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, $idlfile, $marctype, $keyfile, $dontuse_file, $enc, $force_enc, @files, @trash_fields) =
  31         ('', 1, 1, '/openils/conf/bootstrap.conf', '/openils/conf/fm_IDL.xml', 'USMARC');
  32
  33 GetOptions(
  34         'marctype=s'    => \$marctype,
  35         'startid=i'     => \$recid,
  36         'idfield=s'     => \$id_field,
  37         'user=s'        => \$user,
  38         'encoding=s'    => \$enc,
  39         'hard_encoding' => \$force_enc,
  40         'keyfile=s'     => \$keyfile,
  41         'config=s'      => \$config,
  42         'file=s'        => \@files,
  43         'trash=s'       => \@trash_fields,
  44         'xml_idl=s'     => \$idlfile,
  45         'dontuse=s'     => \$dontuse_file
  46 );
  47
  48 if ($enc) {
  49         MARC::Charset->ignore_errors(1);
  50         MARC::Charset->assume_encoding($enc);
  51 }
  52
  53 if (uc($marctype) eq 'XML') {
  54         'open'->use(':utf8');
  55 } else {
  56         bytes->use();
  57 }
  58
  59 @files = @ARGV if (!@files);
  60
  61 my @ses;
  62 my @req;
  63 my %processing_cache;
  64
  65 my $startid = $recid;
  66
  67 my %source_map = (
  68         o  => 'OCLC',
  69         i  => 'ISxN',
  70         l  => 'LCCN',
  71         s  => 'System',
  72         g  => 'Gutenberg',
  73 );
  74
  75
  76
  77 Fieldmapper->import(IDL => $idlfile);
  78
  79 my %keymap;
  80 if ($keyfile) {
  81         open F, $keyfile or die "Couldn't open key file $keyfile";
  82         while (<F>) {
  83                 if ( /^(\d+)\|(\S+)/o ) {
  84                         $keymap{$1} = $2;
  85                 }
  86         }
  87         close(F);
  88 }
  89
  90 my %dontuse_id;
  91 if ($dontuse_file) {
  92         open F, $dontuse_file or die "Couldn't open used-id file $dontuse_file";
  93         while (<F>) {
  94                 chomp;
  95                 s/^\s*//;
  96                 s/\s*$//;
  97                 $dontuse_id{$_} = 1;
  98         }
  99         close(F);
 100 }
 101
 102 select STDERR; $| = 1;
 103 select STDOUT; $| = 1;
 104
 105 my $batch = new MARC::Batch ( $marctype, @files );
 106 $batch->strict_off();
 107 $batch->warnings_off();
 108
 109 my %used_ids;
 110 my $starttime = time;
 111 my $rec;
 112 my $count = 0;
 113 while ( try { $rec = $batch->next } otherwise { $rec = -1 } ) {
 114         next if ($rec == -1);
 115         my $id;
 116
 117         $recid++;
 118         while ($used_ids{$recid}) {
 119                 $recid++;
 120         }
 121         $used_ids{$recid} = 1;
 122
 123         if ($id_field) {
 124                 my $field = $rec->field($id_field);
 125                 if ($field) {
 126                         if ($field->is_control_field) {
 127                                 $id = $field->data;
 128                         } else {
 129                                 $id = $field->subfield('a');
 130                         }
 131
 132                         $id =~ s/\D+//gso;
 133                 }
 134         }
 135
 136         if (!$id) {
 137                 $id = $recid;
 138         }
 139
 140         if ($keyfile) {
 141                 if (my $tcn = $keymap{$id}) {
 142                         $rec->delete_field( $_ ) for ($rec->field($id_field));
 143                         $rec->append_fields( MARC::Field->new( $id_field, '', '', 'a', $tcn ) );
 144                 } else {
 145                         $count++;
 146                         next;
 147                 }
 148         }
 149
 150         my $tcn;
 151         ($rec, $tcn) = preprocess($rec);
 152         $rec->delete_field( $_ ) for ($rec->field($id_field));
 153         $rec->append_fields( $tcn );
 154
 155         if (!$rec) {
 156                 next;
 157         }
 158
 159         my $tcn_value = $rec->subfield('901' => 'a') || "SYS$id";
 160         my $tcn_source = $rec->subfield('901' => 'b') || 'System';
 161
 162         (my $xml = $rec->as_xml_record()) =~ s/\n//sog;
 163         $xml =~ s/^<\?xml.+\?\s*>//go;
 164         $xml =~ s/>\s+</></go;
 165         $xml =~ s/\p{Cc}//go;
 166         $xml = entityize($xml);
 167
 168         my $bib = new Fieldmapper::biblio::record_entry;
 169         $bib->id($id);
 170         $bib->active('t');
 171         $bib->deleted('f');
 172         $bib->marc($xml);
 173         $bib->creator($user);
 174         $bib->create_date('now');
 175         $bib->editor($user);
 176         $bib->edit_date('now');
 177         $bib->tcn_source($tcn_source);
 178         $bib->tcn_value($tcn_value);
 179         $bib->last_xact_id('IMPORT-'.$starttime);
 180
 181         print JSON->perl2JSON($bib)."\n";
 182         $dontuse_id{$tcn_value} = 1;
 183
 184         $count++;
 185
 186         if (!($count % 50)) {
 187                 print STDERR "\r$count\t". $count / (time - $starttime);
 188         }
 189 }
 190
 191 sub preprocess {
 192         my $rec = shift;
 193
 194         my ($id, $source, $value) = ('','','');
 195
 196         if (!$id) {
 197                 my $f = $rec->field('001');
 198                 $id = $f->data if ($f);
 199         }
 200
 201         if (!$id || $dontuse_id{$source.$id}) {
 202                 my $f = $rec->field('000');
 203                 $id = $f->data if ($f);
 204                 $source = 'g' if ($f); # only PG seems to use this
 205         }
 206
 207         if (!$id || $dontuse_id{$source.$id}) {
 208                 my $f = $rec->field('020');
 209                 $id = $f->subfield('a') if ($f);
 210                 $source = 'i' if ($f);
 211         }
 212
 213         if (!$id || $dontuse_id{$source.$id}) {
 214                 my $f = $rec->field('022');
 215                 $id = $f->subfield('a') if ($f);
 216                 $source = 'i' if ($f);
 217         }
 218
 219         if (!$id || $dontuse_id{$source.$id}) {
 220                 my $f = $rec->field('010');
 221                 $id = $f->subfield('a') if ($f);
 222                 $source = 'l' if ($f);
 223         }
 224
 225 #        if (!$id) {
 226 #                my $f = $rec->field($id_field);
 227 #                $id = $f->subfield('a') if ($f);
 228 #        }
 229
 230         $rec->delete_field($_) for ($rec->field($id_field, @trash_fields));
 231
 232         if ($id) {
 233                 $id =~ s/\s*$//o;
 234                 $id =~ s/^\s*//o;
 235                 $id =~ s/^(\S+).*$/$1/o;
 236
 237                 $id = $source.$id if ($source);
 238
 239                 ($source, $value) = $id =~ /^(.)(.+)$/o;
 240                 if ($id =~ /^o(\d+)$/o) {
 241                         $id = "ocm$1";
 242                         $source = 'o';
 243                 }
 244         }
 245
 246         if ($id && $dontuse_id{$id}) {
 247                 warn "\n!!! ID $id is already in use\n";
 248                 $id = '';
 249         }
 250
 251         if (!$id) {
 252                 $source = 's';
 253                 $id = 's'.$recid;
 254         }
 255
 256         my $tcn = MARC::Field->new(
 257                 '901' => ('', ''),
 258                 a => $id,
 259                 b => do { $source_map{$source} || 'System' },
 260         );
 261
 262         return ($rec,$tcn);
 263 }
 264
 265 sub entityize {
 266         my $stuff = shift;
 267         my $form = shift;
 268
 269         if ($form and $form eq 'D') {
 270                 $stuff = NFD($stuff);
 271         } else {
 272                 $stuff = NFC($stuff);
 273         }
 274
 275         $stuff =~ s/([\x{0080}-\x{fffd}])/sprintf('&#x%X;',ord($1))/sgoe;
 276         return $stuff;
 277 }
 278