Annotation of db/prgsrc/updateRS2.pl, revision 1.1

1.1     ! roma7       1: #!/usr/bin/perl -w
        !             2: 
        !             3: =head1 NAME
        !             4: 
        !             5: updateRS.pl - Скрипт для занесения в таблицы русского поиска базы 
        !             6: B<$base> информации о вопросах. Использует Tie::Hash
        !             7: 
        !             8: =head1 SYNOPSIS
        !             9: 
        !            10: updateRS1.pl Questions_per_cicle cicles_number
        !            11: 
        !            12: updateRS.pl Questions_per_cicle
        !            13: 
        !            14: updateRS.pl
        !            15: 
        !            16: 
        !            17: =head1 DESCRIPTION
        !            18: 
        !            19: Скрипт ищет в таблице Questions вопросы с нулевым ProcessedBySearch,
        !            20: добавляет информацию в таблицы word2question, nests, nf. Поле 
        !            21: ProcessedBySearch устанавливается в 1. Обрабатывает 
        !            22: Questions_per_cicle*cicles_number вопросов, сбрасывая 
        !            23: информацию в базу каждые Questions_per_cicle вопросов.
        !            24: Значения по умолчанию:
        !            25: Questions_per_cicle=500;
        !            26: cicles_number=1.
        !            27: 
        !            28: 
        !            29: =head1 AUTHOR
        !            30: 
        !            31: Роман Семизаров
        !            32: 
        !            33: 
        !            34: =cut
        !            35: 
        !            36: 
        !            37: 
        !            38: use locale;
        !            39: use DBI;
        !            40: use POSIX qw (locale_h);
        !            41: use lib "../lib";
        !            42: use chgkfiles;
        !            43: use Tie::Hash;
        !            44: use dbchgk;
        !            45: open (STDERR,">errors");
        !            46: my $initime=time;
        !            47: open TIME, ">time"; 
        !            48: do "common.pl";
        !            49: do "chgk.cnf";
        !            50: 
        !            51: 
        !            52: 
        !            53:     package NewStdHash;
        !            54:     require Tie::Hash;
        !            55: 
        !            56:     @ISA = (Tie::StdHash);
        !            57: 
        !            58: 
        !            59: package main;
        !            60: 
        !            61: 
        !            62: 
        !            63: $qlimit=shift||500;
        !            64: $times=shift||1;
        !            65: 
        !            66: die "Undefined \$maxwsize! check your chgk.cnf" unless $maxwsize;
        !            67: 
        !            68: require "check.pl";
        !            69: 
        !            70: open (STDERR,">$stderr") if $stderr;
        !            71: 
        !            72: 
        !            73: open (UNKNOWN,">$unknown");
        !            74: 
        !            75: 
        !            76:           
        !            77: my $nf;
        !            78: 
        !            79: #open WARN, ">$warnings";
        !            80: 
        !            81: #%forbidden=checktable('equalto')? getequalto : ();
        !            82: 
        !            83: 
        !            84: if ((uc 'а') ne 'А') {die "!Koi8-r locale not installed!\n"};
        !            85: 
        !            86: getquestions(QuestionId, Question, Answer, Comments, Authors, Sources,"ProcessedBySearch IS NULL");
        !            87: 
        !            88: 
        !            89: 
        !            90: print "Loading dictionaries\n";
        !            91: 
        !            92: die "No dictionaries! Check your chgk.cnf" unless scalar @dictionaries;
        !            93: 
        !            94: foreach $d(@dictionaries)
        !            95: {
        !            96:      print "Loading $d\n";
        !            97:      open (DICT, $d) || print "              Not found\n";
        !            98:      while ( <DICT> )
        !            99:      {
        !           100:        chomp;
        !           101:        s/\s*$//;
        !           102:                ($aa,$b)=split(/\//);
        !           103:                $aa=~tr/ёЁ/еЕ/;
        !           104:        $a= uc $aa;
        !           105:        $words{$a}.=$b || "!";
        !           106:      }
        !           107:      close(DICT);
        !           108: }
        !           109: 
        !           110: die "No dictionaries found! Check your chgk.cnf" unless scalar keys %words;
        !           111: 
        !           112: 
        !           113: print "Getting words...\n";
        !           114: 
        !           115: print TIME "\t\t".(time-$initime)."\n";
        !           116: 
        !           117: for my $commonI(1..$times)
        !           118: {
        !           119: 
        !           120: 
        !           121: print "loading nests\n";
        !           122: 
        !           123: tie %nf, 'NewStdHash';
        !           124:                    
        !           125: %nf=getnests;
        !           126: 
        !           127: %nfnumber=getnfnumbers;
        !           128: 
        !           129: print "Getting words...\n";
        !           130: 
        !           131: getquestions(QuestionId, Question, Answer, Comments, Authors, Sources,"ProcessedBySearch IS NULL");
        !           132: $sch=0;
        !           133: while ((++$sch<=$qlimit) && (($id, @ss) = getrow, $id)) 
        !           134:                              # берём по одному вопросу
        !           135:                              # и вешаем в массив, индексы которого -- словоформы,
        !           136:                              # а значения -- списки вопросов. 
        !           137: {
        !           138: 
        !           139:    print "$sch $id\n" ;#unless (++$sch % 1);
        !           140:    searchmark($id);
        !           141:    if ($forbidden{$id}) {next};
        !           142:    foreach $fieldnumber (0..$#ss) #перебираем поля
        !           143:    {
        !           144:       $text=$ss[$fieldnumber];
        !           145:       next unless $text;
        !           146:       $text=~tr/ёЁ/еЕ/;
        !           147:       $text=~s/(${RLrl})p(${RLrl})/$1p$2/gom;
        !           148:       $text=~s/p(${RLrl})/р$1/gom;
        !           149:       $text=~s/(${RLrl})p/$1р/gom;
        !           150:       $text=~s/\s+/ /gmo;
        !           151:       @list= $text=~m/(?:(?:${RLrl})+)|(?:[A-Za-z0-9]+)/gom;
        !           152: 
        !           153: foreach $wordnumber(0..$#list)
        !           154:       {
        !           155:            $word=uc $list[$wordnumber];
        !           156:            next if length $word>$maxwsize;
        !           157:            if (my $n=$nf{$word}||$newnf{$word}) 
        !           158:            {
        !           159:                 @n= split ' ',$n;
        !           160:                 $nfkvo{$_}++ foreach @n;
        !           161:                 $neww2k{$_}.=packword($fieldnumber, $id,$wordnumber%256)
        !           162:                      foreach (@n);
        !           163:            }
        !           164:            else {
        !           165:              if ($word=~/^${RLrl}+$/o){ # Русское слово
        !           166:             # проанализировать по таблице аффиксов, 
        !           167:             # проверить наличие начальных форм в 
        !           168:             # nf, а если таких нет, то 
        !           169:             # и по словарю. 
        !           170:               
        !           171:                $nf=&checkit(uc $word,\%words);
        !           172:                if (!$nf) {
        !           173:                            $nf=(uc $word)."/!";
        !           174:                            print UNKNOWN "$nf\n" if $unknown;
        !           175:                          }
        !           176: 
        !           177:               }  else {# нерусское слово
        !           178:                          $nf=(uc $word)."/!";
        !           179:                          print UNKNOWN "$nf\n" if $unknown;
        !           180:                       }
        !           181: 
        !           182:                foreach $n (split ' ', $nf)
        !           183:                {
        !           184:                    ($f,$flag)=split '/', $n;
        !           185:                    if ($nfnumber=$nfnumber{$f})
        !           186:                    {
        !           187:                        $newnf{$word}.=" $nfnumber";
        !           188:                        $nfkvo{$nfnumber}++;
        !           189:                        $a=\$neww2k{$nfnumber};
        !           190:                        $$a.=packword($fieldnumber, $id,$wordnumber);
        !           191:                        if (length $$a>100) {flushw2k($nfnumber)}
        !           192:                    }
        !           193:                    else 
        !           194:                    {
        !           195:                       $nfnumber=addnf(0, $f, $flag,1);
        !           196:                       $newnf{uc $word}.=" $nfnumber";
        !           197:                       $neww2k{$nfnumber}.=packword($fieldnumber, $id,$wordnumber);
        !           198:                    }
        !           199:                }
        !           200:            }
        !           201: 
        !           202:       }
        !           203:    }
        !           204: 
        !           205: }
        !           206: 
        !           207: 
        !           208: print "Filling word2question...\n";
        !           209: 
        !           210: foreach (keys %neww2k)
        !           211: { 
        !           212:    updateword2question($_,$neww2k{$_});
        !           213:    delete $neww2k{$_};
        !           214: }
        !           215: 
        !           216: %neww2k=();
        !           217: 
        !           218: print "Filling nf...\n";
        !           219: $sch=0;
        !           220: 
        !           221: incnf($_,$nfkvo{$_})  foreach (keys %nfkvo);
        !           222: 
        !           223: %nfkvo=();
        !           224: 
        !           225: print "Filling nests...\n";
        !           226: $sch=0;
        !           227: 
        !           228: 
        !           229: foreach $w (keys %newnf)
        !           230: {
        !           231:   print "$sch\n" unless (++$sch % 1000);
        !           232:   @nf=split ' ',$newnf{$w};
        !           233:   addnest($w,$_) foreach @nf;
        !           234: }
        !           235: print "$sch nests added\n";
        !           236: 
        !           237: print TIME "$commonI: \t$sch ";
        !           238: print TIME "\t".(time-$initime)."\n";
        !           239: %newnf=();
        !           240: 
        !           241: }
        !           242: 
        !           243: sub flushw2k
        !           244: {
        !           245:    my ($n)=@_;
        !           246:    updateword2question($n,$neww2k{$n});
        !           247:    delete $neww2k{$_};
        !           248: }

FreeBSD-CVSweb <freebsd-cvsweb@FreeBSD.org>