Open-ILS/src/extras/import/marc2bre.pl

   1 #!/usr/bin/perl
   2 use strict;
   3 use warnings;
   4
   5 use lib '/openils/lib/perl5/';
   6
   7 use OpenSRF::System;
   8 use OpenSRF::Application;
   9 use OpenSRF::EX qw/:try/;
  10 use OpenSRF::AppSession;
  11 use OpenSRF::MultiSession;
  12 use OpenSRF::Utils::SettingsClient;
  13 use OpenILS::Application::AppUtils;
  14 use OpenILS::Utils::Fieldmapper;
  15 use Digest::MD5 qw/md5_hex/;
  16 use JSON;
  17 use Data::Dumper;
  18 use Unicode::Normalize;
  19 use Encode;
  20
  21 use FileHandle;
  22 use Time::HiRes qw/time/;
  23 use Getopt::Long;
  24 use MARC::Batch;
  25 use MARC::File::XML ( BinaryEncoding => 'utf-8' );
  26 use MARC::Charset;
  27
  28 #MARC::Charset->ignore_errors(1);
  29
  30 my ($id_field, $recid, $user, $config, $marctype, $keyfile, $dontuse_file, $enc, $force_enc, @files, @trash_fields) =
  31         ('', 1, 1, '/openils/conf/bootstrap.conf', 'USMARC');
  32
  33 GetOptions(
  34         'marctype=s'    => \$marctype,
  35         'startid=i'     => \$recid,
  36         'idfield=s'     => \$id_field,
  37         'user=s'        => \$user,
  38         'encoding=s'    => \$enc,
  39         'hard_encoding' => \$force_enc,
  40         'keyfile=s'     => \$keyfile,
  41         'config=s'      => \$config,
  42         'file=s'        => \@files,
  43         'trash=s'       => \@trash_fields,
  44         'dontuse=s'     => \$dontuse_file
  45 );
  46
  47 if ($enc) {
  48         MARC::Charset->ignore_errors(1);
  49         MARC::Charset->assume_encoding($enc);
  50 }
  51
  52 if (uc($marctype) eq 'XML') {
  53         'open'->use(':utf8');
  54 } else {
  55         bytes->use();
  56 }
  57
  58 @files = @ARGV if (!@files);
  59
  60 my @ses;
  61 my @req;
  62 my %processing_cache;
  63
  64 my $startid = $recid;
  65
  66 my %source_map = (
  67         o  => 'OCLC',
  68         i  => 'ISxN',
  69         l  => 'LCCN',
  70         s  => 'System',
  71         g  => 'Gutenberg',
  72 );
  73
  74
  75 OpenSRF::System->bootstrap_client( config_file => $config );
  76 Fieldmapper->import(IDL => OpenSRF::Utils::SettingsClient->new->config_value("IDL"));
  77
  78 my %keymap;
  79 if ($keyfile) {
  80         open F, $keyfile or die "Couldn't open key file $keyfile";
  81         while (<F>) {
  82                 if ( /^(\d+)\|(\S+)/o ) {
  83                         $keymap{$1} = $2;
  84                 }
  85         }
  86         close(F);
  87 }
  88
  89 my %dontuse_id;
  90 if ($dontuse_file) {
  91         open F, $dontuse_file or die "Couldn't open used-id file $dontuse_file";
  92         while (<F>) {
  93                 chomp;
  94                 s/^\s*//;
  95                 s/\s*$//;
  96                 $dontuse_id{$_} = 1;
  97         }
  98         close(F);
  99 }
 100
 101 select STDERR; $| = 1;
 102 select STDOUT; $| = 1;
 103
 104 my $batch = new MARC::Batch ( $marctype, @files );
 105 $batch->strict_off();
 106 $batch->warnings_off();
 107
 108 my %used_ids;
 109 my $starttime = time;
 110 my $rec;
 111 my $count = 0;
 112 while ( try { $rec = $batch->next } otherwise { $rec = -1 } ) {
 113         next if ($rec == -1);
 114         my $id;
 115
 116         $recid++;
 117         while ($used_ids{$recid}) {
 118                 $recid++;
 119         }
 120         $used_ids{$recid} = 1;
 121
 122         if ($id_field) {
 123                 my $field = $rec->field($id_field);
 124                 if ($field) {
 125                         if ($field->is_control_field) {
 126                                 $id = $field->data;
 127                         } else {
 128                                 $id = $field->subfield('a');
 129                         }
 130
 131                         $id =~ s/\D+//gso;
 132                 }
 133         }
 134
 135         if (!$id) {
 136                 $id = $recid;
 137         }
 138
 139         if ($keyfile) {
 140                 if (my $tcn = $keymap{$id}) {
 141                         $rec->delete_field( $_ ) for ($rec->field($id_field));
 142                         $rec->append_fields( MARC::Field->new( $id_field, '', '', 'a', $tcn ) );
 143                 } else {
 144                         $count++;
 145                         next;
 146                 }
 147         }
 148
 149         my $tcn;
 150         ($rec, $tcn) = preprocess($rec);
 151         $rec->delete_field( $_ ) for ($rec->field($id_field));
 152         $rec->append_fields( $tcn );
 153
 154         if (!$rec) {
 155                 next;
 156         }
 157
 158         my $tcn_value = $rec->subfield('901' => 'a') || "SYS$id";
 159         my $tcn_source = $rec->subfield('901' => 'b') || 'System';
 160
 161         (my $xml = $rec->as_xml_record()) =~ s/\n//sog;
 162         $xml =~ s/^<\?xml.+\?\s*>//go;
 163         $xml =~ s/>\s+</></go;
 164         $xml =~ s/\p{Cc}//go;
 165         $xml = entityize($xml);
 166
 167         my $bib = new Fieldmapper::biblio::record_entry;
 168         $bib->id($id);
 169         $bib->active('t');
 170         $bib->deleted('f');
 171         $bib->marc($xml);
 172         $bib->creator($user);
 173         $bib->create_date('now');
 174         $bib->editor($user);
 175         $bib->edit_date('now');
 176         $bib->tcn_source($tcn_source);
 177         $bib->tcn_value($tcn_value);
 178         $bib->last_xact_id('IMPORT-'.$starttime);
 179
 180         print JSON->perl2JSON($bib)."\n";
 181         $dontuse_id{$tcn_value} = 1;
 182
 183         $count++;
 184
 185         if (!($count % 50)) {
 186                 print STDERR "\r$count\t". $count / (time - $starttime);
 187         }
 188 }
 189
 190 sub preprocess {
 191         my $rec = shift;
 192
 193         my ($id, $source, $value) = ('','','');
 194
 195         if (!$id) {
 196                 my $f = $rec->field('001');
 197                 $id = $f->data if ($f);
 198         }
 199
 200         if (!$id || $dontuse_id{$source.$id}) {
 201                 my $f = $rec->field('000');
 202                 $id = $f->data if ($f);
 203                 $source = 'g' if ($f); # only PG seems to use this
 204         }
 205
 206         if (!$id || $dontuse_id{$source.$id}) {
 207                 my $f = $rec->field('020');
 208                 $id = $f->subfield('a') if ($f);
 209                 $source = 'i' if ($f);
 210         }
 211
 212         if (!$id || $dontuse_id{$source.$id}) {
 213                 my $f = $rec->field('022');
 214                 $id = $f->subfield('a') if ($f);
 215                 $source = 'i' if ($f);
 216         }
 217
 218         if (!$id || $dontuse_id{$source.$id}) {
 219                 my $f = $rec->field('010');
 220                 $id = $f->subfield('a') if ($f);
 221                 $source = 'l' if ($f);
 222         }
 223
 224 #        if (!$id) {
 225 #                my $f = $rec->field($id_field);
 226 #                $id = $f->subfield('a') if ($f);
 227 #        }
 228
 229         $rec->delete_field($_) for ($rec->field($id_field, @trash_fields));
 230
 231         if ($id) {
 232                 $id =~ s/\s*$//o;
 233                 $id =~ s/^\s*//o;
 234                 $id =~ s/^(\S+).*$/$1/o;
 235
 236                 $id = $source.$id if ($source);
 237
 238                 ($source, $value) = $id =~ /^(.)(.+)$/o;
 239                 if ($id =~ /^o(\d+)$/o) {
 240                         $id = "ocm$1";
 241                         $source = 'o';
 242                 }
 243         }
 244
 245         if ($id && $dontuse_id{$id}) {
 246                 warn "\n!!! ID $id is already in use\n";
 247                 $id = '';
 248         }
 249
 250         if (!$id) {
 251                 $source = 's';
 252                 $id = 's'.$recid;
 253         }
 254
 255         my $tcn = MARC::Field->new(
 256                 '901' => ('', ''),
 257                 a => $id,
 258                 b => do { $source_map{$source} || 'System' },
 259         );
 260
 261         return ($rec,$tcn);
 262 }
 263
 264 sub entityize {
 265         my $stuff = shift;
 266         my $form = shift;
 267
 268         if ($form and $form eq 'D') {
 269                 $stuff = NFD($stuff);
 270         } else {
 271                 $stuff = NFC($stuff);
 272         }
 273
 274         $stuff =~ s/([\x{0080}-\x{fffd}])/sprintf('&#x%X;',ord($1))/sgoe;
 275         return $stuff;
 276 }
 277