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