-
Notifications
You must be signed in to change notification settings - Fork 1
/
xlsx2xml.pl
368 lines (324 loc) · 15 KB
/
xlsx2xml.pl
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
#!/usr/bin/env perl
use strict;
use warnings;
no warnings 'uninitialized';
die "Argumente: $0 Input-Dokument (xlsx), Output-Dokument (MARCXML), Systemnummerbeginn, \n" unless @ARGV == 3;
# Unicode-Support innerhalb des Perl-Skripts
use utf8;
# Unicode-Support für Output
binmode STDOUT, ":utf8";
use Unicode::Normalize;
# Catmandu-Module
use Catmandu::Importer::XLSX;
use Catmandu::Exporter::MARC;
# Data::Dumper für Debugging
use Data::Dumper;
#Zeit auslesen für Feld 583/Leader
use Time::Piece;
my $date583 = localtime->strftime('%d.%m.%Y');
my $date008 = localtime->strftime('%y%m%d');
#Catmandu Importer und Exporter
my $importer1 = Catmandu::Importer::XLSX->new(file => $ARGV[0]);
my $importer2 = Catmandu::Importer::XLSX->new(file => $ARGV[0]);
my $exporter = Catmandu::Exporter::MARC->new(file => $ARGV[1], type => 'XML', encoding => 'UTF-8', skip_empty_subfields => 1, pretty => 1);
#Generierung Systemnummberbeginn
my $sysnum = sprintf("%-9.9d", $ARGV[2]);
#Generierung %sysnum-Hash für hierarchische Zuordnungen
my %sysnum;
my $count = $importer1->each(sub {
#Importer liefert Daten als Hashref ($_[0]), wird dereferenziert uns in hash geladen
my %hash = %{$_[0]};
foreach (keys %hash) {
if ($hash{$_} eq "") {
delete $hash{$_};
}
}
#Prüft ob in der entsprechenden Excel-Zeile wirklich Daten vorhanden sind
if (($hash{'data'} ne 'n') and ($hash{'sys'})) {
$sysnum = sprintf("%-9.9d", $sysnum);
#Schreibt Systemnummerpärchen (alt/neu) in %sysnum
$sysnum{$hash{'sys'}} = $sysnum;
#erhöht neue Systemnummer um 1
$sysnum = $sysnum + 1;
};
});
#Sprachhash für Zuordnung Sprachkürzel und ausgeschriebene Form
my %language = (
afr => 'Afrikaans',
alb => 'Albanisch',
chu => 'Altbulgarisch, Kirchenslawisch',
grc => 'Altgriechisch',
san => 'Sanskrit',
eng => 'Englisch',
ara => 'Arabisch',
arc => 'Aramäisch',
arm => 'Armenisch',
aze => 'Azeri',
gez => 'Äthiopisch',
baq => 'Baskisch',
bel => 'Weissrussisch',
ben => 'Bengali',
bur => 'Burmesisch',
cze => 'Tschechisch',
bos => 'Bosnisch',
bul => 'Bulgarisch',
roh => 'Rätoromanisch',
spa => 'Spanisch',
chi => 'Chinesisch',
dan => 'Dänisch',
egy => 'Ägyptisch',
ger => 'Deutsch',
gsw => 'Schweizerdeutsch',
gla => 'Gälisch',
est => 'Estnisch',
fin => 'Finnisch',
dut => 'Niederländisch',
fre => 'Französisch',
gle => 'Gälisch',
geo => 'Georgisch',
gre => 'Neugriechisch',
heb => 'Hebräisch',
hin => 'Hindi',
ind => 'Indonesisch',
ice => 'Isländisch',
ita => 'Italienisch',
jpn => 'Japanisch',
yid => 'Jiddisch',
khm => 'Khmer',
kaz => 'Kasachisch',
kas => 'Kashmiri',
kir => 'Kirisisch',
swa => 'Swahili',
ukr => 'Ukrainisch',
cop => 'Koptisch',
kor => 'Koreanisch',
hrv => 'Kroatisch',
kur => 'Kurdisch',
lat => 'Lateinisch',
lav => 'Lettisch',
lit => 'Litauisch',
hun => 'Ungarisch',
mac => 'Mazedonisch',
may => 'Malaiisch',
rum => 'Rumänisch',
mon => 'Mongolisch',
per => 'Persisch',
nor => 'Norwegisch',
pol => 'Polnisch',
por => 'Portugiesisch',
rus => 'Russisch',
swe => 'Schwedisch',
srp => 'Serbisch',
slo => 'Slowakisch',
slv => 'Slowenisch',
wen => 'Sorbisch',
syr => 'Syrisch',
tgk => 'Tadschikisch',
tgl => 'Philippinisch',
tam => 'Tamil',
tha => 'Siamesisch',
tur => 'Türkisch',
tuk => 'Turkmenisch',
urd => 'Urdu',
uzb => 'Usbekisch',
vie => 'Vietnamisch',
rom => 'Romani'
);
$count = $importer2->each(sub {
#Importer liefert Daten als Hashref ($_[0]), wird dereferenziert und in Hash geladen
my %hash = %{$_[0]};
#Liest Keys aus dem Hash aus und speichert sie in einer Array
#my @keys = keys %hash;
#print "@keys\n";
foreach (keys %hash) {
if ($hash{$_} eq "") {
delete $hash{$_};
}
}
#Ersetzt falsche Apostrophe und Anführungszeichen; fügt decomposed Unicode-Zeichen (a+" anstelle ä) zusammen.
for my $value (values %hash) {
$value = NFC($value);
$value =~ s/'/\'/g;
$value =~ s/’/\'/g;
$value =~ s/ʼ/\'/g;
$value =~ s/ˈ/\'/g;
$value =~ s/´/\'/g;
$value =~ s/`/\'/g;
$value =~ s/‘/\'/g;
$value =~ s/′/\'/g;
$value =~ s/ʻ/\'/g;
$value =~ s/’/\'/g;
$value =~ s/”/\"/g;
$value =~ s/„/\"/g;
$value =~ s/“/\"/g;
$value =~ s/ //g;
$value =~ s/"/\"/g;
$value =~ s/&/&/g;
$value =~ s/</</g;
$value =~ s/>/>/g;
};
#Prüft ob in der entsprechenden Excel-Zeile wirklich Daten vorhanden sind, sonst wird die Verarbeitung abgebrochen
if (($hash{'data'} ne 'n') && $hash{'sys'}) {
#Verarbeitung Materialtyp für LDR: Wenn Materialtyp nicht die Länge 1 hat, wird er auf '-' gesetzt.
my $mattype = $hash{'LDR1'};
unless (length $mattype == 1) {$mattype = '-'};
#Verarbeitung Länder und Sprachcodes in Feld 008 und 546
#Lädt Sprachcodes in eine Array ein (getrennt durch Komma+Spatium, erstes Arrayelement wird für Feld 008 verwendet
my @languages = split(', ', $hash{'0081'});
my $language = $languages[0];
#Falls Sprachcode nicht Länge 3 hat, wird er auf 'und' gesetzt
unless (length $language == 3) {$language = 'und'};
#Geht die Liste der Sprachcodes durch, prüft ob die Codes im Sprachhash vorkommen und verkettet die ausführliche Form in der Variable $languange_long
my $language_long;
foreach my $lang (@languages) {
if (exists($language{$lang})) {$language_long .= $language{$lang} . ', '};
};
$language_long =~ s/, $//g;
#Wenn nur eine Sprache vorkommt wird lang_041 auf undefiniert gesetzt, damit Feld 041 nicht vergeben wird.
my $lang_041;
if (@languages > 1) {$lang_041 = $languages[0]};
#Bei zweistelligem Ländercode wird ein Bindestrich hinten angefügt, falls danach der Ländercode nicht die Länge 3 hat wird er auf 'xx-' gesetzt
my $country = $hash{'0082'};
if (length $country == 2) {$country .= '-'};
unless (length $country == 3) {$country = 'xx-'};
#Verarbeitung Zeitangaben für Feld 264c: Falls in Tabelle ausgefüllt, unverändert übernehmen, falls nicht, Wert aus Feld 046 kopieren
unless ($hash{'264c'}) {
$hash{'264c'} = $hash{'046'}
}
#Verarbeitung der Zeitangaben aus Feld 040 für Codierung in Feld 008: Auslesen des Startjahrs sowie des Endjahres, falls ein Bindestrich vorhanden ist. Ansonsten wird das Endjahr auf '----' gesetzt
#Falls Bindestrich vorhanden ist, wird die Zeitangabe in Feld 008 mit 'm' codiert, ansonsten mit 's'. Falls in Feld 264$c ein Ca. oder ca. vorkommt, wird mit 'q' codiert.
my $startyear = substr $hash{'046'}, 0, 4;
my $endyear008;
my $endyear046;
my $timerange;
my $strich = (index ($hash{'046'}, "-")) + 1;
if ($strich eq 0) {
$endyear008 = "----";
$timerange = 's';
} else {
$endyear008 = substr $hash{'046'}, $strich, 4;
$endyear046 = substr $hash{'046'}, $strich, 4;
unless ($hash{'264c'} =~ /(C|c)a\./ ) {
$timerange = 'm';
} else {
$timerange = 'q';
}
}
$startyear = '----' unless length $startyear == 4;
$endyear008 = '----' unless length $endyear008 == 4;
$endyear046 = '' unless length $endyear046 == 4;
#Verarbeitung Feld 520a1: Hinzufügen von 'Enthält'
if ($hash{'520a1'}) {
$hash{'520a1'} = "Enthält: " . $hash{'520a1'};
}
#Verarbeitung Feld 520a22: Hinzufügen von 'Darin'
if ($hash{'520a2'}) {
$hash{'520a2'} = "Darin: " . $hash{'520a2'};
}
#Verarbeitung Feld 500a1: Hinzufügen von 'Archivalienart'
if ($hash{'500a1'}) {
$hash{'500a1'} = "Archivalienart: " . $hash{'500a1'};
}
#Verarbeitung Feld 500a2: Hinzufügen von 'Trägermaterial'
if ($hash{'500a2'}){
$hash{'500a2'} = "Trägermaterial: " . $hash{'500a2'};
}
#Verarbeitung Feld 906: Anhand des Inhalts von Feld 906 wird der Indikator entsprechend gesetzt
my $ind906;
if ((substr ($hash{'906'}, 0,5) eq "Hochs") || (substr ($hash{'906'}, 0,5) eq "Brief") || (substr ($hash{'906'}, 0,5) eq "Geset")) {$ind906 = "a"};
if (substr ($hash{'906'}, 0,3) eq "CM ") {$ind906 = "c"};
if (substr ($hash{'906'}, 0,3) eq "PM ") {$ind906 = "d"};
if (substr ($hash{'906'}, 0,3) eq "SR ") {$ind906 = "e"};
if (substr ($hash{'906'}, 0,3) eq "MF ") {$ind906 = "f"};
if (substr ($hash{'906'}, 0,3) eq "CF ") {$ind906 = "g"};
if (substr ($hash{'906'}, 0,3) eq "MP ") {$ind906 = "h"};
if (substr ($hash{'906'}, 0,3) eq "VM ") {$ind906 = "i"};
if (substr ($hash{'906'}, 0,3) eq "MM ") {$ind906 = "j"};
#Verarbeitung Feld 907: Anhand des Inhalts von Feld 907 wird der Indikator entsprechend gesetzt
my $ind907;
if ((substr ($hash{'907'}, 0,5) eq "Hochs") || (substr ($hash{'907'}, 0,5) eq "Brief") || (substr ($hash{'907'}, 0,5) eq "Geset")){$ind907 = "a"};
if (substr ($hash{'907'}, 0,3) eq "CM ") {$ind907 = "c"};
if (substr ($hash{'907'}, 0,3) eq "PM ") {$ind907 = "d"};
if (substr ($hash{'907'}, 0,3) eq "SR ") {$ind907 = "e"};
if (substr ($hash{'907'}, 0,3) eq "MF ") {$ind907 = "f"};
if (substr ($hash{'907'}, 0,3) eq "CF ") {$ind907 = "g"};
if (substr ($hash{'907'}, 0,3) eq "MP ") {$ind907 = "h"};
if (substr ($hash{'907'}, 0,3) eq "VM ") {$ind907 = "i"};
if (substr ($hash{'907'}, 0,3) eq "MM ") {$ind907 = "j"};
my $ind9071;
if ((substr ($hash{'9071'}, 0,5) eq "Hochs") || (substr ($hash{'9071'}, 0,5) eq "Brief") || (substr ($hash{'9071'}, 0,5) eq "Geset")) {$ind9071 = "a"};
if (substr ($hash{'9071'}, 0,3) eq "CM ") {$ind9071 = "c"};
if (substr ($hash{'9071'}, 0,3) eq "PM ") {$ind9071 = "d"};
if (substr ($hash{'9071'}, 0,3) eq "SR ") {$ind9071 = "e"};
if (substr ($hash{'9071'}, 0,3) eq "MF ") {$ind9071 = "f"};
if (substr ($hash{'9071'}, 0,3) eq "CF ") {$ind9071 = "g"};
if (substr ($hash{'9071'}, 0,3) eq "MP ") {$ind9071 = "h"};
if (substr ($hash{'9071'}, 0,3) eq "VM ") {$ind9071 = "i"};
if (substr ($hash{'9071'}, 0,3) eq "MM ") {$ind9071 = "j"};
my $ind9072;
if ((substr ($hash{'9072'}, 0,5) eq "Hochs") || (substr ($hash{'9072'}, 0,5) eq "Brief") || (substr ($hash{'9072'}, 0,5) eq "Geset")) {$ind9072 = "a"};
if (substr ($hash{'9072'}, 0,3) eq "CM ") {$ind9072 = "c"};
if (substr ($hash{'9072'}, 0,3) eq "PM ") {$ind9072 = "d"};
if (substr ($hash{'9072'}, 0,3) eq "SR ") {$ind9072 = "e"};
if (substr ($hash{'9072'}, 0,3) eq "MF ") {$ind9072 = "f"};
if (substr ($hash{'9072'}, 0,3) eq "CF ") {$ind9072 = "g"};
if (substr ($hash{'9072'}, 0,3) eq "MP ") {$ind9072 = "h"};
if (substr ($hash{'9072'}, 0,3) eq "VM ") {$ind9072 = "i"};
if (substr ($hash{'9072'}, 0,3) eq "MM ") {$ind9072 = "j"};
#Verknüpfe Signaturen
my $signatur = $hash{'852p1'} . ' ' . $hash{'852p2'};
#Prüfung: Ist verlinkte Aufnahme im Systemnummern-Hash (%sysnum) ? Wenn nicht, Link auf ein existierendes Aleph-Katalogisat: Linker-Systemnummer wird nicht angepasst!
unless ($sysnum{$hash{'490w'}}) {
$sysnum{$hash{'490w'}} = sprintf("%-9.9d", $hash{'490w'})
};
#Generiert Data Hash
#Anpassung an Alma-Format: Feld 035 wird mit Dummy-HAN-Systemnummer gefüllt, Rest der MARC-Felder müssen noch angepasst werden
my $data = {
record => [
['FMT',' ',' ','',$hash{'FMT'}],
['LDR',' ',' ','','-----n' . $mattype . 'm--22-----4u-4500'],
['008',' ',' ','', $date008 . $timerange . $startyear . $endyear008 . $country . '-----------------' . $language . '--'],
['035',' ',' ','a','(HAN)' . $sysnum{$hash{'sys'}} . 'DSV05'],
['041',' ',' ','a',$lang_041,'a', $languages[1],'a',$languages[2],'a',$languages[3],'a',$languages[4],'a',$languages[5],'a', $languages[6],'a',$languages[7],'a',$languages[8],'a', $languages[9],'a',$languages[10]],
['046',' ',' ','a',$timerange,'c', $startyear, 'e', $endyear046],
['245','1','0','a',$hash{'245a'},'b',$hash{'245b'},'c',$hash{'245c'},'h', $hash{'245h'}],
['250',' ',' ','a',$hash{'250a'}],
['264',' ','0','a',$hash{'264a'},'c',$hash{'264c'}],
['300',' ',' ','a',$hash{'300a'},'b',$hash{'300b'},'c',$hash{'300c'}, 'e', $hash{'300e'} ],
['340',' ',' ','a',$hash{'340a'}],
['351',' ',' ','c',$hash{'351c'}],
['355','0',' ','a',$hash{'3550a'}],
['355','0',' ','a',$hash{'3550a1'}],
['355','0',' ','a',$hash{'3550a2'}],
['490',' ',' ','a',$hash{'490a'},'i',$hash{'490i'},'v',$hash{'490v'},'w', '(HAN)' . $sysnum{$hash{'490w'}} . 'DSV05'],
['500',' ',' ','a',$hash{'500a'}],
['500',' ',' ','a',$hash{'500a1'}],
['500',' ',' ','a',$hash{'500a2'}],
['525',' ',' ','a',$hash{'525a'}],
['506',' ',' ','a',$hash{'506a'}],
['520',' ',' ','a',$hash{'520a'}],
['520',' ',' ','a',$hash{'520a1'}],
['520',' ',' ','a',$hash{'520a2'}],
['533',' ',' ','n',$hash{'533n'}],
['542','1','1','l','Die Katalogdaten stehen unter der Lizenz CC0 zur Weiternutzung zur Verfügung.'],
['544','1',' ','n',$hash{'5441n'}],
['544','0',' ','n',$hash{'5440n'}],
['534',' ',' ','n',$hash{'534n'}],
['546',' ',' ','a',"$language_long"],
['583','0',' ','b','Verzeichnung=Description=Inventaire','c',$date583,'i','Automatisiert nach HAN-Import'],
['583','0',' ','b','Verzeichnung=Description=Inventaire','c',$hash{'583c'},'f','ISAD(G) / HAN Katalogisierungsregeln für Archivbestände', 'i', 'Detailliert', 'k', $hash{'583k'}],
['852',' ',' ','n',$hash{'852n'},'a',$hash{'852a'},'b',$hash{'852b'},'p',$signatur,'q',$hash{'852q'}, 'z',$hash{'852z'}, 'x',$hash{'852x'}],
['856',' ','1','u',$hash{'856u'},'z',$hash{'856z'}],
['906',' ',' ',$ind906,$hash{'906'}],
['907',' ',' ',$ind907,$hash{'907'}],
['907',' ',' ',$ind9071,$hash{'9071'}],
['907',' ',' ',$ind9072,$hash{'9072'}],
['909',' ',' ','f','collect_this archivgut'],
],
};
#Lädt Hash in Exporter
$exporter->add($data);
};
});
$exporter->commit;
exit;