Fehler beim Harvesten der OAI Schnittstelle der BSB (MARC)

[tschleier]

Das Harvesten der OAI-Schnittstelle der Bayerische Staatsbibliothek (BSB) für MARC-Daten scheitert mit neueren Versionen von Ometha. Mit anderen OAI-Schnittstellen treten die u. g. Fehler nicht auf.
Mit z. B. Ometha 1.8.2 (Windows, exe) funktoniert das Harvesten der BSB-OAI-Schnittstelle.

Alle Beispielaufrufe verwenden die folgende Konfiguration:

BSB_m21.yaml

name: BSB_m21
baseurl: http://bdr.oai.bsb-muenchen.de/OAIHandler
metadataPrefix: MarcXchange
datengeber: BSB
set:
   - all
fromdate: null
untildate: null
timeout: 4
outputfolder: BSB_m21
debug: false
lazy: false
numberofprocesses: 2

Der Aufruf ist jeweils
ometha conf -c BSB_m21.yaml

Ubuntu über SSH (Ometha 1.9.5) schläg fehl:

connectionpool.py 836 urlopen
retries = retries.increment(method, url, response=response, _pool=self)

retry.py 574 increment
raise MaxRetryError(_pool, url, error or ResponseError(cause))

urllib3.exceptions.MaxRetryError:
HTTPConnectionPool(host='bdr.oai.bsb-muenchen.de', port=80): Max retries exceeded with url: /OAIHandler (Caused by ResponseError('too many 500 error responses'))

--------------------------------------------------------------------------------------------------------------------------
ometha 8 <module>
sys.exit(main())

__init__.py 252 main
session.get(baseurl, verify=False, timeout=(20, 80))

sessions.py 542 get
return self.request('GET', url, **kwargs)

sessions.py 529 request
resp = self.send(prep, **send_kwargs)

sessions.py 645 send
r = adapter.send(request, **kwargs)

adapters.py 510 send
raise RetryError(e, request=request)

requests.exceptions.RetryError:
HTTPConnectionPool(host='bdr.oai.bsb-muenchen.de', port=80): Max retries exceeded with url: /OAIHandler (Caused by ResponseError('too many 500 error responses'))

Ein entsprechender Aufruf mit Curl funktioniert und liefert die ersten Identifier:

curl -G -d "verb=ListIdentifiers" -d "metadataPrefix=MarcXchange" -d "set=all" http://bdr.oai.bsb-muenchen.de/OAIHandler

Der Aufruf mit Ometha 1.9.6 (exe) unter Windows schlägt ebenfalls fehl:

Traceback (most recent call last):
  File "requests\adapters.py", line 489, in send
  File "urllib3\connectionpool.py", line 878, in urlopen
  File "urllib3\connectionpool.py", line 878, in urlopen
  File "urllib3\connectionpool.py", line 878, in urlopen
  [Previous line repeated 1 more time]
  File "urllib3\connectionpool.py", line 868, in urlopen
  File "urllib3\util\retry.py", line 592, in increment
urllib3.exceptions.MaxRetryError: HTTPConnectionPool(host='bdr.oai.bsb-muenchen.de', port=80): Max retries exceeded with url: /OAIHandler (Caused by ResponseError('too many 500 error responses'))

During handling of the above exception, another exception occurred:

Traceback (most recent call last):
  File "run.py", line 3, in <module>
  File "ometha\__init__.py", line 252, in main
  File "requests\sessions.py", line 600, in get
  File "requests\sessions.py", line 587, in request
  File "requests\sessions.py", line 701, in send
  File "requests\adapters.py", line 556, in send
requests.exceptions.RetryError: HTTPConnectionPool(host='bdr.oai.bsb-muenchen.de', port=80): Max retries exceeded with url: /OAIHandler (Caused by ResponseError('too many 500 error responses'))
[8092] Failed to execute script 'run' due to unhandled exception!

[karkraeg]

In der ursprünglichen Implementierung testet Ometha nur ob die URL erreichbar ist:

ddblabs-ometha/ometha/__init__.py

Lines 248 to 252 in f59e1db

	# baseurl Parameter löschen, falls fälschlicherweise übergeben
	baseurl = re.sub(r"(\?.+)", "", re.sub(r"\/$", "", baseurl))
	# baseurl überprüfen
	try:
	session.get(baseurl, verify=False, timeout=(20, 80))

http://bdr.oai.bsb-muenchen.de/OAIHandler ohne Verb gibt allerdings einen 500er zurück. In einer neuen Version wird zunächst die Baseurl überprüft und wenn das nicht geht wird mit verb=Identify gecheckt. Erst wenn beide URLs nicht erreichbar sind bricht Ometha ab: https://github.com/Deutsche-Digitale-Bibliothek/ddblabs-ometha/blob/develop/ometha/main.py#L155-L181

[karkraeg]

@tschleier könntest du einmal den aktuellen Stand der develop branch testen? Wenn das klappt kann ich dann ein Windows release erstellen.

[karkraeg]

Noch eine Kleinigkeit:

Das YAML muss als Key sets statt set haben:

name: BSB_m21
baseurl: http://bdr.oai.bsb-muenchen.de/OAIHandler
metadataPrefix: MarcXchange
datengeber: BSB
sets:
   - all
fromdate: null
untildate: null
timeout: 4
outputfolder: BSB_m21
debug: false
lazy: false
numberofprocesses: 2

[tschleier]

Ich habe versucht, die neue Version unter Windows zu testen, dabei rennt Ometha aber in einen Fehler beim Erstellen des Outputverzeichnisses:

Traceback (most recent call last):
  File "<frozen runpy>", line 198, in _run_module_as_main
  File "<frozen runpy>", line 88, in _run_code
  File "C:\Users\schleier\AppData\Local\Programs\Python\Python312\Scripts\ometha.exe\__main__.py", line 7, in <module>
  File "C:\Users\schleier\AppData\Local\Programs\Python\Python312\Lib\site-packages\ometha\main.py", line 122, in start_process
    os.makedirs(folder, exist_ok=True)
  File "<frozen os>", line 225, in makedirs
OSError: [WinError 123] Die Syntax für den Dateinamen, Verzeichnisnamen oder die Datenträgerbezeichnung ist falsch: 'BSB_m21\\BSB\\2024-02-29T08:15:18Z'

---

Das YAML muss als Key sets statt set haben:

Das hab ich aus der README.md übernommen. 😉

[karkraeg]

Scheinbar kann man unter Windows keine : in Ordnernamen nutzen, ich habe den dafür genutzten Timestring angepasst: 2b2258d

[tschleier]

Jetzt funktioniert es.
Vor dem Harvesten der Identifier kommt noch ein Hinweis auf die (verb-lose) Nichterreichbarkeit der Schnittstelle:

Fehler:
http://bdr.oai.bsb-muenchen.de/OAIHandler is not accessible. Trying with verb=Identify.

[karkraeg]

Wenn es so durchläuft kann ich dann die Tage noch ein Windows Release machen denke ich. Hab aktuell nur keine Windows VM.