vwmrc 1.0.1

MARC21-Datensätze aus MongoDB-Collections anzeigen

vwmrc – MARC21-Datensätze aus MongoDB anzeigen

vwmrc ist ein Kommandozeilenwerkzeug, das einen MARC21-Datensatz per PPN aus einer MongoDB-Collection lädt und als lesbaren MARC-Text ausgibt. Es erkennt automatisch, ob die Daten als binäres MARC, MARC-XML oder Base64-kodiertes Binär-MARC vorliegen. Der Export als .mrc oder .xml wird ebenfalls unterstützt.

Entwickelt an der Sächsischen Landesbibliothek – Staats- und Universitätsbibliothek Dresden (SLUB).

Transparenzhinweis: Dieses Tool wurde co-authored mit einem Large Language Model (LLM). Sämtlicher Code ist von einem menschlichen Entwickler geprüft, getestet und freigegeben.

Voraussetzungen

• Python ≥ 3.10
• MongoDB-Instanz, erreichbar unter der in MONGODB_URL angegebenen Adresse
• Collections, deren Dokumente eine _id (die PPN) und ein Feld full_record oder fullrecord mit den MARC-Daten enthalten

Installation

# Empfohlen: via uv
uv tool install vwmrc

# Alternativ: via pipx
pipx install vwmrc

# Oder klassisch via pip
pip install vwmrc

Nach der Installation steht der Befehl vwmrc global zur Verfügung.

Verwendung

Grundaufruf

vwmrc DATENBANK.COLLECTION:PPN

Das Ziel wird in drei Teile zerlegt:

• DATENBANK – alles vor dem ersten Punkt
• COLLECTION – alles zwischen dem ersten Punkt und dem letzten Doppelpunkt
• PPN – alles nach dem letzten Doppelpunkt

Diese Logik erlaubt PPNs, die selbst Doppelpunkte enthalten (z. B. 1787:123456).

Beispiele

# MongoDB-Verbindung setzen
export MONGODB_URL="mongodb://benutzer:[e-mail]:27017"

# Datensatz anzeigen
vwmrc ahn.kxpzentral_marc:010000313

# Datensatz als binäres MARC speichern (z. B. für MarcEdit & Co.)
vwmrc ahn.kxpzentral_marc:010000313 --ofile record.mrc

# Datensatz als MARC-XML speichern
vwmrc ahn.kxpzentral_marc:010000313 --ofile record.xml

# Auch ohne gesetzte Umgebungsvariable (Default: localhost:27017)
vwmrc ahn.kxpzentral_marc:010000313

Ausgabe

Der Datensatz wird im klassischen MARC-Textformat ausgegeben – mit Tag, Indikatoren (Leerzeichen als #), Unterfeldcodes und Inhalt:

LDR  03383cam a2200781 c 4500
001   010000313
003   DE-627
005   20251030061346.0
...
245 00 $aJoseph Beuys in Wien und am Friedrichshof ...
700 1# $aBeuys, Joseph $d1921-1986 $4oth

Optionen

Option	Beschreibung
--ofile DATEI	Speichert den Datensatz in eine Datei. Endung .xml → MARC-XML; alles andere → binäres MARC (ISO 2709).

Funktionsweise

1. Verbinden – Aufbau einer MongoDB-Verbindung über MONGODB_URL
2. Suchen – find_one({"_id": ppn})
3. Extrahieren – Sucht nach den Feldern full_record oder fullrecord (in dieser Reihenfolge). Ist der Wert eine Liste, wird das erste Element verwendet.
4. Erkennen – Das Datenformat wird automatisch bestimmt:
   • bytes → binäres MARC
   • String, der mit <?xml oder < beginnt → MARC-XML
   • String, der mit 5 Ziffern beginnt → binäres MARC (Latin-1 → Bytes)
   • Base64-ähnlicher String → dekodieren, dann binäres MARC
5. Ausgeben – Formatierung als lesbarer MARC-Text, oder Schreiben in eine Datei.

Fehlercodes

Code	Bedeutung
1	Ungültiges Zielformat (muss db.coll:ppn sein)
2	MongoDB-Abfrage fehlgeschlagen
3	Kein Datensatz mit dieser _id gefunden
4	Kein full_record- oder fullrecord-Feld im Dokument
5	MARC-Daten konnten nicht geparst werden

Abhängigkeiten

• pymarc ≥ 5.0 – MARC21-Parsing (Library of Congress)
• pymongo ≥ 4.0 – MongoDB-Client
• click ≥ 8.0 – CLI-Framework

Lizenz

MIT – siehe pyproject.toml.

---

English Summary

vwmrc is a command-line tool that fetches a MARC21 record from a MongoDB collection and displays it as human-readable MARC text. It auto-detects the data format (binary MARC, MARC-XML, or Base64-encoded binary) and can export records as .mrc or .xml files.

Usage: vwmrc DATABASE.COLLECTION:PPN

Authentication is handled entirely via the MONGODB_URL environment variable. The tool looks for a document whose _id matches the given PPN and extracts the MARC data from either full_record or fullrecord.

Developed at Saxon State and University Library Dresden (SLUB).

Transparency note: This tool was co-authored with a Large Language Model. All code has been reviewed, tested, and approved by a human developer.