emig.d/bin/mig-bibstats

   1 #!/usr/bin/perl
   2 # -*- coding: iso-8859-15 -*-
   3 ###############################################################################
   4 =pod
   5
   6 =item B<bibstats> --file foo.mrc
   7
   8 Reads through a marc file to generate statistical information about the file
   9 for quick analysis.
  10
  11 --uri_threshold defaults to 1, only shows URI values with more than that
  12 frequency
  13
  14 --ignore_filetype true will have it not care what file returns as the type and
  15 always treat it as marc21
  16
  17 --ils --holding_code --barcode_subfield work together to pass an new ILS
  18 definnition without it being hardcode in the script and can test arbitary
  19 fields
  20
  21 --exportbarcodes ils_name is used if you want to export the barcodes associated
  22 with one of the ILSes so provide the name
  23
  24 --exportbarcodesfile will use this file name for a barcode export instead
  25 of the generic 'barcodes_export.txt'
  26
  27 =back
  28 =cut
  29
  30 ###############################################################################
  31
  32 use strict;
  33 use warnings;
  34
  35 use Data::Dumper;
  36 use Env qw(
  37     HOME PGHOST PGPORT PGUSER PGDATABASE MIGSCHEMA
  38     MIGBASEWORKDIR MIGBASEGITDIR MIGGITDIR MIGWORKDIR
  39 );
  40 use Pod::Usage;
  41 use Switch;
  42 use Getopt::Long;
  43 use MARC::Batch;
  44 use MARC::Record;
  45 use MARC::Field;
  46 use Cwd 'abs_path';
  47 use Cwd qw(getcwd);
  48 use List::MoreUtils qw(uniq);
  49 use FindBin;
  50 my $mig_bin = "$FindBin::Bin/";
  51 use lib "$FindBin::Bin/";
  52 use EMig;
  53 #use KMig;
  54 use open ':encoding(utf8)';
  55
  56 pod2usage(-verbose => 2) if defined $ARGV[0] && $ARGV[0] eq '--help';
  57 pod2usage(-verbose => 1) if ! $ARGV[1];
  58
  59 my $file;
  60 my $uri_threshold = 1;
  61 my $p_holding_code;
  62 my $p_barcode_subfield;
  63 my $p_ils_name = '';
  64 my $holding_threshold = 50;
  65 my $p_ignore_filetype = 'false';
  66 my @holdings;
  67 my %unique_barcodes;
  68 my $exportbarcodes;
  69 my $exportbarcodesfile;
  70
  71 my $ret = GetOptions(
  72     'file:s'                    => \$file,
  73     'uri_threshold:i'           => \$uri_threshold,
  74     'holding_code:s'            => \$p_holding_code,
  75     'barcode_subfield:s'     => \$p_barcode_subfield,
  76     'ignore_filetype:s'         => \$p_ignore_filetype,
  77     'ils:s'                     => \$p_ils_name,
  78     'exportbarcodes:s'         => \$exportbarcodes,
  79     'exportbarcodesfile:s'   => \$exportbarcodesfile,
  80     'holding_threshold:s'     => \$holding_threshold
  81 );
  82
  83 if ($exportbarcodesfile and !defined $exportbarcodes) { abort('You have to provide an ILS name if you want a barcode export file.'); }
  84
  85 if ($p_holding_code and length $p_holding_code != 3) { abort('Holdings codes must be three characters.'); }
  86
  87 if ($p_barcode_subfield) {
  88     if (!defined $p_holding_code) { abort('A barcode field can not be used without a holding code.'); }
  89     if (length $p_barcode_subfield != 1) { abort('Barcode subfields must be a single character code.'); }
  90 }
  91
  92 # ils name, holding tag, barcode subfield
  93 my @ilses = (
  94     ['Mandarin','852','p'],
  95     ['Evergreen','852','p'],
  96     ['Polaris','852','p'],
  97     ['TLC','949','g'],
  98     ['Koha','952','p'],
  99     ['Sympony','999','i'],
 100     ['Destiny','852','p']
 101 );
 102
 103 my @temp;
 104 if ($p_holding_code) {
 105     push @temp, $p_ils_name;
 106     push @temp, $p_holding_code;
 107     if ($p_barcode_subfield) { push @temp, lc $p_barcode_subfield; }
 108     push @ilses, [@temp];
 109 }
 110
 111 #to do - add a check for exportbarcodes being in @ilses
 112
 113 my $filetype = `file $file`;
 114 my $batch;
 115 if ($filetype =~ m/MARC21/) {
 116     $batch = MARC::Batch->new( 'USMARC', $file );
 117 } else {
 118     $batch = MARC::Batch->new( 'XML', $file );
 119 }
 120 $batch->strict_off();
 121
 122 my $i = 0;
 123 my $uri_count = 0;
 124 my $uri_valid_count = 0;
 125 my $uri_sub9_count = 0;
 126 my $author_sub0 = 0;
 127 my $title_sub0 = 0;
 128 my @uris;
 129 my @fields;
 130 my @encodings;
 131 my @types;
 132 my @holding_code_strings;
 133 my %holding_counts;
 134 my %barcode_counts;
 135
 136 foreach (@ilses) {
 137     $holding_counts{@$_[0]} = 0;
 138     $barcode_counts{@$_[0]} = 0;
 139 }
 140
 141 while ( my $record = $batch->next() ) {
 142     $i++;
 143     #check holdings, bit time consuming but more future proof
 144     foreach (@ilses) {
 145         my $ils = @$_[0];
 146         my $hcode = @$_[1];
 147         my $barcode = @$_[2];
 148         my @holding_fields = $record->field($hcode);
 149         foreach my $hf (@holding_fields) {
 150             my @h;
 151             my $barcode_string = $hf->subfield($barcode);
 152             push @h, $ils;
 153             push @h, $barcode_string;
 154             push @holdings, [@h];
 155         }
 156         my $l = scalar @holding_fields;
 157         my $v = $holding_counts{$ils};
 158         if ($l) { $holding_counts{$ils} = $v + $l; }
 159     }
 160     #process 856s
 161     @fields = $record->field('856');
 162     my $enc = substr $record->leader(), 9, 1;
 163     push @encodings, $enc;
 164     my $type = substr $record->leader(), 6, 1;
 165     push @types, $type;
 166     foreach my $f (@fields) {
 167         my $u = $f->subfield('u');
 168         my $n = $f->subfield('9');
 169         if (defined $n) { $uri_sub9_count++; }
 170         if (defined $u) {
 171             $uri_count++;
 172             my $ind1 = $f->indicator('1');
 173             my $ind2 = $f->indicator('2');
 174             if ($ind1 eq '4') {
 175                 if ($ind2 eq '0' or $ind2 eq '1') { $uri_valid_count++; }
 176             }
 177             my $ustring = lc $f->as_string('u');
 178             $ustring =~ s/http:\/\///;
 179             $ustring =~ s/ftp:\/\///;
 180             $ustring =~ s/https:\/\///;
 181             $ustring =~ s/\/.*//;
 182             push @uris, $ustring;
 183         }
 184     }
 185     #check for authority linking on 100s and 245s, if present may need to scrub them
 186     @fields = $record->field('100');
 187     foreach my $f (@fields) {
 188         my $t = $f->subfield('0');
 189         if (defined $t) { $title_sub0++; }
 190     }
 191     @fields = $record->field('245');
 192     foreach my $f (@fields) {
 193         my $t = $f->subfield('0');
 194         if (defined $t) { $author_sub0++; }
 195     }
 196     if(($i % 1000) == 0) { print "Processing bib $i.\n"; }
 197 }
 198
 199 foreach (@ilses) {
 200     my $ils = @$_[0];
 201     my @temp_barcodes;
 202     foreach my $h (@holdings) {
 203         my $temp_ils_name = @$h[0];
 204         if ($temp_ils_name eq $ils) { push @temp_barcodes, @$h[1]; }
 205     }
 206     my @uniq_barcodes = uniq @temp_barcodes;;
 207     $barcode_counts{$ils} = scalar @uniq_barcodes;
 208 }
 209
 210 my %uri_counts;
 211 $uri_counts{$_}++ for @uris;
 212
 213 my %encoding_counts;
 214 $encoding_counts{$_}++ for @encodings;
 215
 216 my %type_counts;
 217 $type_counts{$_}++ for @types;
 218
 219 print "\n$filetype\n";
 220 print "$i bibs read in file\n\n";
 221
 222 print "===== Leader 09, # = MARC-8, a = UCS/Unicode\n";
 223 foreach my $key (keys %encoding_counts) {
 224     my $value = $encoding_counts{$key};
 225     print "  $key   $value\n";
 226 }
 227 print "\n";
 228
 229 print "===== Leader 06\n";
 230 foreach my $key (keys %type_counts) {
 231     my $value = $type_counts{$key};
 232     my $type = give_type($key);
 233     print "  $key   $value $type\n";
 234 }
 235 print "\n";
 236
 237 print "===== Summary of Select Field Counts\n";
 238 print "  $uri_count 856 fields with a subfield u\n";
 239 print "  $uri_valid_count 856 fields with a subfield u and valid indicators\n";
 240 print "  $uri_sub9_count 856 fields have a subfield 9\n";
 241 print "  $title_sub0 100 fields have a subfield 0\n";
 242 print "  $author_sub0 245 fields have a subfield 0\n";
 243
 244 print "\n===== Holdings Analysis\n";
 245 foreach my $key (keys %holding_counts) {
 246     my $c = $holding_counts{$key};
 247     if (((100/$i)*$c) >= $holding_threshold) { print "  $key $holding_counts{$key} holdings in $i bibs with $barcode_counts{$key} unique barcodes\n"; }
 248 }
 249
 250 print "\n===== URI values are domains and filtered to only show those with more than $uri_threshold\n";
 251 foreach my $key (keys %uri_counts) {
 252     my $value = $uri_counts{$key};
 253     if ($value > $uri_threshold) { print "  $key   $value\n"; }
 254 }
 255
 256 if ($exportbarcodes) {
 257     my @temp_barcodes;
 258     my $outfile;
 259     if ($exportbarcodesfile) { $outfile = $exportbarcodesfile; } else { $outfile = 'barcodes_export.txt'; }
 260     open my $out_fh, '>:utf8', $outfile or abort('can not open output file for barcode list');
 261     foreach my $h (@holdings) {
 262         my $temp_ils_name = @$h[0];
 263         my $barcode = @$h[1];
 264         if (!defined $barcode) { $barcode = 'no barcode found'; }
 265         if ($temp_ils_name eq $exportbarcodes) { print $out_fh "@$h[1]\n" }
 266     }
 267     close $out_fh;
 268 } else { print "frack\n"; }
 269
 270 close $file;
 271
 272 ########### functions
 273
 274 sub abort {
 275     my $msg = shift;
 276     print STDERR "$0: $msg", "\n";
 277     exit 1;
 278 }
 279
 280 sub give_type {
 281     my $type = shift;
 282     if ($type eq 'a') { return 'Language material'; }
 283     if ($type eq 'c') { return 'Notated Music'; }
 284     if ($type eq 'd') { return 'Manuscript notated music'; }
 285     if ($type eq 'e') { return 'Cartographic material'; }
 286     if ($type eq 'f') { return 'Manuscript cartographic material'; }
 287     if ($type eq 'g') { return 'Projected Medium'; }
 288     if ($type eq 'i') { return 'Nonmusical sound recording'; }
 289     if ($type eq 'j') { return 'Musical sound recording'; }
 290     if ($type eq 'k') { return 'Two-dimensional nonprojectable graphic'; }
 291     if ($type eq 'm') { return 'Computer file'; }
 292     if ($type eq 'o') { return 'Kit'; }
 293     if ($type eq 'p') { return 'Mixed materials'; }
 294     if ($type eq 'r') { return 'Three-dimensaional artifact or naturally occurring object'; }
 295     if ($type eq 't') { return 'Manuscript language material'; }
 296     if ($type eq 'z') { return 'Authority'; }
 297     return 'unknown';
 298 }