/[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 1 by dpavlin, Sun Nov 24 20:52:11 2002 UTC revision 90 by dpavlin, Sun Jul 13 13:22:50 2003 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,
9    use Text::Iconv;
10    use Config::IniFiles;
11    use Encode;
12    
13    $|=1;
14    
15    my $config_file = $0;
16    $config_file =~ s/\.pl$/.conf/;
17    die "FATAL: can't find configuration file '$config_file'" if (! -e $config_file);
18    
19    my $config;
20    
21    #use index_DBI;         # default DBI module for index
22    use index_DBI_cache;    # faster DBI module using memory cache
23    my $index;
24    
25  my $config=XMLin();  my %opts;
26    
27  print Dumper($config);  # usage:
28    #       -d directory name
29    #       -m multiple directories
30    #       -q quiet
31    #       -s run swish
32    
33    getopts('d:m:qs', \%opts);
34    
35    my $path;       # this is name of database
36    
37    Text::Iconv->raise_error(0);     # Conversion errors don't raise exceptions
38    
39    # 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 %opts;  # decode isis/excel or other import codepage
50    my $import2cp;
51    
52  getopts('d:m:q', \%opts);  # outgoing xml must be in UTF-8
53    my $cp2utf = Text::Iconv->new($codepage,'UTF-8');
54    
55  my $db_dir = $opts{d};  # 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            'feed' => 'feed'
62    );
63    
64  die "usage: $0 -d [database_dir] -m [database1,database2] " if (! %opts);  sub data2xml {
65    
66  #--------------------------------------------------------------------          use xmlify;
67    
68  my $last_tell=0;          my $type = shift @_;
69            my $row = shift @_;
70            my $add_xml = shift @_;
71            # needed to read values from configuration file
72            my $cfg = shift @_;
73            my $database = shift @_;
74    
75  my @isis_dirs = ( '.' );        # use dirname as database name          my $xml;
76    
77  if ($opts{m}) {          use parse_format;
78          @isis_dirs = split(/,/,$opts{m});  
79  }          my $html = "";          # html formatted display output
80    
81  my @isis_dbs;          my %field_usage;        # counter for usage of each field
82    
83  foreach (@isis_dirs) {          # sort subrouting using order="" attribute
84          if (-e "$common::isis_data/$db_dir/$_/LIBRI") {          sub by_order {
85                  push @isis_dbs,"$common::isis_data/$db_dir/$_/LIBRI/LIBRI";                  return 0 if (! $config->{indexer}->{$a}->{order});
86                    return 0 if (! $config->{indexer}->{$b}->{order});
87    
88                    return $config->{indexer}->{$a}->{order} <=>
89                            $config->{indexer}->{$b}->{order} ;
90          }          }
91          if (-e "$common::isis_data/$db_dir/$_/PERI") {  
92                  push @isis_dbs,"$common::isis_data/$db_dir/$_/PERI/PERI";          foreach my $field (sort by_order keys %{$config->{indexer}}) {
93    
94                    $field=x($field);
95    
96                    $field_usage{$field}++;
97    
98                    my $swish_data = "";
99                    my $display_data = "";
100                    my $line_delimiter;
101    
102                    my ($swish,$display);
103    
104                    my $tag = $type2tag{$type} || die "can't find which tag to use for type $type";
105                    foreach my $x (@{$config->{indexer}->{$field}->{$tag}}) {
106    
107                            my $format = x($x->{content});
108                            my $delimiter = x($x->{delimiter}) || ' ';
109    
110                            my $repeat_off = 0;             # repeatable offset
111    
112                            my ($s,$d,$i) = (1,1,0);        # swish, display default
113                            $s = 0 if (lc($x->{type}) eq "display");
114                            $d = 0 if (lc($x->{type}) eq "swish");
115                            ($s,$d,$i) = (0,0,1) if (lc($x->{type}) eq "index");
116    
117                            # what will separate last line from this one?
118                            if ($display_data && $x->{append} && $x->{append} eq "1") {
119                                    $line_delimiter = ' ';
120                            } elsif ($display_data) {
121                                    $line_delimiter = '<br/>';
122                            }
123    
124                            # init vars so that we go into while...
125                            ($swish,$display) = (1,1);
126    
127                            # while because of repeatable fields
128                            while ($swish || $display) {
129                                    ($swish,$display) = parse_format($type, $format,$row,$repeat_off++,$import2cp);
130                                    if ($repeat_off > 1000) {
131                                            print STDERR "loop (more than 1000 repeatable fields) deteced in $row, $format\n";
132                                            last;
133                                    }
134                                    
135                                    # filter="name" ; filter this field through
136                                    # filter/[name].pm
137                                    my $filter = $x->{filter};
138                                    if ($filter) {
139                                            require "filter/".$filter.".pm";
140                                    }
141                                    # type="swish" ; field for swish
142                                    if ($s && $swish) {
143                                            if ($filter) {
144                                                    no strict 'refs';
145                                                    $swish_data .= join(" ",&$filter($swish));
146                                            } else {
147                                                    $swish_data .= $swish;
148                                            }
149                                    }
150    
151                                    # type="display" ; field for display
152                                    if ($d && $display) {
153                                            if ($line_delimiter && $display_data) {
154                                                    $display_data .= $line_delimiter;
155                                                    undef $line_delimiter;
156                                            }
157                                            if ($filter) {
158                                                    no strict 'refs';
159                                                    $display_data .= join($delimiter,&$filter($display));
160                                            } else {
161                                                    if ($display_data) {
162                                                            $display_data .= $delimiter.$display;
163                                                    } else {
164                                                            $display_data .= $display;
165                                                    }
166                                            }
167                                    }
168                                                    
169                                    # type="index" ; insert into index
170                                    if ($i && $display) {
171                                            my $index_data = $display;
172                                            if ($filter) {
173                                                    no strict 'refs';
174                                                    foreach my $d (&$filter($index_data)) {
175                                                            $index->insert($field, $d, $path);
176                                                    }
177                                            } else {
178                                                    $index->insert($field, $index_data, $path);
179                                            }
180                                    }
181                            }
182                    }
183    
184                    # now try to parse variables from configuration file
185                    foreach my $x (@{$config->{indexer}->{$field}->{'config'}}) {
186    
187                            my $delimiter = x($x->{delimiter}) || ' ';
188                            my $val = $cfg->val($database, x($x->{content}));
189    
190                            my ($s,$d,$i) = (1,1,0);        # swish, display default
191                            $s = 0 if (lc($x->{type}) eq "display");
192                            $d = 0 if (lc($x->{type}) eq "swish");
193                            ($s,$d,$i) = (0,0,1) if (lc($x->{type}) eq "index");
194    
195                            if ($val) {
196                                    $display_data .= $delimiter.$val if ($d);
197                                    $swish_data .= $val if ($s);
198                                    $index->insert($field, $val, $path) if ($i);
199                            }
200    
201                    }
202    
203    
204                    if ($display_data) {
205    
206                            if ($field eq "headline") {
207                                    $xml .= xmlify("headline", $display_data);
208                            } else {
209    
210                                    # find field name (signular, plural)
211                                    my $field_name = "";
212                                    if ($config->{indexer}->{$field}->{name_singular} && $field_usage{$field} == 1) {
213                                            $field_name = $config->{indexer}->{$field}->{name_singular}."#-#";
214                                    } elsif ($config->{indexer}->{$field}->{name_plural}) {
215                                            $field_name = $config->{indexer}->{$field}->{name_plural}."#-#";
216                                    } elsif ($config->{indexer}->{$field}->{name}) {
217                                            $field_name = $config->{indexer}->{$field}->{name}."#-#";
218                                    } else {
219                                            print STDERR "WARNING: field '$field' doesn't have 'name' attribute!";
220                                    }
221                                    if ($field_name) {
222                                            $html .= x($field_name);
223                                    }
224                                    $html .= $display_data."###\n";
225                            }
226                    }
227                    if ($swish_data) {
228                            # remove extra spaces
229                            $swish_data =~ s/ +/ /g;
230                            $swish_data =~ s/ +$//g;
231    
232                            $xml .= xmlify($field."_swish", unac_string($codepage,$swish_data));
233                    }
234    
235    
236          }          }
237          if (-e "$common::isis_data/$db_dir/$_/AMS") {  
238                  push @isis_dbs,"$common::isis_data/$db_dir/$_/AMS/AMS";          # dump formatted output in <html>
239            if ($html) {
240                    #$xml .= xmlify("html",$html);
241                    $xml .= "<html><![CDATA[ $html ]]></html>";
242          }          }
243          if (-e "$common::isis_data/$db_dir/$_/ARTI") {          
244  #               push @isis_dbs,"$common::isis_data/$db_dir/$_/ARTI/ARTI";          if ($xml) {
245                    $xml .= $add_xml if ($add_xml);
246                    return "<xml>\n$xml</xml>\n";
247            } else {
248                    return;
249          }          }
250  }  }
251    
252  foreach my $isis_db (@isis_dbs) {  ##########################################################################
253    
254    # read configuration for this script
255    my $cfg = new Config::IniFiles( -file => $config_file );
256    
257    # read global.conf configuration
258    my $cfg_global = new Config::IniFiles( -file => 'global.conf' );
259    
260    # open index
261    $index = new index_DBI(
262                    $cfg_global->val('global', 'dbi_dbd'),
263                    $cfg_global->val('global', 'dbi_dsn'),
264                    $cfg_global->val('global', 'dbi_user'),
265                    $cfg_global->val('global', 'dbi_passwd') || '',
266            );
267    
268    foreach my $database ($cfg->Sections) {
269    
270            my $type = lc($cfg -> val($database, 'type')) || die "$database doesn't have 'type' defined";
271            my $add_xml = $cfg -> val($database, 'xml');    # optional
272    
273    print STDERR "reading ./import_xml/$type.xml\n";
274    
275            # extract just type basic
276            my $type_base = $type;
277            $type_base =~ s/_.+$//g;
278    
279            $config=XMLin("./import_xml/$type.xml", forcearray => [ $type2tag{$type_base}, 'config' ], forcecontent => 1);
280    
281            # output current progress indicator
282            my $last_p = 0;
283            sub progress {
284                    #return if (! $opts{q});        # FIXME
285                    my $current = shift;
286                    my $total = shift || 1;
287                    my $p = int($current * 100 / $total);
288                    if ($p != $last_p) {
289                            printf STDERR ("%5d / %5d [%-51s] %-2d %% \r",$current,$total,"=" x ($p/2).">", $p );
290                            $last_p = $p;
291                    }
292            }
293    
294            my $fake_dir = 1;
295            sub fakeprogress {
296                    my $current = shift @_;
297    
298                    my @ind = ('-','\\','|','/','-','\\','|','/', '-');
299    
300                    $last_p += $fake_dir;
301                    $fake_dir = -$fake_dir if ($last_p > 1000 || $last_p < 0);
302                    if ($last_p % 10 == 0) {
303                            printf STDERR ("%5d / %5s [%-51s]\r",$current,"?"," " x ($last_p/20).$ind[($last_p/20) % $#ind]);
304                    }
305            }
306    
307            # now read database
308    print STDERR "using: $type...\n";
309    
310            if ($type_base eq "isis") {
311    
312                    my $isis_db = $cfg -> val($database, 'isis_db') || die "$database doesn't have 'isis_db' defined!";
313    
314                    $import2cp = Text::Iconv->new($config->{isis_codepage},$codepage);
315                    my $db = OpenIsis::open( $isis_db );
316    
317                    my $max_rowid = OpenIsis::maxRowid( $db );
318    
319                    print STDERR "Reading database: $isis_db [$max_rowid rows]\n";
320    
321                    my $path = $database;
322    
323          my $db = OpenIsis::open( "$isis_db" ) || warn "can't open '$isis_db'";                  for (my $row_id = 1; $row_id <= $max_rowid; $row_id++ ) {
324                            my $row = OpenIsis::read( $db, $row_id );
325                            if ($row && $row->{mfn}) {
326            
327                                    progress($row->{mfn}, $max_rowid);
328    
329          my $max_rowid = OpenIsis::maxRowid( $db );                                  my $swishpath = $path."#".int($row->{mfn});
330    
331          my $last_pcnt = 0;                                  if (my $xml = data2xml($type_base,$row,$add_xml,$cfg,$database)) {
332                                            $xml = $cp2utf->convert($xml);
333                                            use bytes;      # as opposed to chars
334                                            print "Path-Name: $swishpath\n";
335                                            print "Content-Length: ".(length($xml)+1)."\n";
336                                            print "Document-Type: XML\n\n$xml\n";
337                                    }
338                            }
339                    }
340                    print STDERR "\n";
341    
342            } elsif ($type_base eq "excel") {
343                    use Spreadsheet::ParseExcel;
344                    use Spreadsheet::ParseExcel::Utility qw(int2col);
345                    
346                    $import2cp = Text::Iconv->new($config->{excel_codepage},$codepage);
347                    my $excel_file = $cfg -> val($database, 'excel_file') || die "$database doesn't have 'excel_file' defined!";
348    
349                    my $sheet = x($config->{sheet}) || die "no sheet in $type.xml";
350                    my $start_row = x($config->{start_row}) - 1 || die "no start_row in $type.xml";
351    
352                    my $oBook = Spreadsheet::ParseExcel::Workbook->Parse($excel_file) || die "can't open Excel file '$excel_file'";
353    
354                    my $sheet_nr = 0;
355                    foreach my $oWks (@{$oBook->{Worksheet}}) {
356                            #print STDERR "-- SHEET $sheet_nr:", $oWks->{Name}, "\n";
357                            last if ($oWks->{Name} eq $sheet);
358                            $sheet_nr++;
359                    }
360    
361                    my $oWorksheet = $oBook->{Worksheet}[$sheet_nr];
362            
363                    print STDERR "using sheet: ",$oWorksheet->{Name},"\n";
364                    defined ($oWorksheet) || die "can't find sheet '$sheet' in $excel_file";
365                    my $end_row = x($config->{end_row}) || $oWorksheet->{MaxRow};
366    
367                    for(my $iR = $start_row ; defined $end_row && $iR <= $end_row ; $iR++) {
368                            my $row;
369                            for(my $iC = $oWorksheet->{MinCol} ; defined $oWorksheet->{MaxCol} && $iC <= $oWorksheet->{MaxCol} ; $iC++) {
370                                    my $cell = $oWorksheet->{Cells}[$iR][$iC];
371                                    if ($cell) {
372                                            $row->{int2col($iC)} = $cell->Value;
373                                    }
374                            }
375    
376                            progress($iR, $end_row);
377    
378    #                       print "row[$iR/$end_row] ";
379    #                       foreach (keys %{$row}) {
380    #                               print "$_: ",$row->{$_},"\t";
381    #                       }
382    #                       print "\n";
383    
384                            my $swishpath = $database."#".$iR;
385    
386                            next if (! $row);
387    
388                            if (my $xml = data2xml($type_base,$row,$add_xml,$cfg,$database)) {
389                                    $xml = $cp2utf->convert($xml);
390                                    use bytes;      # as opposed to chars
391                                    print "Path-Name: $swishpath\n";
392                                    print "Content-Length: ".(length($xml)+1)."\n";
393                                    print "Document-Type: XML\n\n$xml\n";
394                            }
395                    }
396            } elsif ($type_base eq "marc") {
397    
398                    use MARC;
399                    
400                    $import2cp = Text::Iconv->new($config->{marc_codepage},$codepage);
401                    my $marc_file = $cfg -> val($database, 'marc_file') || die "$database doesn't have 'marc_file' defined!";
402    
403                    # optional argument is format
404                    my $format = x($config->{format}) || 'usmarc';
405    
406                    print STDERR "Reading MARC file '$marc_file'\n";
407    
408                    my $marc = new MARC;
409                    my $nr = $marc->openmarc({
410                                    file=>$marc_file, format=>$format
411                            }) || die "Can't open MARC file '$marc_file'";
412    
413                    my $i=0;        # record nr.
414    
415                    my $rec;
416    
417                    while ($marc->nextmarc(1)) {
418    
419                            # XXX
420                            fakeprogress($i++);
421    
422                            my $swishpath = $database."#".$i;
423    
424                            if (my $xml = data2xml($type_base,$marc,$add_xml,$cfg,$database)) {
425                                    $xml = $cp2utf->convert($xml);
426                                    use bytes;      # as opposed to chars
427                                    print "Path-Name: $swishpath\n";
428                                    print "Content-Length: ".(length($xml)+1)."\n";
429                                    print "Document-Type: XML\n\n$xml\n";
430                            }
431                    }
432            } elsif ($type_base eq "feed") {
433    
434                    $import2cp = Text::Iconv->new($config->{feed_codepage},$codepage);
435                    my $prog = x($config->{prog}) || die "$database doesn't have 'prog' defined!";
436    
437                    print STDERR "Reading feed from program '$prog'\n";
438    
439                    open(FEED,"feeds/$prog |") || die "can't start $prog: $!";
440    
441                    my $i=1;        # record nr.
442    
443          for (my $row_id = 1; $row_id <= $max_rowid; $row_id++ ) {                  my $data;
444                  my $row = OpenIsis::read( $db, $row_id );                  my $line=1;
445    
446                    while (<FEED>) {
447                            chomp;
448    
449                            if (/^$/) {
450                                    my $swishpath = $database."#".$i++;
451    
452                                    if (my $xml = data2xml($type_base,$data,$add_xml,$cfg,$database)) {
453                                            $xml = $cp2utf->convert($xml);
454                                            use bytes;      # as opposed to chars
455                                            print "Path-Name: $swishpath\n";
456                                            print "Content-Length: ".(length($xml)+1)."\n";
457                                            print "Document-Type: XML\n\n$xml\n";
458                                    }
459                                    $line = 1;
460                                    $data = {};
461                                    next;
462                            }
463    
464                            $line = $1 if (s/^(\d+):\s*//);
465                            $data->{$line++} = $_;
466    
467                            fakeprogress($i);
468    
                 # output current process indicator  
                 my $pcnt = int($row->{mfn} * 100 / $max_rowid);  
                 if ($pcnt != $last_pcnt) {  
                         printf STDERR ("%5d / %5d -- %-2d %%\n",$row->{mfn},$max_rowid,$pcnt) if (! $opts{q});  
                         $last_pcnt = $pcnt;  
469                  }                  }
470          }          }
471  }  }
472    
473    # call this to commit index
474    $index->close;
475    
476    1;
477    __END__
478    ##########################################################################
479    
480    =head1 NAME
481    
482    all2xml.pl - read various file formats and dump XML for SWISH-E
483    
484    =head1 DESCRIPTION
485    
486    This command will read ISIS data file using OpenIsis perl module, MARC
487    records using MARC module and optionally Micro$oft Excel files to
488    create one XML file for usage with I<SWISH-E> indexer. Dispite it's name,
489    this script B<isn't general xml generator> from isis files (isis allready
490    has something like that). Output of this script is tailor-made for SWISH-E.
491    
492    =head1 BUGS
493    
494    Documentation is really lacking. However, in true Open Source spirit, source
495    is best documentation. I even made considerable effort to comment parts
496    which are not intuitively clear, so...
497    
498    =head1 AUTHOR
499    
500    Dobrica Pavlinusic <dpavlin@rot13.org>
501    
502    =head1 COPYRIGHT
503    
504    GNU Public License (GPL) v2 or later
505    
506    =head1 SEE ALSO
507    
508    SWISH-E web site at http://www.swish-e.org
509    
510    =cut

Legend:
Removed from v.1  
changed lines
  Added in v.90

  ViewVC Help
Powered by ViewVC 1.1.26