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