src/tree.ml

   1 (******************************************************************************)
   2 (*  SXSI : XPath evaluator                                                    *)
   3 (*  Kim Nguyen (Kim.Nguyen@nicta.com.au)                                      *)
   4 (*  Copyright NICTA 2008                                                      *)
   5 (*  Distributed under the terms of the LGPL (see LICENCE)                     *)
   6 (******************************************************************************)
   7 INCLUDE "debug.ml"
   8 INCLUDE "utils.ml"
   9
  10
  11 external init_lib : unit -> unit = "sxsi_cpp_init"
  12
  13 exception CPlusPlusError of string
  14
  15 let () = Callback.register_exception "CPlusPlusError" (CPlusPlusError "")
  16
  17 let () =  init_lib ()
  18
  19 type node = [ `Tree ] Node.t
  20
  21 type tree
  22
  23
  24 module TreeBuilder =
  25 struct
  26   type t
  27   external create : unit -> t = "caml_xml_tree_builder_create"
  28   external open_document : t -> bool -> int -> bool -> int -> unit = "caml_xml_tree_builder_open_document"
  29   external close_document : t -> tree = "caml_xml_tree_builder_close_document"
  30   external open_tag : t -> string -> unit = "caml_xml_tree_builder_new_open_tag"
  31   external close_tag : t -> string -> unit = "caml_xml_tree_builder_new_closing_tag"
  32   external text : t -> string -> unit = "caml_xml_tree_builder_new_text"
  33
  34
  35   let do_text b t =
  36     if Buffer.length t > 0 then begin
  37       open_tag b "<$>";
  38       text b (Buffer.contents t);
  39       close_tag b "<$>";
  40       Buffer.clear t
  41     end
  42
  43   let output_attr b name value =
  44     let atname = "<@>" ^ name in
  45     open_tag b atname;
  46     open_tag b "<@$>";
  47       text b value;
  48       close_tag b "<@$>";
  49       close_tag b atname
  50
  51   let start_element_handler b t tag attr_list =
  52     do_text b t;
  53     open_tag b tag;
  54     match attr_list with
  55         [] -> ()
  56       | l ->
  57         open_tag b "<@>";
  58         List.iter (fun (name, value) -> output_attr b name value) l;
  59           close_tag b "<@>"
  60
  61
  62   let end_element_handler b t tag =
  63     do_text b t;
  64     close_tag b tag
  65
  66   let character_data_handler _b t text =
  67     Buffer.add_string t text
  68
  69   let create_parser () =
  70     let buf = Buffer.create 512 in
  71     let build = create () in
  72     let parser_ = Expat.parser_create ~encoding:None in
  73     let finalize () =
  74       do_text build buf;
  75       close_tag build "";
  76       close_document build
  77     in
  78     Expat.set_start_element_handler parser_ (start_element_handler build buf);
  79     Expat.set_end_element_handler parser_ (end_element_handler build buf);
  80     Expat.set_character_data_handler parser_ (character_data_handler build buf);
  81     open_document build !Options.index_empty_texts !Options.sample_factor
  82       !Options.disable_text_collection !Options.text_index_type;
  83     open_tag build "";
  84     parser_, finalize
  85
  86   let parse_string s =
  87     let parser_, finalizer = create_parser () in
  88     Expat.parse parser_ s;
  89     finalizer ()
  90
  91   let parse_file file =
  92     let in_chan = open_in file in
  93     let buffer = String.create 4096 in
  94     let parser_, finalizer = create_parser () in
  95     let () =
  96       try
  97         while true do
  98           let read = input in_chan buffer 0 4096 in
  99           if read == 0 then raise End_of_file else
 100             Expat.parse_sub parser_ buffer 0 read;
 101           done
 102
 103       with
 104         | End_of_file -> close_in in_chan
 105         | e -> raise e
 106     in
 107       finalizer ()
 108
 109
 110
 111 end
 112
 113
 114
 115
 116 type bit_vector = string
 117
 118 external bool_of_int : int -> bool = "%identity"
 119
 120 let bit_vector_unsafe_get v i =
 121   bool_of_int
 122     (((Char.code (String.unsafe_get v (i lsr 3))) lsr (i land 7)) land 1)
 123
 124 type t = {
 125   doc : tree;
 126   elements: Ptset.Int.t;
 127   attributes: Ptset.Int.t;
 128   attribute_array : Tag.t array;
 129   children : Ptset.Int.t array;
 130   siblings : Ptset.Int.t array;
 131   descendants: Ptset.Int.t array;
 132   followings: Ptset.Int.t array;
 133 }
 134
 135
 136
 137 (*
 138 external parse_xml_uri : string -> int -> bool -> bool -> int -> tree = "caml_call_shredder_uri"
 139 external parse_xml_string :  string -> int -> bool -> bool -> int -> tree = "caml_call_shredder_string"
 140 *)
 141 external tree_print_xml_fast3 : tree -> [`Tree ] Node.t -> Unix.file_descr -> unit = "caml_xml_tree_print"
 142 let print_xml t n fd =
 143   tree_print_xml_fast3 t.doc n fd
 144
 145
 146 external tree_save : tree -> Unix.file_descr -> string -> unit = "caml_xml_tree_save"
 147 external tree_load : Unix.file_descr -> string -> bool -> int -> tree = "caml_xml_tree_load"
 148
 149 external nullt : unit -> 'a Node.t = "caml_xml_tree_nullt"
 150
 151 let nil : [`Tree ] Node.t = Node.nil
 152 let root : [`Tree ] Node.t = Node.null
 153
 154 type unordered_set
 155
 156 external unordered_set_alloc : int -> unordered_set = "caml_unordered_set_alloc"
 157 external unordered_set_length : unordered_set -> int = "caml_unordered_set_length"
 158 external unordered_set_insert : unordered_set -> int -> unit = "caml_unordered_set_set" "noalloc"
 159
 160 module HPtset = Hashtbl.Make(Ptset.Int)
 161
 162 let vector_htbl = HPtset.create MED_H_SIZE
 163
 164 let unordered_set_of_set s =
 165   try
 166     HPtset.find vector_htbl s
 167   with
 168       Not_found ->
 169         let v = unordered_set_alloc (Ptset.Int.cardinal s) in
 170         let _ = Ptset.Int.iter (fun e -> unordered_set_insert v e) s in
 171           HPtset.add vector_htbl s v; v
 172
 173 let ptset_to_vector = unordered_set_of_set
 174
 175 (** tree interface *)
 176
 177 external tree_root : tree -> [`Tree] Node.t = "caml_xml_tree_root"  "noalloc"
 178
 179
 180 external tree_first_child : tree -> [`Tree] Node.t -> [`Tree] Node.t = "caml_xml_tree_first_child" "noalloc"
 181 let first_child t n = tree_first_child t.doc n
 182
 183 external tree_first_element : tree -> [`Tree] Node.t -> [`Tree] Node.t = "caml_xml_tree_first_element" "noalloc"
 184 let first_element t n = tree_first_element t.doc n
 185
 186 external tree_tagged_child : tree -> [`Tree] Node.t -> Tag.t -> [`Tree] Node.t = "caml_xml_tree_tagged_child" "noalloc"
 187 let tagged_child t n tag = tree_tagged_child t.doc n tag
 188
 189 external tree_select_child : tree -> [`Tree ] Node.t -> unordered_set -> [`Tree] Node.t = "caml_xml_tree_select_child" "noalloc"
 190 let select_child t n tag_set = tree_select_child t.doc n tag_set
 191
 192 external tree_last_child : tree -> [`Tree] Node.t -> [`Tree] Node.t = "caml_xml_tree_last_child" "noalloc"
 193 let last_child t n = tree_last_child t.doc n
 194
 195
 196
 197 external tree_next_sibling : tree -> [`Tree] Node.t -> [`Tree] Node.t = "caml_xml_tree_next_sibling"  "noalloc"
 198 let next_sibling t n = tree_next_sibling t.doc n
 199
 200 external tree_next_element : tree -> [`Tree] Node.t -> [`Tree] Node.t = "caml_xml_tree_next_element"  "noalloc"
 201 let next_element t n = tree_next_element t.doc n
 202
 203 external tree_next_node_before : tree -> [`Tree] Node.t -> [`Tree] Node.t -> [`Tree] Node.t = "caml_xml_tree_next_node_before"  "noalloc"
 204 let next_node_before t n ctx = tree_next_node_before t.doc n ctx
 205
 206 external tree_tagged_following_sibling : tree -> [`Tree] Node.t -> Tag.t -> [`Tree] Node.t = "caml_xml_tree_tagged_following_sibling" "noalloc"
 207 let tagged_following_sibling t n tag = tree_tagged_following_sibling t.doc n tag
 208
 209 external tree_select_following_sibling : tree -> [`Tree ] Node.t -> unordered_set -> [`Tree] Node.t = "caml_xml_tree_select_following_sibling" "noalloc"
 210 let select_following_sibling t n tag_set = tree_select_following_sibling t.doc n tag_set
 211
 212 external tree_prev_sibling : tree -> [`Tree] Node.t -> [`Tree] Node.t = "caml_xml_tree_prev_sibling" "noalloc"
 213 let prev_sibling t n = tree_prev_sibling t.doc n
 214
 215
 216
 217 external tree_tagged_descendant : tree -> [`Tree ] Node.t -> Tag.t -> [`Tree ] Node.t = "caml_xml_tree_tagged_descendant" "noalloc"
 218 let tagged_descendant t n tag = tree_tagged_descendant t.doc n tag
 219
 220 external tree_tagged_next : tree -> [`Tree ] Node.t -> Tag.t -> [`Tree ] Node.t = "caml_xml_tree_tagged_next" "noalloc"
 221 let tagged_next t n tag = tree_tagged_next t.doc n tag
 222
 223 external tree_select_descendant : tree -> [`Tree ] Node.t -> unordered_set -> [`Tree] Node.t = "caml_xml_tree_select_descendant" "noalloc"
 224 let select_descendant t n tag_set = tree_select_descendant t.doc n tag_set
 225
 226 external tree_tagged_following_before : tree -> [`Tree ] Node.t -> Tag.t -> [`Tree ] Node.t -> [`Tree ] Node.t = "caml_xml_tree_tagged_following_before" "noalloc"
 227 let tagged_following_before t n tag ctx = tree_tagged_following_before t.doc n tag ctx
 228
 229 external tree_select_following_before : tree -> [`Tree ] Node.t -> unordered_set -> [`Tree] Node.t -> [`Tree] Node.t = "caml_xml_tree_select_following_before" "noalloc"
 230 let select_following_before t n tag_set ctx = tree_select_following_before t.doc n tag_set ctx
 231
 232 external tree_parent : tree -> [`Tree] Node.t -> [`Tree] Node.t = "caml_xml_tree_parent" "noalloc"
 233 let parent t n = tree_parent t.doc n
 234
 235 external tree_binary_parent : tree -> [`Tree] Node.t -> [`Tree] Node.t = "caml_xml_tree_binary_parent"
 236   "noalloc"
 237 let binary_parent t n = tree_binary_parent t.doc n
 238
 239
 240 external tree_tag : tree -> [`Tree] Node.t -> Tag.t = "caml_xml_tree_tag" "noalloc"
 241 let tag t n = tree_tag t.doc n
 242
 243 external tree_is_first_child : tree -> [ `Tree ] Node.t -> bool = "caml_xml_tree_is_first_child" "noalloc"
 244 let is_first_child t n = tree_is_first_child t.doc n
 245
 246 external tree_is_right_descendant : tree -> [ `Tree ] Node.t -> [`Tree] Node.t -> bool =
 247   "caml_xml_tree_is_right_descendant" "noalloc"
 248
 249 let is_right_descendant t n1 n2 = tree_is_right_descendant t.doc n1 n2
 250 ;;
 251
 252 let node_tags t = Ptset.Int.add Tag.document_node t.descendants.(Tag.document_node)
 253
 254 let attribute_tags t = t.attributes
 255
 256 let element_tags t = t.elements
 257
 258 let tags t tag =
 259   t.children.(tag), t.descendants.(tag), t.siblings.(tag), t.followings.(tag)
 260
 261 open Format
 262 let dump_tag_table t =
 263   eprintf "Child tags:\n%!";
 264   Array.iteri
 265     (fun tag set -> eprintf "%s: %a\n%!"
 266       (Tag.to_string tag) TagSet.print (TagSet.inj_positive set))
 267     t.children;
 268   eprintf "-----------------------------\n%!";
 269   eprintf "Descendant tags:\n%!";
 270   Array.iteri
 271     (fun tag set -> eprintf "%s: %a\n%!"
 272       (Tag.to_string tag) TagSet.print (TagSet.inj_positive set))
 273     t.descendants;
 274   eprintf "-----------------------------\n%!";
 275   eprintf "Sibling tags:\n%!";
 276   Array.iteri
 277     (fun tag set -> eprintf "%s: %a\n%!"
 278       (Tag.to_string tag) TagSet.print (TagSet.inj_positive set))
 279     t.siblings;
 280   eprintf "-----------------------------\n%!";
 281   eprintf "Following tags:\n%!";
 282   Array.iteri
 283     (fun tag set -> eprintf "%s: %a\n%!"
 284       (Tag.to_string tag) TagSet.print (TagSet.inj_positive set))
 285     t.followings;
 286    eprintf "-----------------------------\n%!"
 287
 288
 289 external tree_subtree_tags : tree -> [`Tree] Node.t -> Tag.t -> int = "caml_xml_tree_subtree_tags" "noalloc"
 290 let subtree_tags t n tag = tree_subtree_tags t.doc n tag
 291
 292 external tree_subtree_size : tree -> [`Tree] Node.t -> int = "caml_xml_tree_subtree_size" "noalloc"
 293 let subtree_size t n = tree_subtree_size t.doc n
 294
 295 let subtree_elements t node =
 296   let size = tree_subtree_size t.doc node - 1 in
 297     if size == 0 then 0
 298     else let size = size - (tree_subtree_tags t.doc node Tag.pcdata) in
 299       if size < 2 then size else
 300         let acc = ref size in
 301           for i = 0 to Array.length t.attribute_array - 1 do
 302             acc := !acc - tree_subtree_tags t.doc node t.attribute_array.(i)
 303           done;
 304           !acc
 305
 306 external tree_closing : tree -> [`Tree] Node.t -> [`Tree] Node.t = "caml_xml_tree_closing" "noalloc"
 307 let closing t n = tree_closing t.doc n
 308
 309 external tree_num_tags : tree -> int = "caml_xml_tree_num_tags" "noalloc"
 310 let num_tags t = tree_num_tags t.doc
 311
 312 external tree_size : tree -> int = "caml_xml_tree_size" "noalloc"
 313 let size t = tree_size t.doc
 314
 315
 316 let stats t =
 317   let tree = t.doc in
 318   let rec loop left node acc_d total_d num_leaves =
 319     if node == nil then
 320     (acc_d+total_d,if left then num_leaves+1 else num_leaves)
 321     else
 322     let d,td = loop true (tree_first_child tree node) (acc_d+1) total_d num_leaves in
 323     loop false (tree_next_sibling tree  node) (acc_d)  d td
 324   in
 325   let a,b = loop true root 0 0 0
 326   in
 327   Printf.eprintf "Average depth: %f, number of leaves %i\n%!" ((float_of_int a)/. (float_of_int b)) b
 328 ;;
 329
 330 module TagS =
 331   struct
 332     include Ptset.Make (
 333       struct type t = int
 334              type data = t
 335              external hash : t -> int = "%identity"
 336              external uid : t -> Uid.t = "%identity"
 337              external equal : t -> t -> bool = "%eq"
 338              external make : t -> int = "%identity"
 339              external node : t -> int = "%identity"
 340              external stats : unit -> unit = "%identity"
 341       end
 342     )
 343     let to_ptset s = fold (Ptset.Int.add) s Ptset.Int.empty
 344   end
 345
 346 module TSTSCache =
 347   Hashtbl.Make(struct type t = TagS.t * TagS.t
 348                       let hash (x, y) =
 349                         HASHINT2(Uid.to_int x.TagS.Node.id,
 350                                  Uid.to_int y.TagS.Node.id)
 351                       let equal u v =
 352                         let u1,u2 = u
 353                         and v1,v2 = v in
 354                           u1 == v1 && u2 == v2
 355                end)
 356 module TagTSCache =
 357   Hashtbl.Make(struct type t = Tag.t * TagS.t
 358                       let hash (x, y) =
 359                         HASHINT2(x, Uid.to_int y.TagS.Node.id)
 360                       let equal u v =
 361                         let u1,u2 = u
 362                         and v1,v2 = v in
 363                           u1 == v1 && u2 == v2
 364                end)
 365
 366 let add_cache = TagTSCache.create 1023
 367 let union_cache = TSTSCache.create 1023
 368 let subset_cache = TSTSCache.create 1023
 369
 370 let clear_cache () =
 371   TSTSCache.clear union_cache;
 372   TSTSCache.clear subset_cache;
 373   TagTSCache.clear add_cache
 374
 375 let _subset x y =
 376   (x == y) || (x == TagS.empty) ||
 377     if y == TagS.empty then false
 378     else
 379       let key = (x, y) in
 380         try
 381           TSTSCache.find subset_cache key
 382         with
 383           | Not_found ->
 384               let z = TagS.subset x y in
 385                 TSTSCache.add subset_cache key z; z
 386
 387 let order ((x, y) as z) =
 388   if x.TagS.Node.id <= y.TagS.Node.id then z
 389   else (y, x)
 390
 391 let _union x y =
 392   if _subset x y then y
 393   else if _subset y x then x
 394   else
 395    let key = order (x, y) in
 396      try
 397        TSTSCache.find union_cache key
 398     with
 399       | Not_found ->
 400           let z = TagS.union x y in
 401             TSTSCache.add union_cache key z; z
 402
 403 let _add t s =
 404   let key = (t,s) in
 405     try
 406       TagTSCache.find add_cache key
 407     with
 408       | Not_found ->
 409           let z = TagS.add t s in
 410             TagTSCache.add add_cache key z;z
 411
 412 let child_sibling_labels tree =
 413   let table_c = Array.create (tree_num_tags tree) TagS.empty in
 414   let table_n = Array.copy table_c in
 415   let rec loop node =
 416     if node == nil then TagS.empty
 417     else
 418       let children = loop (tree_first_child tree node) in
 419       let tag = tree_tag tree node in
 420       let () =
 421         let tc = table_c.(tag) in
 422         if _subset children tc then ()
 423         else table_c.(tag) <-  _union tc children
 424       in
 425       let siblings = loop (tree_next_sibling tree node) in
 426       let () =
 427         let tn = table_n.(tag) in
 428           if _subset siblings tn then ()
 429           else table_n.(tag) <- _union tn siblings
 430       in
 431         _add tag siblings
 432   in
 433     ignore (loop root);
 434     table_c, table_n
 435
 436 let descendant_labels tree =
 437   let table_d = Array.create (tree_num_tags tree) TagS.empty in
 438   let rec loop node =
 439     if node == nil then  TagS.empty else
 440       let d1 = loop (tree_first_child tree node) in
 441       let d2 = loop (tree_next_sibling tree node) in
 442       let tag = tree_tag tree node in
 443       let () =
 444         let td = table_d.(tag) in
 445           if _subset d1 td then ()
 446           else table_d.(tag) <- _union td d1;
 447       in
 448         _add tag (_union d1 d2)
 449   in
 450     ignore (loop root);
 451     table_d
 452
 453 let collect_labels tree =
 454   let table_f = Array.create (tree_num_tags tree) TagS.empty in
 455   let table_n = Array.copy table_f in
 456   let table_c = Array.copy table_f in
 457   let table_d = Array.copy table_f in
 458   let rec loop node foll_siblings descendants followings =
 459     if node == nil then foll_siblings, descendants, followings else
 460       let tag = tree_tag tree node in
 461       let () =
 462         let tf = table_f.(tag) in
 463           if _subset followings tf then ()
 464           else table_f.(tag) <- _union tf followings in
 465       let () =
 466         let tn = table_n.(tag) in
 467           if _subset foll_siblings tn then ()
 468           else table_n.(tag) <- _union tn foll_siblings in
 469       let children, n_descendants, n_followings =
 470         loop (tree_last_child tree node) TagS.empty TagS.empty followings
 471       in
 472       let () =
 473         let tc = table_c.(tag) in
 474           if _subset children tc then ()
 475           else table_c.(tag) <- _union tc children
 476       in
 477       let () =
 478         let td = table_d.(tag) in
 479           if _subset n_descendants td then ()
 480           else table_d.(tag) <- _union td n_descendants
 481       in
 482         loop (tree_prev_sibling tree node)
 483           (_add tag foll_siblings)
 484           (_add tag (_union n_descendants descendants))
 485           (_add tag n_followings)
 486   in
 487     ignore (loop root TagS.empty TagS.empty TagS.empty);
 488     table_f, table_n, table_c, table_d
 489
 490
 491 let is_nil t = t == nil
 492 let is_node t = t != nil
 493 let is_root t = t == root
 494
 495 let node_of_t t  =
 496   let _ = Tag.init (Obj.magic t) in
 497   let f, n, c, d = time collect_labels t ~msg:"Building tag relationship table" in
 498   let c = Array.map TagS.to_ptset c in
 499   let n = Array.map TagS.to_ptset n in
 500   let f = Array.map TagS.to_ptset f in
 501   let d = Array.map TagS.to_ptset d in
 502   let () = clear_cache () in
 503   let attributes = Ptset.Int.add Tag.attribute d.(Tag.attribute) in
 504   let elements = Ptset.Int.add Tag.document_node
 505     (Ptset.Int.remove Tag.pcdata
 506        (Ptset.Int.diff d.(Tag.document_node) attributes))
 507   in
 508     { doc= t;
 509       attributes = attributes;
 510       attribute_array = Array.of_list (Ptset.Int.elements attributes);
 511       elements = elements;
 512       children = c;
 513       siblings = n;
 514       descendants = d;
 515       followings = f
 516
 517     }
 518
 519
 520 let parse_xml_uri str = node_of_t (TreeBuilder.parse_file str)
 521 let parse_xml_string str = node_of_t (TreeBuilder.parse_string str)
 522
 523 let size t = tree_size t.doc;;
 524
 525 external pool : tree -> Tag.pool = "%identity"
 526
 527 let magic_string = "SXSI_INDEX"
 528 let version_string = "3"
 529
 530 let pos fd =
 531   Unix.lseek fd 0  Unix.SEEK_CUR
 532
 533 let pr_pos fd = Printf.eprintf "At position %i\n%!" (pos fd)
 534
 535 let write fd s =
 536   let sl = String.length s in
 537   let ssl = Printf.sprintf "%020i" sl in
 538     ignore (Unix.write fd ssl 0 20);
 539     ignore (Unix.write fd s 0 (String.length s))
 540
 541 let rec really_read fd buffer start length =
 542   if length <= 0 then () else
 543     match Unix.read fd buffer start length with
 544         0 -> raise End_of_file
 545       | r -> really_read fd buffer (start + r) (length - r);;
 546
 547 let read fd =
 548   let buffer = String.create 20 in
 549   let _ =  really_read fd buffer 0 20 in
 550   let size = int_of_string buffer in
 551   let buffer = String.create size in
 552   let _ =  really_read fd buffer 0 size in
 553     buffer
 554
 555 let save_tag_table channel t =
 556   let t = Array.map (fun s -> Array.of_list (Ptset.Int.elements s)) t in
 557     Marshal.to_channel channel t []
 558
 559 let save t str =
 560   let fd = Unix.openfile str [ Unix.O_WRONLY;Unix.O_TRUNC;Unix.O_CREAT] 0o644 in
 561   let out_c = Unix.out_channel_of_descr fd in
 562   let _ = set_binary_mode_out out_c true in
 563     output_string out_c magic_string;
 564     output_char out_c '\n';
 565     output_string out_c version_string;
 566     output_char out_c '\n';
 567     save_tag_table out_c t.children;
 568     save_tag_table out_c t.siblings;
 569     save_tag_table out_c t.descendants;
 570     save_tag_table out_c t.followings;
 571     (* we need to move the fd to the correct position *)
 572     flush out_c;
 573     ignore (Unix.lseek fd (pos_out out_c) Unix.SEEK_SET);
 574     tree_save t.doc fd str;
 575     close_out out_c
 576 ;;
 577 let load_tag_table channel =
 578   let table : int array array = Marshal.from_channel channel in
 579     Array.map (fun a -> Ptset.Int.from_list (Array.to_list a)) table
 580
 581 let load ?(sample=64) ?(load_text=true) str =
 582   let fd = Unix.openfile str [ Unix.O_RDONLY ] 0o644 in
 583   let in_c = Unix.in_channel_of_descr fd in
 584   let _ = set_binary_mode_in in_c true in
 585   let load_table () =
 586     (let ms = input_line in_c in if ms <> magic_string then failwith "Invalid index file");
 587     (let vs = input_line in_c in if vs <> version_string then failwith "Invalid version file");
 588     let c = load_tag_table in_c in
 589     let s = load_tag_table in_c in
 590     let d = load_tag_table in_c in
 591     let f = load_tag_table in_c in
 592       c,s,d,f
 593   in
 594   let c, s, d, f = time ~msg:"Loading tag table"(load_table) () in
 595   ignore(Unix.lseek fd (pos_in in_c) Unix.SEEK_SET);
 596     let xml_tree = tree_load fd str load_text sample in
 597     let () = Tag.init (Obj.magic xml_tree) in
 598     let attributes = Ptset.Int.add Tag.attribute d.(Tag.attribute) in
 599     let elements = Ptset.Int.add Tag.document_node
 600       (Ptset.Int.remove Tag.pcdata
 601          (Ptset.Int.diff d.(Tag.document_node) attributes))
 602     in
 603     let tree = { doc = xml_tree;
 604                  attributes = attributes;
 605                  attribute_array = Array.of_list (Ptset.Int.elements attributes);
 606                  elements = elements;
 607                  children = c;
 608                  siblings = s;
 609                  descendants = d;
 610                  followings = f
 611              }
 612   in close_in in_c;
 613   tree
 614
 615
 616
 617
 618 let tag_pool t = pool t.doc
 619
 620 let equal a b = a == b
 621
 622 let nts = function
 623     -1 -> "Nil"
 624   | i -> Printf.sprintf "Node (%i)"  i
 625
 626 let dump_node t = nts (Node.to_int t)
 627
 628
 629
 630 type query_result = { bv : bit_vector;
 631                       pos : node array;
 632                     }
 633
 634 external tree_flush : tree -> Unix.file_descr -> unit = "caml_xml_tree_flush"
 635 let flush t fd = tree_flush t.doc fd
 636
 637 external text_prefix : tree -> string -> query_result = "caml_text_collection_prefix_bv"
 638 let text_prefix t s = text_prefix t.doc s
 639
 640 external text_suffix : tree -> string -> query_result = "caml_text_collection_suffix_bv"
 641 let text_suffix t s = text_suffix t.doc s
 642
 643 external text_equals : tree -> string -> query_result = "caml_text_collection_equals_bv"
 644 let text_equals t s = text_equals t.doc s
 645
 646 external text_contains : tree -> string -> query_result = "caml_text_collection_contains_bv"
 647 let text_contains t s = text_contains t.doc s
 648
 649
 650 module Predicate = Hcons.Make (
 651   struct
 652     type _t = t
 653     type t = (_t -> node -> bool) ref
 654     let hash t = Hashtbl.hash t
 655     let equal t1 t2 = t1 == t2
 656 end)
 657
 658 let string_of_query query =
 659     match query with
 660       | `Prefix -> "starts-with"
 661       | `Suffix -> "ends-with"
 662       | `Equals -> "equals"
 663       | `Contains -> "contains"
 664 ;;
 665
 666 let query_fun = function
 667       | `Prefix -> text_prefix
 668       | `Suffix -> text_suffix
 669       | `Equals -> text_equals
 670       | `Contains -> text_contains
 671 ;;
 672
 673 let _pred_cache = Hashtbl.create 17
 674 ;;
 675 let mk_pred query s =
 676   let f = query_fun query in
 677   let memo = ref (fun _ _ -> failwith "Undefined") in
 678   memo := begin fun tree node ->
 679     let results =
 680       try Hashtbl.find _pred_cache (query,s) with
 681           Not_found ->
 682             time ~count:1 ~msg:(Printf.sprintf "Computing text query %s(%s)"
 683                                   (string_of_query query) s)
 684               (f tree) s
 685     in
 686     let bv = results.bv in
 687     memo := begin fun _ n ->
 688       let b =
 689         bit_vector_unsafe_get bv (Node.to_int n)
 690       in
 691       D_TRACE_(Printf.eprintf "Result of memoized call to query %s is %b for node %i\n" s b (Node.to_int n));
 692       b
 693     end;
 694     let b = bit_vector_unsafe_get bv (Node.to_int node) in
 695     D_TRACE_(Printf.eprintf "Result is %b for node %i\n" b (Node.to_int node));
 696     b
 697   end;
 698   Predicate.make memo
 699
 700
 701 let full_text_prefix t s = (text_prefix t s).pos
 702
 703 let full_text_suffix t s = (text_suffix t s).pos
 704
 705 let full_text_equals t s = (text_equals t s).pos
 706
 707 let full_text_contains t s = (text_contains t s).pos
 708
 709 let full_text_query q t s =
 710   let res = (query_fun q) t s in
 711   Hashtbl.replace _pred_cache (q,s) res;
 712   res.pos