index/extract.c

   1 /*
   2  * Copyright (C) 1994-1996, Index Data I/S
   3  * All rights reserved.
   4  * Sebastian Hammer, Adam Dickmeiss
   5  *
   6  * $Log: extract.c,v $
   7  * Revision 1.73  1997-09-04 13:57:20  adam
   8  * New file extract/retrieve method tellf (added).
   9  * Added O_BINARY for open calls.
  10  *
  11  * Revision 1.72  1997/07/15 16:32:29  adam
  12  * Bug fix: Match handler didn't terminate the resulting string!
  13  *
  14  * Revision 1.71  1997/07/15 16:28:41  adam
  15  * Bug fix: storeData didn't work with files with multiple records.
  16  * Bug fix: fixed memory management with records; not really well
  17  *  thought through.
  18  *
  19  * Revision 1.70  1997/07/01 13:00:42  adam
  20  * Bug fix in routine searchRecordKey: uninitialized variables.
  21  *
  22  * Revision 1.69  1997/04/29 09:26:03  adam
  23  * Bug fix: generic recordId handling didn't work for compressed internal
  24  * keys.
  25  *
  26  * Revision 1.68  1997/02/12 20:39:45  adam
  27  * Implemented options -f <n> that limits the log to the first <n>
  28  * records.
  29  * Changed some log messages also.
  30  *
  31  * Revision 1.67  1996/11/15 15:02:14  adam
  32  * Minor changes regarding logging.
  33  *
  34  * Revision 1.66  1996/11/14  09:52:21  adam
  35  * Strings in record keys bound by IT_MAX_WORD.
  36  *
  37  * Revision 1.65  1996/11/14  08:57:56  adam
  38  * Reduction of storeKeys area.
  39  *
  40  * Revision 1.64  1996/11/08 11:10:16  adam
  41  * Buffers used during file match got bigger.
  42  * Compressed ISAM support everywhere.
  43  * Bug fixes regarding masking characters in queries.
  44  * Redesigned Regexp-2 queries.
  45  *
  46  * Revision 1.63  1996/10/29 14:09:39  adam
  47  * Use of cisam system - enabled if setting isamc is 1.
  48  *
  49  * Revision 1.62  1996/10/11 10:57:01  adam
  50  * New module recctrl. Used to manage records (extract/retrieval).
  51  * Several files have been moved to the recctrl sub directory.
  52  *
  53  * Revision 1.61  1996/06/06 12:08:37  quinn
  54  * Added showRecord function
  55  *
  56  * Revision 1.60  1996/06/04  10:18:12  adam
  57  * Search/scan uses character mapping module.
  58  *
  59  * Revision 1.59  1996/05/14  15:47:07  adam
  60  * Cleanup of various buffer size entities.
  61  *
  62  * Revision 1.58  1996/05/14  06:16:38  adam
  63  * Compact use/set bytes used in search service.
  64  *
  65  * Revision 1.57  1996/05/13 14:23:04  adam
  66  * Work on compaction of set/use bytes in dictionary.
  67  *
  68  * Revision 1.56  1996/05/09  09:54:42  adam
  69  * Server supports maps from one logical attributes to a list of physical
  70  * attributes.
  71  * The extraction process doesn't make space consuming 'any' keys.
  72  *
  73  * Revision 1.55  1996/05/09  07:28:55  quinn
  74  * Work towards phrases and multiple registers
  75  *
  76  * Revision 1.54  1996/05/01  13:46:35  adam
  77  * First work on multiple records in one file.
  78  * New option, -offset, to the "unread" command in the filter module.
  79  *
  80  * Revision 1.53  1996/04/26  12:09:43  adam
  81  * Added a few comments.
  82  *
  83  * Revision 1.52  1996/04/25  13:27:57  adam
  84  * Function recordExtract modified so that files with no keys (possibly empty)
  85  * are ignored.
  86  *
  87  * Revision 1.51  1996/03/19  11:08:42  adam
  88  * Bug fix: Log preamble wasn't always turned off after recordExtract.
  89  *
  90  * Revision 1.50  1996/02/12  18:45:36  adam
  91  * New fileVerboseFlag in record group control.
  92  *
  93  * Revision 1.49  1996/02/05  12:29:57  adam
  94  * Logging reduced a bit.
  95  * The remaining running time is estimated during register merge.
  96  *
  97  * Revision 1.48  1996/02/01  20:53:26  adam
  98  * The temporary per-record keys are compacted a little, and duplication
  99  * of the per-records keys are avoided when they are saved in the record
 100  * information buffer.
 101  *
 102  * Revision 1.47  1996/01/17  14:57:48  adam
 103  * Prototype changed for reader functions in extract/retrieve. File
 104  *  is identified by 'void *' instead of 'int.
 105  *
 106  * Revision 1.46  1995/12/15  14:57:16  adam
 107  * Bug fix.
 108  *
 109  * Revision 1.45  1995/12/15  12:37:41  adam
 110  * In addRecordKeyAny: Writes key only when attrSet != -1.
 111  *
 112  * Revision 1.44  1995/12/12  16:00:54  adam
 113  * System call sync(2) used after update/commit.
 114  * Locking (based on fcntl) uses F_EXLCK and F_SHLCK instead of F_WRLCK
 115  * and F_RDLCK.
 116  *
 117  * Revision 1.43  1995/12/11  09:12:46  adam
 118  * The rec_get function returns NULL if record doesn't exist - will
 119  * happen in the server if the result set records have been deleted since
 120  * the creation of the set (i.e. the search).
 121  * The server saves a result temporarily if it is 'volatile', i.e. the
 122  * set is register dependent.
 123  *
 124  * Revision 1.42  1995/12/07  17:38:46  adam
 125  * Work locking mechanisms for concurrent updates/commit.
 126  *
 127  * Revision 1.41  1995/12/06  16:06:42  adam
 128  * Better diagnostics. Work on 'real' dictionary deletion.
 129  *
 130  * Revision 1.40  1995/12/05  16:57:40  adam
 131  * More work on regular patterns.
 132  *
 133  * Revision 1.39  1995/12/05  13:20:18  adam
 134  * Bug fix: file_read sometimes returned early EOF.
 135  *
 136  * Revision 1.38  1995/12/04  17:59:21  adam
 137  * More work on regular expression conversion.
 138  *
 139  * Revision 1.37  1995/12/04  14:22:27  adam
 140  * Extra arg to recType_byName.
 141  * Started work on new regular expression parsed input to
 142  * structured records.
 143  *
 144  * Revision 1.36  1995/11/30  08:34:29  adam
 145  * Started work on commit facility.
 146  * Changed a few malloc/free to xmalloc/xfree.
 147  *
 148  * Revision 1.35  1995/11/28  14:26:21  adam
 149  * Bug fix: recordId with constant wasn't right.
 150  * Bug fix: recordId dictionary entry wasn't deleted when needed.
 151  *
 152  * Revision 1.34  1995/11/28  09:09:38  adam
 153  * Zebra config renamed.
 154  * Use setting 'recordId' to identify record now.
 155  * Bug fix in recindex.c: rec_release_blocks was invokeded even
 156  * though the blocks were already released.
 157  * File traversal properly deletes records when needed.
 158  *
 159  * Revision 1.33  1995/11/27  09:56:20  adam
 160  * Record info elements better enumerated. Internal store of records.
 161  *
 162  * Revision 1.32  1995/11/25  10:24:05  adam
 163  * More record fields - they are enumerated now.
 164  * New options: flagStoreData flagStoreKey.
 165  *
 166  * Revision 1.31  1995/11/24  11:31:35  adam
 167  * Commands add & del read filenames from stdin if source directory is
 168  * empty.
 169  * Match criteria supports 'constant' strings.
 170  *
 171  * Revision 1.30  1995/11/22  17:19:16  adam
 172  * Record management uses the bfile system.
 173  *
 174  * Revision 1.29  1995/11/21  15:01:14  adam
 175  * New general match criteria implemented.
 176  * New feature: document groups.
 177  *
 178  * Revision 1.28  1995/11/21  09:20:30  adam
 179  * Yet more work on record match.
 180  *
 181  * Revision 1.27  1995/11/20  16:59:45  adam
 182  * New update method: the 'old' keys are saved for each records.
 183  *
 184  * Revision 1.26  1995/11/20  11:56:24  adam
 185  * Work on new traversal.
 186  *
 187  * Revision 1.25  1995/11/16  15:34:54  adam
 188  * Uses new record management system in both indexer and server.
 189  *
 190  * Revision 1.24  1995/11/15  19:13:08  adam
 191  * Work on record management.
 192  *
 193  * Revision 1.23  1995/10/27  14:00:10  adam
 194  * Implemented detection of database availability.
 195  *
 196  * Revision 1.22  1995/10/17  18:02:07  adam
 197  * New feature: databases. Implemented as prefix to words in dictionary.
 198  *
 199  * Revision 1.21  1995/10/10  12:24:38  adam
 200  * Temporary sort files are compressed.
 201  *
 202  * Revision 1.20  1995/10/06  13:52:05  adam
 203  * Bug fixes. Handler may abort further scanning.
 204  *
 205  * Revision 1.19  1995/10/04  12:55:16  adam
 206  * Bug fix in ranked search. Use=Any keys inserted.
 207  *
 208  * Revision 1.18  1995/10/04  09:37:08  quinn
 209  * Fixed bug.
 210  *
 211  * Revision 1.17  1995/10/03  14:28:57  adam
 212  * Buffered read in extract works.
 213  *
 214  * Revision 1.16  1995/10/03  14:28:45  adam
 215  * Work on more effecient read handler in extract.
 216  *
 217  * Revision 1.15  1995/10/02  15:42:53  adam
 218  * Extract uses file descriptors instead of FILE pointers.
 219  *
 220  * Revision 1.14  1995/10/02  15:29:13  adam
 221  * More logging in file_extract.
 222  *
 223  * Revision 1.13  1995/09/29  14:01:39  adam
 224  * Bug fixes.
 225  *
 226  * Revision 1.12  1995/09/28  14:22:56  adam
 227  * Sort uses smaller temporary files.
 228  *
 229  * Revision 1.11  1995/09/28  12:10:31  adam
 230  * Bug fixes. Field prefix used in queries.
 231  *
 232  * Revision 1.10  1995/09/28  09:19:41  adam
 233  * xfree/xmalloc used everywhere.
 234  * Extract/retrieve method seems to work for text records.
 235  *
 236  * Revision 1.9  1995/09/27  12:22:28  adam
 237  * More work on extract in record control.
 238  * Field name is not in isam keys but in prefix in dictionary words.
 239  *
 240  * Revision 1.8  1995/09/14  07:48:22  adam
 241  * Record control management.
 242  *
 243  * Revision 1.7  1995/09/11  13:09:32  adam
 244  * More work on relevance feedback.
 245  *
 246  * Revision 1.6  1995/09/08  14:52:27  adam
 247  * Minor changes. Dictionary is lower case now.
 248  *
 249  * Revision 1.5  1995/09/06  16:11:16  adam
 250  * Option: only one word key per file.
 251  *
 252  * Revision 1.4  1995/09/05  15:28:39  adam
 253  * More work on search engine.
 254  *
 255  * Revision 1.3  1995/09/04  12:33:41  adam
 256  * Various cleanup. YAZ util used instead.
 257  *
 258  * Revision 1.2  1995/09/04  09:10:34  adam
 259  * More work on index add/del/update.
 260  * Merge sort implemented.
 261  * Initial work on z39 server.
 262  *
 263  * Revision 1.1  1995/09/01  14:06:35  adam
 264  * Split of work into more files.
 265  *
 266  */
 267 #include <stdio.h>
 268 #include <assert.h>
 269 #include <unistd.h>
 270 #include <fcntl.h>
 271
 272 #include <recctrl.h>
 273 #include "index.h"
 274
 275 #include "zinfo.h"
 276
 277 static Dict matchDict;
 278
 279 static Records records = NULL;
 280
 281 static char **key_buf;
 282 static size_t ptr_top;
 283 static size_t ptr_i;
 284 static size_t key_buf_used;
 285 static int key_file_no;
 286
 287 static int records_inserted = 0;
 288 static int records_updated = 0;
 289 static int records_deleted = 0;
 290 static int records_processed = 0;
 291
 292 static ZebTargetInfo *zti = NULL;
 293
 294 static void logRecord (int showFlag)
 295 {
 296     if (!showFlag)
 297         ++records_processed;
 298     if (showFlag || !(records_processed % 1000))
 299     {
 300         logf (LOG_LOG, "Records: %7d i/u/d %d/%d/%d",
 301               records_processed, records_inserted, records_updated,
 302               records_deleted);
 303     }
 304 }
 305
 306 void key_open (int mem)
 307 {
 308     if (!mem)
 309         mem = atoi(res_get_def (common_resource, "memMax", "4"))*1024*1024;
 310     if (mem < 50000)
 311         mem = 50000;
 312     key_buf = xmalloc (mem);
 313     ptr_top = mem/sizeof(char*);
 314     ptr_i = 0;
 315
 316     key_buf_used = 0;
 317     key_file_no = 0;
 318
 319     if (!(matchDict = dict_open (GMATCH_DICT, 50, 1)))
 320     {
 321         logf (LOG_FATAL, "dict_open fail of %s", GMATCH_DICT);
 322         exit (1);
 323     }
 324     assert (!records);
 325     records = rec_open (1);
 326 #if 1
 327     zti = zebTargetInfo_open (records, 1);
 328 #endif
 329 }
 330
 331 struct encode_info {
 332     int  sysno;
 333     int  seqno;
 334     char buf[768];
 335 };
 336
 337 void encode_key_init (struct encode_info *i)
 338 {
 339     i->sysno = 0;
 340     i->seqno = 0;
 341 }
 342
 343 char *encode_key_int (int d, char *bp)
 344 {
 345     if (d <= 63)
 346         *bp++ = d;
 347     else if (d <= 16383)
 348     {
 349         *bp++ = 64 + (d>>8);
 350         *bp++ = d  & 255;
 351     }
 352     else if (d <= 4194303)
 353     {
 354         *bp++ = 128 + (d>>16);
 355         *bp++ = (d>>8) & 255;
 356         *bp++ = d & 255;
 357     }
 358     else
 359     {
 360         *bp++ = 192 + (d>>24);
 361         *bp++ = (d>>16) & 255;
 362         *bp++ = (d>>8) & 255;
 363         *bp++ = d & 255;
 364     }
 365     return bp;
 366 }
 367
 368 void encode_key_write (char *k, struct encode_info *i, FILE *outf)
 369 {
 370     struct it_key key;
 371     char *bp = i->buf;
 372
 373     while ((*bp++ = *k++))
 374         ;
 375     memcpy (&key, k+1, sizeof(struct it_key));
 376     bp = encode_key_int ( (key.sysno - i->sysno) * 2 + *k, bp);
 377     if (i->sysno != key.sysno)
 378     {
 379         i->sysno = key.sysno;
 380         i->seqno = 0;
 381     }
 382     bp = encode_key_int (key.seqno - i->seqno, bp);
 383     i->seqno = key.seqno;
 384     if (fwrite (i->buf, bp - i->buf, 1, outf) != 1)
 385     {
 386         logf (LOG_FATAL|LOG_ERRNO, "fwrite");
 387         exit (1);
 388     }
 389 }
 390
 391 #define SORT_EXTRA 0
 392
 393 #if SORT_EXTRA
 394 static int key_y_len;
 395
 396 static int key_y_compare (const void *p1, const void *p2)
 397 {
 398     int r;
 399
 400     if ((r = key_compare (*(char**) p1 + key_y_len + 1,
 401                           *(char**) p2 + key_y_len + 1)))
 402          return r;
 403     return *(*(char**) p1 + key_y_len) - *(*(char**) p2 + key_y_len);
 404 }
 405
 406 static int key_x_compare (const void *p1, const void *p2)
 407 {
 408     return strcmp (*(char**) p1, *(char**) p2);
 409 }
 410 #endif
 411
 412 void key_flush (void)
 413 {
 414     FILE *outf;
 415     char out_fname[200];
 416     char *prevcp, *cp;
 417     struct encode_info encode_info;
 418 #if SORT_EXTRA
 419     int i;
 420 #endif
 421
 422     if (ptr_i <= 0)
 423         return;
 424
 425     key_file_no++;
 426     logf (LOG_LOG, "sorting section %d", key_file_no);
 427 #if !SORT_EXTRA
 428     qsort (key_buf + ptr_top-ptr_i, ptr_i, sizeof(char*), key_qsort_compare);
 429     getFnameTmp (out_fname, key_file_no);
 430
 431     if (!(outf = fopen (out_fname, "w")))
 432     {
 433         logf (LOG_FATAL|LOG_ERRNO, "fopen (4) %s", out_fname);
 434         exit (1);
 435     }
 436     logf (LOG_LOG, "writing section %d", key_file_no);
 437     prevcp = cp = key_buf[ptr_top-ptr_i];
 438
 439     encode_key_init (&encode_info);
 440     encode_key_write (cp, &encode_info, outf);
 441     while (--ptr_i > 0)
 442     {
 443         cp = key_buf[ptr_top-ptr_i];
 444         if (strcmp (cp, prevcp))
 445         {
 446             encode_key_init (&encode_info);
 447             encode_key_write (cp, &encode_info, outf);
 448             prevcp = cp;
 449         }
 450         else
 451             encode_key_write (cp + strlen(cp), &encode_info, outf);
 452     }
 453 #else
 454     qsort (key_buf + ptr_top-ptr_i, ptr_i, sizeof(char*), key_x_compare);
 455     getFnameTmp (out_fname, key_file_no);
 456
 457     if (!(outf = fopen (out_fname, "w")))
 458     {
 459         logf (LOG_FATAL|LOG_ERRNO, "fopen (4) %s", out_fname);
 460         exit (1);
 461     }
 462     logf (LOG_LOG, "writing section %d", key_file_no);
 463     i = ptr_i;
 464     prevcp =  key_buf[ptr_top-i];
 465     while (1)
 466         if (!--i || strcmp (prevcp, key_buf[ptr_top-i]))
 467         {
 468             key_y_len = strlen(prevcp)+1;
 469 #if 0
 470             logf (LOG_LOG, "key_y_len: %2d %02x %02x %s",
 471                       key_y_len, prevcp[0], prevcp[1], 2+prevcp);
 472 #endif
 473             qsort (key_buf + ptr_top-ptr_i, ptr_i - i,
 474                                    sizeof(char*), key_y_compare);
 475             cp = key_buf[ptr_top-ptr_i];
 476             --key_y_len;
 477             encode_key_init (&encode_info);
 478             encode_key_write (cp, &encode_info, outf);
 479             while (--ptr_i > i)
 480             {
 481                 cp = key_buf[ptr_top-ptr_i];
 482                 encode_key_write (cp+key_y_len, &encode_info, outf);
 483             }
 484             if (!i)
 485                 break;
 486             prevcp = key_buf[ptr_top-ptr_i];
 487         }
 488 #endif
 489     if (fclose (outf))
 490     {
 491         logf (LOG_FATAL|LOG_ERRNO, "fclose %s", out_fname);
 492         exit (1);
 493     }
 494     logf (LOG_LOG, "finished section %d", key_file_no);
 495     ptr_i = 0;
 496     key_buf_used = 0;
 497 }
 498
 499 int key_close (void)
 500 {
 501     key_flush ();
 502     xfree (key_buf);
 503 #if 1
 504     zebTargetInfo_close (zti, 1);
 505 #endif
 506     rec_close (&records);
 507     dict_close (matchDict);
 508
 509     logRecord (1);
 510     return key_file_no;
 511 }
 512
 513 static void wordInit (RecWord *p)
 514 {
 515     p->attrSet = 1;
 516     p->attrUse = 1016;
 517     p->which = Word_String;
 518 }
 519
 520 struct recKeys {
 521     int buf_used;
 522     int buf_max;
 523     char *buf;
 524     char prevAttrSet;
 525     short prevAttrUse;
 526     int prevSeqNo;
 527 } reckeys;
 528
 529 static void addRecordKey (const RecWord *p)
 530 {
 531     char *dst;
 532     char attrSet;
 533     short attrUse;
 534     size_t i;
 535     int lead = 0;
 536     int diff = 0;
 537
 538     if (reckeys.buf_used+1024 > reckeys.buf_max)
 539     {
 540         char *b;
 541
 542         b = xmalloc (reckeys.buf_max += 128000);
 543         if (reckeys.buf_used > 0)
 544             memcpy (b, reckeys.buf, reckeys.buf_used);
 545         xfree (reckeys.buf);
 546         reckeys.buf = b;
 547     }
 548     dst = reckeys.buf + reckeys.buf_used;
 549
 550     attrSet = p->attrSet;
 551     if (reckeys.buf_used > 0 && reckeys.prevAttrSet == attrSet)
 552         lead |= 1;
 553     else
 554         reckeys.prevAttrSet = attrSet;
 555     attrUse = p->attrUse;
 556     if (reckeys.buf_used > 0 && reckeys.prevAttrUse == attrUse)
 557         lead |= 2;
 558     else
 559         reckeys.prevAttrUse = attrUse;
 560 #if 1
 561     diff = 1 + p->seqno - reckeys.prevSeqNo;
 562     if (diff >= 1 && diff <= 15)
 563         lead |= (diff << 2);
 564     else
 565         diff = 0;
 566 #endif
 567     reckeys.prevSeqNo = p->seqno;
 568
 569     *dst++ = lead;
 570
 571     if (!(lead & 1))
 572     {
 573         memcpy (dst, &attrSet, sizeof(attrSet));
 574         dst += sizeof(attrSet);
 575     }
 576     if (!(lead & 2))
 577     {
 578         memcpy (dst, &attrUse, sizeof(attrUse));
 579         dst += sizeof(attrUse);
 580     }
 581     switch (p->which)
 582     {
 583         case Word_String:
 584             *dst++ = 'w';
 585             break;
 586         case Word_Phrase:
 587             *dst++ = 'p';
 588             break;
 589         case Word_Numeric:
 590             *dst++ = 'n';
 591     }
 592     for (i = 0; p->u.string[i] && i < IT_MAX_WORD-3; i++)
 593         *dst++ = p->u.string[i];
 594     *dst++ = '\0';
 595
 596     if (!diff)
 597     {
 598         memcpy (dst, &p->seqno, sizeof(p->seqno));
 599         dst += sizeof(p->seqno);
 600     }
 601     reckeys.buf_used = dst - reckeys.buf;
 602 }
 603
 604 static void flushRecordKeys (SYSNO sysno, int cmd, struct recKeys *reckeys,
 605                              const char *databaseName)
 606 {
 607     char attrSet = -1;
 608     short attrUse = -1;
 609     int seqno = 0;
 610     int off = 0;
 611
 612     if (zebTargetInfo_curDatabase (zti, databaseName))
 613     {
 614         if (zebTargetInfo_newDatabase (zti, databaseName))
 615             abort ();
 616     }
 617     while (off < reckeys->buf_used)
 618     {
 619         const char *src = reckeys->buf + off;
 620         struct it_key key;
 621         int lead, ch;
 622
 623         lead = *src++;
 624
 625         if (!(lead & 1))
 626         {
 627             memcpy (&attrSet, src, sizeof(attrSet));
 628             src += sizeof(attrSet);
 629         }
 630         if (!(lead & 2))
 631         {
 632             memcpy (&attrUse, src, sizeof(attrUse));
 633             src += sizeof(attrUse);
 634         }
 635         if (key_buf_used + 1024 > (ptr_top-ptr_i)*sizeof(char*))
 636             key_flush ();
 637         ++ptr_i;
 638         key_buf[ptr_top-ptr_i] = (char*)key_buf + key_buf_used;
 639
 640         ch = zebTargetInfo_lookupSU (zti, attrSet, attrUse);
 641         if (ch < 0)
 642             ch = zebTargetInfo_addSU (zti, attrSet, attrUse);
 643         assert (ch > 0);
 644         ((char*) key_buf) [key_buf_used++] = ch;
 645         while (*src)
 646             ((char*)key_buf) [key_buf_used++] = *src++;
 647         src++;
 648         ((char*)key_buf) [key_buf_used++] = '\0';
 649         ((char*) key_buf)[key_buf_used++] = cmd;
 650
 651         if (lead & 60)
 652             seqno += ((lead>>2) & 15)-1;
 653         else
 654         {
 655             memcpy (&seqno, src, sizeof(seqno));
 656             src += sizeof(seqno);
 657         }
 658         key.seqno = seqno;
 659         key.sysno = sysno;
 660         memcpy ((char*)key_buf + key_buf_used, &key, sizeof(key));
 661         key_buf_used += sizeof(key);
 662         off = src - reckeys->buf;
 663     }
 664     assert (off == reckeys->buf_used);
 665 }
 666
 667 static const char **searchRecordKey (struct recKeys *reckeys,
 668                                int attrSetS, int attrUseS)
 669 {
 670     static const char *ws[32];
 671     int off = 0;
 672     int startSeq = -1;
 673     int i;
 674     short attrUse;
 675     char attrSet;
 676     int seqno = 0;
 677
 678     for (i = 0; i<32; i++)
 679         ws[i] = NULL;
 680
 681     while (off < reckeys->buf_used)
 682     {
 683
 684         const char *src = reckeys->buf + off;
 685         const char *wstart;
 686         int lead;
 687
 688         lead = *src++;
 689
 690         if (!(lead & 1))
 691         {
 692             memcpy (&attrSet, src, sizeof(attrSet));
 693             src += sizeof(attrSet);
 694         }
 695         if (!(lead & 2))
 696         {
 697             memcpy (&attrUse, src, sizeof(attrUse));
 698             src += sizeof(attrUse);
 699         }
 700         wstart = src;
 701         while (*src++)
 702             ;
 703         if (lead & 60)
 704             seqno += ((lead>>2) & 15)-1;
 705         else
 706         {
 707             memcpy (&seqno, src, sizeof(seqno));
 708             src += sizeof(seqno);
 709         }
 710         if (attrUseS == attrUse && attrSetS == attrSet)
 711         {
 712             int woff;
 713
 714
 715             if (startSeq == -1)
 716                 startSeq = seqno;
 717             woff = seqno - startSeq;
 718             if (woff >= 0 && woff < 31)
 719                 ws[woff] = wstart;
 720         }
 721
 722         off = src - reckeys->buf;
 723     }
 724     assert (off == reckeys->buf_used);
 725     return ws;
 726 }
 727
 728 struct file_read_info {
 729     off_t file_max;
 730     off_t file_offset;
 731     off_t file_moffset;
 732     int file_more;
 733     int fd;
 734 };
 735
 736 static struct file_read_info *file_read_start (int fd)
 737 {
 738     struct file_read_info *fi = xmalloc (sizeof(*fi));
 739
 740     fi->fd = fd;
 741     fi->file_max = 0;
 742     fi->file_moffset = 0;
 743     return fi;
 744 }
 745
 746 static void file_read_stop (struct file_read_info *fi)
 747 {
 748     assert (fi);
 749     xfree (fi);
 750 }
 751
 752 static off_t file_seek (void *handle, off_t offset)
 753 {
 754     struct file_read_info *p = handle;
 755     p->file_offset = offset;
 756     return lseek (p->fd, offset, SEEK_SET);
 757 }
 758
 759 static off_t file_tell (void *handle)
 760 {
 761     struct file_read_info *p = handle;
 762     return p->file_offset;
 763 }
 764
 765 static int file_read (void *handle, char *buf, size_t count)
 766 {
 767     struct file_read_info *p = handle;
 768     int fd = p->fd;
 769     int r;
 770     r = read (fd, buf, count);
 771     if (r > 0)
 772     {
 773         p->file_offset += r;
 774         if (p->file_offset > p->file_max)
 775             p->file_max = p->file_offset;
 776     }
 777     return r;
 778 }
 779
 780 static void file_begin (void *handle)
 781 {
 782     struct file_read_info *p = handle;
 783
 784     p->file_offset = p->file_moffset;
 785     if (p->file_moffset)
 786         lseek (p->fd, p->file_moffset, SEEK_SET);
 787     p->file_more = 0;
 788 }
 789
 790 static void file_end (void *handle, off_t offset)
 791 {
 792     struct file_read_info *p = handle;
 793
 794     assert (p->file_more == 0);
 795     p->file_more = 1;
 796     p->file_moffset = offset;
 797 }
 798
 799 static int atois (const char **s)
 800 {
 801     int val = 0, c;
 802     while ( (c=**s) >= '0' && c <= '9')
 803     {
 804         val = val*10 + c - '0';
 805         ++(*s);
 806     }
 807     return val;
 808 }
 809
 810 static char *fileMatchStr (struct recKeys *reckeys, struct recordGroup *rGroup,
 811                            const char *fname,
 812                            const char *spec)
 813 {
 814     static char dstBuf[2048];
 815     char *dst = dstBuf;
 816     const char *s = spec;
 817     static const char **w;
 818     int i;
 819
 820     while (1)
 821     {
 822         while (*s == ' ' || *s == '\t')
 823             s++;
 824         if (!*s)
 825             break;
 826         if (*s == '(')
 827         {
 828             char matchFlag[32];
 829             int attrSet, attrUse;
 830             int first = 1;
 831
 832             s++;
 833             attrSet = atois (&s);
 834             if (*s != ',')
 835             {
 836                 logf (LOG_WARN, "Missing , in match criteria %s in group %s",
 837                       spec, rGroup->groupName ? rGroup->groupName : "none");
 838                 return NULL;
 839             }
 840             s++;
 841             attrUse = atois (&s);
 842             w = searchRecordKey (reckeys, attrSet, attrUse);
 843             assert (w);
 844
 845             if (*s == ')')
 846             {
 847                 for (i = 0; i<32; i++)
 848                     matchFlag[i] = 1;
 849             }
 850             else
 851             {
 852                 logf (LOG_WARN, "Missing ) in match criteria %s in group %s",
 853                       spec, rGroup->groupName ? rGroup->groupName : "none");
 854                 return NULL;
 855             }
 856             s++;
 857
 858             for (i = 0; i<32; i++)
 859                 if (matchFlag[i] && w[i])
 860                 {
 861                     if (first)
 862                     {
 863                         *dst++ = ' ';
 864                         first = 0;
 865                     }
 866                     strcpy (dst, w[i]);
 867                     dst += strlen(w[i]);
 868                 }
 869             if (first)
 870             {
 871                 logf (LOG_WARN, "Record didn't contain match"
 872                       " fields in (%d,%d)", attrSet, attrUse);
 873                 return NULL;
 874             }
 875         }
 876         else if (*s == '$')
 877         {
 878             int spec_len;
 879             char special[64];
 880             const char *spec_src = NULL;
 881             const char *s1 = ++s;
 882             while (*s1 && *s1 != ' ' && *s1 != '\t')
 883                 s1++;
 884
 885             spec_len = s1 - s;
 886             if (spec_len > 63)
 887                 spec_len = 63;
 888             memcpy (special, s, spec_len);
 889             special[spec_len] = '\0';
 890             s = s1;
 891
 892             if (!strcmp (special, "group"))
 893                 spec_src = rGroup->groupName;
 894             else if (!strcmp (special, "database"))
 895                 spec_src = rGroup->databaseName;
 896             else if (!strcmp (special, "filename"))
 897                 spec_src = fname;
 898             else if (!strcmp (special, "type"))
 899                 spec_src = rGroup->recordType;
 900             else
 901                 spec_src = NULL;
 902             if (spec_src)
 903             {
 904                 strcpy (dst, spec_src);
 905                 dst += strlen (spec_src);
 906             }
 907         }
 908         else if (*s == '\"' || *s == '\'')
 909         {
 910             int stopMarker = *s++;
 911             char tmpString[64];
 912             int i = 0;
 913
 914             while (*s && *s != stopMarker)
 915             {
 916                 if (i < 63)
 917                     tmpString[i++] = *s++;
 918             }
 919             if (*s)
 920                 s++;
 921             tmpString[i] = '\0';
 922             strcpy (dst, tmpString);
 923             dst += strlen (tmpString);
 924         }
 925         else
 926         {
 927             logf (LOG_WARN, "Syntax error in match criteria %s in group %s",
 928                   spec, rGroup->groupName ? rGroup->groupName : "none");
 929             return NULL;
 930         }
 931         *dst++ = 1;
 932     }
 933     if (dst == dstBuf)
 934     {
 935         logf (LOG_WARN, "No match criteria for record %s in group %s",
 936               fname, rGroup->groupName ? rGroup->groupName : "none");
 937         return NULL;
 938     }
 939     *dst = '\0';
 940     return dstBuf;
 941 }
 942
 943 struct recordLogInfo {
 944     const char *fname;
 945     int recordOffset;
 946     struct recordGroup *rGroup;
 947 };
 948
 949 static void recordLogPreamble (int level, const char *msg, void *info)
 950 {
 951     struct recordLogInfo *p = info;
 952     FILE *outf = log_file ();
 953
 954     if (level & LOG_LOG)
 955         return ;
 956     fprintf (outf, "File %s, offset %d, type %s\n",
 957              p->rGroup->recordType, p->recordOffset, p->fname);
 958     log_event_start (NULL, NULL);
 959 }
 960
 961 static int recordExtract (SYSNO *sysno, const char *fname,
 962                           struct recordGroup *rGroup, int deleteFlag,
 963                           struct file_read_info *fi, RecType recType,
 964                           char *subType)
 965 {
 966     struct recExtractCtrl extractCtrl;
 967     int r;
 968     char *matchStr;
 969     SYSNO sysnotmp;
 970     off_t recordOffset = 0;
 971     Record rec;
 972     struct recordLogInfo logInfo;
 973
 974     if (fi->fd != -1)
 975     {
 976         /* we are going to read from a file, so prepare the extraction */
 977         extractCtrl.fh = fi;
 978         extractCtrl.subType = subType;
 979         extractCtrl.init = wordInit;
 980         extractCtrl.add = addRecordKey;
 981
 982         reckeys.buf_used = 0;
 983         reckeys.prevAttrUse = -1;
 984         reckeys.prevAttrSet = -1;
 985         reckeys.prevSeqNo = 0;
 986
 987         recordOffset = fi->file_moffset;
 988         extractCtrl.offset = recordOffset;
 989         extractCtrl.readf = file_read;
 990         extractCtrl.seekf = file_seek;
 991         extractCtrl.tellf = file_tell;
 992         extractCtrl.endf = file_end;
 993         extractCtrl.map_chrs_input = map_chrs_input;
 994         extractCtrl.flagShowRecords = rGroup->flagShowRecords;
 995         if (rGroup->flagShowRecords)
 996             printf ("File: %s %ld\n", fname, (long) recordOffset);
 997
 998         logInfo.fname = fname;
 999         logInfo.recordOffset = recordOffset;
1000         logInfo.rGroup = rGroup;
1001         log_event_start (recordLogPreamble, &logInfo);
1002
1003         r = (*recType->extract)(&extractCtrl);
1004
1005         log_event_start (NULL, NULL);
1006
1007         if (r)
1008         {
1009             /* error occured during extraction ... */
1010             if (!rGroup->flagShowRecords &&
1011                     records_processed < rGroup->fileVerboseLimit)
1012             {
1013                 logf (LOG_WARN, "fail %s %s %ld code = %d", rGroup->recordType,
1014                       fname, (long) recordOffset, r);
1015             }
1016             return 0;
1017         }
1018         if (reckeys.buf_used == 0)
1019         {
1020             /* the extraction process returned no information - the record
1021                is probably empty - unless flagShowRecords is in use */
1022             if (rGroup->flagShowRecords)
1023                 return 1;
1024             logf (LOG_WARN, "No keys generated for file %s", fname);
1025             logf (LOG_WARN, " The file is probably empty");
1026             return 0;
1027         }
1028     }
1029
1030     /* perform match if sysno not known and if match criteria is specified */
1031
1032     matchStr = NULL;
1033     if (!sysno)
1034     {
1035         sysnotmp = 0;
1036         sysno = &sysnotmp;
1037         if (rGroup->recordId && *rGroup->recordId)
1038         {
1039             char *rinfo;
1040
1041             matchStr = fileMatchStr (&reckeys, rGroup, fname,
1042                                      rGroup->recordId);
1043             if (matchStr)
1044             {
1045                 rinfo = dict_lookup (matchDict, matchStr);
1046                 if (rinfo)
1047                     memcpy (sysno, rinfo+1, sizeof(*sysno));
1048             }
1049             else
1050             {
1051                 logf (LOG_WARN, "Bad match criteria");
1052                 return 0;
1053             }
1054         }
1055     }
1056
1057     if (! *sysno)
1058     {
1059         /* new record */
1060         if (deleteFlag)
1061         {
1062             logf (LOG_LOG, "Cannot delete new record");
1063             return 1;
1064         }
1065         if (records_processed < rGroup->fileVerboseLimit)
1066             logf (LOG_LOG, "add %s %s %ld", rGroup->recordType,
1067                   fname, (long) recordOffset);
1068         rec = rec_new (records);
1069         *sysno = rec->sysno;
1070
1071         if (matchStr)
1072         {
1073             dict_insert (matchDict, matchStr, sizeof(*sysno), sysno);
1074         }
1075         flushRecordKeys (*sysno, 1, &reckeys, rGroup->databaseName);
1076
1077         records_inserted++;
1078     }
1079     else
1080     {
1081         /* record already exists */
1082         struct recKeys delkeys;
1083
1084         rec = rec_get (records, *sysno);
1085         assert (rec);
1086         delkeys.buf_used = rec->size[recInfo_delKeys];
1087         delkeys.buf = rec->info[recInfo_delKeys];
1088         flushRecordKeys (*sysno, 0, &delkeys, rec->info[recInfo_databaseName]);
1089         if (deleteFlag)
1090         {
1091             /* record going to be deleted */
1092             if (!delkeys.buf_used)
1093             {
1094                 logf (LOG_LOG, "delete %s %s %ld", rGroup->recordType,
1095                       fname, (long) recordOffset);
1096                 logf (LOG_WARN, "cannot delete file above, storeKeys false");
1097             }
1098             else
1099             {
1100                 if (records_processed < rGroup->fileVerboseLimit)
1101                     logf (LOG_LOG, "delete %s %s %ld", rGroup->recordType,
1102                           fname, (long) recordOffset);
1103                 records_deleted++;
1104                 if (matchStr)
1105                     dict_delete (matchDict, matchStr);
1106                 rec_del (records, &rec);
1107             }
1108             logRecord (0);
1109             return 1;
1110         }
1111         else
1112         {
1113             /* record going to be updated */
1114             if (!delkeys.buf_used)
1115             {
1116                 logf (LOG_LOG, "update %s %s %ld", rGroup->recordType,
1117                       fname, (long) recordOffset);
1118                 logf (LOG_WARN, "cannot update file above, storeKeys false");
1119             }
1120             else
1121             {
1122                 if (records_processed < rGroup->fileVerboseLimit)
1123                     logf (LOG_LOG, "update %s %s %ld", rGroup->recordType,
1124                           fname, (long) recordOffset);
1125                 flushRecordKeys (*sysno, 1, &reckeys, rGroup->databaseName);
1126                 records_updated++;
1127             }
1128         }
1129     }
1130     /* update file type */
1131     xfree (rec->info[recInfo_fileType]);
1132     rec->info[recInfo_fileType] =
1133         rec_strdup (rGroup->recordType, &rec->size[recInfo_fileType]);
1134
1135     /* update filename */
1136     xfree (rec->info[recInfo_filename]);
1137     rec->info[recInfo_filename] =
1138         rec_strdup (fname, &rec->size[recInfo_filename]);
1139
1140     /* update delete keys */
1141     xfree (rec->info[recInfo_delKeys]);
1142     if (reckeys.buf_used > 0 && rGroup->flagStoreKeys == 1)
1143     {
1144 #if 1
1145         rec->size[recInfo_delKeys] = reckeys.buf_used;
1146         rec->info[recInfo_delKeys] = reckeys.buf;
1147         reckeys.buf = NULL;
1148         reckeys.buf_max = 0;
1149 #else
1150         rec->info[recInfo_delKeys] = xmalloc (reckeys.buf_used);
1151         rec->size[recInfo_delKeys] = reckeys.buf_used;
1152         memcpy (rec->info[recInfo_delKeys], reckeys.buf,
1153                 rec->size[recInfo_delKeys]);
1154 #endif
1155     }
1156     else
1157     {
1158         rec->info[recInfo_delKeys] = NULL;
1159         rec->size[recInfo_delKeys] = 0;
1160     }
1161
1162     /* update store data */
1163     xfree (rec->info[recInfo_storeData]);
1164     if (rGroup->flagStoreData == 1)
1165     {
1166         int size = fi->file_moffset - recordOffset;
1167         if (!size)
1168             size = fi->file_max - recordOffset;
1169         rec->size[recInfo_storeData] = size;
1170         rec->info[recInfo_storeData] = xmalloc (size);
1171         if (lseek (fi->fd, recordOffset, SEEK_SET) < 0)
1172         {
1173             logf (LOG_ERRNO|LOG_FATAL, "seek to %ld in %s", fname,
1174                   (long) recordOffset);
1175             exit (1);
1176         }
1177         if (read (fi->fd, rec->info[recInfo_storeData], size) < size)
1178         {
1179             logf (LOG_ERRNO|LOG_FATAL, "read %d bytes of %s",
1180                   fi->file_max, fname);
1181             exit (1);
1182         }
1183     }
1184     else
1185     {
1186         rec->info[recInfo_storeData] = NULL;
1187         rec->size[recInfo_storeData] = 0;
1188     }
1189     /* update database name */
1190     xfree (rec->info[recInfo_databaseName]);
1191     rec->info[recInfo_databaseName] =
1192         rec_strdup (rGroup->databaseName, &rec->size[recInfo_databaseName]);
1193
1194     /* update offset */
1195     xfree (rec->info[recInfo_offset]);
1196
1197     rec->size[recInfo_offset] = sizeof(recordOffset);
1198     rec->info[recInfo_offset] = xmalloc (sizeof(recordOffset));
1199     memcpy (rec->info[recInfo_offset], &recordOffset, sizeof(recordOffset));
1200
1201     /* commit this record */
1202     rec_put (records, &rec);
1203     logRecord (0);
1204     return 1;
1205 }
1206
1207 int fileExtract (SYSNO *sysno, const char *fname,
1208                  const struct recordGroup *rGroupP, int deleteFlag)
1209 {
1210     int r, i, fd;
1211     char gprefix[128];
1212     char ext[128];
1213     char ext_res[128];
1214     char subType[128];
1215     RecType recType;
1216     struct recordGroup rGroupM;
1217     struct recordGroup *rGroup = &rGroupM;
1218     struct file_read_info *fi;
1219
1220     memcpy (rGroup, rGroupP, sizeof(*rGroupP));
1221
1222     if (!rGroup->groupName || !*rGroup->groupName)
1223         *gprefix = '\0';
1224     else
1225         sprintf (gprefix, "%s.", rGroup->groupName);
1226
1227     logf (LOG_DEBUG, "fileExtract %s", fname);
1228
1229     /* determine file extension */
1230     for (i = strlen(fname); --i >= 0; )
1231         if (fname[i] == '/')
1232         {
1233             strcpy (ext, "");
1234             break;
1235         }
1236         else if (fname[i] == '.')
1237         {
1238             strcpy (ext, fname+i+1);
1239             break;
1240         }
1241     /* determine file type - depending on extension */
1242     if (!rGroup->recordType)
1243     {
1244         sprintf (ext_res, "%srecordType.%s", gprefix, ext);
1245         if (!(rGroup->recordType = res_get (common_resource, ext_res)))
1246         {
1247             sprintf (ext_res, "%srecordType", gprefix);
1248             if (!(rGroup->recordType = res_get (common_resource, ext_res)))
1249             {
1250                 if (records_processed < rGroup->fileVerboseLimit)
1251                     logf (LOG_LOG, "? %s", fname);
1252                 return 0;
1253             }
1254         }
1255     }
1256     if (!rGroup->recordType)
1257     {
1258         if (records_processed < rGroup->fileVerboseLimit)
1259             logf (LOG_LOG, "? record %s", fname);
1260         return 0;
1261     }
1262     if (!(recType = recType_byName (rGroup->recordType, subType)))
1263     {
1264         logf (LOG_WARN, "No such record type: %s", rGroup->recordType);
1265         return 0;
1266     }
1267
1268     /* determine match criteria */
1269     if (!rGroup->recordId)
1270     {
1271         sprintf (ext_res, "%srecordId.%s", gprefix, ext);
1272         rGroup->recordId = res_get (common_resource, ext_res);
1273     }
1274
1275     /* determine database name */
1276     if (!rGroup->databaseName)
1277     {
1278         sprintf (ext_res, "%sdatabase.%s", gprefix, ext);
1279         if (!(rGroup->databaseName = res_get (common_resource, ext_res)))
1280         {
1281             sprintf (ext_res, "%sdatabase", gprefix);
1282             rGroup->databaseName = res_get (common_resource, ext_res);
1283         }
1284     }
1285     if (!rGroup->databaseName)
1286         rGroup->databaseName = "Default";
1287
1288     if (rGroup->flagStoreData == -1)
1289     {
1290         const char *sval;
1291         sprintf (ext_res, "%sstoreData.%s", gprefix, ext);
1292         if (!(sval = res_get (common_resource, ext_res)))
1293         {
1294             sprintf (ext_res, "%sstoreData", gprefix);
1295             sval = res_get (common_resource, ext_res);
1296         }
1297         if (sval)
1298             rGroup->flagStoreData = atoi (sval);
1299     }
1300     if (rGroup->flagStoreData == -1)
1301         rGroup->flagStoreData = 0;
1302
1303     if (rGroup->flagStoreKeys == -1)
1304     {
1305         const char *sval;
1306
1307         sprintf (ext_res, "%sstoreKeys.%s", gprefix, ext);
1308         if (!(sval = res_get (common_resource, ext_res)))
1309         {
1310             sprintf (ext_res, "%sstoreKeys", gprefix);
1311             sval = res_get (common_resource, ext_res);
1312         }
1313         if (sval)
1314             rGroup->flagStoreKeys = atoi (sval);
1315     }
1316     if (rGroup->flagStoreKeys == -1)
1317         rGroup->flagStoreKeys = 0;
1318
1319     if (sysno && deleteFlag)
1320         fd = -1;
1321     else
1322     {
1323         if ((fd = open (fname, O_BINARY|O_RDONLY)) == -1)
1324         {
1325             logf (LOG_WARN|LOG_ERRNO, "open %s", fname);
1326             return 0;
1327         }
1328     }
1329     fi = file_read_start (fd);
1330     do
1331     {
1332         file_begin (fi);
1333         r = recordExtract (sysno, fname, rGroup, deleteFlag, fi,
1334                            recType, subType);
1335     } while (r && !sysno && fi->file_more);
1336     file_read_stop (fi);
1337     if (fd != -1)
1338         close (fd);
1339     return r;
1340 }
1341