merged with dnet version
This commit is contained in:
parent
c5e149c46e
commit
b2213b6435
|
@ -19,9 +19,9 @@ import org.apache.hadoop.io.compress.CompressionCodec;
|
||||||
import org.apache.hadoop.io.compress.CompressionCodecFactory;
|
import org.apache.hadoop.io.compress.CompressionCodecFactory;
|
||||||
import org.mortbay.log.Log;
|
import org.mortbay.log.Log;
|
||||||
|
|
||||||
import eu.dnetlib.doiboost.orcidnodoi.json.JsonWriter;
|
|
||||||
import eu.dnetlib.doiboost.orcid.model.WorkData;
|
import eu.dnetlib.doiboost.orcid.model.WorkData;
|
||||||
import eu.dnetlib.doiboost.orcid.xml.XMLRecordParser;
|
import eu.dnetlib.doiboost.orcid.xml.XMLRecordParser;
|
||||||
|
import eu.dnetlib.doiboost.orcidnodoi.json.JsonWriter;
|
||||||
|
|
||||||
public class ActivitiesDecompressor {
|
public class ActivitiesDecompressor {
|
||||||
|
|
||||||
|
|
|
@ -19,9 +19,9 @@ import org.apache.hadoop.io.compress.CompressionCodec;
|
||||||
import org.apache.hadoop.io.compress.CompressionCodecFactory;
|
import org.apache.hadoop.io.compress.CompressionCodecFactory;
|
||||||
import org.mortbay.log.Log;
|
import org.mortbay.log.Log;
|
||||||
|
|
||||||
import eu.dnetlib.doiboost.orcidnodoi.json.JsonWriter;
|
|
||||||
import eu.dnetlib.doiboost.orcid.model.AuthorData;
|
import eu.dnetlib.doiboost.orcid.model.AuthorData;
|
||||||
import eu.dnetlib.doiboost.orcid.xml.XMLRecordParser;
|
import eu.dnetlib.doiboost.orcid.xml.XMLRecordParser;
|
||||||
|
import eu.dnetlib.doiboost.orcidnodoi.json.JsonWriter;
|
||||||
|
|
||||||
public class SummariesDecompressor {
|
public class SummariesDecompressor {
|
||||||
|
|
||||||
|
|
|
@ -3,6 +3,7 @@ package eu.dnetlib.doiboost.orcid.json;
|
||||||
|
|
||||||
import com.google.gson.Gson;
|
import com.google.gson.Gson;
|
||||||
import com.google.gson.JsonObject;
|
import com.google.gson.JsonObject;
|
||||||
|
|
||||||
import eu.dnetlib.doiboost.orcidnodoi.model.WorkDataNoDoi;
|
import eu.dnetlib.doiboost.orcidnodoi.model.WorkDataNoDoi;
|
||||||
|
|
||||||
public class JsonHelper {
|
public class JsonHelper {
|
||||||
|
|
|
@ -1,10 +1,12 @@
|
||||||
|
|
||||||
package eu.dnetlib.doiboost.orcidnodoi;
|
package eu.dnetlib.doiboost.orcidnodoi;
|
||||||
|
|
||||||
import eu.dnetlib.doiboost.orcid.json.JsonHelper;
|
import java.io.BufferedReader;
|
||||||
import eu.dnetlib.doiboost.orcidnodoi.json.JsonWriter;
|
import java.io.IOException;
|
||||||
import eu.dnetlib.doiboost.orcidnodoi.model.WorkDataNoDoi;
|
import java.io.InputStream;
|
||||||
import eu.dnetlib.doiboost.orcidnodoi.xml.XMLRecordParserNoDoi;
|
import java.io.InputStreamReader;
|
||||||
|
import java.net.URI;
|
||||||
|
|
||||||
import org.apache.commons.compress.archivers.tar.TarArchiveEntry;
|
import org.apache.commons.compress.archivers.tar.TarArchiveEntry;
|
||||||
import org.apache.commons.compress.archivers.tar.TarArchiveInputStream;
|
import org.apache.commons.compress.archivers.tar.TarArchiveInputStream;
|
||||||
import org.apache.hadoop.conf.Configuration;
|
import org.apache.hadoop.conf.Configuration;
|
||||||
|
@ -17,11 +19,10 @@ import org.apache.hadoop.io.compress.CompressionCodec;
|
||||||
import org.apache.hadoop.io.compress.CompressionCodecFactory;
|
import org.apache.hadoop.io.compress.CompressionCodecFactory;
|
||||||
import org.mortbay.log.Log;
|
import org.mortbay.log.Log;
|
||||||
|
|
||||||
import java.io.BufferedReader;
|
import eu.dnetlib.doiboost.orcid.json.JsonHelper;
|
||||||
import java.io.IOException;
|
import eu.dnetlib.doiboost.orcidnodoi.json.JsonWriter;
|
||||||
import java.io.InputStream;
|
import eu.dnetlib.doiboost.orcidnodoi.model.WorkDataNoDoi;
|
||||||
import java.io.InputStreamReader;
|
import eu.dnetlib.doiboost.orcidnodoi.xml.XMLRecordParserNoDoi;
|
||||||
import java.net.URI;
|
|
||||||
|
|
||||||
public class ActivitiesDumpReader {
|
public class ActivitiesDumpReader {
|
||||||
|
|
||||||
|
@ -82,7 +83,8 @@ public class ActivitiesDumpReader {
|
||||||
while ((line = br.readLine()) != null) {
|
while ((line = br.readLine()) != null) {
|
||||||
buffer.append(line);
|
buffer.append(line);
|
||||||
}
|
}
|
||||||
WorkDataNoDoi workDataNoDoi = XMLRecordParserNoDoi.VTDParseWorkData(buffer.toString().getBytes());
|
WorkDataNoDoi workDataNoDoi = XMLRecordParserNoDoi
|
||||||
|
.VTDParseWorkData(buffer.toString().getBytes());
|
||||||
if (workDataNoDoi != null) {
|
if (workDataNoDoi != null) {
|
||||||
if (workDataNoDoi.getErrorCode() != null) {
|
if (workDataNoDoi.getErrorCode() != null) {
|
||||||
errorFromOrcidFound += 1;
|
errorFromOrcidFound += 1;
|
||||||
|
@ -94,7 +96,9 @@ public class ActivitiesDumpReader {
|
||||||
+ entry.getName());
|
+ entry.getName());
|
||||||
continue;
|
continue;
|
||||||
}
|
}
|
||||||
boolean isDoiFound = workDataNoDoi.getExtIds().stream()
|
boolean isDoiFound = workDataNoDoi
|
||||||
|
.getExtIds()
|
||||||
|
.stream()
|
||||||
.filter(e -> e.getType() != null)
|
.filter(e -> e.getType() != null)
|
||||||
.anyMatch(e -> e.getType().equals("doi"));
|
.anyMatch(e -> e.getType().equals("doi"));
|
||||||
if (!isDoiFound) {
|
if (!isDoiFound) {
|
||||||
|
|
|
@ -1,15 +1,16 @@
|
||||||
|
|
||||||
package eu.dnetlib.doiboost.orcidnodoi;
|
package eu.dnetlib.doiboost.orcidnodoi;
|
||||||
|
|
||||||
import eu.dnetlib.dhp.application.ArgumentApplicationParser;
|
import java.io.IOException;
|
||||||
import eu.dnetlib.doiboost.orcid.OrcidDSManager;
|
|
||||||
import org.apache.commons.io.IOUtils;
|
import org.apache.commons.io.IOUtils;
|
||||||
import org.apache.hadoop.conf.Configuration;
|
import org.apache.hadoop.conf.Configuration;
|
||||||
import org.apache.hadoop.fs.FileSystem;
|
import org.apache.hadoop.fs.FileSystem;
|
||||||
import org.apache.hadoop.fs.Path;
|
import org.apache.hadoop.fs.Path;
|
||||||
import org.mortbay.log.Log;
|
import org.mortbay.log.Log;
|
||||||
|
|
||||||
import java.io.IOException;
|
import eu.dnetlib.dhp.application.ArgumentApplicationParser;
|
||||||
|
import eu.dnetlib.doiboost.orcid.OrcidDSManager;
|
||||||
|
|
||||||
public class GenOrcidAuthorWork extends OrcidDSManager {
|
public class GenOrcidAuthorWork extends OrcidDSManager {
|
||||||
|
|
||||||
|
|
|
@ -1,13 +1,12 @@
|
||||||
|
|
||||||
package eu.dnetlib.doiboost.orcidnodoi;
|
package eu.dnetlib.doiboost.orcidnodoi;
|
||||||
|
|
||||||
import com.google.gson.Gson;
|
import static eu.dnetlib.dhp.common.SparkSessionSupport.runWithSparkSession;
|
||||||
import com.google.gson.JsonElement;
|
|
||||||
import com.google.gson.JsonParser;
|
import java.io.IOException;
|
||||||
import eu.dnetlib.dhp.application.ArgumentApplicationParser;
|
import java.util.Objects;
|
||||||
import eu.dnetlib.doiboost.orcid.model.AuthorData;
|
import java.util.Optional;
|
||||||
import eu.dnetlib.doiboost.orcidnodoi.model.WorkDataNoDoi;
|
|
||||||
import eu.dnetlib.doiboost.orcidnodoi.similarity.AuthorMatcher;
|
|
||||||
import org.apache.commons.io.IOUtils;
|
import org.apache.commons.io.IOUtils;
|
||||||
import org.apache.hadoop.io.Text;
|
import org.apache.hadoop.io.Text;
|
||||||
import org.apache.spark.SparkConf;
|
import org.apache.spark.SparkConf;
|
||||||
|
@ -19,14 +18,17 @@ import org.apache.spark.sql.Dataset;
|
||||||
import org.apache.spark.sql.Encoders;
|
import org.apache.spark.sql.Encoders;
|
||||||
import org.slf4j.Logger;
|
import org.slf4j.Logger;
|
||||||
import org.slf4j.LoggerFactory;
|
import org.slf4j.LoggerFactory;
|
||||||
|
|
||||||
|
import com.google.gson.Gson;
|
||||||
|
import com.google.gson.JsonElement;
|
||||||
|
import com.google.gson.JsonParser;
|
||||||
|
|
||||||
|
import eu.dnetlib.dhp.application.ArgumentApplicationParser;
|
||||||
|
import eu.dnetlib.doiboost.orcid.model.AuthorData;
|
||||||
|
import eu.dnetlib.doiboost.orcidnodoi.model.WorkDataNoDoi;
|
||||||
|
import eu.dnetlib.doiboost.orcidnodoi.similarity.AuthorMatcher;
|
||||||
import scala.Tuple2;
|
import scala.Tuple2;
|
||||||
|
|
||||||
import java.io.IOException;
|
|
||||||
import java.util.Objects;
|
|
||||||
import java.util.Optional;
|
|
||||||
|
|
||||||
import static eu.dnetlib.dhp.common.SparkSessionSupport.runWithSparkSession;
|
|
||||||
|
|
||||||
public class SparkGenEnrichedOrcidWorks {
|
public class SparkGenEnrichedOrcidWorks {
|
||||||
|
|
||||||
public static void main(String[] args) throws IOException, Exception {
|
public static void main(String[] args) throws IOException, Exception {
|
||||||
|
@ -87,7 +89,8 @@ public class SparkGenEnrichedOrcidWorks {
|
||||||
Encoders.tuple(Encoders.STRING(), Encoders.bean(WorkDataNoDoi.class)))
|
Encoders.tuple(Encoders.STRING(), Encoders.bean(WorkDataNoDoi.class)))
|
||||||
.filter(Objects::nonNull)
|
.filter(Objects::nonNull)
|
||||||
.toJavaRDD()
|
.toJavaRDD()
|
||||||
.saveAsTextFile(workingPath + outputEnrichedWorksPath);;
|
.saveAsTextFile(workingPath + outputEnrichedWorksPath);
|
||||||
|
;
|
||||||
});
|
});
|
||||||
}
|
}
|
||||||
|
|
||||||
|
|
|
@ -0,0 +1,427 @@
|
||||||
|
|
||||||
|
package eu.dnetlib.doiboost.orcidnodoi.proto;
|
||||||
|
|
||||||
|
public class ProtoWriter {
|
||||||
|
|
||||||
|
}
|
||||||
|
//
|
||||||
|
//import static eu.dnetlib.data.mapreduce.hbase.dataimport.DumpToActionsUtility.getArrayValues;
|
||||||
|
//import static eu.dnetlib.data.mapreduce.hbase.dataimport.DumpToActionsUtility.getDefaultResulttype;
|
||||||
|
//import static eu.dnetlib.data.mapreduce.hbase.dataimport.DumpToActionsUtility.getQualifier;
|
||||||
|
//import static eu.dnetlib.data.mapreduce.hbase.dataimport.DumpToActionsUtility.getStringValue;
|
||||||
|
//import static eu.dnetlib.data.mapreduce.hbase.dataimport.DumpToActionsUtility.isValidDate;
|
||||||
|
//
|
||||||
|
//import java.io.IOException;
|
||||||
|
//import java.io.InputStream;
|
||||||
|
//import java.util.ArrayList;
|
||||||
|
//import java.util.HashMap;
|
||||||
|
//import java.util.List;
|
||||||
|
//import java.util.Map;
|
||||||
|
//
|
||||||
|
//import org.apache.commons.io.IOUtils;
|
||||||
|
//import org.apache.commons.lang3.StringUtils;
|
||||||
|
//
|
||||||
|
//import com.google.gson.Gson;
|
||||||
|
//import com.google.gson.JsonArray;
|
||||||
|
//import com.google.gson.JsonElement;
|
||||||
|
//import com.google.gson.JsonObject;
|
||||||
|
//import com.googlecode.protobuf.format.JsonFormat;
|
||||||
|
//
|
||||||
|
//import eu.dnetlib.actionmanager.actions.ActionFactory;
|
||||||
|
//import eu.dnetlib.actionmanager.actions.AtomicAction;
|
||||||
|
//import eu.dnetlib.actionmanager.common.Agent;
|
||||||
|
//import eu.dnetlib.data.mapreduce.hbase.Reporter;
|
||||||
|
//import eu.dnetlib.data.mapreduce.util.StreamUtils;
|
||||||
|
//import eu.dnetlib.data.proto.FieldTypeProtos;
|
||||||
|
//import eu.dnetlib.data.proto.FieldTypeProtos.Author;
|
||||||
|
//import eu.dnetlib.data.proto.FieldTypeProtos.DataInfo;
|
||||||
|
//import eu.dnetlib.data.proto.FieldTypeProtos.KeyValue;
|
||||||
|
//import eu.dnetlib.data.proto.FieldTypeProtos.Qualifier;
|
||||||
|
//import eu.dnetlib.data.proto.FieldTypeProtos.StringField;
|
||||||
|
//import eu.dnetlib.data.proto.FieldTypeProtos.StructuredProperty;
|
||||||
|
//import eu.dnetlib.data.proto.KindProtos;
|
||||||
|
//import eu.dnetlib.data.proto.OafProtos;
|
||||||
|
//import eu.dnetlib.data.proto.ResultProtos;
|
||||||
|
//import eu.dnetlib.data.proto.TypeProtos;
|
||||||
|
//import eu.dnetlib.data.transform.xml.AbstractDNetXsltFunctions;
|
||||||
|
//import eu.dnetlib.miscutils.collections.Pair;
|
||||||
|
//import eu.dnetlib.miscutils.datetime.DateUtils;
|
||||||
|
//import eu.dnetlib.pace.model.Person;
|
||||||
|
//
|
||||||
|
//public class ProtoWriter {
|
||||||
|
//
|
||||||
|
// public static final String ORCID = "ORCID";
|
||||||
|
// public final static String orcidPREFIX = "orcid_______";
|
||||||
|
// public static final String OPENAIRE_PREFIX = "openaire____";
|
||||||
|
// public static final String SEPARATOR = "::";
|
||||||
|
//
|
||||||
|
// private static Map<String, Pair<String, String>> datasources = new HashMap<String, Pair<String, String>>() {
|
||||||
|
//
|
||||||
|
// {
|
||||||
|
// put(ORCID.toLowerCase(), new Pair<>(ORCID, OPENAIRE_PREFIX + SEPARATOR + "orcid"));
|
||||||
|
//
|
||||||
|
// }
|
||||||
|
// };
|
||||||
|
//
|
||||||
|
// // json external id will be mapped to oaf:pid/@classid Map to oaf:pid/@classname
|
||||||
|
// private static Map<String, Pair<String, String>> externalIds = new HashMap<String, Pair<String, String>>() {
|
||||||
|
//
|
||||||
|
// {
|
||||||
|
// put("ark".toLowerCase(), new Pair<>("ark", "ark"));
|
||||||
|
// put("arxiv".toLowerCase(), new Pair<>("arxiv", "arXiv"));
|
||||||
|
// put("pmc".toLowerCase(), new Pair<>("pmc", "pmc"));
|
||||||
|
// put("pmid".toLowerCase(), new Pair<>("pmid", "pmid"));
|
||||||
|
// put("source-work-id".toLowerCase(), new Pair<>("orcidworkid", "orcidworkid"));
|
||||||
|
// put("urn".toLowerCase(), new Pair<>("urn", "urn"));
|
||||||
|
// }
|
||||||
|
// };
|
||||||
|
//
|
||||||
|
// static Map<String, Map<String, String>> typologiesMapping;
|
||||||
|
//
|
||||||
|
// static {
|
||||||
|
// try {
|
||||||
|
// final InputStream is = OrcidToActions.class.getResourceAsStream("/eu/dnetlib/data/mapreduce/hbase/dataimport/mapping_typologies_orcid.json");
|
||||||
|
// final String tt = IOUtils.toString(is);
|
||||||
|
// typologiesMapping = new Gson().fromJson(tt, Map.class);
|
||||||
|
// } catch (final IOException e) {
|
||||||
|
// e.printStackTrace();
|
||||||
|
// }
|
||||||
|
// }
|
||||||
|
//
|
||||||
|
// public static final String PID_TYPES = "dnet:pid_types";
|
||||||
|
//
|
||||||
|
// public static List<AtomicAction> generatePublicationActionsFromDump(final JsonObject rootElement,
|
||||||
|
// final ActionFactory factory,
|
||||||
|
// final String setName,
|
||||||
|
// final Agent agent,
|
||||||
|
// final Reporter context) {
|
||||||
|
//
|
||||||
|
// if (!isValid(rootElement, context)) { return null; }
|
||||||
|
//
|
||||||
|
// // Create OAF proto
|
||||||
|
//
|
||||||
|
// final OafProtos.Oaf.Builder oaf = OafProtos.Oaf.newBuilder();
|
||||||
|
//
|
||||||
|
// oaf.setDataInfo(
|
||||||
|
// DataInfo.newBuilder()
|
||||||
|
// .setDeletedbyinference(false)
|
||||||
|
// .setInferred(false)
|
||||||
|
// .setTrust("0.9")
|
||||||
|
// .setProvenanceaction(getQualifier("sysimport:actionset:orcidworks-no-doi", "dnet:provenanceActions"))
|
||||||
|
// .build());
|
||||||
|
//
|
||||||
|
// // Adding kind
|
||||||
|
// oaf.setKind(KindProtos.Kind.entity);
|
||||||
|
//
|
||||||
|
// oaf.setLastupdatetimestamp(DateUtils.now());
|
||||||
|
//
|
||||||
|
// // creating result proto
|
||||||
|
// final OafProtos.OafEntity.Builder entity = OafProtos.OafEntity.newBuilder().setType(TypeProtos.Type.result);
|
||||||
|
//
|
||||||
|
// entity.setDateofcollection("2018-10-22");
|
||||||
|
// entity.setDateoftransformation(DateUtils.now_ISO8601());
|
||||||
|
//
|
||||||
|
// // Adding external ids
|
||||||
|
// StreamUtils.toStream(externalIds.keySet().iterator())
|
||||||
|
// .forEach(jsonExtId -> {
|
||||||
|
// final String classid = externalIds.get(jsonExtId.toLowerCase()).getValue();
|
||||||
|
// final String classname = externalIds.get(jsonExtId.toLowerCase()).getKey();
|
||||||
|
// final String extId = getStringValue(rootElement, jsonExtId);
|
||||||
|
// if (StringUtils.isNotBlank(extId)) {
|
||||||
|
// entity.addPid(StructuredProperty.newBuilder()
|
||||||
|
// .setValue(extId)
|
||||||
|
// .setQualifier(Qualifier.newBuilder().setClassid(classid).setClassname(classname).setSchemeid("dnet:pid_types")
|
||||||
|
// .setSchemename("dnet:pid_types").build())
|
||||||
|
// .build());
|
||||||
|
// }
|
||||||
|
// });
|
||||||
|
//
|
||||||
|
// // Create result field
|
||||||
|
// final ResultProtos.Result.Builder result = ResultProtos.Result.newBuilder();
|
||||||
|
//
|
||||||
|
// // Create metadata proto
|
||||||
|
// final ResultProtos.Result.Metadata.Builder metadata = ResultProtos.Result.Metadata.newBuilder();
|
||||||
|
//
|
||||||
|
// // Adding source
|
||||||
|
// final String source = getStringValue(rootElement, "source");
|
||||||
|
// if (StringUtils.isNotBlank(source)) {
|
||||||
|
// metadata.addSource(StringField.newBuilder().setValue(source).build());
|
||||||
|
// }
|
||||||
|
//
|
||||||
|
// // Adding title
|
||||||
|
// final String title = createRepeatedField(rootElement, "titles");
|
||||||
|
// if (StringUtils.isBlank(title)) {
|
||||||
|
// context.incrementCounter("filtered", "title_not_found", 1);
|
||||||
|
// return null;
|
||||||
|
// }
|
||||||
|
// metadata.addTitle(FieldTypeProtos.StructuredProperty.newBuilder()
|
||||||
|
// .setValue(title)
|
||||||
|
// .setQualifier(getQualifier("main title", "dnet:dataCite_title"))
|
||||||
|
// .build());
|
||||||
|
//
|
||||||
|
// // Adding identifier
|
||||||
|
// final String id = getStringValue(rootElement, "id");
|
||||||
|
// String sourceId = null;
|
||||||
|
// if (id != null) {
|
||||||
|
// entity.addOriginalId(id);
|
||||||
|
// sourceId = String.format("50|%s" + SEPARATOR + "%s", orcidPREFIX, AbstractDNetXsltFunctions.md5(id));
|
||||||
|
// } else {
|
||||||
|
// sourceId = String.format("50|%s" + SEPARATOR + "%s", orcidPREFIX, AbstractDNetXsltFunctions.md5(title));
|
||||||
|
// }
|
||||||
|
// entity.setId(sourceId);
|
||||||
|
//
|
||||||
|
// // Adding relevant date
|
||||||
|
// settingRelevantDate(rootElement, metadata, "publication_date", "issued", true);
|
||||||
|
//
|
||||||
|
// // Adding collectedfrom
|
||||||
|
// final FieldTypeProtos.KeyValue collectedFrom = FieldTypeProtos.KeyValue.newBuilder()
|
||||||
|
// .setValue(ORCID)
|
||||||
|
// .setKey("10|" + OPENAIRE_PREFIX + SEPARATOR + "806360c771262b4d6770e7cdf04b5c5a")
|
||||||
|
// .build();
|
||||||
|
// entity.addCollectedfrom(collectedFrom);
|
||||||
|
//
|
||||||
|
// // Adding type
|
||||||
|
// final String type = getStringValue(rootElement, "type");
|
||||||
|
// String cobjValue = "";
|
||||||
|
// if (StringUtils.isNotBlank(type)) {
|
||||||
|
//
|
||||||
|
// metadata.setResourcetype(FieldTypeProtos.Qualifier.newBuilder()
|
||||||
|
// .setClassid(type)
|
||||||
|
// .setClassname(type)
|
||||||
|
// .setSchemeid("dnet:dataCite_resource")
|
||||||
|
// .setSchemename("dnet:dataCite_resource")
|
||||||
|
// .build());
|
||||||
|
//
|
||||||
|
// final String typeValue = typologiesMapping.get(type).get("value");
|
||||||
|
// cobjValue = typologiesMapping.get(type).get("cobj");
|
||||||
|
// final ResultProtos.Result.Instance.Builder instance = ResultProtos.Result.Instance.newBuilder();
|
||||||
|
//
|
||||||
|
// // Adding hostedby
|
||||||
|
// instance.setHostedby(FieldTypeProtos.KeyValue.newBuilder()
|
||||||
|
// .setKey("10|" + OPENAIRE_PREFIX + SEPARATOR + "55045bd2a65019fd8e6741a755395c8c")
|
||||||
|
// .setValue("Unknown Repository")
|
||||||
|
// .build());
|
||||||
|
//
|
||||||
|
// // Adding url
|
||||||
|
// final String url = createRepeatedField(rootElement, "urls");
|
||||||
|
// if (StringUtils.isNotBlank(url)) {
|
||||||
|
// instance.addUrl(url);
|
||||||
|
// }
|
||||||
|
//
|
||||||
|
// final String pubDate = getPublicationDate(rootElement, "publication_date");
|
||||||
|
// if (StringUtils.isNotBlank(pubDate)) {
|
||||||
|
// instance.setDateofacceptance(FieldTypeProtos.StringField.newBuilder().setValue(pubDate).build());
|
||||||
|
// }
|
||||||
|
//
|
||||||
|
// instance.setCollectedfrom(collectedFrom);
|
||||||
|
//
|
||||||
|
// // Adding accessright
|
||||||
|
// instance.setAccessright(FieldTypeProtos.Qualifier.newBuilder()
|
||||||
|
// .setClassid("UNKNOWN")
|
||||||
|
// .setClassname("UNKNOWN")
|
||||||
|
// .setSchemeid("dnet:access_modes")
|
||||||
|
// .setSchemename("dnet:access_modes")
|
||||||
|
// .build());
|
||||||
|
//
|
||||||
|
// // Adding type
|
||||||
|
// instance.setInstancetype(FieldTypeProtos.Qualifier.newBuilder()
|
||||||
|
// .setClassid(cobjValue)
|
||||||
|
// .setClassname(typeValue)
|
||||||
|
// .setSchemeid("dnet:publication_resource")
|
||||||
|
// .setSchemename("dnet:publication_resource")
|
||||||
|
// .build());
|
||||||
|
//
|
||||||
|
// result.addInstance(instance);
|
||||||
|
// } else {
|
||||||
|
// context.incrementCounter("filtered", "type_not_found", 1);
|
||||||
|
// return null;
|
||||||
|
// }
|
||||||
|
//
|
||||||
|
// // Adding authors
|
||||||
|
// final List<Author> authors = createAuthors(rootElement);
|
||||||
|
// if (authors != null && authors.size() > 0) {
|
||||||
|
// metadata.addAllAuthor(authors);
|
||||||
|
// } else {
|
||||||
|
// context.incrementCounter("filtered", "author_not_found", 1);
|
||||||
|
// return null;
|
||||||
|
// }
|
||||||
|
//
|
||||||
|
// metadata.setResulttype(getQualifier(getDefaultResulttype(cobjValue), "dnet:result_typologies"));
|
||||||
|
// result.setMetadata(metadata.build());
|
||||||
|
// entity.setResult(result.build());
|
||||||
|
// oaf.setEntity(entity.build());
|
||||||
|
//
|
||||||
|
// final List<AtomicAction> actionList = new ArrayList<>();
|
||||||
|
//
|
||||||
|
// actionList.add(factory.createAtomicAction(setName, agent, oaf.getEntity().getId(), "result", "body", oaf.build().toByteArray()));
|
||||||
|
//
|
||||||
|
//// System.out.println(JsonFormat.printToString(oaf.build()));
|
||||||
|
// return actionList;
|
||||||
|
//
|
||||||
|
// }
|
||||||
|
//
|
||||||
|
// public static List<Author> createAuthors(final JsonObject root) {
|
||||||
|
//
|
||||||
|
// final String authorsJSONFieldName = "authors";
|
||||||
|
//
|
||||||
|
// if (root.has(authorsJSONFieldName) && root.get(authorsJSONFieldName).isJsonArray()) {
|
||||||
|
//
|
||||||
|
// final List<Author> authors = new ArrayList<>();
|
||||||
|
// final JsonArray jsonAuthors = root.getAsJsonArray(authorsJSONFieldName);
|
||||||
|
// int firstCounter = 0;
|
||||||
|
// int defaultCounter = 0;
|
||||||
|
// int rank = 1;
|
||||||
|
// int currentRank = 0;
|
||||||
|
//
|
||||||
|
// for (final JsonElement item : jsonAuthors) {
|
||||||
|
// final JsonObject author = item.getAsJsonObject();
|
||||||
|
// final Author.Builder result = Author.newBuilder();
|
||||||
|
// if (item.isJsonObject()) {
|
||||||
|
// final String surname = getStringValue(author, "surname");
|
||||||
|
// final String name = getStringValue(author, "name");
|
||||||
|
// final String oid = getStringValue(author, "oid");
|
||||||
|
// final String seq = getStringValue(author, "seq");
|
||||||
|
// if (StringUtils.isNotBlank(seq)) {
|
||||||
|
// if (seq.equals("first")) {
|
||||||
|
// firstCounter += 1;
|
||||||
|
// rank = firstCounter;
|
||||||
|
//
|
||||||
|
// } else if (seq.equals("additional")) {
|
||||||
|
// rank = currentRank + 1;
|
||||||
|
// } else {
|
||||||
|
// defaultCounter += 1;
|
||||||
|
// rank = defaultCounter;
|
||||||
|
// }
|
||||||
|
// }
|
||||||
|
//
|
||||||
|
// if (StringUtils.isNotBlank(oid)) {
|
||||||
|
// result.addPid(KeyValue.newBuilder()
|
||||||
|
// .setValue(oid)
|
||||||
|
// .setKey("ORCID")
|
||||||
|
// .build());
|
||||||
|
// result.setFullname(name + " " + surname);
|
||||||
|
// if (StringUtils.isNotBlank(name)) {
|
||||||
|
// result.setName(name);
|
||||||
|
// }
|
||||||
|
// if (StringUtils.isNotBlank(surname)) {
|
||||||
|
// result.setSurname(surname);
|
||||||
|
// }
|
||||||
|
// } else {
|
||||||
|
// String fullname = "";
|
||||||
|
// if (StringUtils.isNotBlank(name)) {
|
||||||
|
// fullname = name;
|
||||||
|
// } else {
|
||||||
|
// if (StringUtils.isNotBlank(surname)) {
|
||||||
|
// fullname = surname;
|
||||||
|
// }
|
||||||
|
// }
|
||||||
|
// Person p = new Person(fullname, false);
|
||||||
|
// if (p.isAccurate()) {
|
||||||
|
// result.setName(p.getNormalisedFirstName());
|
||||||
|
// result.setSurname(p.getNormalisedSurname());
|
||||||
|
// result.setFullname(p.getNormalisedFullname());
|
||||||
|
// }
|
||||||
|
// else {
|
||||||
|
// result.setFullname(fullname);
|
||||||
|
// }
|
||||||
|
// }
|
||||||
|
// }
|
||||||
|
// result.setRank(rank);
|
||||||
|
// authors.add(result.build());
|
||||||
|
// currentRank = rank;
|
||||||
|
// }
|
||||||
|
// return authors;
|
||||||
|
//
|
||||||
|
// }
|
||||||
|
// return null;
|
||||||
|
// }
|
||||||
|
//
|
||||||
|
// private static String createRepeatedField(final JsonObject rootElement, final String fieldName) {
|
||||||
|
// String field = "";
|
||||||
|
// if (!rootElement.has(fieldName)) { return null; }
|
||||||
|
// if (rootElement.has(fieldName) && rootElement.get(fieldName).isJsonNull()) { return null; }
|
||||||
|
// if (rootElement.get(fieldName).isJsonArray()) {
|
||||||
|
// if (!isValidJsonArray(rootElement, fieldName)) { return null; }
|
||||||
|
// final StringBuilder ttl = new StringBuilder();
|
||||||
|
// getArrayValues(rootElement, fieldName).forEach(ttl::append);
|
||||||
|
// field = ttl.toString();
|
||||||
|
// } else {
|
||||||
|
// field = getStringValue(rootElement, fieldName);
|
||||||
|
// }
|
||||||
|
//
|
||||||
|
// if (field != null && !field.isEmpty() && field.charAt(0) == '"' && field.charAt(field.length() - 1) == '"') {
|
||||||
|
// field = field.substring(1, field.length() - 1);
|
||||||
|
// }
|
||||||
|
// return field;
|
||||||
|
// }
|
||||||
|
//
|
||||||
|
// private static void settingRelevantDate(final JsonObject rootElement,
|
||||||
|
// final ResultProtos.Result.Metadata.Builder metadata,
|
||||||
|
// final String jsonKey,
|
||||||
|
// final String dictionaryKey,
|
||||||
|
// final boolean addToDateOfAcceptance) {
|
||||||
|
//
|
||||||
|
// final String pubDate = getPublicationDate(rootElement, "publication_date");
|
||||||
|
// if (StringUtils.isNotBlank(pubDate)) {
|
||||||
|
// if (addToDateOfAcceptance) {
|
||||||
|
// metadata.setDateofacceptance(FieldTypeProtos.StringField.newBuilder().setValue(pubDate).build());
|
||||||
|
// }
|
||||||
|
// metadata.addRelevantdate(FieldTypeProtos.StructuredProperty.newBuilder()
|
||||||
|
// .setValue(pubDate)
|
||||||
|
// .setQualifier(getQualifier(dictionaryKey, "dnet:dataCite_date"))
|
||||||
|
// .build());
|
||||||
|
// }
|
||||||
|
// }
|
||||||
|
//
|
||||||
|
// private static String getPublicationDate(final JsonObject rootElement,
|
||||||
|
// final String jsonKey) {
|
||||||
|
//
|
||||||
|
// final JsonObject pubDateJson = rootElement.getAsJsonObject(jsonKey);
|
||||||
|
// if (pubDateJson == null) { return null; }
|
||||||
|
// final String year = getStringValue(pubDateJson, "year");
|
||||||
|
// final String month = getStringValue(pubDateJson, "month");
|
||||||
|
// final String day = getStringValue(pubDateJson, "day");
|
||||||
|
//
|
||||||
|
// if (StringUtils.isBlank(year)) { return null; }
|
||||||
|
// String pubDate = "".concat(year);
|
||||||
|
// if (StringUtils.isNotBlank(month)) {
|
||||||
|
// pubDate = pubDate.concat("-" + month);
|
||||||
|
// if (StringUtils.isNotBlank(day)) {
|
||||||
|
// pubDate = pubDate.concat("-" + day);
|
||||||
|
// } else {
|
||||||
|
// pubDate += "-01";
|
||||||
|
// }
|
||||||
|
// } else {
|
||||||
|
// pubDate += "-01-01";
|
||||||
|
// }
|
||||||
|
// if (isValidDate(pubDate)) { return pubDate; }
|
||||||
|
// return null;
|
||||||
|
// }
|
||||||
|
//
|
||||||
|
// protected static boolean isValid(final JsonObject rootElement, final Reporter context) {
|
||||||
|
//
|
||||||
|
// final String type = getStringValue(rootElement, "type");
|
||||||
|
// if (!typologiesMapping.containsKey(type)) {
|
||||||
|
// context.incrementCounter("filtered", "unknowntype_" + type, 1);
|
||||||
|
// return false;
|
||||||
|
// }
|
||||||
|
//
|
||||||
|
// if (!isValidJsonArray(rootElement, "titles")) {
|
||||||
|
// context.incrementCounter("filtered", "invalid_title", 1);
|
||||||
|
// return false;
|
||||||
|
// }
|
||||||
|
// return true;
|
||||||
|
// }
|
||||||
|
//
|
||||||
|
// private static boolean isValidJsonArray(final JsonObject rootElement, final String fieldName) {
|
||||||
|
// if (!rootElement.has(fieldName)) { return false; }
|
||||||
|
// final JsonElement jsonElement = rootElement.get(fieldName);
|
||||||
|
// if (jsonElement.isJsonNull()) { return false; }
|
||||||
|
// if (jsonElement.isJsonArray()) {
|
||||||
|
// final JsonArray jsonArray = jsonElement.getAsJsonArray();
|
||||||
|
// if (jsonArray.isJsonNull()) { return false; }
|
||||||
|
// if (jsonArray.get(0).isJsonNull()) { return false; }
|
||||||
|
// }
|
||||||
|
// return true;
|
||||||
|
// }
|
||||||
|
//}
|
|
@ -509,7 +509,7 @@
|
||||||
<mode>cluster</mode>
|
<mode>cluster</mode>
|
||||||
<name>Gen_Enriched_Orcid_Works</name>
|
<name>Gen_Enriched_Orcid_Works</name>
|
||||||
<class>eu.dnetlib.doiboost.orcidnodoi.SparkGenEnrichedOrcidWorks</class>
|
<class>eu.dnetlib.doiboost.orcidnodoi.SparkGenEnrichedOrcidWorks</class>
|
||||||
<jar>dhp-doiboost-1.2.3-SNAPSHOT.jar</jar>
|
<jar>dhp-doiboost-1.2.2-SNAPSHOT.jar</jar>
|
||||||
<spark-opts>--num-executors 10 --conf spark.yarn.jars="hdfs://hadoop-rm1.garr-pa1.d4science.org:8020/user/oozie/share/lib/lib_20180405103059/spark2" --executor-memory=${sparkExecutorMemory} --executor-cores=${sparkExecutorCores} --driver-memory=${sparkDriverMemory}
|
<spark-opts>--num-executors 10 --conf spark.yarn.jars="hdfs://hadoop-rm1.garr-pa1.d4science.org:8020/user/oozie/share/lib/lib_20180405103059/spark2" --executor-memory=${sparkExecutorMemory} --executor-cores=${sparkExecutorCores} --driver-memory=${sparkDriverMemory}
|
||||||
</spark-opts>
|
</spark-opts>
|
||||||
<arg>-w</arg><arg>${workingPath}/</arg>
|
<arg>-w</arg><arg>${workingPath}/</arg>
|
||||||
|
|
Loading…
Reference in New Issue