bin/get_harvester_results

   1 #! /usr/bin/perl
   2
   3 # get_harvester_results retreives files of search results from ncbi,
   4 # and is released under the terms of the GPL version 2, or any later
   5 # version, at your option. See the file README and COPYING for more
   6 # information.
   7
   8 # Copyright 2004 by Don Armstrong <don@donarmstrong.com>.
   9
  10 # $Id: ss,v 1.1 2004/06/29 05:26:35 don Exp $
  11
  12
  13 use warnings;
  14 use strict;
  15
  16
  17 use Getopt::Long;
  18 use Pod::Usage;
  19
  20 =head1 NAME
  21
  22   get_harvester_results [options]
  23
  24 =head1 SYNOPSIS
  25
  26
  27  Options:
  28   --dir, -D directory to stick results into [default .]
  29   --name, -n file naming scheme [default ${search}_results.$format]
  30   --terms, -t file of search terms [default -]
  31   --debug, -d debugging level [default 0]
  32   --help, -h display this help
  33   --man, -m display manual
  34
  35 =head1 OPTIONS
  36
  37 =over
  38
  39 =item B<--debug, -d>
  40
  41 Debug verbosity. (Default 0)
  42
  43 =item B<--help, -h>
  44
  45 Display brief useage information.
  46
  47 =item B<--man, -m>
  48
  49 Display this manual.
  50
  51 =back
  52
  53 =head1 EXAMPLES
  54
  55   get_harvester_results -D ./harvester_results/ -n '${search}_name.html' < search_parameters
  56
  57 Will pretty much do what you want
  58
  59 =cut
  60
  61
  62
  63 use vars qw($DEBUG $REVISION);
  64
  65 BEGIN{
  66      ($REVISION) = q$LastChangedRevision: 1$ =~ /LastChangedRevision:\s+([^\s]+)/;
  67      $DEBUG = 0 unless defined $DEBUG;
  68 }
  69
  70 use IO::File;
  71 use URI::ParamMunge;
  72 use LWP::UserAgent;
  73
  74 # XXX parse config file
  75
  76 my %options = (debug    => 0,
  77                help     => 0,
  78                man      => 0,
  79                format   => 'xml',
  80                database => 'gene',
  81                dir      => '.',
  82                name     => '${search}_results_harvester',
  83                terms    => '-',
  84                harvester_site => 'http://www-db.embl.de',
  85                harvester_search_url  => '/jss/servlet/de.embl.bk.htmlfind.HarvesterPageSearchOutput?search=GOLGI&chipsetID=-1&maxHits=10000&submit=search',
  86               );
  87
  88 GetOptions(\%options,'format|f=s','database|b=s','name|n=s',
  89            'terms|t=s','dir|D=s','debug|d+','help|h|?','man|m');
  90
  91 pod2usage() if $options{help};
  92 pod2usage({verbose=>2}) if $options{man};
  93
  94 $DEBUG = $options{debug};
  95
  96 if (not -d $options{dir}) {
  97      die "$options{dir} does not exist or is not a directory";
  98 }
  99
 100 #open search terms file
 101 my $terms;
 102 if ($options{terms} eq '-') {
 103      $terms = \*STDIN;
 104 }
 105 else {
 106      $terms = new IO::File $options{terms}, 'r' or die "Unable to open file $options{terms}: $!";
 107 }
 108
 109 my $ua = new LWP::UserAgent(agent=>"DA_get_harvester_results/$REVISION");
 110
 111 #For every term
 112 while (<$terms>) {
 113      # Get uids to retrieve
 114      chomp;
 115      my $search = $_;
 116      my $url = uri_param_munge($options{harvester_site}.$options{harvester_search_url},
 117                                {search => $search,
 118                                },
 119                               );
 120      my $request = HTTP::Request->new('GET', $url);
 121      my $response = $ua->request($request);
 122      $response = $response->content;
 123      my @result_urls = $response =~ m#<a\s+href=(http://harvester.embl.de/harvester/[^\/]+/[^.]+.htm)\s*>#g;
 124
 125      my $dir_name = eval qq("$options{name}") or die $@;
 126      mkdir("$options{dir}/$dir_name") or die "Unable to make directory $options{dir}/$dir_name $!";
 127      # Get XML file
 128      my @current_urls;
 129      while (@current_urls = splice(@result_urls,0,30)) {
 130           system(q(wget),'-nd','-nH','-w','2','--random-wait','-P',qq($options{dir}/$dir_name),@current_urls) == 0 or warn "$!";
 131      }
 132 }
 133
 134
 135
 136
 137
 138
 139 __END__