git.rot13.org Git - webpac/blob - all2xml.pl

   1 #!/usr/bin/perl -w
   2
   3 use strict;
   4 use OpenIsis;
   5 use Getopt::Std;
   6 use Data::Dumper;
   7 use XML::Simple;
   8 use Text::Unaccent 1.02;        # 1.01 won't compile on my platform,
   9 use Text::Iconv;
  10 use Config::IniFiles;
  11
  12 $|=1;
  13
  14 my $config_file = $0;
  15 $config_file =~ s/\.pl$/.conf/;
  16 die "FATAL: can't find configuration file '$config_file'" if (! -e $config_file);
  17
  18 my $config;
  19
  20 use index_DBI;  # there is no other, right now ;-)
  21
  22 my $index = new index_DBI();    # open index
  23
  24 my %opts;
  25
  26 # usage:
  27 #       -d directory name
  28 #       -m multiple directories
  29 #       -q quiet
  30 #       -s run swish
  31
  32 getopts('d:m:qs', \%opts);
  33
  34 my $db_dir;
  35
  36 #die "usage: $0 -d [database_dir] -m [database1,database2] " if (! %opts);
  37
  38 #print Dumper($config->{indexer});
  39 #print "-" x 70,"\n";
  40
  41 Text::Iconv->raise_error(1);     # Conversion errors raise exceptions
  42
  43 #my $isis_codepage = Text::Iconv->new($config->{isis_codepage},'UTF8');
  44 #my $index_codepage = Text::Iconv->new($config->{isis_codepage},$config->{index_codepage});
  45 my $isis_codepage;
  46 my $index_codepage;
  47 my $cludge_codepage = Text::Iconv->new('UTF8','ISO8859-1');
  48 my $xml_codepage;
  49
  50 sub isis2xml {
  51
  52         use xmlify;
  53
  54         my $row = shift @_;
  55         my $add_xml = shift @_;
  56
  57         my $xml;
  58
  59         use parse_format;
  60
  61         my $html = "";          # html formatted display output
  62
  63         my %field_usage;        # counter for usage of each field
  64
  65         foreach my $field (keys %{$config->{indexer}}) {
  66
  67                 $field_usage{$field}++;
  68
  69                 my $swish_data = "";
  70                 my $display_data = "";
  71                 my $index_data = "";
  72
  73                 foreach my $x (@{$config->{indexer}->{$field}->{isis}}) {
  74
  75                         my $format = $x->{content};
  76                         my ($s,$d,$i) = (1,1,0);        # swish, display default
  77                         $s = 0 if (lc($x->{type}) eq "display");
  78                         $d = 0 if (lc($x->{type}) eq "swish");
  79                         ($s,$d,$i) = (0,0,1) if (lc($x->{type}) eq "index");
  80 #print STDERR "## s: $s d: $d i: $i ## $format ##\n";
  81
  82                         $format = $cludge_codepage->convert($format);
  83                         my ($swish,$display) = parse_format($format,$row);
  84 #print STDERR "s: $swish\nd: $display\n" if ($swish);
  85
  86 #print STDERR "swish: $swish<-- display: $display<--\n";
  87                         # FIX: this is ugly, UGLY, cludge: OpenIsis return
  88                         # UTF8 encoding of strings, but as if source charset
  89                         # is ISO8859-1 and not some other. This breaks our
  90                         # isis character encoding, so we convert it first
  91                         # back to ISO8859-1 (which can actually be different
  92                         # encoding in isis)
  93
  94                         $swish_data .= $swish if ($s && $swish);
  95                         $display_data .= $display if ($d && $display);
  96                         $index_data .= $display if ($i && $display);
  97                 }
  98
  99
 100 #print STDERR "s_d: $swish_data\nd_d: $display_data\n" if ($swish_data);
 101                 if ($display_data) {
 102                         $display_data = $isis_codepage->convert($display_data) || die "Can't convert '$display_data' !";
 103                         # FIX: this is removed and replaced by html tag.
 104                         #$xml .= xmlify($field."_display", $display_data);
 105
 106                         if ($field eq "headline") {
 107                                 $xml .= xmlify("headline", $display_data);
 108                         } else {
 109
 110                                 # find field name (signular, plural)
 111                                 my $field_name = "";
 112                                 if ($config->{indexer}->{$field}->{name_singular} && $field_usage{$field} == 1) {
 113                                         $field_name = $config->{indexer}->{$field}->{name_singular}."#-#";
 114                                 } elsif ($config->{indexer}->{$field}->{name_plural}) {
 115                                         $field_name = $config->{indexer}->{$field}->{name_plural}."#-#";
 116                                 } else {
 117                                         $field_name = $config->{indexer}->{$field}->{name}."#-#";
 118                                 }
 119                                 if ($field_name) {
 120                                         $html .= $xml_codepage->convert($field_name);
 121                                 }
 122                                 $html .= $display_data."###\n";
 123                         }
 124                 }
 125                 if ($swish_data) {
 126                         my $i = Text::Iconv->new($config->{isis_codepage},'ISO8859-2');
 127                         $swish_data = $i->convert($swish_data);
 128                         $xml .= xmlify($field."_swish",unac_string('ISO8859-2',$swish_data));
 129                         #$swish_data = $isis_codepage->convert($swish_data)."##" || $swish_data;
 130                         #$xml .= xmlify($field."_swish",unac_string($config->{isis_codepage},$swish_data));
 131                 }
 132
 133                 # index
 134                 if ($index_data && $index_data ne "") {
 135                         $index_data = $index_codepage->convert($index_data) || $index_data;
 136                         $index->insert($field, $index_data, $db_dir);
 137                 }
 138
 139         }
 140
 141         # dump formatted output in <html>
 142         if ($html) {
 143                 $xml .= xmlify("html",$html);
 144         }
 145
 146         if ($xml) {
 147 #print STDERR "x: $xml\n";
 148                 $xml .= $add_xml if ($add_xml);
 149                 return "<xml>\n$xml</xml>\n";
 150         } else {
 151                 return;
 152         }
 153 }
 154
 155 ##########################################################################
 156
 157 my $cfg = new Config::IniFiles( -file => $config_file );
 158
 159 foreach my $database ($cfg->Sections) {
 160
 161         my $isis_db = $cfg -> val($database, 'isis_db');
 162         my $type = $cfg -> val($database, 'type');
 163         my $add_xml = $cfg -> val($database, 'xml');
 164
 165         # read configuration for this type
 166         $config=XMLin("./import_xml/$type.xml", forcearray => [ 'isis' ], forcecontent => 1);
 167         $isis_codepage = Text::Iconv->new($config->{isis_codepage},'UTF8');
 168         $index_codepage = Text::Iconv->new($config->{isis_codepage},$config->{index_codepage});
 169         $xml_codepage = Text::Iconv->new($cfg->val($database,'xml_codepage'),'UTF8');
 170
 171         my $db = OpenIsis::open( $isis_db );
 172         if (0) {
 173 #       # FIX
 174 #       if (! $db ) {
 175                 print STDERR "WARNING: can't open '$isis_db'\n";
 176                 next ;
 177         }
 178
 179         my $max_rowid = OpenIsis::maxRowid( $db );
 180
 181         print STDERR "Reading database: $isis_db [$max_rowid rows]\n";
 182
 183         my $path = $database;                   # was $isis_db
 184
 185         my $last_p = 0;
 186
 187 #       { my $row_id = 4514;
 188 # FIX
 189         for (my $row_id = 1; $row_id <= $max_rowid; $row_id++ ) {
 190                 my $row = OpenIsis::read( $db, $row_id );
 191                 if ($row && $row->{mfn}) {
 192 #print STDERR "mfn: ",$row->{mfn},"\n";
 193                         # output current process indicator
 194                         my $p = int($row->{mfn} * 100 / $max_rowid);
 195                         if ($p != $last_p) {
 196                                 printf STDERR ("%5d / %5d [%-51s] %-2d %% \r",$row->{mfn},$max_rowid,"=" x ($p/2).">", $p ) if (! $opts{q});
 197                                 $last_p = $p;
 198                         }
 199
 200                         if (my $xml = isis2xml($row,$add_xml)) {
 201 #print STDERR "--ret-->$xml\n";
 202                                 print "Path-Name: $path#".int($row->{mfn})."\n";
 203                                 print "Content-Length: ".(length($xml)+1)."\n";
 204                                 print "Document-Type: XML\n\n$xml\n";
 205                         }
 206                 }
 207         }
 208         print STDERR "\n";
 209 }
 210
 211 # call this to commit index
 212 $index->close;
 213
 214 1;
 215 __END__
 216 ##########################################################################
 217
 218 =head1 NAME
 219
 220 isis2xml.pl - read isis file and dump XML
 221
 222 =head1 DESCRIPTION
 223
 224 This command will read ISIS data file using OpenIsis perl module and
 225 create XML file for usage with I<SWISH-E>
 226 indexer. Dispite it's name, this script B<isn't general xml generator>
 227 from isis files (isis allready has something like that). Output of this
 228 script is tailor-made for SWISH-E.
 229
 230 =head1 AUTHOR
 231
 232 Dobrica Pavlinusic <dpavlin@rot13.org>
 233
 234 =head1 COPYRIGHT
 235
 236 GNU Public License (GPL) v2 or later
 237
 238 =head1 SEE ALSO
 239
 240 SWISH-E web site at http://www.swish-e.org
 241
 242 =cut