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