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 external register_tag : tree -> string -> Tag.t = "caml_xml_tree_register_tag"
  25
  26 external tag_name : tree -> Tag.t -> string = "caml_xml_tree_get_tag_name"
  27
  28 let tag t = (); fun s ->
  29   match s with
  30   | "<$>" -> Tag.pcdata
  31   | "<@>" -> Tag.attribute
  32   | "" -> Tag.document_node
  33   | "<@$>" -> Tag.attribute_data
  34   | _ -> register_tag t s
  35
  36 let to_string d = ();
  37   fun t ->
  38     if t == Tag.pcdata then "<$>"
  39     else if t == Tag.attribute_data then "<@$>"
  40     else if t == Tag.attribute then "<@>"
  41     else if t == Tag.nullt then "<!NIL!>"
  42     else tag_name d t
  43
  44 let translate  x = x
  45
  46 let mk_tag_ops t = {
  47   Tag.tag = tag t;
  48   Tag.to_string = to_string t;
  49   Tag.translate = translate
  50 }
  51
  52 module TreeBuilder =
  53 struct
  54   type t
  55   external create : unit -> t = "caml_xml_tree_builder_create"
  56   external open_document : t -> bool -> int -> bool -> int -> unit = "caml_xml_tree_builder_open_document"
  57   external close_document : t -> tree = "caml_xml_tree_builder_close_document"
  58   external open_tag : t -> string -> unit = "caml_xml_tree_builder_new_open_tag"
  59   external close_tag : t -> string -> unit = "caml_xml_tree_builder_new_closing_tag"
  60   external text : t -> string -> unit = "caml_xml_tree_builder_new_text"
  61
  62   let is_whitespace s =
  63     let rec loop len i =
  64       if i < len then
  65         let c = s.[i] in
  66         (c == '\n' || c == '\t' || c == ' ') && loop len (i+1)
  67       else
  68         true
  69     in
  70     loop (String.length s) 0
  71
  72
  73   let display_count =
  74     let event_counter = ref 0 in
  75     (fun parser_ ->
  76       incr event_counter;
  77     if !event_counter land 0xffffff == 0 then
  78       Printf.eprintf "Current position: %i\n%!" (Expat.get_current_byte_index parser_))
  79
  80   let do_text b t =
  81     if Buffer.length t > 0 then begin
  82       let s = Buffer.contents t in
  83       begin
  84         open_tag b "<$>";
  85         text b s;
  86         close_tag b "<$>";
  87       end;
  88       Buffer.clear t
  89     end
  90
  91   let output_attr b name value =
  92     let atname = "<@>" ^ name in
  93     open_tag b atname;
  94     open_tag b "<@$>";
  95     text b value;
  96     close_tag b "<@$>";
  97     close_tag b atname
  98
  99   let start_element_handler parser_ b t tag attr_list =
 100     display_count parser_;
 101     do_text b t;
 102     open_tag b tag;
 103     match attr_list with
 104         [] -> ()
 105       | l ->
 106         open_tag b "<@>";
 107         List.iter (fun (name, value) -> output_attr b name value) l;
 108         close_tag b "<@>"
 109
 110
 111   let end_element_handler parser_ b t tag =
 112     display_count parser_;
 113     do_text b t;
 114     close_tag b tag
 115
 116   let character_data_handler parser_ _ t text =
 117     display_count parser_;
 118     Buffer.add_string t text
 119
 120   let create_parser () =
 121     let buf = Buffer.create 512 in
 122     let build = create () in
 123     let parser_ = Expat.parser_create ~encoding:None in
 124     let finalize () =
 125       do_text build buf;
 126       close_tag build "";
 127       Printf.eprintf "Finished Parsing\n%!";
 128       Printf.eprintf "Started Index construction\n%!";
 129       let r = close_document build in
 130       Printf.eprintf "Finished Index construction\n%!";
 131       r
 132     in
 133     Expat.set_start_element_handler parser_ (start_element_handler parser_ build buf);
 134     Expat.set_end_element_handler parser_ (end_element_handler parser_ build buf);
 135     Expat.set_character_data_handler parser_ (character_data_handler parser_ build buf);
 136     Printf.eprintf "Started Parsing\n%!";
 137     open_document build !Options.index_empty_texts !Options.sample_factor
 138       !Options.disable_text_collection !Options.text_index_type;
 139     open_tag build "";
 140     parser_, finalize
 141
 142   let parse_string s =
 143     let parser_, finalizer = create_parser () in
 144     Expat.parse parser_ s;
 145     finalizer ()
 146
 147   let parse_file file =
 148     let in_chan = open_in file in
 149     let buffer = String.create 4096 in
 150     let parser_, finalizer = create_parser () in
 151     let () =
 152       try
 153         while true do
 154           let read = input in_chan buffer 0 4096 in
 155           if read == 0 then raise End_of_file else
 156             Expat.parse_sub parser_ buffer 0 read;
 157           done
 158
 159       with
 160         | End_of_file -> close_in in_chan
 161         | e -> raise e
 162     in
 163       finalizer ()
 164
 165 end
 166
 167
 168
 169
 170 type bit_vector = string
 171
 172 external bool_of_int : int -> bool = "%identity"
 173
 174 let bit_vector_unsafe_get v i =
 175   bool_of_int
 176     (((Char.code (String.unsafe_get v (i lsr 3))) lsr (i land 7)) land 1)
 177
 178 type t = {
 179   doc : tree;
 180   elements: Ptset.Int.t;
 181   attributes: Ptset.Int.t;
 182   attribute_array : Tag.t array;
 183   children : Ptset.Int.t array;
 184   siblings : Ptset.Int.t array;
 185   descendants: Ptset.Int.t array;
 186   followings: Ptset.Int.t array;
 187 }
 188
 189
 190 let tag_operations t = mk_tag_ops t.doc
 191 (*
 192 external parse_xml_uri : string -> int -> bool -> bool -> int -> tree = "caml_call_shredder_uri"
 193 external parse_xml_string :  string -> int -> bool -> bool -> int -> tree = "caml_call_shredder_string"
 194 *)
 195 external tree_print_xml_fast3 : tree -> [`Tree ] Node.t -> Unix.file_descr -> unit = "caml_xml_tree_print"
 196 let print_xml t n fd =
 197   tree_print_xml_fast3 t.doc n fd
 198
 199
 200 external tree_save : tree -> Unix.file_descr -> string -> unit = "caml_xml_tree_save"
 201 external tree_load : Unix.file_descr -> string -> bool -> int -> tree = "caml_xml_tree_load"
 202
 203 external nullt : unit -> 'a Node.t = "caml_xml_tree_nullt"
 204
 205 let nil : [`Tree ] Node.t = Node.nil
 206 let root : [`Tree ] Node.t = Node.null
 207
 208 type unordered_set
 209
 210 external unordered_set_alloc : int -> unordered_set = "caml_unordered_set_alloc"
 211 external unordered_set_length : unordered_set -> int = "caml_unordered_set_length"
 212 external unordered_set_insert : unordered_set -> int -> unit = "caml_unordered_set_set" "noalloc"
 213
 214 module HPtset = Hashtbl.Make(Ptset.Int)
 215
 216 let vector_htbl = HPtset.create MED_H_SIZE
 217
 218 let unordered_set_of_set s =
 219   try
 220     HPtset.find vector_htbl s
 221   with
 222       Not_found ->
 223         let v = unordered_set_alloc (Ptset.Int.cardinal s) in
 224         let _ = Ptset.Int.iter (fun e -> unordered_set_insert v e) s in
 225           HPtset.add vector_htbl s v; v
 226
 227 let ptset_to_vector = unordered_set_of_set
 228
 229 (** tree interface *)
 230
 231 external tree_root : tree -> [`Tree] Node.t = "caml_xml_tree_root"  "noalloc"
 232
 233
 234 external tree_first_child : tree -> [`Tree] Node.t -> [`Tree] Node.t = "caml_xml_tree_first_child" "noalloc"
 235 let first_child t n = tree_first_child t.doc n
 236
 237 external tree_first_element : tree -> [`Tree] Node.t -> [`Tree] Node.t = "caml_xml_tree_first_element" "noalloc"
 238 let first_element t n = tree_first_element t.doc n
 239
 240 external tree_tagged_child : tree -> [`Tree] Node.t -> Tag.t -> [`Tree] Node.t = "caml_xml_tree_tagged_child" "noalloc"
 241 let tagged_child t n tag = tree_tagged_child t.doc n tag
 242
 243 external tree_select_child : tree -> [`Tree ] Node.t -> unordered_set -> [`Tree] Node.t = "caml_xml_tree_select_child" "noalloc"
 244 let select_child t n tag_set = tree_select_child t.doc n tag_set
 245
 246 external tree_last_child : tree -> [`Tree] Node.t -> [`Tree] Node.t = "caml_xml_tree_last_child" "noalloc"
 247 let last_child t n = tree_last_child t.doc n
 248
 249
 250 external tree_next_sibling : tree -> [`Tree] Node.t -> [`Tree] Node.t = "caml_xml_tree_next_sibling"  "noalloc"
 251 let next_sibling t n = tree_next_sibling t.doc n
 252
 253 external tree_next_element : tree -> [`Tree] Node.t -> [`Tree] Node.t = "caml_xml_tree_next_element"  "noalloc"
 254 let next_element t n = tree_next_element t.doc n
 255
 256 external tree_next_node_before : tree -> [`Tree] Node.t -> [`Tree] Node.t -> [`Tree] Node.t = "caml_xml_tree_next_node_before"  "noalloc"
 257 let next_node_before t n ctx = tree_next_node_before t.doc n ctx
 258
 259 external tree_tagged_following_sibling : tree -> [`Tree] Node.t -> Tag.t -> [`Tree] Node.t = "caml_xml_tree_tagged_following_sibling" "noalloc"
 260 let tagged_following_sibling t n tag = tree_tagged_following_sibling t.doc n tag
 261
 262 external tree_select_following_sibling : tree -> [`Tree ] Node.t -> unordered_set -> [`Tree] Node.t = "caml_xml_tree_select_following_sibling" "noalloc"
 263 let select_following_sibling t n tag_set = tree_select_following_sibling t.doc n tag_set
 264
 265 external tree_prev_sibling : tree -> [`Tree] Node.t -> [`Tree] Node.t = "caml_xml_tree_prev_sibling" "noalloc"
 266 let prev_sibling t n = tree_prev_sibling t.doc n
 267
 268
 269
 270 external tree_tagged_descendant : tree -> [`Tree ] Node.t -> Tag.t -> [`Tree ] Node.t = "caml_xml_tree_tagged_descendant" "noalloc"
 271 let tagged_descendant t n tag = tree_tagged_descendant t.doc n tag
 272
 273 external tree_tagged_next : tree -> [`Tree ] Node.t -> Tag.t -> [`Tree ] Node.t = "caml_xml_tree_tagged_next" "noalloc"
 274 let tagged_next t n tag = tree_tagged_next t.doc n tag
 275
 276 external tree_select_descendant : tree -> [`Tree ] Node.t -> unordered_set -> [`Tree] Node.t = "caml_xml_tree_select_descendant" "noalloc"
 277 let select_descendant t n tag_set = tree_select_descendant t.doc n tag_set
 278
 279 external tree_tagged_following_before : tree -> [`Tree ] Node.t -> Tag.t -> [`Tree ] Node.t -> [`Tree ] Node.t = "caml_xml_tree_tagged_following_before" "noalloc"
 280 let tagged_following_before t n tag ctx = tree_tagged_following_before t.doc n tag ctx
 281
 282 external tree_select_following_before : tree -> [`Tree ] Node.t -> unordered_set -> [`Tree] Node.t -> [`Tree] Node.t = "caml_xml_tree_select_following_before" "noalloc"
 283 let select_following_before t n tag_set ctx = tree_select_following_before t.doc n tag_set ctx
 284
 285 external tree_parent : tree -> [`Tree] Node.t -> [`Tree] Node.t = "caml_xml_tree_parent" "noalloc"
 286 let parent t n = tree_parent t.doc n
 287
 288 external tree_binary_parent : tree -> [`Tree] Node.t -> [`Tree] Node.t = "caml_xml_tree_binary_parent"
 289   "noalloc"
 290 let binary_parent t n = tree_binary_parent t.doc n
 291
 292
 293 external tree_tag : tree -> [`Tree] Node.t -> Tag.t = "caml_xml_tree_tag" "noalloc"
 294 let tag t n = tree_tag t.doc n
 295
 296 external tree_is_first_child : tree -> [ `Tree ] Node.t -> bool = "caml_xml_tree_is_first_child" "noalloc"
 297 let is_first_child t n = tree_is_first_child t.doc n
 298
 299 external tree_is_right_descendant : tree -> [ `Tree ] Node.t -> [`Tree] Node.t -> bool =
 300   "caml_xml_tree_is_right_descendant" "noalloc"
 301
 302 let is_right_descendant t n1 n2 = tree_is_right_descendant t.doc n1 n2
 303 ;;
 304
 305 let node_tags t = Ptset.Int.add Tag.document_node t.descendants.(Tag.document_node)
 306
 307 let attribute_tags t = t.attributes
 308
 309 let element_tags t = t.elements
 310
 311 let tags t tag =
 312   t.children.(tag), t.descendants.(tag), t.siblings.(tag), t.followings.(tag)
 313
 314 open Format
 315 let dump_tag_table t =
 316   eprintf "Child tags:\n%!";
 317   Array.iteri
 318     (fun tag set -> eprintf "%s: %a\n%!"
 319       (Tag.to_string tag) TagSet.print (TagSet.inj_positive set))
 320     t.children;
 321   eprintf "-----------------------------\n%!";
 322   eprintf "Descendant tags:\n%!";
 323   Array.iteri
 324     (fun tag set -> eprintf "%s: %a\n%!"
 325       (Tag.to_string tag) TagSet.print (TagSet.inj_positive set))
 326     t.descendants;
 327   eprintf "-----------------------------\n%!";
 328   eprintf "Sibling tags:\n%!";
 329   Array.iteri
 330     (fun tag set -> eprintf "%s: %a\n%!"
 331       (Tag.to_string tag) TagSet.print (TagSet.inj_positive set))
 332     t.siblings;
 333   eprintf "-----------------------------\n%!";
 334   eprintf "Following tags:\n%!";
 335   Array.iteri
 336     (fun tag set -> eprintf "%s: %a\n%!"
 337       (Tag.to_string tag) TagSet.print (TagSet.inj_positive set))
 338     t.followings;
 339    eprintf "-----------------------------\n%!"
 340
 341
 342 external tree_subtree_tags : tree -> [`Tree] Node.t -> Tag.t -> int = "caml_xml_tree_subtree_tags" "noalloc"
 343 let subtree_tags t n tag = tree_subtree_tags t.doc n tag
 344
 345 external tree_subtree_size : tree -> [`Tree] Node.t -> int = "caml_xml_tree_subtree_size" "noalloc"
 346 let subtree_size t n = tree_subtree_size t.doc n
 347
 348 let subtree_elements t node =
 349   let size = tree_subtree_size t.doc node - 1 in
 350     if size == 0 then 0
 351     else let size = size - (tree_subtree_tags t.doc node Tag.pcdata) in
 352       if size < 2 then size else
 353         let acc = ref size in
 354           for i = 0 to Array.length t.attribute_array - 1 do
 355             acc := !acc - tree_subtree_tags t.doc node t.attribute_array.(i)
 356           done;
 357           !acc
 358
 359 external tree_closing : tree -> [`Tree] Node.t -> [`Tree] Node.t = "caml_xml_tree_closing" "noalloc"
 360 let closing t n = tree_closing t.doc n
 361
 362 external tree_num_tags : tree -> int = "caml_xml_tree_num_tags" "noalloc"
 363 let num_tags t = tree_num_tags t.doc
 364
 365 external tree_size : tree -> int = "caml_xml_tree_size" "noalloc"
 366 let size t = tree_size t.doc
 367
 368
 369 let stats t =
 370   let tree = t.doc in
 371   let rec loop left node acc_d total_d num_leaves =
 372     if node == nil then
 373     (acc_d+total_d,if left then num_leaves+1 else num_leaves)
 374     else
 375     let d,td = loop true (tree_first_child tree node) (acc_d+1) total_d num_leaves in
 376     loop false (tree_next_sibling tree  node) (acc_d)  d td
 377   in
 378   let a,b = loop true root 0 0 0
 379   in
 380   Printf.eprintf "Average depth: %f, number of leaves %i\n%!" ((float_of_int a)/. (float_of_int b)) b
 381 ;;
 382
 383 module TagS =
 384   struct
 385     include Ptset.Make (
 386       struct type t = int
 387              type data = t
 388              external hash : t -> int = "%identity"
 389              external uid : t -> Uid.t = "%identity"
 390              external equal : t -> t -> bool = "%eq"
 391              external make : t -> int = "%identity"
 392              external node : t -> int = "%identity"
 393              external stats : unit -> unit = "%identity"
 394       end
 395     )
 396     let to_ptset s = fold (Ptset.Int.add) s Ptset.Int.empty
 397   end
 398
 399 module TSTSCache =
 400   Hashtbl.Make(struct type t = TagS.t * TagS.t
 401                       let hash (x, y) =
 402                         HASHINT2(Uid.to_int x.TagS.Node.id,
 403                                  Uid.to_int y.TagS.Node.id)
 404                       let equal u v =
 405                         let u1,u2 = u
 406                         and v1,v2 = v in
 407                           u1 == v1 && u2 == v2
 408                end)
 409 module TagTSCache =
 410   Hashtbl.Make(struct type t = Tag.t * TagS.t
 411                       let hash (x, y) =
 412                         HASHINT2(x, Uid.to_int y.TagS.Node.id)
 413                       let equal u v =
 414                         let u1,u2 = u
 415                         and v1,v2 = v in
 416                           u1 == v1 && u2 == v2
 417                end)
 418
 419 let add_cache = TagTSCache.create 1023
 420 let union_cache = TSTSCache.create 1023
 421 let subset_cache = TSTSCache.create 1023
 422
 423 let clear_cache () =
 424   TSTSCache.clear union_cache;
 425   TSTSCache.clear subset_cache;
 426   TagTSCache.clear add_cache
 427
 428 let _subset x y =
 429   (x == y) || (x == TagS.empty) ||
 430     if y == TagS.empty then false
 431     else
 432       let key = (x, y) in
 433         try
 434           TSTSCache.find subset_cache key
 435         with
 436           | Not_found ->
 437               let z = TagS.subset x y in
 438                 TSTSCache.add subset_cache key z; z
 439
 440 let order ((x, y) as z) =
 441   if x.TagS.Node.id <= y.TagS.Node.id then z
 442   else (y, x)
 443
 444 let _union x y =
 445   if _subset x y then y
 446   else if _subset y x then x
 447   else
 448    let key = order (x, y) in
 449      try
 450        TSTSCache.find union_cache key
 451     with
 452       | Not_found ->
 453           let z = TagS.union x y in
 454             TSTSCache.add union_cache key z; z
 455
 456 let _add t s =
 457   let key = (t,s) in
 458     try
 459       TagTSCache.find add_cache key
 460     with
 461       | Not_found ->
 462           let z = TagS.add t s in
 463             TagTSCache.add add_cache key z;z
 464
 465 let child_sibling_labels tree =
 466   let table_c = Array.create (tree_num_tags tree) TagS.empty in
 467   let table_n = Array.copy table_c in
 468   let rec loop node =
 469     if node == nil then TagS.empty
 470     else
 471       let children = loop (tree_first_child tree node) in
 472       let tag = tree_tag tree node in
 473       let () =
 474         let tc = table_c.(tag) in
 475         if _subset children tc then ()
 476         else table_c.(tag) <-  _union tc children
 477       in
 478       let siblings = loop (tree_next_sibling tree node) in
 479       let () =
 480         let tn = table_n.(tag) in
 481           if _subset siblings tn then ()
 482           else table_n.(tag) <- _union tn siblings
 483       in
 484         _add tag siblings
 485   in
 486     ignore (loop root);
 487     table_c, table_n
 488
 489 let descendant_labels tree =
 490   let table_d = Array.create (tree_num_tags tree) TagS.empty in
 491   let rec loop node =
 492     if node == nil then  TagS.empty else
 493       let d1 = loop (tree_first_child tree node) in
 494       let d2 = loop (tree_next_sibling tree node) in
 495       let tag = tree_tag tree node in
 496       let () =
 497         let td = table_d.(tag) in
 498           if _subset d1 td then ()
 499           else table_d.(tag) <- _union td d1;
 500       in
 501         _add tag (_union d1 d2)
 502   in
 503     ignore (loop root);
 504     table_d
 505
 506 let collect_labels tree =
 507   let table_f = Array.create (tree_num_tags tree) TagS.empty in
 508   let table_n = Array.copy table_f in
 509   let table_c = Array.copy table_f in
 510   let table_d = Array.copy table_f in
 511   let rec loop node foll_siblings descendants followings =
 512     if node == nil then foll_siblings, descendants, followings else
 513       let tag = tree_tag tree node in
 514       let () =
 515         let tf = table_f.(tag) in
 516           if _subset followings tf then ()
 517           else table_f.(tag) <- _union tf followings in
 518       let () =
 519         let tn = table_n.(tag) in
 520           if _subset foll_siblings tn then ()
 521           else table_n.(tag) <- _union tn foll_siblings in
 522       let children, n_descendants, n_followings =
 523         loop (tree_last_child tree node) TagS.empty TagS.empty followings
 524       in
 525       let () =
 526         let tc = table_c.(tag) in
 527           if _subset children tc then ()
 528           else table_c.(tag) <- _union tc children
 529       in
 530       let () =
 531         let td = table_d.(tag) in
 532           if _subset n_descendants td then ()
 533           else table_d.(tag) <- _union td n_descendants
 534       in
 535         loop (tree_prev_sibling tree node)
 536           (_add tag foll_siblings)
 537           (_add tag (_union n_descendants descendants))
 538           (_add tag n_followings)
 539   in
 540     ignore (loop root TagS.empty TagS.empty TagS.empty);
 541     table_f, table_n, table_c, table_d
 542
 543
 544 let is_nil t = t == nil
 545 let is_node t = t != nil
 546 let is_root t = t == root
 547
 548 let node_of_t t  =
 549   eprintf "Initializing tag structure\n%!";
 550   let _ = Tag.init (mk_tag_ops t) in
 551   eprintf "Starting tag table construction\n%!";
 552   let f, n, c, d = time collect_labels t ~msg:"Building tag relationship table" in
 553   let c = Array.map TagS.to_ptset c in
 554   let n = Array.map TagS.to_ptset n in
 555   let f = Array.map TagS.to_ptset f in
 556   let d = Array.map TagS.to_ptset d in
 557   let () = clear_cache () in
 558   let attributes = Ptset.Int.add Tag.attribute d.(Tag.attribute) in
 559   let elements = Ptset.Int.add Tag.document_node
 560     (Ptset.Int.remove Tag.pcdata
 561        (Ptset.Int.diff d.(Tag.document_node) attributes))
 562   in
 563     { doc= t;
 564       attributes = attributes;
 565       attribute_array = Array.of_list (Ptset.Int.elements attributes);
 566       elements = elements;
 567       children = c;
 568       siblings = n;
 569       descendants = d;
 570       followings = f
 571
 572     }
 573
 574
 575 let parse_xml_uri str = node_of_t (TreeBuilder.parse_file str)
 576 let parse_xml_string str = node_of_t (TreeBuilder.parse_string str)
 577
 578 let size t = tree_size t.doc;;
 579
 580 let magic_string = "SXSI_INDEX"
 581 let version_string = "3"
 582
 583 let pos fd =
 584   Unix.lseek fd 0  Unix.SEEK_CUR
 585
 586 let pr_pos fd = Printf.eprintf "At position %i\n%!" (pos fd)
 587
 588 let write fd s =
 589   let sl = String.length s in
 590   let ssl = Printf.sprintf "%020i" sl in
 591     ignore (Unix.write fd ssl 0 20);
 592     ignore (Unix.write fd s 0 (String.length s))
 593
 594 let rec really_read fd buffer start length =
 595   if length <= 0 then () else
 596     match Unix.read fd buffer start length with
 597         0 -> raise End_of_file
 598       | r -> really_read fd buffer (start + r) (length - r);;
 599
 600 let read fd =
 601   let buffer = String.create 20 in
 602   let _ =  really_read fd buffer 0 20 in
 603   let size = int_of_string buffer in
 604   let buffer = String.create size in
 605   let _ =  really_read fd buffer 0 size in
 606     buffer
 607
 608 let save_tag_table channel t =
 609   let t = Array.map (fun s -> Array.of_list (Ptset.Int.elements s)) t in
 610     Marshal.to_channel channel t []
 611
 612 let save t str =
 613   let fd = Unix.openfile str [ Unix.O_WRONLY;Unix.O_TRUNC;Unix.O_CREAT] 0o644 in
 614   let out_c = Unix.out_channel_of_descr fd in
 615   let index_prefix = Filename.chop_suffix str ".srx" in
 616   let _ = set_binary_mode_out out_c true in
 617     output_string out_c magic_string;
 618     output_char out_c '\n';
 619     output_string out_c version_string;
 620     output_char out_c '\n';
 621     save_tag_table out_c t.children;
 622     save_tag_table out_c t.siblings;
 623     save_tag_table out_c t.descendants;
 624     save_tag_table out_c t.followings;
 625     (* we need to move the fd to the correct position *)
 626     flush out_c;
 627     ignore (Unix.lseek fd (pos_out out_c) Unix.SEEK_SET);
 628     tree_save t.doc fd index_prefix;
 629     close_out out_c
 630 ;;
 631 let load_tag_table channel =
 632   let table : int array array = Marshal.from_channel channel in
 633     Array.map (fun a -> Ptset.Int.from_list (Array.to_list a)) table
 634
 635 let load ?(sample=64) ?(load_text=true) str =
 636   let fd = Unix.openfile str [ Unix.O_RDONLY ] 0o644 in
 637   let in_c = Unix.in_channel_of_descr fd in
 638   let index_prefix = Filename.chop_suffix str ".srx" in
 639   let _ = set_binary_mode_in in_c true in
 640   let load_table () =
 641     (let ms = input_line in_c in if ms <> magic_string then failwith "Invalid index file");
 642     (let vs = input_line in_c in if vs <> version_string then failwith "Invalid version file");
 643     let c = load_tag_table in_c in
 644     let s = load_tag_table in_c in
 645     let d = load_tag_table in_c in
 646     let f = load_tag_table in_c in
 647       c,s,d,f
 648   in
 649   let c, s, d, f = time ~msg:"Loading tag table"(load_table) () in
 650   ignore(Unix.lseek fd (pos_in in_c) Unix.SEEK_SET);
 651     let xml_tree = tree_load fd index_prefix load_text sample in
 652     let () = Tag.init (Obj.magic xml_tree) in
 653     let attributes = Ptset.Int.add Tag.attribute d.(Tag.attribute) in
 654     let elements = Ptset.Int.add Tag.document_node
 655       (Ptset.Int.remove Tag.pcdata
 656          (Ptset.Int.diff d.(Tag.document_node) attributes))
 657     in
 658     let tree = { doc = xml_tree;
 659                  attributes = attributes;
 660                  attribute_array = Array.of_list (Ptset.Int.elements attributes);
 661                  elements = elements;
 662                  children = c;
 663                  siblings = s;
 664                  descendants = d;
 665                  followings = f
 666              }
 667   in close_in in_c;
 668   tree
 669
 670
 671
 672
 673 let equal a b = a == b
 674
 675 let nts = function
 676     -1 -> "Nil"
 677   | i -> Printf.sprintf "Node (%i)"  i
 678
 679 let dump_node t = nts (Node.to_int t)
 680
 681
 682
 683 type query_result = { bv : bit_vector;
 684                       pos : node array;
 685                     }
 686
 687 external tree_flush : tree -> Unix.file_descr -> unit = "caml_xml_tree_flush"
 688 let flush t fd = tree_flush t.doc fd
 689
 690 external text_prefix : tree -> string -> bool -> query_result = "caml_text_collection_prefix_bv"
 691 let text_prefix t s b = text_prefix t.doc s b
 692
 693 external text_suffix : tree -> string -> bool -> query_result = "caml_text_collection_suffix_bv"
 694 let text_suffix t s b = text_suffix t.doc s b
 695
 696 external text_equals : tree -> string -> bool -> query_result = "caml_text_collection_equals_bv"
 697 let text_equals t s b = text_equals t.doc s b
 698
 699 external text_contains : tree -> string -> bool -> query_result = "caml_text_collection_contains_bv"
 700 let text_contains t s b = text_contains t.doc s b
 701
 702
 703 module Predicate = Hcons.Make (
 704   struct
 705     type _t = t
 706     type t = (_t -> node -> bool) ref
 707     let hash t = Hashtbl.hash t
 708     let equal t1 t2 = t1 == t2
 709 end)
 710
 711 let string_of_query query =
 712     match query with
 713       | `Prefix -> "starts-with"
 714       | `Suffix -> "ends-with"
 715       | `Equals -> "equals"
 716       | `Contains -> "contains"
 717 ;;
 718
 719 let query_fun = function
 720       | `Prefix -> text_prefix
 721       | `Suffix -> text_suffix
 722       | `Equals -> text_equals
 723       | `Contains -> text_contains
 724 ;;
 725
 726 let _pred_cache = Hashtbl.create 17
 727 ;;
 728 let mk_pred query s =
 729   let f = query_fun query  in
 730   let memo = ref (fun _ _ -> failwith "Undefined") in
 731   memo := begin fun tree node ->
 732     let results =
 733       try Hashtbl.find _pred_cache (query,s) with
 734           Not_found ->
 735             time ~count:1 ~msg:(Printf.sprintf "Computing text query %s(%s)"
 736                                   (string_of_query query) s)
 737               (f tree) s true
 738     in
 739     let bv = results.bv in
 740     memo := begin fun _ n ->
 741       let b =
 742         bit_vector_unsafe_get bv (Node.to_int n)
 743       in
 744       D_TRACE_(Printf.eprintf "Result of memoized call to query %s is %b for node %i\n" s b (Node.to_int n));
 745       b
 746     end;
 747     let b = bit_vector_unsafe_get bv (Node.to_int node) in
 748     D_TRACE_(Printf.eprintf "Result is %b for node %i\n" b (Node.to_int node));
 749     b
 750   end;
 751   Predicate.make memo
 752
 753
 754 let full_text_prefix t s = (text_prefix t s true).pos
 755
 756 let full_text_suffix t s = (text_suffix t s true).pos
 757
 758 let full_text_equals t s = (text_equals t s true).pos
 759
 760 let full_text_contains t s = (text_contains t s true).pos
 761
 762 let full_text_query q t s =
 763   let res = (query_fun q) t s true in
 764   Hashtbl.replace _pred_cache (q,s) res;
 765   res.pos