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 $record = GetMarcBiblio($biblionumber);
  84
  85     # get title of the record (to store the 10 first letters with the index)
  86     my ($titletag,$titlesubfield) = GetMarcFromKohaField('biblio.title');
  87     my $title = lc($record->subfield($titletag,$titlesubfield));
  88
  89     # remove blancks comma (that could cause problem when decoding the string for CQL retrieval) and regexp specific values
  90     $title =~ s/ |,|;|\[|\]|\(|\)|\*|-|'|=//g;
  91     # limit to 10 char, should be enough, and limit the DB size
  92     $title = substr($title,0,10);
  93     #parse each field
  94     foreach my $field ($record->fields()) {
  95         #parse each subfield
  96         next if $field->tag <10;
  97         foreach my $subfield ($field->subfields()) {
  98             my $tag = $field->tag();
  99             my $subfieldcode = $subfield->[0];
 100             my $indexed=0;
 101             # check each index to see if the subfield is stored somewhere
 102             # otherwise, store it in __RAW__ index
 103             foreach my $key (keys %index) {
 104                 if ($index{$key} =~ /$tag\*/ or $index{$key} =~ /$tag$subfieldcode/) {
 105                     $indexed=1;
 106                     my $line= lc $subfield->[1];
 107                     # remove meaningless value in the field...
 108                     $line =~ s/-|\.|\?|,|;|!|'|\(|\)|\[|\]|{|}|"|<|>|&|\+|\*|\/|=|:/ /g;
 109                     # ... and split in words
 110                     foreach (split / /,$line) {
 111                         next unless $_; # skip  empty values (multiple spaces)
 112                         # if the entry is already here, improve weight
 113                         if ($result{$key}->{$_} =~ /$biblionumber,$title\-(\d);/) {
 114                             my $weight=$1+1;
 115                             $result{$key}->{$_} =~ s/$biblionumber,$title\-(\d);//;
 116                             $result{$key}->{$_} .= "$biblionumber,$title-$weight;";
 117                         # otherwise, create it, with weight=1
 118                         } else {
 119                             $result{$key}->{$_}.="$biblionumber,$title-1;";
 120                         }
 121                     }
 122                 }
 123             }
 124             # the subfield is not indexed, store it in __RAW__ index anyway
 125             unless ($indexed) {
 126                 my $line= lc $subfield->[1];
 127                 $line =~ s/-|\.|\?|,|;|!|'|\(|\)|\[|\]|{|}|"|<|>|&|\+|\*|\/|=/ /g;
 128                 foreach (split / /,$line) {
 129                         next unless $_;
 130 #                     warn $record->as_formatted."$_ =>".$title;
 131                         if ($result{__RAW__}->{$_} =~ /$biblionumber,$title\-(\d);/) {
 132                             my $weight=$1+1;
 133 #                             $weight++;
 134                             $result{__RAW__}->{$_} =~ s/$biblionumber,$title\-(\d);//;
 135                             $result{__RAW__}->{$_} .= "$biblionumber,$title-$weight;";
 136                         } else {
 137                             $result{__RAW__}->{$_}.="$biblionumber,$title-1;";
 138                         }
 139                 }
 140             }
 141         }
 142     }
 143 }
 144 my $sth = $dbh->prepare("INSERT INTO nozebra (server,indexname,value,biblionumbers) VALUES ('biblioserver',?,?,?)");
 145 foreach my $key (keys %result) {
 146     foreach my $index (keys %{$result{$key}}) {
 147         if (length($result{$key}->{$index}) > 1000000) {
 148             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";
 149         }
 150         $sth->execute($key,$index,$result{$key}->{$index});
 151     }
 152 }
 153
 154 print "\n***********************************\n";
 155 print "***** building AUTHORITIES indexes *****\n";
 156 print "***********************************\n";
 157
 158 my $sth;
 159 $sth=$dbh->prepare("select authid from auth_header order by authid $limit");
 160 $sth->execute();
 161 my $i=0;
 162 my %result;
 163 while (my ($authid) = $sth->fetchrow) {
 164     $i++;
 165     print "\r$i";
 166     my $record = GetAuthority($authid);
 167
 168     my %index;
 169     # for authorities, the "title" is the $a mainentry
 170     my $authref = C4::AuthoritiesMarc::GetAuthType($record->subfield(152,'b'));
 171     use Data::Dumper;
 172 #     warn "for $authid / ".$record->as_formatted. "Dumper : ".Dumper($authref);
 173     warn "ERROR : authtype undefined for ".$record->as_formatted unless $authref;
 174     my $title = $record->subfield($authref->{auth_tag_to_report},'a');
 175     $index{'mainmainentry'}= $authref->{'auth_tag_to_report'}.'a';
 176     $index{'mainentry'}    = $authref->{'auth_tag_to_report'}.'*';
 177     $index{'auth_type'}    = '152b';
 178
 179     # remove blancks comma (that could cause problem when decoding the string for CQL retrieval) and regexp specific values
 180     $title =~ s/ |,|;|\[|\]|\(|\)|\*|-|'|=//g;
 181     # limit to 10 char, should be enough, and limit the DB size
 182     $title = substr($title,0,10);
 183     #parse each field
 184     foreach my $field ($record->fields()) {
 185         #parse each subfield
 186         next if $field->tag <10;
 187         foreach my $subfield ($field->subfields()) {
 188             my $tag = $field->tag();
 189             my $subfieldcode = $subfield->[0];
 190             my $indexed=0;
 191             # check each index to see if the subfield is stored somewhere
 192             # otherwise, store it in __RAW__ index
 193             foreach my $key (keys %index) {
 194                 if ($index{$key} =~ /$tag\*/ or $index{$key} =~ /$tag$subfieldcode/) {
 195                     $indexed=1;
 196                     my $line= lc $subfield->[1];
 197                     # remove meaningless value in the field...
 198                     $line =~ s/-|\.|\?|,|;|!|'|\(|\)|\[|\]|{|}|"|<|>|&|\+|\*|\/|=|:/ /g;
 199                     # ... and split in words
 200                     foreach (split / /,$line) {
 201                         next unless $_; # skip  empty values (multiple spaces)
 202                         # if the entry is already here, improve weight
 203                         if ($result{$key}->{$_} =~ /$authid,$title\-(\d);/) {
 204                             my $weight=$1+1;
 205                             $result{$key}->{$_} =~ s/$authid,$title\-(\d);//;
 206                             $result{$key}->{$_} .= "$authid,$title-$weight;";
 207                         # otherwise, create it, with weight=1
 208                         } else {
 209                             $result{$key}->{$_}.="$authid,$title-1;";
 210                         }
 211                     }
 212                 }
 213             }
 214             # the subfield is not indexed, store it in __RAW__ index anyway
 215             unless ($indexed) {
 216                 my $line= lc $subfield->[1];
 217                 $line =~ s/-|\.|\?|,|;|!|'|\(|\)|\[|\]|{|}|"|<|>|&|\+|\*|\/|=/ /g;
 218                 foreach (split / /,$line) {
 219                         next unless $_;
 220 #                     warn $record->as_formatted."$_ =>".$title;
 221                         if ($result{__RAW__}->{$_} =~ /$authid,$title\-(\d);/) {
 222                             my $weight=$1+1;
 223 #                             $weight++;
 224                             $result{__RAW__}->{$_} =~ s/$authid,$title\-(\d);//;
 225                             $result{__RAW__}->{$_} .= "$authid,$title-$weight;";
 226                         } else {
 227                             $result{__RAW__}->{$_}.="$authid,$title-1;";
 228                         }
 229                 }
 230             }
 231         }
 232     }
 233 }
 234 my $sth = $dbh->prepare("INSERT INTO nozebra (server,indexname,value,biblionumbers) VALUES ('authorityserver',?,?,?)");
 235 foreach my $key (keys %result) {
 236     foreach my $index (keys %{$result{$key}}) {
 237         if (length($result{$key}->{$index}) > 1000000) {
 238             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";
 239         }
 240         $sth->execute($key,$index,$result{$key}->{$index});
 241     }
 242 }