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 $dbh->do("CREATE TABLE `nozebra` (
  37                 `server` varchar(20)     NOT NULL,
  38                 `indexname` varchar(40)  NOT NULL,
  39                 `value` varchar(250)     NOT NULL,
  40                 `biblionumbers` longtext NOT NULL,
  41                 KEY `indexname` (`server`,`indexname`),
  42                 KEY `value` (`server`,`value`))
  43                 ENGINE=InnoDB DEFAULT CHARSET=utf8");
  44
  45 $dbh->do("truncate nozebra");
  46
  47 my %index = GetNoZebraIndexes();
  48
  49 unless (%index) {
  50     if (C4::Context->preference('marcflavour') eq 'UNIMARC') {
  51         $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',
  52         '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',
  53         'isbn' => '010a',
  54         'issn' => '011a',
  55         'biblionumber' =>'0909',
  56         'itemtype' => '200b',
  57         'language' => '101a',
  58         'publisher' => '210x',
  59         'date' => '210d',
  60         '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',
  61         'Koha-Auth-Number' => '6009,6019,6029,6039,6049,6059,6069,6109,7009,7019,7029,7109,7119,7129',
  62         'subject' => '600*,601*,606*,610*',
  63         'dewey' => '676a',
  64         'host-item' => '995a,995c',\" where variable='NoZebraIndexes'");
  65         %index = GetNoZebraIndexes();
  66     } else {
  67         # build a MARC21 default index file
  68     }
  69 }
  70 $|=1;
  71
  72 print "***********************************\n";
  73 print "***** building BIBLIO indexes *****\n";
  74 print "***********************************\n";
  75 my $sth;
  76 $sth=$dbh->prepare("select biblionumber from biblioitems order by biblionumber $limit");
  77 $sth->execute();
  78 my $i=0;
  79 my %result;
  80 while (my ($biblionumber) = $sth->fetchrow) {
  81     $i++;
  82     print "\r$i";
  83     my  $record;
  84    eval{
  85         $record = GetMarcBiblio($biblionumber);
  86    };
  87    if($@){
  88         print "  There was some pb getting biblionumber : ".$biblionumber."\n";
  89         next;
  90    }
  91     # get title of the record (to store the 10 first letters with the index)
  92     my ($titletag,$titlesubfield) = GetMarcFromKohaField('biblio.title');
  93     my $title = lc($record->subfield($titletag,$titlesubfield));
  94
  95     # remove blancks comma (that could cause problem when decoding the string for CQL retrieval) and regexp specific values
  96     $title =~ s/ |,|;|\[|\]|\(|\)|\*|-|'|=//g;
  97     # limit to 10 char, should be enough, and limit the DB size
  98     $title = substr($title,0,10);
  99     #parse each field
 100     foreach my $field ($record->fields()) {
 101         #parse each subfield
 102         next if $field->tag <10;
 103         foreach my $subfield ($field->subfields()) {
 104             my $tag = $field->tag();
 105             my $subfieldcode = $subfield->[0];
 106             my $indexed=0;
 107             # check each index to see if the subfield is stored somewhere
 108             # otherwise, store it in __RAW__ index
 109             foreach my $key (keys %index) {
 110                 if ($index{$key} =~ /$tag\*/ or $index{$key} =~ /$tag$subfieldcode/) {
 111                     $indexed=1;
 112                     my $line= lc $subfield->[1];
 113                     # remove meaningless value in the field...
 114                     $line =~ s/-|\.|\?|,|;|!|'|\(|\)|\[|\]|{|}|"|<|>|&|\+|\*|\/|=|:/ /g;
 115                     # ... and split in words
 116                     foreach (split / /,$line) {
 117                         next unless $_; # skip  empty values (multiple spaces)
 118                         # if the entry is already here, improve weight
 119                         if ($result{$key}->{$_} =~ /$biblionumber,$title\-(\d);/) {
 120                             my $weight=$1+1;
 121                             $result{$key}->{$_} =~ s/$biblionumber,$title\-(\d);//;
 122                             $result{$key}->{$_} .= "$biblionumber,$title-$weight;";
 123                         # otherwise, create it, with weight=1
 124                         } else {
 125                             $result{$key}->{$_}.="$biblionumber,$title-1;";
 126                         }
 127                     }
 128                 }
 129             }
 130             # the subfield is not indexed, store it in __RAW__ index anyway
 131             unless ($indexed) {
 132                 my $line= lc $subfield->[1];
 133                 $line =~ s/-|\.|\?|,|;|!|'|\(|\)|\[|\]|{|}|"|<|>|&|\+|\*|\/|=/ /g;
 134                 foreach (split / /,$line) {
 135                         next unless $_;
 136 #                     warn $record->as_formatted."$_ =>".$title;
 137                         if ($result{__RAW__}->{$_} =~ /$biblionumber,$title\-(\d);/) {
 138                             my $weight=$1+1;
 139 #                             $weight++;
 140                             $result{__RAW__}->{$_} =~ s/$biblionumber,$title\-(\d);//;
 141                             $result{__RAW__}->{$_} .= "$biblionumber,$title-$weight;";
 142                         } else {
 143                             $result{__RAW__}->{$_}.="$biblionumber,$title-1;";
 144                         }
 145                 }
 146             }
 147         }
 148     }
 149 }
 150 my $sth = $dbh->prepare("INSERT INTO nozebra (server,indexname,value,biblionumbers) VALUES ('biblioserver',?,?,?)");
 151 foreach my $key (keys %result) {
 152     foreach my $index (keys %{$result{$key}}) {
 153         if (length($result{$key}->{$index}) > 1000000) {
 154             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";
 155         }
 156         $sth->execute($key,$index,$result{$key}->{$index});
 157     }
 158 }
 159
 160 print "\n***********************************\n";
 161 print "***** building AUTHORITIES indexes *****\n";
 162 print "***********************************\n";
 163
 164 my $sth;
 165 $sth=$dbh->prepare("select authid from auth_header order by authid $limit");
 166 $sth->execute();
 167 my $i=0;
 168 my %result;
 169 while (my ($authid) = $sth->fetchrow) {
 170     $i++;
 171     print "\r$i";
 172     my $record = GetAuthority($authid);
 173
 174     my %index;
 175     # for authorities, the "title" is the $a mainentry
 176     my $authref = C4::AuthoritiesMarc::GetAuthType($record->subfield(152,'b'));
 177     use Data::Dumper;
 178 #     warn "for $authid / ".$record->as_formatted. "Dumper : ".Dumper($authref);
 179     warn "ERROR : authtype undefined for ".$record->as_formatted unless $authref;
 180     my $title = $record->subfield($authref->{auth_tag_to_report},'a');
 181     $index{'mainmainentry'}= $authref->{'auth_tag_to_report'}.'a';
 182     $index{'mainentry'}    = $authref->{'auth_tag_to_report'}.'*';
 183     $index{'auth_type'}    = '152b';
 184
 185     # remove blancks comma (that could cause problem when decoding the string for CQL retrieval) and regexp specific values
 186     $title =~ s/ |,|;|\[|\]|\(|\)|\*|-|'|=//g;
 187     # limit to 10 char, should be enough, and limit the DB size
 188     $title = substr($title,0,10);
 189     #parse each field
 190     foreach my $field ($record->fields()) {
 191         #parse each subfield
 192         next if $field->tag <10;
 193         foreach my $subfield ($field->subfields()) {
 194             my $tag = $field->tag();
 195             my $subfieldcode = $subfield->[0];
 196             my $indexed=0;
 197             # check each index to see if the subfield is stored somewhere
 198             # otherwise, store it in __RAW__ index
 199             foreach my $key (keys %index) {
 200                 if ($index{$key} =~ /$tag\*/ or $index{$key} =~ /$tag$subfieldcode/) {
 201                     $indexed=1;
 202                     my $line= lc $subfield->[1];
 203                     # remove meaningless value in the field...
 204                     $line =~ s/-|\.|\?|,|;|!|'|\(|\)|\[|\]|{|}|"|<|>|&|\+|\*|\/|=|:/ /g;
 205                     # ... and split in words
 206                     foreach (split / /,$line) {
 207                         next unless $_; # skip  empty values (multiple spaces)
 208                         # if the entry is already here, improve weight
 209                         if ($result{$key}->{$_} =~ /$authid,$title\-(\d);/) {
 210                             my $weight=$1+1;
 211                             $result{$key}->{$_} =~ s/$authid,$title\-(\d);//;
 212                             $result{$key}->{$_} .= "$authid,$title-$weight;";
 213                         # otherwise, create it, with weight=1
 214                         } else {
 215                             $result{$key}->{$_}.="$authid,$title-1;";
 216                         }
 217                     }
 218                 }
 219             }
 220             # the subfield is not indexed, store it in __RAW__ index anyway
 221             unless ($indexed) {
 222                 my $line= lc $subfield->[1];
 223                 $line =~ s/-|\.|\?|,|;|!|'|\(|\)|\[|\]|{|}|"|<|>|&|\+|\*|\/|=/ /g;
 224                 foreach (split / /,$line) {
 225                         next unless $_;
 226 #                     warn $record->as_formatted."$_ =>".$title;
 227                         if ($result{__RAW__}->{$_} =~ /$authid,$title\-(\d);/) {
 228                             my $weight=$1+1;
 229 #                             $weight++;
 230                             $result{__RAW__}->{$_} =~ s/$authid,$title\-(\d);//;
 231                             $result{__RAW__}->{$_} .= "$authid,$title-$weight;";
 232                         } else {
 233                             $result{__RAW__}->{$_}.="$authid,$title-1;";
 234                         }
 235                 }
 236             }
 237         }
 238     }
 239 }
 240 my $sth = $dbh->prepare("INSERT INTO nozebra (server,indexname,value,biblionumbers) VALUES ('authorityserver',?,?,?)");
 241 foreach my $key (keys %result) {
 242     foreach my $index (keys %{$result{$key}}) {
 243         if (length($result{$key}->{$index}) > 1000000) {
 244             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";
 245         }
 246         $sth->execute($key,$index,$result{$key}->{$index});
 247     }
 248 }