1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350
| #!/usr/bin/perl
# =======================================================================================================================================
###--- METADIRECTIVES ---###
use strict;
use warnings;
use utf8;
use IO::File;
use Getopt::Long; # pour gérer les arguments.
use XML::Twig; # (non inclus dans le core de Perl), pour le parsing de la source.
use XML::Writer; # (non inclus dans le core de Perl), pour le fichier de sortie.
# =======================================================================================================================================
###--- PROLOGUE ---###
my $ref_root = 'volume'; # la racine (par exemple : <volume> ou <dictionary>).
my $ref_entry = 'entry'; # l'élément dans la source qui correspond avec <m:entry> dans MAM.
my $ref_headword = 'headword';
my $ref_sense = 'sense'; # idem pour l'élément <sense> dans MAM.
# ------------------------------------------------------------------------
##-- Gestion des options --##
my ($date, $FichierOne, $FichierTwo, $FichierResultat, $erreur, $encoding) = ();
my ($verbeux, $help, $pretty_print, $langue) = ();
GetOptions(
'date|time|t=s' => \$date, # flag de type -date ou --date, ou -time ou --time, ou -t ou --t (=s : string)
'source|base|in|one|from|i=s' => \$FichierOne,
'add|and|two|j=s' => \$FichierTwo,
'sortie|out|to|o=s' => \$FichierResultat,
'erreur|error|e=s' => \$erreur,
'encodage|encoding|enc|f=s' => \$encoding,
'help|h' => \$help,
'verbeux|v' => \$verbeux,
'print|pretty|p=s' => \$pretty_print,
'langue|lang|l=s' => \$langue,
);
if (!( defined $date ))
{
$date = localtime;
};
if (!( defined $FichierOne ))
{
&help ; # si le fichier source n'est pas spécifié, affichage de l'aide.
};
if (!( defined $FichierTwo ))
{
&help ; # si le fichier source n'est pas spécifié, affichage de l'aide.
};
if (!( defined $FichierResultat ))
{
$FichierResultat = "toto.xml" ;
};
if (!( defined $erreur ))
{
$erreur = "|ERROR| : problem opening file :";
};
if (!( defined $encoding ))
{
$encoding = "UTF-8";
};
if (!( defined $pretty_print ))
{
$pretty_print = "none";
};
if (!( defined $langue ))
{
$langue = "XX";
};
if ( defined $help )
{
&help;
};
# ------------------------------------------------------------------------
# Autres variables :
my $count_one = 0;
my $count_two = 0;
# ------------------------------------------------------------------------
# Input/ Output
open (FILEONE, "<:encoding($encoding)", $FichierOne) or die ("$erreur $!\n");
open (FILETWO, "<:encoding($encoding)", $FichierTwo) or die ("$erreur $!\n");
# ------------------------------------------------------------------------
if ( defined $verbeux )
{
&info('a');
};
# message dans le STDERR (voir subroutine 'info') indiquant le démarrage du programme.
# ------------------------------------------------------------------------
##-- Début de l'écriture --##
my $output = new IO::File(">$FichierResultat");
my $writer = new XML::Writer(
OUTPUT => $output,
DATA_INDENT => 3, # indentation, 3 espaces
DATA_MODE => 1, # changement ligne.
ENCODING => $encoding,
);
$writer->xmlDecl($encoding);
$writer->startTag
(
"m:volume",
'name' => "NAME",
'source-language' => $langue,
'creation-date' => $date,
);
# =======================================================================================================================================
###--- PREPARATION ---###
my $twig_one = XML::Twig
->new
(
output_encoding => $encoding, # on reste en utf8
pretty_print => $pretty_print, # par défaut le style est 'none'
twig_roots => {'entry' => 1},
Twig_handlers => {'entry' => \&twig_base,},
);
# ------------------------------------------------------------------------
my $twig_two= XML::Twig->new
(
output_encoding => $encoding,
pretty_print => $pretty_print,
twig_roots => {'entry' => 1},
Twig_handlers => {'entry' => \&twig_ajout,},
);
# ------------------------------------------------------------------------
if ( defined $verbeux )
{
&info('b');
};
# ------------------------------------------------------------------------
my $entry_one = next_entry($twig_one, *FILEONE); # obtenir la première entrée de la source 1.
my $entry_two = next_entry($twig_two, *FILETWO); # obtenir la première entrée de la source 2.
# ------------------------------------------------------------------------
if ( defined $verbeux )
{
&info('c');
};
# =======================================================================================================================================
###--- ALGORITHME DE LA FUSION ---###
# Après avoir récupéré la ou les entrées (sub next_entry), on les compare.
# On écrit dans le fichier de sortie selon la comparaison.
while (($entry_one ne "0") || ($entry_two ne "0"))
# Le traitement continuera tant qu'il y a des entrées dans l'une ou l'autre source.
{
if ( defined $verbeux ) {print (STDERR "In progress\n");};
if ($entry_one ne "0")
{
my $headword_one = $entry_one -> findnodes ("headword")->text;
if ( defined $verbeux ) {print (STDERR "$FichierOne : entrée [$headword_one]\n");};
if ($entry_two ne "0")
{
my $headword_two = $entry_two -> findnodes ("headword")->text;
if ( defined $verbeux ) {print (STDERR "$FichierTwo : entrée [$headword_two]\n");};
# On compare les deux headword 'lexicographiquement' :
# 1) si l'entrée 1 est inférieure à l'entrée 2 :
# On écrit l'entrée 1 dans le fichier de sortie.
# On avance d'une entrée dans le fichier 1
if ($headword_one le $headword_two)
{
$entry_one->print_to_file($FichierResultat);
undef $entry_one; # pour avoir l'entrée suivante dans le fichier 1.
}
# 2) si l'entrée 1 est supérieure à l'entrée 2 :
# On écrit l'entrée 2 dans le fichier de sortie.
# On avance d'une entrée dans le fichier 2.
elsif ($headword_one gt $headword_two)
{
$entry_two->print_to_file ($FichierResultat);
undef $entry_two; # pour avoir l'entrée suivante dans le fichier 2.
}
# 3) le dernier cas : entrée 1 = entrée 2 :
# On ajoute les éléments de entrée 2 dans entrée 1, qu'on écrit dans le fichier de sortie.
# On avance d'une entrée dans le fichier 1 et dans le fichier 2.
else
{
fusion ($entry_one, $entry_two);
$entry_one->print_to_file($FichierResultat);
undef $entry_one;
undef $entry_two;
}
}
else # si on a pas d'entrée 2 : ajout terminé, on écrit les entrées 1
{
$entry_one->print_to_file($FichierResultat);
undef $entry_one;
}
}
elsif ($entry_two) # si pas d'entrée 1 mais entrée 2, on ajoute entrée 2.
{
$entry_two->print_to_file($FichierResultat);
undef $entry_two;
}
# le traitement est terminé, pour récupérer la ou les entrées suivantes, on relance les subroutines.
$entry_one = next_entry($twig_one, *FILEONE) if !defined $entry_one;
$entry_two = next_entry($twig_two, *FILETWO) if !defined $entry_two;
};
# ------------------------------------------------------------------------
# Fin de l'écriture :
$writer->endTag("m:volume");
$output->close();
# ------------------------------------------------------------------------
if ( defined $verbeux )
{
&info('d');
};
# =======================================================================================================================================
###--- SUBROUTINES ---###
sub next_entry {
my ($twig, $file) = @_;
my $entry;
$/ = "</entry>";
my $xml = <$file>;
if ($xml && $xml =~ /<entry/) {
if (my $match = $xml =~ /^.*<entry/sm) {
$xml =~ s/^(.*)<entry/<entry/sm;
}
$count_one++; # Inutile et inutilisé (et effet de bord)
$entry = $twig->parse($xml);
$twig->purge;
}
else {
$entry = 0;
}
return $entry;
}
sub twig_base
{
my ($temp, $entry_one) = @_ ;
$twig_one->purge;
return ($entry_one);
}
# ------------------------------------------------------------------------
sub twig_ajout
{
my ($temp, $entry_two) = @_ ;
$twig_one->purge;
return ($entry_two);
}
# ------------------------------------------------------------------------
sub fusion
{
my $entry_one = shift @_;
my $entry_two = shift @_;
foreach my $sense_two ($entry_two->findnodes('sense'))
{
$sense_two->copy;
$sense_two->paste('after'=>$entry_one->last_child('sense'));
}
return ($entry_one);
}
# ------------------------------------------------------------------------
sub info
{
my $info = shift @_;
if ($info =~ 'a')
{
print (STDERR "================================================================================\n");
print (STDERR "\t~~~~ $0 : START ~~~~\n");
print (STDERR "================================================================================\n");
}
elsif ($info=~ 'b')
{
print (STDERR "================================================================================\n");
print (STDERR "en-tete du fichier de sortie effective\n");
print (STDERR "--------------------------------------------------------------------------------\n");
}
elsif ($info=~ 'c')
{
print (STDERR "================================================================================\n");
print (STDERR "lancement du processus de fusion\n");
print (STDERR "--------------------------------------------------------------------------------\n");
}
elsif ($info =~ 'd')
{
print (STDERR "~~~~ $0 : END ~~~~\n");
print (STDERR "================================================================================\n");
my $time = times ;
my $FichierLog = 'LOG.txt';
open(my $FiLo, ">>:encoding($encoding)", $FichierLog) or die ("$erreur $!\n");
print {$FiLo}
"==================================================\n",
"RAPPORT : ~~~~ $0 ~~~~\n",
"--------------------------------------------------\n",
"Fichier source : $FichierOne\n",
"--------------------------------------------------\n",
"Fichier final : $FichierResultat\n",
"--------------------------------------------------\n",
"Date du traitement : ", $date, "\n",
"--------------------------------------------------\n",
"Lapsed time : ", $time, " s\n",
"==================================================\n";
}
}
sub help
{
print (STDERR "================================================================================\n");
print (STDERR "HELP\n");
print (STDERR "================================================================================\n");
print (STDERR "usage : $0 -i <sourcefile.xml> -o <outfile.xml>\n\n") ;
print (STDERR "options : -h affichage de l'aide\n") ;
print (STDERR " -e le message d'erreur (ouverture de fichiers)\n") ;
print (STDERR " -f le format d'encodage\n");
print (STDERR " -v mode verbeux (STDERR et LOG)\n");
print (STDERR " -t pour la gestion de la date (initialement : localtime)\n");
print (STDERR "================================================================================\n");
}
# =======================================================================================================================================
1 ; |
Partager