index/extract.c

   1 /* $Id: extract.c,v 1.157.2.4 2006-08-14 10:38:57 adam Exp $
   2    Copyright (C) 1995,1996,1997,1998,1999,2000,2001,2002,2003,2004
   3    Index Data Aps
   4
   5 This file is part of the Zebra server.
   6
   7 Zebra is free software; you can redistribute it and/or modify it under
   8 the terms of the GNU General Public License as published by the Free
   9 Software Foundation; either version 2, or (at your option) any later
  10 version.
  11
  12 Zebra is distributed in the hope that it will be useful, but WITHOUT ANY
  13 WARRANTY; without even the implied warranty of MERCHANTABILITY or
  14 FITNESS FOR A PARTICULAR PURPOSE.  See the GNU General Public License
  15 for more details.
  16
  17 You should have received a copy of the GNU General Public License
  18 along with this program; if not, write to the Free Software
  19 Foundation, Inc., 51 Franklin St, Fifth Floor, Boston, MA  02110-1301  USA
  20
  21 */
  22
  23
  24 #include <stdio.h>
  25 #include <assert.h>
  26 #include <ctype.h>
  27 #ifdef WIN32
  28 #include <io.h>
  29 #else
  30 #include <unistd.h>
  31 #endif
  32 #include <fcntl.h>
  33
  34 #include "index.h"
  35 #include <direntz.h>
  36 #include <charmap.h>
  37
  38 #if _FILE_OFFSET_BITS == 64
  39 #define PRINTF_OFF_T "%Ld"
  40 #else
  41 #define PRINTF_OFF_T "%ld"
  42 #endif
  43
  44 #define USE_SHELLSORT 0
  45
  46 #if USE_SHELLSORT
  47 static void shellsort(void *ar, int r, size_t s,
  48                       int (*cmp)(const void *a, const void *b))
  49 {
  50     char *a = ar;
  51     char v[100];
  52     int h, i, j, k;
  53     static const int incs[16] = { 1391376, 463792, 198768, 86961, 33936,
  54                                   13776, 4592, 1968, 861, 336,
  55                                   112, 48, 21, 7, 3, 1 };
  56     for ( k = 0; k < 16; k++)
  57         for (h = incs[k], i = h; i < r; i++)
  58         {
  59             memcpy (v, a+s*i, s);
  60             j = i;
  61             while (j > h && (*cmp)(a + s*(j-h), v) > 0)
  62             {
  63                 memcpy (a + s*j, a + s*(j-h), s);
  64                 j -= h;
  65             }
  66             memcpy (a+s*j, v, s);
  67         }
  68 }
  69 #endif
  70
  71 static void logRecord (ZebraHandle zh)
  72 {
  73     ++zh->records_processed;
  74     if (!(zh->records_processed % 1000))
  75     {
  76         logf (LOG_LOG, "Records: %7d i/u/d %d/%d/%d",
  77               zh->records_processed, zh->records_inserted, zh->records_updated,
  78               zh->records_deleted);
  79     }
  80 }
  81
  82 static void extract_init (struct recExtractCtrl *p, RecWord *w)
  83 {
  84     w->zebra_maps = p->zebra_maps;
  85     w->seqno = 1;
  86     w->attrSet = VAL_BIB1;
  87     w->attrUse = 1016;
  88     w->reg_type = 'w';
  89     w->extractCtrl = p;
  90 }
  91
  92 static const char **searchRecordKey (ZebraHandle zh,
  93                                      struct recKeys *reckeys,
  94                                      int attrSetS, int attrUseS)
  95 {
  96     static const char *ws[32];
  97     int off = 0;
  98     int startSeq = -1;
  99     int i;
 100     int seqno = 0;
 101 #if SU_SCHEME
 102     int chS, ch;
 103 #else
 104     short attrUse;
 105     char attrSet;
 106 #endif
 107
 108     for (i = 0; i<32; i++)
 109         ws[i] = NULL;
 110
 111 #if SU_SCHEME
 112     chS = zebraExplain_lookupSU (zh->reg->zei, attrSetS, attrUseS);
 113     if (chS < 0)
 114         return ws;
 115 #endif
 116     while (off < reckeys->buf_used)
 117     {
 118
 119         const char *src = reckeys->buf + off;
 120         const char *wstart;
 121         int lead;
 122
 123         lead = *src++;
 124 #if SU_SCHEME
 125         if ((lead & 3)<3)
 126         {
 127             memcpy (&ch, src, sizeof(ch));
 128             src += sizeof(ch);
 129         }
 130 #else
 131         if (!(lead & 1))
 132         {
 133             memcpy (&attrSet, src, sizeof(attrSet));
 134             src += sizeof(attrSet);
 135         }
 136         if (!(lead & 2))
 137         {
 138             memcpy (&attrUse, src, sizeof(attrUse));
 139             src += sizeof(attrUse);
 140         }
 141 #endif
 142         wstart = src;
 143         while (*src++)
 144             ;
 145         if (lead & 60)
 146             seqno += ((lead>>2) & 15)-1;
 147         else
 148         {
 149             memcpy (&seqno, src, sizeof(seqno));
 150             src += sizeof(seqno);
 151         }
 152         if (
 153 #if SU_SCHEME
 154             ch == chS
 155 #else
 156             attrUseS == attrUse && attrSetS == attrSet
 157 #endif
 158             )
 159         {
 160             int woff;
 161
 162
 163             if (startSeq == -1)
 164                 startSeq = seqno;
 165             woff = seqno - startSeq;
 166             if (woff >= 0 && woff < 31)
 167                 ws[woff] = wstart;
 168         }
 169
 170         off = src - reckeys->buf;
 171     }
 172     assert (off == reckeys->buf_used);
 173     return ws;
 174 }
 175
 176 struct file_read_info {
 177     off_t file_max;         /* maximum offset so far */
 178     off_t file_offset;      /* current offset */
 179     off_t file_moffset;     /* offset of rec/rec boundary */
 180     int file_more;
 181     int fd;
 182     char *sdrbuf;
 183     int sdrmax;
 184 };
 185
 186 static struct file_read_info *file_read_start (int fd)
 187 {
 188     struct file_read_info *fi = (struct file_read_info *)
 189         xmalloc (sizeof(*fi));
 190
 191     fi->fd = fd;
 192     fi->file_max = 0;
 193     fi->file_moffset = 0;
 194     fi->sdrbuf = 0;
 195     fi->sdrmax = 0;
 196     return fi;
 197 }
 198
 199 static void file_read_stop (struct file_read_info *fi)
 200 {
 201     xfree (fi);
 202 }
 203
 204 static off_t file_seek (void *handle, off_t offset)
 205 {
 206     struct file_read_info *p = (struct file_read_info *) handle;
 207     p->file_offset = offset;
 208     if (p->sdrbuf)
 209         return offset;
 210     return lseek (p->fd, offset, SEEK_SET);
 211 }
 212
 213 static off_t file_tell (void *handle)
 214 {
 215     struct file_read_info *p = (struct file_read_info *) handle;
 216     return p->file_offset;
 217 }
 218
 219 static int file_read (void *handle, char *buf, size_t count)
 220 {
 221     struct file_read_info *p = (struct file_read_info *) handle;
 222     int fd = p->fd;
 223     int r;
 224     if (p->sdrbuf)
 225     {
 226         r = count;
 227         if (r > p->sdrmax - p->file_offset)
 228             r = p->sdrmax - p->file_offset;
 229         if (r)
 230             memcpy (buf, p->sdrbuf + p->file_offset, r);
 231     }
 232     else
 233         r = read (fd, buf, count);
 234     if (r > 0)
 235     {
 236         p->file_offset += r;
 237         if (p->file_offset > p->file_max)
 238             p->file_max = p->file_offset;
 239     }
 240     return r;
 241 }
 242
 243 static void file_begin (void *handle)
 244 {
 245     struct file_read_info *p = (struct file_read_info *) handle;
 246
 247     p->file_offset = p->file_moffset;
 248     if (!p->sdrbuf && p->file_moffset)
 249         lseek (p->fd, p->file_moffset, SEEK_SET);
 250     p->file_more = 0;
 251 }
 252
 253 static void file_end (void *handle, off_t offset)
 254 {
 255     struct file_read_info *p = (struct file_read_info *) handle;
 256
 257     assert (p->file_more == 0);
 258     p->file_more = 1;
 259     p->file_moffset = offset;
 260 }
 261
 262 #define FILE_MATCH_BLANK "\t "
 263
 264 static char *fileMatchStr (ZebraHandle zh,
 265                            struct recKeys *reckeys,
 266                            const char *fname, const char *spec)
 267 {
 268     static char dstBuf[2048];      /* static here ??? */
 269     char *dst = dstBuf;
 270     const char *s = spec;
 271     static const char **w;
 272
 273     while (1)
 274     {
 275         for (; *s && strchr(FILE_MATCH_BLANK, *s); s++)
 276             ;
 277         if (!*s)
 278             break;
 279         if (*s == '(')
 280         {
 281             char attset_str[64], attname_str[64];
 282             data1_attset *attset;
 283             int i;
 284             int attSet = 1, attUse = 1;
 285             int first = 1;
 286
 287             for (s++; strchr(FILE_MATCH_BLANK, *s); s++)
 288                 ;
 289             for (i = 0; *s && *s != ',' && *s != ')' &&
 290                      !strchr(FILE_MATCH_BLANK, *s); s++)
 291                 if (i+1 < sizeof(attset_str))
 292                     attset_str[i++] = *s;
 293             attset_str[i] = '\0';
 294
 295             for (; strchr(FILE_MATCH_BLANK, *s); s++)
 296                 ;
 297             if (*s == ',')
 298             {
 299                 for (s++; strchr(FILE_MATCH_BLANK, *s); s++)
 300                     ;
 301                 for (i = 0; *s && *s != ')' &&
 302                          !strchr(FILE_MATCH_BLANK, *s); s++)
 303                     if (i+1 < sizeof(attname_str))
 304                         attname_str[i++] = *s;
 305                 attname_str[i] = '\0';
 306             }
 307
 308             if ((attset = data1_get_attset (zh->reg->dh, attset_str)))
 309             {
 310                 data1_att *att;
 311                 attSet = attset->reference;
 312                 att = data1_getattbyname(zh->reg->dh, attset, attname_str);
 313                 if (att)
 314                     attUse = att->value;
 315                 else
 316                     attUse = atoi (attname_str);
 317             }
 318             w = searchRecordKey (zh, reckeys, attSet, attUse);
 319             assert (w);
 320
 321             for (; strchr(FILE_MATCH_BLANK, *s); s++)
 322                 ;
 323             if (*s != ')')
 324             {
 325                 logf (LOG_WARN, "Missing ) in match criteria %s in group %s",
 326                       spec, zh->m_group ? zh->m_group : "none");
 327                 return NULL;
 328             }
 329             s++;
 330             for (i = 0; i<32; i++)
 331                 if (w[i])
 332                 {
 333                     if (first)
 334                     {
 335                         *dst++ = ' ';
 336                         first = 0;
 337                     }
 338                     strcpy (dst, w[i]);
 339                     dst += strlen(w[i]);
 340                 }
 341             if (first)
 342             {
 343                 logf (LOG_WARN, "Record didn't contain match"
 344                       " fields in (%s,%s)", attset_str, attname_str);
 345                 return NULL;
 346             }
 347         }
 348         else if (*s == '$')
 349         {
 350             int spec_len;
 351             char special[64];
 352             const char *spec_src = NULL;
 353             const char *s1 = ++s;
 354             while (*s1 && !strchr(FILE_MATCH_BLANK, *s1))
 355                 s1++;
 356
 357             spec_len = s1 - s;
 358             if (spec_len > sizeof(special)-1)
 359                 spec_len = sizeof(special)-1;
 360             memcpy (special, s, spec_len);
 361             special[spec_len] = '\0';
 362             s = s1;
 363
 364             if (!strcmp (special, "group"))
 365                 spec_src = zh->m_group;
 366             else if (!strcmp (special, "database"))
 367                 spec_src = zh->basenames[0];
 368             else if (!strcmp (special, "filename")) {
 369                 spec_src = fname;
 370             }
 371             else if (!strcmp (special, "type"))
 372                 spec_src = zh->m_record_type;
 373             else
 374                 spec_src = NULL;
 375             if (spec_src)
 376             {
 377                 strcpy (dst, spec_src);
 378                 dst += strlen (spec_src);
 379             }
 380         }
 381         else if (*s == '\"' || *s == '\'')
 382         {
 383             int stopMarker = *s++;
 384             char tmpString[64];
 385             int i = 0;
 386
 387             while (*s && *s != stopMarker)
 388             {
 389                 if (i+1 < sizeof(tmpString))
 390                     tmpString[i++] = *s++;
 391             }
 392             if (*s)
 393                 s++;
 394             tmpString[i] = '\0';
 395             strcpy (dst, tmpString);
 396             dst += strlen (tmpString);
 397         }
 398         else
 399         {
 400             logf (LOG_WARN, "Syntax error in match criteria %s in group %s",
 401                   spec, zh->m_group ? zh->m_group : "none");
 402             return NULL;
 403         }
 404         *dst++ = 1;
 405     }
 406     if (dst == dstBuf)
 407     {
 408         logf (LOG_WARN, "No match criteria for record %s in group %s",
 409               fname, zh->m_group ? zh->m_group : "none");
 410         return NULL;
 411     }
 412     *dst = '\0';
 413     return dstBuf;
 414 }
 415
 416 struct recordLogInfo {
 417     const char *fname;
 418     int recordOffset;
 419     struct recordGroup *rGroup;
 420 };
 421
 422 static int file_extract_record(ZebraHandle zh,
 423                                SYSNO *sysno, const char *fname,
 424                                int deleteFlag,
 425                                struct file_read_info *fi,
 426                                int force_update)
 427 {
 428     RecordAttr *recordAttr;
 429     int r;
 430     const char *matchStr;
 431     SYSNO sysnotmp;
 432     Record rec;
 433     off_t recordOffset = 0;
 434     RecType recType;
 435     void *clientData;
 436     char subType[128];
 437
 438     if (!(recType =
 439           recType_byName (zh->reg->recTypes, zh->m_record_type, subType,
 440                           &clientData)))
 441     {
 442         logf (LOG_WARN, "No such record type: %s", zh->m_record_type);
 443         return 0;
 444     }
 445
 446     /* announce database */
 447     if (zebraExplain_curDatabase (zh->reg->zei, zh->basenames[0]))
 448     {
 449         if (zebraExplain_newDatabase (zh->reg->zei, zh->basenames[0],
 450                                       zh->m_explain_database))
 451             return 0;
 452     }
 453
 454     if (fi->fd != -1)
 455     {
 456         struct recExtractCtrl extractCtrl;
 457
 458         /* we are going to read from a file, so prepare the extraction */
 459         int i;
 460
 461         zh->reg->keys.buf_used = 0;
 462         zh->reg->keys.prevAttrUse = -1;
 463         zh->reg->keys.prevAttrSet = -1;
 464         zh->reg->keys.prevSeqNo = 0;
 465         zh->reg->sortKeys.buf_used = 0;
 466
 467         recordOffset = fi->file_moffset;
 468         extractCtrl.offset = fi->file_moffset;
 469         extractCtrl.readf = file_read;
 470         extractCtrl.seekf = file_seek;
 471         extractCtrl.tellf = file_tell;
 472         extractCtrl.endf = file_end;
 473         extractCtrl.fh = fi;
 474         extractCtrl.subType = subType;
 475         extractCtrl.init = extract_init;
 476         extractCtrl.tokenAdd = extract_token_add;
 477         extractCtrl.schemaAdd = extract_schema_add;
 478         extractCtrl.dh = zh->reg->dh;
 479         extractCtrl.handle = zh;
 480         for (i = 0; i<256; i++)
 481         {
 482             if (zebra_maps_is_positioned(zh->reg->zebra_maps, i))
 483                 extractCtrl.seqno[i] = 1;
 484             else
 485                 extractCtrl.seqno[i] = 0;
 486         }
 487         extractCtrl.zebra_maps = zh->reg->zebra_maps;
 488         extractCtrl.flagShowRecords = !zh->m_flag_rw;
 489
 490         if (!zh->m_flag_rw)
 491             printf ("File: %s " PRINTF_OFF_T "\n", fname, recordOffset);
 492         if (zh->m_flag_rw)
 493         {
 494             char msg[512];
 495             sprintf (msg, "%s:" PRINTF_OFF_T , fname, recordOffset);
 496             yaz_log_init_prefix2 (msg);
 497         }
 498
 499         r = (*recType->extract)(clientData, &extractCtrl);
 500
 501         yaz_log_init_prefix2 (0);
 502         if (r == RECCTRL_EXTRACT_EOF)
 503             return 0;
 504         else if (r == RECCTRL_EXTRACT_ERROR_GENERIC)
 505         {
 506             /* error occured during extraction ... */
 507             if (zh->m_flag_rw &&
 508                 zh->records_processed < zh->m_file_verbose_limit)
 509             {
 510                 logf (LOG_WARN, "fail %s %s " PRINTF_OFF_T, zh->m_record_type,
 511                       fname, recordOffset);
 512             }
 513             return 0;
 514         }
 515         else if (r == RECCTRL_EXTRACT_ERROR_NO_SUCH_FILTER)
 516         {
 517             /* error occured during extraction ... */
 518             if (zh->m_flag_rw &&
 519                 zh->records_processed < zh->m_file_verbose_limit)
 520             {
 521                 logf (LOG_WARN, "no filter for %s %s "
 522                       PRINTF_OFF_T, zh->m_record_type,
 523                       fname, recordOffset);
 524             }
 525             return 0;
 526         }
 527         if (zh->reg->keys.buf_used == 0)
 528         {
 529             /* the extraction process returned no information - the record
 530                is probably empty - unless flagShowRecords is in use */
 531             if (!zh->m_flag_rw)
 532                 return 1;
 533
 534             logf (LOG_WARN, "empty %s %s " PRINTF_OFF_T, zh->m_record_type,
 535                   fname, recordOffset);
 536             return 1;
 537         }
 538     }
 539
 540     /* perform match if sysno not known and if match criteria is specified */
 541
 542     matchStr = NULL;
 543     if (!sysno)
 544     {
 545         sysnotmp = 0;
 546         sysno = &sysnotmp;
 547         if (zh->m_record_id && *zh->m_record_id)
 548         {
 549             char *rinfo;
 550
 551             matchStr = fileMatchStr (zh, &zh->reg->keys, fname,
 552                                      zh->m_record_id);
 553             if (matchStr)
 554             {
 555                 rinfo = dict_lookup (zh->reg->matchDict, matchStr);
 556                 if (rinfo)
 557                     memcpy (sysno, rinfo+1, sizeof(*sysno));
 558             }
 559             else
 560             {
 561                 logf (LOG_WARN, "Bad match criteria");
 562                 return 0;
 563             }
 564         }
 565     }
 566
 567     if (! *sysno)
 568     {
 569         /* new record */
 570         if (deleteFlag)
 571         {
 572             logf (LOG_LOG, "delete %s %s " PRINTF_OFF_T, zh->m_record_type,
 573                   fname, recordOffset);
 574             logf (LOG_WARN, "cannot delete record above (seems new)");
 575             return 1;
 576         }
 577         if (zh->records_processed < zh->m_file_verbose_limit)
 578             logf (LOG_LOG, "add %s %s " PRINTF_OFF_T, zh->m_record_type,
 579                   fname, recordOffset);
 580         rec = rec_new (zh->reg->records);
 581
 582         *sysno = rec->sysno;
 583
 584         recordAttr = rec_init_attr (zh->reg->zei, rec);
 585
 586         if (matchStr)
 587         {
 588             dict_insert (zh->reg->matchDict, matchStr, sizeof(*sysno), sysno);
 589         }
 590         extract_flushSortKeys (zh, *sysno, 1, &zh->reg->sortKeys);
 591         extract_flushRecordKeys (zh, *sysno, 1, &zh->reg->keys);
 592
 593         zh->records_inserted++;
 594     }
 595     else
 596     {
 597         /* record already exists */
 598         struct recKeys delkeys;
 599         struct sortKeys sortKeys;
 600
 601         rec = rec_get (zh->reg->records, *sysno);
 602         assert (rec);
 603
 604         recordAttr = rec_init_attr (zh->reg->zei, rec);
 605
 606         if (!force_update && recordAttr->runNumber ==
 607             zebraExplain_runNumberIncrement (zh->reg->zei, 0))
 608         {
 609             yaz_log (LOG_LOG, "run number = %d", recordAttr->runNumber);
 610             yaz_log (LOG_LOG, "skipped %s %s " PRINTF_OFF_T,
 611                      zh->m_record_type, fname, recordOffset);
 612             extract_flushSortKeys (zh, *sysno, -1, &zh->reg->sortKeys);
 613             rec_rm (&rec);
 614             logRecord (zh);
 615             return 1;
 616         }
 617         delkeys.buf_used = rec->size[recInfo_delKeys];
 618         delkeys.buf = rec->info[recInfo_delKeys];
 619
 620         sortKeys.buf_used = rec->size[recInfo_sortKeys];
 621         sortKeys.buf = rec->info[recInfo_sortKeys];
 622
 623         extract_flushSortKeys (zh, *sysno, 0, &sortKeys);
 624         extract_flushRecordKeys (zh, *sysno, 0, &delkeys);
 625         if (deleteFlag)
 626         {
 627             /* record going to be deleted */
 628             if (!delkeys.buf_used)
 629             {
 630                 logf (LOG_LOG, "delete %s %s " PRINTF_OFF_T,
 631                       zh->m_record_type, fname, recordOffset);
 632                 logf (LOG_WARN, "cannot delete file above, storeKeys false");
 633             }
 634             else
 635             {
 636                 if (zh->records_processed < zh->m_file_verbose_limit)
 637                     logf (LOG_LOG, "delete %s %s " PRINTF_OFF_T,
 638                          zh->m_record_type, fname, recordOffset);
 639                 zh->records_deleted++;
 640                 if (matchStr)
 641                     dict_delete (zh->reg->matchDict, matchStr);
 642                 rec_del (zh->reg->records, &rec);
 643             }
 644             rec_rm (&rec);
 645             logRecord (zh);
 646             return 1;
 647         }
 648         else
 649         {
 650             /* record going to be updated */
 651             if (!delkeys.buf_used)
 652             {
 653                 logf (LOG_LOG, "update %s %s " PRINTF_OFF_T,
 654                       zh->m_record_type, fname, recordOffset);
 655                 logf (LOG_WARN, "cannot update file above, storeKeys false");
 656             }
 657             else
 658             {
 659                 if (zh->records_processed < zh->m_file_verbose_limit)
 660                     logf (LOG_LOG, "update %s %s " PRINTF_OFF_T,
 661                         zh->m_record_type, fname, recordOffset);
 662                 extract_flushSortKeys (zh, *sysno, 1, &zh->reg->sortKeys);
 663                 extract_flushRecordKeys (zh, *sysno, 1, &zh->reg->keys);
 664                 zh->records_updated++;
 665             }
 666         }
 667     }
 668     /* update file type */
 669     xfree (rec->info[recInfo_fileType]);
 670     rec->info[recInfo_fileType] =
 671         rec_strdup (zh->m_record_type, &rec->size[recInfo_fileType]);
 672
 673     /* update filename */
 674     xfree (rec->info[recInfo_filename]);
 675     rec->info[recInfo_filename] =
 676         rec_strdup (fname, &rec->size[recInfo_filename]);
 677
 678     /* update delete keys */
 679     xfree (rec->info[recInfo_delKeys]);
 680     if (zh->reg->keys.buf_used > 0 && zh->m_store_keys == 1)
 681     {
 682         rec->size[recInfo_delKeys] = zh->reg->keys.buf_used;
 683         rec->info[recInfo_delKeys] = zh->reg->keys.buf;
 684         zh->reg->keys.buf = NULL;
 685         zh->reg->keys.buf_max = 0;
 686     }
 687     else
 688     {
 689         rec->info[recInfo_delKeys] = NULL;
 690         rec->size[recInfo_delKeys] = 0;
 691     }
 692
 693     /* update sort keys */
 694     xfree (rec->info[recInfo_sortKeys]);
 695
 696     rec->size[recInfo_sortKeys] = zh->reg->sortKeys.buf_used;
 697     rec->info[recInfo_sortKeys] = zh->reg->sortKeys.buf;
 698     zh->reg->sortKeys.buf = NULL;
 699     zh->reg->sortKeys.buf_max = 0;
 700
 701     /* save file size of original record */
 702     zebraExplain_recordBytesIncrement (zh->reg->zei,
 703                                        - recordAttr->recordSize);
 704     recordAttr->recordSize = fi->file_moffset - recordOffset;
 705     if (!recordAttr->recordSize)
 706         recordAttr->recordSize = fi->file_max - recordOffset;
 707     zebraExplain_recordBytesIncrement (zh->reg->zei,
 708                                        recordAttr->recordSize);
 709
 710     /* set run-number for this record */
 711     recordAttr->runNumber = zebraExplain_runNumberIncrement (zh->reg->zei,
 712                                                              0);
 713
 714     /* update store data */
 715     xfree (rec->info[recInfo_storeData]);
 716     if (zh->m_store_data)
 717     {
 718         rec->size[recInfo_storeData] = recordAttr->recordSize;
 719         rec->info[recInfo_storeData] = (char *)
 720             xmalloc (recordAttr->recordSize);
 721         if (lseek (fi->fd, recordOffset, SEEK_SET) < 0)
 722         {
 723             logf (LOG_ERRNO|LOG_FATAL, "seek to " PRINTF_OFF_T " in %s",
 724                   recordOffset, fname);
 725             exit (1);
 726         }
 727         if (read (fi->fd, rec->info[recInfo_storeData], recordAttr->recordSize)
 728             < recordAttr->recordSize)
 729         {
 730             logf (LOG_ERRNO|LOG_FATAL, "read %d bytes of %s",
 731                   recordAttr->recordSize, fname);
 732             exit (1);
 733         }
 734     }
 735     else
 736     {
 737         rec->info[recInfo_storeData] = NULL;
 738         rec->size[recInfo_storeData] = 0;
 739     }
 740     /* update database name */
 741     xfree (rec->info[recInfo_databaseName]);
 742     rec->info[recInfo_databaseName] =
 743         rec_strdup (zh->basenames[0], &rec->size[recInfo_databaseName]);
 744
 745     /* update offset */
 746     recordAttr->recordOffset = recordOffset;
 747
 748     /* commit this record */
 749     rec_put (zh->reg->records, &rec);
 750     logRecord (zh);
 751     return 1;
 752 }
 753
 754 int fileExtract (ZebraHandle zh, SYSNO *sysno, const char *fname,
 755                  int deleteFlag)
 756 {
 757     int r, i, fd;
 758     char gprefix[128];
 759     char ext[128];
 760     char ext_res[128];
 761     struct file_read_info *fi;
 762     const char *original_record_type = 0;
 763
 764     if (!zh->m_group || !*zh->m_group)
 765         *gprefix = '\0';
 766     else
 767         sprintf (gprefix, "%s.", zh->m_group);
 768
 769     logf (LOG_DEBUG, "fileExtract %s", fname);
 770
 771     /* determine file extension */
 772     *ext = '\0';
 773     for (i = strlen(fname); --i >= 0; )
 774         if (fname[i] == '/')
 775             break;
 776         else if (fname[i] == '.')
 777         {
 778             strcpy (ext, fname+i+1);
 779             break;
 780         }
 781     /* determine file type - depending on extension */
 782     original_record_type = zh->m_record_type;
 783     if (!zh->m_record_type)
 784     {
 785         sprintf (ext_res, "%srecordType.%s", gprefix, ext);
 786         zh->m_record_type = res_get (zh->res, ext_res);
 787     }
 788     if (!zh->m_record_type)
 789     {
 790         if (zh->records_processed < zh->m_file_verbose_limit)
 791             logf (LOG_LOG, "? %s", fname);
 792         return 0;
 793     }
 794     /* determine match criteria */
 795     if (!zh->m_record_id)
 796     {
 797         sprintf (ext_res, "%srecordId.%s", gprefix, ext);
 798         zh->m_record_id = res_get (zh->res, ext_res);
 799     }
 800
 801     if (sysno && deleteFlag)
 802         fd = -1;
 803     else
 804     {
 805         char full_rep[1024];
 806
 807         if (zh->path_reg && !yaz_is_abspath (fname))
 808         {
 809             strcpy (full_rep, zh->path_reg);
 810             strcat (full_rep, "/");
 811             strcat (full_rep, fname);
 812         }
 813         else
 814             strcpy (full_rep, fname);
 815
 816
 817         if ((fd = open (full_rep, O_BINARY|O_RDONLY)) == -1)
 818         {
 819             logf (LOG_WARN|LOG_ERRNO, "open %s", full_rep);
 820             zh->m_record_type = original_record_type;
 821             return 0;
 822         }
 823     }
 824     fi = file_read_start (fd);
 825     do
 826     {
 827         file_begin (fi);
 828         r = file_extract_record (zh, sysno, fname, deleteFlag, fi, 1);
 829     } while (r && !sysno && fi->file_more);
 830     file_read_stop (fi);
 831     if (fd != -1)
 832         close (fd);
 833     zh->m_record_type = original_record_type;
 834     return r;
 835 }
 836
 837 /*
 838   If sysno is provided, then it's used to identify the reocord.
 839   If not, and match_criteria is provided, then sysno is guessed
 840   If not, and a record is provided, then sysno is got from there
 841
 842  */
 843 int buffer_extract_record (ZebraHandle zh,
 844                            const char *buf, size_t buf_size,
 845                            int delete_flag,
 846                            int test_mode,
 847                            const char *recordType,
 848                            int *sysno,
 849                            const char *match_criteria,
 850                            const char *fname,
 851                            int force_update,
 852                            int allow_update)
 853 {
 854     RecordAttr *recordAttr;
 855     struct recExtractCtrl extractCtrl;
 856     int i, r;
 857     const char *matchStr = 0;
 858     RecType recType = NULL;
 859     char subType[1024];
 860     void *clientData;
 861     Record rec;
 862     long recordOffset = 0;
 863     struct zebra_fetch_control fc;
 864     const char *pr_fname = fname;  /* filename to print .. */
 865
 866     if (!pr_fname)
 867         pr_fname = "<no file>";  /* make it printable if file is omitted */
 868
 869     fc.fd = -1;
 870     fc.record_int_buf = buf;
 871     fc.record_int_len = buf_size;
 872     fc.record_int_pos = 0;
 873     fc.offset_end = 0;
 874     fc.record_offset = 0;
 875
 876     extractCtrl.offset = 0;
 877     extractCtrl.readf = zebra_record_int_read;
 878     extractCtrl.seekf = zebra_record_int_seek;
 879     extractCtrl.tellf = zebra_record_int_tell;
 880     extractCtrl.endf = zebra_record_int_end;
 881     extractCtrl.fh = &fc;
 882
 883     zh->reg->keys.buf_used = 0;
 884     zh->reg->keys.prevAttrUse = -1;
 885     zh->reg->keys.prevAttrSet = -1;
 886     zh->reg->keys.prevSeqNo = 0;
 887     zh->reg->sortKeys.buf_used = 0;
 888
 889     if (zebraExplain_curDatabase (zh->reg->zei, zh->basenames[0]))
 890     {
 891         if (zebraExplain_newDatabase (zh->reg->zei, zh->basenames[0],
 892                                       zh->m_explain_database))
 893             return 0;
 894     }
 895
 896     if (recordType && *recordType) {
 897         logf (LOG_DEBUG, "Record type explicitly specified: %s", recordType);
 898         recType = recType_byName (zh->reg->recTypes, recordType, subType,
 899                                   &clientData);
 900     } else {
 901         if (!(zh->m_record_type)) {
 902             logf (LOG_WARN, "No such record type defined");
 903             return 0;
 904         }
 905         logf (LOG_DEBUG, "Get record type from rgroup: %s",zh->m_record_type);
 906         recType = recType_byName (zh->reg->recTypes, zh->m_record_type, subType,
 907                                   &clientData);
 908         recordType = zh->m_record_type;
 909     }
 910
 911     if (!recType) {
 912         logf (LOG_WARN, "No such record type: %s", zh->m_record_type);
 913         return 0;
 914     }
 915
 916     extractCtrl.subType = subType;
 917     extractCtrl.init = extract_init;
 918     extractCtrl.tokenAdd = extract_token_add;
 919     extractCtrl.schemaAdd = extract_schema_add;
 920     extractCtrl.dh = zh->reg->dh;
 921     extractCtrl.handle = zh;
 922     extractCtrl.zebra_maps = zh->reg->zebra_maps;
 923     extractCtrl.flagShowRecords = 0;
 924     for (i = 0; i<256; i++)
 925     {
 926         if (zebra_maps_is_positioned(zh->reg->zebra_maps, i))
 927             extractCtrl.seqno[i] = 1;
 928         else
 929             extractCtrl.seqno[i] = 0;
 930     }
 931
 932     r = (*recType->extract)(clientData, &extractCtrl);
 933
 934     if (r == RECCTRL_EXTRACT_EOF)
 935         return 0;
 936     else if (r == RECCTRL_EXTRACT_ERROR_GENERIC)
 937     {
 938         /* error occured during extraction ... */
 939         yaz_log (LOG_WARN, "extract error: generic");
 940         return 0;
 941     }
 942     else if (r == RECCTRL_EXTRACT_ERROR_NO_SUCH_FILTER)
 943     {
 944         /* error occured during extraction ... */
 945         yaz_log (LOG_WARN, "extract error: no such filter");
 946         return 0;
 947     }
 948     if (zh->reg->keys.buf_used == 0)
 949     {
 950         /* the extraction process returned no information - the record
 951            is probably empty - unless flagShowRecords is in use */
 952         if (test_mode)
 953             return 1;
 954         logf (LOG_WARN, "No keys generated for record");
 955         logf (LOG_WARN, " The file is probably empty");
 956         return 1;
 957     }
 958     /* match criteria */
 959     matchStr = NULL;
 960
 961     if (! *sysno) {
 962         char *rinfo;
 963         if (match_criteria && *match_criteria) {
 964             matchStr = match_criteria;
 965         } else {
 966             if (zh->m_record_id && *zh->m_record_id) {
 967                 matchStr = fileMatchStr (zh, &zh->reg->keys, pr_fname,
 968                                          zh->m_record_id);
 969                 if (!matchStr)
 970                 {
 971                     logf (LOG_WARN, "Bad match criteria (recordID)");
 972                     return 1;
 973                 }
 974             }
 975         }
 976         if (matchStr) {
 977             rinfo = dict_lookup (zh->reg->matchDict, matchStr);
 978             if (rinfo)
 979                 memcpy (sysno, rinfo+1, sizeof(*sysno));
 980         }
 981     }
 982
 983     if (! *sysno)
 984     {
 985         /* new record */
 986         if (delete_flag)
 987         {
 988             logf (LOG_LOG, "delete %s %s %ld", recordType,
 989                   pr_fname, (long) recordOffset);
 990             logf (LOG_WARN, "cannot delete record above (seems new)");
 991             return 1;
 992         }
 993         logf (LOG_LOG, "add %s %s %ld", recordType, pr_fname,
 994               (long) recordOffset);
 995         rec = rec_new (zh->reg->records);
 996
 997         *sysno = rec->sysno;
 998
 999         recordAttr = rec_init_attr (zh->reg->zei, rec);
1000
1001         if (matchStr)
1002         {
1003             dict_insert (zh->reg->matchDict, matchStr,
1004                          sizeof(*sysno), sysno);
1005         }
1006         extract_flushSortKeys (zh, *sysno, 1, &zh->reg->sortKeys);
1007         extract_flushRecordKeys (zh, *sysno, 1, &zh->reg->keys);
1008
1009         zh->records_inserted++;
1010     }
1011     else
1012     {
1013         /* record already exists */
1014         struct recKeys delkeys;
1015         struct sortKeys sortKeys;
1016
1017         if (!allow_update) {
1018               logf (LOG_LOG, "skipped %s %s %ld",
1019                     recordType, pr_fname, (long) recordOffset);
1020               logRecord(zh);
1021               return -1;
1022         }
1023
1024         rec = rec_get (zh->reg->records, *sysno);
1025         assert (rec);
1026
1027         recordAttr = rec_init_attr (zh->reg->zei, rec);
1028
1029         if (!force_update) {
1030             if (recordAttr->runNumber ==
1031                 zebraExplain_runNumberIncrement (zh->reg->zei, 0))
1032             {
1033                 logf (LOG_LOG, "skipped %s %s %ld", recordType,
1034                       pr_fname, (long) recordOffset);
1035                 extract_flushSortKeys (zh, *sysno, -1, &zh->reg->sortKeys);
1036                 rec_rm (&rec);
1037                 logRecord(zh);
1038                 return -1;
1039             }
1040         }
1041
1042         delkeys.buf_used = rec->size[recInfo_delKeys];
1043         delkeys.buf = rec->info[recInfo_delKeys];
1044
1045         sortKeys.buf_used = rec->size[recInfo_sortKeys];
1046         sortKeys.buf = rec->info[recInfo_sortKeys];
1047
1048         extract_flushSortKeys (zh, *sysno, 0, &sortKeys);
1049         extract_flushRecordKeys (zh, *sysno, 0, &delkeys);
1050         if (delete_flag)
1051         {
1052             /* record going to be deleted */
1053             if (!delkeys.buf_used)
1054             {
1055                 logf (LOG_LOG, "delete %s %s %ld", recordType,
1056                       pr_fname, (long) recordOffset);
1057                 logf (LOG_WARN, "cannot delete file above, storeKeys false");
1058             }
1059             else
1060             {
1061                 logf (LOG_LOG, "delete %s %s %ld", recordType,
1062                       pr_fname, (long) recordOffset);
1063                 zh->records_deleted++;
1064                 if (matchStr)
1065                     dict_delete (zh->reg->matchDict, matchStr);
1066                 rec_del (zh->reg->records, &rec);
1067             }
1068             rec_rm (&rec);
1069             logRecord(zh);
1070             return 0;
1071         }
1072         else
1073         {
1074             /* record going to be updated */
1075             if (!delkeys.buf_used)
1076             {
1077                 logf (LOG_LOG, "update %s %s %ld", recordType,
1078                       pr_fname, (long) recordOffset);
1079                 logf (LOG_WARN, "cannot update file above, storeKeys false");
1080             }
1081             else
1082             {
1083                 logf (LOG_LOG, "update %s %s %ld", recordType,
1084                       pr_fname, (long) recordOffset);
1085                 extract_flushSortKeys (zh, *sysno, 1, &zh->reg->sortKeys);
1086                 extract_flushRecordKeys (zh, *sysno, 1, &zh->reg->keys);
1087                 zh->records_updated++;
1088             }
1089         }
1090     }
1091     /* update file type */
1092     xfree (rec->info[recInfo_fileType]);
1093     rec->info[recInfo_fileType] =
1094         rec_strdup (recordType, &rec->size[recInfo_fileType]);
1095
1096     /* update filename */
1097     xfree (rec->info[recInfo_filename]);
1098     rec->info[recInfo_filename] =
1099         rec_strdup (fname, &rec->size[recInfo_filename]);
1100
1101     /* update delete keys */
1102     xfree (rec->info[recInfo_delKeys]);
1103     if (zh->reg->keys.buf_used > 0 && zh->m_store_keys == 1)
1104     {
1105         rec->size[recInfo_delKeys] = zh->reg->keys.buf_used;
1106         rec->info[recInfo_delKeys] = zh->reg->keys.buf;
1107         zh->reg->keys.buf = NULL;
1108         zh->reg->keys.buf_max = 0;
1109     }
1110     else
1111     {
1112         rec->info[recInfo_delKeys] = NULL;
1113         rec->size[recInfo_delKeys] = 0;
1114     }
1115
1116     /* update sort keys */
1117     xfree (rec->info[recInfo_sortKeys]);
1118
1119     rec->size[recInfo_sortKeys] = zh->reg->sortKeys.buf_used;
1120     rec->info[recInfo_sortKeys] = zh->reg->sortKeys.buf;
1121     zh->reg->sortKeys.buf = NULL;
1122     zh->reg->sortKeys.buf_max = 0;
1123
1124     /* save file size of original record */
1125     zebraExplain_recordBytesIncrement (zh->reg->zei,
1126                                        - recordAttr->recordSize);
1127 #if 0
1128     recordAttr->recordSize = fi->file_moffset - recordOffset;
1129     if (!recordAttr->recordSize)
1130         recordAttr->recordSize = fi->file_max - recordOffset;
1131 #else
1132     recordAttr->recordSize = buf_size;
1133 #endif
1134     zebraExplain_recordBytesIncrement (zh->reg->zei,
1135                                        recordAttr->recordSize);
1136
1137     /* set run-number for this record */
1138     recordAttr->runNumber =
1139         zebraExplain_runNumberIncrement (zh->reg->zei, 0);
1140
1141     /* update store data */
1142     xfree (rec->info[recInfo_storeData]);
1143     if (zh->m_store_data)
1144     {
1145         rec->size[recInfo_storeData] = recordAttr->recordSize;
1146         rec->info[recInfo_storeData] = (char *)
1147             xmalloc (recordAttr->recordSize);
1148         memcpy (rec->info[recInfo_storeData], buf, recordAttr->recordSize);
1149     }
1150     else
1151     {
1152         rec->info[recInfo_storeData] = NULL;
1153         rec->size[recInfo_storeData] = 0;
1154     }
1155     /* update database name */
1156     xfree (rec->info[recInfo_databaseName]);
1157     rec->info[recInfo_databaseName] =
1158         rec_strdup (zh->basenames[0], &rec->size[recInfo_databaseName]);
1159
1160     /* update offset */
1161     recordAttr->recordOffset = recordOffset;
1162
1163     /* commit this record */
1164     rec_put (zh->reg->records, &rec);
1165     logRecord(zh);
1166     return 0;
1167 }
1168
1169 int explain_extract (void *handle, Record rec, data1_node *n)
1170 {
1171     ZebraHandle zh = (ZebraHandle) handle;
1172     struct recExtractCtrl extractCtrl;
1173     int i;
1174
1175     if (zebraExplain_curDatabase (zh->reg->zei,
1176                                   rec->info[recInfo_databaseName]))
1177     {
1178         abort();
1179         if (zebraExplain_newDatabase (zh->reg->zei,
1180                                       rec->info[recInfo_databaseName], 0))
1181             abort ();
1182     }
1183
1184     zh->reg->keys.buf_used = 0;
1185     zh->reg->keys.prevAttrUse = -1;
1186     zh->reg->keys.prevAttrSet = -1;
1187     zh->reg->keys.prevSeqNo = 0;
1188     zh->reg->sortKeys.buf_used = 0;
1189
1190     extractCtrl.init = extract_init;
1191     extractCtrl.tokenAdd = extract_token_add;
1192     extractCtrl.schemaAdd = extract_schema_add;
1193     extractCtrl.dh = zh->reg->dh;
1194     for (i = 0; i<256; i++)
1195         extractCtrl.seqno[i] = 0;
1196     extractCtrl.zebra_maps = zh->reg->zebra_maps;
1197     extractCtrl.flagShowRecords = 0;
1198     extractCtrl.handle = handle;
1199
1200     if (n)
1201         grs_extract_tree(&extractCtrl, n);
1202
1203     if (rec->size[recInfo_delKeys])
1204     {
1205         struct recKeys delkeys;
1206         struct sortKeys sortkeys;
1207
1208         delkeys.buf_used = rec->size[recInfo_delKeys];
1209         delkeys.buf = rec->info[recInfo_delKeys];
1210
1211         sortkeys.buf_used = rec->size[recInfo_sortKeys];
1212         sortkeys.buf = rec->info[recInfo_sortKeys];
1213
1214         extract_flushSortKeys (zh, rec->sysno, 0, &sortkeys);
1215         extract_flushRecordKeys (zh, rec->sysno, 0, &delkeys);
1216     }
1217     extract_flushRecordKeys (zh, rec->sysno, 1, &zh->reg->keys);
1218     extract_flushSortKeys (zh, rec->sysno, 1, &zh->reg->sortKeys);
1219
1220     xfree (rec->info[recInfo_delKeys]);
1221     rec->size[recInfo_delKeys] = zh->reg->keys.buf_used;
1222     rec->info[recInfo_delKeys] = zh->reg->keys.buf;
1223     zh->reg->keys.buf = NULL;
1224     zh->reg->keys.buf_max = 0;
1225
1226     xfree (rec->info[recInfo_sortKeys]);
1227     rec->size[recInfo_sortKeys] = zh->reg->sortKeys.buf_used;
1228     rec->info[recInfo_sortKeys] = zh->reg->sortKeys.buf;
1229     zh->reg->sortKeys.buf = NULL;
1230     zh->reg->sortKeys.buf_max = 0;
1231
1232     return 0;
1233 }
1234
1235 void extract_flushRecordKeys (ZebraHandle zh, SYSNO sysno,
1236                               int cmd, struct recKeys *reckeys)
1237 {
1238 #if SU_SCHEME
1239 #else
1240     unsigned char attrSet = (unsigned char) -1;
1241     unsigned short attrUse = (unsigned short) -1;
1242 #endif
1243     int seqno = 0;
1244     int off = 0;
1245     int ch = 0;
1246     ZebraExplainInfo zei = zh->reg->zei;
1247
1248     if (!zh->reg->key_buf)
1249     {
1250         int mem= 1024*1024* atoi( res_get_def( zh->res, "memmax", "8"));
1251         if (mem <= 0)
1252         {
1253             logf(LOG_WARN, "Invalid memory setting, using default 8 MB");
1254             mem= 1024*1024*8;
1255         }
1256         /* FIXME: That "8" should be in a default settings include */
1257         /* not hard-coded here! -H */
1258         zh->reg->key_buf = (char**) xmalloc (mem);
1259         zh->reg->ptr_top = mem/sizeof(char*);
1260         zh->reg->ptr_i = 0;
1261         zh->reg->key_buf_used = 0;
1262         zh->reg->key_file_no = 0;
1263     }
1264     zebraExplain_recordCountIncrement (zei, cmd ? 1 : -1);
1265     while (off < reckeys->buf_used)
1266     {
1267         const char *src = reckeys->buf + off;
1268         struct it_key key;
1269         int lead;
1270
1271         lead = *src++;
1272
1273 #if SU_SCHEME
1274         if ((lead & 3) < 3)
1275         {
1276             memcpy (&ch, src, sizeof(ch));
1277             src += sizeof(ch);
1278         }
1279 #else
1280         if (!(lead & 1))
1281         {
1282             memcpy (&attrSet, src, sizeof(attrSet));
1283             src += sizeof(attrSet);
1284         }
1285         if (!(lead & 2))
1286         {
1287             memcpy (&attrUse, src, sizeof(attrUse));
1288             src += sizeof(attrUse);
1289         }
1290 #endif
1291         if (zh->reg->key_buf_used + 1024 >
1292             (zh->reg->ptr_top -zh->reg->ptr_i)*sizeof(char*))
1293             extract_flushWriteKeys (zh,0);
1294         assert(zh->reg->ptr_i >= 0);
1295         ++(zh->reg->ptr_i);
1296         assert(zh->reg->ptr_i > 0);
1297         (zh->reg->key_buf)[zh->reg->ptr_top - zh->reg->ptr_i] =
1298             (char*)zh->reg->key_buf + zh->reg->key_buf_used;
1299 #if SU_SCHEME
1300 #else
1301         ch = zebraExplain_lookupSU (zei, attrSet, attrUse);
1302         if (ch < 0)
1303             ch = zebraExplain_addSU (zei, attrSet, attrUse);
1304 #endif
1305         assert (ch > 0);
1306         zh->reg->key_buf_used +=
1307             key_SU_encode (ch,((char*)zh->reg->key_buf) +
1308                            zh->reg->key_buf_used);
1309
1310         while (*src)
1311             ((char*)zh->reg->key_buf) [(zh->reg->key_buf_used)++] = *src++;
1312         src++;
1313         ((char*)(zh->reg->key_buf))[(zh->reg->key_buf_used)++] = '\0';
1314         ((char*)(zh->reg->key_buf))[(zh->reg->key_buf_used)++] = cmd;
1315
1316         if (lead & 60)
1317             seqno += ((lead>>2) & 15)-1;
1318         else
1319         {
1320             memcpy (&seqno, src, sizeof(seqno));
1321             src += sizeof(seqno);
1322         }
1323         key.seqno = seqno;
1324         key.sysno = sysno;
1325         memcpy ((char*)zh->reg->key_buf + zh->reg->key_buf_used, &key, sizeof(key));
1326         (zh->reg->key_buf_used) += sizeof(key);
1327         off = src - reckeys->buf;
1328     }
1329     assert (off == reckeys->buf_used);
1330 }
1331
1332 void extract_flushWriteKeys (ZebraHandle zh, int final)
1333         /* optimizing: if final=1, and no files written yet */
1334         /* push the keys directly to merge, sidestepping the */
1335         /* temp file altogether. Speeds small updates */
1336 {
1337     FILE *outf;
1338     char out_fname[200];
1339     char *prevcp, *cp;
1340     struct encode_info encode_info;
1341     int ptr_i = zh->reg->ptr_i;
1342     int temp_policy;
1343 #if SORT_EXTRA
1344     int i;
1345 #endif
1346     if (!zh->reg->key_buf || ptr_i <= 0)
1347     {
1348         logf (LOG_DEBUG, "  nothing to flush section=%d buf=%p i=%d",
1349                zh->reg->key_file_no, zh->reg->key_buf, ptr_i);
1350         logf (LOG_DEBUG, "  buf=%p ",
1351                zh->reg->key_buf);
1352         logf (LOG_DEBUG, "  ptr=%d ",zh->reg->ptr_i);
1353         logf (LOG_DEBUG, "  reg=%p ",zh->reg);
1354
1355         return;
1356     }
1357
1358     (zh->reg->key_file_no)++;
1359     logf (LOG_LOG, "sorting section %d", (zh->reg->key_file_no));
1360     logf (LOG_DEBUG, "  sort_buff at %p n=%d",
1361                     zh->reg->key_buf + zh->reg->ptr_top - ptr_i,ptr_i);
1362 #if !SORT_EXTRA
1363     qsort (zh->reg->key_buf + zh->reg->ptr_top - ptr_i, ptr_i,
1364                sizeof(char*), key_qsort_compare);
1365
1366     /* zebra.cfg: tempfiles:
1367        Y: always use temp files (old way)
1368        A: use temp files, if more than one (auto)
1369           = if this is both the last and the first
1370        N: never bother with temp files (new) */
1371
1372     temp_policy=toupper(res_get_def(zh->res,"tempfiles","auto")[0]);
1373     if (temp_policy != 'Y' && temp_policy != 'N' && temp_policy != 'A') {
1374         logf (LOG_WARN, "Illegal tempfiles setting '%c'. using 'Auto' ",
1375                         temp_policy);
1376         temp_policy='A';
1377     }
1378
1379     if (   ( temp_policy =='N' )   ||     /* always from memory */
1380          ( ( temp_policy =='A' ) &&       /* automatic */
1381              (zh->reg->key_file_no == 1) &&  /* this is first time */
1382              (final) ) )                     /* and last (=only) time */
1383     { /* go directly from memory */
1384         zh->reg->key_file_no =0; /* signal not to read files */
1385         zebra_index_merge(zh);
1386         zh->reg->ptr_i = 0;
1387         zh->reg->key_buf_used = 0;
1388         return;
1389     }
1390
1391     /* Not doing directly from memory, write into a temp file */
1392     extract_get_fname_tmp (zh, out_fname, zh->reg->key_file_no);
1393
1394     if (!(outf = fopen (out_fname, "wb")))
1395     {
1396         logf (LOG_FATAL|LOG_ERRNO, "fopen %s", out_fname);
1397         exit (1);
1398     }
1399     logf (LOG_LOG, "writing section %d", zh->reg->key_file_no);
1400     prevcp = cp = (zh->reg->key_buf)[zh->reg->ptr_top - ptr_i];
1401
1402     encode_key_init (&encode_info);
1403     encode_key_write (cp, &encode_info, outf);
1404
1405     while (--ptr_i > 0)
1406     {
1407         cp = (zh->reg->key_buf)[zh->reg->ptr_top - ptr_i];
1408         if (strcmp (cp, prevcp))
1409         {
1410             encode_key_flush ( &encode_info, outf);
1411             encode_key_init (&encode_info);
1412             encode_key_write (cp, &encode_info, outf);
1413             prevcp = cp;
1414         }
1415         else
1416             encode_key_write (cp + strlen(cp), &encode_info, outf);
1417     }
1418     encode_key_flush ( &encode_info, outf);
1419 #else
1420     qsort (key_buf + ptr_top-ptr_i, ptr_i, sizeof(char*), key_x_compare);
1421     extract_get_fname_tmp (out_fname, key_file_no);
1422
1423     if (!(outf = fopen (out_fname, "wb")))
1424     {
1425         logf (LOG_FATAL|LOG_ERRNO, "fopen %s", out_fname);
1426         exit (1);
1427     }
1428     logf (LOG_LOG, "writing section %d", key_file_no);
1429     i = ptr_i;
1430     prevcp =  key_buf[ptr_top-i];
1431     while (1)
1432         if (!--i || strcmp (prevcp, key_buf[ptr_top-i]))
1433         {
1434             key_y_len = strlen(prevcp)+1;
1435 #if 0
1436             logf (LOG_LOG, "key_y_len: %2d %02x %02x %s",
1437                       key_y_len, prevcp[0], prevcp[1], 2+prevcp);
1438 #endif
1439             qsort (key_buf + ptr_top-ptr_i, ptr_i - i,
1440                                    sizeof(char*), key_y_compare);
1441             cp = key_buf[ptr_top-ptr_i];
1442             --key_y_len;
1443             encode_key_init (&encode_info);
1444             encode_key_write (cp, &encode_info, outf);
1445             while (--ptr_i > i)
1446             {
1447                 cp = key_buf[ptr_top-ptr_i];
1448                 encode_key_write (cp+key_y_len, &encode_info, outf);
1449             }
1450             encode_key_flush ( &encode_info, outf);
1451             if (!i)
1452                 break;
1453             prevcp = key_buf[ptr_top-ptr_i];
1454         }
1455 #endif
1456     if (fclose (outf))
1457     {
1458         logf (LOG_FATAL|LOG_ERRNO, "fclose %s", out_fname);
1459         exit (1);
1460     }
1461     logf (LOG_LOG, "finished section %d", zh->reg->key_file_no);
1462     zh->reg->ptr_i = 0;
1463     zh->reg->key_buf_used = 0;
1464 }
1465
1466 void extract_add_index_string (RecWord *p, const char *string,
1467                                int length)
1468 {
1469     char *dst;
1470     unsigned char attrSet;
1471     unsigned short attrUse;
1472     int lead = 0;
1473     int diff = 0;
1474     int *pseqno = &p->seqno;
1475     ZebraHandle zh = p->extractCtrl->handle;
1476     ZebraExplainInfo zei = zh->reg->zei;
1477     struct recKeys *keys = &zh->reg->keys;
1478
1479     if (keys->buf_used+1024 > keys->buf_max)
1480     {
1481         char *b;
1482
1483         b = (char *) xmalloc (keys->buf_max += 128000);
1484         if (keys->buf_used > 0)
1485             memcpy (b, keys->buf, keys->buf_used);
1486         xfree (keys->buf);
1487         keys->buf = b;
1488     }
1489     dst = keys->buf + keys->buf_used;
1490
1491     /* leader byte is encoded as follows:
1492        bit 0 : 1 if attrset is unchanged; 0 if attrset is changed
1493        bit 1 : 1 if attruse is unchanged; 0 if attruse is changed
1494     */
1495     attrSet = p->attrSet;
1496     if (keys->buf_used > 0 && keys->prevAttrSet == attrSet)
1497         lead |= 1;
1498     else
1499         keys->prevAttrSet = attrSet;
1500     attrUse = p->attrUse;
1501     if (keys->buf_used > 0 && keys->prevAttrUse == attrUse)
1502         lead |= 2;
1503     else
1504         keys->prevAttrUse = attrUse;
1505 #if 1
1506     diff = 1 + *pseqno - keys->prevSeqNo;
1507     if (diff >= 1 && diff <= 15)
1508         lead |= (diff << 2);
1509     else
1510         diff = 0;
1511 #endif
1512     keys->prevSeqNo = *pseqno;
1513
1514     *dst++ = lead;
1515
1516 #if SU_SCHEME
1517     if ((lead & 3) < 3)
1518     {
1519         int ch = zebraExplain_lookupSU (zei, attrSet, attrUse);
1520         if (ch < 0)
1521         {
1522             ch = zebraExplain_addSU (zei, attrSet, attrUse);
1523             yaz_log (LOG_DEBUG, "addSU set=%d use=%d SU=%d",
1524                      attrSet, attrUse, ch);
1525         }
1526         assert (ch > 0);
1527         memcpy (dst, &ch, sizeof(ch));
1528         dst += sizeof(ch);
1529     }
1530 #else
1531     if (!(lead & 1))
1532     {
1533         memcpy (dst, &attrSet, sizeof(attrSet));
1534         dst += sizeof(attrSet);
1535     }
1536     if (!(lead & 2))
1537     {
1538         memcpy (dst, &attrUse, sizeof(attrUse));
1539         dst += sizeof(attrUse);
1540     }
1541 #endif
1542     *dst++ = p->reg_type;
1543     memcpy (dst, string, length);
1544     dst += length;
1545     *dst++ = '\0';
1546
1547     if (!diff)
1548     {
1549         memcpy (dst, pseqno, sizeof(*pseqno));
1550         dst += sizeof(*pseqno);
1551     }
1552     keys->buf_used = dst - keys->buf;
1553 }
1554
1555 static void extract_add_sort_string (RecWord *p, const char *string,
1556                                      int length)
1557 {
1558     ZebraHandle zh = p->extractCtrl->handle;
1559     struct sortKeys *sk = &zh->reg->sortKeys;
1560     int off = 0;
1561
1562     while (off < sk->buf_used)
1563     {
1564         int set, use, slen;
1565
1566         off += key_SU_decode(&set, sk->buf + off);
1567         off += key_SU_decode(&use, sk->buf + off);
1568         off += key_SU_decode(&slen, sk->buf + off);
1569         off += slen;
1570         if (p->attrSet == set && p->attrUse == use)
1571             return;
1572     }
1573     assert (off == sk->buf_used);
1574
1575     if (sk->buf_used + IT_MAX_WORD > sk->buf_max)
1576     {
1577         char *b;
1578
1579         b = (char *) xmalloc (sk->buf_max += 128000);
1580         if (sk->buf_used > 0)
1581             memcpy (b, sk->buf, sk->buf_used);
1582         xfree (sk->buf);
1583         sk->buf = b;
1584     }
1585     off += key_SU_encode(p->attrSet, sk->buf + off);
1586     off += key_SU_encode(p->attrUse, sk->buf + off);
1587     off += key_SU_encode(length, sk->buf + off);
1588     memcpy (sk->buf + off, string, length);
1589     sk->buf_used = off + length;
1590 }
1591
1592 void extract_add_string (RecWord *p, const char *string, int length)
1593 {
1594     assert (length > 0);
1595     if (zebra_maps_is_sort (p->zebra_maps, p->reg_type))
1596         extract_add_sort_string (p, string, length);
1597     else
1598         extract_add_index_string (p, string, length);
1599 }
1600
1601 static void extract_add_incomplete_field (RecWord *p)
1602 {
1603     const char *b = p->string;
1604     int remain = p->length;
1605     const char **map = 0;
1606
1607     if (remain > 0)
1608         map = zebra_maps_input(p->zebra_maps, p->reg_type, &b, remain, 0);
1609
1610     while (map)
1611     {
1612         char buf[IT_MAX_WORD+1];
1613         int i, remain;
1614
1615         /* Skip spaces */
1616         while (map && *map && **map == *CHR_SPACE)
1617         {
1618             remain = p->length - (b - p->string);
1619             if (remain > 0)
1620                 map = zebra_maps_input(p->zebra_maps, p->reg_type, &b, remain, 0);
1621             else
1622                 map = 0;
1623         }
1624         if (!map)
1625             break;
1626         i = 0;
1627         while (map && *map && **map != *CHR_SPACE)
1628         {
1629             const char *cp = *map;
1630
1631             while (i < IT_MAX_WORD && *cp)
1632                 buf[i++] = *(cp++);
1633             remain = p->length - (b - p->string);
1634             if (remain > 0)
1635                 map = zebra_maps_input(p->zebra_maps, p->reg_type, &b, remain, 0);
1636             else
1637                 map = 0;
1638         }
1639         if (!i)
1640             return;
1641         extract_add_string (p, buf, i);
1642         p->seqno++;
1643     }
1644 }
1645
1646 static void extract_add_complete_field (RecWord *p)
1647 {
1648     const char *b = p->string;
1649     char buf[IT_MAX_WORD+1];
1650     const char **map = 0;
1651     int i = 0, remain = p->length;
1652     int first; /* first position */
1653
1654     if (remain > 0)
1655         map = zebra_maps_input (p->zebra_maps, p->reg_type, &b, remain, 1);
1656
1657     while (remain > 0 && i < IT_MAX_WORD)
1658     {
1659         while (map && *map && **map == *CHR_SPACE)
1660         {
1661             remain = p->length - (b - p->string);
1662
1663             if (remain > 0)
1664             {
1665                 first = i ? 0 : 1;
1666                 map = zebra_maps_input(p->zebra_maps, p->reg_type, &b, remain, first);
1667             }
1668             else
1669                 map = 0;
1670         }
1671         if (!map)
1672             break;
1673
1674         if (i && i < IT_MAX_WORD)
1675             buf[i++] = *CHR_SPACE;
1676         while (map && *map && **map != *CHR_SPACE)
1677         {
1678             const char *cp = *map;
1679
1680             if (**map == *CHR_CUT)
1681             {
1682                 i = 0;
1683             }
1684             else
1685             {
1686                 if (i >= IT_MAX_WORD)
1687                     break;
1688                 while (i < IT_MAX_WORD && *cp)
1689                     buf[i++] = *(cp++);
1690             }
1691             remain = p->length  - (b - p->string);
1692             if (remain > 0)
1693             {
1694                 map = zebra_maps_input (p->zebra_maps, p->reg_type, &b,
1695                                         remain, 0);
1696             }
1697             else
1698                 map = 0;
1699         }
1700     }
1701     if (!i)
1702         return;
1703     extract_add_string (p, buf, i);
1704 }
1705
1706 void extract_token_add (RecWord *p)
1707 {
1708     WRBUF wrbuf;
1709 #if 0
1710     yaz_log (LOG_LOG, "token_add "
1711              "reg_type=%c attrSet=%d attrUse=%d seqno=%d s=%.*s",
1712              p->reg_type, p->attrSet, p->attrUse, p->seqno, p->length,
1713              p->string);
1714 #endif
1715     if ((wrbuf = zebra_replace(p->zebra_maps, p->reg_type, 0,
1716                                p->string, p->length)))
1717     {
1718         p->string = wrbuf_buf(wrbuf);
1719         p->length = wrbuf_len(wrbuf);
1720     }
1721     if (zebra_maps_is_complete (p->zebra_maps, p->reg_type))
1722         extract_add_complete_field (p);
1723     else
1724         extract_add_incomplete_field(p);
1725 }
1726
1727 void extract_schema_add (struct recExtractCtrl *p, Odr_oid *oid)
1728 {
1729     ZebraHandle zh = (ZebraHandle) (p->handle);
1730     zebraExplain_addSchema (zh->reg->zei, oid);
1731 }
1732
1733 void extract_flushSortKeys (ZebraHandle zh, SYSNO sysno,
1734                             int cmd, struct sortKeys *sk)
1735 {
1736     SortIdx sortIdx = zh->reg->sortIdx;
1737     int off = 0;
1738
1739     sortIdx_sysno (sortIdx, sysno);
1740
1741     while (off < sk->buf_used)
1742     {
1743         int set, use, slen;
1744
1745         off += key_SU_decode(&set, sk->buf + off);
1746         off += key_SU_decode(&use, sk->buf + off);
1747         off += key_SU_decode(&slen, sk->buf + off);
1748
1749         sortIdx_type(sortIdx, use);
1750         if (cmd == 1)
1751             sortIdx_add(sortIdx, sk->buf + off, slen);
1752         else
1753             sortIdx_add(sortIdx, "", 1);
1754         off += slen;
1755     }
1756 }
1757
1758 void encode_key_init (struct encode_info *i)
1759 {
1760     i->sysno = 0;
1761     i->seqno = 0;
1762     i->cmd = -1;
1763     i->prevsys=0;
1764     i->prevseq=0;
1765     i->prevcmd=-1;
1766     i->keylen=0;
1767 }
1768
1769 char *encode_key_int (int d, char *bp)
1770 {
1771     if (d <= 63)
1772         *bp++ = d;
1773     else if (d <= 16383)
1774     {
1775         *bp++ = 64 + (d>>8);
1776         *bp++ = d  & 255;
1777     }
1778     else if (d <= 4194303)
1779     {
1780         *bp++ = 128 + (d>>16);
1781         *bp++ = (d>>8) & 255;
1782         *bp++ = d & 255;
1783     }
1784     else
1785     {
1786         *bp++ = 192 + (d>>24);
1787         *bp++ = (d>>16) & 255;
1788         *bp++ = (d>>8) & 255;
1789         *bp++ = d & 255;
1790     }
1791     return bp;
1792 }
1793 #define OLDENCODE 1
1794
1795 #ifdef OLDENCODE
1796 /* this is the old encode_key_write
1797  * may be deleted once we are confident that the new works
1798  * HL 15-oct-2002
1799  */
1800 void encode_key_write (char *k, struct encode_info *i, FILE *outf)
1801 {
1802     struct it_key key;
1803     char *bp = i->buf;
1804
1805     while ((*bp++ = *k++))
1806         ;
1807     memcpy (&key, k+1, sizeof(struct it_key));
1808     bp = encode_key_int ( (key.sysno - i->sysno) * 2 + *k, bp);
1809     if (i->sysno != key.sysno)
1810     {
1811         i->sysno = key.sysno;
1812         i->seqno = 0;
1813     }
1814     else if (!i->seqno && !key.seqno && i->cmd == *k)
1815         return;
1816     bp = encode_key_int (key.seqno - i->seqno, bp);
1817     i->seqno = key.seqno;
1818     i->cmd = *k;
1819     if (fwrite (i->buf, bp - i->buf, 1, outf) != 1)
1820     {
1821         logf (LOG_FATAL|LOG_ERRNO, "fwrite");
1822         exit (1);
1823     }
1824 }
1825
1826 void encode_key_flush (struct encode_info *i, FILE *outf)
1827 { /* dummy routine */
1828 }
1829
1830 #else
1831
1832 /* new encode_key_write
1833  * The idea is to buffer one more key, and compare them
1834  * If we are going to delete and insert the same key,
1835  * we may as well not bother. Should make a difference in
1836  * updates with small modifications (appending to a mbox)
1837  */
1838 void encode_key_write (char *k, struct encode_info *i, FILE *outf)
1839 {
1840     struct it_key key;
1841     char *bp;
1842
1843     if (*k)  /* first time for new key */
1844     {
1845         bp = i->buf;
1846         while ((*bp++ = *k++))
1847             ;
1848         i->keylen= bp - i->buf -1;
1849         assert(i->keylen+1+sizeof(struct it_key) < ENCODE_BUFLEN);
1850     }
1851     else
1852     {
1853         bp=i->buf + i->keylen;
1854         *bp++=0;
1855         k++;
1856     }
1857
1858     memcpy (&key, k+1, sizeof(struct it_key));
1859     if (0==i->prevsys) /* no previous filter, fill up */
1860     {
1861         i->prevsys=key.sysno;
1862         i->prevseq=key.seqno;
1863         i->prevcmd=*k;
1864     }
1865     else if ( (i->prevsys==key.sysno) &&
1866               (i->prevseq==key.seqno) &&
1867               (i->prevcmd!=*k) )
1868     { /* same numbers, diff cmd, they cancel out */
1869         i->prevsys=0;
1870     }
1871     else
1872     { /* different stuff, write previous, move buf */
1873         bp = encode_key_int ( (i->prevsys - i->sysno) * 2 + i->prevcmd, bp);
1874         if (i->sysno != i->prevsys)
1875         {
1876             i->sysno = i->prevsys;
1877             i->seqno = 0;
1878         }
1879         else if (!i->seqno && !i->prevseq && i->cmd == i->prevcmd)
1880         {
1881             return; /* ??? Filters some sort of duplicates away */
1882                     /* ??? Can this ever happen   -H 15oct02 */
1883         }
1884         bp = encode_key_int (i->prevseq - i->seqno, bp);
1885         i->seqno = i->prevseq;
1886         i->cmd = i->prevcmd;
1887         if (fwrite (i->buf, bp - i->buf, 1, outf) != 1)
1888         {
1889             logf (LOG_FATAL|LOG_ERRNO, "fwrite");
1890             exit (1);
1891         }
1892         i->keylen=0; /* ok, it's written, forget it */
1893         i->prevsys=key.sysno;
1894         i->prevseq=key.seqno;
1895         i->prevcmd=*k;
1896     }
1897 }
1898
1899 void encode_key_flush (struct encode_info *i, FILE *outf)
1900 { /* flush the last key from i */
1901     char *bp =i->buf + i->keylen;
1902     if (0==i->prevsys)
1903     {
1904         return; /* nothing to flush */
1905     }
1906     *bp++=0;
1907     bp = encode_key_int ( (i->prevsys - i->sysno) * 2 + i->prevcmd, bp);
1908     if (i->sysno != i->prevsys)
1909     {
1910         i->sysno = i->prevsys;
1911         i->seqno = 0;
1912     }
1913     else if (!i->seqno && !i->prevseq && i->cmd == i->prevcmd)
1914     {
1915         return; /* ??? Filters some sort of duplicates away */
1916                 /* ??? Can this ever happen   -H 15oct02 */
1917     }
1918     bp = encode_key_int (i->prevseq - i->seqno, bp);
1919     i->seqno = i->prevseq;
1920     i->cmd = i->prevcmd;
1921     if (fwrite (i->buf, bp - i->buf, 1, outf) != 1)
1922     {
1923         logf (LOG_FATAL|LOG_ERRNO, "fwrite");
1924         exit (1);
1925     }
1926     i->keylen=0; /* ok, it's written, forget it */
1927     i->prevsys=0; /* forget the values too */
1928     i->prevseq=0;
1929 }
1930 #endif