XMLTree.h

   1 \r
   2 /******************************************************************************\r
   3  *   Copyright (C) 2008 by Diego Arroyuelo                                    *\r
   4  *   Interface for the in-memory XQuery/XPath engine                          *\r
   5  *                                                                            *\r
   6  *   This program is free software; you can redistribute it and/or modify     *\r
   7  *   it under the terms of the GNU Lesser General Public License as published *\r
   8  *   by the Free Software Foundation; either version 2 of the License, or     *\r
   9  *   (at your option) any later version.                                      *\r
  10  *                                                                            *\r
  11  *   This program is distributed in the hope that it will be useful,          *\r
  12  *   but WITHOUT ANY WARRANTY; without even the implied warranty of           *\r
  13  *   MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the            *\r
  14  *   GNU Lesser General Public License for more details.                      *\r
  15  *                                                                            *\r
  16  *   You should have received a copy of the GNU Lesser General Public License *\r
  17  *   along with this program; if not, write to the                            *\r
  18  *   Free Software Foundation, Inc.,                                          *\r
  19  *   59 Temple Place - Suite 330, Boston, MA  02111-1307, USA.                *\r
  20  ******************************************************************************/ \r
  21 \r
  22 #ifndef XMLTREE_H_\r
  23 #define XMLTREE_H_\r
  24 #include "TextCollection/TextCollection.h"\r
  25 #include <stdio.h>\r
  26 #include <stdlib.h>\r
  27 #include <cstring>\r
  28 \r
  29 //clash between TextCollection/Tools.h and libcds/includes/basics.h\r
  30 #undef W\r
  31 #undef WW\r
  32 #undef Wminusone\r
  33 \r
  34 #include "bp.h"\r
  35 #include <static_bitsequence.h>\r
  36 #include <alphabet_mapper.h>\r
  37 #include <static_sequence.h>\r
  38 using SXSI::TextCollection;\r
  39 \r
  40 \r
  41 // this constant is used to efficiently compute the child operation in the tree\r
  42 #define OPTD 10\r
  43 \r
  44 #define NULLT -1\r
  45 \r
  46 #define PERM_SAMPLE 10\r
  47 \r
  48         // sets bit p in e\r
  49 #define bitset(e,p) ((e)[(p)/W] |= (1<<((p)%W)))\r
  50         // cleans bit p in e\r
  51 #define bitclean(e,p) ((e)[(p)/W] &= ~(1<<((p)%W)))\r
  52 \r
  53 \r
  54 typedef int treeNode;\r
  55 typedef int TagType; \r
  56 typedef int DocID;  \r
  57 \r
  58 typedef struct {\r
  59    int min;\r
  60    int max;\r
  61 } range;\r
  62 \r
  63 \r
  64 class XMLTree {\r
  65    /** Balanced parentheses representation of the tree */\r
  66    bp *Par;\r
  67  \r
  68    /** Mapping from tag identifer to tag name */  \r
  69    unsigned char **TagName;\r
  70   \r
  71    /** boolean flag indicating whether we are indexing empty texts or not */\r
  72    bool indexing_empty_texts; \r
  73    \r
  74    /** Bit vector indicating with a 1 the positions of the non-empty texts. */\r
  75    static_bitsequence_rrr02 *EBVector;  \r
  76                       \r
  77    /** Tag sequence represented with a data structure for rank and select */\r
  78    static_sequence *Tags;\r
  79 \r
  80    /** The texts in the XML document */\r
  81    TextCollection *Text;\r
  82    \r
  83    /** Flag indicating whether the whole data structure has been constructed or \r
  84     * not. If the value is true, you cannot add more texts, nodes, etc. */\r
  85    bool finished;\r
  86 \r
  87    /** Flag indicating whether the construction of the data structure has been\r
  88     * initialized or not (by calling method OpenDocument()). If this is true,\r
  89     * you cannot insert new tags or texts. */\r
  90    bool initialized;\r
  91    \r
  92    /* the following components are used for construction purposes */\r
  93    pb *par_aux;\r
  94    TagType *tags_aux;\r
  95    int npar;\r
  96    int parArraySize;\r
  97    int ntagnames;\r
  98    unsigned int *empty_texts_aux;\r
  99    bool found_attributes;\r
 100    bool disable_tc;\r
 101    \r
 102 public:\r
 103 \r
 104    /** Data structure constructor */\r
 105    XMLTree() {finished = false; initialized = false;}; \r
 106  \r
 107    /** Data structure destructor */\r
 108    ~XMLTree();\r
 109    \r
 110    /** root(): returns the tree root. */\r
 111    treeNode Root();\r
 112    \r
 113    /** SubtreeSize(x): the number of nodes (and attributes) in the subtree of \r
 114     * node x. */\r
 115    int SubtreeSize(treeNode x);\r
 116    \r
 117    /** SubtreeTags(x,tag): the number of occurrences of tag within the subtree \r
 118     * of node x. */\r
 119    int SubtreeTags(treeNode x, TagType tag);\r
 120    \r
 121    /** IsLeaf(x): returns whether node x is leaf or not. In the succinct \r
 122     * representation this is just a bit inspection. */\r
 123    bool IsLeaf(treeNode x);\r
 124     \r
 125    /** IsAncestor(x,y): returns whether node x is ancestor of node y. */\r
 126    bool IsAncestor(treeNode x, treeNode y);\r
 127   \r
 128    /** IsChild(x,y): returns whether node x is parent of node y. */\r
 129    bool IsChild(treeNode x, treeNode y);\r
 130    \r
 131    /** NumChildren(x): number of children of node x. Constant time with the \r
 132     * data structure of Sadakane. */\r
 133    int NumChildren(treeNode x);\r
 134    \r
 135    /** ChildNumber(x): returns i if node x is the i-th children of its \r
 136     * parent. */\r
 137    inline int ChildNumber(treeNode x);\r
 138 \r
 139    /** Depth(x): depth of node x, a simple binary rank on the parentheses \r
 140     * sequence. */\r
 141    int Depth(treeNode x);\r
 142    \r
 143    /** Preorder(x): returns the preorder number of node x, just regarding tree \r
 144     * nodes (and not texts). */ \r
 145    int Preorder(treeNode x);\r
 146    \r
 147    /** Postorder(x): returns the postorder number of node x, just regarding \r
 148     * tree nodes (and not texts). */\r
 149    int Postorder(treeNode x);\r
 150    \r
 151    /** Tag(x): returns the tag identifier of node x. */\r
 152    TagType Tag(treeNode x);\r
 153    \r
 154    /** DocIds(x): returns the range (i.e., a pair of integers) of document \r
 155     * identifiers that descend from node x. */\r
 156    range DocIds(treeNode x);\r
 157    \r
 158    /** Parent(x): returns the parent node of node x. */\r
 159    treeNode Parent(treeNode x);\r
 160    \r
 161    /** Child(x,i): returns the i-th child of node x, assuming it exists. */   \r
 162    treeNode Child(treeNode x, int i);\r
 163    \r
 164    /** FirstChild(x): returns the first child of node x, assuming it exists. \r
 165     * Very fast in BP. */\r
 166    treeNode FirstChild(treeNode x);\r
 167    \r
 168    /** NextSibling(x): returns the next sibling of node x, assuming it \r
 169     * exists. */\r
 170    treeNode NextSibling(treeNode x);\r
 171    \r
 172    /** PrevSibling(x): returns the previous sibling of node x, assuming it \r
 173     * exists. */\r
 174    treeNode PrevSibling(treeNode x);\r
 175    \r
 176    /** TaggedChild(x,i,tag): returns the i-th child of node x tagged tag, or \r
 177     * NULLT if there is none. Because of the balanced-parentheses representation \r
 178     * of the tree, this operation is not supported efficiently, just iterating \r
 179     * among the children of node x until finding the desired child. */\r
 180    treeNode TaggedChild(treeNode x, int i, TagType tag);\r
 181    \r
 182    /** TaggedDesc(x,tag): returns the first node tagged tag with larger \r
 183     * preorder than x and within the subtree of x. Returns NULT if there \r
 184     * is none. */\r
 185    treeNode TaggedDesc(treeNode x, TagType tag);\r
 186 \r
 187    /** TaggedPrec(x,tag): returns the first node tagged tag with smaller \r
 188     * preorder than x and not an ancestor of x. Returns NULLT if there \r
 189     * is none. */\r
 190    treeNode TaggedPrec(treeNode x, TagType tag);\r
 191   \r
 192    /** TaggedFoll(x,tag): returns the first node tagged tag with larger \r
 193     * preorder than x and not in the subtree of x. Returns NULLT if there \r
 194     * is none. */\r
 195    treeNode TaggedFoll(treeNode x, TagType tag);\r
 196    \r
 197    /** PrevText(x): returns the document identifier of the text to the left of \r
 198     * node x, or NULLT if x is the root node. */\r
 199    DocID PrevText(treeNode x);\r
 200    \r
 201    /** NextText(x): returns the document identifier of the text to the right of \r
 202     * node x, or NULLT if x is the root node. */\r
 203    DocID NextText(treeNode x);\r
 204    \r
 205    /** MyText(x): returns the document identifier of the text below node x, or \r
 206     * NULLT if x is not a leaf node. */\r
 207    DocID MyText(treeNode x);\r
 208    \r
 209    /** TextXMLId(d): returns the preorder of document with identifier d in the \r
 210     * tree consisting of all tree nodes and all text nodes. */\r
 211    int TextXMLId(DocID d);\r
 212    \r
 213    /** NodeXMLId(x): returns the preorder of node x in the tree consisting of \r
 214     * all tree nodes and all text nodes. */\r
 215    int NodeXMLId(treeNode x);\r
 216    \r
 217    /** ParentNode(d): returns the parent node of document identifier d. */\r
 218    treeNode ParentNode(DocID d);\r
 219 \r
 220    /** OpenDocument(empty_texts,sample_rate_text,dtc): initilizes the construction\r
 221     * of the data structure for the XML document. Parameter empty_texts \r
 222     * indicates whether we index empty texts in document or not. Parameter \r
 223     * sample_rate_text indicates the sampling rate for the text searching data\r
 224     * structures (small values get faster searching but a bigger space \r
 225     * requirement). dtc disable the use of the TextCollection\r
 226     * (i.e. everything is considered an empty text *)\r
 227     * Returns a non-zero value upon success, NULLT in case of \r
 228     * error. */\r
 229    int OpenDocument(bool empty_texts, int sample_rate_text, bool dtc);\r
 230 \r
 231    /** CloseDocument(): finishes the construction of the data structure for \r
 232     * the XML document. Tree and tags are represented in the final form, \r
 233     * dynamic data structures are made static, and the flag "finished" is set \r
 234     * to true. After that, the data structure can be queried. */\r
 235    int CloseDocument();\r
 236 \r
 237    /** NewOpenTag(tagname): indicates the event of finding a new opening tag \r
 238     * in the document. Tag name is given. Returns a non-zero value upon \r
 239     * success, and returns NULLT in case of error. */\r
 240    int NewOpenTag(unsigned char *tagname);\r
 241    \r
 242    /** NewClosingTag(tagname): indicates the event of finding a new closing tag\r
 243     *  in the document. Tag name is given. Returns a non-zero value upon \r
 244     *  success, and returns NULLT in case of error. */\r
 245    int NewClosingTag(unsigned char *tagname);\r
 246  \r
 247    /** NewText(s): indicates the event of finding a new (non-empty) text s in \r
 248     * the document. The new text is inserted within the text collection. \r
 249     * Returns a non-zero value upon success, NULLT in case of error. */\r
 250    int NewText(unsigned char *s);\r
 251 \r
 252    /** NewEmptyText(): indicates the event of finding a new empty text in the \r
 253     * document. In case of indexing empty and non-empty texts, we insert the \r
 254     * empty texts into the text collection. In case of indexing only non-empty\r
 255     * texts, it just indicates an empty text in the bit vector of empty texts. \r
 256     * Returns a non-zero value upon success, NULLT in case of error. */\r
 257    int NewEmptyText();\r
 258 \r
 259    /** GetTagId(tagname): returns the tag identifier corresponding to a given \r
 260     * tag name. Returns NULLT in case that the tag name does not exists. */\r
 261    TagType GetTagId(unsigned char *tagname);\r
 262 \r
 263    /** GetTagName(tagid): returns the tag name of a given tag identifier. \r
 264     * Returns NULL in case that the tag identifier is not valid.*/\r
 265    unsigned char *GetTagName(TagType tagid);\r
 266 \r
 267 \r
 268    TagType RegisterTag(unsigned char *tagname);\r
 269 \r
 270    bool EmptyText(DocID i) {\r
 271       return Text->EmptyText(i);\r
 272    }\r
 273    /** Prefix(s): search for texts prefixed by string s. */\r
 274    TextCollection::document_result Prefix(uchar const *s) {\r
 275       return Text->Prefix(s);\r
 276    }\r
 277 \r
 278    /** Suffix(s): search for texts having string s as a suffix. */\r
 279    TextCollection::document_result Suffix(uchar const *s) {\r
 280       return Text->Suffix(s);\r
 281    }\r
 282 \r
 283    /** Equal(s): search for texts equal to string s. */\r
 284    TextCollection::document_result Equal(uchar const *s) {\r
 285       return Text->Equal(s);\r
 286    }\r
 287 \r
 288    /** Contains(s): search for texts containing string s.  */\r
 289    TextCollection::document_result Contains(uchar const *s) {\r
 290       return Text->Contains(s);\r
 291    }\r
 292 \r
 293    /** LessThan(s): returns document identifiers for the texts that\r
 294     * are lexicographically smaller than string s. */\r
 295    TextCollection::document_result LessThan(uchar const *s) {\r
 296       return Text->LessThan(s);\r
 297    }\r
 298    \r
 299    /** IsPrefix(x): returns true if there is a text prefixed by string s. */\r
 300    bool IsPrefix(uchar const *s) {\r
 301       return Text->IsPrefix(s);\r
 302    }          \r
 303    \r
 304    /** IsSuffix(s): returns true if there is a text having string s as a \r
 305     * suffix.*/\r
 306    bool IsSuffix(uchar const *s) {\r
 307       return Text->IsSuffix(s);\r
 308    }\r
 309    \r
 310    /** IsEqual(s): returns true if there is a text that equals given \r
 311     * string s. */\r
 312    bool IsEqual(uchar const *s) {\r
 313       return Text->IsEqual(s);\r
 314    }\r
 315    \r
 316    /** IsContains(s): returns true if there is a text containing string s. */\r
 317    bool IsContains(uchar const *s) {\r
 318       return Text->IsContains(s);\r
 319    }\r
 320    \r
 321    /** IsLessThan(s): returns true if there is at least a text that is \r
 322     * lexicographically smaller than string s. */\r
 323    bool IsLessThan(uchar const *s) {\r
 324       return Text->IsLessThan(s);\r
 325    }\r
 326 \r
 327    /** CountPrefix(s): counting version of Prefix(s). */\r
 328    unsigned CountPrefix(uchar const *s) {\r
 329       return Text->CountPrefix(s);\r
 330    }\r
 331    \r
 332    /** CountSuffix(s): counting version of Suffix(s). */\r
 333    unsigned CountSuffix(uchar const *s) {\r
 334       return Text->CountSuffix(s);\r
 335    }\r
 336    \r
 337    /** CountEqual(s): counting version of Equal(s). */\r
 338    unsigned CountEqual(uchar const *s) {\r
 339       return Text->CountEqual(s);\r
 340    }\r
 341    \r
 342    /** CountContains(s): counting version of Contains(s). */\r
 343    unsigned CountContains(uchar const *s) {\r
 344       return Text->CountContains(s);\r
 345    }\r
 346    \r
 347    /** CountLessThan(s): counting version of LessThan(s). */\r
 348    unsigned CountLessThan(uchar const *s) {\r
 349       return CountLessThan(s);\r
 350    }\r
 351    \r
 352    /** GetText(d): returns the text corresponding to document with\r
 353     * id d. */\r
 354    uchar* GetText(DocID d) {\r
 355       return Text->GetText(d);\r
 356    }\r
 357    \r
 358    TextCollection *getTextCollection() {\r
 359       return Text;\r
 360    }\r
 361    /** Save: saves XML tree data structure to file. */\r
 362    void Save(unsigned char *filename);\r
 363       \r
 364    /** Load: loads XML tree data structure from file. sample_rate_text \r
 365     * indicates the sample rate for the text search data structure. */\r
 366    static XMLTree *Load(unsigned char *filename, int sample_rate_text);   \r
 367 };\r
 368 #endif\r