misc/spellcheck_suggest/make_spellcheck_suggest.pl

   1 #!/usr/bin/perl -w
   2 ## This Script creates a Koha suggest and spellcheck database
   3 ## for those features as visible on LibLime's opac: opac.liblime.com
   4 ## It also contains the needed specs for creating a table of
   5 ## queries for statistical purposes as well as a method of
   6 ## returning popular searches via the suggest and spellcheck.
   7 ## The code for running suggest and spellcheck can be found
   8 ## either in Koha 2.4 CVS (HEAD as of this writing) or at
   9 ## LibLime's website in the downlaods
  10 ## section: http://liblime.com/c/downloads.html
  11 ##
  12 ##Author: Joshua Ferraro jmf at liblime dot com
  13 ##
  14 ## TODO: add suggest features, merge the two of them?
  15 ## There are a few configurable variables.
  16
  17 ## CONFIGURABLE VARIABLES ####################
  18 ##
  19  # These are the tags that have meaningful data
  20  # for the databases I've worked with (MARC21 only)
  21  # you may need to change them depending on your data
  22 my @tags=(
  23 #Tag documentation from http://lcweb.loc.gov/marc/bibliographic/ecbdhome.html
  24 "020a", # INTERNATIONAL STANDARD BOOK NUMBER
  25 #"022a", # INTERNATIONAL STANDARD SERIAL NUMBER
  26 "100a", # MAIN ENTRY--PERSONAL NAME
  27 "110a", # MAIN ENTRY--CORPORATE NAME
  28 #"110b", #   Subordinate unit
  29 #"110c", #   Location of meeting
  30 #"111a", # MAIN ENTRY--MEETING NAME
  31 #"111c", #   Location of meeting
  32 "130a", # MAIN ENTRY--UNIFORM TITLE
  33 "240a", # UNIFORM TITLE
  34 "245a", # TITLE STATEMENT
  35 "245b", #   Remainder of title
  36 "245c", #   Statement of responsibility, etc.
  37 "245p", #   Name of part/section of a work
  38 "246a", # VARYING FORM OF TITLE
  39 "246b", #   Remainder of title
  40 #"260b", # PUBLICATION, DISTRIBUTION, ETC. (IMPRINT)
  41 "440a", # SERIES STATEMENT/ADDED ENTRY--TITLE
  42 "440p", #   Name of part/section of a work
  43 #"500a", # GENERAL NOTE
  44 "505t", # FORMATTED CONTENTS NOTE (t is Title)
  45 "511a", # PARTICIPANT OR PERFORMER NOTE
  46 #"520a", # SUMMARY, ETC.
  47 "534a", # ORIGINAL VERSION NOTE
  48 #"534k", #   Key title of original
  49 #"534t", #   Title statement of original
  50 #"586a", # AWARDS NOTE
  51 "600a", # SUBJECT ADDED ENTRY--PERSONAL NAME
  52 "610a", # SUBJECT ADDED ENTRY--CORPORATE NAME
  53 "611a", # SUBJECT ADDED ENTRY--MEETING NAME
  54 "630a", # SUBJECT ADDED ENTRY--UNIFORM TITLE
  55 "650a", # SUBJECT ADDED ENTRY--TOPICAL TERM
  56 "651a", # SUBJECT ADDED ENTRY--GEOGRAPHIC NAME
  57 "700a", # ADDED ENTRY--PERSONAL NAME
  58 "710a", # ADDED ENTRY--CORPORATE NAME
  59 #"711a", # ADDED ENTRY--MEETING NAME
  60 #"720a", # ADDED ENTRY--UNCONTROLLED NAME
  61 "730a", # ADDED ENTRY--UNIFORM TITLE
  62 "740a", # ADDED ENTRY--UNCONTROLLED RELATED/ANALYTICAL TITLE
  63 #"752a", # ADDED ENTRY--HIERARCHICAL PLACE NAME
  64 "800a", # SERIES ADDED ENTRY--PERSONAL NAME
  65 #"810a", # SERIES ADDED ENTRY--CORPORATE NAME
  66 #"811a", # SERIES ADDED ENTRY--MEETING NAME
  67 "830a", # SERIES ADDED ENTRY--UNIFORM TITLE
  68 #"942k"  # Holdings Branch ?? Unique to NPL??
  69 );
  70 ## Leave this next bit alone
  71 use strict;
  72 BEGIN {
  73     # find Koha's Perl modules
  74     # test carefully before changing this
  75     use FindBin;
  76     eval { require "$FindBin::Bin/../kohalib.pl" };
  77 }
  78 use C4::Context;
  79 ##
  80  # SUGGEST DATABASE INFO
  81  # You'll need to change this if you want to keep your 'suggest' database
  82  # separate from your Koha database -- simply comment out the next line
  83  # and uncomment the one after it, adding your site info (check out GRANT
  84  # syntax in the mysql manual if you're unsure how enable authentication)
  85 #
  86 my dbh2 = C4::Context->dbh;
  87 #
  88 #my $dbh2=DBI->connect("DBI:mysql:<add your database name here>:localhost","<add your mysql user here>","<add your password here>");
  89 ########################################################################
  90 ## End of most common configurable variables: in most cases you won't need
  91 ## edit any further ... of course feel free to indulge yourself ;-)
  92 ########################################################################
  93 my $dbh=C4::Context->dbh;
  94 my $counter = 0;
  95
  96 # Check for existance of suggest database and add if it doesn't.
  97 print "Step 1 of 5: Checking to make sure suggest tables exist\n";
  98 my $check_tables_query = "select distinct resultcount from ?";
  99 my @tables = ("notdistinctspchk", "notdistinctsugg", "spellcheck", "suggestions");
 100 my %tables = ( notdistinctspchk => "( display varchar(40) not null default,
 101                                 suggestion varchar(40) not null default,
 102 foreach my $table (@tables) {
 103   my $sth_check=$dbh2->prepare($check_tables_query) || die "cant prepare query: $DBI::errstr";
 104   my $rv = $sth_check->execute($table);
 105   if($rv eq undef) {
 106     print "$table missing ... creating it now\n";
 107     my $create_this = "CREATE TABLE \'$table\' \(
 108                         display varchar\(40\) NOT NULL default \'\',
 109                         suggestion varchar\(40\) NOT NULL default \'\',
 110                         resultcount varchar\(40\) NOT NULL default \'0\'
 111                         \) TYPE=MyISAM";
 112     my $sth_create = $dbh->prepare($create_this) || die "can't prepare query: $DBI::errstr";
 113     $sth_create->execute() || die "can't execute: $DBI::errstr";
 114     print "$table created ...\n";
 115   }else {
 116     print "$table exists ...  moving along\n";
 117   }
 118 }
 119 print "All tables present ... moving along\n";
 120
 121 print "Step 2 of 5: Deleting old data\n";
 122 my $clear_out = "DELETE FROM notdistinctspchk";
 123 # Clear out old data
 124 my $sth_clear_out=$dbh2->prepare($clear_out) || die "cant prepare query";
 125 $sth_clear_out->execute();
 126 print "Step 3 of 5: Creating non-distinct table from various Koha tables\n";
 127 my $query_words = "SELECT DISTINCT word, COUNT(word) FROM marc_word";
 128 my $query_marc_subfields = "SELECT DISTINCT subfieldvalue, COUNT(subfieldvalue) FROM marc_subfield_table";
 129 my $query_titles = "SELECT DISTINCT title, COUNT(title) FROM biblio GROUP BY title";
 130 my $query_authors = "SELECT DISTINCT author, COUNT(author) FROM biblio GROUP BY author";
 131
 132 my @queries = ("$query_words", "$query_marc_subfields", "$query_titles", "$query_authors");
 133
 134 foreach my $query (@queries) {
 135
 136         #we need to do some special stuff for marc_word and marc_subfield_table queries
 137         if ($query eq $queries[0]) { #marc_word
 138         my $listoftagsubfields;
 139           my $notfirst;
 140             foreach my $tag (@tags) {
 141               $listoftagsubfields.="$tag, ";
 142               if (!$notfirst) {
 143                 $query.=" WHERE tagsubfield=\'$tag\'";
 144                 $notfirst = 1;
 145               } else {
 146                 $query.=" OR tagsubfield=\'$tag\'";
 147               }
 148             }#foreach
 149         $query.=" GROUP BY word";
 150         print "Finished building marc_word list\n";
 151         print "Adding marc_word entries with the following tagsubfields:"."$listoftagsubfields"."\n";
 152         }
 153
 154         if ($query eq $queries[1]) { #marc_subfield_table
 155         my $listofsubfieldstuff; #for testing
 156         my $notfirst;
 157           foreach my $tag (@tags) {
 158             my $justtag = $tag;
 159             $justtag =~ s/\D\Z//;
 160             my $subfieldcode = $&;
 161             $listofsubfieldstuff.="$justtag, "."$subfieldcode, ";
 162             if (!$notfirst) {
 163               $query.=" WHERE (tag=\'$justtag\' and subfieldcode=\'$subfieldcode\')";
 164               $notfirst = 1;
 165             } else {
 166               $query.=" OR (tag=\'$justtag\' and subfieldcode=\'$subfieldcode\')";
 167             }
 168           }#foreach
 169         $query.=" GROUP BY subfieldvalue";
 170         print "Finished building marc_subfield_table list\n";
 171         print "Adding marc_subfield_table entries with the following tags and subfields:"."$listofsubfieldstuff"."\n";
 172         }
 173
 174         my $sth=$dbh->prepare($query) || die "cant prepare query";
 175         $sth->execute();
 176
 177         my $insert = "INSERT INTO notdistinctspchk(suggestion,display,resultcount) VALUES(?,?,?)";
 178
 179         my $sth2=$dbh2->prepare($insert);
 180
 181         while (my ($phraseterm,$count)=$sth->fetchrow_array) {
 182                 if ($phraseterm) {
 183                   #$display looks exactly like the DB
 184                   my $display = $phraseterm;
 185                   #except for a few things
 186                   $display =~s/  / /g;
 187                   $display =~ s/^\s+//; #remove leading whitespace
 188                   $display  =~ s/\s+$//; #remove trailing whitespace
 189                   $display =~ s/(\.|\/)/ /g;
 190
 191                   #suggestion is tweaked for optimal searching
 192                   my $suggestion = $phraseterm;
 193                   $suggestion =~ tr/A-Z/a-z/;
 194                   $suggestion =~ s/(\.|\?|\:|\!|\'|,|\-|\"|\(|\)|\[|\]|\{|\})/ /g;
 195                   $suggestion =~s/(\Aand-or |\Aand\/or |\Aanon |\Aan |\Aa |\Abut |\Aby |\Ade |\Ader |\Adr |\Adu|et |\Afor |\Afrom |\Ain |\Ainto |\Ait |\Amy |\Anot |\Aon |\Aor |\Aper |\Apt |\Aspp |\Ato |\Avs |\Awith |\Athe )/ /g;
 196                   $suggestion =~s/( and-or | and\/or | anon | an | a | but | by | de | der | dr | du|et | for | from | in | into | it | my | not | on | or | per | pt | spp | to | vs | with | the )/ /g;
 197
 198                   $suggestion =~s/  / /g;
 199
 200                   $suggestion =~ s/^\s+//; #remove leading whitespace
 201                   $suggestion =~ s/\s+$//; #remove trailing whitespace
 202
 203                   if (length($suggestion)>2) {
 204                         $sth2->execute($suggestion,$display,$count) || die "can't execute write";
 205                         $counter++;
 206                   } #if
 207                 } #if
 208         }#while
 209 print $counter." more records added...\n";
 210 $sth2->finish;
 211 $sth->finish;
 212 }
 213
 214 # Now grab distincts from there and insert into our REAL database
 215
 216 print "Step 4 of 5: Deleting old distinct entries\n";
 217 my $clear_distincts = "DELETE FROM spellcheck";
 218
 219 # Clear out old data
 220 my $sth_clear_distincts=$dbh2->prepare($clear_distincts) || die "cant prepare query";
 221 $sth_clear_distincts->execute();
 222
 223 print "Step 5 of 5: Creating distinct spellcheck table out of non-distinct table\n";
 224 my $query_distincts = "SELECT DISTINCT suggestion, display, COUNT(display) FROM notdistinctspchk GROUP BY suggestion";
 225 my $insert_distincts = "INSERT INTO spellcheck(suggestion,display,resultcount) VALUES(?,?,?)";
 226 my $distinctcounter = 0;
 227
 228 my $sth=$dbh2->prepare($query_distincts) || die "cant prepare query";
 229 $sth->execute();
 230 my $sth2=$dbh2->prepare($insert_distincts) || die "cant prepare query";
 231 while (my ($suggestion,$display,$count)=$sth->fetchrow_array) {
 232         if ($count) {
 233                 $sth2->execute($suggestion,$display,$count) || die "can't execute write";
 234                 $distinctcounter++;
 235         }
 236 }
 237 print "Finished: total distinct items added to spellcheck: "."$distinctcounter\n";
 238
 239 $dbh->disconnect();
 240 $dbh2->disconnect();