use tab delimited files
[crolist2marc] / crolist2marc.pl
index a233047..39eb028 100755 (executable)
@@ -5,33 +5,132 @@ use autodie;
 
 use MARC::Record;
 use Data::Dump qw(dump);
+use utf8;
 
 my $data;
 
-my $lines = 0;
+sub csv_file {
+       my ($file,$parse) = @_;
 
-open(my $fh, '<', 'TEKTAG.csv');
-my $h = <$fh>; # header
-while(<$fh>) {
-       chomp;
-       my ( $idsl, $tag, $tagno, $id, $sfi, $sfino, $textkey, $textres ) = split(/,/,$_);
+       print STDERR "# reading $file ";
+       my $lines = 1;
 
-       $tagno ||= 0;
-       $sfino ||= 0;
+       open(my $fh, '<', $file);
+       my $h = <$fh>; # header
+       while(<$fh>) {
+               chomp;
+               my ( $idsl, $tag, $tagno, $id, $sfi, $sfino, $text ) = $parse->($_);
+               $lines++;
 
-       $id .= " " if length $id < 2;
-       $id .= " " if length $id < 2;
-       my ($i1, $i2) = split(//, $id, 2);
+               if ( ! $text ) {
+                       print STDERR "\nSKIP $file +$lines [$_] " if $idsl;
+                       next;
+               }
 
-       $sfi =~ s/^\$// || die "can't fix subfield [$sfi]";
+               $tagno ||= 0;
+               $sfino ||= 0;
 
-       $data->{$idsl}->{$tag}->[ $tagno ]->[ 0 ] = $i1;
-       $data->{$idsl}->{$tag}->[ $tagno ]->[ 1 ] = $i2;
-       $data->{$idsl}->{$tag}->[ $tagno ]->[ ( $sfino * 2 ) + 2 ] = $sfi;
-       $data->{$idsl}->{$tag}->[ $tagno ]->[ ( $sfino * 2 ) + 3 ] = $textkey . $textres;
+               $id .= " " if length $id < 2;
+               $id .= " " if length $id < 2;
+               my ($i1, $i2) = split(//, $id, 2);
 
-#      last if $lines++ > 5000;
+               $sfi =~ s/^\$// || die "can't fix subfield [$sfi]";
+
+               $text =~ tr/^~]}\\|[{@`/ČčĆćĐ𩹮ž/; # CROASCII (YUS|HRN) B1.002:1982
+
+               $data->{$idsl}->{$tag}->[ $tagno ]->[ 0 ] = $i1;
+               $data->{$idsl}->{$tag}->[ $tagno ]->[ 1 ] = $i2;
+               $data->{$idsl}->{$tag}->[ $tagno ]->[ ( $sfino * 2 ) + 2 ] = $sfi;
+               $data->{$idsl}->{$tag}->[ $tagno ]->[ ( $sfino * 2 ) + 3 ] = $text;
+
+               print STDERR "$lines " if $lines % 1000 == 0;
+       }
+       print STDERR "\n";
 }
 
-warn dump($data);
+csv_file( 'tsv/TEKTAG.csv', sub {
+       my $line = shift;
+
+       my ( $idsl, $tag, $tagno, $id, $sfi, $sfino, $textkey, $textres ) = split(/\t/,$_);
+
+       my $text = $textkey . $textres; # FIXME fix CAPITAL letters in $textkey
+
+       return ( $idsl, $tag, $tagno, $id, $sfi, $sfino, $text );
+});
+
+csv_file( 'tsv/LONTAG.csv', sub {
+       my $line = shift;
+
+       my ( $idsl, $tag, $tagno, $id, $sfi, $sfino, $text ) = split(/\t/,$_, 7);
+
+       $text =~ s/\t+$//;
+       $text =~ s/\t/\n/g; # join OPIS[1-11]
+
+       return ( $idsl, $tag, $tagno, $id, $sfi, $sfino, $text );
+});
+
+csv_file( 'tsv/IDNTAG.csv', sub {
+       my $line = shift;
+
+       my ( $idsl, $tag, $STSL, $KZVS, $BIBRAZ, $HIRAZ, $KPS, $OKO ) = split(/\t/,$_);
+
+       my @leader;
+       $leader[5] = $STSL;
+       $leader[6] = $KZVS;
+       $leader[7] = $BIBRAZ;
+       $leader[8] = $HIRAZ;
+       $leader[17] = $KPS;
+       $leader[18] = $OKO;
+
+       $leader[23] = ' '; # last char;
+
+       my $full = join('', map { defined $_ ? $_ : ' ' } @leader);
+       $data->{$idsl}->{'leader'} = $full; 
+       return;
+});
+
+csv_file( 'tsv/OBRTAG.csv', sub {
+       my $line = shift;
+
+       my ( $IDSL, $TAG, $TAGNO, $ID, $SFI, $SFINO, $CODINF ) = split(/\t/,$_);
+       return ( $IDSL, $TAG, $TAGNO, $ID, $SFI, $SFINO, $CODINF );
+});
+
+print STDERR "\n# getting all ids ";
+my @ids = sort keys %$data;
+print STDERR scalar(@ids), " found\n";
+
+my $marc_file = 'liberated.marc';
+open(my $marc_fh, '>:encoding(UTF-8)', $marc_file);
+my $number = 0;
+
+foreach my $id ( @ids ) {
+       my $rec = MARC::Record->new;
+       $rec->encoding( 'UTF-8' );
+       $rec->add_fields( [ '001', $id ] );
+
+       foreach my $field ( sort keys %{ $data->{$id} } ) {
+               if ( $field eq 'leader' ) {
+                       $rec->leader( $data->{$id}->{$field} );
+                       next;
+               }
+               foreach my $arr ( @{ $data->{$id}->{$field} } ) {
+                       if ( ! $arr ) {
+#                              print STDERR "SKIPPED $id $field ",dump( $data->{$id}->{$field} ), "\n";
+                               next;
+                       }
+                       $arr = [ $arr->[3] ] if ( $field < 010 ); # control fields don't have idicators or subfields
+                       $rec->add_fields( $field, @$arr );
+               }
+       }
+
+       #print $rec->as_formatted;
+       #print "# $id ",dump($data->{$id});
+
+       print $marc_fh $rec->as_usmarc;
+       $number++;
+       print "$number " if $number % 1000 == 0;
+}
 
+close($marc_fh);
+print "$marc_file ",-s $marc_file, " bytes\n";