root/trunk/grails-app/services/dbnp/importer/ImporterService.groovy @ 1126

Revision 1126, 21.4 KB (checked in by t.w.abma@…, 3 years ago)

- initial fuzzy logic incorporated in Importer service

  • Property svn:keywords set to Date Author Rev
Line 
1/**
2 * Importer service
3 *
4 * The importer service handles the import of tabular, comma delimited and Excel format
5 * based files.
6 *
7 * @package     importer
8 * @author      t.w.abma@umcutrecht.nl
9 * @since       20100126
10 *
11 * Revision information:
12 * $Rev$
13 * $Author$
14 * $Date$
15 */
16
17package dbnp.importer
18import org.apache.poi.ss.usermodel.*
19
20import dbnp.studycapturing.TemplateFieldType
21import dbnp.studycapturing.Template
22import dbnp.studycapturing.SamplingEvent
23import dbnp.studycapturing.Study
24import dbnp.studycapturing.Subject
25import dbnp.studycapturing.Event
26import dbnp.studycapturing.Sample
27
28class ImporterService {
29    def AuthenticationService
30
31    boolean transactional = true
32
33    /**
34    * @param is input stream representing the (workbook) resource
35    * @return high level representation of the workbook
36    */
37    Workbook getWorkbook(InputStream is) {
38        WorkbookFactory.create(is)
39    }
40
41    /**
42     * @param wb high level representation of the workbook
43     * @param sheetindex sheet to use within the workbook
44     * @return header representation as a MappingColumn hashmap
45     */
46    def getHeader(Workbook wb, int sheetindex, int headerrow, int datamatrix_start, theEntity=null){
47
48        def sheet = wb.getSheetAt(sheetindex)   
49        def sheetrow = sheet.getRow(datamatrix_start)
50        //def header = []
51        def header = [:]
52        def df = new DataFormatter()
53        def property = new String()
54
55        //for (Cell c: sheet.getRow(datamatrix_start)) {
56
57        (0..sheetrow.getLastCellNum() -1 ).each { columnindex ->
58
59            //def index =   c.getColumnIndex()
60            def datamatrix_celltype = sheet.getRow(datamatrix_start).getCell(columnindex,Row.CREATE_NULL_AS_BLANK).getCellType()
61            def datamatrix_celldata = df.formatCellValue(sheet.getRow(datamatrix_start).getCell(columnindex))
62            def datamatrix_cell     = sheet.getRow(datamatrix_start).getCell(columnindex)           
63            def headercell = sheet.getRow(headerrow-1+sheet.getFirstRowNum()).getCell(columnindex)
64            def tft = TemplateFieldType.STRING //default templatefield type
65
66            // Check for every celltype, currently redundant code, but possibly this will be
67            // a piece of custom code for every cell type like specific formatting         
68               
69            switch (datamatrix_celltype) {
70                    case Cell.CELL_TYPE_STRING:
71                            //parse cell value as double
72                            def doubleBoolean = true
73                            def fieldtype = TemplateFieldType.STRING
74
75                            // is this string perhaps a double?
76                            try {
77                                formatValue(datamatrix_celldata, TemplateFieldType.DOUBLE)
78                            } catch (NumberFormatException nfe) { doubleBoolean = false }
79                            finally {
80                                if (doubleBoolean) fieldtype = TemplateFieldType.DOUBLE
81                            }
82
83                            header[columnindex] = new dbnp.importer.MappingColumn(name:df.formatCellValue(headercell),
84                                                                            templatefieldtype:fieldtype,
85                                                                            index:columnindex,
86                                                                            entity:theEntity,
87                                                                            property:property);
88
89                            break
90                    case Cell.CELL_TYPE_NUMERIC:
91                            def fieldtype = TemplateFieldType.INTEGER
92                            def doubleBoolean = true
93                            def integerBoolean = true
94
95                            // is this cell really an integer?
96                            try {
97                                Integer.valueOf(datamatrix_celldata)
98                            } catch (NumberFormatException nfe) { integerBoolean = false }
99                            finally {
100                                if (integerBoolean) fieldtype = TemplateFieldType.INTEGER
101                            }
102
103                            // it's not an integer, perhaps a double?
104                            if (!integerBoolean)
105                                try {
106                                    formatValue(datamatrix_celldata, TemplateFieldType.DOUBLE)
107                                } catch (NumberFormatException nfe) { doubleBoolean = false }
108                                finally {
109                                    if (doubleBoolean) fieldtype = TemplateFieldType.DOUBLE
110                                }
111
112                            if (DateUtil.isCellDateFormatted(datamatrix_cell)) fieldtype = TemplateFieldType.DATE
113
114                            header[columnindex] = new dbnp.importer.MappingColumn(name:df.formatCellValue(headercell),
115                                                                            templatefieldtype:fieldtype,
116                                                                            index:columnindex,
117                                                                            entity:theEntity,
118                                                                            property:property);
119                            break
120                    case Cell.CELL_TYPE_BLANK:
121                            header[columnindex] = new dbnp.importer.MappingColumn(name:df.formatCellValue(headercell),
122                                                                            templatefieldtype:TemplateFieldType.STRING,
123                                                                            index:columnindex,
124                                                                            entity:theEntity,
125                                                                            property:property);
126                            break
127                    default:
128                            header[columnindex] = new dbnp.importer.MappingColumn(name:df.formatCellValue(headercell),
129                                                                            templatefieldtype:TemplateFieldType.STRING,
130                                                                            index:columnindex,
131                                                                            entity:theEntity,
132                                                                            property:property);
133                            break
134            } // end of switch
135        } // end of cell loop
136        return header
137    }
138
139    /**
140     * This method is meant to return a matrix of the rows and columns
141     * used in the preview
142     *
143     * @param wb workbook object
144     * @param sheetindex sheet index used
145     * @param rows amount of rows returned
146     * @return two dimensional array (matrix) of Cell objects
147     */
148
149    Cell[][] getDatamatrix(Workbook wb, header, int sheetindex, int datamatrix_start, int count) {
150        def sheet = wb.getSheetAt(sheetindex)
151        def rows  = []
152        def df = new DataFormatter()
153
154        count = (count < sheet.getLastRowNum()) ? count : sheet.getLastRowNum()
155
156        // walk through all rows       
157        ((datamatrix_start+sheet.getFirstRowNum())..count).each { rowindex ->
158            def row = []
159
160            // walk through every cell
161            /*for (Cell c: sheet.getRow(rowindex)) {
162                row.add(c)
163                println c.getColumnIndex() + "=" +c
164            }*/
165           
166            (0..header.size()-1).each { columnindex ->
167                def c = sheet.getRow(rowindex).getCell(columnindex, Row.CREATE_NULL_AS_BLANK)
168                //row.add(df.formatCellValue(c))
169                row.add(c)
170            }
171            rows.add(row)
172        }
173
174        return rows
175    }
176
177    /**
178    * This method will move a file to a new location.
179    *
180    * @param file File object to move
181    * @param folderpath folder to move the file to
182    * @param filename (new) filename to give
183    * @return if file has been moved succesful, the new path and filename will be returned, otherwise an empty string will be returned
184    */
185    def moveFile(File file, String folderpath, String filename) {
186        try {
187                def rnd = ""; //System.currentTimeMillis()
188                file.transferTo(new File(folderpath, rnd+filename))
189                return folderpath + filename
190            } catch(Exception exception) {
191                log.error "File move error, ${exception}"
192                return ""
193                }
194    }
195
196    /**
197    * @return random numeric value
198    */
199    def random = {
200            return System.currentTimeMillis() + Runtime.runtime.freeMemory()
201        }
202
203    /**
204    * Method to read data from a workbook and to import data into a two dimensional
205    * array
206    *
207    * @param template_id template identifier to use fields from
208    * @param wb POI horrible spreadsheet formatted workbook object
209    * @param mcmap linked hashmap (preserved order) of MappingColumns
210    * @param sheetindex sheet to use when using multiple sheets
211    * @param rowindex first row to start with reading the actual data (NOT the header)
212    * @return two dimensional array containing records (with entities)
213    *
214    * @see dbnp.importer.MappingColumn
215    */
216    def importData(template_id, Workbook wb, int sheetindex, int rowindex, mcmap) {
217        def sheet = wb.getSheetAt(sheetindex)
218        def table = []
219        def failedcells = [:] // map [recordhash, importrecord] values
220       
221        // walk through all rows and fill the table with records
222        (rowindex..sheet.getLastRowNum()).each { i ->       
223            // Create an entity record based on a row read from Excel and store the cells which failed to be mapped
224            def (record, failed) = createRecord(template_id, sheet.getRow(i), mcmap)
225
226            // Add record with entity and its values to the table
227            table.add(record)
228
229            // If failed cells have been found, add them to the failed cells map
230            // the record hashcode is later on used to put the failed data back
231            // in the data matrix           
232            if (failed.importcells?.size()>0) failedcells.put(record.hashCode(), failed)
233        }
234
235        return [table,failedcells]
236    }
237
238    /** Method to put failed cells back into the datamatrix. Failed cells are cell values
239     * which could not be stored in an entity (e.g. Humu Supiuns in an ontology field).
240     * Empty corrections should not be stored
241     *
242     * @param datamatrix two dimensional array containing entities and possibly also failed cells
243     * @param failedcells list with maps of failed cells in [mappingcolumn, cell] format
244     * @param correctedcells map of corrected cells in [cellhashcode, value] format
245     **/
246    def saveCorrectedCells(datamatrix, failedcells, correctedcells) {       
247       
248        // Loop through all failed cells (stored as
249        failedcells.each { record ->
250            record.value.importcells.each { cell ->
251
252                  // Get the corrected value
253                  def correctedvalue = correctedcells.find { it.key.toInteger() == cell.getIdentifier()}.value
254
255                  // Find the record in the table which the mappingcolumn belongs to
256                  def tablerecord = datamatrix.find { it.hashCode() == record.key }
257
258                  // Loop through all entities in the record and correct them if necessary
259                  tablerecord.each { rec ->
260                      rec.each { entity ->
261                            try {
262                                // Update the entity field
263                                entity.setFieldValue(cell.mappingcolumn.property, correctedvalue)
264                                //println "Adjusted " + cell.mappingcolumn.property + " to " + correctedvalue
265                            }
266                            catch (Exception e) {
267                                //println "Could not map corrected ontology: " + cell.mappingcolumn.property + " to " + correctedvalue
268                            }
269                      }
270                  } // end of table record
271               } // end of cell record
272            } // end of failedlist
273    }
274   
275    /**
276     * Method to store a matrix containing the entities in a record like structure. Every row in the table
277     * contains one or more entity objects (which contain fields with values). So actually a row represents
278     * a record with fields from one or more different entities.
279     *
280     * @param study entity Study
281     * @param datamatrix two dimensional array containing entities with values read from Excel file
282     */   
283    def saveDatamatrix(Study study, datamatrix) {
284        def validatedSuccesfully = 0
285        def entitystored = null
286        study.refresh()       
287       
288        // go through the data matrix, read every record and validate the entity and try to persist it
289        datamatrix.each { record ->
290            record.each { entity ->
291                        switch (entity.getClass()) {
292                        case Study       :  print "Persisting Study `" + entity + "`: "
293                                                entity.owner = AuthenticationService.getLoggedInUser()
294                                                if (persistEntity(entity)) validatedSuccesfully++
295                                                break
296                        case Subject     :  print "Persisting Subject `" + entity + "`: "
297                                                entity.parent = study
298                                               
299                                                // is the current entity not already in the database?
300                                                entitystored = isEntityStored(entity)
301                                               
302                                                // this entity is new, so add it to the study
303                                                if (entitystored==null) study.addToSubjects(entity)
304                                                else // existing entity, so update it
305                                                    updateEntity(entitystored, entity)
306
307                                                if (persistEntity(study)) validatedSuccesfully++
308                                                break
309                        case Event       :  print "Persisting Event `" + entity + "`: "
310                                                entity.parent = study
311                                                study.addToEvents(entity)
312                                                if (persistEntity(entity)) validatedSuccesfully++
313                                                break
314                        case Sample      :  print "Persisting Sample `" + entity +"`: "
315                                                entity.parent = study
316                                                study.addToSamples(entity)
317                                                if (persistEntity(entity)) validatedSuccesfully++
318                                                break
319                        case SamplingEvent: print "Persisting SamplingEvent `" + entity + "`: "
320                                                entity.parent = study
321                                                study.addToSamplingEvents(entity)
322                                                if (persistEntity(entity)) validatedSuccesfully++
323                                                break
324                        default          :  println "Skipping persisting of `" + entity.getclass() +"`"
325                                                break
326                        } // end switch
327            } // end record
328        } // end datamatrix
329        return validatedSuccesfully
330    }
331
332    /**
333     * Check whether an entity already exist. A unique field in the entity is
334     * used to check whether the instantiated entity (read from Excel) is new.
335     * If the entity is found in the database it will be returned as is.
336     *
337     * @param entity entity object like a Study, Subject, Sample et cetera
338     * @return entity if found, otherwise null
339     */
340    def isEntityStored(entity) {
341            switch (entity.getClass()) {
342                        case Study          :  return Study.findByCode(entity.code)
343                                               break
344                        case Subject        :  return Subject.findByParentAndName(entity.parent, entity.name)
345                                               break
346                        case Event          :  break
347                        case Sample         :  break
348                        case SamplingEvent  :  break
349                        default             :  // unknown entity
350                                               return null
351            }
352    }
353
354    /**
355     * Find the entity and update the fields. The entity is an instance
356     * read from Excel. This method looks in the database for the entity
357     * having the same identifier. If it has found the same entity
358     * already in the database, it will update the record.
359     *
360     * @param entitystored existing record in the database to update
361     * @param entity entity read from Excel
362     */
363    def updateEntity(entitystored, entity) {
364        switch (entity.getClass()) {
365                        case Study          :  break
366                        case Subject        :  entitystored.properties = entity.properties
367                                               entitystored.save()
368                                               break
369                        case Event          :  break
370                        case Sample         :  break
371                        case SamplingEvent  :  break
372                        default             :  // unknown entity
373                                               return null
374        }
375    }
376
377    /**
378     * Method to persist entities into the database
379     * Checks whether entity already exists (based on identifier column 'name')
380     *
381     * @param entity entity object like Study, Subject, Protocol et cetera
382     *
383     */
384    boolean persistEntity(entity) {
385            println "persisting ${entity}"           
386            // if not validated
387                if (entity.validate()) {
388                        if (entity.save()) { //.merge?
389                                return true
390                        }
391                        else { // if save was unsuccesful
392                                entity.errors.allErrors.each {
393                                        println it
394                                }
395                                return false
396                        }
397                }
398            else { // if not validated
399                    entity.errors.each {
400                            println it
401                    }
402                        return false
403            }
404         }
405
406        /**
407         * This method creates a record (array) containing entities with values
408         *
409         * @param template_id template identifier
410         * @param excelrow POI based Excel row containing the cells
411         * @param mcmap map containing MappingColumn objects
412         * @return list of entities and list of failed cells
413         */
414        def createRecord(template_id, Row excelrow, mcmap) {
415                def df = new DataFormatter()
416                def template = Template.get(template_id)
417                def tft = TemplateFieldType
418                def record = [] // list of entities and the read values
419                def failed = new ImportRecord() // list of failed cells with the value which couldn't be mapped into the entity
420
421                // Initialize all possible entities with the chosen template
422                def study = new Study(template: template)
423                def subject = new Subject(template: template)
424                def samplingEvent = new SamplingEvent(template: template)
425                def event = new Event(template: template)
426                def sample = new Sample(template: template)
427
428                // Go through the Excel row cell by cell
429                for (Cell cell: excelrow) {
430                        // get the MappingColumn information of the current cell
431                        def mc = mcmap[cell.getColumnIndex()]
432                        def value                       
433
434                        // Check if column must be imported
435                        if (mc!=null) if (!mc.dontimport) {
436                                try {
437                                        value = formatValue(df.formatCellValue(cell), mc.templatefieldtype)
438                                } catch (NumberFormatException nfe) {
439                                        value = ""
440                                }
441
442                                //println "temateplfedielfdtype=" + mc.templatefieldtype
443                                // Are we trying to map an ontology term which is empty? Then it is a failed cell
444                                /*if (value=="") {
445                                    println "empty term"
446                                    def temp = new MappingColumn()
447                                    //temp.properties = mc.properties
448                                    temp.value = "undefined"
449                                    failed.add(temp)
450                                }*/                               
451                             
452
453                                try {
454                                // which entity does the current cell (field) belong to?
455                                    switch (mc.entity) {
456                                        case Study: // does the entity already exist in the record? If not make it so.
457                                                (record.any {it.getClass() == mc.entity}) ? 0 : record.add(study)
458                                                study.setFieldValue(mc.property, value)
459                                                break
460                                        case Subject: (record.any {it.getClass() == mc.entity}) ? 0 : record.add(subject)
461                                                subject.setFieldValue(mc.property, value)
462                                                break
463                                        case SamplingEvent: (record.any {it.getClass() == mc.entity}) ? 0 : record.add(samplingEvent)
464                                                samplingEvent.setFieldValue(mc.property, value)
465                                                break
466                                        case Event: (record.any {it.getClass() == mc.entity}) ? 0 : record.add(event)
467                                                event.setFieldValue(mc.property, value)
468                                                break
469                                        case Sample: (record.any {it.getClass() == mc.entity}) ? 0 : record.add(sample)
470                                                sample.setFieldValue(mc.property, value)
471                                                break
472                                        case Object:   // don't import
473                                                break
474                                    } // end switch
475                                } catch (IllegalArgumentException iae) {
476                                    // store the mapping column and value which failed
477                                    def mcInstance = new MappingColumn()
478                                    mcInstance.properties = mc.properties
479                                    failed.addToImportcells(
480                                        new ImportCell(mappingcolumn:mcInstance,
481                                            value:value)
482                                        )
483                                }
484                        } // end
485                } // end for
486        // a failed column means that using the entity.setFieldValue() threw an exception       
487        return [record, failed]       
488    }
489
490    /**
491    * Method to parse a value conform a specific type
492    * @param value string containing the value
493    * @return object corresponding to the TemplateFieldType
494    */
495    def formatValue(String value, TemplateFieldType type) throws NumberFormatException {
496            switch (type) {
497                case TemplateFieldType.STRING       :   return value.trim()
498                case TemplateFieldType.TEXT         :   return value.trim()
499                case TemplateFieldType.INTEGER      :   return (int) Double.valueOf(value)
500                case TemplateFieldType.FLOAT        :   return Float.valueOf(value.replace(",","."));
501                case TemplateFieldType.DOUBLE       :   return Double.valueOf(value.replace(",","."));
502                case TemplateFieldType.STRINGLIST   :   return value.trim()
503                case TemplateFieldType.ONTOLOGYTERM :   return value.trim()
504                case TemplateFieldType.DATE         :   return value
505                default                             :   return value
506            }
507    }
508
509    // classes for fuzzy string matching
510    // <FUZZY MATCHING>
511    static def similarity(l_seq, r_seq, degree=2) {
512        def l_histo = countNgramFrequency(l_seq, degree)
513        def r_histo = countNgramFrequency(r_seq, degree)
514
515        dotProduct(l_histo, r_histo) /
516        Math.sqrt(dotProduct(l_histo, l_histo) *
517            dotProduct(r_histo, r_histo))
518    }
519
520    static def countNgramFrequency(sequence, degree) {
521        def histo = [:]
522        def items = sequence.size()
523
524        for (int i = 0; i + degree <= items; i++)
525        {
526            def gram = sequence[i..<(i + degree)]
527            histo[gram] = 1 + histo.get(gram, 0)
528        }
529        histo
530    }
531
532    static def dotProduct(l_histo, r_histo) {
533        def sum = 0
534        l_histo.each { key, value ->
535            sum = sum + l_histo[key] * r_histo.get(key, 0)
536        }
537        sum
538    }
539
540    static def stringSimilarity (l_str, r_str, degree=2) {
541        similarity(l_str.toLowerCase().toCharArray(),
542            r_str.toLowerCase().toCharArray(),
543            degree)
544    }
545
546    static def mostSimilar(pattern, candidates, threshold=0) {
547        def topScore = 0
548        def bestFit = null
549
550        candidates.each { candidate ->
551            def score = stringSimilarity(pattern, candidate)
552            if (score > topScore) {
553                topScore = score
554                bestFit = candidate
555            }
556        }
557
558        if (topScore < threshold)
559        bestFit = null
560
561        bestFit
562    }
563    // </FUZZY MATCHING>
564
565}
Note: See TracBrowser for help on using the browser.