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