mig-bin/mig-bibstats

   1 #!/usr/bin/perl
   2 # -*- coding: iso-8859-15 -*-
   3 ###############################################################################
   4 =pod
   5
   6 =item B<bibstats> --file foo.mrc
   7
   8 Reads through a marc file to generate statistical information about the file
   9 for quick analysis.
  10
  11 --uri_threshold defaults to 1, only shows URI values with more than that
  12 frequency
  13
  14 =back
  15
  16 =cut
  17
  18 ###############################################################################
  19
  20 use strict;
  21 use warnings;
  22
  23 use Data::Dumper;
  24 use Env qw(
  25     HOME PGHOST PGPORT PGUSER PGDATABASE MIGSCHEMA
  26     MIGBASEWORKDIR MIGBASEGITDIR MIGGITDIR MIGWORKDIR
  27 );
  28 use Pod::Usage;
  29 use Switch;
  30 use Getopt::Long;
  31 use MARC::Batch;
  32 use MARC::Record;
  33 use MARC::Field;
  34 use Cwd 'abs_path';
  35 use Cwd qw(getcwd);
  36 use FindBin;
  37 my $mig_bin = "$FindBin::Bin/";
  38 use lib "$FindBin::Bin/";
  39 use Mig;
  40 use open ':encoding(utf8)';
  41
  42 pod2usage(-verbose => 2) if defined $ARGV[0] && $ARGV[0] eq '--help';
  43 pod2usage(-verbose => 1) if ! $ARGV[1];
  44
  45 my $file;
  46 my $uri_threshold = 1;
  47 my $p_holding_code;
  48 my $p_barcode_subfield;
  49 my $p_ils_name = 'Runtime ILS';
  50 my $holding_threshold = 50;
  51
  52 my $ret = GetOptions(
  53     'file:s'                    => \$file,
  54         'uri_threshold:i'               => \$uri_threshold,
  55         'holding_code:s'                => \$p_holding_code,
  56         'barcode:s'                     => \$p_barcode_subfield,
  57         'ils_name:s'                    => \$p_ils_name,
  58         'holding_threshold:s'   => \$holding_threshold
  59 );
  60
  61 if ($p_holding_code and length $p_holding_code != 3) { abort('Holdings codes must be three characters.'); }
  62
  63 if ($p_barcode_subfield) {
  64         if (!defined $p_holding_code) { abort('A barcode field can not be used without a holding code.'); }
  65         if (length $p_barcode_subfield != 1) { abort('Barcode subfields must be a single character code.'); }
  66 }
  67
  68 my @ilses = (
  69         ['Mandarin','852','p'],
  70         ['Evergreen','852','p'],
  71         ['Polaris','852','p'],
  72         ['TLC','949','g'],
  73         ['Koha','952','p'],
  74         ['Sympony','999','i']
  75 );
  76
  77 my @temp;
  78 if ($p_holding_code) {
  79         push @temp, $p_ils_name;
  80         push @temp, $p_holding_code;
  81         if ($p_barcode_subfield) { push @temp, lc $p_barcode_subfield; }
  82 }
  83 push @ilses, @temp;
  84
  85
  86
  87 my $batch = MARC::Batch->new('USMARC', $file);
  88 $batch->strict_off();
  89 my $filetype = `file $file`;
  90 if ($filetype =~ m/MARC21/) { print "$filetype.\n" }
  91     else { abort("File is not MARC21."); }
  92
  93 my $i = 0;
  94 my $uri_count = 0;
  95 my $uri_valid_count = 0;
  96 my $uri_sub9_count = 0;
  97 my $author_sub0 = 0;
  98 my $title_sub0 = 0;
  99 my @uris;
 100 my @fields;
 101 my @codes;
 102 my @holding_code_strings;
 103 my %holding_counts;
 104 my %barcode_counts;
 105
 106 foreach (@ilses) {
 107         $holding_counts{@$_[0]} = 0;
 108         $barcode_counts{@$_[0]} = 0;
 109 }
 110
 111 while ( my $record = $batch->next() ) {
 112     $i++;
 113         #check holdings, bit time consuming but more future proof
 114         foreach (@ilses) {
 115                 my $ils = @$_[0];
 116                 my $hcode = @$_[1];
 117                 my $barcode = @$_[2];
 118                 my @holding_fields = $record->field($hcode);
 119                 my $l = scalar @holding_fields;
 120                 my $v = $holding_counts{$ils};
 121                 if ($l) { $holding_counts{$ils} = $v + $l; }
 122         }
 123     #process 856s
 124         @fields = $record->field('856');
 125         my $ldr = substr $record->leader(), 9, 1;
 126         push @codes, $ldr;
 127         foreach my $f (@fields) {
 128                 my $u = $f->subfield('u');
 129         my $n = $f->subfield('9');
 130         if (defined $n) { $uri_sub9_count++; }
 131                 if (defined $u) {
 132                         $uri_count++;
 133                         my $ind1 = $f->indicator('1');
 134                         my $ind2 = $f->indicator('2');
 135                         if ($ind1 eq '4') {
 136                                 if ($ind2 eq '0' or $ind2 eq '1') { $uri_valid_count++; }
 137                         }
 138                         my $ustring = lc $f->as_string('u');
 139                         $ustring =~ s/http:\/\///;
 140             $ustring =~ s/ftp:\/\///;
 141                         $ustring =~ s/https:\/\///;
 142                         $ustring =~ s/\/.*//;
 143                         push @uris, $ustring;
 144                 }
 145         }
 146     #check for authority linking on 100s and 245s, if present may need to scrub them
 147         @fields = $record->field('100');
 148         foreach my $f (@fields) {
 149                 my $t = $f->subfield('0');
 150                 if (defined $t) { $title_sub0++; }
 151         }
 152     @fields = $record->field('245');
 153     foreach my $f (@fields) {
 154         my $t = $f->subfield('0');
 155         if (defined $t) { $author_sub0++; }
 156     }
 157     if(($i % 1000) == 0) { print "Processing bib $i.\n"; }
 158 }
 159
 160 my %uri_counts;
 161 $uri_counts{$_}++ for @uris;
 162
 163 my %code_counts;
 164 $code_counts{$_}++ for @codes;
 165
 166 print "\n$filetype\n";
 167 print "$i bibs read in file\n\n";
 168
 169 print "=== Leader 09 codes\n";
 170 foreach my $key (keys %code_counts) {
 171     my $value = $code_counts{$key};
 172     print "=== $key   $value\n";
 173 }
 174 print "\n";
 175
 176 print "$uri_count 856 fields with a subfield u\n";
 177 print "$uri_valid_count 856 fields with a subfield u and valid indicators\n";
 178 print "$uri_sub9_count 856 fields have subfield 9s\n";
 179 print "$title_sub0 100 fields have a subfield 0\n";
 180 print "$author_sub0 245 fields have a subfield 0\n";
 181
 182 print "\n=== Holdings Analysis\n";
 183 foreach my $key (keys %holding_counts) {
 184         my $c = $holding_counts{$key};
 185         if (((100/$i)*$c) >= $holding_threshold) { print "Could be $key $holding_counts{$key} holdings tags\n"; }
 186 }
 187
 188 print "\nURI values are domains and filtered to only show those with more than $uri_threshold\n";
 189 foreach my $key (keys %uri_counts) {
 190         my $value = $uri_counts{$key};
 191         if ($value > $uri_threshold) { print "=== $key   $value\n"; }
 192 }
 193
 194 close $file;
 195
 196 ########### functions
 197
 198 sub abort {
 199     my $msg = shift;
 200     print STDERR "$0: $msg", "\n";
 201     exit 1;
 202 }