/[wait]/trunk/script/index_ora
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/script/index_ora

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

revision 65 by laperla, Wed Jan 23 12:22:54 2002 UTC revision 73 by laperla, Tue Mar 5 13:40:38 2002 UTC
# Line 1  Line 1 
1  #!/usr/bin/perl -w  #!/usr/bin/perl -w
2  #                              -*- Mode: Perl -*-  #                              -*- Mode: Perl -*-
3  # $Basename$  # $Basename$
4  # $Revision: 1.4 $  # $Revision: 1.10 $
5  # Author          : Ulrich Pfeifer  # Author          : Ulrich Pfeifer
6  # Created On      : Mon Dec 31 13:57:11 2001  # Created On      : Mon Dec 31 13:57:11 2001
7  # Last Modified By: Ulrich Pfeifer  # Last Modified By: Ulrich Pfeifer
8  # Last Modified On: Fri Jan  4 15:59:20 2002  # Last Modified On: Fri Jan  4 15:59:20 2002
9  # Language        : CPerl  # Language        : CPerl
10  #  #
11  # (C) Copyright 2001, UUNET Deutschland GmbH, Germany  # (C) Copyright 2001, Ulrich Pfeifer
12  #  #
13    
14    use 5.007;
15    
16  use strict;  use strict;
17    use Devel::Peek qw(Dump);
18    
19  use File::Path;  use File::Path;
20  use DB_File;  use DB_File;
21  use Getopt::Long;  use Getopt::Long;
22  use Cwd;  use Cwd;
23    
24  require WAIT::Config;  BEGIN {require WAIT::Config;}
25  require WAIT::Database;  use WAIT::Database;
26  require WAIT::Parse::Ora;  use WAIT::Parse::Ora;
27  require WAIT::Document::Ora;  use WAIT::Document::Ora;
28  require WAIT::InvertedIndex;  use WAIT::InvertedIndex;
29    
30    
31  $DB_BTREE->{'cachesize'} = 200_000 ;  $DB_BTREE->{'cachesize'} = 200_000 ;
32    
33  my %OPT = (clean    => 0,  my %OPT = (
34             database => 'DB',             database => 'oreilly_de_catalog',
35             dir      => $WAIT::Config->{WAIT_home} || '/tmp',             dir      => '/usr/local/apache/data',
36             table    => 'ora',             table    => 'ora',
37            );            );
38    
39  GetOptions(\%OPT,  GetOptions(\%OPT,
            'clean!',  
40             'database=s',             'database=s',
41             'dir=s',             'dir=s',
42             'table=s',             'table=s',
43            ) || die "Usage: ...\n";            ) || die "Usage: ...\n";
44    
45  if ($OPT{clean} and -d "$OPT{dir}/$OPT{database}") {  my @localtime = localtime;
46    my $tmp = WAIT::Database->open(name        => $OPT{database},  $localtime[5] += 1900;
47                                   'directory' => $OPT{dir})  $localtime[4]++;
48      or die "Could not open table $OPT{table}: $@\n";  my $jobid = sprintf "%04s-%02s-%02s_%02s:%02s_%d", @localtime[5,4,3,2,1], $$;
49    my $tbl = $tmp->table(name => $OPT{table});  my $db = WAIT::Database->create(name      => "$OPT{database}-$jobid",
50    $tbl->drop if $tbl;                                  directory => $OPT{dir})
51    rmtree("$OPT{dir}/$OPT{database}/$OPT{table}", 1, 1)      or die "Could not create database $OPT{database}: $@\n";
     if -d "$OPT{dir}/$OPT{database}/$OPT{table}";  
   $tmp->close;  
 }  
   
 my $db;  
 unless (-d "$OPT{dir}/$OPT{database}") {  
   $db = WAIT::Database->create(name       => $OPT{database},  
                               'directory' => $OPT{dir})  
     or die "Could not open database $OPT{database}: $@\n";  
 }  
 else {  
   $db = WAIT::Database->open(name        => $OPT{database},  
                              'directory' => $OPT{dir})  
     or die "Could not open table $OPT{table}: $@\n";  
 }  
52    
53  my $layout = new WAIT::Parse::Ora;  my $layout = new WAIT::Parse::Ora;
54    
55  my $stem  = ['isotr', 'isolc', 'split2', 'stop', 'Stem'];  use lib "/usr/local/apache/lib";
56    use oreilly_de_catalog::wait_handler;
57    
58    my $stem  = ['OR_tr_20020124', 'OR_lc_20020124', 'split2', 'stop', 'Stem'];
59  my $text  = [{  my $text  = [{
60                'prefix'    => ['isotr', 'isolc'],                'prefix'    => ['OR_tr_20020124', 'OR_lc_20020124'],
61                'intervall' => ['isotr', 'isolc'],                'intervall' => ['OR_tr_20020124', 'OR_lc_20020124'],
62               },               },
63               'isotr', 'isolc', 'split2', 'stop'];               'OR_tr_20020124', 'OR_lc_20020124', 'split2', 'stop'];
64  my $sound = ['isotr', 'isolc', 'split2', 'Soundex'],;  my $wplus = ['split2', 'OR_lc_20020124', 'OR_mixedonly_20020221'];
65    my $sound = ['OR_tr_20020124', 'OR_lc_20020124', 'split2', 'Soundex'];
66    my $trigr = ['OR_lc_20020124', 'OR_trigrams_20020125'];
67    # split6 is better than split13 or split10: it allows them to enter
68    # shorter sequences when searching.
69    my $isbn  = ['split6', 'OR_isbn_20020127'];
70    
71  my $cwd = cwd;  my $cwd = cwd;
72    
73    my $droot = shift or die "Usage: $0 <options> Document-Rootdirectories";
74    
75  my %D;  my %D;
76  my $access = tie %D, 'WAIT::Document::Ora', @ARGV,  my $access = tie %D, 'WAIT::Document::Ora', $droot,
77    or die "Couldn't tie to file: $!\n";    or die "Couldn't tie to dir $droot: $!\n";
78    
79  my $tb = $db->create_table(name     => $OPT{table},  my $tb = $db->create_table(name     => $OPT{table},
80                             attr     => ['author', 'isbn', 'title',                             attr     => ['author', 'isbn', 'title',
# Line 85  my $tb = $db->create_table(name     => $ Line 83  my $tb = $db->create_table(name     => $
83                             access   => $access,                             access   => $access,
84                             invindex =>                             invindex =>
85                             [                             [
86                              'title'  => $stem,                              'title'  => $text,
87                              'about'  => $stem,                              'title'  => $wplus,
88                              'text'   => $text,                              # 'title'  => $stem,
89                                'aboutauthor'  => $text,
90                                'aboutauthor'  => $wplus,
91                                # 'aboutauthor'  => $stem,
92                                'desc'   => $text,
93                                'desc'   => $wplus,
94                                'abstract' => $text,
95                                'abstract' => $wplus,
96                              'author' => $text,                              'author' => $text,
97                                # 'author' => $sound,
98                              'colophon' => $text,                              'colophon' => $text,
99                              'author' => $sound,                              'colophon' => $wplus,
100                              'isbn'   => $text,                              'isbn'   => $isbn,
101                             ]                             ]
102                            );                            );
103  die "Couldn't create table $OPT{table}: $@\n" unless $tb;  die "Couldn't create table $OPT{table}: $@\n" unless $tb;
104    
105  my ($did, $value);  my ($did, $value);
106    binmode STDOUT, ":utf8";
107  while (($did, $value) = each %D) {  while (($did, $value) = each %D) {
108    my $record   = $layout->split($value);    my $record   = $layout->split($value);
109    my $headline = $record->{title};    my $headline = $record->{title};
# Line 107  while (($did, $value) = each %D) { Line 114  while (($did, $value) = each %D) {
114                %{$record});                %{$record});
115  }  }
116  $tb->set(top=>1);  $tb->set(top=>1);
117    
118    my $tritb = $db->create_table(
119                                  name => "$OPT{table}_fallback",
120                                  attr => [qw(docid headline)], # name
121                                                                # "headline"
122                                                                # only for
123                                                                # sman
124                                  invindex => [ headline => $trigr ],
125                                 );
126    my %dict;
127    for my $f ($tb->fields) {
128      my(@idx) = @{$tb->table->{inverted}{$f} || []};
129      for my $idx (@idx) {
130        my $name = $idx->name;
131        next if $name =~ /(_|\b)(mixedonly|Stem|Soundex)(\b|_)/;
132                  # irrelevant for alternatives
133        my @keys = $idx->keys;
134        @dict{@keys} = ();
135      }
136    }
137    my @dictkeys = grep s/^p//, keys %dict;
138    my $maxdebug = 5;
139    for my $headline (@dictkeys) {
140      if ($maxdebug && $headline =~ /[^\040-\177]/) {
141        Dump $headline;
142        $maxdebug--;
143      }
144      # printf "%s\n", substr($headline,0,60);
145      $tritb->insert(docid => $headline, headline => $headline);
146    }
147    $tritb->set(top=>1);
148    $tritb->close;
149  $tb->close();  $tb->close();
150  $db->close();  $db->close();
151    
152    # Atomically relinking symlink: now we have a new database with a very
153    # long name like oreilly_de_catalog-2002-01-28_16:12_16467 and we want
154    # that database to be accessible with the oreilly_de_catalog name.
155    
156    use File::Spec;
157    my $dir    = "$OPT{database}-$jobid";
158    my $slwant = File::Spec->catdir($OPT{dir}, $OPT{database});
159    my $sltmp  = File::Spec->catdir($OPT{dir}, "$OPT{database}-$$");
160    unlink $sltmp; # may fail
161    symlink $dir, $sltmp or die "Couldn't symlink $dir, $sltmp: $!";
162    rename $sltmp, $slwant or die "Couldn't rename $sltmp, $slwant: $!";
163    warn "$slwant now points to $dir";
164    system("chmod 777 $slwant/*/read")==0 or die;
165    
166  $WAIT::Config = $WAIT::Config; # make perl -w happy  $WAIT::Config = $WAIT::Config; # make perl -w happy
167    
168    
# Line 125  index_ora - generate an WAIT index for O Line 178  index_ora - generate an WAIT index for O
178  =head1 SYNOPSIS  =head1 SYNOPSIS
179    
180  B<index_ora>  B<index_ora>
 [B<-clean>] [B<-noclean>]  
181  [B<-database> I<dbname>]  [B<-database> I<dbname>]
182  [B<-dir> I<directory>]  [B<-dir> I<directory>]
183  [B<-table> I<table name>]  [B<-table> I<table name>]
# Line 137  I<directory> Line 189  I<directory>
189    
190  =over 5  =over 5
191    
 =item B<-clean> / B<-noclean>  
   
 Clean the table before indexing. Default is B<off>.  
   
192  =item B<-database> I<dbname>  =item B<-database> I<dbname>
193    
194  Specify database name. Default is F<DB>.  Specify database name. Default is F<DB>.
Legend:
Removed from v.65  
changed lines
  Added in v.73
  ViewVC Help
Powered by ViewVC 1.1.26