bin/parse-translations

   1 #!/usr/bin/perl -w
   2 # Convert Translation.gz files into Sleepycat db files for efficient usage of
   3 # data
   4 #
   5 # Copyright (C) 2006  Jeroen van Wolffelaar <jeroen@wolffelaar.nl>
   6 # Copyright (C) 2007  Frank Lichtenheld <frank@lichtenheld.de>
   7 # This program is free software; you can redistribute it and/or modify
   8 # it under the terms of the GNU General Public License as published by
   9 # the Free Software Foundation; either version 2 of the License, or
  10 # (at your option) any later version.
  11
  12 # This program is distributed in the hope that it will be useful,
  13 # but WITHOUT ANY WARRANTY; without even the implied warranty of
  14 # MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the
  15 # GNU General Public License for more details.
  16
  17 # You should have received a copy of the GNU General Public License
  18 # along with this program; if not, write to the Free Software
  19 # Foundation, Inc., 51 Franklin Street, Fifth Floor, Boston, MA 02110-1301 USA.
  20
  21 use strict;
  22 use warnings;
  23 use lib './lib';
  24
  25 $| = 1;
  26
  27 # max. distinct results for a given package postfix
  28 my $MAX_PACKAGE_POSTFIXES = 100;
  29
  30 use DB_File;
  31 use Storable;
  32 use File::Path;
  33 use Digest::MD5;
  34 use Text::Iconv;
  35 use Deb::Versions;
  36 use Lingua::Stem v0.82;
  37 use Search::Xapian;
  38 use Packages::Config qw( $TOPDIR $DBDIR @DDTP_LANGUAGES );
  39 &Packages::Config::init( './' );
  40 my %descriptions = ();
  41
  42 $/ = "";
  43
  44 -d $DBDIR || mkpath( $DBDIR );
  45
  46 my $fixja = Text::Iconv->new("EUC-JP", "UTF-8");
  47
  48 foreach my $lang (@DDTP_LANGUAGES) {
  49     print "Reading Translations for $lang...";
  50     open PKG, "zcat $TOPDIR/archive/*/*/*/i18n/Translation-$lang.gz|";
  51     my $count = 0;
  52     while (<PKG>) {
  53         next if /^\s*$/;
  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} = $value;
  63         }
  64         # Skip double descriptions
  65         next if exists($descriptions{$data{"description-md5"}}{$lang});
  66         # some weirdnesses in the files
  67         next unless defined $data{"description-".lc($lang)};
  68         if ($lang eq 'ja') {
  69             my $fixed = $fixja->convert($data{"description-ja"});
  70             $data{"description-ja"} = $fixed if $fixed;
  71         }
  72         $descriptions{$data{"description-md5"}}{$lang} = $data{"description-".lc($lang)};
  73         $count++;
  74     }
  75     print "($count)\n";
  76 }
  77 close PKG;
  78
  79 print "Writing database (".scalar(keys %descriptions)." unique descriptions)...\n";
  80 my %descriptions_db;
  81 tie %descriptions_db, "DB_File", "$DBDIR/descriptions_translated.db.new",
  82         O_RDWR|O_CREAT, 0666, $DB_BTREE
  83         or die "Error creating DB: $!";
  84 while (my ($md5, $v) = each(%descriptions)) {
  85     my $str = "";
  86     while (my ($lang, $desc) = each %$v) {
  87         unless ($lang && $desc) {
  88             warn "MD5: $md5 LANG: $lang DESC: $desc\n";
  89             exit;
  90         }
  91         $str .= "$lang\001$desc\000";
  92     }
  93
  94     $descriptions_db{$md5} = $str;
  95 }
  96 untie %descriptions_db;
  97
  98 rename("$DBDIR/descriptions_translated.db.new",
  99        "$DBDIR/descriptions_translated.db");