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