koha-dev.rot13.org Git - srvgit/blob - 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 GetOptions(
  25         'd:s'      => \$directory,
  26         'reset'      => \$reset,
  27         's'        => \$skip_export,
  28         'k'        => \$keep_export,
  29         'b'        => \$biblios,
  30         'a'        => \$authorities,
  31         );
  32
  33 $directory = "export" unless $directory;
  34 my $dbh=C4::Context->dbh;
  35 $dbh->do("update systempreferences set value=1 where variable='NoZebra'");
  36
  37 $dbh->do("truncate nozebra");
  38
  39 my %index = GetNoZebraIndexes();
  40
  41 unless (%index) {
  42     if (C4::Context->preference('marcflavour') eq 'UNIMARC') {
  43         $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',
  44         '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',
  45         'isbn' => '010a',
  46         'issn' => '011a',
  47         'biblionumber' =>'0909',
  48         'itemtype' => '200b',
  49         'language' => '101a',
  50         'publisher' => '210c',
  51         'date' => '210d',
  52         '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',
  53         'Koha-Auth-Number' => '6009,6019,6029,6039,6049,6059,6069,6109,7009,7019,7029,7109,7119,7129',
  54         'subject' => '600*,601*,606*,610*',
  55         'dewey' => '676a',
  56         'host-item' => '995a,995c',\" where variable='NoZebraIndexes'");
  57         %index = GetNoZebraIndexes();
  58     } else {
  59         # build a MARC21 default index file
  60     }
  61 }
  62 $|=1;
  63
  64 print "***********************************\n";
  65 print "***** building BIBLIO indexes *****\n";
  66 print "***********************************\n";
  67 my $sth;
  68 $sth=$dbh->prepare("select biblionumber from biblioitems order by biblionumber $limit");
  69 $sth->execute();
  70 my $i=0;
  71 my %result;
  72 while (my ($biblionumber) = $sth->fetchrow) {
  73     $i++;
  74     print "\r$i";
  75     my  $record;
  76    eval{
  77         $record = GetMarcBiblio($biblionumber);
  78    };
  79    if($@){
  80         print "  There was some pb getting biblionumber : ".$biblionumber."\n";
  81         next;
  82    }
  83     # get title of the record (to store the 10 first letters with the index)
  84     my ($titletag,$titlesubfield) = GetMarcFromKohaField('biblio.title');
  85     my $title = lc($record->subfield($titletag,$titlesubfield));
  86
  87     # remove blancks comma (that could cause problem when decoding the string for CQL retrieval) and regexp specific values
  88     $title =~ s/ |,|;|\[|\]|\(|\)|\*|-|'|=//g;
  89     $title = quotemeta $title;
  90     # limit to 10 char, should be enough, and limit the DB size
  91     $title = substr($title,0,10);
  92     #parse each field
  93     foreach my $field ($record->fields()) {
  94         #parse each subfield
  95         next if $field->tag <10;
  96         foreach my $subfield ($field->subfields()) {
  97             my $tag = $field->tag();
  98             my $subfieldcode = $subfield->[0];
  99             my $indexed=0;
 100             # check each index to see if the subfield is stored somewhere
 101             # otherwise, store it in __RAW__ index
 102             foreach my $key (keys %index) {
 103                 if ($index{$key} =~ /$tag\*/ or $index{$key} =~ /$tag$subfieldcode/) {
 104                     $indexed=1;
 105                     my $line= lc $subfield->[1];
 106                     # remove meaningless value in the field...
 107                     $line =~ s/-|\.|\?|,|;|!|'|\(|\)|\[|\]|{|}|"|<|>|&|\+|\*|\/|=|:/ /g;
 108                     # ... and split in words
 109                     foreach (split / /,$line) {
 110                         next unless $_; # skip  empty values (multiple spaces)
 111                         # remove any accented char
 112                         # if the entry is already here, improve weight
 113                         if ($result{$key}->{"$_"} =~ /$biblionumber,$title\-(\d);/) {
 114                             my $weight=$1+1;
 115                             $result{$key}->{"$_"} =~ s/$biblionumber,$title\-(\d);//;
 116                             $result{$key}->{"$_"} .= "$biblionumber,$title-$weight;";
 117                         # otherwise, create it, with weight=1
 118                         } else {
 119                             $result{$key}->{"$_"}.="$biblionumber,$title-1;";
 120                         }
 121                     }
 122                 }
 123             }
 124             # the subfield is not indexed, store it in __RAW__ index anyway
 125             unless ($indexed) {
 126                 my $line= lc $subfield->[1];
 127                 $line =~ s/-|\.|\?|,|;|!|'|\(|\)|\[|\]|{|}|"|<|>|&|\+|\*|\/|=/ /g;
 128                 foreach (split / /,$line) {
 129                         next unless $_;
 130 #                     warn $record->as_formatted."$_ =>".$title;
 131                         if ($result{__RAW__}->{"$_"} =~ /$biblionumber,$title\-(\d);/) {
 132                             my $weight=$1+1;
 133 #                             $weight++;
 134                             $result{__RAW__}->{"$_"} =~ s/$biblionumber,$title\-(\d);//;
 135                             $result{__RAW__}->{"$_"} .= "$biblionumber,$title-$weight;";
 136                         } else {
 137                             $result{__RAW__}->{"$_"}.="$biblionumber,$title-1;";
 138                         }
 139                 }
 140             }
 141         }
 142     }
 143 }
 144 print "\nInserting records...\n";
 145 $i=0;
 146 my $sth = $dbh->prepare("INSERT INTO nozebra (server,indexname,value,biblionumbers) VALUES ('biblioserver',?,?,?)");
 147 foreach my $key (keys %result) {
 148     foreach my $index (keys %{$result{$key}}) {
 149         if (length($result{$key}->{$index}) > 1000000) {
 150             print "very long index (".length($result{$key}->{$index}).")for $key / $index. update mySQL config file if you have an error just after this warning (max_paquet_size parameter)\n";
 151         }
 152         print "\r$i";
 153         $i++;
 154         $sth->execute($key,$index,$result{$key}->{$index});
 155     }
 156 }
 157 print "\nbiblios done\n";
 158
 159 print "\n***********************************\n";
 160 print "***** building AUTHORITIES indexes *****\n";
 161 print "***********************************\n";
 162
 163 my $sth;
 164 $sth=$dbh->prepare("select authid from auth_header order by authid $limit");
 165 $sth->execute();
 166 my $i=0;
 167 my %result;
 168 while (my ($authid) = $sth->fetchrow) {
 169     $i++;
 170     print "\r$i";
 171     my $record;
 172     eval{
 173         $record = GetAuthority($authid);
 174     };
 175     if($@){
 176         print "  There was some pb getting authnumber : ".$authid."\n";
 177         next;
 178     }
 179
 180     my %index;
 181     # for authorities, the "title" is the $a mainentry
 182     my $authref = C4::AuthoritiesMarc::GetAuthType($record->subfield(152,'b'));
 183
 184     warn "ERROR : authtype undefined for ".$record->as_formatted unless $authref;
 185     my $title = $record->subfield($authref->{auth_tag_to_report},'a');
 186     $index{'mainmainentry'}= $authref->{'auth_tag_to_report'}.'a';
 187     $index{'mainentry'}    = $authref->{'auth_tag_to_report'}.'*';
 188     $index{'auth_type'}    = '152b';
 189
 190     # remove blancks comma (that could cause problem when decoding the string for CQL retrieval) and regexp specific values
 191     $title =~ s/ |,|;|\[|\]|\(|\)|\*|-|'|=//g;
 192     $title = quotemeta $title;
 193     # limit to 10 char, should be enough, and limit the DB size
 194     $title = substr($title,0,10);
 195     #parse each field
 196     foreach my $field ($record->fields()) {
 197         #parse each subfield
 198         next if $field->tag <10;
 199         foreach my $subfield ($field->subfields()) {
 200             my $tag = $field->tag();
 201             my $subfieldcode = $subfield->[0];
 202             my $indexed=0;
 203             # check each index to see if the subfield is stored somewhere
 204             # otherwise, store it in __RAW__ index
 205             foreach my $key (keys %index) {
 206                 if ($index{$key} =~ /$tag\*/ or $index{$key} =~ /$tag$subfieldcode/) {
 207                     $indexed=1;
 208                     my $line= lc $subfield->[1];
 209                     # remove meaningless value in the field...
 210                     $line =~ s/-|\.|\?|,|;|!|'|\(|\)|\[|\]|{|}|"|<|>|&|\+|\*|\/|=|:/ /g;
 211                     # ... and split in words
 212                     foreach (split / /,$line) {
 213                         next unless $_; # skip  empty values (multiple spaces)
 214                         # if the entry is already here, improve weight
 215                         if ($result{$key}->{"$_"} =~ /$authid,$title\-(\d);/) {
 216                             my $weight=$1+1;
 217                             $result{$key}->{"$_"} =~ s/$authid,$title\-(\d);//;
 218                             $result{$key}->{"$_"} .= "$authid,$title-$weight;";
 219                         # otherwise, create it, with weight=1
 220                         } else {
 221                             $result{$key}->{"$_"}.="$authid,$title-1;";
 222                         }
 223                     }
 224                 }
 225             }
 226             # the subfield is not indexed, store it in __RAW__ index anyway
 227             unless ($indexed) {
 228                 my $line= lc $subfield->[1];
 229                 $line =~ s/-|\.|\?|,|;|!|'|\(|\)|\[|\]|{|}|"|<|>|&|\+|\*|\/|=/ /g;
 230                 foreach (split / /,$line) {
 231                         next unless $_;
 232 #                     warn $record->as_formatted."$_ =>".$title;
 233                         if ($result{__RAW__}->{"$_"} =~ /$authid,$title\-(\d);/) {
 234                             my $weight=$1+1;
 235 #                             $weight++;
 236                             $result{__RAW__}->{"$_"} =~ s/$authid,$title\-(\d);//;
 237                             $result{__RAW__}->{"$_"} .= "$authid,$title-$weight;";
 238                         } else {
 239                             $result{__RAW__}->{"$_"}.="$authid,$title-1;";
 240                         }
 241                 }
 242             }
 243         }
 244     }
 245 }
 246 print "\nInserting...\n";
 247 $i=0;
 248 my $sth = $dbh->prepare("INSERT INTO nozebra (server,indexname,value,biblionumbers) VALUES ('authorityserver',?,?,?)");
 249 foreach my $key (keys %result) {
 250     foreach my $index (keys %{$result{$key}}) {
 251         if (length($result{$key}->{$index}) > 1000000) {
 252             print "very long index (".length($result{$key}->{$index}).")for $key / $index. update mySQL config file if you have an error just after this warning (max_paquet_size parameter)\n";
 253         }
 254         print "\r$i";
 255         $i++;
 256         $sth->execute($key,$index,$result{$key}->{$index});
 257     }
 258 }
 259 print "\nauthorities done\n";