tsv2xp-xml.pl

   1 #!/usr/bin/perl
   2
   3 # ./tsv2xp-xml.pl 2>/dev/null > ep-diplomski.xml
   4 # sudo -u eprints /usr/share/eprints3/bin/import --verbose --migration ffzg eprint XML ep-diplomski.xml
   5
   6 use warnings;
   7 use strict;
   8
   9 use File::Slurp;
  10 use Data::Dump qw(dump);
  11
  12 my $tsv_file = ( glob 'items.*' )[0];
  13
  14 my $xml = read_file 'ep-xml.xml';
  15 my @files = read_file "files.txt";
  16
  17 my $file2path;
  18 foreach my $full ( @files ) {
  19         chomp $full;
  20         my $file = $1 if $full =~ m{/([^/]+)$};
  21         $file =~ s/\.\w+$//;
  22         $file2path->{ lc $file } = $full;
  23 }
  24 #warn "# file2path ",dump($file2path);
  25
  26 print qq{<?xml version="1.0" encoding="utf-8" ?>
  27 <eprints>
  28 };
  29
  30 my @header;
  31 my $header2col;
  32 my $col = 0;
  33
  34 our @v;
  35 sub interpolate {
  36         my $f = shift;
  37         my $optional = $1 if $f =~ s{(\?)$}{};
  38         my $i = $header2col->{$f};
  39         die "no $f in ", dump( $header2col ) if not defined $i and not $optional;
  40         my $v = $v[$i];
  41         warn "# $f $i = $v\n";
  42         return $v;
  43 }
  44
  45
  46 open(my $tsv, '<', $tsv_file) || die "$tsv_file: $!";
  47 while(<$tsv>) {
  48         chomp;
  49         if ( m/#(.+)/ ) {
  50                 @header = split(/\t/, $1);
  51                 warn "# header ",dump( @header );
  52                 my $i = 0;
  53                 $header2col->{$_} = $col++ foreach @header;
  54                 warn "# header2col ",dump( $header2col );
  55                 next;
  56         }
  57
  58         @v = map { s/\\N//g; $_ } split(/\t/, $_);
  59         warn "# v = ", dump(@v);
  60
  61         my $file = interpolate 'IME FILE-a';
  62         $file =~ s/ //g;
  63         my $full_path;
  64         if ( my $full = $file2path->{ lc $file } ) {
  65                 $full_path = $full;
  66                 warn "# file $file -> $full_path\n";
  67                 $file .= $1 if $full_path =~ m/(\.\w+)$/;
  68         }
  69
  70         my $subject;
  71         if ( $file =~ m/(\w+)/ ) {
  72                 $_ = $1;
  73                 $subject =
  74                         m/bib/i    ? 'IZBIB' :
  75                         m/in[fo]/i ? 'IZDHI' :
  76                         m/muz/i    ? 'IZMUZ' :
  77                         m/arh/i    ? 'IZARH' :
  78                         die "unknown subject: $2";
  79         }
  80
  81         my $c = $col;
  82         $header2col->{'file'} = $c; $v[$c++] = $file;
  83         $header2col->{'full_path'} = $c; $v[$c++] = $full_path;
  84         $header2col->{'subject'} = $c; $v[$c++] = $subject;
  85
  86         my $eprints = $xml;
  87         while ( $eprints =~ s/<!-- "(.+?)" -->/interpolate($1)/seg ) {
  88                 warn "# replaced $1\n";
  89         }
  90
  91         $eprints =~ s{<documents>.+</documents>}{<!-- no documents -->}s if ! $full_path;
  92         $eprints =~ s{<subjects>.+</subjects>}{<!-- no subjects -->}s if ! $subject;
  93
  94         print $eprints;
  95 }
  96
  97 print qq{
  98 </eprints>
  99 };
 100