bin/parse-packages

   1 #!/usr/bin/perl -w
   2 # Convert Packages.gz files into Sleepycat db files for efficient usage of
   3 # data
   4 #
   5 # $Id$
   6 #
   7 # Copyright (C) 2006  Jeroen van Wolffelaar <jeroen@wolffelaar.nl>
   8 # This program is free software; you can redistribute it and/or modify
   9 # it under the terms of the GNU General Public License as published by
  10 # the Free Software Foundation; either version 2 of the License, or
  11 # (at your option) any later version.
  12
  13 # This program is distributed in the hope that it will be useful,
  14 # but WITHOUT ANY WARRANTY; without even the implied warranty of
  15 # MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the
  16 # GNU General Public License for more details.
  17
  18 # You should have received a copy of the GNU General Public License
  19 # along with this program; if not, write to the Free Software
  20 # Foundation, Inc., 59 Temple Place, Suite 330, Boston, MA  02111-1307  USA
  21
  22 use strict;
  23
  24 my $what = $ARGV[0] ? "non-free" : "*";
  25 # max. distinct results for a given package postfix
  26 my $MAX_PACKAGE_POSTFIXES = 100;
  27
  28 use DB_File;
  29 my %packages_small = ();
  30 my %package_names = ();
  31 my %package_postfixes = ();
  32 my %sources_packages = ();
  33 my %descriptions = ();
  34 my @descriptions = ("we count lines one-based\000");
  35 my %packages_descriptions = ();
  36 my %descriptions_packages = ();
  37
  38 my @archives = ( 'us', 'non-US', 'security', 'volatile', 'backports' );
  39 my @suites = ('oldstable', 'stable', 'testing', 'unstable', 'experimental');
  40
  41 $/ = "";
  42
  43 for my $archive (@archives) {
  44     for my $suite (@suites) {
  45
  46         print "Reading $archive/$suite...\n";
  47         my %packages_all_db;
  48         tie %packages_all_db, "DB_File", "packages_all_$suite.db.new",
  49                 O_RDWR|O_CREAT, 0666, $DB_BTREE
  50                 or die "Error creating DB: $!";
  51         open PKG, "zcat /org/packages.debian.org/archive/$archive/$suite/$what/{,debian-installer/}binary-*/Packages.gz|";
  52         while (<PKG>) {
  53                 next if /^\s*$/;
  54                 my $data = "";
  55                 my %data = ();
  56                 chomp;
  57                 s/\n /\377/g;
  58                 while (/^(\S+):\s*(.*)\s*$/mg) {
  59                         my ($key, $value) = ($1, $2);
  60                         $value =~ s/\377/\n /g;
  61                         $key =~ tr [A-Z] [a-z];
  62                         $data{$key} = $value;
  63                 }
  64                 # Skip double package
  65                 next if exists($packages_all_db{"$data{'package'} $data{'architecture'} $data{'version'}"});
  66
  67                 $package_names{$data{'package'}} = 1;
  68                 my $src = $data{'package'};
  69                 if ($data{'source'}) {
  70                         $src = $data{'source'};
  71                         $src =~ s/ .*//; # strip version info
  72                 }
  73                 $data{'source'} = $src;
  74                 my $descr = $data{'description'};
  75                 my $did = undef;
  76                 if (exists($descriptions{$descr})) {
  77                         $did  = $descriptions{$descr};
  78                 } else {
  79                         $did = 1 + $#descriptions;
  80                         $descriptions[$did] = $descr;
  81                         $descriptions{$descr} = $did;
  82                 }
  83                 $data{'description'} = $did;
  84                 $packages_descriptions{"$data{'package'} $data{'version'} $data{'architecture'}"} = $did;
  85                 $descriptions_packages{$did} .=
  86                         "$data{'package'} $data{'version'} $data{'architecture'}\000";
  87
  88                 my $sdescr = $descr;
  89                 $sdescr =~ s/\n.*//s;
  90                 my $section = 'main';
  91                 my $subsection = $data{section} || '-';
  92                 if ($data{section} && ($data{section} =~ m=/=o)) {
  93                     ($section, $subsection) = split m=/=o, $data{section}, 2;
  94                 }
  95                 $data{'section'} = $section;
  96                 $data{'subsection'} = $subsection;
  97                 $data{'priority'} ||= '-';
  98                 $packages_small{$data{'package'}} .= "$archive $suite $data{'architecture'} ".
  99                         "$section $subsection $data{'priority'} $data{'version'} $sdescr\000";
 100                 $sources_packages{$src} .=
 101                         "$archive $suite $data{'package'} $data{'version'} $data{'architecture'}\000";
 102                 $data{archive} = $archive;
 103                 while (my ($key, $value) = each (%data)) {
 104                         next if $key eq 'package' or $key eq 'version' or $key eq 'architecture'
 105                                 or $key eq 'maintainer';
 106                         print STDERR "WARN: $key ($suite/$archive/$data{package}/$data{architecture}\n" unless defined $value;
 107                         $data .= "$key: $value\n";
 108                 }
 109                 $packages_all_db{"$data{'package'} $data{'architecture'} $data{'version'}"}
 110                         = $data;
 111         }
 112
 113         untie %packages_all_db;
 114     }
 115 }
 116
 117 print "Writing databases...\n";
 118 my %packages_small_db;
 119 tie %packages_small_db, "DB_File", "packages_small.db.new",
 120         O_RDWR|O_CREAT, 0666, $DB_BTREE
 121         or die "Error creating DB: $!";
 122 while (my ($k, $v) = each(%packages_small)) {
 123         $v =~ s/.$//s;
 124         $packages_small_db{$k} = $v;
 125 }
 126 untie %packages_small_db;
 127
 128 my %sources_packages_db;
 129 tie %sources_packages_db, "DB_File", "sources_packages.db.new",
 130         O_RDWR|O_CREAT, 0666, $DB_BTREE
 131         or die "Error creating DB: $!";
 132 while (my ($k, $v) = each(%sources_packages)) {
 133         $v =~ s/.$//s;
 134         $sources_packages_db{$k} = $v;
 135 }
 136 untie %sources_packages_db;
 137
 138 my %packages_descriptions_db;
 139 tie %packages_descriptions_db, "DB_File", "packages_descriptions.db.new",
 140         O_RDWR|O_CREAT, 0666, $DB_BTREE
 141         or die "Error creating DB: $!";
 142 while (my ($k, $v) = each(%packages_descriptions)) {
 143         $packages_descriptions_db{$k} = $v;
 144 }
 145 untie %packages_descriptions_db;
 146
 147 my %descriptions_packages_db;
 148 tie %descriptions_packages_db, "DB_File", "descriptions_packages.db.new",
 149         O_RDWR|O_CREAT, 0666, $DB_BTREE
 150         or die "Error creating DB: $!";
 151 while (my ($k, $v) = each(%descriptions_packages)) {
 152         $v =~ s/.$//s;
 153         $descriptions_packages_db{$k} = $v;
 154 }
 155 untie %descriptions_packages_db;
 156
 157 my %descriptions_db;
 158 tie %descriptions_db, "DB_File", "descriptions.db.new",
 159         O_RDWR|O_CREAT, 0666, $DB_BTREE
 160         or die "Error creating DB: $!";
 161 open DESCR, "> descriptions.txt" or die "Error creating descriptions textfile";
 162 for (my $i=1; $i<= $#descriptions; $i++) {
 163         my $plain_description = $descriptions[$i];
 164         $plain_description =~ s/\n .\n/ /og;
 165         $plain_description =~ s/[\n \t]+/ /og;
 166         print DESCR "$plain_description\n";
 167         $descriptions_db{$i} = $descriptions[$i];
 168 }
 169 close DESCR;
 170 untie %descriptions_db;
 171
 172 # package names stuff:
 173 for my $pkg (keys %package_names) {
 174         for (my $i=0;$i<length($pkg)-1;$i++) {
 175                 my $before = substr($pkg, 0, $i);
 176                 my $after = substr($pkg, $i);
 177                 $before = "^" if $before eq ""; # otherwise split doesn't work properly
 178                 $package_postfixes{$after} .= "$before\0";
 179         }
 180 }
 181 my %package_postfixes_db;
 182 tie %package_postfixes_db, "DB_File", "package_postfixes.db.new",
 183         O_RDWR|O_CREAT, 0666, $DB_BTREE
 184         or die "Error creating DB: $!";
 185 while (my ($k, $v) = each(%package_postfixes)) {
 186         $v =~ s/.$//s;
 187         my $nr = $v;
 188         $nr =~ s/[^\000]//g;
 189         $nr = length($nr) + 1; # < number of hits
 190         if ($nr > $MAX_PACKAGE_POSTFIXES) {
 191                 $v = "\001" . $nr;
 192         }
 193         $package_postfixes_db{$k} = $v;
 194 }
 195 untie %package_postfixes_db;
 196
 197 rename("packages_small.db.new", "packages_small.db");
 198 rename("sources_packages.db.new", "sources_packages.db");
 199 for my $suite (@suites) {
 200         rename("packages_all_$suite.db.new", "packages_all_$suite.db");
 201 }
 202 rename("packages_descriptions.db.new", "packages_descriptions.db");
 203 rename("descriptions_packages.db.new", "descriptions_packages.db");
 204 rename("descriptions.txt.new", "descriptions.txt");
 205 rename("descriptions.db.new", "descriptions.db");
 206 rename("package_postfixes.db.new", "package_postfixes.db");