]> git.openstreetmap.org Git - nominatim.git/blob - wikidata/parse.php
clean up reverse code
[nominatim.git] / wikidata / parse.php
1 #!/usr/bin/php -Cq
2 <?php
3
4 $hFile = @fopen('wikidatawiki-20130623-pages-articles.xml', 'r');
5
6 $hFileEntity = fopen('entity.csv', 'w');
7 $hFileEntityLabel = fopen('entity_label.csv', 'w');
8 $hFileEntityDescription = fopen('entity_description.csv', 'w');
9 $hFileEntityAlias = fopen('entity_alias.csv', 'w');
10 $hFileEntityLink = fopen('entity_link.csv', 'w');
11 $hFileEntityProperty = fopen('entity_property.csv', 'w');
12
13 $iCount = 0;
14
15 $sTitle = '';
16 $iNS = false;
17 $iID = false;
18
19 if ($hFile) {
20     while (($sLine = fgets($hFile, 4000000)) !== false) {
21         if (substr($sLine, 0, 11) == '    <title>') {
22             $sTitle = substr($sLine, 11, -9);
23         } elseif (substr($sLine, 0, 8) == '    <ns>') {
24             $iNS = (int)substr($sLine, 8, -6);
25         } elseif (substr($sLine, 0, 8) == '    <id>') {
26             $iID = (int)substr($sLine, 8, -6);
27         } elseif (substr($sLine, 0, 33) == '      <text xml:space="preserve">') {
28             if ($iNS == -2) continue;
29             if ($iNS == -1) continue;
30             if ($iNS == 1) continue;
31             if ($iNS == 2) continue;
32             if ($iNS == 3) continue;
33             if ($iNS == 4) continue;
34             if ($iNS == 5) continue;
35             if ($iNS == 6) continue;
36             if ($iNS == 7) continue;
37             if ($iNS == 8) continue;
38             if ($iNS == 9) continue;
39             if ($iNS == 10) continue;
40             if ($iNS == 11) continue;
41             if ($iNS == 12) continue;
42             if ($iNS == 13) continue;
43             if ($iNS == 14) continue;
44             if ($iNS == 15) continue;
45             if ($iNS == 121) continue;
46             if ($iNS == 123) continue;
47             if ($iNS == 829) continue;
48             if ($iNS == 1198) continue;
49             if ($iNS == 1199) continue;
50             $sText = html_entity_decode(substr($sLine, 33, -8), ENT_COMPAT, 'UTF-8');
51             $aArticle = json_decode($sText, true);
52
53             if (array_diff(array_keys($aArticle), array('label', 'description', 'aliases', 'links', 'entity', 'claims', 'datatype')) != array()) {
54                 // DEBUG
55                 var_dump($sTitle);
56                 var_dump(array_keys($aArticle));
57                 var_dump($aArticle);
58                 exit;
59             }
60
61             $iPID = $iQID = null;
62             if ($aArticle['entity'][0] == 'p') {
63                 $iPID = (int) substr($aArticle['entity'], 1);
64             } elseif ($aArticle['entity'][0] == 'q') {
65                 $iQID = (int) substr($aArticle['entity'], 1);
66             } else {
67                 continue;
68             }
69
70             echo '.';
71
72             fputcsv($hFileEntity, array($iID, $sTitle, $iPID, $iQID, @$aArticle['datatype']));
73
74             foreach ($aArticle['label'] as $sLang => $sLabel) {
75                 fputcsv($hFileEntityLabel, array($iID, $sLang, $sLabel));
76                 // echo "insert into entity_label values (".$iID.",'".pg_escape_string($sLang)."','".pg_escape_string($sLabel)."');\n";
77             }
78
79             foreach ($aArticle['description'] as $sLang => $sLabel) {
80                 fputcsv($hFileEntityDescription, array($iID, $sLang, $sLabel));
81                 // echo "insert into entity_description values (".$iID.",'".pg_escape_string($sLang)."','".pg_escape_string($sLabel)."');\n";
82             }
83
84             foreach ($aArticle['aliases'] as $sLang => $aLabels) {
85                 $aUniqueAlias = array();
86                 foreach ($aLabels as $sLabel) {
87                     if (!isset($aUniqueAlias[$sLabel]) && $sLabel) {
88                         fputcsv($hFileEntityAlias, array($iID, $sLang, $sLabel));
89                         // echo "insert into entity_alias values (".$iID.",'".pg_escape_string($sLang)."','".pg_escape_string($sLabel)."');\n";
90                         $aUniqueAlias[$sLabel] = true;
91                     }
92                 }
93             }
94
95             foreach ($aArticle['links'] as $sLang => $sLabel) {
96                 fputcsv($hFileEntityLink, array($iID, $sLang, $sLabel));
97                 // echo "insert into entity_link values (".$iID.",'".pg_escape_string($sLang)."','".pg_escape_string($sLabel)."');\n";
98             }
99
100
101             if (isset($aArticle['claims'])) {
102                 //
103                 foreach ($aArticle['claims'] as $iClaim => $aClaim) {
104                     //
105                     $bFail = false;
106                     if ($aClaim['m'][0] == 'novalue') continue;
107                     if ($aClaim['m'][0] == 'somevalue') continue;
108                     $iPID = (int)$aClaim['m'][1];
109                     if ($aClaim['m'][0] != 'value') $bFail = true;
110                     if ($aClaim['m'][2]== 'wikibase-entityid') {
111                         //
112                         if ($aClaim['m'][3]['entity-type'] != 'item') $bFail = true;
113                         fputcsv($hFileEntityProperty, array($iID, $iClaim, $iPID, null, $aClaim['m'][3]['numeric-id'], null, null));
114                         // echo "insert into entity_property values (nextval('seq_entity_property'),".$iID.",".$iPID.",null,".$aClaim['m'][3]['numeric-id'].",null);\n";
115                     } elseif ($aClaim['m'][2] == 'globecoordinate') {
116                         //
117                         if ($aClaim['m'][3]['globe'] != 'http://www.wikidata.org/entity/Q2') $bFail = true;
118                         fputcsv(
119                             $hFileEntityProperty,
120                             array(
121                              $iID,
122                              $iClaim,
123                              $iPID,
124                              null,
125                              null,
126                              'SRID=4326;POINT('.((float) $aClaim['m'][3]['longitude']).' '.((float)$aClaim['m'][3]['latitude']).')', null
127                             )
128                         );
129                         /* echo "insert into entity_property values (nextval('seq_entity_property'),";
130                          * echo $iID.",".$iPID.",null,null,ST_SetSRID(ST_MakePoint(".((float)$aClaim['m'][3]['longitude']);
131                          * echo ", ".((float)$aClaim['m'][3]['latitude'])."),4326));\n";
132                          */
133                     } elseif ($aClaim['m'][2] == 'time') {
134                         // TODO!
135                         /*
136                         if ($aClaim['m'][3]['calendarmodel'] == 'http://www.wikidata.org/entity/Q1985727') {
137                             // Gregorian
138                             if (preg_match('#(\\+|-)0*([0-9]{4})-([0-9]{2}-[0-9]{2}T[0-9]{2}:[0-9]{2}:[0-9]{2})Z#', $aClaim['m'][3]['time'], $aMatch)) {
139                                 if ((int)$aMatch[2] < 4700 && ) {
140                                     $sDateString = $aMatch[2].'-'.$aMatch[3].($aClaim['m'][3]['timezone']>=0?'+':'').$aClaim['m'][3]['timezone'].($aMatch[1]=='-'?' bc':'');
141                                     fputcsv($hFileEntityProperty, array($iID,$iClaim,$iPID,null,null,null,$sDateString));
142                                 }
143                             } else {
144                                 // $bFail = true;
145                             }
146                         } elseif ( $aClaim['m'][3]['calendarmodel'] != 'http://www.wikidata.org/entity/Q1985786') {
147                             // Julian
148                             if (preg_match('#(\\+|-)0*([0-9]{4})-([0-9]{2})-([0-9]{2})T([0-9]{2}:[0-9]{2}:[0-9]{2})Z#', $aClaim['m'][3]['time'], $aMatch)) {
149                                 var_dump($aMatch);
150                                 exit;
151                                 $iDayCount = juliantojd(2, 11, 1732);
152                                 var_dump($iDayCount, jdtogregorian($iDayCount));
153                         } else {
154                             $bFail = true;
155                             exit;
156                         }
157                         exit;
158                     } else {
159                         // $bFail = true;
160                     }
161                     */
162                     } elseif ($aClaim['m'][2] == 'string') {
163                         // echo "insert into entity_property values (nextval('seq_entity_property'),".$iID.",".$iPID.",'".pg_escape_string($aClaim['m'][3])."',null,null);\n";
164                         fputcsv($hFileEntityProperty, array($iID, $iClaim, $iPID, $aClaim['m'][3], null, null, null));
165                     } else {
166                         $bFail = true;
167                     }
168
169                     // Don't care about sources:    if ($aClaim['refs'] != array()) $bFail = true;
170
171                     if ($bFail) {
172                         var_dump($sTitle);
173                         var_dump($aClaim);
174                     } else {
175                         // process
176                     }
177                 }
178             }
179         }
180     }
181     fclose($hFile);
182     fclose($hFileEntity);
183     fclose($hFileEntityLabel);
184     fclose($hFileEntityDescription);
185     fclose($hFileEntityAlias);
186     fclose($hFileEntityLink);
187     fclose($hFileEntityProperty);
188 }