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     } elsif (C4::Context->preference('marcflavour') eq 'MARC21') {
  59                 $dbh->do("UPDATE systempreferences SET values=\"'title' => '245a,245b',
  60                 'author' => '100a',
  61                 'isbn' => '020a',
  62                 'issn' => '022a',
  63                 'biblionumber => '999c',
  64                 'itemtype' => '942c',
  65                 'publisher' => '260b',
  66                 'date' => '260c',
  67                 'note' => '500a',
  68                 'subject' => '600a, 650a',
  69                 'dewey' => '082',
  70                 'bc' => '952p',
  71                 'host-item' => '952a, 952c'");
  72         %index = GetNoZebraIndexes();
  73     }
  74 }
  75 $|=1;
  76
  77 print "***********************************\n";
  78 print "***** building BIBLIO indexes *****\n";
  79 print "***********************************\n";
  80 my $sth;
  81 $sth=$dbh->prepare("select biblionumber from biblioitems order by biblionumber $limit");
  82 $sth->execute();
  83 my $i=0;
  84 my %result;
  85 while (my ($biblionumber) = $sth->fetchrow) {
  86     $i++;
  87     print "\r$i";
  88     my  $record;
  89    eval{
  90         $record = GetMarcBiblio($biblionumber);
  91    };
  92    if($@){
  93         print "  There was some pb getting biblionumber : ".$biblionumber."\n";
  94         next;
  95    }
  96     # get title of the record (to store the 10 first letters with the index)
  97     my ($titletag,$titlesubfield) = GetMarcFromKohaField('biblio.title');
  98     my $title = lc($record->subfield($titletag,$titlesubfield));
  99
 100     # remove blancks comma (that could cause problem when decoding the string for CQL retrieval) and regexp specific values
 101     $title =~ s/ |,|;|\[|\]|\(|\)|\*|-|'|=//g;
 102     $title = quotemeta $title;
 103     # limit to 10 char, should be enough, and limit the DB size
 104     $title = substr($title,0,10);
 105     #parse each field
 106     foreach my $field ($record->fields()) {
 107         #parse each subfield
 108         next if $field->tag <10;
 109         foreach my $subfield ($field->subfields()) {
 110             my $tag = $field->tag();
 111             my $subfieldcode = $subfield->[0];
 112             my $indexed=0;
 113             # check each index to see if the subfield is stored somewhere
 114             # otherwise, store it in __RAW__ index
 115             foreach my $key (keys %index) {
 116                 if ($index{$key} =~ /$tag\*/ or $index{$key} =~ /$tag$subfieldcode/) {
 117                     $indexed=1;
 118                     my $line= lc $subfield->[1];
 119                     # remove meaningless value in the field...
 120                     $line =~ s/-|\.|\?|,|;|!|'|\(|\)|\[|\]|{|}|"|<|>|&|\+|\*|\/|=|:/ /g;
 121                     # ... and split in words
 122                     foreach (split / /,$line) {
 123                         next unless $_; # skip  empty values (multiple spaces)
 124                         # remove any accented char
 125                         # if the entry is already here, improve weight
 126                         if ($result{$key}->{"$_"} =~ /$biblionumber,$title\-(\d);/) {
 127                             my $weight=$1+1;
 128                             $result{$key}->{"$_"} =~ s/$biblionumber,$title\-(\d);//;
 129                             $result{$key}->{"$_"} .= "$biblionumber,$title-$weight;";
 130                         # otherwise, create it, with weight=1
 131                         } else {
 132                             $result{$key}->{"$_"}.="$biblionumber,$title-1;";
 133                         }
 134                     }
 135                 }
 136             }
 137             # the subfield is not indexed, store it in __RAW__ index anyway
 138             unless ($indexed) {
 139                 my $line= lc $subfield->[1];
 140                 $line =~ s/-|\.|\?|,|;|!|'|\(|\)|\[|\]|{|}|"|<|>|&|\+|\*|\/|=/ /g;
 141                 foreach (split / /,$line) {
 142                         next unless $_;
 143 #                     warn $record->as_formatted."$_ =>".$title;
 144                         if ($result{__RAW__}->{"$_"} =~ /$biblionumber,$title\-(\d);/) {
 145                             my $weight=$1+1;
 146 #                             $weight++;
 147                             $result{__RAW__}->{"$_"} =~ s/$biblionumber,$title\-(\d);//;
 148                             $result{__RAW__}->{"$_"} .= "$biblionumber,$title-$weight;";
 149                         } else {
 150                             $result{__RAW__}->{"$_"}.="$biblionumber,$title-1;";
 151                         }
 152                 }
 153             }
 154         }
 155     }
 156 }
 157 print "\nInserting records...\n";
 158 $i=0;
 159 my $sth = $dbh->prepare("INSERT INTO nozebra (server,indexname,value,biblionumbers) VALUES ('biblioserver',?,?,?)");
 160 foreach my $key (keys %result) {
 161     foreach my $index (keys %{$result{$key}}) {
 162         if (length($result{$key}->{$index}) > 1000000) {
 163             print "very long index (".length($result{$key}->{$index}).")for $key / $index. update mySQL config file if you have an error just after this warning (max_paquet_size parameter)\n";
 164         }
 165         print "\r$i";
 166         $i++;
 167         $sth->execute($key,$index,$result{$key}->{$index});
 168     }
 169 }
 170 print "\nbiblios done\n";
 171
 172 print "\n***********************************\n";
 173 print "***** building AUTHORITIES indexes *****\n";
 174 print "***********************************\n";
 175
 176 my $sth;
 177 $sth=$dbh->prepare("select authid from auth_header order by authid $limit");
 178 $sth->execute();
 179 my $i=0;
 180 my %result;
 181 while (my ($authid) = $sth->fetchrow) {
 182     $i++;
 183     print "\r$i";
 184     my $record;
 185     eval{
 186         $record = GetAuthority($authid);
 187     };
 188     if($@){
 189         print "  There was some pb getting authnumber : ".$authid."\n";
 190         next;
 191     }
 192
 193     my %index;
 194     # for authorities, the "title" is the $a mainentry
 195     my $authref = C4::AuthoritiesMarc::GetAuthType($record->subfield(152,'b'));
 196
 197     warn "ERROR : authtype undefined for ".$record->as_formatted unless $authref;
 198     my $title = $record->subfield($authref->{auth_tag_to_report},'a');
 199     $index{'mainmainentry'}= $authref->{'auth_tag_to_report'}.'a';
 200     $index{'mainentry'}    = $authref->{'auth_tag_to_report'}.'*';
 201     $index{'auth_type'}    = '152b';
 202
 203     # remove blancks comma (that could cause problem when decoding the string for CQL retrieval) and regexp specific values
 204     $title =~ s/ |,|;|\[|\]|\(|\)|\*|-|'|=//g;
 205     $title = quotemeta $title;
 206     # limit to 10 char, should be enough, and limit the DB size
 207     $title = substr($title,0,10);
 208     #parse each field
 209     foreach my $field ($record->fields()) {
 210         #parse each subfield
 211         next if $field->tag <10;
 212         foreach my $subfield ($field->subfields()) {
 213             my $tag = $field->tag();
 214             my $subfieldcode = $subfield->[0];
 215             my $indexed=0;
 216             # check each index to see if the subfield is stored somewhere
 217             # otherwise, store it in __RAW__ index
 218             foreach my $key (keys %index) {
 219                 if ($index{$key} =~ /$tag\*/ or $index{$key} =~ /$tag$subfieldcode/) {
 220                     $indexed=1;
 221                     my $line= lc $subfield->[1];
 222                     # remove meaningless value in the field...
 223                     $line =~ s/-|\.|\?|,|;|!|'|\(|\)|\[|\]|{|}|"|<|>|&|\+|\*|\/|=|:/ /g;
 224                     # ... and split in words
 225                     foreach (split / /,$line) {
 226                         next unless $_; # skip  empty values (multiple spaces)
 227                         # if the entry is already here, improve weight
 228                         if ($result{$key}->{"$_"} =~ /$authid,$title\-(\d);/) {
 229                             my $weight=$1+1;
 230                             $result{$key}->{"$_"} =~ s/$authid,$title\-(\d);//;
 231                             $result{$key}->{"$_"} .= "$authid,$title-$weight;";
 232                         # otherwise, create it, with weight=1
 233                         } else {
 234                             $result{$key}->{"$_"}.="$authid,$title-1;";
 235                         }
 236                     }
 237                 }
 238             }
 239             # the subfield is not indexed, store it in __RAW__ index anyway
 240             unless ($indexed) {
 241                 my $line= lc $subfield->[1];
 242                 $line =~ s/-|\.|\?|,|;|!|'|\(|\)|\[|\]|{|}|"|<|>|&|\+|\*|\/|=/ /g;
 243                 foreach (split / /,$line) {
 244                         next unless $_;
 245 #                     warn $record->as_formatted."$_ =>".$title;
 246                         if ($result{__RAW__}->{"$_"} =~ /$authid,$title\-(\d);/) {
 247                             my $weight=$1+1;
 248 #                             $weight++;
 249                             $result{__RAW__}->{"$_"} =~ s/$authid,$title\-(\d);//;
 250                             $result{__RAW__}->{"$_"} .= "$authid,$title-$weight;";
 251                         } else {
 252                             $result{__RAW__}->{"$_"}.="$authid,$title-1;";
 253                         }
 254                 }
 255             }
 256         }
 257     }
 258 }
 259 print "\nInserting...\n";
 260 $i=0;
 261 my $sth = $dbh->prepare("INSERT INTO nozebra (server,indexname,value,biblionumbers) VALUES ('authorityserver',?,?,?)");
 262 foreach my $key (keys %result) {
 263     foreach my $index (keys %{$result{$key}}) {
 264         if (length($result{$key}->{$index}) > 1000000) {
 265             print "very long index (".length($result{$key}->{$index}).")for $key / $index. update mySQL config file if you have an error just after this warning (max_paquet_size parameter)\n";
 266         }
 267         print "\r$i";
 268         $i++;
 269         $sth->execute($key,$index,$result{$key}->{$index});
 270     }
 271 }
 272 print "\nauthorities done\n";