recctrl/xslt.c

   1 /* $Id: xslt.c,v 1.9 2005-06-07 13:10:52 adam Exp $
   2    Copyright (C) 1995-2005
   3    Index Data ApS
   4
   5 This file is part of the Zebra server.
   6
   7 Zebra is free software; you can redistribute it and/or modify it under
   8 the terms of the GNU General Public License as published by the Free
   9 Software Foundation; either version 2, or (at your option) any later
  10 version.
  11
  12 Zebra is distributed in the hope that it will be useful, but WITHOUT ANY
  13 WARRANTY; without even the implied warranty of MERCHANTABILITY or
  14 FITNESS FOR A PARTICULAR PURPOSE.  See the GNU General Public License
  15 for more details.
  16
  17 You should have received a copy of the GNU General Public License
  18 along with Zebra; see the file LICENSE.zebra.  If not, write to the
  19 Free Software Foundation, 59 Temple Place - Suite 330, Boston, MA
  20 02111-1307, USA.
  21 */
  22
  23 #include <stdio.h>
  24 #include <assert.h>
  25 #include <ctype.h>
  26
  27 #include <yaz/diagbib1.h>
  28 #include <libxml/xmlversion.h>
  29 #include <libxml/parser.h>
  30 #include <libxml/tree.h>
  31 #include <libxml/xmlIO.h>
  32 #include <libxml/xmlreader.h>
  33 #include <libxslt/transform.h>
  34
  35 #include <idzebra/util.h>
  36 #include <idzebra/recctrl.h>
  37
  38 struct filter_schema {
  39     const char *name;
  40     const char *identifier;
  41     const char *stylesheet;
  42     struct filter_schema *next;
  43     const char *default_schema;
  44     const char *include_snippet;
  45     xsltStylesheetPtr stylesheet_xsp;
  46 };
  47
  48 struct filter_info {
  49     xmlDocPtr doc;
  50     char *fname;
  51     const char *split_level;
  52     const char *split_path;
  53     ODR odr;
  54     struct filter_schema *schemas;
  55     xmlTextReaderPtr reader;
  56 };
  57
  58 #define ZEBRA_SCHEMA_XSLT_NS "http://indexdata.dk/zebra/xslt/1"
  59
  60 static const char *zebra_xslt_ns = ZEBRA_SCHEMA_XSLT_NS;
  61
  62 static void set_param_xml(const char **params, const char *name,
  63                           const char *value, ODR odr)
  64 {
  65     while (*params)
  66         params++;
  67     params[0] = name;
  68     params[1] = value;
  69     params[2] = 0;
  70 }
  71
  72 static void set_param_str(const char **params, const char *name,
  73                           const char *value, ODR odr)
  74 {
  75     char *quoted = odr_malloc(odr, 3 + strlen(value));
  76     sprintf(quoted, "'%s'", value);
  77     while (*params)
  78         params++;
  79     params[0] = name;
  80     params[1] = quoted;
  81     params[2] = 0;
  82 }
  83
  84 static void set_param_int(const char **params, const char *name,
  85                           zint value, ODR odr)
  86 {
  87     char *quoted = odr_malloc(odr, 30); /* 25 digits enough for 2^64 */
  88     while (*params)
  89         params++;
  90     sprintf(quoted, "'" ZINT_FORMAT "'", value);
  91     params[0] = name;
  92     params[1] = quoted;
  93     params[2] = 0;
  94 }
  95
  96
  97 int zebra_xmlInputMatchCallback (char const *filename)
  98 {
  99     yaz_log(YLOG_LOG, "match %s", filename);
 100     return 0;
 101 }
 102
 103
 104 void * zebra_xmlInputOpenCallback (char const *filename)
 105 {
 106     return 0;
 107 }
 108
 109 int zebra_xmlInputReadCallback (void * context, char * buffer, int len)
 110 {
 111     return 0;
 112 }
 113
 114 int zebra_xmlInputCloseCallback (void * context)
 115 {
 116     return 0;
 117 }
 118
 119
 120
 121
 122
 123 static void *filter_init_xslt(Res res, RecType recType)
 124 {
 125     struct filter_info *tinfo = (struct filter_info *) xmalloc(sizeof(*tinfo));
 126     tinfo->reader = 0;
 127     tinfo->fname = 0;
 128     tinfo->split_level = 0;
 129     tinfo->split_path = 0;
 130     tinfo->odr = odr_createmem(ODR_ENCODE);
 131     tinfo->doc = 0;
 132     tinfo->schemas = 0;
 133
 134 #if 0
 135     xmlRegisterDefaultInputCallbacks();
 136     xmlRegisterInputCallbacks(zebra_xmlInputMatchCallback,
 137                               zebra_xmlInputOpenCallback,
 138                               zebra_xmlInputReadCallback,
 139                               zebra_xmlInputCloseCallback);
 140 #endif
 141     return tinfo;
 142 }
 143
 144 static void *filter_init_xslt1(Res res, RecType recType)
 145 {
 146     struct filter_info *tinfo = (struct filter_info *)
 147         filter_init_xslt(res, recType);
 148     tinfo->split_level = "1";
 149     return tinfo;
 150 }
 151
 152 static int attr_content(struct _xmlAttr *attr, const char *name,
 153                         const char **dst_content)
 154 {
 155     if (!strcmp(attr->name, name) && attr->children &&
 156         attr->children->type == XML_TEXT_NODE)
 157     {
 158         *dst_content = attr->children->content;
 159         return 1;
 160     }
 161     return 0;
 162 }
 163
 164 static void destroy_schemas(struct filter_info *tinfo)
 165 {
 166     struct filter_schema *schema = tinfo->schemas;
 167     while (schema)
 168     {
 169         struct filter_schema *schema_next = schema->next;
 170         if (schema->stylesheet_xsp)
 171             xsltFreeStylesheet(schema->stylesheet_xsp);
 172         xfree(schema);
 173         schema = schema_next;
 174     }
 175     tinfo->schemas = 0;
 176     xfree(tinfo->fname);
 177     if (tinfo->doc)
 178         xmlFreeDoc(tinfo->doc);
 179     tinfo->doc = 0;
 180 }
 181
 182 static ZEBRA_RES create_schemas(struct filter_info *tinfo, const char *fname)
 183 {
 184     xmlNodePtr ptr;
 185     tinfo->fname = xstrdup(fname);
 186     tinfo->doc = xmlParseFile(tinfo->fname);
 187     if (!tinfo->doc)
 188         return ZEBRA_FAIL;
 189     ptr = xmlDocGetRootElement(tinfo->doc);
 190     if (!ptr || ptr->type != XML_ELEMENT_NODE ||
 191         strcmp(ptr->name, "schemaInfo"))
 192         return ZEBRA_FAIL;
 193     for (ptr = ptr->children; ptr; ptr = ptr->next)
 194     {
 195         if (ptr->type != XML_ELEMENT_NODE)
 196             continue;
 197         if (!strcmp(ptr->name, "schema"))
 198         {
 199             struct _xmlAttr *attr;
 200             struct filter_schema *schema = xmalloc(sizeof(*schema));
 201             schema->name = 0;
 202             schema->identifier = 0;
 203             schema->stylesheet = 0;
 204             schema->default_schema = 0;
 205             schema->next = tinfo->schemas;
 206             schema->stylesheet_xsp = 0;
 207             schema->include_snippet = 0;
 208             tinfo->schemas = schema;
 209             for (attr = ptr->properties; attr; attr = attr->next)
 210             {
 211                 attr_content(attr, "identifier", &schema->identifier);
 212                 attr_content(attr, "name", &schema->name);
 213                 attr_content(attr, "stylesheet", &schema->stylesheet);
 214                 attr_content(attr, "default", &schema->default_schema);
 215                 attr_content(attr, "snippet", &schema->include_snippet);
 216             }
 217             if (schema->stylesheet)
 218                 schema->stylesheet_xsp =
 219                     xsltParseStylesheetFile(
 220                         (const xmlChar*) schema->stylesheet);
 221         }
 222         else if (!strcmp(ptr->name, "split"))
 223         {
 224             struct _xmlAttr *attr;
 225             for (attr = ptr->properties; attr; attr = attr->next)
 226             {
 227                 attr_content(attr, "level", &tinfo->split_level);
 228                 attr_content(attr, "path", &tinfo->split_path);
 229             }
 230         }
 231         else
 232         {
 233             yaz_log(YLOG_WARN, "Bad element %s in %s", ptr->name, fname);
 234             return ZEBRA_FAIL;
 235         }
 236     }
 237     return ZEBRA_OK;
 238 }
 239
 240 static struct filter_schema *lookup_schema(struct filter_info *tinfo,
 241                                            const char *est)
 242 {
 243     struct filter_schema *schema;
 244     for (schema = tinfo->schemas; schema; schema = schema->next)
 245     {
 246         if (est)
 247         {
 248             if (schema->identifier && !strcmp(schema->identifier, est))
 249                 return schema;
 250             if (schema->name && !strcmp(schema->name, est))
 251                 return schema;
 252         }
 253         if (schema->default_schema)
 254             return schema;
 255     }
 256     return 0;
 257 }
 258
 259 static void filter_config(void *clientData, Res res, const char *args)
 260 {
 261     struct filter_info *tinfo = clientData;
 262     if (!args || !*args)
 263         args = "xsltfilter.xml";
 264     if (tinfo->fname && !strcmp(args, tinfo->fname))
 265         return;
 266     destroy_schemas(tinfo);
 267     create_schemas(tinfo, args);
 268 }
 269
 270 static void filter_destroy(void *clientData)
 271 {
 272     struct filter_info *tinfo = clientData;
 273     destroy_schemas(tinfo);
 274     if (tinfo->reader)
 275         xmlFreeTextReader(tinfo->reader);
 276     odr_destroy(tinfo->odr);
 277     xfree(tinfo);
 278 }
 279
 280 static int ioread_ex(void *context, char *buffer, int len)
 281 {
 282     struct recExtractCtrl *p = context;
 283     return (*p->readf)(p->fh, buffer, len);
 284 }
 285
 286 static int ioclose_ex(void *context)
 287 {
 288     return 0;
 289 }
 290
 291 static void index_field(struct filter_info *tinfo, struct recExtractCtrl *ctrl,
 292                         xmlNodePtr ptr, RecWord *recWord)
 293 {
 294     for(; ptr; ptr = ptr->next)
 295     {
 296         index_field(tinfo, ctrl, ptr->children, recWord);
 297         if (ptr->type != XML_TEXT_NODE)
 298             continue;
 299         recWord->term_buf = ptr->content;
 300         recWord->term_len = strlen(ptr->content);
 301         (*ctrl->tokenAdd)(recWord);
 302     }
 303 }
 304
 305 static void index_node(struct filter_info *tinfo,  struct recExtractCtrl *ctrl,
 306                        xmlNodePtr ptr, RecWord *recWord)
 307 {
 308     for(; ptr; ptr = ptr->next)
 309     {
 310         index_node(tinfo, ctrl, ptr->children, recWord);
 311         if (ptr->type != XML_ELEMENT_NODE || !ptr->ns ||
 312             strcmp(ptr->ns->href, zebra_xslt_ns))
 313             continue;
 314         if (!strcmp(ptr->name, "index"))
 315         {
 316             char *field_str = 0;
 317             const char *xpath_str = 0;
 318             struct _xmlAttr *attr;
 319             for (attr = ptr->properties; attr; attr = attr->next)
 320             {
 321                 if (!strcmp(attr->name, "field")
 322                     && attr->children && attr->children->type == XML_TEXT_NODE)
 323                     field_str = attr->children->content;
 324                 if (!strcmp(attr->name, "xpath")
 325                     && attr->children && attr->children->type == XML_TEXT_NODE)
 326                     xpath_str = attr->children->content;
 327             }
 328             if (field_str)
 329             {
 330                 recWord->attrStr = field_str;
 331                 index_field(tinfo, ctrl, ptr->children, recWord);
 332             }
 333         }
 334     }
 335 }
 336
 337 static int extract_doc(struct filter_info *tinfo, struct recExtractCtrl *p,
 338                        xmlDocPtr doc)
 339 {
 340     RecWord recWord;
 341     const char *params[10];
 342     xmlChar *buf_out;
 343     int len_out;
 344
 345     struct filter_schema *schema = lookup_schema(tinfo, zebra_xslt_ns);
 346
 347     params[0] = 0;
 348     set_param_str(params, "schema", zebra_xslt_ns, tinfo->odr);
 349
 350     (*p->init)(p, &recWord);
 351     recWord.reg_type = 'w';
 352
 353     if (schema && schema->stylesheet_xsp)
 354     {
 355         xmlDocPtr resDoc =
 356             xsltApplyStylesheet(schema->stylesheet_xsp,
 357                                 doc, params);
 358         if (p->flagShowRecords)
 359         {
 360             xmlDocDumpMemory(resDoc, &buf_out, &len_out);
 361             fwrite(buf_out, len_out, 1, stdout);
 362             xmlFree(buf_out);
 363         }
 364         index_node(tinfo, p, xmlDocGetRootElement(resDoc), &recWord);
 365         xmlFreeDoc(resDoc);
 366     }
 367     xmlDocDumpMemory(doc, &buf_out, &len_out);
 368     if (p->flagShowRecords)
 369         fwrite(buf_out, len_out, 1, stdout);
 370     (*p->setStoreData)(p, buf_out, len_out);
 371     xmlFree(buf_out);
 372
 373     xmlFreeDoc(doc);
 374     return RECCTRL_EXTRACT_OK;
 375 }
 376
 377 static int extract_split(struct filter_info *tinfo, struct recExtractCtrl *p)
 378 {
 379     int ret;
 380     int split_depth = 0;
 381     if (p->first_record)
 382     {
 383         if (tinfo->reader)
 384             xmlFreeTextReader(tinfo->reader);
 385         tinfo->reader = xmlReaderForIO(ioread_ex, ioclose_ex,
 386                                        p /* I/O handler */,
 387                                        0 /* URL */,
 388                                        0 /* encoding */,
 389                                        XML_PARSE_XINCLUDE);
 390     }
 391     if (!tinfo->reader)
 392         return RECCTRL_EXTRACT_ERROR_GENERIC;
 393
 394     if (tinfo->split_level)
 395         split_depth = atoi(tinfo->split_level);
 396     ret = xmlTextReaderRead(tinfo->reader);
 397     while (ret == 1) {
 398         int type = xmlTextReaderNodeType(tinfo->reader);
 399         int depth = xmlTextReaderDepth(tinfo->reader);
 400         if (split_depth == 0 ||
 401             (split_depth > 0 &&
 402              type == XML_READER_TYPE_ELEMENT && split_depth == depth))
 403         {
 404             xmlNodePtr ptr = xmlTextReaderExpand(tinfo->reader);
 405             xmlNodePtr ptr2 = xmlCopyNode(ptr, 1);
 406             xmlDocPtr doc = xmlNewDoc("1.0");
 407
 408             xmlDocSetRootElement(doc, ptr2);
 409
 410             return extract_doc(tinfo, p, doc);
 411         }
 412         ret = xmlTextReaderRead(tinfo->reader);
 413     }
 414     xmlFreeTextReader(tinfo->reader);
 415     tinfo->reader = 0;
 416     return RECCTRL_EXTRACT_EOF;
 417 }
 418
 419 static int extract_full(struct filter_info *tinfo, struct recExtractCtrl *p)
 420 {
 421     if (p->first_record) /* only one record per stream */
 422     {
 423         xmlDocPtr doc = xmlReadIO(ioread_ex, ioclose_ex, p /* I/O handler */,
 424                                   0 /* URL */,
 425                                   0 /* encoding */,
 426                                   XML_PARSE_XINCLUDE);
 427         if (!doc)
 428         {
 429             return RECCTRL_EXTRACT_ERROR_GENERIC;
 430         }
 431         return extract_doc(tinfo, p, doc);
 432     }
 433     else
 434         return RECCTRL_EXTRACT_EOF;
 435 }
 436
 437 static int filter_extract(void *clientData, struct recExtractCtrl *p)
 438 {
 439     struct filter_info *tinfo = clientData;
 440
 441     odr_reset(tinfo->odr);
 442
 443     if (tinfo->split_level == 0 && tinfo->split_path == 0)
 444         return extract_full(tinfo, p);
 445     else
 446     {
 447         return extract_split(tinfo, p);
 448     }
 449 }
 450
 451 static int ioread_ret(void *context, char *buffer, int len)
 452 {
 453     struct recRetrieveCtrl *p = context;
 454     return (*p->readf)(p->fh, buffer, len);
 455 }
 456
 457 static int ioclose_ret(void *context)
 458 {
 459     return 0;
 460 }
 461
 462
 463 static const char *snippet_doc(struct recRetrieveCtrl *p, int text_mode,
 464                                int window_size)
 465 {
 466     const char *xml_doc_str;
 467     int ord = 0;
 468     WRBUF wrbuf = wrbuf_alloc();
 469     zebra_snippets *res =
 470         zebra_snippets_window(p->doc_snippet, p->hit_snippet, window_size);
 471     zebra_snippet_word *w = zebra_snippets_list(res);
 472
 473     if (text_mode)
 474         wrbuf_printf(wrbuf, "\'");
 475     else
 476         wrbuf_printf(wrbuf, "<snippet xmlns='%s'>\n", zebra_xslt_ns);
 477     for (; w; w = w->next)
 478     {
 479         if (ord == 0)
 480             ord = w->ord;
 481         else if (ord != w->ord)
 482
 483             break;
 484         if (text_mode)
 485             wrbuf_printf(wrbuf, "%s%s%s ",
 486                          w->match ? "*" : "",
 487                          w->term,
 488                          w->match ? "*" : "");
 489         else
 490         {
 491             wrbuf_printf(wrbuf, " <term ord='%d' seqno='" ZINT_FORMAT "' %s>",
 492                          w->ord, w->seqno,
 493                          (w->match ? "match='1'" : ""));
 494             wrbuf_xmlputs(wrbuf, w->term);
 495             wrbuf_printf(wrbuf, "</term>\n");
 496         }
 497     }
 498     if (text_mode)
 499         wrbuf_printf(wrbuf, "\'");
 500     else
 501         wrbuf_printf(wrbuf, "</snippet>\n");
 502
 503     xml_doc_str = odr_strdup(p->odr, wrbuf_buf(wrbuf));
 504
 505     zebra_snippets_destroy(res);
 506     wrbuf_free(wrbuf, 1);
 507     return xml_doc_str;
 508 }
 509
 510 static int filter_retrieve (void *clientData, struct recRetrieveCtrl *p)
 511 {
 512     const char *esn = zebra_xslt_ns;
 513     const char *params[10];
 514     struct filter_info *tinfo = clientData;
 515     xmlDocPtr resDoc;
 516     xmlDocPtr doc;
 517     struct filter_schema *schema;
 518     int window_size = -1;
 519
 520     if (p->comp)
 521     {
 522         if (p->comp->which != Z_RecordComp_simple
 523             || p->comp->u.simple->which != Z_ElementSetNames_generic)
 524         {
 525             p->diagnostic = YAZ_BIB1_PRESENT_COMP_SPEC_PARAMETER_UNSUPP;
 526             return 0;
 527         }
 528         esn = p->comp->u.simple->u.generic;
 529     }
 530     schema = lookup_schema(tinfo, esn);
 531     if (!schema)
 532     {
 533         p->diagnostic =
 534             YAZ_BIB1_SPECIFIED_ELEMENT_SET_NAME_NOT_VALID_FOR_SPECIFIED_;
 535         return 0;
 536     }
 537
 538     if (schema->include_snippet)
 539         window_size = atoi(schema->include_snippet);
 540
 541     params[0] = 0;
 542     set_param_str(params, "schema", esn, p->odr);
 543     if (p->fname)
 544         set_param_str(params, "filename", p->fname, p->odr);
 545     if (p->score >= 0)
 546         set_param_int(params, "score", p->score, p->odr);
 547     set_param_int(params, "size", p->recordSize, p->odr);
 548
 549     if (window_size >= 0)
 550         set_param_xml(params, "snippet", snippet_doc(p, 1, window_size),
 551                       p->odr);
 552     doc = xmlReadIO(ioread_ret, ioclose_ret, p /* I/O handler */,
 553                     0 /* URL */,
 554                     0 /* encoding */,
 555                     XML_PARSE_XINCLUDE);
 556     if (!doc)
 557     {
 558         p->diagnostic = YAZ_BIB1_SYSTEM_ERROR_IN_PRESENTING_RECORDS;
 559         return 0;
 560     }
 561
 562     if (window_size >= 0)
 563     {
 564         xmlNodePtr node = xmlDocGetRootElement(doc);
 565         const char *snippet_str = snippet_doc(p, 0, window_size);
 566         xmlDocPtr snippet_doc = xmlParseMemory(snippet_str, strlen(snippet_str));
 567         xmlAddChild(node, xmlDocGetRootElement(snippet_doc));
 568     }
 569     if (!schema->stylesheet_xsp)
 570         resDoc = doc;
 571     else
 572     {
 573         resDoc = xsltApplyStylesheet(schema->stylesheet_xsp,
 574                                      doc, params);
 575         xmlFreeDoc(doc);
 576     }
 577     if (!resDoc)
 578     {
 579         p->diagnostic = YAZ_BIB1_SYSTEM_ERROR_IN_PRESENTING_RECORDS;
 580     }
 581     else if (p->input_format == VAL_NONE || p->input_format == VAL_TEXT_XML)
 582     {
 583         xmlChar *buf_out;
 584         int len_out;
 585         xmlDocDumpMemory(resDoc, &buf_out, &len_out);
 586
 587         p->output_format = VAL_TEXT_XML;
 588         p->rec_len = len_out;
 589         p->rec_buf = odr_malloc(p->odr, p->rec_len);
 590         memcpy(p->rec_buf, buf_out, p->rec_len);
 591
 592         xmlFree(buf_out);
 593     }
 594     else if (p->output_format == VAL_SUTRS)
 595     {
 596         xmlChar *buf_out;
 597         int len_out;
 598         xmlDocDumpMemory(resDoc, &buf_out, &len_out);
 599
 600         p->output_format = VAL_SUTRS;
 601         p->rec_len = len_out;
 602         p->rec_buf = odr_malloc(p->odr, p->rec_len);
 603         memcpy(p->rec_buf, buf_out, p->rec_len);
 604
 605         xmlFree(buf_out);
 606     }
 607     else
 608     {
 609         p->diagnostic = YAZ_BIB1_RECORD_SYNTAX_UNSUPP;
 610     }
 611     xmlFreeDoc(resDoc);
 612     return 0;
 613 }
 614
 615 static struct recType filter_type_xslt = {
 616     0,
 617     "xslt",
 618     filter_init_xslt,
 619     filter_config,
 620     filter_destroy,
 621     filter_extract,
 622     filter_retrieve
 623 };
 624
 625 static struct recType filter_type_xslt1 = {
 626     0,
 627     "xslt1",
 628     filter_init_xslt1,
 629     filter_config,
 630     filter_destroy,
 631     filter_extract,
 632     filter_retrieve
 633 };
 634
 635 RecType
 636 #ifdef IDZEBRA_STATIC_XSLT
 637 idzebra_filter_xslt
 638 #else
 639 idzebra_filter
 640 #endif
 641
 642 [] = {
 643     &filter_type_xslt,
 644 #ifdef LIBXML_READER_ENABLED
 645     &filter_type_xslt1,
 646 #endif
 647     0,
 648 };