summaryrefslogtreecommitdiff
path: root/lib/Feed/Role/DeDupe.pm
blob: 9cd19c84aa6f2a6ca8f547de85a6f397db812abc (plain)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
package Feed::Role::DeDupe; 
use Moose::Role;
use 5.012;
use namespace::autoclean -also => ['_maybe_build_schema'];
use DBI;
use Try::Tiny;
use Encode;
use Digest::SHA1 'sha1_base64';
 
requires 'get_feed','process','process_entry';
 
has 'dupe_dsn' => (
    is => 'ro',
    isa => 'Str',
    required => 1,
);
 
has dbh => (
    is => 'ro',
    lazy_build => 1,
);
 
has ['_insert_sth','_update_sth'] => (
    is => 'ro',
    lazy_build => 1,
);
 
has dedupe_use_body => (
    is => 'ro',
    isa => 'Bool',
    default => 1,
);
 
has dedupe_use_date => (
    is => 'ro',
    isa => 'Bool',
    default => 1,
);
 
sub _build_dbh {
    my ($self) = @_;
 
    my $dbh = DBI->connect($self->dupe_dsn,undef,undef,{
        RaiseError => 1,
        PrintError => 0,
        AutoCommit => 0,
    });
 
    _maybe_build_schema($dbh);
 
    return $dbh;
}
 
sub _maybe_build_schema {
    my ($dbh) = @_;
 
    try {
        $dbh->selectrow_array(q{SELECT * FROM seen_items LIMIT 1});
        $dbh->rollback;
    } catch {
        $dbh->do(<<'SQL');
CREATE TABLE seen_items (
    id VARCHAR(255) PRIMARY KEY,
    last_seen TIMESTAMP
)
SQL
$dbh->commit;
    };
 
    return;
}
 
sub _build__insert_sth {
    my ($self) = @_;
 
    return $self->dbh->prepare(<<'SQL');
INSERT INTO seen_items(id,last_seen)
VALUES (?,datetime('now'))
SQL
}
 
sub _build__update_sth {
    my ($self) = @_;
 
    return $self->dbh->prepare(<<'SQL');
UPDATE seen_items
SET last_seen = datetime('now')
WHERE id = ?
SQL
}
 
after process => sub {
    my ($self) = @_;
 
    $self->log->trace('after process');
 
    $self->dbh->commit;
};
 
around process_entry => sub {
    my ($orig,$self,$entry) = @_;
 
    $self->log->trace('around process_entry - begin');
 
    return if $self->seen_already($entry);
 
    $self->log->trace('around process_entry - call original');
 
    $self->$orig($entry);
 
    $self->mark_seen($entry);
 
    $self->log->trace('around process_entry - end');
 
    return;
};
 
sub seen_already {
    my ($self,$e) = @_;
 
    $self->log->trace('seen_already - begin');
 
    my $id = $self->_entry_id($e);
 
    my $count = 0 + $self->_update_sth->execute($id);
 
    $self->log->trace("seen_already - end ($count)");
 
    return $count;
}
 
sub mark_seen {
    my ($self,$e) = @_;
 
    $self->log->trace('mark_seen - begin');
 
    my $id = $self->_entry_id($e);
 
    $self->_insert_sth->execute($id);
 
    $self->log->trace('mark_seen - end');
}
 
sub _entry_id {
    my ($self,$e) = @_;
 
    my $id = $e->id;
 
    $self->log->trace("_entry_id: $id");
 
    if ($self->dedupe_use_date) {
        my $date = $e->modified // $e->issued;
        if ($date) {
            $id .= '-' . $date->iso8601;
            $self->log->trace("_entry_id: (with date) $id");
        }
    }
 
    if ($self->dedupe_use_body) {
        my $body = $e->content->body;
        my $content_digest = sha1_base64(encode('utf-8',$body));
        $id .= '-' . $content_digest;
        $self->log->trace("_entry_id: (with content) $id");
    }
 
    return encode('utf-8',$id);
}
 
1;