/[hyperestraier_wrappers]/trunk/perl/scripts/est-spider
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 /trunk/perl/scripts/est-spider

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

revision 27 by dpavlin, Sat Sep 17 23:07:52 2005 UTC revision 33 by dpavlin, Tue Oct 11 14:04:52 2005 UTC
# Line 17  my $verbose; Line 17  my $verbose;
17  my $exclude;  my $exclude;
18    
19  #$verbose = 1;  #$verbose = 1;
20    my $debug = 0;
21    my $force = 0;
22    
23  my $result = GetOptions(  my $result = GetOptions(
24          "collection=s" => \$collection,          "collection=s" => \$collection,
25          "path=s" => \$path_add,          "path=s" => \$path_add,
26          "verbose!" => \$verbose,          "verbose!" => \$verbose,
27          "debug!" => \$verbose,          "debug!" => \$debug,
28          "exclude=s" => \$exclude,          "exclude=s" => \$exclude,
29          "node=s" => \$node_url,          "node=s" => \$node_url,
30            "force!" => \$force,
31  );  );
32    
33  my $dir = shift @ARGV || die "usage: $0 [dir]";  my $dir = shift @ARGV || die "usage: $0 [dir]";
34    
35    if (! -e $dir) {
36            warn "directory $dir doesn't exist, skipping\n";
37            exit 1;
38    }
39    
40  #my $basedir = $0;  #my $basedir = $0;
41  #$basedir =~ s,/[^/]+$,/,;  #$basedir =~ s,/[^/]+$,/,;
42  #require "$basedir/filter.pm";  #require "$basedir/filter.pm";
# Line 98  sub dump_contents($$$$) { Line 106  sub dump_contents($$$$) {
106          # create a document object          # create a document object
107          my $doc = HyperEstraier::Document->new;          my $doc = HyperEstraier::Document->new;
108    
109          my $title = $1 if ($contents =~ m#<title>(.+)</title>#is);          my $title = $1 if ($contents =~ m#<title>(.+?)</title>#is);
110    
111          # chop long titles to 100 chars          # chop long titles to 100 chars
112          $title = substr($title, 0, 100) . '...' if ($title && length($title) > 100);          $title = substr($title, 0, 100) . '...' if ($title && length($title) > 100);
# Line 133  sub file { Line 141  sub file {
141          my $path = $_;          my $path = $_;
142          my $contents;          my $contents;
143    
144          return if (-l $path || $path =~ m#/.svn#);          return if (! $force && -l $path || $path =~ m#/.svn# || $path =~ m/(~|.bak)$/);
145    
146            my $mtime = (stat($path))[9] || -1;
147            my $mtime_db = $db->get_doc_attr_by_uri("file:///$path", '@mtime') || -2;
148    
149            if ($mtime == $mtime_db) {
150                    print STDERR "# same: $path $mtime\n" if ($verbose);
151                    return unless($force);
152            } else {
153                    print STDERR "# changed: $path $mtime != $mtime_db\n" if ($debug);
154            }
155    
156            # skip files on which File::MMagic::XS croaks
157            return if ($path =~ m#\.au$#);
158    
159          my $type = $mm->checktype_filename($path);          my $type = $mm->checktype_filename($path);
160          $type =~ s/\s+/ /gs;          $type =~ s/\s+/ /gs;
161    
162          print STDERR "# $path $type\n" if ($verbose);          print STDERR "# $path $type\n" if ($debug);
163    
164          if ($pdftotext && -f $path && $type =~ m/pdf/i) {          if ($pdftotext && -f $path && $type =~ m/pdf/i) {
165    
# Line 170  sub file { Line 191  sub file {
191                          $pre_html =~ s/<title><\/title>/<title>$file_only :: page ##page_nr##<\/title>/si;                          $pre_html =~ s/<title><\/title>/<title>$file_only :: page ##page_nr##<\/title>/si;
192                  }                  }
193    
194                    # save empty entry as a placeholder
195                    dump_contents($db, ' ', $mtime, "$path");
196    
197                  my $page_nr = 1;                  my $page_nr = 1;
198                  foreach my $page (split(/\f/s,$pages)) {                  foreach my $page (split(/\f/s,$pages)) {
199                          print STDERR " $page_nr" if ($verbose);                          print STDERR " $page_nr" if ($verbose);
200                          my $pre_tmp = $pre_html;                          my $pre_tmp = $pre_html;
201                          $pre_tmp =~ s/##page_nr##/$page_nr<\/title>/s;                          $pre_tmp =~ s/##page_nr##/$page_nr<\/title>/s;
202                          dump_contents($db, $pre_tmp . $page . $post_html,time(), $path) if ($page !~ m/^\s*$/s);                          dump_contents($db, $pre_tmp . $page . $post_html, $mtime, "$path#$page_nr") if ($page !~ m/^\s*$/s);
203                          $page_nr++;                          $page_nr++;
204                  }                  }
205    
206          } else {          } else {
207    
208  #               return if (! -f $path || ! m/\.(html*|php|pl|txt|info|log|text)$/i);  #               return if (! -f $path || ! m/\.(html*|php|pl|txt|info|log|text)$/i);
209                  return if (! -f $path || (                  return unless (-f $path && $type =~ m/html/ ||
210                          $type !~ m/html/ ||                          ($type =~ m#text# && $path =~ m/\.(php|pl|txt|info|log|text)$/io)
211                          ($type !~ m#text/plain# && m/\.(php|pl|txt|info|log|text)$/)                  );
                 ));  
212    
213                  # skip index files                  # skip index files
214                  return if (m/index_[a-z]\.html*/i || m/index_symbol\.html*/i);                  return if (m/index_[a-z]\.html*/i || m/index_symbol\.html*/i);
# Line 202  sub file { Line 225  sub file {
225                  # add optional components to path                  # add optional components to path
226                  $path .= " $path_add" if ($path_add);                  $path .= " $path_add" if ($path_add);
227    
228                  dump_contents($db, $contents,time(), $path);                  dump_contents($db, $contents, $mtime, $path);
229          }          }
230    
231          print STDERR "\n" if ($verbose);          print STDERR "\n" if ($verbose);
Legend:
Removed from v.27  
changed lines
  Added in v.33
  ViewVC Help
Powered by ViewVC 1.1.26