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