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 1.74  1997-09-09 13:38:06  adam
   8  * Partial port to WIN95/NT.
   9  *
  10  * Revision 1.73  1997/09/04 13:57:20  adam
  11  * New file extract/retrieve method tellf (added).
  12  * Added O_BINARY for open calls.
  13  *
  14  * Revision 1.72  1997/07/15 16:32:29  adam
  15  * Bug fix: Match handler didn't terminate the resulting string!
  16  *
  17  * Revision 1.71  1997/07/15 16:28:41  adam
  18  * Bug fix: storeData didn't work with files with multiple records.
  19  * Bug fix: fixed memory management with records; not really well
  20  *  thought through.
  21  *
  22  * Revision 1.70  1997/07/01 13:00:42  adam
  23  * Bug fix in routine searchRecordKey: uninitialized variables.
  24  *
  25  * Revision 1.69  1997/04/29 09:26:03  adam
  26  * Bug fix: generic recordId handling didn't work for compressed internal
  27  * keys.
  28  *
  29  * Revision 1.68  1997/02/12 20:39:45  adam
  30  * Implemented options -f <n> that limits the log to the first <n>
  31  * records.
  32  * Changed some log messages also.
  33  *
  34  * Revision 1.67  1996/11/15 15:02:14  adam
  35  * Minor changes regarding logging.
  36  *
  37  * Revision 1.66  1996/11/14  09:52:21  adam
  38  * Strings in record keys bound by IT_MAX_WORD.
  39  *
  40  * Revision 1.65  1996/11/14  08:57:56  adam
  41  * Reduction of storeKeys area.
  42  *
  43  * Revision 1.64  1996/11/08 11:10:16  adam
  44  * Buffers used during file match got bigger.
  45  * Compressed ISAM support everywhere.
  46  * Bug fixes regarding masking characters in queries.
  47  * Redesigned Regexp-2 queries.
  48  *
  49  * Revision 1.63  1996/10/29 14:09:39  adam
  50  * Use of cisam system - enabled if setting isamc is 1.
  51  *
  52  * Revision 1.62  1996/10/11 10:57:01  adam
  53  * New module recctrl. Used to manage records (extract/retrieval).
  54  * Several files have been moved to the recctrl sub directory.
  55  *
  56  * Revision 1.61  1996/06/06 12:08:37  quinn
  57  * Added showRecord function
  58  *
  59  * Revision 1.60  1996/06/04  10:18:12  adam
  60  * Search/scan uses character mapping module.
  61  *
  62  * Revision 1.59  1996/05/14  15:47:07  adam
  63  * Cleanup of various buffer size entities.
  64  *
  65  * Revision 1.58  1996/05/14  06:16:38  adam
  66  * Compact use/set bytes used in search service.
  67  *
  68  * Revision 1.57  1996/05/13 14:23:04  adam
  69  * Work on compaction of set/use bytes in dictionary.
  70  *
  71  * Revision 1.56  1996/05/09  09:54:42  adam
  72  * Server supports maps from one logical attributes to a list of physical
  73  * attributes.
  74  * The extraction process doesn't make space consuming 'any' keys.
  75  *
  76  * Revision 1.55  1996/05/09  07:28:55  quinn
  77  * Work towards phrases and multiple registers
  78  *
  79  * Revision 1.54  1996/05/01  13:46:35  adam
  80  * First work on multiple records in one file.
  81  * New option, -offset, to the "unread" command in the filter module.
  82  *
  83  * Revision 1.53  1996/04/26  12:09:43  adam
  84  * Added a few comments.
  85  *
  86  * Revision 1.52  1996/04/25  13:27:57  adam
  87  * Function recordExtract modified so that files with no keys (possibly empty)
  88  * are ignored.
  89  *
  90  * Revision 1.51  1996/03/19  11:08:42  adam
  91  * Bug fix: Log preamble wasn't always turned off after recordExtract.
  92  *
  93  * Revision 1.50  1996/02/12  18:45:36  adam
  94  * New fileVerboseFlag in record group control.
  95  *
  96  * Revision 1.49  1996/02/05  12:29:57  adam
  97  * Logging reduced a bit.
  98  * The remaining running time is estimated during register merge.
  99  *
 100  * Revision 1.48  1996/02/01  20:53:26  adam
 101  * The temporary per-record keys are compacted a little, and duplication
 102  * of the per-records keys are avoided when they are saved in the record
 103  * information buffer.
 104  *
 105  * Revision 1.47  1996/01/17  14:57:48  adam
 106  * Prototype changed for reader functions in extract/retrieve. File
 107  *  is identified by 'void *' instead of 'int.
 108  *
 109  * Revision 1.46  1995/12/15  14:57:16  adam
 110  * Bug fix.
 111  *
 112  * Revision 1.45  1995/12/15  12:37:41  adam
 113  * In addRecordKeyAny: Writes key only when attrSet != -1.
 114  *
 115  * Revision 1.44  1995/12/12  16:00:54  adam
 116  * System call sync(2) used after update/commit.
 117  * Locking (based on fcntl) uses F_EXLCK and F_SHLCK instead of F_WRLCK
 118  * and F_RDLCK.
 119  *
 120  * Revision 1.43  1995/12/11  09:12:46  adam
 121  * The rec_get function returns NULL if record doesn't exist - will
 122  * happen in the server if the result set records have been deleted since
 123  * the creation of the set (i.e. the search).
 124  * The server saves a result temporarily if it is 'volatile', i.e. the
 125  * set is register dependent.
 126  *
 127  * Revision 1.42  1995/12/07  17:38:46  adam
 128  * Work locking mechanisms for concurrent updates/commit.
 129  *
 130  * Revision 1.41  1995/12/06  16:06:42  adam
 131  * Better diagnostics. Work on 'real' dictionary deletion.
 132  *
 133  * Revision 1.40  1995/12/05  16:57:40  adam
 134  * More work on regular patterns.
 135  *
 136  * Revision 1.39  1995/12/05  13:20:18  adam
 137  * Bug fix: file_read sometimes returned early EOF.
 138  *
 139  * Revision 1.38  1995/12/04  17:59:21  adam
 140  * More work on regular expression conversion.
 141  *
 142  * Revision 1.37  1995/12/04  14:22:27  adam
 143  * Extra arg to recType_byName.
 144  * Started work on new regular expression parsed input to
 145  * structured records.
 146  *
 147  * Revision 1.36  1995/11/30  08:34:29  adam
 148  * Started work on commit facility.
 149  * Changed a few malloc/free to xmalloc/xfree.
 150  *
 151  * Revision 1.35  1995/11/28  14:26:21  adam
 152  * Bug fix: recordId with constant wasn't right.
 153  * Bug fix: recordId dictionary entry wasn't deleted when needed.
 154  *
 155  * Revision 1.34  1995/11/28  09:09:38  adam
 156  * Zebra config renamed.
 157  * Use setting 'recordId' to identify record now.
 158  * Bug fix in recindex.c: rec_release_blocks was invokeded even
 159  * though the blocks were already released.
 160  * File traversal properly deletes records when needed.
 161  *
 162  * Revision 1.33  1995/11/27  09:56:20  adam
 163  * Record info elements better enumerated. Internal store of records.
 164  *
 165  * Revision 1.32  1995/11/25  10:24:05  adam
 166  * More record fields - they are enumerated now.
 167  * New options: flagStoreData flagStoreKey.
 168  *
 169  * Revision 1.31  1995/11/24  11:31:35  adam
 170  * Commands add & del read filenames from stdin if source directory is
 171  * empty.
 172  * Match criteria supports 'constant' strings.
 173  *
 174  * Revision 1.30  1995/11/22  17:19:16  adam
 175  * Record management uses the bfile system.
 176  *
 177  * Revision 1.29  1995/11/21  15:01:14  adam
 178  * New general match criteria implemented.
 179  * New feature: document groups.
 180  *
 181  * Revision 1.28  1995/11/21  09:20:30  adam
 182  * Yet more work on record match.
 183  *
 184  * Revision 1.27  1995/11/20  16:59:45  adam
 185  * New update method: the 'old' keys are saved for each records.
 186  *
 187  * Revision 1.26  1995/11/20  11:56:24  adam
 188  * Work on new traversal.
 189  *
 190  * Revision 1.25  1995/11/16  15:34:54  adam
 191  * Uses new record management system in both indexer and server.
 192  *
 193  * Revision 1.24  1995/11/15  19:13:08  adam
 194  * Work on record management.
 195  *
 196  * Revision 1.23  1995/10/27  14:00:10  adam
 197  * Implemented detection of database availability.
 198  *
 199  * Revision 1.22  1995/10/17  18:02:07  adam
 200  * New feature: databases. Implemented as prefix to words in dictionary.
 201  *
 202  * Revision 1.21  1995/10/10  12:24:38  adam
 203  * Temporary sort files are compressed.
 204  *
 205  * Revision 1.20  1995/10/06  13:52:05  adam
 206  * Bug fixes. Handler may abort further scanning.
 207  *
 208  * Revision 1.19  1995/10/04  12:55:16  adam
 209  * Bug fix in ranked search. Use=Any keys inserted.
 210  *
 211  * Revision 1.18  1995/10/04  09:37:08  quinn
 212  * Fixed bug.
 213  *
 214  * Revision 1.17  1995/10/03  14:28:57  adam
 215  * Buffered read in extract works.
 216  *
 217  * Revision 1.16  1995/10/03  14:28:45  adam
 218  * Work on more effecient read handler in extract.
 219  *
 220  * Revision 1.15  1995/10/02  15:42:53  adam
 221  * Extract uses file descriptors instead of FILE pointers.
 222  *
 223  * Revision 1.14  1995/10/02  15:29:13  adam
 224  * More logging in file_extract.
 225  *
 226  * Revision 1.13  1995/09/29  14:01:39  adam
 227  * Bug fixes.
 228  *
 229  * Revision 1.12  1995/09/28  14:22:56  adam
 230  * Sort uses smaller temporary files.
 231  *
 232  * Revision 1.11  1995/09/28  12:10:31  adam
 233  * Bug fixes. Field prefix used in queries.
 234  *
 235  * Revision 1.10  1995/09/28  09:19:41  adam
 236  * xfree/xmalloc used everywhere.
 237  * Extract/retrieve method seems to work for text records.
 238  *
 239  * Revision 1.9  1995/09/27  12:22:28  adam
 240  * More work on extract in record control.
 241  * Field name is not in isam keys but in prefix in dictionary words.
 242  *
 243  * Revision 1.8  1995/09/14  07:48:22  adam
 244  * Record control management.
 245  *
 246  * Revision 1.7  1995/09/11  13:09:32  adam
 247  * More work on relevance feedback.
 248  *
 249  * Revision 1.6  1995/09/08  14:52:27  adam
 250  * Minor changes. Dictionary is lower case now.
 251  *
 252  * Revision 1.5  1995/09/06  16:11:16  adam
 253  * Option: only one word key per file.
 254  *
 255  * Revision 1.4  1995/09/05  15:28:39  adam
 256  * More work on search engine.
 257  *
 258  * Revision 1.3  1995/09/04  12:33:41  adam
 259  * Various cleanup. YAZ util used instead.
 260  *
 261  * Revision 1.2  1995/09/04  09:10:34  adam
 262  * More work on index add/del/update.
 263  * Merge sort implemented.
 264  * Initial work on z39 server.
 265  *
 266  * Revision 1.1  1995/09/01  14:06:35  adam
 267  * Split of work into more files.
 268  *
 269  */
 270 #include <stdio.h>
 271 #include <assert.h>
 272 #ifdef WINDOWS
 273 #include <io.h>
 274 #else
 275 #include <unistd.h>
 276 #endif
 277 #include <fcntl.h>
 278
 279 #include <recctrl.h>
 280 #include "index.h"
 281
 282 #include "zinfo.h"
 283
 284 static Dict matchDict;
 285
 286 static Records records = NULL;
 287
 288 static char **key_buf;
 289 static size_t ptr_top;
 290 static size_t ptr_i;
 291 static size_t key_buf_used;
 292 static int key_file_no;
 293
 294 static int records_inserted = 0;
 295 static int records_updated = 0;
 296 static int records_deleted = 0;
 297 static int records_processed = 0;
 298
 299 static ZebTargetInfo *zti = NULL;
 300
 301 static void logRecord (int showFlag)
 302 {
 303     if (!showFlag)
 304         ++records_processed;
 305     if (showFlag || !(records_processed % 1000))
 306     {
 307         logf (LOG_LOG, "Records: %7d i/u/d %d/%d/%d",
 308               records_processed, records_inserted, records_updated,
 309               records_deleted);
 310     }
 311 }
 312
 313 void key_open (int mem)
 314 {
 315     if (!mem)
 316         mem = atoi(res_get_def (common_resource, "memMax", "4"))*1024*1024;
 317     if (mem < 50000)
 318         mem = 50000;
 319     key_buf = xmalloc (mem);
 320     ptr_top = mem/sizeof(char*);
 321     ptr_i = 0;
 322
 323     key_buf_used = 0;
 324     key_file_no = 0;
 325
 326     if (!(matchDict = dict_open (GMATCH_DICT, 50, 1)))
 327     {
 328         logf (LOG_FATAL, "dict_open fail of %s", GMATCH_DICT);
 329         exit (1);
 330     }
 331     assert (!records);
 332     records = rec_open (1);
 333 #if 1
 334     zti = zebTargetInfo_open (records, 1);
 335 #endif
 336 }
 337
 338 struct encode_info {
 339     int  sysno;
 340     int  seqno;
 341     char buf[768];
 342 };
 343
 344 void encode_key_init (struct encode_info *i)
 345 {
 346     i->sysno = 0;
 347     i->seqno = 0;
 348 }
 349
 350 char *encode_key_int (int d, char *bp)
 351 {
 352     if (d <= 63)
 353         *bp++ = d;
 354     else if (d <= 16383)
 355     {
 356         *bp++ = 64 + (d>>8);
 357         *bp++ = d  & 255;
 358     }
 359     else if (d <= 4194303)
 360     {
 361         *bp++ = 128 + (d>>16);
 362         *bp++ = (d>>8) & 255;
 363         *bp++ = d & 255;
 364     }
 365     else
 366     {
 367         *bp++ = 192 + (d>>24);
 368         *bp++ = (d>>16) & 255;
 369         *bp++ = (d>>8) & 255;
 370         *bp++ = d & 255;
 371     }
 372     return bp;
 373 }
 374
 375 void encode_key_write (char *k, struct encode_info *i, FILE *outf)
 376 {
 377     struct it_key key;
 378     char *bp = i->buf;
 379
 380     while ((*bp++ = *k++))
 381         ;
 382     memcpy (&key, k+1, sizeof(struct it_key));
 383     bp = encode_key_int ( (key.sysno - i->sysno) * 2 + *k, bp);
 384     if (i->sysno != key.sysno)
 385     {
 386         i->sysno = key.sysno;
 387         i->seqno = 0;
 388     }
 389     bp = encode_key_int (key.seqno - i->seqno, bp);
 390     i->seqno = key.seqno;
 391     if (fwrite (i->buf, bp - i->buf, 1, outf) != 1)
 392     {
 393         logf (LOG_FATAL|LOG_ERRNO, "fwrite");
 394         exit (1);
 395     }
 396 }
 397
 398 #define SORT_EXTRA 0
 399
 400 #if SORT_EXTRA
 401 static int key_y_len;
 402
 403 static int key_y_compare (const void *p1, const void *p2)
 404 {
 405     int r;
 406
 407     if ((r = key_compare (*(char**) p1 + key_y_len + 1,
 408                           *(char**) p2 + key_y_len + 1)))
 409          return r;
 410     return *(*(char**) p1 + key_y_len) - *(*(char**) p2 + key_y_len);
 411 }
 412
 413 static int key_x_compare (const void *p1, const void *p2)
 414 {
 415     return strcmp (*(char**) p1, *(char**) p2);
 416 }
 417 #endif
 418
 419 void key_flush (void)
 420 {
 421     FILE *outf;
 422     char out_fname[200];
 423     char *prevcp, *cp;
 424     struct encode_info encode_info;
 425 #if SORT_EXTRA
 426     int i;
 427 #endif
 428
 429     if (ptr_i <= 0)
 430         return;
 431
 432     key_file_no++;
 433     logf (LOG_LOG, "sorting section %d", key_file_no);
 434 #if !SORT_EXTRA
 435     qsort (key_buf + ptr_top-ptr_i, ptr_i, sizeof(char*), key_qsort_compare);
 436     getFnameTmp (out_fname, key_file_no);
 437
 438     if (!(outf = fopen (out_fname, "w")))
 439     {
 440         logf (LOG_FATAL|LOG_ERRNO, "fopen (4) %s", out_fname);
 441         exit (1);
 442     }
 443     logf (LOG_LOG, "writing section %d", key_file_no);
 444     prevcp = cp = key_buf[ptr_top-ptr_i];
 445
 446     encode_key_init (&encode_info);
 447     encode_key_write (cp, &encode_info, outf);
 448     while (--ptr_i > 0)
 449     {
 450         cp = key_buf[ptr_top-ptr_i];
 451         if (strcmp (cp, prevcp))
 452         {
 453             encode_key_init (&encode_info);
 454             encode_key_write (cp, &encode_info, outf);
 455             prevcp = cp;
 456         }
 457         else
 458             encode_key_write (cp + strlen(cp), &encode_info, outf);
 459     }
 460 #else
 461     qsort (key_buf + ptr_top-ptr_i, ptr_i, sizeof(char*), key_x_compare);
 462     getFnameTmp (out_fname, key_file_no);
 463
 464     if (!(outf = fopen (out_fname, "w")))
 465     {
 466         logf (LOG_FATAL|LOG_ERRNO, "fopen (4) %s", out_fname);
 467         exit (1);
 468     }
 469     logf (LOG_LOG, "writing section %d", key_file_no);
 470     i = ptr_i;
 471     prevcp =  key_buf[ptr_top-i];
 472     while (1)
 473         if (!--i || strcmp (prevcp, key_buf[ptr_top-i]))
 474         {
 475             key_y_len = strlen(prevcp)+1;
 476 #if 0
 477             logf (LOG_LOG, "key_y_len: %2d %02x %02x %s",
 478                       key_y_len, prevcp[0], prevcp[1], 2+prevcp);
 479 #endif
 480             qsort (key_buf + ptr_top-ptr_i, ptr_i - i,
 481                                    sizeof(char*), key_y_compare);
 482             cp = key_buf[ptr_top-ptr_i];
 483             --key_y_len;
 484             encode_key_init (&encode_info);
 485             encode_key_write (cp, &encode_info, outf);
 486             while (--ptr_i > i)
 487             {
 488                 cp = key_buf[ptr_top-ptr_i];
 489                 encode_key_write (cp+key_y_len, &encode_info, outf);
 490             }
 491             if (!i)
 492                 break;
 493             prevcp = key_buf[ptr_top-ptr_i];
 494         }
 495 #endif
 496     if (fclose (outf))
 497     {
 498         logf (LOG_FATAL|LOG_ERRNO, "fclose %s", out_fname);
 499         exit (1);
 500     }
 501     logf (LOG_LOG, "finished section %d", key_file_no);
 502     ptr_i = 0;
 503     key_buf_used = 0;
 504 }
 505
 506 int key_close (void)
 507 {
 508     key_flush ();
 509     xfree (key_buf);
 510 #if 1
 511     zebTargetInfo_close (zti, 1);
 512 #endif
 513     rec_close (&records);
 514     dict_close (matchDict);
 515
 516     logRecord (1);
 517     return key_file_no;
 518 }
 519
 520 static void wordInit (RecWord *p)
 521 {
 522     p->attrSet = 1;
 523     p->attrUse = 1016;
 524     p->which = Word_String;
 525 }
 526
 527 struct recKeys {
 528     int buf_used;
 529     int buf_max;
 530     char *buf;
 531     char prevAttrSet;
 532     short prevAttrUse;
 533     int prevSeqNo;
 534 } reckeys;
 535
 536 static void addRecordKey (const RecWord *p)
 537 {
 538     char *dst;
 539     char attrSet;
 540     short attrUse;
 541     size_t i;
 542     int lead = 0;
 543     int diff = 0;
 544
 545     if (reckeys.buf_used+1024 > reckeys.buf_max)
 546     {
 547         char *b;
 548
 549         b = xmalloc (reckeys.buf_max += 128000);
 550         if (reckeys.buf_used > 0)
 551             memcpy (b, reckeys.buf, reckeys.buf_used);
 552         xfree (reckeys.buf);
 553         reckeys.buf = b;
 554     }
 555     dst = reckeys.buf + reckeys.buf_used;
 556
 557     attrSet = p->attrSet;
 558     if (reckeys.buf_used > 0 && reckeys.prevAttrSet == attrSet)
 559         lead |= 1;
 560     else
 561         reckeys.prevAttrSet = attrSet;
 562     attrUse = p->attrUse;
 563     if (reckeys.buf_used > 0 && reckeys.prevAttrUse == attrUse)
 564         lead |= 2;
 565     else
 566         reckeys.prevAttrUse = attrUse;
 567 #if 1
 568     diff = 1 + p->seqno - reckeys.prevSeqNo;
 569     if (diff >= 1 && diff <= 15)
 570         lead |= (diff << 2);
 571     else
 572         diff = 0;
 573 #endif
 574     reckeys.prevSeqNo = p->seqno;
 575
 576     *dst++ = lead;
 577
 578     if (!(lead & 1))
 579     {
 580         memcpy (dst, &attrSet, sizeof(attrSet));
 581         dst += sizeof(attrSet);
 582     }
 583     if (!(lead & 2))
 584     {
 585         memcpy (dst, &attrUse, sizeof(attrUse));
 586         dst += sizeof(attrUse);
 587     }
 588     switch (p->which)
 589     {
 590         case Word_String:
 591             *dst++ = 'w';
 592             break;
 593         case Word_Phrase:
 594             *dst++ = 'p';
 595             break;
 596         case Word_Numeric:
 597             *dst++ = 'n';
 598     }
 599     for (i = 0; p->u.string[i] && i < IT_MAX_WORD-3; i++)
 600         *dst++ = p->u.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
 989         reckeys.buf_used = 0;
 990         reckeys.prevAttrUse = -1;
 991         reckeys.prevAttrSet = -1;
 992         reckeys.prevSeqNo = 0;
 993
 994         recordOffset = fi->file_moffset;
 995         extractCtrl.offset = recordOffset;
 996         extractCtrl.readf = file_read;
 997         extractCtrl.seekf = file_seek;
 998         extractCtrl.tellf = file_tell;
 999         extractCtrl.endf = file_end;
1000         extractCtrl.map_chrs_input = map_chrs_input;
1001         extractCtrl.flagShowRecords = rGroup->flagShowRecords;
1002         if (rGroup->flagShowRecords)
1003             printf ("File: %s %ld\n", fname, (long) recordOffset);
1004
1005         logInfo.fname = fname;
1006         logInfo.recordOffset = recordOffset;
1007         logInfo.rGroup = rGroup;
1008         log_event_start (recordLogPreamble, &logInfo);
1009
1010         r = (*recType->extract)(&extractCtrl);
1011
1012         log_event_start (NULL, NULL);
1013
1014         if (r)
1015         {
1016             /* error occured during extraction ... */
1017             if (!rGroup->flagShowRecords &&
1018                     records_processed < rGroup->fileVerboseLimit)
1019             {
1020                 logf (LOG_WARN, "fail %s %s %ld code = %d", rGroup->recordType,
1021                       fname, (long) recordOffset, r);
1022             }
1023             return 0;
1024         }
1025         if (reckeys.buf_used == 0)
1026         {
1027             /* the extraction process returned no information - the record
1028                is probably empty - unless flagShowRecords is in use */
1029             if (rGroup->flagShowRecords)
1030                 return 1;
1031             logf (LOG_WARN, "No keys generated for file %s", fname);
1032             logf (LOG_WARN, " The file is probably empty");
1033             return 0;
1034         }
1035     }
1036
1037     /* perform match if sysno not known and if match criteria is specified */
1038
1039     matchStr = NULL;
1040     if (!sysno)
1041     {
1042         sysnotmp = 0;
1043         sysno = &sysnotmp;
1044         if (rGroup->recordId && *rGroup->recordId)
1045         {
1046             char *rinfo;
1047
1048             matchStr = fileMatchStr (&reckeys, rGroup, fname,
1049                                      rGroup->recordId);
1050             if (matchStr)
1051             {
1052                 rinfo = dict_lookup (matchDict, matchStr);
1053                 if (rinfo)
1054                     memcpy (sysno, rinfo+1, sizeof(*sysno));
1055             }
1056             else
1057             {
1058                 logf (LOG_WARN, "Bad match criteria");
1059                 return 0;
1060             }
1061         }
1062     }
1063
1064     if (! *sysno)
1065     {
1066         /* new record */
1067         if (deleteFlag)
1068         {
1069             logf (LOG_LOG, "Cannot delete new record");
1070             return 1;
1071         }
1072         if (records_processed < rGroup->fileVerboseLimit)
1073             logf (LOG_LOG, "add %s %s %ld", rGroup->recordType,
1074                   fname, (long) recordOffset);
1075         rec = rec_new (records);
1076         *sysno = rec->sysno;
1077
1078         if (matchStr)
1079         {
1080             dict_insert (matchDict, matchStr, sizeof(*sysno), sysno);
1081         }
1082         flushRecordKeys (*sysno, 1, &reckeys, rGroup->databaseName);
1083
1084         records_inserted++;
1085     }
1086     else
1087     {
1088         /* record already exists */
1089         struct recKeys delkeys;
1090
1091         rec = rec_get (records, *sysno);
1092         assert (rec);
1093         delkeys.buf_used = rec->size[recInfo_delKeys];
1094         delkeys.buf = rec->info[recInfo_delKeys];
1095         flushRecordKeys (*sysno, 0, &delkeys, rec->info[recInfo_databaseName]);
1096         if (deleteFlag)
1097         {
1098             /* record going to be deleted */
1099             if (!delkeys.buf_used)
1100             {
1101                 logf (LOG_LOG, "delete %s %s %ld", rGroup->recordType,
1102                       fname, (long) recordOffset);
1103                 logf (LOG_WARN, "cannot delete file above, storeKeys false");
1104             }
1105             else
1106             {
1107                 if (records_processed < rGroup->fileVerboseLimit)
1108                     logf (LOG_LOG, "delete %s %s %ld", rGroup->recordType,
1109                           fname, (long) recordOffset);
1110                 records_deleted++;
1111                 if (matchStr)
1112                     dict_delete (matchDict, matchStr);
1113                 rec_del (records, &rec);
1114             }
1115             logRecord (0);
1116             return 1;
1117         }
1118         else
1119         {
1120             /* record going to be updated */
1121             if (!delkeys.buf_used)
1122             {
1123                 logf (LOG_LOG, "update %s %s %ld", rGroup->recordType,
1124                       fname, (long) recordOffset);
1125                 logf (LOG_WARN, "cannot update file above, storeKeys false");
1126             }
1127             else
1128             {
1129                 if (records_processed < rGroup->fileVerboseLimit)
1130                     logf (LOG_LOG, "update %s %s %ld", rGroup->recordType,
1131                           fname, (long) recordOffset);
1132                 flushRecordKeys (*sysno, 1, &reckeys, rGroup->databaseName);
1133                 records_updated++;
1134             }
1135         }
1136     }
1137     /* update file type */
1138     xfree (rec->info[recInfo_fileType]);
1139     rec->info[recInfo_fileType] =
1140         rec_strdup (rGroup->recordType, &rec->size[recInfo_fileType]);
1141
1142     /* update filename */
1143     xfree (rec->info[recInfo_filename]);
1144     rec->info[recInfo_filename] =
1145         rec_strdup (fname, &rec->size[recInfo_filename]);
1146
1147     /* update delete keys */
1148     xfree (rec->info[recInfo_delKeys]);
1149     if (reckeys.buf_used > 0 && rGroup->flagStoreKeys == 1)
1150     {
1151 #if 1
1152         rec->size[recInfo_delKeys] = reckeys.buf_used;
1153         rec->info[recInfo_delKeys] = reckeys.buf;
1154         reckeys.buf = NULL;
1155         reckeys.buf_max = 0;
1156 #else
1157         rec->info[recInfo_delKeys] = xmalloc (reckeys.buf_used);
1158         rec->size[recInfo_delKeys] = reckeys.buf_used;
1159         memcpy (rec->info[recInfo_delKeys], reckeys.buf,
1160                 rec->size[recInfo_delKeys]);
1161 #endif
1162     }
1163     else
1164     {
1165         rec->info[recInfo_delKeys] = NULL;
1166         rec->size[recInfo_delKeys] = 0;
1167     }
1168
1169     /* update store data */
1170     xfree (rec->info[recInfo_storeData]);
1171     if (rGroup->flagStoreData == 1)
1172     {
1173         int size = fi->file_moffset - recordOffset;
1174         if (!size)
1175             size = fi->file_max - recordOffset;
1176         rec->size[recInfo_storeData] = size;
1177         rec->info[recInfo_storeData] = xmalloc (size);
1178         if (lseek (fi->fd, recordOffset, SEEK_SET) < 0)
1179         {
1180             logf (LOG_ERRNO|LOG_FATAL, "seek to %ld in %s", fname,
1181                   (long) recordOffset);
1182             exit (1);
1183         }
1184         if (read (fi->fd, rec->info[recInfo_storeData], size) < size)
1185         {
1186             logf (LOG_ERRNO|LOG_FATAL, "read %d bytes of %s",
1187                   fi->file_max, fname);
1188             exit (1);
1189         }
1190     }
1191     else
1192     {
1193         rec->info[recInfo_storeData] = NULL;
1194         rec->size[recInfo_storeData] = 0;
1195     }
1196     /* update database name */
1197     xfree (rec->info[recInfo_databaseName]);
1198     rec->info[recInfo_databaseName] =
1199         rec_strdup (rGroup->databaseName, &rec->size[recInfo_databaseName]);
1200
1201     /* update offset */
1202     xfree (rec->info[recInfo_offset]);
1203
1204     rec->size[recInfo_offset] = sizeof(recordOffset);
1205     rec->info[recInfo_offset] = xmalloc (sizeof(recordOffset));
1206     memcpy (rec->info[recInfo_offset], &recordOffset, sizeof(recordOffset));
1207
1208     /* commit this record */
1209     rec_put (records, &rec);
1210     logRecord (0);
1211     return 1;
1212 }
1213
1214 int fileExtract (SYSNO *sysno, const char *fname,
1215                  const struct recordGroup *rGroupP, int deleteFlag)
1216 {
1217     int r, i, fd;
1218     char gprefix[128];
1219     char ext[128];
1220     char ext_res[128];
1221     char subType[128];
1222     RecType recType;
1223     struct recordGroup rGroupM;
1224     struct recordGroup *rGroup = &rGroupM;
1225     struct file_read_info *fi;
1226
1227     memcpy (rGroup, rGroupP, sizeof(*rGroupP));
1228
1229     if (!rGroup->groupName || !*rGroup->groupName)
1230         *gprefix = '\0';
1231     else
1232         sprintf (gprefix, "%s.", rGroup->groupName);
1233
1234     logf (LOG_DEBUG, "fileExtract %s", fname);
1235
1236     /* determine file extension */
1237     for (i = strlen(fname); --i >= 0; )
1238         if (fname[i] == '/')
1239         {
1240             strcpy (ext, "");
1241             break;
1242         }
1243         else if (fname[i] == '.')
1244         {
1245             strcpy (ext, fname+i+1);
1246             break;
1247         }
1248     /* determine file type - depending on extension */
1249     if (!rGroup->recordType)
1250     {
1251         sprintf (ext_res, "%srecordType.%s", gprefix, ext);
1252         if (!(rGroup->recordType = res_get (common_resource, ext_res)))
1253         {
1254             sprintf (ext_res, "%srecordType", gprefix);
1255             if (!(rGroup->recordType = res_get (common_resource, ext_res)))
1256             {
1257                 if (records_processed < rGroup->fileVerboseLimit)
1258                     logf (LOG_LOG, "? %s", fname);
1259                 return 0;
1260             }
1261         }
1262     }
1263     if (!rGroup->recordType)
1264     {
1265         if (records_processed < rGroup->fileVerboseLimit)
1266             logf (LOG_LOG, "? record %s", fname);
1267         return 0;
1268     }
1269     if (!(recType = recType_byName (rGroup->recordType, subType)))
1270     {
1271         logf (LOG_WARN, "No such record type: %s", rGroup->recordType);
1272         return 0;
1273     }
1274
1275     /* determine match criteria */
1276     if (!rGroup->recordId)
1277     {
1278         sprintf (ext_res, "%srecordId.%s", gprefix, ext);
1279         rGroup->recordId = res_get (common_resource, ext_res);
1280     }
1281
1282     /* determine database name */
1283     if (!rGroup->databaseName)
1284     {
1285         sprintf (ext_res, "%sdatabase.%s", gprefix, ext);
1286         if (!(rGroup->databaseName = res_get (common_resource, ext_res)))
1287         {
1288             sprintf (ext_res, "%sdatabase", gprefix);
1289             rGroup->databaseName = res_get (common_resource, ext_res);
1290         }
1291     }
1292     if (!rGroup->databaseName)
1293         rGroup->databaseName = "Default";
1294
1295     if (rGroup->flagStoreData == -1)
1296     {
1297         const char *sval;
1298         sprintf (ext_res, "%sstoreData.%s", gprefix, ext);
1299         if (!(sval = res_get (common_resource, ext_res)))
1300         {
1301             sprintf (ext_res, "%sstoreData", gprefix);
1302             sval = res_get (common_resource, ext_res);
1303         }
1304         if (sval)
1305             rGroup->flagStoreData = atoi (sval);
1306     }
1307     if (rGroup->flagStoreData == -1)
1308         rGroup->flagStoreData = 0;
1309
1310     if (rGroup->flagStoreKeys == -1)
1311     {
1312         const char *sval;
1313
1314         sprintf (ext_res, "%sstoreKeys.%s", gprefix, ext);
1315         if (!(sval = res_get (common_resource, ext_res)))
1316         {
1317             sprintf (ext_res, "%sstoreKeys", gprefix);
1318             sval = res_get (common_resource, ext_res);
1319         }
1320         if (sval)
1321             rGroup->flagStoreKeys = atoi (sval);
1322     }
1323     if (rGroup->flagStoreKeys == -1)
1324         rGroup->flagStoreKeys = 0;
1325
1326     if (sysno && deleteFlag)
1327         fd = -1;
1328     else
1329     {
1330         if ((fd = open (fname, O_BINARY|O_RDONLY)) == -1)
1331         {
1332             logf (LOG_WARN|LOG_ERRNO, "open %s", fname);
1333             return 0;
1334         }
1335     }
1336     fi = file_read_start (fd);
1337     do
1338     {
1339         file_begin (fi);
1340         r = recordExtract (sysno, fname, rGroup, deleteFlag, fi,
1341                            recType, subType);
1342     } while (r && !sysno && fi->file_more);
1343     file_read_stop (fi);
1344     if (fd != -1)
1345         close (fd);
1346     return r;
1347 }
1348