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 # FIXME: one database per dist
  49 # http://lists.debian.org/4E42E104.90201@deb-support.de
  50 # FIXME: unhardcode dists name
  51 my @dists = ('sid', 'wheezy', 'squeeze', 'lenny');
  52
  53 foreach my $lang (@DDTP_LANGUAGES) {
  54     (my $locale = $lang) =~ s/^([a-z]{2})-([a-z]{2})$/"$1_".uc($2)/e;
  55     print "Reading Translations for $lang ($locale)...";
  56     my $count = 0;
  57     foreach my $dist (@dists) {
  58     open PKG, "bzcat $TOPDIR/archive/*/$dist/*/i18n/Translation-$locale.bz2|";
  59     while (<PKG>) {
  60         next if /^\s*$/;
  61         my $data = "";
  62         my %data = ();
  63         chomp;
  64         s/\n /\377/g;
  65         while (/^(\S+):\s*(.*)\s*$/mg) {
  66             my ($key, $value) = ($1, $2);
  67             $value =~ s/\377/\n /g;
  68             $key =~ tr [A-Z] [a-z];
  69             $data{$key} = $value;
  70         }
  71         # Skip double descriptions
  72         next if exists($descriptions{$data{"description-md5"}}{$lang});
  73         # some weirdnesses in the files
  74         next unless defined $data{"description-".lc($locale)};
  75         if ($lang eq 'ja') {
  76             my $fixed = $fixja->convert($data{"description-ja"});
  77             $data{"description-ja"} = $fixed if $fixed;
  78         }
  79         $descriptions{$data{"description-md5"}}{$lang} =
  80             $data{"description-".lc($locale)};
  81         $count++;
  82     }
  83     }
  84     print "($count)\n";
  85 }
  86 close PKG;
  87
  88 print "Writing database (".scalar(keys %descriptions)." unique descriptions)...\n";
  89 my %descriptions_db;
  90 tie %descriptions_db, "DB_File", "$DBDIR/descriptions_translated.db.new",
  91         O_RDWR|O_CREAT, 0666, $DB_BTREE
  92         or die "Error creating DB: $!";
  93 while (my ($md5, $v) = each(%descriptions)) {
  94     my $str = "";
  95     while (my ($lang, $desc) = each %$v) {
  96         unless ($lang && $desc) {
  97             warn "MD5: $md5 LANG: $lang DESC: $desc\n";
  98             exit;
  99         }
 100         $str .= "$lang\001$desc\000";
 101     }
 102
 103     $descriptions_db{$md5} = $str;
 104 }
 105 untie %descriptions_db;
 106
 107 rename("$DBDIR/descriptions_translated.db.new",
 108        "$DBDIR/descriptions_translated.db");