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 my $sysprefs;
  25 GetOptions(
  26     'd:s'      => \$directory,
  27     'reset'      => \$reset,
  28     's'        => \$skip_export,
  29     'k'        => \$keep_export,
  30     'b'        => \$biblios,
  31     'a'        => \$authorities,
  32     's'        => \$sysprefs,  # rebuild 'NoZebraIndexes' syspref
  33     );
  34
  35 $directory = "export" unless $directory;
  36 my $dbh=C4::Context->dbh;
  37 $dbh->do("update systempreferences set value=1 where variable='NoZebra'");
  38
  39 $dbh->do("truncate nozebra");
  40
  41 my %index = GetNoZebraIndexes();
  42
  43 if  (!%index || $sysprefs ) {
  44     if (C4::Context->preference('marcflavour') eq 'UNIMARC') {
  45         $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',
  46         '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',
  47         'isbn' => '010a',
  48         'issn' => '011a',
  49         'biblionumber' =>'0909',
  50         'itemtype' => '200b',
  51         'language' => '101a',
  52         'publisher' => '210c',
  53         'date' => '210d',
  54         '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',
  55         'Koha-Auth-Number' => '6009,6019,6029,6039,6049,6059,6069,6109,7009,7019,7029,7109,7119,7129',
  56         'subject' => '600*,601*,606*,610*',
  57         'dewey' => '676a',
  58         'host-item' => '995a,995c',\" where variable='NoZebraIndexes'");
  59         %index = GetNoZebraIndexes();
  60     } elsif (C4::Context->preference('marcflavour') eq 'MARC21') {
  61         $dbh->do("UPDATE systempreferences SET value=\"
  62 'title' => '130a,210a,222a,240a,243a,245a,245b,246a,246b,247a,247b,250a,250b,440a,830a',
  63 'author' => '100a,100b,100c,100d,110a,111a,111b,111c,111d,245c,700a,710a,711a,800a,810a,811a',
  64 'isbn' => '020a',
  65 'issn' => '022a',
  66 'lccn' => '010a',
  67 'biblionumber => '999c',
  68 'itemtype' => '942c',
  69 'publisher' => '260b',
  70 'date' => '260c',
  71 'note' => '500a, 501a,504a,505a,508a,511a,518a,520a,521a,522a,524a,526a,530a,533a,538a,541a,546a,555a,556a,562a,563a,583a,585a,582a',
  72 'subject' => '600*,610*,611*,630*,650*,651*,653*,654*,655*,662*,690*',
  73 'dewey' => '082',
  74 'bc' => '952p',
  75 'callnum' => '952o',
  76 'an' => '6009,6109,6119',
  77 'series' => 440*,490*,
  78 'host-item' => '952a,952c',
  79 \"WHERE variable='NoZebraIndexes'");
  80
  81         %index = GetNoZebraIndexes();
  82     }
  83 }
  84 $|=1;
  85
  86 print "***********************************\n";
  87 print "***** building BIBLIO indexes *****\n";
  88 print "***********************************\n";
  89 my $sth;
  90 $sth=$dbh->prepare("select biblionumber from biblioitems order by biblionumber $limit");
  91 $sth->execute();
  92 my $i=0;
  93 my %result;
  94 while (my ($biblionumber) = $sth->fetchrow) {
  95         $i++;
  96         print "\r$i";
  97         my  $record;
  98     eval{
  99             $record = GetMarcBiblio($biblionumber);
 100     };
 101     if($@){
 102             print "  There was some pb getting biblionumber : ".$biblionumber."\n";
 103             next;
 104     }
 105     next unless $record;
 106     # get title of the record (to store the 10 first letters with the index)
 107     my ($titletag,$titlesubfield) = GetMarcFromKohaField('biblio.title');
 108     my $title = lc($record->subfield($titletag,$titlesubfield));
 109
 110     # remove blancks comma (that could cause problem when decoding the string for CQL retrieval) and regexp specific values
 111     $title =~ s/ |,|;|\[|\]|\(|\)|\*|-|'|=//g;
 112     # limit to 10 char, should be enough, and limit the DB size
 113     $title = substr($title,0,10);
 114     #parse each field
 115     foreach my $field ($record->fields()) {
 116         #parse each subfield
 117         next if $field->tag <10;
 118         foreach my $subfield ($field->subfields()) {
 119             my $tag = $field->tag();
 120             my $subfieldcode = $subfield->[0];
 121             my $indexed=0;
 122             # check each index to see if the subfield is stored somewhere
 123             # otherwise, store it in __RAW__ index
 124             foreach my $key (keys %index) {
 125                 if ($index{$key} =~ /$tag\*/ or $index{$key} =~ /$tag$subfieldcode/) {
 126                     $indexed=1;
 127                     my $line= lc $subfield->[1];
 128                     # remove meaningless value in the field...
 129                     $line =~ s/-|\.|\?|,|;|!|'|\(|\)|\[|\]|{|}|"|<|>|&|\+|\*|\/|=|:/ /g;
 130                     # ... and split in words
 131                     foreach (split / /,$line) {
 132                         next unless $_; # skip  empty values (multiple spaces)
 133                         # remove any accented char
 134                         # if the entry is already here, improve weight
 135                         if ($result{$key}->{"$_"} =~ /$biblionumber,\Q$title\E\-(\d);/) {
 136                             my $weight=$1+1;
 137                             $result{$key}->{"$_"} =~ s/$biblionumber,\Q$title\E\-(\d);//;
 138                             $result{$key}->{"$_"} .= "$biblionumber,$title-$weight;";
 139                         # otherwise, create it, with weight=1
 140                         } else {
 141                             $result{$key}->{"$_"}.="$biblionumber,$title-1;";
 142                         }
 143                     }
 144                 }
 145             }
 146             # the subfield is not indexed, store it in __RAW__ index anyway
 147             unless ($indexed) {
 148                 my $line= lc $subfield->[1];
 149                 $line =~ s/-|\.|\?|,|;|!|'|\(|\)|\[|\]|{|}|"|<|>|&|\+|\*|\/|=/ /g;
 150                 foreach (split / /,$line) {
 151                         next unless $_;
 152 #                     warn $record->as_formatted."$_ =>".$title;
 153                         if ($result{__RAW__}->{"$_"} =~ /$biblionumber,\Q$title\E\-(\d);/) {
 154                             my $weight=$1+1;
 155 #                             $weight++;
 156                             $result{__RAW__}->{"$_"} =~ s/$biblionumber,\Q$title\E\-(\d);//;
 157                             $result{__RAW__}->{"$_"} .= "$biblionumber,$title-$weight;";
 158                         } else {
 159                             $result{__RAW__}->{"$_"}.="$biblionumber,$title-1;";
 160                         }
 161                 }
 162             }
 163         }
 164     }
 165 }
 166 print "\nInserting records...\n";
 167 $i=0;
 168 $sth = $dbh->prepare("INSERT INTO nozebra (server,indexname,value,biblionumbers) VALUES ('biblioserver',?,?,?)");
 169 foreach my $key (keys %result) {
 170     foreach my $index (keys %{$result{$key}}) {
 171         if (length($result{$key}->{$index}) > 1000000) {
 172             print "very long index (".length($result{$key}->{$index}).")for $key / $index. update mySQL config file if you have an error just after this warning (max_paquet_size parameter)\n";
 173         }
 174         print "\r$i";
 175         $i++;
 176         $sth->execute($key,$index,$result{$key}->{$index});
 177     }
 178 }
 179 print "\nbiblios done\n";
 180
 181 print "\n***********************************\n";
 182 print "***** building AUTHORITIES indexes *****\n";
 183 print "***********************************\n";
 184
 185 $sth=$dbh->prepare("select authid from auth_header order by authid $limit");
 186 $sth->execute();
 187 $i=0;
 188 %result = ();
 189 while (my ($authid) = $sth->fetchrow) {
 190     $i++;
 191     print "\r$i";
 192     my $record;
 193     eval{
 194         $record = GetAuthority($authid);
 195     };
 196     if($@){
 197         print "  There was some pb getting authnumber : ".$authid."\n";
 198         next;
 199     }
 200
 201     my %index;
 202     # for authorities, the "title" is the $a mainentry
 203     my $authref = C4::AuthoritiesMarc::GetAuthType(C4::AuthoritiesMarc::GetAuthTypeCode($authid));
 204
 205     warn "ERROR : authtype undefined for ".$record->as_formatted unless $authref;
 206     my $title = $record->subfield($authref->{auth_tag_to_report},'a');
 207     $index{'mainmainentry'}= $authref->{'auth_tag_to_report'}.'a';
 208     $index{'mainentry'}    = $authref->{'auth_tag_to_report'}.'*';
 209     $index{'auth_type'}    = '152b';
 210
 211     # remove blancks comma (that could cause problem when decoding the string for CQL retrieval) and regexp specific values
 212     $title =~ s/ |,|;|\[|\]|\(|\)|\*|-|'|=//g;
 213     $title = quotemeta $title;
 214     # limit to 10 char, should be enough, and limit the DB size
 215     $title = substr($title,0,10);
 216     #parse each field
 217     foreach my $field ($record->fields()) {
 218         #parse each subfield
 219         next if $field->tag <10;
 220         foreach my $subfield ($field->subfields()) {
 221             my $tag = $field->tag();
 222             my $subfieldcode = $subfield->[0];
 223             my $indexed=0;
 224             # check each index to see if the subfield is stored somewhere
 225             # otherwise, store it in __RAW__ index
 226             foreach my $key (keys %index) {
 227                 if ($index{$key} =~ /$tag\*/ or $index{$key} =~ /$tag$subfieldcode/) {
 228                     $indexed=1;
 229                     my $line= lc $subfield->[1];
 230                     # remove meaningless value in the field...
 231                     $line =~ s/-|\.|\?|,|;|!|'|\(|\)|\[|\]|{|}|"|<|>|&|\+|\*|\/|=|:/ /g;
 232                     # ... and split in words
 233                     foreach (split / /,$line) {
 234                         next unless $_; # skip  empty values (multiple spaces)
 235                         # if the entry is already here, improve weight
 236                         if ($result{$key}->{"$_"} =~ /$authid,$title\-(\d);/) {
 237                             my $weight=$1+1;
 238                             $result{$key}->{"$_"} =~ s/$authid,$title\-(\d);//;
 239                             $result{$key}->{"$_"} .= "$authid,$title-$weight;";
 240                         # otherwise, create it, with weight=1
 241                         } else {
 242                             $result{$key}->{"$_"}.="$authid,$title-1;";
 243                         }
 244                     }
 245                 }
 246             }
 247             # the subfield is not indexed, store it in __RAW__ index anyway
 248             unless ($indexed) {
 249                 my $line= lc $subfield->[1];
 250                 $line =~ s/-|\.|\?|,|;|!|'|\(|\)|\[|\]|{|}|"|<|>|&|\+|\*|\/|=/ /g;
 251                 foreach (split / /,$line) {
 252                         next unless $_;
 253 #                     warn $record->as_formatted."$_ =>".$title;
 254                         if ($result{__RAW__}->{"$_"} =~ /$authid,$title\-(\d);/) {
 255                             my $weight=$1+1;
 256 #                             $weight++;
 257                             $result{__RAW__}->{"$_"} =~ s/$authid,$title\-(\d);//;
 258                             $result{__RAW__}->{"$_"} .= "$authid,$title-$weight;";
 259                         } else {
 260                             $result{__RAW__}->{"$_"}.="$authid,$title-1;";
 261                         }
 262                 }
 263             }
 264         }
 265     }
 266 }
 267 print "\nInserting...\n";
 268 $i=0;
 269 $sth = $dbh->prepare("INSERT INTO nozebra (server,indexname,value,biblionumbers) VALUES ('authorityserver',?,?,?)");
 270 foreach my $key (keys %result) {
 271     foreach my $index (keys %{$result{$key}}) {
 272         if (length($result{$key}->{$index}) > 1000000) {
 273             print "very long index (".length($result{$key}->{$index}).")for $key / $index. update mySQL config file if you have an error just after this warning (max_paquet_size parameter)\n";
 274         }
 275         print "\r$i";
 276         $i++;
 277         $sth->execute($key,$index,$result{$key}->{$index});
 278     }
 279 }
 280 print "\nauthorities done\n";