misc/migration_tools/rebuild_nozebra.pl

   1 #!/usr/bin/perl
   2
   3 use C4::Context;
   4 use Getopt::Long;
   5 use C4::Biblio;
   6 use C4::AuthoritiesMarc;
   7
   8 use strict;
   9 #
  10 # script that fills the nozebra table
  11 #
  12 #
  13
  14 $|=1; # flushes output
  15
  16 # limit for database dumping
  17 my $limit;# = "LIMIT 100";
  18 my $directory;
  19 my $skip_export;
  20 my $keep_export;
  21 my $reset;
  22 my $biblios;
  23 my $authorities;
  24 GetOptions(
  25         'd:s'      => \$directory,
  26         'reset'      => \$reset,
  27         's'        => \$skip_export,
  28         'k'        => \$keep_export,
  29         'b'        => \$biblios,
  30         'a'        => \$authorities,
  31         );
  32
  33 $directory = "export" unless $directory;
  34 my $dbh=C4::Context->dbh;
  35 $dbh->do("update systempreferences set value=1 where variable='NoZebra'");
  36 $dbh->do("CREATE TABLE `nozebra` (
  37                 `server` varchar(20)     NOT NULL,
  38                 `indexname` varchar(40)  NOT NULL,
  39                 `value` varchar(250)     NOT NULL,
  40                 `biblionumbers` longtext NOT NULL,
  41                 KEY `indexname` (`server`,`indexname`),
  42                 KEY `value` (`server`,`value`))
  43                 ENGINE=InnoDB DEFAULT CHARSET=utf8");
  44
  45 $dbh->do("truncate nozebra");
  46
  47 my %index = GetNoZebraIndexes();
  48
  49 unless (%index) {
  50     if (C4::Context->preference('marcflavour') eq 'UNIMARC') {
  51         $dbh->do("UPDATE systempreferences SET value=\"'title' => '200a,200c,200d,200e,225a,225d,225e,225f,225h,225i,225v,500*,501*,503*,510*,512*,513*,514*,515*,516*,517*,518*,519*,520*,530*,531*,532*,540*,541*,545*,604t,610t,605a',
  52         'author' =>'200f,600a,601a,604a,700a,700b,700c,700d,700a,701b,701c,701d,702a,702b,702c,702d,710a,710b,710c,710d,711a,711b,711c,711d,712a,712b,712c,712d',
  53         'isbn' => '010a',
  54         'issn' => '011a',
  55         'biblionumber' =>'0909',
  56         'itemtype' => '200b',
  57         'language' => '101a',
  58         'publisher' => '210c',
  59         'date' => '210d',
  60         'note' => '300a,301a,302a,303a,304a,305a,306az,307a,308a,309a,310a,311a,312a,313a,314a,315a,316a,317a,318a,319a,320a,321a,322a,323a,324a,325a,326a,327a,328a,330a,332a,333a,336a,337a,345a',
  61         'Koha-Auth-Number' => '6009,6019,6029,6039,6049,6059,6069,6109,7009,7019,7029,7109,7119,7129',
  62         'subject' => '600*,601*,606*,610*',
  63         'dewey' => '676a',
  64         'host-item' => '995a,995c',\" where variable='NoZebraIndexes'");
  65         %index = GetNoZebraIndexes();
  66     } else {
  67         # build a MARC21 default index file
  68     }
  69 }
  70 $|=1;
  71
  72 print "***********************************\n";
  73 print "***** building BIBLIO indexes *****\n";
  74 print "***********************************\n";
  75 my $sth;
  76 $sth=$dbh->prepare("select biblionumber from biblioitems order by biblionumber $limit");
  77 $sth->execute();
  78 my $i=0;
  79 my %result;
  80 while (my ($biblionumber) = $sth->fetchrow) {
  81     $i++;
  82     print "\r$i";
  83     my  $record;
  84    eval{
  85         $record = GetMarcBiblio($biblionumber);
  86    };
  87    if($@){
  88         print "  There was some pb getting biblionumber : ".$biblionumber."\n";
  89         next;
  90    }
  91     # get title of the record (to store the 10 first letters with the index)
  92     my ($titletag,$titlesubfield) = GetMarcFromKohaField('biblio.title');
  93     my $title = lc($record->subfield($titletag,$titlesubfield));
  94
  95     # remove blancks comma (that could cause problem when decoding the string for CQL retrieval) and regexp specific values
  96     $title =~ s/ |,|;|\[|\]|\(|\)|\*|-|'|=//g;
  97     $title = quotemeta $title;
  98     # limit to 10 char, should be enough, and limit the DB size
  99     $title = substr($title,0,10);
 100     #parse each field
 101     foreach my $field ($record->fields()) {
 102         #parse each subfield
 103         next if $field->tag <10;
 104         foreach my $subfield ($field->subfields()) {
 105             my $tag = $field->tag();
 106             my $subfieldcode = $subfield->[0];
 107             my $indexed=0;
 108             # check each index to see if the subfield is stored somewhere
 109             # otherwise, store it in __RAW__ index
 110             foreach my $key (keys %index) {
 111                 if ($index{$key} =~ /$tag\*/ or $index{$key} =~ /$tag$subfieldcode/) {
 112                     $indexed=1;
 113                     my $line= lc $subfield->[1];
 114                     # remove meaningless value in the field...
 115                     $line =~ s/-|\.|\?|,|;|!|'|\(|\)|\[|\]|{|}|"|<|>|&|\+|\*|\/|=|:/ /g;
 116                     # ... and split in words
 117                     foreach (split / /,$line) {
 118                         next unless $_; # skip  empty values (multiple spaces)
 119                         # remove any accented char
 120                         # if the entry is already here, improve weight
 121                         if ($result{$key}->{"$_"} =~ /$biblionumber,$title\-(\d);/) {
 122                             my $weight=$1+1;
 123                             $result{$key}->{"$_"} =~ s/$biblionumber,$title\-(\d);//;
 124                             $result{$key}->{"$_"} .= "$biblionumber,$title-$weight;";
 125                         # otherwise, create it, with weight=1
 126                         } else {
 127                             $result{$key}->{"$_"}.="$biblionumber,$title-1;";
 128                         }
 129                     }
 130                 }
 131             }
 132             # the subfield is not indexed, store it in __RAW__ index anyway
 133             unless ($indexed) {
 134                 my $line= lc $subfield->[1];
 135                 $line =~ s/-|\.|\?|,|;|!|'|\(|\)|\[|\]|{|}|"|<|>|&|\+|\*|\/|=/ /g;
 136                 foreach (split / /,$line) {
 137                         next unless $_;
 138 #                     warn $record->as_formatted."$_ =>".$title;
 139                         if ($result{__RAW__}->{"$_"} =~ /$biblionumber,$title\-(\d);/) {
 140                             my $weight=$1+1;
 141 #                             $weight++;
 142                             $result{__RAW__}->{"$_"} =~ s/$biblionumber,$title\-(\d);//;
 143                             $result{__RAW__}->{"$_"} .= "$biblionumber,$title-$weight;";
 144                         } else {
 145                             $result{__RAW__}->{"$_"}.="$biblionumber,$title-1;";
 146                         }
 147                 }
 148             }
 149         }
 150     }
 151 }
 152 print "\nInserting records...\n";
 153 $i=0;
 154 my $sth = $dbh->prepare("INSERT INTO nozebra (server,indexname,value,biblionumbers) VALUES ('biblioserver',?,?,?)");
 155 foreach my $key (keys %result) {
 156     foreach my $index (keys %{$result{$key}}) {
 157         if (length($result{$key}->{$index}) > 1000000) {
 158             print "very long index (".length($result{$key}->{$index}).")for $key / $index. update mySQL config file if you have an error just after this warning (max_paquet_size parameter)\n";
 159         }
 160         print "\r$i";
 161         $i++;
 162         $sth->execute($key,$index,$result{$key}->{$index});
 163     }
 164 }
 165 print "\nbiblios done\n";
 166
 167 print "\n***********************************\n";
 168 print "***** building AUTHORITIES indexes *****\n";
 169 print "***********************************\n";
 170
 171 my $sth;
 172 $sth=$dbh->prepare("select authid from auth_header order by authid $limit");
 173 $sth->execute();
 174 my $i=0;
 175 my %result;
 176 while (my ($authid) = $sth->fetchrow) {
 177     $i++;
 178     print "\r$i";
 179     my $record;
 180     eval{
 181         $record = GetAuthority($authid);
 182     };
 183     if($@){
 184         print "  There was some pb getting authnumber : ".$authid."\n";
 185         next;
 186     }
 187
 188     my %index;
 189     # for authorities, the "title" is the $a mainentry
 190     my $authref = C4::AuthoritiesMarc::GetAuthType($record->subfield(152,'b'));
 191
 192     warn "ERROR : authtype undefined for ".$record->as_formatted unless $authref;
 193     my $title = $record->subfield($authref->{auth_tag_to_report},'a');
 194     $index{'mainmainentry'}= $authref->{'auth_tag_to_report'}.'a';
 195     $index{'mainentry'}    = $authref->{'auth_tag_to_report'}.'*';
 196     $index{'auth_type'}    = '152b';
 197
 198     # remove blancks comma (that could cause problem when decoding the string for CQL retrieval) and regexp specific values
 199     $title =~ s/ |,|;|\[|\]|\(|\)|\*|-|'|=//g;
 200     $title = quotemeta $title;
 201     # limit to 10 char, should be enough, and limit the DB size
 202     $title = substr($title,0,10);
 203     #parse each field
 204     foreach my $field ($record->fields()) {
 205         #parse each subfield
 206         next if $field->tag <10;
 207         foreach my $subfield ($field->subfields()) {
 208             my $tag = $field->tag();
 209             my $subfieldcode = $subfield->[0];
 210             my $indexed=0;
 211             # check each index to see if the subfield is stored somewhere
 212             # otherwise, store it in __RAW__ index
 213             foreach my $key (keys %index) {
 214                 if ($index{$key} =~ /$tag\*/ or $index{$key} =~ /$tag$subfieldcode/) {
 215                     $indexed=1;
 216                     my $line= lc $subfield->[1];
 217                     # remove meaningless value in the field...
 218                     $line =~ s/-|\.|\?|,|;|!|'|\(|\)|\[|\]|{|}|"|<|>|&|\+|\*|\/|=|:/ /g;
 219                     # ... and split in words
 220                     foreach (split / /,$line) {
 221                         next unless $_; # skip  empty values (multiple spaces)
 222                         # if the entry is already here, improve weight
 223                         if ($result{$key}->{"$_"} =~ /$authid,$title\-(\d);/) {
 224                             my $weight=$1+1;
 225                             $result{$key}->{"$_"} =~ s/$authid,$title\-(\d);//;
 226                             $result{$key}->{"$_"} .= "$authid,$title-$weight;";
 227                         # otherwise, create it, with weight=1
 228                         } else {
 229                             $result{$key}->{"$_"}.="$authid,$title-1;";
 230                         }
 231                     }
 232                 }
 233             }
 234             # the subfield is not indexed, store it in __RAW__ index anyway
 235             unless ($indexed) {
 236                 my $line= lc $subfield->[1];
 237                 $line =~ s/-|\.|\?|,|;|!|'|\(|\)|\[|\]|{|}|"|<|>|&|\+|\*|\/|=/ /g;
 238                 foreach (split / /,$line) {
 239                         next unless $_;
 240 #                     warn $record->as_formatted."$_ =>".$title;
 241                         if ($result{__RAW__}->{"$_"} =~ /$authid,$title\-(\d);/) {
 242                             my $weight=$1+1;
 243 #                             $weight++;
 244                             $result{__RAW__}->{"$_"} =~ s/$authid,$title\-(\d);//;
 245                             $result{__RAW__}->{"$_"} .= "$authid,$title-$weight;";
 246                         } else {
 247                             $result{__RAW__}->{"$_"}.="$authid,$title-1;";
 248                         }
 249                 }
 250             }
 251         }
 252     }
 253 }
 254 print "\nInserting...\n";
 255 $i=0;
 256 my $sth = $dbh->prepare("INSERT INTO nozebra (server,indexname,value,biblionumbers) VALUES ('authorityserver',?,?,?)");
 257 foreach my $key (keys %result) {
 258     foreach my $index (keys %{$result{$key}}) {
 259         if (length($result{$key}->{$index}) > 1000000) {
 260             print "very long index (".length($result{$key}->{$index}).")for $key / $index. update mySQL config file if you have an error just after this warning (max_paquet_size parameter)\n";
 261         }
 262         print "\r$i";
 263         $i++;
 264         $sth->execute($key,$index,$result{$key}->{$index});
 265     }
 266 }
 267 print "\nauthorities done\n";