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
  72                 foreach my $x (@{$config->{indexer}->{$field}->{isis}}) {
  73
  74                         my $format = $x->{content};
  75                         my ($s,$d,$i) = (1,1,0);        # swish, display default
  76                         $s = 0 if (lc($x->{type}) eq "display");
  77                         $d = 0 if (lc($x->{type}) eq "swish");
  78                         ($s,$d,$i) = (0,0,1) if (lc($x->{type}) eq "index");
  79 #print STDERR "## s: $s d: $d i: $i ## $format ##\n";
  80
  81                         # FIX: this is ugly, UGLY, cludge string is returned
  82                         # in UTF8 encoding , but as if source charset
  83                         # is ISO8859-1 and not some other. This break other
  84                         # character encodings, so we convert it first
  85                         # back to ISO8859-1
  86                         $format = $cludge_codepage->convert($format);
  87
  88                         my ($swish,$display) = parse_format($format,$row);
  89 #print STDERR "s: $swish\nd: $display\n" if ($swish);
  90
  91 #print STDERR "swish: $swish<-- display: $display<--\n";
  92
  93                         # filter="name" ; filter this field through
  94                         # filter/[name].pm
  95                         my $filter;
  96                         if ($x->{filter}) {
  97                                 $filter = "filter/".$x->{filter}.".pm";
  98                                 require $filter;
  99                         }
 100                         # type="swish" ; field for swish
 101                         if ($s && $swish) {
 102                                 if ($filter) {
 103                                         $swish_data .= join(" ",&filter($swish));
 104                                 } else {
 105                                         $swish_data .= $swish if ($s && $swish);
 106                                 }
 107                         }
 108
 109                         # type="display" ; field for display
 110                         if ($d && $display) {
 111                                 if ($filter) {
 112                                         $display_data .= join(" ",&filter($display));
 113                                 } else {
 114                                         $display_data .= $display if ($s && $display);
 115                                 }
 116                         }
 117
 118                         # type="index" ; insert into index
 119                         if ($i && $display) {
 120                                 my $index_data = $index_codepage->convert($display) || $display;
 121                                 if ($filter) {
 122                                         foreach my $d (&filter($index_data)) {
 123                                                 $index->insert($field, $d, $db_dir);
 124                                         }
 125                                 } else {
 126                                         $index->insert($field, $index_data, $db_dir);
 127                                 }
 128                         }
 129                 }
 130
 131
 132 #print STDERR "s_d: $swish_data\nd_d: $display_data\n" if ($swish_data);
 133                 if ($display_data) {
 134                         $display_data = $isis_codepage->convert($display_data) || die "Can't convert '$display_data' !";
 135                         # FIX: this is removed and replaced by html tag.
 136                         #$xml .= xmlify($field."_display", $display_data);
 137
 138                         if ($field eq "headline") {
 139                                 $xml .= xmlify("headline", $display_data);
 140                         } else {
 141
 142                                 # find field name (signular, plural)
 143                                 my $field_name = "";
 144                                 if ($config->{indexer}->{$field}->{name_singular} && $field_usage{$field} == 1) {
 145                                         $field_name = $config->{indexer}->{$field}->{name_singular}."#-#";
 146                                 } elsif ($config->{indexer}->{$field}->{name_plural}) {
 147                                         $field_name = $config->{indexer}->{$field}->{name_plural}."#-#";
 148                                 } elsif ($config->{indexer}->{$field}->{name}) {
 149                                         $field_name = $config->{indexer}->{$field}->{name}."#-#";
 150                                 } else {
 151                                         print STDERR "WARNING: field '$field' doesn't have 'name' attribute!";
 152                                 }
 153                                 if ($field_name) {
 154                                         $html .= $xml_codepage->convert($field_name);
 155                                 }
 156                                 $html .= $display_data."###\n";
 157                         }
 158                 }
 159                 if ($swish_data) {
 160                         my $i = Text::Iconv->new($config->{isis_codepage},'ISO8859-2');
 161                         # remove extra spaces
 162                         $swish_data =~ s/ +/ /g;
 163                         $swish_data =~ s/ +$//g;
 164
 165                         $swish_data = $i->convert($swish_data);
 166                         $xml .= xmlify($field."_swish",unac_string('ISO8859-2',$swish_data));
 167                         #$swish_data = $isis_codepage->convert($swish_data)."##" || $swish_data;
 168                         #$xml .= xmlify($field."_swish",unac_string($config->{isis_codepage},$swish_data));
 169                 }
 170
 171
 172         }
 173
 174         # dump formatted output in <html>
 175         if ($html) {
 176                 $xml .= xmlify("html",$html);
 177         }
 178
 179         if ($xml) {
 180 #print STDERR "x: $xml\n";
 181                 $xml .= $add_xml if ($add_xml);
 182                 return "<xml>\n$xml</xml>\n";
 183         } else {
 184                 return;
 185         }
 186 }
 187
 188 ##########################################################################
 189
 190 my $cfg = new Config::IniFiles( -file => $config_file );
 191
 192 foreach my $database ($cfg->Sections) {
 193
 194         my $isis_db = $cfg -> val($database, 'isis_db');
 195         my $type = $cfg -> val($database, 'type');
 196         my $add_xml = $cfg -> val($database, 'xml');
 197
 198         # read configuration for this type
 199         $config=XMLin("./import_xml/$type.xml", forcearray => [ 'isis' ], forcecontent => 1);
 200         $isis_codepage = Text::Iconv->new($config->{isis_codepage},'UTF8');
 201         $index_codepage = Text::Iconv->new($config->{isis_codepage},$config->{index_codepage});
 202         $xml_codepage = Text::Iconv->new($cfg->val($database,'xml_codepage'),'UTF8');
 203
 204         my $db = OpenIsis::open( $isis_db );
 205         if (0) {
 206 #       # FIX
 207 #       if (! $db ) {
 208                 print STDERR "WARNING: can't open '$isis_db'\n";
 209                 next ;
 210         }
 211
 212         my $max_rowid = OpenIsis::maxRowid( $db );
 213
 214         print STDERR "Reading database: $isis_db [$max_rowid rows]\n";
 215
 216         my $path = $database;                   # was $isis_db
 217
 218         my $last_p = 0;
 219
 220 #       { my $row_id = 4514;
 221 # FIX
 222         for (my $row_id = 1; $row_id <= $max_rowid; $row_id++ ) {
 223                 my $row = OpenIsis::read( $db, $row_id );
 224                 if ($row && $row->{mfn}) {
 225 #print STDERR "mfn: ",$row->{mfn},"\n";
 226                         # output current process indicator
 227                         my $p = int($row->{mfn} * 100 / $max_rowid);
 228                         if ($p != $last_p) {
 229                                 printf STDERR ("%5d / %5d [%-51s] %-2d %% \r",$row->{mfn},$max_rowid,"=" x ($p/2).">", $p ) if (! $opts{q});
 230                                 $last_p = $p;
 231                         }
 232
 233                         if (my $xml = isis2xml($row,$add_xml)) {
 234 #print STDERR "--ret-->$xml\n";
 235                                 print "Path-Name: $path#".int($row->{mfn})."\n";
 236                                 print "Content-Length: ".(length($xml)+1)."\n";
 237                                 print "Document-Type: XML\n\n$xml\n";
 238                         }
 239                 }
 240         }
 241         print STDERR "\n";
 242 }
 243
 244 # call this to commit index
 245 $index->close;
 246
 247 1;
 248 __END__
 249 ##########################################################################
 250
 251 =head1 NAME
 252
 253 isis2xml.pl - read isis file and dump XML
 254
 255 =head1 DESCRIPTION
 256
 257 This command will read ISIS data file using OpenIsis perl module and
 258 create XML file for usage with I<SWISH-E>
 259 indexer. Dispite it's name, this script B<isn't general xml generator>
 260 from isis files (isis allready has something like that). Output of this
 261 script is tailor-made for SWISH-E.
 262
 263 =head1 AUTHOR
 264
 265 Dobrica Pavlinusic <dpavlin@rot13.org>
 266
 267 =head1 COPYRIGHT
 268
 269 GNU Public License (GPL) v2 or later
 270
 271 =head1 SEE ALSO
 272
 273 SWISH-E web site at http://www.swish-e.org
 274
 275 =cut