Record management uses the bfile system.
[idzebra-moved-to-github.git] / index / extract.c
index 7b12e39..56bc949 100644 (file)
@@ -4,7 +4,23 @@
  * Sebastian Hammer, Adam Dickmeiss
  *
  * $Log: extract.c,v $
- * Revision 1.25  1995-11-16 15:34:54  adam
+ * Revision 1.30  1995-11-22 17:19:16  adam
+ * Record management uses the bfile system.
+ *
+ * Revision 1.29  1995/11/21  15:01:14  adam
+ * New general match criteria implemented.
+ * New feature: document groups.
+ *
+ * Revision 1.28  1995/11/21  09:20:30  adam
+ * Yet more work on record match.
+ *
+ * Revision 1.27  1995/11/20  16:59:45  adam
+ * New update method: the 'old' keys are saved for each records.
+ *
+ * Revision 1.26  1995/11/20  11:56:24  adam
+ * Work on new traversal.
+ *
+ * Revision 1.25  1995/11/16  15:34:54  adam
  * Uses new record management system in both indexer and server.
  *
  * Revision 1.24  1995/11/15  19:13:08  adam
 #include <recctrl.h>
 #include "index.h"
 
-#if RECORD_BASE
 #include "recindex.h"
-#endif
-
-static Dict file_idx;
 
+static Dict matchDict;
 
-#if RECORD_BASE
 static Records records = NULL;
-#else
-static int sys_idx_fd = -1;
-static SYSNO sysno_next;
-#endif
 
-static int key_cmd;
-static int key_sysno;
-static char *key_databaseName;
 static char **key_buf;
 static size_t ptr_top;
 static size_t ptr_i;
-static size_t kused;
+static size_t key_buf_used;
 static int key_file_no;
 
+static int records_inserted = 0;
+static int records_updated = 0;
+static int records_deleted = 0;
+
+#define MATCH_DICT "match"
+
 void key_open (int mem)
 {
-#if !RECORD_BASE
-    void *file_key;
-#endif
     if (mem < 50000)
         mem = 50000;
     key_buf = xmalloc (mem);
     ptr_top = mem/sizeof(char*);
     ptr_i = 0;
-    kused = 0;
+
+    key_buf_used = 0;
     key_file_no = 0;
 
-    if (!(file_idx = dict_open (FNAME_FILE_DICT, 40, 1)))
+    if (!(matchDict = dict_open (MATCH_DICT, 20, 1)))
     {
-        logf (LOG_FATAL, "dict_open fail of %s", "fileidx");
+        logf (LOG_FATAL, "dict_open fail of %s", MATCH_DICT);
         exit (1);
     }
-#if RECORD_BASE
     assert (!records);
     records = rec_open (1);
-#else
-    file_key = dict_lookup (file_idx, ".");
-    if (file_key)
-        memcpy (&sysno_next, (char*)file_key+1, sizeof(sysno_next));
-    else
-        sysno_next = 1;
-    if ((sys_idx_fd = open (FNAME_SYS_IDX, O_RDWR|O_CREAT, 0666)) == -1)
-    {
-        logf (LOG_FATAL|LOG_ERRNO, "open %s", FNAME_SYS_IDX);
-        exit (1);
-    }
-#endif
 }
 
 struct encode_info {
@@ -256,20 +252,19 @@ void key_flush (void)
     }
     logf (LOG_LOG, "finished section %d", key_file_no);
     ptr_i = 0;
-    kused = 0;
+    key_buf_used = 0;
 }
 
 int key_close (void)
 {
     key_flush ();
     xfree (key_buf);
-#if RECORD_BASE
     rec_close (&records);
-#else
-    close (sys_idx_fd);
-    dict_insert (file_idx, ".", sizeof(sysno_next), &sysno_next);
-#endif
-    dict_close (file_idx);
+    dict_close (matchDict);
+
+    logf (LOG_LOG, "Records inserted %6d", records_inserted);
+    logf (LOG_LOG, "Records updated  %6d", records_updated);
+    logf (LOG_LOG, "Records deleted  %6d", records_deleted);
     return key_file_no;
 }
 
@@ -280,36 +275,149 @@ static void wordInit (RecWord *p)
     p->which = Word_String;
 }
 
-static void wordAdd (const RecWord *p)
+struct recKeys {
+    int buf_used;
+    int buf_max;
+    char *buf;
+} reckeys;
+
+static void addRecordKey (const RecWord *p)
 {
-    struct it_key key;
+    char *dst;
+    char attrSet;
+    short attrUse;
     size_t i;
 
-    if (kused + 1024 > (ptr_top-ptr_i)*sizeof(char*))
-        key_flush ();
-    ++ptr_i;
-    key_buf[ptr_top-ptr_i] = (char*)key_buf + kused;
-    kused += index_word_prefix ((char*)key_buf + kused,
-                                p->attrSet, p->attrUse,
-                                key_databaseName);
+    if (reckeys.buf_used+1024 > reckeys.buf_max)
+    {
+        char *b;
+
+        b = malloc (reckeys.buf_max += 65000);
+        if (reckeys.buf_used > 0)
+            memcpy (b, reckeys.buf, reckeys.buf_used);
+        free (reckeys.buf);
+        reckeys.buf = b;
+    }
+    dst = reckeys.buf + reckeys.buf_used;
     switch (p->which)
     {
     case Word_String:
+        attrSet = p->attrSet;
+        memcpy (dst, &attrSet, sizeof(attrSet));
+        dst += sizeof(attrSet);
+
+        attrUse = p->attrUse;
+        memcpy (dst, &attrUse, sizeof(attrUse));
+        dst += sizeof(attrUse);
+        
         for (i = 0; p->u.string[i]; i++)
-            ((char*)key_buf) [kused++] = index_char_cvt (p->u.string[i]);
-        ((char*)key_buf) [kused++] = '\0';
+            *dst++ = p->u.string[i];
+        *dst++ = '\0';
+
+        memcpy (dst, &p->seqno, sizeof(p->seqno));
+        dst += sizeof(p->seqno);
+
         break;
     default:
-        return ;
+        return;
+    }
+    reckeys.buf_used = dst - reckeys.buf;
+}
+
+static void flushRecordKeys (SYSNO sysno, int cmd, struct recKeys *reckeys, 
+                             const char *databaseName)
+{
+    int off = 0;
+    while (off < reckeys->buf_used)
+    {
+        const char *src = reckeys->buf + off;
+        char attrSet;
+        short attrUse;
+        struct it_key key;
+        
+        memcpy (&attrSet, src, sizeof(attrSet));
+        src += sizeof(attrSet);
+
+        memcpy (&attrUse, src, sizeof(attrUse));
+        src += sizeof(attrUse);
+
+        if (key_buf_used + 1024 > (ptr_top-ptr_i)*sizeof(char*))
+            key_flush ();
+        ++ptr_i;
+        key_buf[ptr_top-ptr_i] = (char*)key_buf + key_buf_used;
+        key_buf_used += index_word_prefix ((char*)key_buf + key_buf_used,
+                                           attrSet, attrUse, databaseName);
+        while (*src)
+            ((char*)key_buf) [key_buf_used++] = index_char_cvt (*src++);
+        src++;
+        ((char*)key_buf) [key_buf_used++] = '\0';
+        
+        ((char*) key_buf)[key_buf_used++] = cmd;
+
+        memcpy (&key.seqno, src, sizeof(key.seqno));
+        src += sizeof(key.seqno);
+        key.sysno = sysno;
+        memcpy ((char*)key_buf + key_buf_used, &key, sizeof(key));
+        key_buf_used += sizeof(key);
+        off = src - reckeys->buf;
     }
-    ((char*) key_buf)[kused++] = ((key_cmd == 'a') ? 1 : 0);
-    key.sysno = key_sysno;
-    key.seqno = p->seqno;
-    memcpy ((char*)key_buf + kused, &key, sizeof(key));
-    kused += sizeof(key);
+    assert (off == reckeys->buf_used);
 }
 
-static void wordAddAny (const RecWord *p)
+static const char **searchRecordKey (struct recKeys *reckeys,
+                               int attrSetS, int attrUseS)
+{
+    static const char *ws[32];
+    int off = 0;
+    int startSeq = -1;
+    int i;
+
+    for (i = 0; i<32; i++)
+        ws[i] = NULL;
+    
+    while (off < reckeys->buf_used)
+    {
+        const char *src = reckeys->buf + off;
+        char attrSet;
+        short attrUse;
+        int seqno;
+        const char *wstart;
+        
+        memcpy (&attrSet, src, sizeof(attrSet));
+        src += sizeof(attrSet);
+
+        memcpy (&attrUse, src, sizeof(attrUse));
+        src += sizeof(attrUse);
+
+        wstart = src;
+        while (*src++)
+            ;
+
+        memcpy (&seqno, src, sizeof(seqno));
+        src += sizeof(seqno);
+
+#if 0
+        logf (LOG_LOG, "(%d,%d) %d %s", attrSet, attrUse, seqno, wstart);
+#endif
+        if (attrUseS == attrUse && attrSetS == attrSet)
+        {
+            int woff;
+
+
+            if (startSeq == -1)
+                startSeq = seqno;
+            woff = seqno - startSeq;
+            if (woff >= 0 && woff < 31)
+                ws[woff] = wstart;
+        }
+
+        off = src - reckeys->buf;
+    }
+    assert (off == reckeys->buf_used);
+    return ws;
+}
+
+static void addRecordKeyAny (const RecWord *p)
 {
     if (p->attrSet != 1 || p->attrUse != 1016)
     {
@@ -318,14 +426,11 @@ static void wordAddAny (const RecWord *p)
         memcpy (&w, p, sizeof(w));
         w.attrSet = 1;
         w.attrUse = 1016;
-        wordAdd (&w);
+        addRecordKey (&w);
     }
-    wordAdd (p);
+    addRecordKey (p);
 }
 
-
-#define FILE_READ_BUF 1
-#if FILE_READ_BUF
 static char *file_buf;
 static int file_offset;
 static int file_bufsize;
@@ -386,25 +491,157 @@ static int file_read (int fd, char *buf, size_t count)
     file_offset += count;
     return count;
 }
-#else
-static int file_read (int fd, char *buf, size_t count)
+
+static int atois (const char **s)
 {
-    return read (fd, buf, count);
+    int val = 0, c;
+    while ( (c=**s) >= '0' && c <= '9')
+    {
+        val = val*10 + c - '0';
+        ++(*s);
+    }
+    return val;
 }
-#endif
-void file_extract (int cmd, const char *fname, const char *kname,
-                   char *databaseName)
+
+static char *fileMatchStr (struct recKeys *reckeys, struct recordGroup *rGroup,
+                           const char *fname,
+                           const char *recordType,
+                           const char *spec)
+{
+    static char dstBuf[2048];
+    char *dst = dstBuf;
+    const char *s = spec;
+    static const char **w;
+    int i;
+
+    while (1)
+    {
+        while (*s == ' ' || *s == '\t')
+            s++;
+        if (!*s)
+            break;
+        if (*s == '(')
+        {
+            char matchFlag[32];
+            int attrSet, attrUse;
+            int first = 1;
+
+            s++;
+            attrSet = atois (&s);
+            if (*s != ',')
+            {
+                logf (LOG_WARN, "Missing , in match criteria %s in group %s",
+                      spec, rGroup->groupName ? rGroup->groupName : "none");
+                return NULL;
+            }
+            s++;
+            attrUse = atois (&s);
+            w = searchRecordKey (reckeys, attrSet, attrUse);
+            assert (w);
+
+            if (*s == ')')
+            {
+                for (i = 0; i<32; i++)
+                    matchFlag[i] = 1;
+            }
+            else
+            {
+                logf (LOG_WARN, "Missing ) in match criteria %s in group %s",
+                      spec, rGroup->groupName ? rGroup->groupName : "none");
+                return NULL;
+            }
+            s++;
+
+            for (i = 0; i<32; i++)
+                if (matchFlag[i] && w[i])
+                {
+                    if (first)
+                    {
+                        *dst++ = ' ';
+                        first = 0;
+                    }
+                    strcpy (dst, w[i]);
+                    dst += strlen(w[i]);
+                }
+            if (first)
+            {
+                logf (LOG_WARN, "Record in file %s didn't contain match"
+                      " fields in (%d,%d)", fname, attrSet, attrUse);
+                return NULL;
+            }
+        }
+        else if (*s == '$')
+        {
+            int spec_len;
+            char special[32];
+            const char *spec_src = NULL;
+            const char *s1 = ++s;
+            while (*s1 && *s1 != ' ' && *s1 != '\t')
+                s1++;
+
+            spec_len = s1 - s;
+            if (spec_len > 31)
+                spec_len = 31;
+            memcpy (special, s, spec_len);
+            special[spec_len] = '\0';
+            s = s1;
+
+            if (strcmp (special, "group"))
+                spec_src = rGroup->groupName;
+            else if (strcmp (special, "database"))
+                spec_src = rGroup->databaseName;
+            else if (strcmp (special, "filename"))
+                spec_src = fname;
+            else if (strcmp (special, "type"))
+                spec_src = recordType;
+            else 
+                spec_src = NULL;
+            if (spec_src)
+            {
+                strcpy (dst, spec_src);
+                dst += strlen(spec_src);
+            }
+        }
+        else
+        {
+            logf (LOG_WARN, "Syntax error in match criteria %s in group %s",
+                  spec, rGroup->groupName ? rGroup->groupName : "none");
+            return NULL;
+        }
+        *dst++ = 1;
+    }
+    if (dst == dstBuf)
+    {
+        logf (LOG_WARN, "No match criteria for record %s in group %s",
+              fname, rGroup->groupName ? rGroup->groupName : "none");
+        return NULL;
+    }
+    return dstBuf;
+}
+
+int fileExtract (SYSNO *sysno, const char *fname, struct recordGroup *rGroup,
+                 int deleteFlag)
 {
+    SYSNO sysnotmp;
     int i, r;
+    char gprefix[128];
     char ext[128];
-    SYSNO sysno;
     char ext_res[128];
     const char *file_type;
-    void *file_info;
+    const char *file_match;
     struct recExtractCtrl extractCtrl;
-    RecType rt;
+    RecType recType;
+    Record rec;
+    char *matchStr;
+
+    if (!rGroup->groupName || !*rGroup->groupName)
+        *gprefix = '\0';
+    else
+        sprintf (gprefix, "%s.", rGroup->groupName);
 
-    key_databaseName = databaseName;
+    logf (LOG_DEBUG, "fileExtractAdd %s", fname);
+
+    /* determine file extension */
     for (i = strlen(fname); --i >= 0; )
         if (fname[i] == '/')
         {
@@ -416,54 +653,147 @@ void file_extract (int cmd, const char *fname, const char *kname,
             strcpy (ext, fname+i+1);
             break;
         }
-    sprintf (ext_res, "fileExtension.%s", ext);
+    /* determine file type - depending on extension */
+    sprintf (ext_res, "%sfileExtension.%s", gprefix, ext);
     if (!(file_type = res_get (common_resource, ext_res)))
-        return;
-    if (!(rt = recType_byName (file_type)))
-        return;
-    logf (LOG_DEBUG, "%c %s k=%s", cmd, fname, kname);
-    file_info = dict_lookup (file_idx, kname);
-    if (!file_info)
+        return 0;
+    if (!(recType = recType_byName (file_type)))
+        return 0;
+
+    /* determine match criteria */
+    sprintf (ext_res, "%sfileMatch.%s", gprefix, ext);
+    file_match = res_get (common_resource, ext_res);
+    if (!file_match)
     {
-#if RECORD_BASE
-        Record rec = rec_new (records);
-
-        sysno = rec->sysno;
-        dict_insert (file_idx, kname, sizeof(sysno), &sysno);
-        rec->info[0] = rec_strdup (file_type);
-        rec->info[1] = rec_strdup (kname);
-        rec_put (records, rec);
-        rec_rm (rec);
-#else
-        sysno = sysno_next++;
-        dict_insert (file_idx, kname, sizeof(sysno), &sysno);
-        lseek (sys_idx_fd, sysno * SYS_IDX_ENTRY_LEN, SEEK_SET);
-        write (sys_idx_fd, file_type, strlen (file_type)+1);
-        write (sys_idx_fd, kname, strlen(kname)+1);
-#endif
+        sprintf (ext_res, "%sfileMatch", gprefix);
+        file_match = res_get (common_resource, ext_res);
     }
-    else
-        memcpy (&sysno, (char*) file_info+1, sizeof(sysno));
 
+    /* determine database name */
+    if (!rGroup->databaseName)
+    {
+        sprintf (ext_res, "%sdatabase.%s", gprefix, ext);
+        if (!(rGroup->databaseName = res_get (common_resource, ext_res)))
+        {
+            sprintf (ext_res, "%sdatabase", gprefix);
+            rGroup->databaseName = res_get (common_resource, ext_res);
+        }
+    }
+    if (!rGroup->databaseName)
+        rGroup->databaseName = "Default";
+
+    /* open input file */
     if ((extractCtrl.fd = open (fname, O_RDONLY)) == -1)
     {
         logf (LOG_WARN|LOG_ERRNO, "open %s", fname);
-        return;
+        return 0;
     }
+
+    /* extract keys */
     extractCtrl.subType = "";
     extractCtrl.init = wordInit;
-    extractCtrl.add = wordAddAny;
-#if FILE_READ_BUF
+    extractCtrl.add = addRecordKeyAny;
+
+    reckeys.buf_used = 0;
     file_read_start (extractCtrl.fd);
-#endif
     extractCtrl.readf = file_read;
-    key_sysno = sysno;
-    key_cmd = cmd;
-    r = (*rt->extract)(&extractCtrl);
-#if FILE_READ_BUF
+    r = (*recType->extract)(&extractCtrl);
     file_read_stop (extractCtrl.fd);
-#endif
     close (extractCtrl.fd);
-    if (r)
+  
+    if (r)      
+    {
         logf (LOG_WARN, "Couldn't extract file %s, code %d", fname, r);
+        return 0;
+    }
+
+    /* perform match if sysno not known and if match criteria is specified */
+       
+    matchStr = NULL;
+    if (!sysno && file_match)
+    {
+        char *rinfo;
+        
+        sysno = &sysnotmp;
+        matchStr = fileMatchStr(&reckeys, rGroup, fname, file_type,
+                                file_match);
+        if (matchStr)
+        {
+            rinfo = dict_lookup (matchDict, matchStr);
+            if (rinfo)
+                memcpy (sysno, rinfo+1, sizeof(*sysno));
+            else
+                *sysno = 0;
+        }
+        else
+        {
+            logf (LOG_WARN, "Record not inserted");
+            return 0;
+        }
+    }
+
+    /* new record ? */
+    if (! *sysno)
+    {
+        if (deleteFlag)
+        {
+            logf (LOG_LOG, "? record %s", fname);
+            return 1;
+        }
+        logf (LOG_LOG, "add record %s", fname);
+        rec = rec_new (records);
+        *sysno = rec->sysno;
+
+        if (matchStr)
+            dict_insert (matchDict, matchStr, sizeof(*sysno), sysno);
+        flushRecordKeys (*sysno, 1, &reckeys, rGroup->databaseName);
+
+        records_inserted++;
+    }
+    else
+    {
+        struct recKeys delkeys;
+
+        rec = rec_get (records, *sysno);
+
+        delkeys.buf_used = rec->size[2];
+       delkeys.buf = rec->info[2];
+        flushRecordKeys (*sysno, 0, &delkeys, rec->info[3]);
+        if (deleteFlag)
+        {
+            logf (LOG_LOG, "delete record %s", fname);
+            records_deleted++;
+            rec_del (records, &rec);
+            return 1;
+        }
+        else
+        {
+            logf (LOG_LOG, "update record %s", fname);
+            flushRecordKeys (*sysno, 1, &reckeys, rGroup->databaseName); 
+            records_updated++;
+        }
+    }
+    free (rec->info[0]);
+    rec->info[0] = rec_strdup (file_type, &rec->size[0]);
+
+    free (rec->info[1]);
+    rec->info[1] = rec_strdup (fname, &rec->size[1]);
+
+    free (rec->info[2]);
+    if (reckeys.buf_used > 0)
+    {
+        rec->info[2] = malloc (reckeys.buf_used);
+        rec->size[2] = reckeys.buf_used;
+        memcpy (rec->info[2], reckeys.buf, rec->size[2]);
+    }
+    else
+    {
+        rec->info[2] = NULL;
+        rec->size[2] = 0;
+    }
+    free (rec->info[3]);
+    rec->info[3] = rec_strdup (rGroup->databaseName, &rec->size[3]); 
+
+    rec_put (records, &rec);
+    return 1;
 }