unicorn/unicorn_to_tsv.pl

   1 #!/usr/bin/perl -w
   2
   3 # Converts a Unicorn users.data, bill.data, or charge.data file to a tab-separated file.
   4 # 2009-08-10 Ben Ostrowsky <ben@esilibrary.com>
   5
   6 my @records;
   7 my $serial = -1;
   8 my $line = 0;
   9 my $section = '';
  10 my $field = '';
  11 my %unique_fields;
  12
  13
  14 # Load each record
  15 while (<>) {
  16     s/\r\n/\n/g;
  17 # print STDERR "Loaded this line: " . $_;
  18
  19         # Is this the start of a new record?
  20         if ( /^... DOCUMENT BOUNDARY ...$/ ) {
  21                 $line = 0;
  22                 $serial++;
  23                 $section = ''; # just in case this didn't get reset in the previous record
  24                 # print STDERR "Processing record $serial.\n";
  25                 next;
  26         }
  27
  28         # Is this a FORM= line?
  29         if ( /^FORM=(.*)/ ) {
  30                 $records[$serial]{'l_form'} = $1;
  31                 next;
  32         }
  33
  34         # If this isn't the start of the new record, it's a new line in the present record.
  35         $line++;
  36
  37         # Is this line the beginning of a block of data (typically an address or a note)?
  38         if ( /^\.(.*?)_BEGIN.$/ ) {
  39                 # print STDERR "I think this might be the beginning of a beautiful " . $1 . ".\n";
  40                 $section = "$1.";
  41                 next;
  42         }
  43
  44         # Is this line the beginning of a block of data (typically an address or a note)?
  45         if ( /^\.(.*?)_END.$/ ) {
  46                 if ("$1." ne $section) {
  47                         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";
  48                 }
  49                 # print STDERR "It's been fun, guys, but... this is the end of the " . $1 . ".\n";
  50                 $section = '';
  51                 next;
  52         }
  53
  54         # Looks like we've got some actual data!  Let's store it.
  55         # FIXME: For large batches of data, we may run out of memory and should store this on disk.
  56         if ( /^\.(.*?).\s+(\|a)?(.*)$/ ) {
  57
  58                 # Build the name of this field (taking note of whether we're in a named section of data)
  59                 $field = '';
  60                 if ($section ne '') {
  61                         $field .= $section;
  62                 }
  63                 $field .= $1;
  64
  65                 # Store the field as a key of an array.  If it already exists, oh well, now it still exists.
  66                 $unique_fields{$field} = 1;
  67
  68                 # Now we can actually store this line of data!
  69                 $records[$serial]{$field} = $3;
  70
  71                 # print STDERR "Data extracted: \$records[$serial]{'$field'} = '$3'\n";
  72
  73                 next;
  74         }
  75
  76         # This is the continuation of the previous line.
  77         else {
  78                 chomp($_);
  79                 $records[$serial]{$field} .= ' ' . $_;
  80                 # print STDERR "Appended data to previous field. \$records[$serial]{'$field'} is now '" . $records[$serial]{$field} . "'.\n";
  81         }
  82
  83 }
  84
  85 print STDERR "Loaded " . scalar(@records) . " records.\n";
  86
  87
  88 # Print a header line
  89 print "SERIAL\t";
  90 @sorted_fields = sort keys %unique_fields;
  91 foreach $i (@sorted_fields) {
  92         print "$i\t";
  93 }
  94 print "\n";
  95
  96
  97 # Print the results
  98 for (my $u = 0; $u < @records; $u++) {
  99         print "$u\t";
 100         foreach $f (@sorted_fields) {
 101                 if (defined $records[$u]{$f}) {
 102                         print $records[$u]{$f};
 103                 }
 104         print "\t";
 105         }
 106         print "\n";
 107 }
 108
 109 print STDERR "Wrote " . scalar(@records) . " records.\n";
 110 # uh-bdee-uh-bdee-uh-bdee-uh- THAT'S ALL, FOLKS