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