
493                                            $swish_exact_data = "";
494                                    }
495                          }                          }
496                          # add suffix                  }
                         $display_tmp .= $prefix if ($display_tmp);  
497    
498  #                       $display_data .= $display_tmp if ($display_tmp ne "");                  # save data page-by-page
499  #                       $index_data .= $index_tmp if ($index_tmp ne "");                  foreach my $field (@page_fields) {
500                          $display_data .= $display_tmp;                          my $nr_pages = $page_max{$field} || next;
501                          $index_data .= $index_tmp;  #print STDERR "field '$field' iterate over ",($nr_pages || 0)," pages...\n";
502    #print STDERR Dumper($cache->{display_data});
503                  }                          for (my $page=0; $page <= $nr_pages; $page++) {
504  #print "--display:$display_data\n--index:$index_data\n";                                  my $display_data;
505                  #$xml->{$field."_display"} = $isis_map->tou($display_data)->utf8 if ($display_data);                                  if ($cache->{format}->{$field}) {
506                  #$xml->{$field."_index"} = unac_string($config->{isis_codepage},$index_data) if ($index_data);                                          my $tmp = mkformat($cache->{format}->{$field},$cache->{display_data}->{$field}->[$page]);
507                  $xml->{$field."_display" } = [ $isis_map->tou($display_data)->utf8 ] if ($display_data);                                          $display_data=$tmp if ($tmp);
508                  $xml->{$field."_index"} = [ unac_string($config->{isis_codepage},$index_data)." jabuka" ] if ($index_data);                                  } else {
509                                            $display_data = $cache->{display_data}->{$field}->[$page];
510                                    }
511                                    if ($display_data) { # default
512                                            if ($field eq "headline") {
513                                                    $xml .= xmlify("headline", $display_data);
514                                            } else {
515    
516                                                    # fallback to empty field name if needed
517                                                    $html .= get_field_name($config,$field,$field_usage{$field}) || '';
518                                                    $html .= "#-#".$display_data."###\n";
519                                            }
520                                    }
521                                    
522                                    my $swish_data = $cache->{swish_data}->{$field}->[$page];
523                                    if ($swish_data) {
524                                            # remove extra spaces
525                                            $swish_data =~ s/ +/ /g;
526                                            $swish_data =~ s/ +$//g;
527    
528                                            $xml .= xmlify($field."_swish", my_unac_string($codepage,$swish_data));
529                                    }
530    
531                                    my $swish_exact_data = $cache->{swish_exact_data}->{$field}->[$page];
532                                    if ($swish_exact_data) {
533                                            $swish_exact_data =~ s/ +/ /g;
534                                            $swish_exact_data =~ s/ +$//g;
535    
536                                            # add delimiters before and after word.
537                                            # That is required to produce exact match
538                                            $xml .= xmlify($field."_swish_exact", my_unac_string($codepage,$swish_exact_data));
539                                    }
540                                    
541                                    my $idel = $cache->{index_delimiter}->{$field};
542                                    foreach my $tmp (@{$cache->{index_data}->{$field}->[$page]}) {
543                                            my $i = $tmp;
544                                            my $d = $tmp;
545                                            if ($idel && $tmp =~ m/$idel/) {
546                                                    ($i,$d) = split(/$idel/,$tmp);
547                                            }
548                                            $index->insert($field, $i, $d, $path);
549    #print STDERR "index [$idel] $field: $i --> $d [$path]\n";
550                                    }
551                            }
552                    
553                    }
554                    
555                    if (! $iterate_by_page) {
556                            if ($display_data) {
557                                    if ($field eq "headline") {
558                                            $xml .= xmlify("headline", $display_data);
559                                    } else {
560    
561                                            # fallback to empty field name if needed
562                                            $html .= get_field_name($config,$field,$field_usage{$field}) || '';
563                                            $html .= "#-#".$display_data."###\n";
564                                    }
565                            }
566                            if ($swish_data) {
567                                    # remove extra spaces
568                                    $swish_data =~ s/ +/ /g;
569                                    $swish_data =~ s/ +$//g;
570    
571                                    $xml .= xmlify($field."_swish", my_unac_string($codepage,$swish_data));
572                            }
573    
574                            if ($swish_exact_data) {
575                                    $swish_exact_data =~ s/ +/ /g;
576                                    $swish_exact_data =~ s/ +$//g;
577    
578                                    # add delimiters before and after word.
579                                    # That is required to produce exact match
580                                    $xml .= xmlify($field."_swish_exact", my_unac_string($codepage,$swish_exact_data));
581                            }
582                    }
583            }
584    
585            # dump formatted output in <html>
586            if ($html) {
587                    #$xml .= xmlify("html",$html);
588                    $xml .= "<html><![CDATA[ $html ]]></html>";
589          }          }
590            
591          if ($xml) {          if ($xml) {
592                  return XMLout($xml, rootname => 'xml', keeproot => 0, noattr => 0 );                  $xml .= $add_xml if ($add_xml);
593                    return "<xml>\n$xml</xml>\n";
594          } else {          } else {
595                  return;                  return;
596          }          }
# Line 117  sub isis2xml { Line 598  sub isis2xml {
598    
599  ##########################################################################  ##########################################################################
600    
601  my $last_tell=0;  # read configuration for this script
602    my $cfg = new Config::IniFiles( -file => $config_file );
603    
604  my @isis_dirs = ( '.' );        # use dirname as database name  # read global.conf configuration
605    my $cfg_global = new Config::IniFiles( -file => 'global.conf' );
606    
607  if ($opts{m}) {  # open index
608          @isis_dirs = split(/,/,$opts{m});  $index = new index_DBI(
609                    $cfg_global->val('global', 'dbi_dbd'),
610                    $cfg_global->val('global', 'dbi_dsn'),
611                    $cfg_global->val('global', 'dbi_user'),
612                    $cfg_global->val('global', 'dbi_passwd') || '',
613            );
614    
615    my $show_progress = $cfg_global->val('global', 'show_progress');
616    
617    my $my_unac_filter = $cfg_global->val('global', 'my_unac_filter');
618    if ($my_unac_filter) {
619            print STDERR "using $my_unac_filter to filter characters for search\n";
620            require $my_unac_filter;
621    } else {
622            print STDERR "### fallback to default my_unac_string!\n";
623            eval q{
624            sub main::my_unac_string($$) {
625                    my ($charset, $string) = (@_);
626                    return $string;
627            }
628            };
629  }  }
630    
631  my @isis_dbs;  foreach my $database ($cfg->Sections) {
632    
633  foreach (@isis_dirs) {          my $type = lc($cfg -> val($database, 'type')) || die "$database doesn't have 'type' defined";
634          if (-e $config->{isis_data}."/$db_dir/$_/LIBRI") {          my $add_xml = $cfg -> val($database, 'xml');    # optional
635                  push @isis_dbs,$config->{isis_data}."/$db_dir/$_/LIBRI/LIBRI";  
636            # create new lookup file
637            my $lookup_file = $cfg -> val($database, 'lookup_newfile'); # optional
638            if ($lookup_file) {
639                    #tie %lhash, 'GDBM_File', $lookup_file, &GDBM_NEWDB, 0644;
640                    tie %lhash, 'TDB_File', $lookup_file, TDB_CLEAR_IF_FIRST, O_RDWR, 0644;
641                    print STDERR "creating lookup file '$lookup_file'\n";
642                    # delete memory cache for lookup file
643                    delete $cache->{lhash};
644          }          }
645          if (-e $config->{isis_data}."/$db_dir/$_/PERI") {  
646                  push @isis_dbs,$config->{isis_data}."/$db_dir/$_/PERI/PERI";          # open existing lookup file
647            $lookup_file = $cfg -> val($database, 'lookup_open'); # optional
648            if ($lookup_file) {
649                    #tie %lhash, 'GDBM_File', $lookup_file, &GDBM_READER, 0644;
650                    tie %lhash, 'TDB_File', $lookup_file, TDB_DEFAULT, O_RDWR, 0644;
651                    print STDERR "opening lookup file '$lookup_file'\n";
652          }          }
653          if (-e $config->{isis_data}."/$db_dir/$_/AMS") {  
654                  push @isis_dbs,$config->{isis_data}."/$db_dir/$_/AMS/AMS";  print STDERR "reading ./import_xml/$type.xml\n";
655    
656            # extract just type basic
657            my $type_base = $type;
658            $type_base =~ s/_.+$//g;
659    
660            $config=XMLin("./import_xml/$type.xml", ForceArray => [ $type2tag{$type_base}, 'config', 'format' ], ForceContent => 1 );
661    
662            # output current progress indicator
663            my $last_p = 0;
664            sub progress {
665                    return if (! $show_progress);
666                    my $current = shift;
667                    my $total = shift || 1;
668                    my $p = int($current * 100 / $total);
669                    if ($p != $last_p) {
670                            printf STDERR ("%5d / %5d [%-51s] %-2d %% \r",$current,$total,"=" x ($p/2).">", $p );
671                            $last_p = $p;
672                    }
673          }          }
674          if (-e $config->{isis_data}."/$db_dir/$_/ARTI") {  
675  #               push @isis_dbs,$config->{isis_data}."/$db_dir/$_/ARTI/ARTI";          my $fake_dir = 1;
676            sub fakeprogress {
677                    return if (! $show_progress);
678                    my $current = shift @_;
679    
680                    my @ind = ('-','\\','|','/','-','\\','|','/', '-');
681    
682                    $last_p += $fake_dir;
683                    $fake_dir = -$fake_dir if ($last_p > 1000 || $last_p < 0);
684                    if ($last_p % 10 == 0) {
685                            printf STDERR ("%5d / %5s [%-51s]\r",$current,"?"," " x ($last_p/20).$ind[($last_p/20) % $#ind]);
686                    }
687          }          }
 }  
688    
689  print STDERR "FATAL: Can't find isis database.\nPerhaps isis_data (".$config->{isis_data}.") has wrong value?\n" if (! @isis_dbs);          # now read database
690    print STDERR "using: $type...\n";
691    
692  my $db;          # erase cache for tags by order in this database
693            delete $cache->{tags_by_order};
694    
695  foreach my $isis_db (@isis_dbs) {          if ($type_base eq "isis") {
696    
697                    my $isis_db = $cfg -> val($database, 'isis_db') || die "$database doesn't have 'isis_db' defined!";
698    
699          my $db = OpenIsis::open( $isis_db );                  $import2cp = Text::Iconv->new($config->{isis_codepage},$codepage);
700          if (0) {                  my $db = OpenIsis::open( $isis_db );
 #       # FIX  
 #       if (! $db ) {  
                 print STDERR "WARNING: can't open '$isis_db'\n";  
                 next ;  
         }  
701    
702          my $max_rowid = OpenIsis::maxRowid( $db );                  # check if .txt database for OpenIsis is zero length,
703                    # if so, erase it and re-open database
704                    sub check_txt_db {
705                            my $isis_db = shift || die "need isis database name";
706                            my $reopen = 0;
707    
708          print STDERR "Reading database: $isis_db [$max_rowid rows]\n";                          if (-e $isis_db.".TXT") {
709                                    print STDERR "WARNING: removing $isis_db.TXT OpenIsis database...\n";
710                                    unlink $isis_db.".TXT" || warn "FATAL: unlink error on '$isis_db.TXT': $!";
711                                    $reopen++;
712                            }
713                            if (-e $isis_db.".PTR") {
714                                    print STDERR "WARNING: removing $isis_db.PTR OpenIsis database...\n";
715                                    unlink $isis_db.".PTR" || warn "FATAL: unlink error on '$isis_db.PTR': $!";
716                                    $reopen++;
717                            }
718                            return OpenIsis::open( $isis_db ) if ($reopen);
719                    }
720    
721          my $last_p = 0;                  # EOF error
722                    if ($db == -1) {
723                            $db = check_txt_db($isis_db);
724                            if ($db == -1) {
725                                    print STDERR "FATAL: OpenIsis can't open zero size file $isis_db\n";
726                                    next;
727                            }
728                    }
729    
730                    # OpenIsis::ERR_BADF
731                    if ($db == -4) {
732                            print STDERR "FATAL: OpenIsis can't find file $isis_db\n";
733                            next;
734                    # OpenIsis::ERR_IO
735                    } elsif ($db == -5) {
736                            print STDERR "FATAL: OpenIsis can't access file $isis_db\n";
737                            next;
738                    } elsif ($db < 0) {
739                            print STDERR "FATAL: OpenIsis unknown error $db with file $isis_db\n";
740                            next;
741                    }
742    
743                    my $max_rowid = OpenIsis::maxRowid( $db );
744    
745                    # if 0 records, try to rease isis .txt database
746                    if ($max_rowid == 0) {
747                            # force removal of database
748                            $db = check_txt_db($isis_db);
749                            $max_rowid = OpenIsis::maxRowid( $db );
750                    }
751    
752                    print STDERR "Reading database: $isis_db [$max_rowid rows]\n";
753    
754                    my $path = $database;
755    
756                    for (my $row_id = 1; $row_id <= $max_rowid; $row_id++ ) {
757                            my $row = OpenIsis::read( $db, $row_id );
758                            if ($row && $row->{mfn}) {
759            
760                                    progress($row->{mfn}, $max_rowid);
761    
762  #       { my $row_id = 1;                                  my $swishpath = $path."#".int($row->{mfn});
763  # FIX  
764          for (my $row_id = 1; $row_id <= $max_rowid; $row_id++ ) {                                  if (my $xml = data2xml($type_base,$row,$add_xml,$cfg,$database)) {
765                  my $row = OpenIsis::read( $db, $row_id );                                          $xml = $cp2utf->convert($xml);
766                  if ($row && $row->{mfn}) {                                          use bytes;      # as opposed to chars
767                                            print "Path-Name: $swishpath\n";
768                          # output current process indicator                                          print "Content-Length: ".(length($xml)+1)."\n";
769                          my $p = int($row->{mfn} * 100 / $max_rowid);                                          print "Document-Type: XML\n\n$xml\n";
770                          if ($p != $last_p) {                                  }
771                                  printf STDERR ("%5d / %5d [%-51s] %-2d %% \r",$row->{mfn},$max_rowid,"=" x ($p/2).">", $p ) if (! $opts{q});                          }
772                                  $last_p = $p;                  }
773                          }                  # for this to work with current version of OpenIsis (0.9.0)
774                    # you might need my patch from
775                          if (my $xml = isis2xml($row)) {                  # http://www.rot13.org/~dpavlin/projects/openisis-0.9.0-perl_close.diff
776                                  my $path = $isis_db;                  OpenIsis::close($db);
777                                  $path =~ s#$config->{isis_data}/*##g;                  print STDERR "\n";
778                                  my $out = "Path-Name: $path#".$row->{mfn}."\n";  
779                                  $out .= "Content-Length: ".(length($xml)+1)."\n";          } elsif ($type_base eq "excel") {
780                                  $out .= "Document-Type: XML\n\n$xml\n";                  require Spreadsheet::ParseExcel;
781                                  print $out;                  require Spreadsheet::ParseExcel::Utility;
782                    import Spreadsheet::ParseExcel::Utility qw(int2col);
783                    
784                    $import2cp = Text::Iconv->new($config->{excel_codepage},$codepage);
785                    my $excel_file = $cfg -> val($database, 'excel_file') || die "$database doesn't have 'excel_file' defined!";
786    
787                    my $sheet = x($config->{sheet}) || die "no sheet in $type.xml";
788                    my $start_row = x($config->{start_row}) - 1 || die "no start_row in $type.xml";
789    
790                    my $oBook = Spreadsheet::ParseExcel::Workbook->Parse($excel_file) || die "can't open Excel file '$excel_file'";
791    
792                    my $sheet_nr = 0;
793                    foreach my $oWks (@{$oBook->{Worksheet}}) {
794                            #print STDERR "-- SHEET $sheet_nr:", $oWks->{Name}, "\n";
795                            last if ($oWks->{Name} eq $sheet);
796                            $sheet_nr++;
797                    }
798    
799                    my $oWorksheet = $oBook->{Worksheet}[$sheet_nr];
800            
801                    print STDERR "using sheet: ",$oWorksheet->{Name},"\n";
802                    defined ($oWorksheet) || die "can't find sheet '$sheet' in $excel_file";
803                    my $end_row = x($config->{end_row}) || $oWorksheet->{MaxRow};
804    
805                    for(my $iR = $start_row ; defined $end_row && $iR <= $end_row ; $iR++) {
806                            my $row;
807                            for(my $iC = $oWorksheet->{MinCol} ; defined $oWorksheet->{MaxCol} && $iC <= $oWorksheet->{MaxCol} ; $iC++) {
808                                    my $cell = $oWorksheet->{Cells}[$iR][$iC];
809                                    if ($cell) {
810                                            $row->{int2col($iC)} = $cell->Value;
811                                    }
812                            }
813    
814                            progress($iR, $end_row);
815    
816    #                       print "row[$iR/$end_row] ";
817    #                       foreach (keys %{$row}) {
818    #                               print "$_: ",$row->{$_},"\t";
819    #                       }
820    #                       print "\n";
821    
822                            my $swishpath = $database."#".$iR;
823    
824                            next if (! $row);
825    
826                            if (my $xml = data2xml($type_base,$row,$add_xml,$cfg,$database)) {
827                                    $xml = $cp2utf->convert($xml);
828                                    use bytes;      # as opposed to chars
829                                    print "Path-Name: $swishpath\n";
830                                    print "Content-Length: ".(length($xml)+1)."\n";
831                                    print "Document-Type: XML\n\n$xml\n";
832                          }                          }
833                  }                  }
834            } elsif ($type_base eq "marc") {
835    
836                    require MARC;
837                    
838                    $import2cp = Text::Iconv->new($config->{marc_codepage},$codepage);
839                    my $marc_file = $cfg -> val($database, 'marc_file') || die "$database doesn't have 'marc_file' defined!";
840    
841                    # optional argument is format
842                    my $format = x($config->{marc_format}) || 'usmarc';
843    
844                    print STDERR "Reading MARC file '$marc_file'\n";
845    
846                    my $marc = new MARC;
847                    my $nr = $marc->openmarc({
848                                    file=>$marc_file, format=>$format
849                            }) || die "Can't open MARC file '$marc_file' with format '$format'";
850    
851                    # read MARC file in memory
852                    $marc->nextmarc(-1);
853    
854                    my $max_rec = $marc->marc_count();
855    
856                    for(my $i=1; $i<=$max_rec; $i++) {
857    
858                            progress($i,$max_rec);
859    
860                            # store value for marc_sf.pm
861                            $main::cache->{marc_record} = $i;
862    
863                            my $swishpath = $database."#".$i;
864    
865                            if (my $xml = data2xml($type_base,$marc,$add_xml,$cfg,$database)) {
866                                    $xml = $cp2utf->convert($xml);
867                                    use bytes;      # as opposed to chars
868                                    print "Path-Name: $swishpath\n";
869                                    print "Content-Length: ".(length($xml)+1)."\n";
870                                    print "Document-Type: XML\n\n$xml\n";
871                            }
872                    }
873    
874                    print STDERR "\n";
875    
876            } elsif ($type_base eq "feed") {
877    
878                    $import2cp = Text::Iconv->new($config->{feed_codepage},$codepage);
879                    my $prog = x($config->{prog}) || die "$database doesn't have 'prog' defined!";
880    
881                    print STDERR "Reading feed from program '$prog'\n";
882    
883                    open(FEED,"feeds/$prog |") || die "can't start $prog: $!";
884    
885                    my $i=1;        # record nr.
886    
887                    my $data;
888                    my $line=1;
889    
890                    while (<FEED>) {
891                            chomp;
892    
893                            if (/^$/) {
894                                    my $swishpath = $database."#".$i++;
895    
896                                    if (my $xml = data2xml($type_base,$data,$add_xml,$cfg,$database)) {
897                                            $xml = $cp2utf->convert($xml);
898                                            use bytes;      # as opposed to chars
899                                            print "Path-Name: $swishpath\n";
900                                            print "Content-Length: ".(length($xml)+1)."\n";
901                                            print "Document-Type: XML\n\n$xml\n";
902                                    }
903                                    $line = 1;
904                                    $data = {};
905                                    next;
906                            }
907    
908                            $line = $1 if (s/^(\d+):\s*//);
909                            $data->{$line++} = $_;
910    
911                            fakeprogress($i);
912    
913                    }
914                    # close lookup
915                    untie %lhash if (%lhash);
916          }          }
         print STDERR "\n";  
917  }  }
918    
919    # call this to commit index
920    $index->close;
921    
922  1;  1;
923  __END__  __END__
# Line 196  __END__ Line 925  __END__
925    
926  =head1 NAME  =head1 NAME
927    
928  isis2xml.pl - read isis file and dump XML  all2xml.pl - read various file formats and dump XML for SWISH-E
929    
930    =head1 SYNOPSYS
931    
932     $ all2xml.pl [test.conf]
933    
934  =head1 DESCRIPTION  =head1 DESCRIPTION
935    
936  This command will read ISIS data file using OpenIsis perl module and  This command will read ISIS data file using OpenIsis perl module, MARC
937  create XML file for usage with I<SWISH-E>  records using MARC module and optionally Micro$oft Excel files to
938  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,
939  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
940  script is tailor-made for SWISH-E.  has something like that). Output of this script is tailor-made for SWISH-E.
941    
942    If no configuration file is specified, it will use default one called
943    C<all2xml.conf>.
944    
945    =head1 BUGS
946    
947    Documentation is really lacking. However, in true Open Source spirit, source
948    is best documentation. I even made considerable effort to comment parts
949    which are not intuitively clear, so...
950    
951  =head1 AUTHOR  =head1 AUTHOR
952    

Legend:
Removed from v.7  
changed lines
  Added in v.320

  ViewVC Help
Powered by ViewVC 1.1.26