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