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 my $sysprefs;
  25 GetOptions(
  26         'd:s'      => \$directory,
  27         'reset'      => \$reset,
  28         's'        => \$skip_export,
  29         'k'        => \$keep_export,
  30         'b'        => \$biblios,
  31         'a'        => \$authorities,
  32         's'        => \$sysprefs,  # rebuild 'NoZebraIndexes' syspref
  33         );
  34
  35 $directory = "export" unless $directory;
  36 my $dbh=C4::Context->dbh;
  37 $dbh->do("update systempreferences set value=1 where variable='NoZebra'");
  38
  39 $dbh->do("truncate nozebra");
  40
  41 my %index = GetNoZebraIndexes();
  42
  43 if  (!%index || $sysprefs ) {
  44     if (C4::Context->preference('marcflavour') eq 'UNIMARC') {
  45         $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',
  46         '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',
  47         'isbn' => '010a',
  48         'issn' => '011a',
  49         'biblionumber' =>'0909',
  50         'itemtype' => '200b',
  51         'language' => '101a',
  52         'publisher' => '210c',
  53         'date' => '210d',
  54         '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',
  55         'Koha-Auth-Number' => '6009,6019,6029,6039,6049,6059,6069,6109,7009,7019,7029,7109,7119,7129',
  56         'subject' => '600*,601*,606*,610*',
  57         'dewey' => '676a',
  58         'host-item' => '995a,995c',\" where variable='NoZebraIndexes'");
  59         %index = GetNoZebraIndexes();
  60     } elsif (C4::Context->preference('marcflavour') eq 'MARC21') {
  61                 $dbh->do("UPDATE systempreferences SET value=\"'title' => '245a,245b',
  62                 'author' => '100a',
  63                 'isbn' => '020a',
  64                 'issn' => '022a',
  65                 'biblionumber => '999c',
  66                 'itemtype' => '942c',
  67                 'publisher' => '260b',
  68                 'date' => '260c',
  69                 'note' => '500a',
  70                 'subject' => '600a, 650a',
  71                 'dewey' => '082',
  72                 'bc' => '952p',
  73         'host-item' => '952a,952c',\" where variable='NoZebraIndexes'");
  74         %index = GetNoZebraIndexes();
  75     }
  76 }
  77 $|=1;
  78
  79 print "***********************************\n";
  80 print "***** building BIBLIO indexes *****\n";
  81 print "***********************************\n";
  82 my $sth;
  83 $sth=$dbh->prepare("select biblionumber from biblioitems order by biblionumber $limit");
  84 $sth->execute();
  85 my $i=0;
  86 my %result;
  87 while (my ($biblionumber) = $sth->fetchrow) {
  88         $i++;
  89         print "\r$i";
  90         my  $record;
  91     eval{
  92             $record = GetMarcBiblio($biblionumber);
  93     };
  94     if($@){
  95             print "  There was some pb getting biblionumber : ".$biblionumber."\n";
  96             next;
  97     }
  98     next unless $record;
  99     # get title of the record (to store the 10 first letters with the index)
 100     my ($titletag,$titlesubfield) = GetMarcFromKohaField('biblio.title');
 101     my $title = lc($record->subfield($titletag,$titlesubfield));
 102
 103     # remove blancks comma (that could cause problem when decoding the string for CQL retrieval) and regexp specific values
 104     $title =~ s/ |,|;|\[|\]|\(|\)|\*|-|'|=//g;
 105     # limit to 10 char, should be enough, and limit the DB size
 106     $title = substr($title,0,10);
 107     #parse each field
 108     foreach my $field ($record->fields()) {
 109         #parse each subfield
 110         next if $field->tag <10;
 111         foreach my $subfield ($field->subfields()) {
 112             my $tag = $field->tag();
 113             my $subfieldcode = $subfield->[0];
 114             my $indexed=0;
 115             # check each index to see if the subfield is stored somewhere
 116             # otherwise, store it in __RAW__ index
 117             foreach my $key (keys %index) {
 118                 if ($index{$key} =~ /$tag\*/ or $index{$key} =~ /$tag$subfieldcode/) {
 119                     $indexed=1;
 120                     my $line= lc $subfield->[1];
 121                     # remove meaningless value in the field...
 122                     $line =~ s/-|\.|\?|,|;|!|'|\(|\)|\[|\]|{|}|"|<|>|&|\+|\*|\/|=|:/ /g;
 123                     # ... and split in words
 124                     foreach (split / /,$line) {
 125                         next unless $_; # skip  empty values (multiple spaces)
 126                         # remove any accented char
 127                         # if the entry is already here, improve weight
 128                         if ($result{$key}->{"$_"} =~ /$biblionumber,$title\-(\d);/) {
 129                             my $weight=$1+1;
 130                             $result{$key}->{"$_"} =~ s/$biblionumber,$title\-(\d);//;
 131                             $result{$key}->{"$_"} .= "$biblionumber,$title-$weight;";
 132                         # otherwise, create it, with weight=1
 133                         } else {
 134                             $result{$key}->{"$_"}.="$biblionumber,$title-1;";
 135                         }
 136                     }
 137                 }
 138             }
 139             # the subfield is not indexed, store it in __RAW__ index anyway
 140             unless ($indexed) {
 141                 my $line= lc $subfield->[1];
 142                 $line =~ s/-|\.|\?|,|;|!|'|\(|\)|\[|\]|{|}|"|<|>|&|\+|\*|\/|=/ /g;
 143                 foreach (split / /,$line) {
 144                         next unless $_;
 145 #                     warn $record->as_formatted."$_ =>".$title;
 146                         if ($result{__RAW__}->{"$_"} =~ /$biblionumber,$title\-(\d);/) {
 147                             my $weight=$1+1;
 148 #                             $weight++;
 149                             $result{__RAW__}->{"$_"} =~ s/$biblionumber,$title\-(\d);//;
 150                             $result{__RAW__}->{"$_"} .= "$biblionumber,$title-$weight;";
 151                         } else {
 152                             $result{__RAW__}->{"$_"}.="$biblionumber,$title-1;";
 153                         }
 154                 }
 155             }
 156         }
 157     }
 158 }
 159 print "\nInserting records...\n";
 160 $i=0;
 161 my $sth = $dbh->prepare("INSERT INTO nozebra (server,indexname,value,biblionumbers) VALUES ('biblioserver',?,?,?)");
 162 foreach my $key (keys %result) {
 163     foreach my $index (keys %{$result{$key}}) {
 164         if (length($result{$key}->{$index}) > 1000000) {
 165             print "very long index (".length($result{$key}->{$index}).")for $key / $index. update mySQL config file if you have an error just after this warning (max_paquet_size parameter)\n";
 166         }
 167         print "\r$i";
 168         $i++;
 169         $sth->execute($key,$index,$result{$key}->{$index});
 170     }
 171 }
 172 print "\nbiblios done\n";
 173
 174 print "\n***********************************\n";
 175 print "***** building AUTHORITIES indexes *****\n";
 176 print "***********************************\n";
 177
 178 my $sth;
 179 $sth=$dbh->prepare("select authid from auth_header order by authid $limit");
 180 $sth->execute();
 181 my $i=0;
 182 my %result;
 183 while (my ($authid) = $sth->fetchrow) {
 184     $i++;
 185     print "\r$i";
 186     my $record;
 187     eval{
 188         $record = GetAuthority($authid);
 189     };
 190     if($@){
 191         print "  There was some pb getting authnumber : ".$authid."\n";
 192         next;
 193     }
 194
 195     my %index;
 196     # for authorities, the "title" is the $a mainentry
 197     my $authref = C4::AuthoritiesMarc::GetAuthType($record->subfield(152,'b'));
 198
 199     warn "ERROR : authtype undefined for ".$record->as_formatted unless $authref;
 200     my $title = $record->subfield($authref->{auth_tag_to_report},'a');
 201     $index{'mainmainentry'}= $authref->{'auth_tag_to_report'}.'a';
 202     $index{'mainentry'}    = $authref->{'auth_tag_to_report'}.'*';
 203     $index{'auth_type'}    = '152b';
 204
 205     # remove blancks comma (that could cause problem when decoding the string for CQL retrieval) and regexp specific values
 206     $title =~ s/ |,|;|\[|\]|\(|\)|\*|-|'|=//g;
 207     $title = quotemeta $title;
 208     # limit to 10 char, should be enough, and limit the DB size
 209     $title = substr($title,0,10);
 210     #parse each field
 211     foreach my $field ($record->fields()) {
 212         #parse each subfield
 213         next if $field->tag <10;
 214         foreach my $subfield ($field->subfields()) {
 215             my $tag = $field->tag();
 216             my $subfieldcode = $subfield->[0];
 217             my $indexed=0;
 218             # check each index to see if the subfield is stored somewhere
 219             # otherwise, store it in __RAW__ index
 220             foreach my $key (keys %index) {
 221                 if ($index{$key} =~ /$tag\*/ or $index{$key} =~ /$tag$subfieldcode/) {
 222                     $indexed=1;
 223                     my $line= lc $subfield->[1];
 224                     # remove meaningless value in the field...
 225                     $line =~ s/-|\.|\?|,|;|!|'|\(|\)|\[|\]|{|}|"|<|>|&|\+|\*|\/|=|:/ /g;
 226                     # ... and split in words
 227                     foreach (split / /,$line) {
 228                         next unless $_; # skip  empty values (multiple spaces)
 229                         # if the entry is already here, improve weight
 230                         if ($result{$key}->{"$_"} =~ /$authid,$title\-(\d);/) {
 231                             my $weight=$1+1;
 232                             $result{$key}->{"$_"} =~ s/$authid,$title\-(\d);//;
 233                             $result{$key}->{"$_"} .= "$authid,$title-$weight;";
 234                         # otherwise, create it, with weight=1
 235                         } else {
 236                             $result{$key}->{"$_"}.="$authid,$title-1;";
 237                         }
 238                     }
 239                 }
 240             }
 241             # the subfield is not indexed, store it in __RAW__ index anyway
 242             unless ($indexed) {
 243                 my $line= lc $subfield->[1];
 244                 $line =~ s/-|\.|\?|,|;|!|'|\(|\)|\[|\]|{|}|"|<|>|&|\+|\*|\/|=/ /g;
 245                 foreach (split / /,$line) {
 246                         next unless $_;
 247 #                     warn $record->as_formatted."$_ =>".$title;
 248                         if ($result{__RAW__}->{"$_"} =~ /$authid,$title\-(\d);/) {
 249                             my $weight=$1+1;
 250 #                             $weight++;
 251                             $result{__RAW__}->{"$_"} =~ s/$authid,$title\-(\d);//;
 252                             $result{__RAW__}->{"$_"} .= "$authid,$title-$weight;";
 253                         } else {
 254                             $result{__RAW__}->{"$_"}.="$authid,$title-1;";
 255                         }
 256                 }
 257             }
 258         }
 259     }
 260 }
 261 print "\nInserting...\n";
 262 $i=0;
 263 my $sth = $dbh->prepare("INSERT INTO nozebra (server,indexname,value,biblionumbers) VALUES ('authorityserver',?,?,?)");
 264 foreach my $key (keys %result) {
 265     foreach my $index (keys %{$result{$key}}) {
 266         if (length($result{$key}->{$index}) > 1000000) {
 267             print "very long index (".length($result{$key}->{$index}).")for $key / $index. update mySQL config file if you have an error just after this warning (max_paquet_size parameter)\n";
 268         }
 269         print "\r$i";
 270         $i++;
 271         $sth->execute($key,$index,$result{$key}->{$index});
 272     }
 273 }
 274 print "\nauthorities done\n";