index/extract.c

   1 /*
   2  * Copyright (C) 1994-1997, Index Data I/S
   3  * All rights reserved.
   4  * Sebastian Hammer, Adam Dickmeiss
   5  *
   6  * $Log: extract.c,v $
   7  * Revision 1.76  1997-10-27 14:33:04  adam
   8  * Moved towards generic character mapping depending on "structure"
   9  * field in abstract syntax file. Fixed a few memory leaks. Fixed
  10  * bug with negative integers when doing searches with relational
  11  * operators.
  12  *
  13  * Revision 1.75  1997/09/17 12:19:12  adam
  14  * Zebra version corresponds to YAZ version 1.4.
  15  * Changed Zebra server so that it doesn't depend on global common_resource.
  16  *
  17  * Revision 1.74  1997/09/09 13:38:06  adam
  18  * Partial port to WIN95/NT.
  19  *
  20  * Revision 1.73  1997/09/04 13:57:20  adam
  21  * New file extract/retrieve method tellf (added).
  22  * Added O_BINARY for open calls.
  23  *
  24  * Revision 1.72  1997/07/15 16:32:29  adam
  25  * Bug fix: Match handler didn't terminate the resulting string!
  26  *
  27  * Revision 1.71  1997/07/15 16:28:41  adam
  28  * Bug fix: storeData didn't work with files with multiple records.
  29  * Bug fix: fixed memory management with records; not really well
  30  *  thought through.
  31  *
  32  * Revision 1.70  1997/07/01 13:00:42  adam
  33  * Bug fix in routine searchRecordKey: uninitialized variables.
  34  *
  35  * Revision 1.69  1997/04/29 09:26:03  adam
  36  * Bug fix: generic recordId handling didn't work for compressed internal
  37  * keys.
  38  *
  39  * Revision 1.68  1997/02/12 20:39:45  adam
  40  * Implemented options -f <n> that limits the log to the first <n>
  41  * records.
  42  * Changed some log messages also.
  43  *
  44  * Revision 1.67  1996/11/15 15:02:14  adam
  45  * Minor changes regarding logging.
  46  *
  47  * Revision 1.66  1996/11/14  09:52:21  adam
  48  * Strings in record keys bound by IT_MAX_WORD.
  49  *
  50  * Revision 1.65  1996/11/14  08:57:56  adam
  51  * Reduction of storeKeys area.
  52  *
  53  * Revision 1.64  1996/11/08 11:10:16  adam
  54  * Buffers used during file match got bigger.
  55  * Compressed ISAM support everywhere.
  56  * Bug fixes regarding masking characters in queries.
  57  * Redesigned Regexp-2 queries.
  58  *
  59  * Revision 1.63  1996/10/29 14:09:39  adam
  60  * Use of cisam system - enabled if setting isamc is 1.
  61  *
  62  * Revision 1.62  1996/10/11 10:57:01  adam
  63  * New module recctrl. Used to manage records (extract/retrieval).
  64  * Several files have been moved to the recctrl sub directory.
  65  *
  66  * Revision 1.61  1996/06/06 12:08:37  quinn
  67  * Added showRecord function
  68  *
  69  * Revision 1.60  1996/06/04  10:18:12  adam
  70  * Search/scan uses character mapping module.
  71  *
  72  * Revision 1.59  1996/05/14  15:47:07  adam
  73  * Cleanup of various buffer size entities.
  74  *
  75  * Revision 1.58  1996/05/14  06:16:38  adam
  76  * Compact use/set bytes used in search service.
  77  *
  78  * Revision 1.57  1996/05/13 14:23:04  adam
  79  * Work on compaction of set/use bytes in dictionary.
  80  *
  81  * Revision 1.56  1996/05/09  09:54:42  adam
  82  * Server supports maps from one logical attributes to a list of physical
  83  * attributes.
  84  * The extraction process doesn't make space consuming 'any' keys.
  85  *
  86  * Revision 1.55  1996/05/09  07:28:55  quinn
  87  * Work towards phrases and multiple registers
  88  *
  89  * Revision 1.54  1996/05/01  13:46:35  adam
  90  * First work on multiple records in one file.
  91  * New option, -offset, to the "unread" command in the filter module.
  92  *
  93  * Revision 1.53  1996/04/26  12:09:43  adam
  94  * Added a few comments.
  95  *
  96  * Revision 1.52  1996/04/25  13:27:57  adam
  97  * Function recordExtract modified so that files with no keys (possibly empty)
  98  * are ignored.
  99  *
 100  * Revision 1.51  1996/03/19  11:08:42  adam
 101  * Bug fix: Log preamble wasn't always turned off after recordExtract.
 102  *
 103  * Revision 1.50  1996/02/12  18:45:36  adam
 104  * New fileVerboseFlag in record group control.
 105  *
 106  * Revision 1.49  1996/02/05  12:29:57  adam
 107  * Logging reduced a bit.
 108  * The remaining running time is estimated during register merge.
 109  *
 110  * Revision 1.48  1996/02/01  20:53:26  adam
 111  * The temporary per-record keys are compacted a little, and duplication
 112  * of the per-records keys are avoided when they are saved in the record
 113  * information buffer.
 114  *
 115  * Revision 1.47  1996/01/17  14:57:48  adam
 116  * Prototype changed for reader functions in extract/retrieve. File
 117  *  is identified by 'void *' instead of 'int.
 118  *
 119  * Revision 1.46  1995/12/15  14:57:16  adam
 120  * Bug fix.
 121  *
 122  * Revision 1.45  1995/12/15  12:37:41  adam
 123  * In addRecordKeyAny: Writes key only when attrSet != -1.
 124  *
 125  * Revision 1.44  1995/12/12  16:00:54  adam
 126  * System call sync(2) used after update/commit.
 127  * Locking (based on fcntl) uses F_EXLCK and F_SHLCK instead of F_WRLCK
 128  * and F_RDLCK.
 129  *
 130  * Revision 1.43  1995/12/11  09:12:46  adam
 131  * The rec_get function returns NULL if record doesn't exist - will
 132  * happen in the server if the result set records have been deleted since
 133  * the creation of the set (i.e. the search).
 134  * The server saves a result temporarily if it is 'volatile', i.e. the
 135  * set is register dependent.
 136  *
 137  * Revision 1.42  1995/12/07  17:38:46  adam
 138  * Work locking mechanisms for concurrent updates/commit.
 139  *
 140  * Revision 1.41  1995/12/06  16:06:42  adam
 141  * Better diagnostics. Work on 'real' dictionary deletion.
 142  *
 143  * Revision 1.40  1995/12/05  16:57:40  adam
 144  * More work on regular patterns.
 145  *
 146  * Revision 1.39  1995/12/05  13:20:18  adam
 147  * Bug fix: file_read sometimes returned early EOF.
 148  *
 149  * Revision 1.38  1995/12/04  17:59:21  adam
 150  * More work on regular expression conversion.
 151  *
 152  * Revision 1.37  1995/12/04  14:22:27  adam
 153  * Extra arg to recType_byName.
 154  * Started work on new regular expression parsed input to
 155  * structured records.
 156  *
 157  * Revision 1.36  1995/11/30  08:34:29  adam
 158  * Started work on commit facility.
 159  * Changed a few malloc/free to xmalloc/xfree.
 160  *
 161  * Revision 1.35  1995/11/28  14:26:21  adam
 162  * Bug fix: recordId with constant wasn't right.
 163  * Bug fix: recordId dictionary entry wasn't deleted when needed.
 164  *
 165  * Revision 1.34  1995/11/28  09:09:38  adam
 166  * Zebra config renamed.
 167  * Use setting 'recordId' to identify record now.
 168  * Bug fix in recindex.c: rec_release_blocks was invokeded even
 169  * though the blocks were already released.
 170  * File traversal properly deletes records when needed.
 171  *
 172  * Revision 1.33  1995/11/27  09:56:20  adam
 173  * Record info elements better enumerated. Internal store of records.
 174  *
 175  * Revision 1.32  1995/11/25  10:24:05  adam
 176  * More record fields - they are enumerated now.
 177  * New options: flagStoreData flagStoreKey.
 178  *
 179  * Revision 1.31  1995/11/24  11:31:35  adam
 180  * Commands add & del read filenames from stdin if source directory is
 181  * empty.
 182  * Match criteria supports 'constant' strings.
 183  *
 184  * Revision 1.30  1995/11/22  17:19:16  adam
 185  * Record management uses the bfile system.
 186  *
 187  * Revision 1.29  1995/11/21  15:01:14  adam
 188  * New general match criteria implemented.
 189  * New feature: document groups.
 190  *
 191  * Revision 1.28  1995/11/21  09:20:30  adam
 192  * Yet more work on record match.
 193  *
 194  * Revision 1.27  1995/11/20  16:59:45  adam
 195  * New update method: the 'old' keys are saved for each records.
 196  *
 197  * Revision 1.26  1995/11/20  11:56:24  adam
 198  * Work on new traversal.
 199  *
 200  * Revision 1.25  1995/11/16  15:34:54  adam
 201  * Uses new record management system in both indexer and server.
 202  *
 203  * Revision 1.24  1995/11/15  19:13:08  adam
 204  * Work on record management.
 205  *
 206  * Revision 1.23  1995/10/27  14:00:10  adam
 207  * Implemented detection of database availability.
 208  *
 209  * Revision 1.22  1995/10/17  18:02:07  adam
 210  * New feature: databases. Implemented as prefix to words in dictionary.
 211  *
 212  * Revision 1.21  1995/10/10  12:24:38  adam
 213  * Temporary sort files are compressed.
 214  *
 215  * Revision 1.20  1995/10/06  13:52:05  adam
 216  * Bug fixes. Handler may abort further scanning.
 217  *
 218  * Revision 1.19  1995/10/04  12:55:16  adam
 219  * Bug fix in ranked search. Use=Any keys inserted.
 220  *
 221  * Revision 1.18  1995/10/04  09:37:08  quinn
 222  * Fixed bug.
 223  *
 224  * Revision 1.17  1995/10/03  14:28:57  adam
 225  * Buffered read in extract works.
 226  *
 227  * Revision 1.16  1995/10/03  14:28:45  adam
 228  * Work on more effecient read handler in extract.
 229  *
 230  * Revision 1.15  1995/10/02  15:42:53  adam
 231  * Extract uses file descriptors instead of FILE pointers.
 232  *
 233  * Revision 1.14  1995/10/02  15:29:13  adam
 234  * More logging in file_extract.
 235  *
 236  * Revision 1.13  1995/09/29  14:01:39  adam
 237  * Bug fixes.
 238  *
 239  * Revision 1.12  1995/09/28  14:22:56  adam
 240  * Sort uses smaller temporary files.
 241  *
 242  * Revision 1.11  1995/09/28  12:10:31  adam
 243  * Bug fixes. Field prefix used in queries.
 244  *
 245  * Revision 1.10  1995/09/28  09:19:41  adam
 246  * xfree/xmalloc used everywhere.
 247  * Extract/retrieve method seems to work for text records.
 248  *
 249  * Revision 1.9  1995/09/27  12:22:28  adam
 250  * More work on extract in record control.
 251  * Field name is not in isam keys but in prefix in dictionary words.
 252  *
 253  * Revision 1.8  1995/09/14  07:48:22  adam
 254  * Record control management.
 255  *
 256  * Revision 1.7  1995/09/11  13:09:32  adam
 257  * More work on relevance feedback.
 258  *
 259  * Revision 1.6  1995/09/08  14:52:27  adam
 260  * Minor changes. Dictionary is lower case now.
 261  *
 262  * Revision 1.5  1995/09/06  16:11:16  adam
 263  * Option: only one word key per file.
 264  *
 265  * Revision 1.4  1995/09/05  15:28:39  adam
 266  * More work on search engine.
 267  *
 268  * Revision 1.3  1995/09/04  12:33:41  adam
 269  * Various cleanup. YAZ util used instead.
 270  *
 271  * Revision 1.2  1995/09/04  09:10:34  adam
 272  * More work on index add/del/update.
 273  * Merge sort implemented.
 274  * Initial work on z39 server.
 275  *
 276  * Revision 1.1  1995/09/01  14:06:35  adam
 277  * Split of work into more files.
 278  *
 279  */
 280 #include <stdio.h>
 281 #include <assert.h>
 282 #ifdef WINDOWS
 283 #include <io.h>
 284 #else
 285 #include <unistd.h>
 286 #endif
 287 #include <fcntl.h>
 288
 289 #include <recctrl.h>
 290 #include "index.h"
 291
 292 #include "zinfo.h"
 293
 294 static Dict matchDict;
 295
 296 static Records records = NULL;
 297
 298 static char **key_buf;
 299 static size_t ptr_top;
 300 static size_t ptr_i;
 301 static size_t key_buf_used;
 302 static int key_file_no;
 303
 304 static int records_inserted = 0;
 305 static int records_updated = 0;
 306 static int records_deleted = 0;
 307 static int records_processed = 0;
 308
 309 static ZebTargetInfo *zti = NULL;
 310
 311 static void logRecord (int showFlag)
 312 {
 313     if (!showFlag)
 314         ++records_processed;
 315     if (showFlag || !(records_processed % 1000))
 316     {
 317         logf (LOG_LOG, "Records: %7d i/u/d %d/%d/%d",
 318               records_processed, records_inserted, records_updated,
 319               records_deleted);
 320     }
 321 }
 322
 323 void key_open (BFiles bfs, int mem)
 324 {
 325     if (!mem)
 326         mem = atoi(res_get_def (common_resource, "memMax", "4"))*1024*1024;
 327     if (mem < 50000)
 328         mem = 50000;
 329     key_buf = xmalloc (mem);
 330     ptr_top = mem/sizeof(char*);
 331     ptr_i = 0;
 332
 333     key_buf_used = 0;
 334     key_file_no = 0;
 335
 336     if (!(matchDict = dict_open (bfs, GMATCH_DICT, 50, 1)))
 337     {
 338         logf (LOG_FATAL, "dict_open fail of %s", GMATCH_DICT);
 339         exit (1);
 340     }
 341     assert (!records);
 342     records = rec_open (bfs, 1);
 343 #if 1
 344     zti = zebTargetInfo_open (records, 1);
 345 #endif
 346 }
 347
 348 struct encode_info {
 349     int  sysno;
 350     int  seqno;
 351     char buf[768];
 352 };
 353
 354 void encode_key_init (struct encode_info *i)
 355 {
 356     i->sysno = 0;
 357     i->seqno = 0;
 358 }
 359
 360 char *encode_key_int (int d, char *bp)
 361 {
 362     if (d <= 63)
 363         *bp++ = d;
 364     else if (d <= 16383)
 365     {
 366         *bp++ = 64 + (d>>8);
 367         *bp++ = d  & 255;
 368     }
 369     else if (d <= 4194303)
 370     {
 371         *bp++ = 128 + (d>>16);
 372         *bp++ = (d>>8) & 255;
 373         *bp++ = d & 255;
 374     }
 375     else
 376     {
 377         *bp++ = 192 + (d>>24);
 378         *bp++ = (d>>16) & 255;
 379         *bp++ = (d>>8) & 255;
 380         *bp++ = d & 255;
 381     }
 382     return bp;
 383 }
 384
 385 void encode_key_write (char *k, struct encode_info *i, FILE *outf)
 386 {
 387     struct it_key key;
 388     char *bp = i->buf;
 389
 390     while ((*bp++ = *k++))
 391         ;
 392     memcpy (&key, k+1, sizeof(struct it_key));
 393     bp = encode_key_int ( (key.sysno - i->sysno) * 2 + *k, bp);
 394     if (i->sysno != key.sysno)
 395     {
 396         i->sysno = key.sysno;
 397         i->seqno = 0;
 398     }
 399     bp = encode_key_int (key.seqno - i->seqno, bp);
 400     i->seqno = key.seqno;
 401     if (fwrite (i->buf, bp - i->buf, 1, outf) != 1)
 402     {
 403         logf (LOG_FATAL|LOG_ERRNO, "fwrite");
 404         exit (1);
 405     }
 406 }
 407
 408 #define SORT_EXTRA 0
 409
 410 #if SORT_EXTRA
 411 static int key_y_len;
 412
 413 static int key_y_compare (const void *p1, const void *p2)
 414 {
 415     int r;
 416
 417     if ((r = key_compare (*(char**) p1 + key_y_len + 1,
 418                           *(char**) p2 + key_y_len + 1)))
 419          return r;
 420     return *(*(char**) p1 + key_y_len) - *(*(char**) p2 + key_y_len);
 421 }
 422
 423 static int key_x_compare (const void *p1, const void *p2)
 424 {
 425     return strcmp (*(char**) p1, *(char**) p2);
 426 }
 427 #endif
 428
 429 void key_flush (void)
 430 {
 431     FILE *outf;
 432     char out_fname[200];
 433     char *prevcp, *cp;
 434     struct encode_info encode_info;
 435 #if SORT_EXTRA
 436     int i;
 437 #endif
 438
 439     if (ptr_i <= 0)
 440         return;
 441
 442     key_file_no++;
 443     logf (LOG_LOG, "sorting section %d", key_file_no);
 444 #if !SORT_EXTRA
 445     qsort (key_buf + ptr_top-ptr_i, ptr_i, sizeof(char*), key_qsort_compare);
 446     getFnameTmp (out_fname, key_file_no);
 447
 448     if (!(outf = fopen (out_fname, "w")))
 449     {
 450         logf (LOG_FATAL|LOG_ERRNO, "fopen (4) %s", out_fname);
 451         exit (1);
 452     }
 453     logf (LOG_LOG, "writing section %d", key_file_no);
 454     prevcp = cp = key_buf[ptr_top-ptr_i];
 455
 456     encode_key_init (&encode_info);
 457     encode_key_write (cp, &encode_info, outf);
 458     while (--ptr_i > 0)
 459     {
 460         cp = key_buf[ptr_top-ptr_i];
 461         if (strcmp (cp, prevcp))
 462         {
 463             encode_key_init (&encode_info);
 464             encode_key_write (cp, &encode_info, outf);
 465             prevcp = cp;
 466         }
 467         else
 468             encode_key_write (cp + strlen(cp), &encode_info, outf);
 469     }
 470 #else
 471     qsort (key_buf + ptr_top-ptr_i, ptr_i, sizeof(char*), key_x_compare);
 472     getFnameTmp (out_fname, key_file_no);
 473
 474     if (!(outf = fopen (out_fname, "w")))
 475     {
 476         logf (LOG_FATAL|LOG_ERRNO, "fopen (4) %s", out_fname);
 477         exit (1);
 478     }
 479     logf (LOG_LOG, "writing section %d", key_file_no);
 480     i = ptr_i;
 481     prevcp =  key_buf[ptr_top-i];
 482     while (1)
 483         if (!--i || strcmp (prevcp, key_buf[ptr_top-i]))
 484         {
 485             key_y_len = strlen(prevcp)+1;
 486 #if 0
 487             logf (LOG_LOG, "key_y_len: %2d %02x %02x %s",
 488                       key_y_len, prevcp[0], prevcp[1], 2+prevcp);
 489 #endif
 490             qsort (key_buf + ptr_top-ptr_i, ptr_i - i,
 491                                    sizeof(char*), key_y_compare);
 492             cp = key_buf[ptr_top-ptr_i];
 493             --key_y_len;
 494             encode_key_init (&encode_info);
 495             encode_key_write (cp, &encode_info, outf);
 496             while (--ptr_i > i)
 497             {
 498                 cp = key_buf[ptr_top-ptr_i];
 499                 encode_key_write (cp+key_y_len, &encode_info, outf);
 500             }
 501             if (!i)
 502                 break;
 503             prevcp = key_buf[ptr_top-ptr_i];
 504         }
 505 #endif
 506     if (fclose (outf))
 507     {
 508         logf (LOG_FATAL|LOG_ERRNO, "fclose %s", out_fname);
 509         exit (1);
 510     }
 511     logf (LOG_LOG, "finished section %d", key_file_no);
 512     ptr_i = 0;
 513     key_buf_used = 0;
 514 }
 515
 516 int key_close ()
 517 {
 518     key_flush ();
 519     xfree (key_buf);
 520 #if 1
 521     zebTargetInfo_close (zti, 1);
 522 #endif
 523     rec_close (&records);
 524     dict_close (matchDict);
 525
 526     logRecord (1);
 527     return key_file_no;
 528 }
 529
 530 static void wordInit (RecWord *p)
 531 {
 532     p->attrSet = 1;
 533     p->attrUse = 1016;
 534     p->reg_type = 'w';
 535 }
 536
 537 struct recKeys {
 538     int buf_used;
 539     int buf_max;
 540     char *buf;
 541     char prevAttrSet;
 542     short prevAttrUse;
 543     int prevSeqNo;
 544 } reckeys;
 545
 546 static void addRecordKey (const RecWord *p)
 547 {
 548     char *dst;
 549     char attrSet;
 550     short attrUse;
 551     size_t i;
 552     int lead = 0;
 553     int diff = 0;
 554
 555     if (reckeys.buf_used+1024 > reckeys.buf_max)
 556     {
 557         char *b;
 558
 559         b = xmalloc (reckeys.buf_max += 128000);
 560         if (reckeys.buf_used > 0)
 561             memcpy (b, reckeys.buf, reckeys.buf_used);
 562         xfree (reckeys.buf);
 563         reckeys.buf = b;
 564     }
 565     dst = reckeys.buf + reckeys.buf_used;
 566
 567     attrSet = p->attrSet;
 568     if (reckeys.buf_used > 0 && reckeys.prevAttrSet == attrSet)
 569         lead |= 1;
 570     else
 571         reckeys.prevAttrSet = attrSet;
 572     attrUse = p->attrUse;
 573     if (reckeys.buf_used > 0 && reckeys.prevAttrUse == attrUse)
 574         lead |= 2;
 575     else
 576         reckeys.prevAttrUse = attrUse;
 577 #if 1
 578     diff = 1 + p->seqno - reckeys.prevSeqNo;
 579     if (diff >= 1 && diff <= 15)
 580         lead |= (diff << 2);
 581     else
 582         diff = 0;
 583 #endif
 584     reckeys.prevSeqNo = p->seqno;
 585
 586     *dst++ = lead;
 587
 588     if (!(lead & 1))
 589     {
 590         memcpy (dst, &attrSet, sizeof(attrSet));
 591         dst += sizeof(attrSet);
 592     }
 593     if (!(lead & 2))
 594     {
 595         memcpy (dst, &attrUse, sizeof(attrUse));
 596         dst += sizeof(attrUse);
 597     }
 598     *dst++ = p->reg_type;
 599     for (i = 0; p->string[i] && i < IT_MAX_WORD-3; i++)
 600         *dst++ = p->string[i];
 601     *dst++ = '\0';
 602
 603     if (!diff)
 604     {
 605         memcpy (dst, &p->seqno, sizeof(p->seqno));
 606         dst += sizeof(p->seqno);
 607     }
 608     reckeys.buf_used = dst - reckeys.buf;
 609 }
 610
 611 static void flushRecordKeys (SYSNO sysno, int cmd, struct recKeys *reckeys,
 612                              const char *databaseName)
 613 {
 614     char attrSet = -1;
 615     short attrUse = -1;
 616     int seqno = 0;
 617     int off = 0;
 618
 619     if (zebTargetInfo_curDatabase (zti, databaseName))
 620     {
 621         if (zebTargetInfo_newDatabase (zti, databaseName))
 622             abort ();
 623     }
 624     while (off < reckeys->buf_used)
 625     {
 626         const char *src = reckeys->buf + off;
 627         struct it_key key;
 628         int lead, ch;
 629
 630         lead = *src++;
 631
 632         if (!(lead & 1))
 633         {
 634             memcpy (&attrSet, src, sizeof(attrSet));
 635             src += sizeof(attrSet);
 636         }
 637         if (!(lead & 2))
 638         {
 639             memcpy (&attrUse, src, sizeof(attrUse));
 640             src += sizeof(attrUse);
 641         }
 642         if (key_buf_used + 1024 > (ptr_top-ptr_i)*sizeof(char*))
 643             key_flush ();
 644         ++ptr_i;
 645         key_buf[ptr_top-ptr_i] = (char*)key_buf + key_buf_used;
 646
 647         ch = zebTargetInfo_lookupSU (zti, attrSet, attrUse);
 648         if (ch < 0)
 649             ch = zebTargetInfo_addSU (zti, attrSet, attrUse);
 650         assert (ch > 0);
 651         ((char*) key_buf) [key_buf_used++] = ch;
 652         while (*src)
 653             ((char*)key_buf) [key_buf_used++] = *src++;
 654         src++;
 655         ((char*)key_buf) [key_buf_used++] = '\0';
 656         ((char*) key_buf)[key_buf_used++] = cmd;
 657
 658         if (lead & 60)
 659             seqno += ((lead>>2) & 15)-1;
 660         else
 661         {
 662             memcpy (&seqno, src, sizeof(seqno));
 663             src += sizeof(seqno);
 664         }
 665         key.seqno = seqno;
 666         key.sysno = sysno;
 667         memcpy ((char*)key_buf + key_buf_used, &key, sizeof(key));
 668         key_buf_used += sizeof(key);
 669         off = src - reckeys->buf;
 670     }
 671     assert (off == reckeys->buf_used);
 672 }
 673
 674 static const char **searchRecordKey (struct recKeys *reckeys,
 675                                int attrSetS, int attrUseS)
 676 {
 677     static const char *ws[32];
 678     int off = 0;
 679     int startSeq = -1;
 680     int i;
 681     short attrUse;
 682     char attrSet;
 683     int seqno = 0;
 684
 685     for (i = 0; i<32; i++)
 686         ws[i] = NULL;
 687
 688     while (off < reckeys->buf_used)
 689     {
 690
 691         const char *src = reckeys->buf + off;
 692         const char *wstart;
 693         int lead;
 694
 695         lead = *src++;
 696
 697         if (!(lead & 1))
 698         {
 699             memcpy (&attrSet, src, sizeof(attrSet));
 700             src += sizeof(attrSet);
 701         }
 702         if (!(lead & 2))
 703         {
 704             memcpy (&attrUse, src, sizeof(attrUse));
 705             src += sizeof(attrUse);
 706         }
 707         wstart = src;
 708         while (*src++)
 709             ;
 710         if (lead & 60)
 711             seqno += ((lead>>2) & 15)-1;
 712         else
 713         {
 714             memcpy (&seqno, src, sizeof(seqno));
 715             src += sizeof(seqno);
 716         }
 717         if (attrUseS == attrUse && attrSetS == attrSet)
 718         {
 719             int woff;
 720
 721
 722             if (startSeq == -1)
 723                 startSeq = seqno;
 724             woff = seqno - startSeq;
 725             if (woff >= 0 && woff < 31)
 726                 ws[woff] = wstart;
 727         }
 728
 729         off = src - reckeys->buf;
 730     }
 731     assert (off == reckeys->buf_used);
 732     return ws;
 733 }
 734
 735 struct file_read_info {
 736     off_t file_max;
 737     off_t file_offset;
 738     off_t file_moffset;
 739     int file_more;
 740     int fd;
 741 };
 742
 743 static struct file_read_info *file_read_start (int fd)
 744 {
 745     struct file_read_info *fi = xmalloc (sizeof(*fi));
 746
 747     fi->fd = fd;
 748     fi->file_max = 0;
 749     fi->file_moffset = 0;
 750     return fi;
 751 }
 752
 753 static void file_read_stop (struct file_read_info *fi)
 754 {
 755     assert (fi);
 756     xfree (fi);
 757 }
 758
 759 static off_t file_seek (void *handle, off_t offset)
 760 {
 761     struct file_read_info *p = handle;
 762     p->file_offset = offset;
 763     return lseek (p->fd, offset, SEEK_SET);
 764 }
 765
 766 static off_t file_tell (void *handle)
 767 {
 768     struct file_read_info *p = handle;
 769     return p->file_offset;
 770 }
 771
 772 static int file_read (void *handle, char *buf, size_t count)
 773 {
 774     struct file_read_info *p = handle;
 775     int fd = p->fd;
 776     int r;
 777     r = read (fd, buf, count);
 778     if (r > 0)
 779     {
 780         p->file_offset += r;
 781         if (p->file_offset > p->file_max)
 782             p->file_max = p->file_offset;
 783     }
 784     return r;
 785 }
 786
 787 static void file_begin (void *handle)
 788 {
 789     struct file_read_info *p = handle;
 790
 791     p->file_offset = p->file_moffset;
 792     if (p->file_moffset)
 793         lseek (p->fd, p->file_moffset, SEEK_SET);
 794     p->file_more = 0;
 795 }
 796
 797 static void file_end (void *handle, off_t offset)
 798 {
 799     struct file_read_info *p = handle;
 800
 801     assert (p->file_more == 0);
 802     p->file_more = 1;
 803     p->file_moffset = offset;
 804 }
 805
 806 static int atois (const char **s)
 807 {
 808     int val = 0, c;
 809     while ( (c=**s) >= '0' && c <= '9')
 810     {
 811         val = val*10 + c - '0';
 812         ++(*s);
 813     }
 814     return val;
 815 }
 816
 817 static char *fileMatchStr (struct recKeys *reckeys, struct recordGroup *rGroup,
 818                            const char *fname,
 819                            const char *spec)
 820 {
 821     static char dstBuf[2048];
 822     char *dst = dstBuf;
 823     const char *s = spec;
 824     static const char **w;
 825     int i;
 826
 827     while (1)
 828     {
 829         while (*s == ' ' || *s == '\t')
 830             s++;
 831         if (!*s)
 832             break;
 833         if (*s == '(')
 834         {
 835             char matchFlag[32];
 836             int attrSet, attrUse;
 837             int first = 1;
 838
 839             s++;
 840             attrSet = atois (&s);
 841             if (*s != ',')
 842             {
 843                 logf (LOG_WARN, "Missing , in match criteria %s in group %s",
 844                       spec, rGroup->groupName ? rGroup->groupName : "none");
 845                 return NULL;
 846             }
 847             s++;
 848             attrUse = atois (&s);
 849             w = searchRecordKey (reckeys, attrSet, attrUse);
 850             assert (w);
 851
 852             if (*s == ')')
 853             {
 854                 for (i = 0; i<32; i++)
 855                     matchFlag[i] = 1;
 856             }
 857             else
 858             {
 859                 logf (LOG_WARN, "Missing ) in match criteria %s in group %s",
 860                       spec, rGroup->groupName ? rGroup->groupName : "none");
 861                 return NULL;
 862             }
 863             s++;
 864
 865             for (i = 0; i<32; i++)
 866                 if (matchFlag[i] && w[i])
 867                 {
 868                     if (first)
 869                     {
 870                         *dst++ = ' ';
 871                         first = 0;
 872                     }
 873                     strcpy (dst, w[i]);
 874                     dst += strlen(w[i]);
 875                 }
 876             if (first)
 877             {
 878                 logf (LOG_WARN, "Record didn't contain match"
 879                       " fields in (%d,%d)", attrSet, attrUse);
 880                 return NULL;
 881             }
 882         }
 883         else if (*s == '$')
 884         {
 885             int spec_len;
 886             char special[64];
 887             const char *spec_src = NULL;
 888             const char *s1 = ++s;
 889             while (*s1 && *s1 != ' ' && *s1 != '\t')
 890                 s1++;
 891
 892             spec_len = s1 - s;
 893             if (spec_len > 63)
 894                 spec_len = 63;
 895             memcpy (special, s, spec_len);
 896             special[spec_len] = '\0';
 897             s = s1;
 898
 899             if (!strcmp (special, "group"))
 900                 spec_src = rGroup->groupName;
 901             else if (!strcmp (special, "database"))
 902                 spec_src = rGroup->databaseName;
 903             else if (!strcmp (special, "filename"))
 904                 spec_src = fname;
 905             else if (!strcmp (special, "type"))
 906                 spec_src = rGroup->recordType;
 907             else
 908                 spec_src = NULL;
 909             if (spec_src)
 910             {
 911                 strcpy (dst, spec_src);
 912                 dst += strlen (spec_src);
 913             }
 914         }
 915         else if (*s == '\"' || *s == '\'')
 916         {
 917             int stopMarker = *s++;
 918             char tmpString[64];
 919             int i = 0;
 920
 921             while (*s && *s != stopMarker)
 922             {
 923                 if (i < 63)
 924                     tmpString[i++] = *s++;
 925             }
 926             if (*s)
 927                 s++;
 928             tmpString[i] = '\0';
 929             strcpy (dst, tmpString);
 930             dst += strlen (tmpString);
 931         }
 932         else
 933         {
 934             logf (LOG_WARN, "Syntax error in match criteria %s in group %s",
 935                   spec, rGroup->groupName ? rGroup->groupName : "none");
 936             return NULL;
 937         }
 938         *dst++ = 1;
 939     }
 940     if (dst == dstBuf)
 941     {
 942         logf (LOG_WARN, "No match criteria for record %s in group %s",
 943               fname, rGroup->groupName ? rGroup->groupName : "none");
 944         return NULL;
 945     }
 946     *dst = '\0';
 947     return dstBuf;
 948 }
 949
 950 struct recordLogInfo {
 951     const char *fname;
 952     int recordOffset;
 953     struct recordGroup *rGroup;
 954 };
 955
 956 static void recordLogPreamble (int level, const char *msg, void *info)
 957 {
 958     struct recordLogInfo *p = info;
 959     FILE *outf = log_file ();
 960
 961     if (level & LOG_LOG)
 962         return ;
 963     fprintf (outf, "File %s, offset %d, type %s\n",
 964              p->rGroup->recordType, p->recordOffset, p->fname);
 965     log_event_start (NULL, NULL);
 966 }
 967
 968 static int recordExtract (SYSNO *sysno, const char *fname,
 969                           struct recordGroup *rGroup, int deleteFlag,
 970                           struct file_read_info *fi, RecType recType,
 971                           char *subType)
 972 {
 973     struct recExtractCtrl extractCtrl;
 974     int r;
 975     char *matchStr;
 976     SYSNO sysnotmp;
 977     off_t recordOffset = 0;
 978     Record rec;
 979     struct recordLogInfo logInfo;
 980
 981     if (fi->fd != -1)
 982     {
 983         /* we are going to read from a file, so prepare the extraction */
 984         extractCtrl.fh = fi;
 985         extractCtrl.subType = subType;
 986         extractCtrl.init = wordInit;
 987         extractCtrl.add = addRecordKey;
 988         extractCtrl.dh = rGroup->dh;
 989
 990         reckeys.buf_used = 0;
 991         reckeys.prevAttrUse = -1;
 992         reckeys.prevAttrSet = -1;
 993         reckeys.prevSeqNo = 0;
 994
 995         recordOffset = fi->file_moffset;
 996         extractCtrl.offset = recordOffset;
 997         extractCtrl.readf = file_read;
 998         extractCtrl.seekf = file_seek;
 999         extractCtrl.tellf = file_tell;
1000         extractCtrl.endf = file_end;
1001         extractCtrl.zebra_maps = rGroup->zebra_maps;
1002         extractCtrl.flagShowRecords = rGroup->flagShowRecords;
1003         if (rGroup->flagShowRecords)
1004             printf ("File: %s %ld\n", fname, (long) recordOffset);
1005
1006         logInfo.fname = fname;
1007         logInfo.recordOffset = recordOffset;
1008         logInfo.rGroup = rGroup;
1009         log_event_start (recordLogPreamble, &logInfo);
1010
1011         r = (*recType->extract)(&extractCtrl);
1012
1013         log_event_start (NULL, NULL);
1014
1015         if (r)
1016         {
1017             /* error occured during extraction ... */
1018             if (!rGroup->flagShowRecords &&
1019                     records_processed < rGroup->fileVerboseLimit)
1020             {
1021                 logf (LOG_WARN, "fail %s %s %ld code = %d", rGroup->recordType,
1022                       fname, (long) recordOffset, r);
1023             }
1024             return 0;
1025         }
1026         if (reckeys.buf_used == 0)
1027         {
1028             /* the extraction process returned no information - the record
1029                is probably empty - unless flagShowRecords is in use */
1030             if (rGroup->flagShowRecords)
1031                 return 1;
1032             logf (LOG_WARN, "No keys generated for file %s", fname);
1033             logf (LOG_WARN, " The file is probably empty");
1034             return 0;
1035         }
1036     }
1037
1038     /* perform match if sysno not known and if match criteria is specified */
1039
1040     matchStr = NULL;
1041     if (!sysno)
1042     {
1043         sysnotmp = 0;
1044         sysno = &sysnotmp;
1045         if (rGroup->recordId && *rGroup->recordId)
1046         {
1047             char *rinfo;
1048
1049             matchStr = fileMatchStr (&reckeys, rGroup, fname,
1050                                      rGroup->recordId);
1051             if (matchStr)
1052             {
1053                 rinfo = dict_lookup (matchDict, matchStr);
1054                 if (rinfo)
1055                     memcpy (sysno, rinfo+1, sizeof(*sysno));
1056             }
1057             else
1058             {
1059                 logf (LOG_WARN, "Bad match criteria");
1060                 return 0;
1061             }
1062         }
1063     }
1064
1065     if (! *sysno)
1066     {
1067         /* new record */
1068         if (deleteFlag)
1069         {
1070             logf (LOG_LOG, "Cannot delete new record");
1071             return 1;
1072         }
1073         if (records_processed < rGroup->fileVerboseLimit)
1074             logf (LOG_LOG, "add %s %s %ld", rGroup->recordType,
1075                   fname, (long) recordOffset);
1076         rec = rec_new (records);
1077         *sysno = rec->sysno;
1078
1079         if (matchStr)
1080         {
1081             dict_insert (matchDict, matchStr, sizeof(*sysno), sysno);
1082         }
1083         flushRecordKeys (*sysno, 1, &reckeys, rGroup->databaseName);
1084
1085         records_inserted++;
1086     }
1087     else
1088     {
1089         /* record already exists */
1090         struct recKeys delkeys;
1091
1092         rec = rec_get (records, *sysno);
1093         assert (rec);
1094         delkeys.buf_used = rec->size[recInfo_delKeys];
1095         delkeys.buf = rec->info[recInfo_delKeys];
1096         flushRecordKeys (*sysno, 0, &delkeys, rec->info[recInfo_databaseName]);
1097         if (deleteFlag)
1098         {
1099             /* record going to be deleted */
1100             if (!delkeys.buf_used)
1101             {
1102                 logf (LOG_LOG, "delete %s %s %ld", rGroup->recordType,
1103                       fname, (long) recordOffset);
1104                 logf (LOG_WARN, "cannot delete file above, storeKeys false");
1105             }
1106             else
1107             {
1108                 if (records_processed < rGroup->fileVerboseLimit)
1109                     logf (LOG_LOG, "delete %s %s %ld", rGroup->recordType,
1110                           fname, (long) recordOffset);
1111                 records_deleted++;
1112                 if (matchStr)
1113                     dict_delete (matchDict, matchStr);
1114                 rec_del (records, &rec);
1115             }
1116             logRecord (0);
1117             return 1;
1118         }
1119         else
1120         {
1121             /* record going to be updated */
1122             if (!delkeys.buf_used)
1123             {
1124                 logf (LOG_LOG, "update %s %s %ld", rGroup->recordType,
1125                       fname, (long) recordOffset);
1126                 logf (LOG_WARN, "cannot update file above, storeKeys false");
1127             }
1128             else
1129             {
1130                 if (records_processed < rGroup->fileVerboseLimit)
1131                     logf (LOG_LOG, "update %s %s %ld", rGroup->recordType,
1132                           fname, (long) recordOffset);
1133                 flushRecordKeys (*sysno, 1, &reckeys, rGroup->databaseName);
1134                 records_updated++;
1135             }
1136         }
1137     }
1138     /* update file type */
1139     xfree (rec->info[recInfo_fileType]);
1140     rec->info[recInfo_fileType] =
1141         rec_strdup (rGroup->recordType, &rec->size[recInfo_fileType]);
1142
1143     /* update filename */
1144     xfree (rec->info[recInfo_filename]);
1145     rec->info[recInfo_filename] =
1146         rec_strdup (fname, &rec->size[recInfo_filename]);
1147
1148     /* update delete keys */
1149     xfree (rec->info[recInfo_delKeys]);
1150     if (reckeys.buf_used > 0 && rGroup->flagStoreKeys == 1)
1151     {
1152 #if 1
1153         rec->size[recInfo_delKeys] = reckeys.buf_used;
1154         rec->info[recInfo_delKeys] = reckeys.buf;
1155         reckeys.buf = NULL;
1156         reckeys.buf_max = 0;
1157 #else
1158         rec->info[recInfo_delKeys] = xmalloc (reckeys.buf_used);
1159         rec->size[recInfo_delKeys] = reckeys.buf_used;
1160         memcpy (rec->info[recInfo_delKeys], reckeys.buf,
1161                 rec->size[recInfo_delKeys]);
1162 #endif
1163     }
1164     else
1165     {
1166         rec->info[recInfo_delKeys] = NULL;
1167         rec->size[recInfo_delKeys] = 0;
1168     }
1169
1170     /* update store data */
1171     xfree (rec->info[recInfo_storeData]);
1172     if (rGroup->flagStoreData == 1)
1173     {
1174         int size = fi->file_moffset - recordOffset;
1175         if (!size)
1176             size = fi->file_max - recordOffset;
1177         rec->size[recInfo_storeData] = size;
1178         rec->info[recInfo_storeData] = xmalloc (size);
1179         if (lseek (fi->fd, recordOffset, SEEK_SET) < 0)
1180         {
1181             logf (LOG_ERRNO|LOG_FATAL, "seek to %ld in %s", fname,
1182                   (long) recordOffset);
1183             exit (1);
1184         }
1185         if (read (fi->fd, rec->info[recInfo_storeData], size) < size)
1186         {
1187             logf (LOG_ERRNO|LOG_FATAL, "read %d bytes of %s",
1188                   fi->file_max, fname);
1189             exit (1);
1190         }
1191     }
1192     else
1193     {
1194         rec->info[recInfo_storeData] = NULL;
1195         rec->size[recInfo_storeData] = 0;
1196     }
1197     /* update database name */
1198     xfree (rec->info[recInfo_databaseName]);
1199     rec->info[recInfo_databaseName] =
1200         rec_strdup (rGroup->databaseName, &rec->size[recInfo_databaseName]);
1201
1202     /* update offset */
1203     xfree (rec->info[recInfo_offset]);
1204
1205     rec->size[recInfo_offset] = sizeof(recordOffset);
1206     rec->info[recInfo_offset] = xmalloc (sizeof(recordOffset));
1207     memcpy (rec->info[recInfo_offset], &recordOffset, sizeof(recordOffset));
1208
1209     /* commit this record */
1210     rec_put (records, &rec);
1211     logRecord (0);
1212     return 1;
1213 }
1214
1215 int fileExtract (SYSNO *sysno, const char *fname,
1216                  const struct recordGroup *rGroupP, int deleteFlag)
1217 {
1218     int r, i, fd;
1219     char gprefix[128];
1220     char ext[128];
1221     char ext_res[128];
1222     char subType[128];
1223     RecType recType;
1224     struct recordGroup rGroupM;
1225     struct recordGroup *rGroup = &rGroupM;
1226     struct file_read_info *fi;
1227
1228     memcpy (rGroup, rGroupP, sizeof(*rGroupP));
1229
1230     if (!rGroup->groupName || !*rGroup->groupName)
1231         *gprefix = '\0';
1232     else
1233         sprintf (gprefix, "%s.", rGroup->groupName);
1234
1235     logf (LOG_DEBUG, "fileExtract %s", fname);
1236
1237     /* determine file extension */
1238     for (i = strlen(fname); --i >= 0; )
1239         if (fname[i] == '/')
1240         {
1241             strcpy (ext, "");
1242             break;
1243         }
1244         else if (fname[i] == '.')
1245         {
1246             strcpy (ext, fname+i+1);
1247             break;
1248         }
1249     /* determine file type - depending on extension */
1250     if (!rGroup->recordType)
1251     {
1252         sprintf (ext_res, "%srecordType.%s", gprefix, ext);
1253         if (!(rGroup->recordType = res_get (common_resource, ext_res)))
1254         {
1255             sprintf (ext_res, "%srecordType", gprefix);
1256             if (!(rGroup->recordType = res_get (common_resource, ext_res)))
1257             {
1258                 if (records_processed < rGroup->fileVerboseLimit)
1259                     logf (LOG_LOG, "? %s", fname);
1260                 return 0;
1261             }
1262         }
1263     }
1264     if (!rGroup->recordType)
1265     {
1266         if (records_processed < rGroup->fileVerboseLimit)
1267             logf (LOG_LOG, "? record %s", fname);
1268         return 0;
1269     }
1270     if (!(recType = recType_byName (rGroup->recordType, subType)))
1271     {
1272         logf (LOG_WARN, "No such record type: %s", rGroup->recordType);
1273         return 0;
1274     }
1275
1276     /* determine match criteria */
1277     if (!rGroup->recordId)
1278     {
1279         sprintf (ext_res, "%srecordId.%s", gprefix, ext);
1280         rGroup->recordId = res_get (common_resource, ext_res);
1281     }
1282
1283     /* determine database name */
1284     if (!rGroup->databaseName)
1285     {
1286         sprintf (ext_res, "%sdatabase.%s", gprefix, ext);
1287         if (!(rGroup->databaseName = res_get (common_resource, ext_res)))
1288         {
1289             sprintf (ext_res, "%sdatabase", gprefix);
1290             rGroup->databaseName = res_get (common_resource, ext_res);
1291         }
1292     }
1293     if (!rGroup->databaseName)
1294         rGroup->databaseName = "Default";
1295
1296     if (rGroup->flagStoreData == -1)
1297     {
1298         const char *sval;
1299         sprintf (ext_res, "%sstoreData.%s", gprefix, ext);
1300         if (!(sval = res_get (common_resource, ext_res)))
1301         {
1302             sprintf (ext_res, "%sstoreData", gprefix);
1303             sval = res_get (common_resource, ext_res);
1304         }
1305         if (sval)
1306             rGroup->flagStoreData = atoi (sval);
1307     }
1308     if (rGroup->flagStoreData == -1)
1309         rGroup->flagStoreData = 0;
1310
1311     if (rGroup->flagStoreKeys == -1)
1312     {
1313         const char *sval;
1314
1315         sprintf (ext_res, "%sstoreKeys.%s", gprefix, ext);
1316         if (!(sval = res_get (common_resource, ext_res)))
1317         {
1318             sprintf (ext_res, "%sstoreKeys", gprefix);
1319             sval = res_get (common_resource, ext_res);
1320         }
1321         if (sval)
1322             rGroup->flagStoreKeys = atoi (sval);
1323     }
1324     if (rGroup->flagStoreKeys == -1)
1325         rGroup->flagStoreKeys = 0;
1326
1327     if (sysno && deleteFlag)
1328         fd = -1;
1329     else
1330     {
1331         if ((fd = open (fname, O_BINARY|O_RDONLY)) == -1)
1332         {
1333             logf (LOG_WARN|LOG_ERRNO, "open %s", fname);
1334             return 0;
1335         }
1336     }
1337     fi = file_read_start (fd);
1338     do
1339     {
1340         file_begin (fi);
1341         r = recordExtract (sysno, fname, rGroup, deleteFlag, fi,
1342                            recType, subType);
1343     } while (r && !sysno && fi->file_more);
1344     file_read_stop (fi);
1345     if (fd != -1)
1346         close (fd);
1347     return r;
1348 }
1349