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