source: trunk/grails-app/services/dbnp/importer/ImporterService.groovy @ 1411

Last change on this file since 1411 was 1411, checked in by t.w.abma@…, 9 years ago
  • cleaned up importer service and controller (and removed flow variables for failed/succesfull entities)
  • Property svn:keywords set to Date Author Rev
File size: 23.1 KB
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: 1411 $
13 * $Author: t.w.abma@umcutrecht.nl $
14 * $Date: 2011-01-18 14:51:25 +0000 (di, 18 jan 2011) $
15 */
16
17package dbnp.importer
18import org.apache.poi.ss.usermodel.*
19import org.apache.poi.xssf.usermodel.XSSFCell
20
21import dbnp.studycapturing.TemplateFieldType
22import dbnp.studycapturing.Template
23import dbnp.studycapturing.SamplingEvent
24import dbnp.studycapturing.Study
25import dbnp.studycapturing.Subject
26import dbnp.studycapturing.Event
27import dbnp.studycapturing.Sample
28
29class ImporterService {
30    def AuthenticationService
31
32    boolean transactional = true
33
34    /**
35    * @param is input stream representing the (workbook) resource
36    * @return high level representation of the workbook
37    */
38    Workbook getWorkbook(InputStream is) {
39        WorkbookFactory.create(is)
40    }
41
42    /**
43     * @param wb high level representation of the workbook
44     * @param sheetindex sheet to use within the workbook
45     * @return header representation as a MappingColumn hashmap
46     */
47    def getHeader(Workbook wb, int sheetindex, int headerrow, int datamatrix_start, theEntity=null) {
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.LONG
92                    def doubleBoolean = true
93                    def longBoolean = true
94
95                    // is this cell really an integer?
96                    try {
97                        Long.valueOf(datamatrix_celldata)
98                    } catch (NumberFormatException nfe) { longBoolean = false }
99                    finally {
100                        if (longBoolean) fieldtype = TemplateFieldType.LONG
101                    }
102
103                    // it's not an long, perhaps a double?
104                    if (!longBoolean)
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    Object[][] 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            (0..header.size()-1).each { columnindex ->
161            def c = sheet.getRow(rowindex).getCell(columnindex, Row.CREATE_NULL_AS_BLANK)           
162            row.add(c)
163            }
164     
165            rows.add(row)     
166        }
167
168        return rows
169    }
170
171    /**
172    * This method will move a file to a new location.
173    *
174    * @param file File object to move
175    * @param folderpath folder to move the file to
176    * @param filename (new) filename to give
177    * @return if file has been moved succesful, the new path and filename will be returned, otherwise an empty string will be returned
178    */
179    def moveFile(File file, String folderpath, String filename) {
180        try {
181                def rnd = ""; //System.currentTimeMillis()
182                file.transferTo(new File(folderpath, rnd+filename))
183                return folderpath + filename
184            } catch(Exception exception) {
185                log.error "File move error, ${exception}"
186                return ""
187                }
188    }
189
190    /**
191    * @return random numeric value
192    */
193    def random = {
194            return System.currentTimeMillis() + Runtime.runtime.freeMemory()
195        }
196
197    /**
198    * Method to read data from a workbook and to import data into a two dimensional
199    * array
200    *
201    * @param template_id template identifier to use fields from
202    * @param wb POI horrible spreadsheet formatted workbook object
203    * @param mcmap linked hashmap (preserved order) of MappingColumns
204    * @param sheetindex sheet to use when using multiple sheets
205    * @param rowindex first row to start with reading the actual data (NOT the header)
206    * @return two dimensional array containing records (with entities)
207    *
208    * @see dbnp.importer.MappingColumn
209    */
210    def importData(template_id, Workbook wb, int sheetindex, int rowindex, mcmap) {
211        def sheet = wb.getSheetAt(sheetindex)
212    def template = Template.get(template_id)
213        def table = []
214    def failedcells = [] // list of records
215       
216        // walk through all rows and fill the table with records
217        (rowindex..sheet.getLastRowNum()).each { i ->       
218            // Create an entity record based on a row read from Excel and store the cells which failed to be mapped
219            def (record, failed) = createRecord(template, sheet.getRow(i), mcmap)
220
221            // Add record with entity and its values to the table
222            table.add(record)
223
224            // If failed cells have been found, add them to the failed cells list           
225            if (failed?.importcells?.size()>0) failedcells.add(failed)
226        }
227
228        return [table,failedcells]
229    }
230
231    /** Method to put failed cells back into the datamatrix. Failed cells are cell values
232     * which could not be stored in an entity (e.g. Humu Supiuns in an ontology field).
233     * Empty corrections should not be stored
234     *
235     * @param datamatrix two dimensional array containing entities and possibly also failed cells
236     * @param failedcells list with maps of failed cells in [mappingcolumn, cell] format
237     * @param correctedcells map of corrected cells in [cellhashcode, value] format
238     **/
239    def saveCorrectedCells(datamatrix, failedcells, correctedcells) {       
240       
241        // Loop through all failed cells (stored as
242        failedcells.each { record ->
243            record.value.importcells.each { cell ->
244
245                  // Get the corrected value
246                  def correctedvalue = correctedcells.find { it.key.toInteger() == cell.getIdentifier()}.value
247
248                  // Find the record in the table which the mappingcolumn belongs to
249                  def tablerecord = datamatrix.find { it.hashCode() == record.key }
250
251                  // Loop through all entities in the record and correct them if necessary
252                  tablerecord.each { rec ->
253                      rec.each { entity ->
254                            try {
255                                // Update the entity field
256                                entity.setFieldValue(cell.mappingcolumn.property, correctedvalue)
257                                //println "Adjusted " + cell.mappingcolumn.property + " to " + correctedvalue
258                            }
259                            catch (Exception e) {
260                                //println "Could not map corrected ontology: " + cell.mappingcolumn.property + " to " + correctedvalue
261                            }
262                      }
263                  } // end of table record
264               } // end of cell record
265            } // end of failedlist
266    }
267   
268    /**
269     * Method to store a matrix containing the entities in a record like structure. Every row in the table
270     * contains one or more entity objects (which contain fields with values). So actually a row represents
271     * a record with fields from one or more different entities.
272     *
273     * @param study entity Study
274     * @param datamatrix two dimensional array containing entities with values read from Excel file
275     */   
276    def saveDatamatrix(Study study, datamatrix) {
277        def validatedSuccesfully = 0
278    def entitystored = null
279   
280    // Study passed? Sync data
281    if (study!=null) study.refresh()
282
283    //study.subjects.each { it.refresh() }
284       
285        // go through the data matrix, read every record and validate the entity and try to persist it
286        datamatrix.each { record ->
287            record.each { entity ->               
288                        switch (entity.getClass()) {
289                        case Study       :  log.info "Persisting Study `" + entity + "`: "
290                                                entity.owner = AuthenticationService.getLoggedInUser()                                             
291                                                persistEntity(entity)                                                   
292                                        break
293                        case Subject :  log.info "Persisting Subject `" + entity + "`: "
294
295                                        // is the current entity not already in the database?
296                                        //entitystored = isEntityStored(entity)
297                                               
298                                        // this entity is new, so add it to the study
299                                        //if (entitystored==null)
300                                        study.addToSubjects(entity)
301                                       
302                                        /*else { // existing entity, so update it
303                                            updateEntity(entitystored, entity)
304                                            updatedentities.add(entity)
305                                        }*/
306   
307                                        break
308                        case Event       :  log.info "Persisting Event `" + entity + "`: "                                     
309                                        study.addToEvents(entity)
310                                        persistEntity(entity)
311                                        break
312                        case Sample      :  log.info "Persisting Sample `" + entity +"`: "                                     
313                                               
314                                        // is this sample validatable (sample name unique for example?)                                       
315                                        study.addToSamples(entity)
316                                        persistEntity(study)
317                                       
318                                        break
319                    case SamplingEvent: log.info "Persisting SamplingEvent `" + entity + "`: "                                   
320                                        study.addToSamplingEvents(entity)
321                                        persistEntity(entity)
322                                        break
323                        default          :  log.info "Skipping persisting of `" + entity.getclass() +"`"                                       
324                                        break
325                        } // end switch
326            } // end record
327        } // end datamatrix
328
329
330    if (study!=null) persistEntity(study)
331   
332        //return [validatedSuccesfully, updatedentities, failedtopersist]
333    //return [0,0,0]
334    }
335
336    /**
337     * Check whether an entity already exist. A unique field in the entity is
338     * used to check whether the instantiated entity (read from Excel) is new.
339     * If the entity is found in the database it will be returned as is.
340     *
341     * @param entity entity object like a Study, Subject, Sample et cetera
342     * @return entity if found, otherwise null
343     */
344    def isEntityStored(entity) {
345            switch (entity.getClass()) {
346                        case Study          :  return Study.findByCode(entity.code)
347                                               break
348                        case Subject        :  return Subject.findByParentAndName(entity.parent, entity.name)
349                                               break
350                        case Event          :  break
351                        case Sample         :
352                                               break
353                        case SamplingEvent  :  break
354                        default             :  // unknown entity
355                                               return null
356            }
357    }
358
359    /**
360     * Find the entity and update the fields. The entity is an instance
361     * read from Excel. This method looks in the database for the entity
362     * having the same identifier. If it has found the same entity
363     * already in the database, it will update the record.
364     *
365     * @param entitystored existing record in the database to update
366     * @param entity entity read from Excel
367     */
368    def updateEntity(entitystored, entity) {
369        switch (entity.getClass()) {
370                        case Study          :  break
371                        case Subject        :  entitystored.properties = entity.properties
372                                               entitystored.save()
373                                               break
374                        case Event          :  break
375                        case Sample         :  break
376                        case SamplingEvent  :  break
377                        default             :  // unknown entity
378                                               return null
379        }
380    }
381
382    /**
383     * Method to persist entities into the database
384     * Checks whether entity already exists (based on identifier column 'name')
385     *
386     * @param entity entity object like Study, Subject, Protocol et cetera
387     *
388     */
389    boolean persistEntity(entity) {
390            log.info ".import wizard persisting ${entity}"
391
392         try {         
393                entity.save(flush:true)
394                return true
395
396         } catch (Exception e) {
397             def session = sessionFactory.currentSession
398             session.setFlushMode(org.hibernate.FlushMode.MANUAL)
399             log.error ".import wizard, failed to save entity:\n" + org.apache.commons.lang.exception.ExceptionUtils.getRootCauseMessage(e)
400         }
401
402         return true
403         }
404
405        /**
406         * This method creates a record (array) containing entities with values
407         *
408         * @param template_id template identifier
409         * @param excelrow POI based Excel row containing the cells
410         * @param mcmap map containing MappingColumn objects
411     * @return list of entities and list of failed cells
412         */
413        def createRecord(template, Row excelrow, mcmap) {
414                def df = new DataFormatter()           
415        def tft = TemplateFieldType
416                def record = [] // list of entities and the read values
417        def failed = new ImportRecord() // map with entity identifier and failed mappingcolumn
418
419                // Initialize all possible entities with the chosen template
420                def study = new Study(template: template)
421                def subject = new Subject(template: template)
422                def samplingEvent = new SamplingEvent(template: template)
423                def event = new Event(template: template)
424                def sample = new Sample(template: template)
425
426                // Go through the Excel row cell by cell
427                for (Cell cell: excelrow) {
428                        // get the MappingColumn information of the current cell
429                        def mc = mcmap[cell.getColumnIndex()]
430                        def value                       
431
432                        // Check if column must be imported
433                        if (mc!=null) if (!mc.dontimport) {
434                                try {
435                                        value = formatValue(df.formatCellValue(cell), mc.templatefieldtype)
436                                } catch (NumberFormatException nfe) {
437                                        value = ""
438                                }
439
440                try {
441                    // which entity does the current cell (field) belong to?
442                    switch (mc.entity) {
443                        case    Study: // does the entity already exist in the record? If not make it so.
444                                (record.any {it.getClass() == mc.entity}) ? 0 : record.add(study)
445                                study.setFieldValue(mc.property, value)
446                                break
447                        case    Subject: (record.any {it.getClass() == mc.entity}) ? 0 : record.add(subject)
448                                subject.setFieldValue(mc.property, value)
449                                break
450                        case    SamplingEvent: (record.any {it.getClass() == mc.entity}) ? 0 : record.add(samplingEvent)
451                                samplingEvent.setFieldValue(mc.property, value)
452                                break
453                        case    Event: (record.any {it.getClass() == mc.entity}) ? 0 : record.add(event)
454                                event.setFieldValue(mc.property, value)
455                                break
456                        case    Sample: (record.any {it.getClass() == mc.entity}) ? 0 : record.add(sample)
457                                sample.setFieldValue(mc.property, value)
458                                break
459                        case    Object:   // don't import
460                                break
461                    } // end switch
462                } catch (Exception iae) {
463                    log.error ".import wizard error could not set property `" + mc.property + "` to value `" + value + "`"
464                    // store the mapping column and value which failed
465                    def identifier
466
467                    switch (mc.entity) {
468                        case Study:  identifier = study.getIdentifier()
469                        break
470                        case Subject: identifier = subject.getIdentifier()
471                        break
472                        case SamplingEvent: identifier = samplingEvent.getIdentifier()
473                        break
474                        case Event: identifier = event.getIdentifier()
475                        break
476                        case Sample: identifier = sample.getIdentifier()
477                        break
478                        case Object:   // don't import
479                        break
480                    }
481                                   
482                    def mcInstance = new MappingColumn()
483                    mcInstance.properties = mc.properties
484                    failed.addToImportcells(new ImportCell(mappingcolumn:mcInstance, value:value, entityidentifier:identifier))
485                }
486                        } // end
487                } // end for
488        // a failed column means that using the entity.setFieldValue() threw an exception       
489        return [record, failed]
490    }
491
492    /**
493    * Method to parse a value conform a specific type
494    * @param value string containing the value
495    * @return object corresponding to the TemplateFieldType
496    */
497   def formatValue(String value, TemplateFieldType type) throws NumberFormatException {
498            switch (type) {
499            case TemplateFieldType.STRING           :   return value.trim()
500            case TemplateFieldType.TEXT         :   return value.trim()
501            case TemplateFieldType.LONG         :   return (long) Double.valueOf(value)
502            //case TemplateFieldType.FLOAT          :   return Float.valueOf(value.replace(",","."));
503            case TemplateFieldType.DOUBLE           :   return Double.valueOf(value.replace(",","."));
504            case TemplateFieldType.STRINGLIST   :   return value.trim()
505            case TemplateFieldType.ONTOLOGYTERM :   return value.trim()
506            case TemplateFieldType.DATE         :   return value
507            default                             :   return value
508            }
509    }
510
511    // classes for fuzzy string matching
512    // <FUZZY MATCHING>
513    static def similarity(l_seq, r_seq, degree=2) {
514        def l_histo = countNgramFrequency(l_seq, degree)
515        def r_histo = countNgramFrequency(r_seq, degree)
516
517        dotProduct(l_histo, r_histo) /
518        Math.sqrt(dotProduct(l_histo, l_histo) *
519            dotProduct(r_histo, r_histo))
520    }
521
522    static def countNgramFrequency(sequence, degree) {
523        def histo = [:]
524        def items = sequence.size()
525
526        for (int i = 0; i + degree <= items; i++)
527        {
528            def gram = sequence[i..<(i + degree)]
529            histo[gram] = 1 + histo.get(gram, 0)
530        }
531        histo
532    }
533
534    static def dotProduct(l_histo, r_histo) {
535        def sum = 0
536        l_histo.each { key, value ->
537            sum = sum + l_histo[key] * r_histo.get(key, 0)
538        }
539        sum
540    }
541
542    static def stringSimilarity (l_str, r_str, degree=2) {
543       
544        similarity(l_str.toString().toLowerCase().toCharArray(),
545            r_str.toString().toLowerCase().toCharArray(),
546            degree)
547    }
548
549    static def mostSimilar(pattern, candidates, threshold=0) {
550        def topScore = 0
551        def bestFit = null
552
553        candidates.each { candidate ->
554            def score = stringSimilarity(pattern, candidate)
555            if (score > topScore) {
556                topScore = score
557                bestFit = candidate
558            }
559        }
560
561        if (topScore < threshold)
562        bestFit = null
563
564        bestFit
565    }
566    // </FUZZY MATCHING>
567
568}
Note: See TracBrowser for help on using the repository browser.