index/extract.c

   1 /*
   2  * Copyright (C) 1994-1995, Index Data I/S
   3  * All rights reserved.
   4  * Sebastian Hammer, Adam Dickmeiss
   5  *
   6  * $Log: extract.c,v $
   7  * Revision 1.26  1995-11-20 11:56:24  adam
   8  * Work on new traversal.
   9  *
  10  * Revision 1.25  1995/11/16  15:34:54  adam
  11  * Uses new record management system in both indexer and server.
  12  *
  13  * Revision 1.24  1995/11/15  19:13:08  adam
  14  * Work on record management.
  15  *
  16  * Revision 1.23  1995/10/27  14:00:10  adam
  17  * Implemented detection of database availability.
  18  *
  19  * Revision 1.22  1995/10/17  18:02:07  adam
  20  * New feature: databases. Implemented as prefix to words in dictionary.
  21  *
  22  * Revision 1.21  1995/10/10  12:24:38  adam
  23  * Temporary sort files are compressed.
  24  *
  25  * Revision 1.20  1995/10/06  13:52:05  adam
  26  * Bug fixes. Handler may abort further scanning.
  27  *
  28  * Revision 1.19  1995/10/04  12:55:16  adam
  29  * Bug fix in ranked search. Use=Any keys inserted.
  30  *
  31  * Revision 1.18  1995/10/04  09:37:08  quinn
  32  * Fixed bug.
  33  *
  34  * Revision 1.17  1995/10/03  14:28:57  adam
  35  * Buffered read in extract works.
  36  *
  37  * Revision 1.16  1995/10/03  14:28:45  adam
  38  * Work on more effecient read handler in extract.
  39  *
  40  * Revision 1.15  1995/10/02  15:42:53  adam
  41  * Extract uses file descriptors instead of FILE pointers.
  42  *
  43  * Revision 1.14  1995/10/02  15:29:13  adam
  44  * More logging in file_extract.
  45  *
  46  * Revision 1.13  1995/09/29  14:01:39  adam
  47  * Bug fixes.
  48  *
  49  * Revision 1.12  1995/09/28  14:22:56  adam
  50  * Sort uses smaller temporary files.
  51  *
  52  * Revision 1.11  1995/09/28  12:10:31  adam
  53  * Bug fixes. Field prefix used in queries.
  54  *
  55  * Revision 1.10  1995/09/28  09:19:41  adam
  56  * xfree/xmalloc used everywhere.
  57  * Extract/retrieve method seems to work for text records.
  58  *
  59  * Revision 1.9  1995/09/27  12:22:28  adam
  60  * More work on extract in record control.
  61  * Field name is not in isam keys but in prefix in dictionary words.
  62  *
  63  * Revision 1.8  1995/09/14  07:48:22  adam
  64  * Record control management.
  65  *
  66  * Revision 1.7  1995/09/11  13:09:32  adam
  67  * More work on relevance feedback.
  68  *
  69  * Revision 1.6  1995/09/08  14:52:27  adam
  70  * Minor changes. Dictionary is lower case now.
  71  *
  72  * Revision 1.5  1995/09/06  16:11:16  adam
  73  * Option: only one word key per file.
  74  *
  75  * Revision 1.4  1995/09/05  15:28:39  adam
  76  * More work on search engine.
  77  *
  78  * Revision 1.3  1995/09/04  12:33:41  adam
  79  * Various cleanup. YAZ util used instead.
  80  *
  81  * Revision 1.2  1995/09/04  09:10:34  adam
  82  * More work on index add/del/update.
  83  * Merge sort implemented.
  84  * Initial work on z39 server.
  85  *
  86  * Revision 1.1  1995/09/01  14:06:35  adam
  87  * Split of work into more files.
  88  *
  89  */
  90 #include <stdio.h>
  91 #include <assert.h>
  92 #include <unistd.h>
  93 #include <fcntl.h>
  94 #include <ctype.h>
  95
  96 #include <alexutil.h>
  97 #include <recctrl.h>
  98 #include "index.h"
  99
 100 #if RECORD_BASE
 101 #include "recindex.h"
 102 #endif
 103
 104 static Dict file_idx;
 105
 106
 107 #if RECORD_BASE
 108 static Records records = NULL;
 109 #else
 110 static int sys_idx_fd = -1;
 111 static SYSNO sysno_next;
 112 #endif
 113
 114 static int key_cmd;
 115 static int key_sysno;
 116 static char *key_databaseName;
 117 static char **key_buf;
 118 static size_t ptr_top;
 119 static size_t ptr_i;
 120 static size_t kused;
 121 static int key_file_no;
 122
 123 void key_open (int mem)
 124 {
 125 #if !RECORD_BASE
 126     void *file_key;
 127 #endif
 128     if (mem < 50000)
 129         mem = 50000;
 130     key_buf = xmalloc (mem);
 131     ptr_top = mem/sizeof(char*);
 132     ptr_i = 0;
 133     kused = 0;
 134     key_file_no = 0;
 135
 136     if (!(file_idx = dict_open (FNAME_FILE_DICT, 40, 1)))
 137     {
 138         logf (LOG_FATAL, "dict_open fail of %s", "fileidx");
 139         exit (1);
 140     }
 141 #if RECORD_BASE
 142     assert (!records);
 143     records = rec_open (1);
 144 #else
 145     file_key = dict_lookup (file_idx, ".");
 146     if (file_key)
 147         memcpy (&sysno_next, (char*)file_key+1, sizeof(sysno_next));
 148     else
 149         sysno_next = 1;
 150     if ((sys_idx_fd = open (FNAME_SYS_IDX, O_RDWR|O_CREAT, 0666)) == -1)
 151     {
 152         logf (LOG_FATAL|LOG_ERRNO, "open %s", FNAME_SYS_IDX);
 153         exit (1);
 154     }
 155 #endif
 156 }
 157
 158 struct encode_info {
 159     int  sysno;
 160     int  seqno;
 161     char buf[512];
 162 };
 163
 164 void encode_key_init (struct encode_info *i)
 165 {
 166     i->sysno = 0;
 167     i->seqno = 0;
 168 }
 169
 170 char *encode_key_int (int d, char *bp)
 171 {
 172     if (d <= 63)
 173         *bp++ = d;
 174     else if (d <= 16383)
 175     {
 176         *bp++ = 64 + (d>>8);
 177         *bp++ = d  & 255;
 178     }
 179     else if (d <= 4194303)
 180     {
 181         *bp++ = 128 + (d>>16);
 182         *bp++ = (d>>8) & 255;
 183         *bp++ = d & 255;
 184     }
 185     else
 186     {
 187         *bp++ = 192 + (d>>24);
 188         *bp++ = (d>>16) & 255;
 189         *bp++ = (d>>8) & 255;
 190         *bp++ = d & 255;
 191     }
 192     return bp;
 193 }
 194
 195 void encode_key_write (char *k, struct encode_info *i, FILE *outf)
 196 {
 197     struct it_key key;
 198     char *bp = i->buf;
 199
 200     while ((*bp++ = *k++))
 201         ;
 202     memcpy (&key, k+1, sizeof(struct it_key));
 203     bp = encode_key_int ( (key.sysno - i->sysno) * 2 + *k, bp);
 204     if (i->sysno != key.sysno)
 205     {
 206         i->sysno = key.sysno;
 207         i->seqno = 0;
 208     }
 209     bp = encode_key_int (key.seqno - i->seqno, bp);
 210     i->seqno = key.seqno;
 211     if (fwrite (i->buf, bp - i->buf, 1, outf) != 1)
 212     {
 213         logf (LOG_FATAL|LOG_ERRNO, "fwrite");
 214         exit (1);
 215     }
 216 }
 217
 218 void key_flush (void)
 219 {
 220     FILE *outf;
 221     char out_fname[200];
 222     char *prevcp, *cp;
 223     struct encode_info encode_info;
 224
 225     if (ptr_i <= 0)
 226         return;
 227
 228     key_file_no++;
 229     logf (LOG_LOG, "sorting section %d", key_file_no);
 230     qsort (key_buf + ptr_top-ptr_i, ptr_i, sizeof(char*), key_qsort_compare);
 231     sprintf (out_fname, TEMP_FNAME, key_file_no);
 232
 233     if (!(outf = fopen (out_fname, "w")))
 234     {
 235         logf (LOG_FATAL|LOG_ERRNO, "fopen (4) %s", out_fname);
 236         exit (1);
 237     }
 238     logf (LOG_LOG, "writing section %d", key_file_no);
 239     prevcp = cp = key_buf[ptr_top-ptr_i];
 240
 241     encode_key_init (&encode_info);
 242     encode_key_write (cp, &encode_info, outf);
 243     while (--ptr_i > 0)
 244     {
 245         cp = key_buf[ptr_top-ptr_i];
 246         if (strcmp (cp, prevcp))
 247         {
 248             encode_key_init (&encode_info);
 249             encode_key_write (cp, &encode_info, outf);
 250             prevcp = cp;
 251         }
 252         else
 253             encode_key_write (cp + strlen(cp), &encode_info, outf);
 254     }
 255     if (fclose (outf))
 256     {
 257         logf (LOG_FATAL|LOG_ERRNO, "fclose %s", out_fname);
 258         exit (1);
 259     }
 260     logf (LOG_LOG, "finished section %d", key_file_no);
 261     ptr_i = 0;
 262     kused = 0;
 263 }
 264
 265 int key_close (void)
 266 {
 267     key_flush ();
 268     xfree (key_buf);
 269 #if RECORD_BASE
 270     rec_close (&records);
 271 #else
 272     close (sys_idx_fd);
 273     dict_insert (file_idx, ".", sizeof(sysno_next), &sysno_next);
 274 #endif
 275     dict_close (file_idx);
 276     return key_file_no;
 277 }
 278
 279 static void wordInit (RecWord *p)
 280 {
 281     p->attrSet = 1;
 282     p->attrUse = 1016;
 283     p->which = Word_String;
 284 }
 285
 286 static void wordAdd (const RecWord *p)
 287 {
 288     struct it_key key;
 289     size_t i;
 290
 291     if (kused + 1024 > (ptr_top-ptr_i)*sizeof(char*))
 292         key_flush ();
 293     ++ptr_i;
 294     key_buf[ptr_top-ptr_i] = (char*)key_buf + kused;
 295     kused += index_word_prefix ((char*)key_buf + kused,
 296                                 p->attrSet, p->attrUse,
 297                                 key_databaseName);
 298     switch (p->which)
 299     {
 300     case Word_String:
 301         for (i = 0; p->u.string[i]; i++)
 302             ((char*)key_buf) [kused++] = index_char_cvt (p->u.string[i]);
 303         ((char*)key_buf) [kused++] = '\0';
 304         break;
 305     default:
 306         return ;
 307     }
 308     ((char*) key_buf)[kused++] = ((key_cmd == 'a') ? 1 : 0);
 309     key.sysno = key_sysno;
 310     key.seqno = p->seqno;
 311     memcpy ((char*)key_buf + kused, &key, sizeof(key));
 312     kused += sizeof(key);
 313 }
 314
 315 static void wordAddAny (const RecWord *p)
 316 {
 317     if (p->attrSet != 1 || p->attrUse != 1016)
 318     {
 319         RecWord w;
 320
 321         memcpy (&w, p, sizeof(w));
 322         w.attrSet = 1;
 323         w.attrUse = 1016;
 324         wordAdd (&w);
 325     }
 326     wordAdd (p);
 327 }
 328
 329
 330 #define FILE_READ_BUF 1
 331 #if FILE_READ_BUF
 332 static char *file_buf;
 333 static int file_offset;
 334 static int file_bufsize;
 335
 336 static void file_read_start (int fd)
 337 {
 338     file_offset = 0;
 339     file_buf = xmalloc (4096);
 340     file_bufsize = read (fd, file_buf, 4096);
 341 }
 342
 343 static void file_read_stop (int fd)
 344 {
 345     xfree (file_buf);
 346 }
 347
 348 static int file_read (int fd, char *buf, size_t count)
 349 {
 350     int l = file_bufsize - file_offset;
 351
 352     if (count > l)
 353     {
 354         int r;
 355         if (l > 0)
 356             memcpy (buf, file_buf + file_offset, l);
 357         count = count-l;
 358         if (count > file_bufsize)
 359         {
 360             if ((r = read (fd, buf + l, count)) == -1)
 361             {
 362                 logf (LOG_FATAL|LOG_ERRNO, "read");
 363                 exit (1);
 364             }
 365             file_bufsize = 0;
 366             file_offset = 0;
 367             return r;
 368         }
 369         file_bufsize = r = read (fd, file_buf, 4096);
 370         if (r == -1)
 371         {
 372             logf (LOG_FATAL|LOG_ERRNO, "read");
 373             exit (1);
 374         }
 375         else if (r <= count)
 376         {
 377             file_offset = r;
 378             memcpy (buf + l, file_buf, r);
 379             return l + r;
 380         }
 381         else
 382         {
 383             file_offset = count;
 384             memcpy (buf + l, file_buf, count - l);
 385             return count;
 386         }
 387     }
 388     memcpy (buf, file_buf + file_offset, count);
 389     file_offset += count;
 390     return count;
 391 }
 392 #else
 393 static int file_read (int fd, char *buf, size_t count)
 394 {
 395     return read (fd, buf, count);
 396 }
 397 #endif
 398 SYSNO file_extract (int cmd, const char *fname, const char *kname,
 399                     char *databaseName)
 400 {
 401     int i, r;
 402     char ext[128];
 403     SYSNO sysno;
 404     char ext_res[128];
 405     const char *file_type;
 406     void *file_info;
 407     struct recExtractCtrl extractCtrl;
 408     RecType rt;
 409
 410     key_databaseName = databaseName;
 411     for (i = strlen(fname); --i >= 0; )
 412         if (fname[i] == '/')
 413         {
 414             strcpy (ext, "");
 415             break;
 416         }
 417         else if (fname[i] == '.')
 418         {
 419             strcpy (ext, fname+i+1);
 420             break;
 421         }
 422     sprintf (ext_res, "fileExtension.%s", ext);
 423     if (!(file_type = res_get (common_resource, ext_res)))
 424         return 0;
 425     if (!(rt = recType_byName (file_type)))
 426         return 0;
 427     logf (LOG_DEBUG, "%c %s k=%s", cmd, fname, kname);
 428     file_info = dict_lookup (file_idx, kname);
 429     if (!file_info)
 430     {
 431 #if RECORD_BASE
 432         Record rec = rec_new (records);
 433
 434         sysno = rec->sysno;
 435         dict_insert (file_idx, kname, sizeof(sysno), &sysno);
 436         rec->info[0] = rec_strdup (file_type);
 437         rec->info[1] = rec_strdup (kname);
 438         rec_put (records, rec);
 439         rec_rm (rec);
 440 #else
 441         sysno = sysno_next++;
 442         dict_insert (file_idx, kname, sizeof(sysno), &sysno);
 443         lseek (sys_idx_fd, sysno * SYS_IDX_ENTRY_LEN, SEEK_SET);
 444         write (sys_idx_fd, file_type, strlen (file_type)+1);
 445         write (sys_idx_fd, kname, strlen(kname)+1);
 446 #endif
 447     }
 448     else
 449         memcpy (&sysno, (char*) file_info+1, sizeof(sysno));
 450
 451     if ((extractCtrl.fd = open (fname, O_RDONLY)) == -1)
 452     {
 453         logf (LOG_WARN|LOG_ERRNO, "open %s", fname);
 454         return 0;
 455     }
 456     extractCtrl.subType = "";
 457     extractCtrl.init = wordInit;
 458     extractCtrl.add = wordAddAny;
 459 #if FILE_READ_BUF
 460     file_read_start (extractCtrl.fd);
 461 #endif
 462     extractCtrl.readf = file_read;
 463     key_sysno = sysno;
 464     key_cmd = cmd;
 465     r = (*rt->extract)(&extractCtrl);
 466 #if FILE_READ_BUF
 467     file_read_stop (extractCtrl.fd);
 468 #endif
 469     close (extractCtrl.fd);
 470     if (r)
 471         logf (LOG_WARN, "Couldn't extract file %s, code %d", fname, r);
 472     return sysno;
 473 }