unicorn/unicorn_to_tsv.pl

   1 #!/usr/bin/perl -w
   2
   3 # Copyright 2009-2012, Equinox Software, Inc.
   4 #
   5 # This program is free software; you can redistribute it and/or
   6 # modify it under the terms of the GNU General Public License
   7 # as published by the Free Software Foundation; either version 2
   8 # of the License, or (at your option) any later version.
   9 #
  10 # This program is distributed in the hope that it will be useful,
  11 # but WITHOUT ANY WARRANTY; without even the implied warranty of
  12 # MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the
  13 # GNU General Public License for more details.
  14 #
  15 # You should have received a copy of the GNU General Public License
  16 # along with this program; if not, write to the Free Software
  17 # Foundation, Inc., 51 Franklin Street, Fifth Floor, Boston, MA  02110-1301, USA.
  18
  19 # Converts a Unicorn users.data, bill.data, or charge.data file to a tab-separated file.
  20 # 2009-08-10 Ben Ostrowsky <ben@esilibrary.com>
  21
  22 my @records;
  23 my $serial = -1;
  24 my $line = 0;
  25 my $section = '';
  26 my $field = '';
  27 my %unique_fields;
  28
  29
  30 # Load each record
  31 while (<>) {
  32     s/\r\n/\n/g;
  33 # print STDERR "Loaded this line: " . $_;
  34
  35         # Is this the start of a new record?
  36         if ( /^... DOCUMENT BOUNDARY ...$/ ) {
  37                 $line = 0;
  38                 $serial++;
  39                 $section = ''; # just in case this didn't get reset in the previous record
  40                 print STDERR "Processing record $serial.\n";
  41                 next;
  42         }
  43
  44         # Is this a FORM= line?
  45         if ( /^FORM=(.*)/ ) {
  46                 $records[$serial]{'l_form'} = $1;
  47                 next;
  48         }
  49
  50         # If this isn't the start of the new record, it's a new line in the present record.
  51         $line++;
  52
  53         # Is this line the beginning of a block of data (typically an address or a note)?
  54         if ( /^\.(.*?)_BEGIN.$/ ) {
  55                 print STDERR "I think this might be the beginning of a beautiful " . $1 . ".\n";
  56                 $section = "$1.";
  57                 next;
  58         }
  59
  60         # Is this line the beginning of a block of data (typically an address or a note)?
  61         if ( /^\.(.*?)_END.$/ ) {
  62                 if ("$1." ne $section) {
  63                         print STDERR "Error in record $serial, line $line (input line $.): got an end-of-$1 but I thought I was in a $section block!\n";
  64                 }
  65                 print STDERR "It's been fun, guys, but... this is the end of the " . $1 . ".\n";
  66                 $section = '';
  67                 next;
  68         }
  69
  70         # Looks like we've got some actual data!  Let's store it.
  71         # FIXME: For large batches of data, we may run out of memory and should store this on disk.
  72         if ( /^\.(.*?).\s+(\|a)?(.*)$/ ) {
  73
  74                 # Build the name of this field (taking note of whether we're in a named section of data)
  75                 $field = '';
  76                 if ($section ne '') {
  77                         $field .= $section;
  78                 }
  79                 $field .= $1;
  80
  81                 # Store the field as a key of an array.  If it already exists, oh well, now it still exists.
  82                 $unique_fields{$field} = 1;
  83
  84                 # Now we can actually store this line of data!
  85                 $records[$serial]{$field} = $3;
  86
  87                 print STDERR "Data extracted: \$records[$serial]{'$field'} = '$3'\n";
  88
  89                 next;
  90         }
  91
  92         # This is the continuation of the previous line.
  93         else {
  94                 chomp($_);
  95                 $records[$serial]{$field} .= ' ' . $_;
  96                 print STDERR "Appended data to previous field. \$records[$serial]{'$field'} is now '" . $records[$serial]{$field} . "'.\n";
  97         }
  98
  99 }
 100
 101 print STDERR "Loaded " . scalar(@records) . " records.\n";
 102
 103
 104 # Print a header line
 105 print "SERIAL\t";
 106 @sorted_fields = sort keys %unique_fields;
 107 foreach $i (@sorted_fields) {
 108         print "$i\t";
 109 }
 110 print "\n";
 111
 112
 113 # Print the results
 114 for (my $u = 0; $u < @records; $u++) {
 115         print "$u\t";
 116         foreach $f (@sorted_fields) {
 117                 if (defined $records[$u]{$f}) {
 118                         print $records[$u]{$f};
 119                 }
 120         print "\t";
 121         }
 122         print "\n";
 123 }
 124
 125 print STDERR "Wrote " . scalar(@records) . " records.\n";
 126 # uh-bdee-uh-bdee-uh-bdee-uh- THAT'S ALL, FOLKS