crunch_scripts/decompress-all.py

   1 #!/usr/bin/env python
   2
   3 #
   4 # decompress-all.py
   5 #
   6 # Decompress all compressed files in the collection using the "dtrx" tool and
   7 # produce a new collection with the contents.  Uncompressed files
   8 # are passed through.
   9 #
  10 # input:
  11 # A collection at script_parameters["input"]
  12 #
  13 # output:
  14 # A manifest of the uncompressed contents of the input collection.
  15
  16 import arvados
  17 import re
  18 import subprocess
  19 import os
  20 import sys
  21 import crunchutil.robust_put as robust_put
  22
  23 arvados.job_setup.one_task_per_input_file(if_sequence=0, and_end_task=True,
  24                                           input_as_path=True)
  25
  26 task = arvados.current_task()
  27
  28 input_file = task['parameters']['input']
  29
  30 infile_parts = re.match(r"(^[a-f0-9]{32}\+\d+)(\+\S+)*(/.*)?(/[^/]+)$", input_file)
  31
  32 outdir = os.path.join(task.tmpdir, "output")
  33 os.makedirs(outdir)
  34 os.chdir(outdir)
  35
  36 if infile_parts is None:
  37     print >>sys.stderr, "Failed to parse input filename '%s' as a Keep file\n" % input_file
  38     sys.exit(1)
  39
  40 cr = arvados.CollectionReader(infile_parts.group(1))
  41 streamname = infile_parts.group(3)[1:]
  42 filename = infile_parts.group(4)[1:]
  43
  44 if streamname is not None:
  45     subprocess.call(["mkdir", "-p", streamname])
  46     os.chdir(streamname)
  47 else:
  48     streamname = '.'
  49
  50 m = re.match(r'.*\.(gz|Z|bz2|tgz|tbz|zip|rar|7z|cab|deb|rpm|cpio|gem)$', arvados.get_task_param_mount('input'), re.IGNORECASE)
  51
  52 if m is not None:
  53     rc = subprocess.call(["dtrx", "-r", "-n", "-q", arvados.get_task_param_mount('input')])
  54     if rc == 0:
  55         task.set_output(robust_put.upload(outdir))
  56     else:
  57         sys.exit(rc)
  58 else:
  59     streamreader = filter(lambda s: s.name() == streamname, cr.all_streams())[0]
  60     filereader = streamreader.files()[filename]
  61     task.set_output(streamname + filereader.as_manifest()[1:])