Return to updateRS3.pl CVS log

Up to [Local Repository] / db / prgsrc

Adding lastqueries

    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 DB_File.
    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: Создание в рабочем каталоге файла RS_pause прерывает работу с сохранением 
   29: хэшей, это означает, что при следующем запуске скрипт продолжит работу с места
   30: остановки (обнулится только счётчик обработанных вопросов). 
   31: Продолжить крайне желательно, потому что у обработанные вопросах 
   32: уже установлен флаг ProcessedBySearch, но реально информация о них в базу
   33: ещё не занесена.
   34: 
   35: Создание в рабочем каталоге файла RS_stop инициирует процесс завершения 
   36: работы скрипта, с предварительным занесением информации об обработанных 
   37: вопросах в базу.
   38: 
   39: Оба файла убиваются по окончании работы.
   40: 
   41: =head1 AUTHOR
   42: 
   43: Роман Семизаров
   44: 
   45: 
   46: =cut
   47: 
   48: 
   49: 
   50: use locale;
   51: use DBI;
   52: use POSIX qw (locale_h);
   53: use lib "../lib";
   54: use chgkfiles;
   55: use dbchgk;
   56: open (STDERR,">errors");
   57: my $initime=time;
   58: open TIME, ">time"; 
   59: do "common.pl";
   60: do "chgk.cnf";
   61: 
   62: use DB_File;
   63: 
   64: 
   65: 
   66: 
   67: $qlimit=shift||500;
   68: $times=shift||1;
   69: 
   70: die "Undefined \$maxwsize! check your chgk.cnf" unless $maxwsize;
   71: 
   72: require "check.pl";
   73: 
   74: open (STDERR,">$stderr") if $stderr;
   75: 
   76: 
   77: open (UNKNOWN,">$unknown");
   78: 
   79: 
   80:           
   81: my $nf;
   82: 
   83: #open WARN, ">$warnings";
   84: 
   85: #%forbidden=checktable('equalto')? getequalto : ();
   86: 
   87: 
   88: if ((uc 'а') ne 'А') {die "!Koi8-r locale not installed!\n"};
   89: 
   90: getquestions(QuestionId, Question, Answer, Comments, Authors, Sources,"ProcessedBySearch IS NULL");
   91: 
   92: 
   93: 
   94: 
   95: tie %words, 'DB_File', 'words.tmp';
   96: 
   97: if (!(scalar keys %words))
   98: {
   99:    print "Loading dictionaries\n";
  100:    die "No dictionaries! Check your chgk.cnf" unless scalar @dictionaries;
  101:    foreach $d(@dictionaries)
  102:    {
  103:      print "Loading $d\n";
  104:      open (DICT, $d) || print "              Not found\n";
  105:      while ( <DICT> )
  106:      {
  107:      	chomp;
  108:      	s/\s*$//;
  109:        	($aa,$b)=split(/\//);
  110:        	$aa=~tr/ёЁ/еЕ/;
  111:     	$a= uc $aa;
  112:     	$words{$a}.=$b || "!";
  113:      }
  114:      close(DICT);
  115:   }
  116: }
  117: 
  118: die "No dictionaries found! Check your chgk.cnf" unless scalar keys %words;
  119: 
  120: 
  121: 
  122: print TIME "\t\t".(time-$initime)."\n";
  123: 
  124: for my $commonI(1..$times)
  125: {
  126: 
  127: 
  128: 
  129: 
  130: tie %nf, 'DB_File', 'nf.tmp';
  131: tie %nfnumber, 'DB_File', 'nfnumber.tmp';
  132: tie %newnf, 'DB_File', 'newnf.tmp';
  133: tie %neww2k, 'DB_File', 'neww2k.tmp';
  134: 
  135: 
  136: 
  137: if (!((scalar keys %nf)||(scalar keys %newnf)))
  138: {
  139:    print "loading nests\n";
  140:    %nf=getnests;
  141:    %nfnumber=getnfnumbers;
  142: }
  143:                    
  144: 
  145: 
  146: print "Getting words...\n";
  147: 
  148: getquestions(QuestionId, Question, Answer, Comments, Authors, Sources,"ProcessedBySearch IS NULL");
  149: $sch=0;
  150: while ((++$sch<=$qlimit) && (($id, @ss) = getrow, $id)) 
  151:                              # берём по одному вопросу
  152:                              # и вешаем в массив, индексы которого -- словоформы,
  153:                              # а значения -- списки вопросов. 
  154: {
  155: 
  156: 
  157:    if (-e "RS_pause") {unlink("RS_pause"); exit}
  158:    if (-e "RS_stop")  {unlink("RS_stop"); last}
  159:    print "$sch $id\n" ;#unless (++$sch % 1);
  160:    searchmark($id);
  161:    if ($forbidden{$id}) {next};
  162:    foreach $fieldnumber (0..$#ss) #перебираем поля
  163:    {
  164:       $text=$ss[$fieldnumber];
  165:       next unless $text;
  166:       $text=~tr/ёЁ/еЕ/;
  167:       $text=~s/(${RLrl})p(${RLrl})/$1p$2/gom;
  168:       $text=~s/p(${RLrl})/р$1/gom;
  169:       $text=~s/(${RLrl})p/$1р/gom;
  170:       $text=~s/\s+/ /gmo;
  171:       @list= $text=~m/(?:(?:${RLrl})+)|(?:[A-Za-z0-9]+)/gom;
  172: 
  173: foreach $wordnumber(0..$#list)
  174:       {
  175:            $word=uc $list[$wordnumber];
  176:            next if length $word>$maxwsize;
  177:            if (my $n=$nf{$word}||$newnf{$word}) 
  178:            {
  179:                 @n= split ' ',$n;
  180:                 $nfkvo{$_}++ foreach @n;
  181:                 $neww2k{$_}.=packword($fieldnumber, $id,$wordnumber%256)
  182:                      foreach (@n);
  183:            }
  184:            else {
  185:              if ($word=~/^${RLrl}+$/o){ # Русское слово
  186:             # проанализировать по таблице аффиксов, 
  187:             # проверить наличие начальных форм в 
  188:             # nf, а если таких нет, то 
  189:             # и по словарю. 
  190:               
  191:                $nf=&checkit(uc $word,\%words);
  192:                if (!$nf) {
  193:                            $nf=(uc $word)."/!";
  194:                            print UNKNOWN "$nf\n" if $unknown;
  195:                          }
  196: 
  197:               }  else {# нерусское слово
  198:                          $nf=(uc $word)."/!";
  199:                          print UNKNOWN "$nf\n" if $unknown;
  200:                       }
  201: 
  202:                foreach $n (split ' ', $nf)
  203:                {
  204:                    ($f,$flag)=split '/', $n;
  205:                    if ($nfnumber=$nfnumber{$f})
  206:                    {
  207:                        $newnf{$word}.=" $nfnumber";
  208:                        $nfkvo{$nfnumber}++;
  209:                        $a=\$neww2k{$nfnumber};
  210:                        $$a.=packword($fieldnumber, $id,$wordnumber);
  211:                        if (length $$a>100) {flushw2k($nfnumber)}
  212:                    }
  213:                    else 
  214:                    {
  215:                       $nfnumber=addnf(0, $f, $flag,1);
  216:                       $newnf{uc $word}.=" $nfnumber";
  217:                       $neww2k{$nfnumber}.=packword($fieldnumber, $id,$wordnumber);
  218:                    }
  219:                }
  220:            }
  221: 
  222:       }
  223:    }
  224: 
  225: }
  226: 
  227: 
  228: print "Filling word2question...\n";
  229: 
  230: foreach (keys %neww2k)
  231: { 
  232:    updateword2question($_,$neww2k{$_});
  233:    delete $neww2k{$_};
  234: }
  235: 
  236: %neww2k=();
  237: 
  238: print "Filling nf...\n";
  239: $sch=0;
  240: 
  241: incnf($_,$nfkvo{$_})  foreach (keys %nfkvo);
  242: 
  243: %nfkvo=();
  244: 
  245: print "Filling nests...\n";
  246: $sch=0;
  247: 
  248: 
  249: foreach $w (keys %newnf)
  250: {
  251:   print "$sch\n" unless (++$sch % 1000);
  252:   @nf=split ' ',$newnf{$w};
  253:   addnest($w,$_) foreach @nf;
  254: }
  255: print "$sch nests added\n";
  256: 
  257: print TIME "$commonI: \t$sch ";
  258: print TIME "\t".(time-$initime)."\n";
  259: %newnf=();
  260: 
  261: }
  262: 
  263: &untieall;
  264: 
  265: unlink "words.tmp";
  266: unlink "newnf.tmp";
  267: unlink "neww2k.tmp";
  268: unlink "nfnumber.tmp";
  269: unlink "nf.tmp";
  270: 
  271: sub flushw2k
  272: {
  273:    my ($n)=@_;
  274:    updateword2question($n,$neww2k{$n});
  275:    delete $neww2k{$_};
  276: }
  277: 
  278: sub untieall
  279: {
  280:   untie %nf;
  281:   untie %nfnumber;
  282:   untie %newnf;
  283:   untie %neww2k;
  284:   untie %words;
  285:   
  286: }
  287: