src/main/java/org/z3950/zing/cql/CQLParser.java

   1
   2 package org.z3950.zing.cql;
   3
   4 import java.io.BufferedReader;
   5 import java.io.IOException;
   6 import java.util.Properties;
   7 import java.io.InputStream;
   8 import java.io.FileInputStream;
   9 import java.io.InputStreamReader;
  10 import java.util.ArrayList;
  11 import java.util.HashSet;
  12 import java.util.List;
  13 import java.util.Set;
  14
  15
  16 /**
  17  * Compiles CQL strings into parse trees of CQLNode subtypes.
  18  *
  19  * @see         <A href="http://zing.z3950.org/cql/index.html"
  20  *                      >http://zing.z3950.org/cql/index.html</A>
  21  */
  22 public class CQLParser {
  23     private CQLTokenizer lexer;
  24     private final int compat;   // When false, implement CQL 1.2
  25     private final Set<String> customRelations = new HashSet<String>();
  26
  27     public static final int V1POINT1 = 12368;
  28     public static final int V1POINT2 = 12369;
  29     public static final int V1POINT1SORT = 12370;
  30     public final boolean allowKeywordTerms;
  31
  32     static private boolean DEBUG = false;
  33     static private boolean LEXDEBUG = false;
  34
  35     /**
  36      * The new parser implements a dialect of CQL specified by the
  37      * <tt>compat</tt> argument:
  38      * <ul>
  39      *  <li>V1POINT1 - CQL version 1.1
  40      *  </li>
  41      *  <li>V1POINT2 - CQL version 1.2
  42      *  </li>
  43      *  <li>V1POINT1SORT - CQL version 1.1 but including
  44      *          <tt>sortby</tt> as specified for CQL 1.2.
  45      *  </li>
  46      * </ul>
  47      */
  48     public CQLParser(int compat) {
  49         this.compat = compat;
  50         this.allowKeywordTerms = true;
  51     }
  52
  53     /**
  54      * Official CQL grammar allows registered keywords like 'and/or/not/sortby/prox'
  55      * to be used unquoted in terms. This constructor allows to create an instance
  56      * of a parser that prohibits this behavior while sacrificing compatibility.
  57      * @param compat CQL version compatibility
  58      * @param allowKeywordTerms when false registered keywords are disallowed in unquoted terms
  59      */
  60     public CQLParser(int compat, boolean allowKeywordTerms) {
  61         this.compat = compat;
  62         this.allowKeywordTerms = allowKeywordTerms;
  63     }
  64
  65     /**
  66      * The new parser implements CQL 1.2
  67      */
  68     public CQLParser() {
  69         this.compat = V1POINT2;
  70         this.allowKeywordTerms = true;
  71     }
  72
  73     private static void debug(String str) {
  74         if (DEBUG)
  75             System.err.println("PARSEDEBUG: " + str);
  76     }
  77
  78     /**
  79      * Registers custom relation in this parser. Note that when a custom relation
  80      * is registered the parser is no longer strictly compliant with the chosen spec.
  81      * @param relation
  82      * @return true if custom relation has not been registered already
  83      */
  84     public boolean registerCustomRelation(String relation) {
  85       return customRelations.add(relation);
  86     }
  87
  88     /**
  89      * Unregisters previously registered custom relation in this instance of the parser.
  90      * @param relation
  91      * @return true is relation has been previously registered
  92      */
  93     public boolean unregisterCustomRelation(String relation) {
  94       return customRelations.remove(relation);
  95     }
  96
  97     /**
  98      * Compiles a CQL query.
  99      * <P>
 100      * The resulting parse tree may be further processed by hand (see
 101      * the individual node-types' documentation for details on the
 102      * data structure) or, more often, simply rendered out in the
 103      * desired form using one of the back-ends.  <TT>toCQL()</TT>
 104      * returns a decompiled CQL query equivalent to the one that was
 105      * compiled in the first place; <TT>toXCQL()</TT> returns an
 106      * XML snippet representing the query; and <TT>toPQF()</TT>
 107      * returns the query rendered in Index Data's Prefix Query
 108      * Format.
 109      *
 110      * @param cql       The query
 111      * @return          A CQLNode object which is the root of a parse
 112      * tree representing the query.  */
 113     public CQLNode parse(String cql)
 114         throws CQLParseException, IOException {
 115         lexer = new CQLLexer(cql, LEXDEBUG);
 116
 117         lexer.move();
 118         debug("about to parseQuery()");
 119         CQLNode root = parseTopLevelPrefixes("cql.serverChoice",
 120                 new CQLRelation(compat == V1POINT2 ? "=" : "scr"));
 121         if (lexer.what() != CQLTokenizer.TT_EOF)
 122             throw new CQLParseException("junk after end: " + lexer.render(),
 123               lexer.pos());
 124
 125         return root;
 126     }
 127
 128     private CQLNode parseTopLevelPrefixes(String index, CQLRelation relation)
 129         throws CQLParseException, IOException {
 130         debug("top-level prefix mapping");
 131
 132         if (lexer.what() == '>') {
 133             return parsePrefix(index, relation, true);
 134         }
 135
 136         CQLNode node = parseQuery(index, relation);
 137         if ((compat == V1POINT2 || compat == V1POINT1SORT) &&
 138             lexer.what() == CQLTokenizer.TT_SORTBY) {
 139             match(lexer.what());
 140             debug("sortspec");
 141
 142             CQLSortNode sortnode = new CQLSortNode(node);
 143             while (lexer.what() != CQLTokenizer.TT_EOF) {
 144                 String sortindex = matchSymbol("sort index");
 145                 ModifierSet ms = gatherModifiers(sortindex);
 146                 sortnode.addSortIndex(ms);
 147             }
 148
 149             if (sortnode.keys.size() == 0) {
 150                 throw new CQLParseException("no sort keys", lexer.pos());
 151             }
 152
 153             node = sortnode;
 154         }
 155
 156         return node;
 157     }
 158
 159     private CQLNode parseQuery(String index, CQLRelation relation)
 160         throws CQLParseException, IOException {
 161         debug("in parseQuery()");
 162
 163         CQLNode term = parseTerm(index, relation);
 164         while (lexer.what() != CQLTokenizer.TT_EOF &&
 165                lexer.what() != ')' &&
 166                lexer.what() != CQLTokenizer.TT_SORTBY) {
 167             if (lexer.what() == CQLTokenizer.TT_AND ||
 168                 lexer.what() == CQLTokenizer.TT_OR ||
 169                 lexer.what() == CQLTokenizer.TT_NOT ||
 170                 lexer.what() == CQLTokenizer.TT_PROX) {
 171                 int type = lexer.what();
 172                 String val = lexer.value();
 173                 match(type);
 174                 ModifierSet ms = gatherModifiers(val);
 175                 CQLNode term2 = parseTerm(index, relation);
 176                 term = ((type == CQLTokenizer.TT_AND) ? new CQLAndNode(term, term2, ms) :
 177                         (type == CQLTokenizer.TT_OR)  ? new CQLOrNode (term, term2, ms) :
 178                         (type == CQLTokenizer.TT_NOT) ? new CQLNotNode(term, term2, ms) :
 179                                                  new CQLProxNode(term, term2, ms));
 180             } else {
 181                 throw new CQLParseException("expected boolean, got " +
 182                                             lexer.render(), lexer.pos());
 183             }
 184         }
 185
 186         debug("no more ops");
 187         return term;
 188     }
 189
 190     private ModifierSet gatherModifiers(String base)
 191         throws CQLParseException, IOException {
 192         debug("in gatherModifiers()");
 193
 194         ModifierSet ms = new ModifierSet(base);
 195         while (lexer.what() == '/') {
 196             match('/');
 197             if (lexer.what() != CQLTokenizer.TT_WORD)
 198                 throw new CQLParseException("expected modifier, "
 199                                             + "got " + lexer.render(),
 200                   lexer.pos());
 201             String type = lexer.value().toLowerCase();
 202             match(lexer.what());
 203             if (!isSymbolicRelation()) {
 204                 // It's a simple modifier consisting of type only
 205                 ms.addModifier(type);
 206             } else {
 207                 // It's a complex modifier of the form type=value
 208                 String comparision = lexer.render(lexer.what(), false);
 209                 match(lexer.what());
 210                 String value = matchSymbol("modifier value");
 211                 ms.addModifier(type, comparision, value);
 212             }
 213         }
 214
 215         return ms;
 216     }
 217
 218     private CQLNode parseTerm(String index, CQLRelation relation)
 219         throws CQLParseException, IOException {
 220         debug("in parseTerm()");
 221
 222         String first;
 223         StringBuilder all;
 224         while (true) {
 225             if (lexer.what() == '(') {
 226                 debug("parenthesised term");
 227                 match('(');
 228                 CQLNode expr = parseQuery(index, relation);
 229                 match(')');
 230                 return expr;
 231             } else if (lexer.what() == '>') {
 232                 return parsePrefix(index, relation, false);
 233             }
 234
 235             debug("non-parenthesised term");
 236             first = matchSymbol("index or term");
 237             all = new StringBuilder(first);
 238             //match relation only on second postion
 239             while (isWordOrString() && (all.length() > first.length() || !isRelation())) {
 240               all.append(" ").append(lexer.value());
 241               match(lexer.what());
 242             }
 243
 244             if (!isRelation())
 245               break; //we're done if no relation
 246
 247             //we have relation, but it only makes sense if preceded by a single term
 248             if (all.length() > first.length()) {
 249               throw new CQLParseException("unexpected relation '"+lexer.value()+"'"
 250                 , lexer.pos());
 251             }
 252             index = first;
 253             String relstr = (lexer.what() == CQLTokenizer.TT_WORD ?
 254                              lexer.value() : lexer.render(lexer.what(), false));
 255             relation = new CQLRelation(relstr);
 256             match(lexer.what());
 257             ModifierSet ms = gatherModifiers(relstr);
 258             relation.ms = ms;
 259             debug("index='" + index + ", " +
 260                   "relation='" + relation.toCQL() + "'");
 261         }
 262         CQLTermNode node = new CQLTermNode(index, relation, all.toString());
 263         debug("made term node " + node.toCQL());
 264         return node;
 265     }
 266
 267     private CQLNode parsePrefix(String index, CQLRelation relation,
 268                                 boolean topLevel)
 269         throws CQLParseException, IOException {
 270         debug("prefix mapping");
 271
 272         match('>');
 273         String name = null;
 274         String identifier = matchSymbol("prefix-name");
 275         if (lexer.what() == '=') {
 276             match('=');
 277             name = identifier;
 278             identifier = matchSymbol("prefix-identifer");
 279         }
 280         CQLNode node = topLevel ?
 281             parseTopLevelPrefixes(index, relation) :
 282             parseQuery(index, relation);
 283
 284         return new CQLPrefixNode(name, identifier, node);
 285     }
 286
 287     private boolean isWordOrString() {
 288       return CQLTokenizer.TT_WORD == lexer.what()
 289         || CQLTokenizer.TT_STRING == lexer.what();
 290     }
 291
 292     private boolean isRelation() {
 293         debug("isRelation: checking what()=" + lexer.what() +
 294               " (" + lexer.render() + ")");
 295         if (lexer.what() == CQLTokenizer.TT_WORD &&
 296             (lexer.value().indexOf('.') >= 0 ||
 297              lexer.value().equals("any") ||
 298              lexer.value().equals("all") ||
 299              lexer.value().equals("within") ||
 300              lexer.value().equals("encloses") ||
 301              (lexer.value().equals("exact") && compat != V1POINT2) ||
 302              (lexer.value().equals("scr") && compat != V1POINT2) ||
 303              (lexer.value().equals("adj") && compat == V1POINT2) ||
 304              customRelations.contains(lexer.value())))
 305           return true;
 306
 307         return isSymbolicRelation();
 308     }
 309
 310     private boolean isSymbolicRelation() {
 311         debug("isSymbolicRelation: checking what()=" + lexer.what() +
 312               " (" + lexer.render() + ")");
 313         return (lexer.what() == '<' ||
 314                 lexer.what() == '>' ||
 315                 lexer.what() == '=' ||
 316                 lexer.what() == CQLTokenizer.TT_LE ||
 317                 lexer.what() == CQLTokenizer.TT_GE ||
 318                 lexer.what() == CQLTokenizer.TT_NE ||
 319                 lexer.what() == CQLTokenizer.TT_EQEQ);
 320     }
 321
 322     private void match(int token)
 323         throws CQLParseException, IOException {
 324         debug("in match(" + lexer.render(token, true) + ")");
 325         if (lexer.what() != token)
 326             throw new CQLParseException("expected " +
 327                                         lexer.render(token, true) +
 328                                         ", " + "got " + lexer.render(),
 329               lexer.pos());
 330         lexer.move();
 331         debug("match() got token=" + lexer.what() + ", value()='" + lexer.value() + "'");
 332     }
 333
 334     private String matchSymbol(String expected)
 335         throws CQLParseException, IOException {
 336
 337         debug("in matchSymbol()");
 338         if (lexer.what() == CQLTokenizer.TT_WORD ||
 339             lexer.what() == CQLTokenizer.TT_STRING ||
 340             // The following is a complete list of keywords.  Because
 341             // they're listed here, they can be used unquoted as
 342             // indexes, terms, prefix names and prefix identifiers.
 343             (allowKeywordTerms &&
 344             lexer.what() == CQLTokenizer.TT_AND ||
 345             lexer.what() == CQLTokenizer.TT_OR ||
 346             lexer.what() == CQLTokenizer.TT_NOT ||
 347             lexer.what() == CQLTokenizer.TT_PROX ||
 348             lexer.what() == CQLTokenizer.TT_SORTBY)) {
 349             String symbol = lexer.value();
 350             match(lexer.what());
 351             return symbol;
 352         }
 353
 354         throw new CQLParseException("expected " + expected + ", " +
 355                                     "got " + lexer.render(), lexer.pos());
 356     }
 357
 358
 359     /**
 360      * Simple test-harness for the CQLParser class.
 361      * <P>
 362      * Reads a CQL query either from its command-line argument, if
 363      * there is one, or standard input otherwise.  So these two
 364      * invocations are equivalent:
 365      * <PRE>
 366      *  CQLParser 'au=(Kerninghan or Ritchie) and ti=Unix'
 367      *  echo au=(Kerninghan or Ritchie) and ti=Unix | CQLParser
 368      * </PRE>
 369      * The test-harness parses the supplied query and renders is as
 370      * XCQL, so that both of the invocations above produce the
 371      * following output:
 372      * <PRE>
 373      *  &lt;triple&gt;
 374      *    &lt;boolean&gt;
 375      *      &lt;value&gt;and&lt;/value&gt;
 376      *    &lt;/boolean&gt;
 377      *    &lt;triple&gt;
 378      *      &lt;boolean&gt;
 379      *        &lt;value&gt;or&lt;/value&gt;
 380      *      &lt;/boolean&gt;
 381      *      &lt;searchClause&gt;
 382      *        &lt;index&gt;au&lt;/index&gt;
 383      *        &lt;relation&gt;
 384      *          &lt;value&gt;=&lt;/value&gt;
 385      *        &lt;/relation&gt;
 386      *        &lt;term&gt;Kerninghan&lt;/term&gt;
 387      *      &lt;/searchClause&gt;
 388      *      &lt;searchClause&gt;
 389      *        &lt;index&gt;au&lt;/index&gt;
 390      *        &lt;relation&gt;
 391      *          &lt;value&gt;=&lt;/value&gt;
 392      *        &lt;/relation&gt;
 393      *        &lt;term&gt;Ritchie&lt;/term&gt;
 394      *      &lt;/searchClause&gt;
 395      *    &lt;/triple&gt;
 396      *    &lt;searchClause&gt;
 397      *      &lt;index&gt;ti&lt;/index&gt;
 398      *      &lt;relation&gt;
 399      *        &lt;value&gt;=&lt;/value&gt;
 400      *      &lt;/relation&gt;
 401      *      &lt;term&gt;Unix&lt;/term&gt;
 402      *    &lt;/searchClause&gt;
 403      *  &lt;/triple&gt;
 404      * </PRE>
 405      * <P>
 406      * @param -1
 407      *  CQL version 1.1 (default version 1.2)
 408      * @param -d
 409      *  Debug mode: extra output written to stderr.
 410      * @param -c
 411      *  Causes the output to be written in CQL rather than XCQL - that
 412      *  is, a query equivalent to that which was input, is output.  In
 413      *  effect, the test harness acts as a query canonicaliser.
 414      * @return
 415      *  The input query, either as XCQL [default] or CQL [if the
 416      *  <TT>-c</TT> option is supplied].
 417      */
 418     public static void main (String[] args) {
 419         char mode = 'x';        // x=XCQL, c=CQL, p=PQF
 420         String pfile = null;
 421
 422         List<String> argv = new ArrayList<String>();
 423         for (int i = 0; i < args.length; i++) {
 424             argv.add(args[i]);
 425         }
 426
 427         int compat = V1POINT2;
 428         if (argv.size() > 0 && argv.get(0).equals("-1")) {
 429             compat = V1POINT1;
 430             argv.remove(0);
 431         }
 432
 433         if (argv.size() > 0 && argv.get(0).equals("-d")) {
 434             DEBUG = true;
 435             argv.remove(0);
 436         }
 437
 438         if (argv.size() > 0 && argv.get(0).equals("-c")) {
 439             mode = 'c';
 440             argv.remove(0);
 441         } else if (argv.size() > 1 && argv.get(0).equals("-p")) {
 442             mode = 'p';
 443             argv.remove(0);
 444             pfile = (String) argv.get(0);
 445             argv.remove(0);
 446         }
 447
 448         if (argv.size() > 1) {
 449             System.err.println("Usage: CQLParser [-1] [-d] [-c] " +
 450                                "[-p <pqf-properties> [<CQL-query>]");
 451             System.err.println("If unspecified, query is read from stdin");
 452             System.exit(1);
 453         }
 454
 455         String cql;
 456         if (argv.size() == 1) {
 457             cql = (String) argv.get(0);
 458         } else {
 459             BufferedReader buff = new BufferedReader(new InputStreamReader(System.in));
 460             try {
 461                 // read a single line of input
 462               cql = buff.readLine();
 463               if (cql == null) {
 464                 System.err.println("Can't read query from stdin");
 465                 System.exit(2);
 466                 return;
 467               }
 468             } catch (IOException ex) {
 469                 System.err.println("Can't read query: " + ex.getMessage());
 470                 System.exit(2);
 471                 return;
 472             }
 473         }
 474
 475         CQLParser parser = new CQLParser(compat);
 476         CQLNode root;
 477         try {
 478             root = parser.parse(cql);
 479         } catch (CQLParseException ex) {
 480             System.err.println("Syntax error: " + ex.getMessage());
 481             StringBuilder space = new StringBuilder(cql.length());
 482             System.out.println(cql);
 483             for (int i=0; i<ex.getPosition(); i++) space.append(" ");
 484             space.append("^");
 485             System.err.println(space.toString());
 486             System.exit(3);
 487             return; //compiler
 488         } catch (IOException ex) {
 489             System.err.println("Can't compile query: " + ex.getMessage());
 490             System.exit(4);
 491             return; //compiler
 492         }
 493
 494         try {
 495             if (mode == 'c') {
 496                 System.out.println(root.toCQL());
 497             } else if (mode == 'p') {
 498               try {
 499                 InputStream f = new FileInputStream(pfile);
 500                 Properties config = new Properties();
 501                 config.load(f);
 502                 f.close();
 503                 System.out.println(root.toPQF(config));
 504               } catch (IOException ex) {
 505                 System.err.println("Can't load PQF properties:" +
 506                   ex.getMessage());
 507                 System.exit(5);
 508               }
 509             } else {
 510                 System.out.print(root.toXCQL());
 511             }
 512         } catch (UnknownIndexException ex) {
 513             System.err.println("Unknown index: " + ex.getMessage());
 514             System.exit(6);
 515         } catch (UnknownRelationException ex) {
 516             System.err.println("Unknown relation: " + ex.getMessage());
 517             System.exit(7);
 518         } catch (UnknownRelationModifierException ex) {
 519             System.err.println("Unknown relation modifier: " +
 520                                ex.getMessage());
 521             System.exit(8);
 522         } catch (UnknownPositionException ex) {
 523             System.err.println("Unknown position: " + ex.getMessage());
 524             System.exit(9);
 525         } catch (PQFTranslationException ex) {
 526             System.err.println("Cannot translate to PQF: " + ex.getMessage());
 527             System.exit(10);
 528         }
 529     }
 530 }