Copyright © 1997 Universita'di Firenze. All rights reserved.

Free license available.

  Introduzione

        

  Come installare lo script Perl CREAINDEX

  Requisiti dello script Perl CREAINDEX

  Tipologie dei file creati:
 

•  nomedir_int.txt
•  nomedir_nonint.txt
•  nomefile_iloc.txt
•  nomedir_indgen.txt
•  nomedir_limbo.txt
•  indiceglobale.txt

 

  Come usare lo script: opzioni sulla riga di comando
 

Prima modalità:
 

•  parametri di input
•  parametri di output
•  parametri funzionali

 

Seconda modalità:
 

•  parametri di input
•  parametri di output
•  osservazioni sulla seconda modalità

 

Esempi di righe di comando:
 

•  esempio 1 : -f -o
•  esempio 2 : -d -p
•  esempio 3 : -r -p
•  esempio 4 : -r -p -g
•  esempio 5 : -r -p -b
•  esempio 6 : -r -p -i
•  esempio 7 : -r -i

 

  Breve descrizione delle librerie associate:
 

• nozioni preliminari sulle librerie

 

•  calls_lib.pl
•  conv_htm_lib.pl
•  manipola_lib.pl
•  aggiornaind_lib.pl
•  indgen_lib.pl
•  limbogen_lib.pl
•  globale_lib.pl

 

 

Introduzione

Nella rete Internet esistono numerosissimi Server che mettono a disposizione pagine Web di natura e contenuti molto diversi.

Per cercare di ridurre il tempo di ricerca delle informazioni che interessano, consentendo così un risparmio economico e una riduzione del traffico nei collegamenti in rete, sarebbe molto utile avere a disposizione appositi indici, disponibili sul server stesso, in cui trovare delle parole-chiave che indirizzino ai documenti HTML di interesse.

Il nostro lavoro, andando in questa direzione, è sfociato nella realizzazione dello script creaindex, avente come obiettivo finale proprio la creazione di un insieme di indici ordinati, ottenuti elaborando opportunamente i documenti HTML presenti sul sito.
 

Come installare lo script Perl creaindex

Lo script creaindex si trova compattato, unitamente alle sue librerie.pl e al presente manuale d'uso.html, nell'archivio creaindex.tgz. In questo formato è possibile scaricarlo dalla Rete agevolmente, per poi scompattarlo (con tar o WinZip) nella directory desiderata.

Bisogna però tener presente che lo script creaindex (ma non le librerie associate) deve essere inteso come un comando Unix e pertanto deve essere posizionato in una directory tipo /usr/local/bin, visibile dal path di ricerca del sistema operativo locale. Inoltre, deve eventualmente essere eseguibile da tutti e da qualsiasi parte del sistema (ciò si ottiene usando opportunamente il comando Unix chmod).

Le librerie invece possono essere sistemate in qualsiasi directory leggibile dallo script creaindex. Per poterle usare bisogna aprire in scrittura il file creaindex con un normale editor di testo e aggiornare la variabile perl $pathlibrerie, che si trova nelle prime linee dello script, con il nuovo path assoluto (dalla radice del sistema alla directory in cui sono memorizzate). In questo modo vengono aggiornati automaticamente tutti i percorsi delle librerie, rendendole così funzionanti.

E' chiaro che, essendo il Perl un linguaggio interpretato, per poter usare lo script è necessario disporre dell'interprete perl: creaindex è stato realizzato usando il PERL 4.x per il sistema UNIX.
 

N.B: In teoria si potrebbe usare anche la versione WINPERL 4.x per sistemi Windows, a patto di:

• modificare la libreria conv_htm_lib.pl laddove è stata usata la funzione chr(nn), che è risultata essere incompatibile con tale versione.
• inserire i parametri, invece che sulla linea di comando, all'inizio del MAIN dello script creaindex, assegnandoli all'array predefinito @ARGV (si è lasciata volutamente una traccia nel codice sorgente dello script).

Requisiti dello script Perl creaindex

Lo script creaindex, come già detto, è stato realizzato in Perl 4.x e gira sotto il sistema UNIX; per il suo funzionamento ha necessariamente bisogno delle seguenti librerie:

• calls_lib.pl
• conv_htm_lib.pl
• manipola_lib.pl
• aggiornaind_lib.pl
• indgen_lib.pl
• limbogen_lib.pl
• globale_lib.pl

Queste librerie, costruite ad hoc per creaindex, sono comunque indipendenti, nel senso che possono essere usate in diversi contesti da altri script, con la sola condizione di passare ad esse in modo corretto i parametri di funzionamento (come approfondiremo più avanti).
 

Tipologie dei file creati

Lo script, nel suo uso più generale, partendo da una directory-radice di un sottoalbero, costruisce un pseudo-albero gemello, le cui directory rispettino la gerarchia del sottoalbero di partenza.
Nel caso la directory esaminata contenga uno o più documenti HTML (cioè con estensione html, htm o shtml, con alcune o tutte le lettere minuscole o maiuscole, ovvero non case-sensitive) nella pseudo-directory corrispondente vengono creati i vari file indici in formato testo in seguito descritti.
La corretta creazione di questi file indici richiede necessariamente l'interazione con un web-master (o con un utente in generale), almeno in una prima fase, per scegliere le parole ritenute interessanti nel contesto del sottoalbero scandito.

 
La tipologia dei file creati è qui di seguito riportata:
 

• nomedir_int.txt: file testo contenente, dopo un breve commento informativo, l'elenco alfabeticamente ordinato delle parole ritenute interessanti dall'utente per i file HTML presenti nella directory 'nomedir'.

Tale file viene creato in ogni pseudo-directory (contenente almeno un file HTML) ereditandolo eventualmente dalla prima delle pseudo-directory superiori che già lo contiene.
Il nome del file è stato ottenuto aggiungendo al nome della directory in questione il postfisso '_int.txt'.
Esempio di nomedir_int.txt

 

• nomedir_nonint.txt: file testo contenente, dopo un breve commento informativo, l'elenco alfabeticamente ordinato delle parole ritenute non interessanti dall'utente per i file HTML presenti nella directory 'nomedir'.

Tale file viene creato in ogni pseudo-directory (contenente almeno un file HTML) ereditandolo eventualmente dalla prima delle pseudo-directory superiori che già lo contiene.
Il nome del file è stato ottenuto aggiungendo al nome della directory in questione il postfisso '_nonint.txt'.
Esempio di nomedir_nonint.txt
 

• nomefile.html_iloc.txt: file indice locale di testo contenente, dopo un breve commento informativo, l'elenco alfabeticamente ordinato delle coppie 'parola (interessante), occorrenza (nel file)' relative a ciascun file HTML presente nella directory esaminata.

Le parole interessanti sono state tratte dal file 'nomedir_int.txt' contenente le parole di interesse della directory in cui sono memorizzati i documenti HTML.
Il nome del file è stato formato aggiungendo al nome del file HTML esaminato il postfisso '_iloc.txt'.
Esempio di nomefile.html_iloc.txt
 

• nomedir_indgen.txt: file indice generale di testo contenente, dopo un breve commento informativo, l'elenco alfabeticamente ordinato delle terne 'parola (interessante), occorrenza (in nomefile HTML), percorso/nomefile HTML'.

Le parole interessanti e le relative occorrenze sono state tratte dal file di indice locale relativo a ciascun documento HTML presente nella directory 'nomedir' esaminata e referenziato in 'nomefile HTML' con il suo persorso.
Il nome del file è stato formato aggiungendo al nome della directory il postfisso '_indgen.txt'.
Esempio di nomedir_indgen.txt
 

• nomedir_limbo.txt: file limbo generale di testo contenente, dopo un breve commento informativo, l'elenco delle terne 'parola (dubbia), occorrenza (in nomefile HTML), percorso/nomefile HTML'.

Le parole dubbie sono quelle che non sono state classificate ancora nè come interessanti né come non interessanti nei file HTML referenziati in 'nomefile HTML' con il loro percorso e appartenenti alla directory 'nomedir' esaminata.
Il nome del file è stato ottenuto aggiungendo al nome della directory il postfisso '_limbo.txt'.
Esempio di nomedir_limbo.txt
 

• indiceglobale.txt: file indice globale di testo relativo al sottoalbero di directory esaminato contenente, dopo un breve commento informativo, l'elenco alfabeticamente ordinato delle terne 'parola (interessante), occorrenza (in nomefile HTML), percorso/nomefile.html'.

Ciascuna terna è stata tratta dal file di indice generale della directory contenente il documento HTML referenziato, con il suo percorso, in 'nomefile.html', che in questo caso è un generico file HTML del sottoalbero preso in considerazione per la costruzione dell'indice globale.
Esempio di indiceglobale.txt
 

Come usare lo script: opzioni sulla riga di comando

Lo script viene attivato digitando un'opportuna riga al prompt dei comandi.

Il generico formato della riga di comando è:
 
 

creaindex -r | -d | -f pathinput[nomefile] -o | -p pathoutput  [-b] [-g] [-i] [-v]

I parametri devono essere preceduti da un trattino (-) ed essere separati tra di essi e rispetto ai loro eventuali argomenti da uno spazio.
 
 

    Prima modalità di funzionamento: assenza del parametro -i

• -d pathinput: vengono scanditi i file HTML della sola directory specificata in 'pathinput', creando una pseudo-directory in 'pathoutput' in cui scrivere tutti i file indici risultanti.

• -r pathinput: vengono esaminati tutti i file HTML contenuti nel sottoalbero avente per radice 'pathinput', creando un pseudo-albero (gemello di quello esaminato) che conterrà le pseudo-directory e tutti i file indici relativi.
 

• -o pathoutput: nella directory specificata in 'pathoutput' viene creata una pseudo-directory (se l'opzione di input è -d) o un pseudo-albero di directory (se l'opzione di input è -r), in cui vengono memorizzati i file indici creati dallo script in base all'elaborazione dei file HTML presenti nelle varie directory, alle quali vengono assegnati gli stessi nomi delle rispettive directory di input esaminate.
 
• -p pathoutput: come il parametro -o, ma in questo caso il nome assegnato alle pseudo-directory è ottenuto aggiungendo a quello delle directory di origine la stringa finale '_pseudo'.

• -b (modalità batch): quando è presente sulla riga di comando, fa sì che l'esecuzione dello script avvenga senza interazione con l'utente. Si consiglia di usare questa opzione solo dopo la creazione dei file contenenti le parole di interesse e di non interesse, cioè dopo aver già lanciato lo script ed interagito con esso almeno una volta.
N.B: se l'opzione -b non è stata specificata sulla riga di comando viene scritto, sia a video che nella testata informativa di tutti i file testo generati (esclusi i file contenenti le parole interessanti e non interessanti), un avviso che consiglia di rieseguire lo script in modalità batch per rendere effettivi i cambiamenti effettuati a tutti i file indici.
 
• -g (parametro globale): abilita la creazione dell'indice globale runtime, ciòe durante la scansione dei file HTML. Se non è presente questa opzione, durante l'esame dei documenti HTML l'indice globale non viene creato.

 
• -v (modalità verbose): abilita la visualizzazione dei messaggi che descrivono lo stato di esecuzione dello script passo dopo passo. Se non è presente questa opzione, durante l'esame dei documenti HTML non viene visualizzato alcun commento.

 

• -r pathinput: vengono considerati tutti i file di indice generale contenuti nel pseudo-albero avente per radice il path di input; il contenuto degli indici generali viene inserito nel file di indice globale, che verrà scritto in 'pathoutput'.
 

Parametri di output: -o | -p pathoutput.
 
• -o pathoutput: specifica la directory in cui scrivere il file di indice globale.
 
• -p pathoutput: come il parametro -o

Illustriamo ora in dettaglio il funzionamento dello script con degli esempi, partendo sempre dalla riga di comando:

1)  creaindex -f /home/rkey.html -o /giuseppe/
 

In questo caso viene esaminato il file rkey.html, che si trova nella directory di input home, e vengono creati nella directory di output giuseppe i seguenti file indici di testo:
 

• home_int.txt: contiene le parole interessanti della directory già decise dall'utente.
• home_nonint.txt: contiene le parole non interessanti della directory già decise dall'utente.
• rkey.html_iloc.txt: contiene le coppie 'parola (interessante), occorrenza (nel file)' relative al file rkey.html
• home_limbo.txt: contiene le terne 'parola (dubbia), occorrenza (nel file), home/rkey.html', cioè le parole non ancora vagliate dall'utente tra quelle tratte dal testo del documento rkey.html.
 

1. In base al nome della directory e del file HTML vengono generati i nomi da attribuire ai file.txt di output, come abbiamo già visto precedentemente.
2. Vengono creati i file di testo per le parole interessanti (home_int.txt) e non interessanti (home_nonint.txt). Se gli stessi tipi di file esistono in una delle directory superiori (in questo caso la root del sistema) rispetto quella di output (/giuseppe/), vengono ricopiati e rinominati in quest'ultima directory, secondo un meccanismo di "ereditarietà".
3. Il contenuto del file rkey.html viene "ripulito" dai tag del linguaggio HTML, vengono convertite le sequenze di escape ed il testo rimanente, trasformato in minuscolo e scomposto in parole (stringhe alfanumeriche), è memorizzato nell'array (vettore) 'lista_ordinata' secondo un ordine alfabetico.
4. Vengono eliminate dal vettore 'lista_ordinata' le parole non interessanti, prese dal file 'home_nonint.txt', e le parole interessanti , prese da 'home_int.txt'. Le parole interessanti vengono memorizzate, con le relative occorrenze, nell'array 'trovate', che alla fine servirà a scrivere l'indice locale 'rkey.html_iloc.txt'. Le parole rimanenti in 'lista_ordinata' dovranno essere processate dall'utente per decidere se sono interessanti o meno. E' chiaro che, se inizialmente i file delle parole interessanti e non interessanti sono vuoti, nulla verrà eliminato dall'array 'lista ordinata', cosicchè l'utente dovrà decidere su tutte le parole inizialmente ricavate dal documento rkey.html.
5. A questo punto vengono proposte una per una all'utente le parole rimaste nel vettore 'lista_ordinata',  presentando per ogni parola esaminata quattro possibili opzioni:

 

• sì (s): la parola è ritenuta interessante, allora viene eliminata dal vettore 'lista_ordinata', inserita nell'array 'trovate' insieme alla relativa occorrenza, ed aggiunta al file delle parole interessanti.
• no (n): la parola non è ritenuta interessante, allora viene eliminata dall'array 'lista_ordinata' ed aggiunta al file delle parole non interessanti.
• limbo (l): la parola è dubbia, non si sa ancora se è importante o meno; allora non verrà eliminata, ma rimarrà nell'array 'lista_ordinata' ed in seguito sarà memorizzata nel file limbo, quando la procedura di decisione sarà terminata.
• basta (b): l'utente vuole smettere di vagliare le parole; viene così terminata questa fase interattiva e le parole rimanenti nell'array 'lista_ordinata' verranno scritte nel file limbo.

 
 
6. Finito l'esame delle parole vengono riscritti tutti i file di testo eventualmente modificati e l'esecuzione dello script termina.

 

2)  creaindex -d /home/ -p /giuseppe/
 

In questo caso viene scandita la directory home alla ricerca dei file HTML in essa contenuti, creando nella directory /giuseppe/ la pseudo-directory home_pseudo in cui verranno memorizzati, con percorso assoluto, i seguenti file d'output:

• /giuseppe/home_pseudo/home_int.txt: file contenente le parole della directory di input 'home' ritenute interessanti.
• /giuseppe/home_pseudo/home_nonint.txt: file contenente le parole della directory di input 'home' ritenute non interessanti.
• /giuseppe/home_pseudo/home_limbo.txt: file contenente le parole dubbie rimaste della directory di input 'home'.
• /giuseppe/home_pseudo/nomefile.html_iloc.txt: file di indice locale per il generico documento HTML 'nomefile.html' trovato nella directory 'home'.
• /giuseppe/home_pseudo/home_indgen.txt: file di indice generale contenente tutte le parole interessanti memorizzate negli indici locali della directory 'home'.

1. Per ogni file HTML trovato nella directory di input 'home' vengono eseguiti tutti i passi descritti sopra nell'esempio 1.
2. Il file di indice globale non viene generato in quanto l'opzione -g non è presente.

 

3)  creaindex -r /home/ -p /giuseppe/
 

1. In questo caso vengono scandite tutte le directory dell'albero avente come radice la directory home alla ricerca di file HTML. Durante la scansione viene "replicato" nella directory giuseppe un pseudo-albero nel quale verranno memorizzati tutti i file di output relativi ai documenti HTML trovati e alle directory esaminate, così come descritto precedentemente nell'esempio 2 per una sola directory.
2. Per ogni file.htm trovato vengono eseguite tutte le operazioni sopra descritte nei passi dell'esempio1.
3. Il file di indice globale non viene generato in quanto l'opzione -g non è presente.

 

4)  creaindex -r /home/ -p /giuseppe/ -g
 

1. In questo caso lo script esegue le stesse operazioni descritte precedentemente nell'esempio 3, con in più la costruzione dell'indice globale (dovuta alla presenza dell'opzione -g sulla riga di comando) realizzata in modo concomitante all'analisi dei file HTML.
2. Il file di indice globale viene aggiornato utilizzando il file di indice generale dell'ultima directory esaminata, è memorizzato nella directory di output giuseppe e alla fine dell'elaborazione contiene tutte le parole interessanti, con le relative occorrenze e con il riferimento al documento HTML in cui sono state trovate.

L'indice globale si riferisce a tutto il sottoalbero di /home/ esaminato.
 

5)  creaindex -r /home/ -p /giuseppe/ -b
 

1. Come nell'esempio 3, però non ci sarà l'interazione con l'utente, essendo presente il parametro -b.

In altre parole, quando verrà esaminato un file HTML trovato in un qualsiasi punto del sottoalbero con root home, verranno eseguiti solo i passi a .. c dell'esempio 1 sopra descritto, e verranno riscritti i file testo di indice generale e di limbo.
2. Se si fosse specificata anche l'opzione -g , sarebbe stato costruito anche l'indice globale (come spiegato nel passo b dell'esempio 4).

 

6)  creaindex -r /giuseppe/ -p /www/ -i
 

In questo caso, essendo presente l'opzione -i , per la costruzione dell'indice globale non vengono utilizzati più i file HTML, ma direttamente i file di indice generale. Vengono infatti scandite la directory giuseppe e tutte le sue sottodirectory alla ricerca dei file di testo terminanti con la stringa 'indgen.txt', che sono proprio gli indici generali. Quando il programma ne trova uno, inserisce il suo contenuto nel file di indice globale, eliminando le eventuali ripetizioni e ordinando con criterio alfabetico le parole e in modo decrescente le occorrenze.
L'indice globale viene scritto nella directory d'output www, come specificato sulla riga di comando.

N.B: viene presa per default l'opzione -b; l'opzione -g, anche se presente, viene ignorata.  
 

7)  creaindex -r /home/ -i
 

In questo caso non è stata specificata la directory di output in cui scrivere il file di indice globale, allora per default la directory di input diventa anche quella di output: in pratica, il file indiceglobale.txt verrà scritto nella root home.
Per il resto vale quanto illustrato precedentemente nell'esempio 6.
 

Breve descrizione delle librerie associate
 

Nozioni preliminari sulle librerie: input, output, subroutine

Ogni libreria, per svolgere correttamente la sua funzione, ha bisogno di alcuni dati forniti dall’esterno (in questo caso dallo script che la richiama) che ne costituiscono l’input. Tali dati devono essere passati necessariamente nella giusta sequenza, altrimenti la libreria potrebbe fornire risultati errati o addirittura non funzionare.

Inoltre, durante la sua esecuzione, la libreria produce alcuni dati che ne rappresentano l'output e che al termine verranno restituiti, di nuovo secondo una sequenza prestabilita, allo script chiamante.

Ogni script libreria contiene poi delle subroutine (sotto-programmi) interne che svolgono parte del lavoro o delle funzioni assegnate alla libreria stessa.

Ad esempio, la libreria calls_lib.pl contiene due subroutine interne: 'calls' e 'verifica'.

La subroutine 'verifica', come suggerisce il nome stesso, svolge il compito di verificare l’esistenza dei file di testo contenenti le parole interessanti e non interessanti ed eventualmente di ereditarli dalla prima tra le directory superiori che già li contenga o di crearli ex-novo.

La subroutine 'calls' è invece il sotto-programma principale, i cui parametri di input e di output sono gli stessi della libreria; essa definisce i nomi dei file testo da creare e, come suggerisce il nome stesso, richiama le altre librerie in base alle opzioni specificate sulla riga di comando.

Il risultato complessivo di queste due subroutine è lo svolgimento dei compiti assegnati alla libreria stessa.  L’esecuzione delle subroutine e delle librerie è comunque trasparente all’utente, che non si accorge di nulla circa la loro esecuzione, se non dei dati che vengono eventualmente visualizzati di volta in volta a video (opzione -v).

Osserviamo infine che in certi casi un subroutine, così come una libreria più in generale, può non avere output.
 

Script CALLS_LIB.PL
 

La libreria calls_lib.pl attiva i seguenti script (librerie):

• conv_htm_lib.pl
• manipola_lib.pl
• aggiornaind_lib.pl
• indgen_lib.pl
• limbogen_lib.pl

 

• crea i nomi di tutti i file di testo che verranno generati nel corso dell'esecuzione del programma.
• crea i file contenenti le parole di interesse e di non interesse, eventualmente ereditandoli dalla prima directory superiore che già li contiene (si risale fino alla radice).
• chiama (calls), con la giusta sequenza e rispettando le opzioni specificate sulla riga di comando, le altre librerie sopra scritte, passando loro i parametri opportuni.

 

1. nome del file HTML su cui eseguire le operazioni previste.
2. nome della pseudo-directory nella quale memorizzare i file di testo creati.
3. opzione di input sulla riga di comando (-f,-d,-r): se è uguale a -f non si deve creare l’indice generale.
4. l'opzione -v se presente sulla riga di comando, altrimenti una stringa vuota. Serve ad abilitare la visualizzazione dei messaggi durante l'esecuzione dello script.
5. l’opzione -b se presente sulla riga di comando, altrimenti una stringa vuota. Serve ad evitare l’interazione con l’utente per l’aggiornamento dei file di testo.
6. percorso librerie: viene passato direttamente come parametro interno (modificabile manualmente) dallo script chiamante per evitare all’utente di dover cambiare il percorso di tutte le librerie attivate da calls_lib.pl, nel caso sia stato cambiato il loro posto nel sistema.

 

La libreria restituisce allo script chiamante il nome assegnato al file di indice generale per permettere così, nel caso sia presente l’opzione -g, la costruzione runtime del file di indice globale. 
 

Script CONV_HTM_LIB.PL
 

La libreria conv_htm_lib.pl viene attivata dallo script calls_lib.pl ed ha le seguenti caratteristiche:
 

• Ha come input un file HTML corredato del suo path assoluto.
• Legge tale file riga per riga e attiva delle subroutine interne che svolgono le seguenti operazioni:

• Eliminare i tag e fare le opportune conversioni delle sequenze di escape, ottenendo un testo "pulito" (da cui il nome conv_htm).
• Scomporre tale testo in parole, contandone le occorrenze e ordinandole alfabeticamente.
• Insererire queste parole con le relative occorrenze nel vettore 'lista_ordinata'.

• Ha come output un array (non associativo) con le parole e le occorrenze nella forma: 'parola1,occorrenza1,parola2,occorrenza2,...'.

 

Script MANIPOLA_LIB.PL
 

La libreria manipola_lib.pl viene attivata dallo script calls_lib.pl, da cui riceve in input i seguenti parametri:

• percorso assoluto e nome del file di testo contenente le parole interessanti.
• percorso assoluto e nome del file di testo contenente le parole non interessanti.
• percorso assoluto e nome del file di testo che rappresenta l’indice locale del file HTML esaminato.
• l’array associativo 'listaass', creato a partire dal vettore 'lista_ordinata' e restituito allo script 'calls_lib.pl' dalla libreria 'conv_htm_lib.pl', proveniente dalla scomposizione del file HTML.

(Nota: l'array associativo è un particolare vettore composto dalle coppie 'chiave, informazione';
nel nostro caso, la chiave è la parola, mentre l'informazione associata è l'occorrenza della parola-chiave nel file HTML).
 
 

Inoltre le parole interessanti, trovate ed eliminate dal vettore, vengono memorizzate nel file nomefile.html_iloc.txt, creato dallo script stesso che al termine dell'esecuzione restituisce alla libreria chiamante l'array 'listaass' contenente le parole rimanenti.
 

Script AGGIORNAIND_LIB.PL
 

La libreria aggiornaind_lib.pl viene attivata da calls_lib.pl, appena termina l'esecuzione della libreria manipola_lib.pl, solo nel caso siano rimaste delle parole nell'array associativo 'listaass' e l'utente desideri esaminarle.
Se è presente sulla riga di comando l'opzione -b, questo script non viene eseguito, ma si passa direttamente all'esecuzione dello script indgen_lib.pl (descritto più avanti).
 

Aggiornaind_lib.pl riceve come input i seguenti parametri:

• percorso assoluto e nome del file di testo contenente le parole interessanti.
• percorso assoluto e nome del file di testo contenente le parole non interessanti.
• percorso assoluto e nome del file testo di indice locale relativo al file HTML esaminato.
• l'array associativo 'listaass' contenente le coppie 'parola, occorrenza' rimaste che devono essere ancora vagliate dall'utente o dal web-administrator.

 

L'output restituito è un'array contenente le parole rimaste, cioè quelle che l'utente non ha voluto per il momento vagliare, e che verranno scritte nel file limbo dall'apposita libreria (limbogen_lib.pl).
 

Script INDGEN_LIB.PL
 

La libreria indgen_lib.pl viene attivata da calls_lib.pl (se l'opzione di input non è -f).
 

Come parametri di input deve ricevere:

• path assoluto e nome del file di indice generale.
• path assoluto e nome del file HTML esaminato.
• l'opzione -b se presente sulla riga di comando, altrimenti una stringa vuota. Se non è presente bisogna scrivere un avviso nel file di indice generale per invitare a rieseguire lo script in modalità batch e rendere così effettivi tutti i cambiamenti apportati ai file indici.
• array contenente le coppie 'parola (interessante),occorrenza' memorizzate nell'indice locale da aggiungere all'indice generale.

La libreria non ritorna nulla in output allo script chiamante.
 

Script LIMBOGEN_LIB.PL
 

La libreria limbogen_lib.pl viene attivata da calls_lib.pl subito dopo indgen_lib.pl.
 

Il suo input è costituito da:

• path assoluto e nome del file limbo.
• path assoluto e nome del file HTML esaminato.
• path assoluto e nome del file di indice generale.
• path assoluto e nome del file contenente le parole non interessanti.
• l'opzione -b se presente sulla riga di comando, altrimenti una stringa vuota. Se non è presente bisogna scrivere un avviso nel file limbo per ricordare di rieseguire lo script in modalità batch, rendendo così effettivi tutti i cambiamenti apportati ai file indici.
• l'array contenente le coppie 'parola (dubbia),occorrenza' da scrivere nel file limbo.

 

1. Riceve in ingresso l'array delle parole dubbie dell'ultimo file HTML esaminato, a cui aggiunge il contenuto del file limbo esistente.
2. Elimina da questo array le parole che si trovano nell'indice generale e nel file delle parole non interessanti.
3. Ordina alfabeticamente le parole e in modo decrescente le occorrenze nell'array, aggiornando il file limbo.

 

Script GLOBALE_LIB.PL
 

La libreria globale_lib.pl viene richiamata dallo script principale creaindex quando sulla riga di comando è presente l'opzione -g oppure l'opzione -i.
 

I parametri di input passati sono:

• path assoluto e nome dei file di indice generale.
• path_assoluto/indiceglobale.txt: nome del file di indice globale con il suo percorso.
• La radice del sottoalbero a cui si riferisce l'indice globale.
• l'opzione -b se presente sulla riga di comando, altrimenti una stringa vuota. Se non è presente bisogna scrivere un avviso nel file di indice globale per consigliare di rieseguire lo script in modalità batch e rendere così effettivi tutti i cambiamenti apportati ai file indici.

 

• crea l'array 'indglobale' con i dati del file di indice globale ai quali aggiunge quelli contenuti nel file di indice generale.
• verifica che non vi siano doppioni o ripetizioni.
• ordina l'array alfabeticamente rispetto le parole e in modo decrescente rispetto le occorrenze,  riscrivendo infine il file di indice globale.