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