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_tagged_following_sibling : tree -> [`Tree] Node.t -> Tag.t -> [`Tree] Node.t = "caml_xml_tree_tagged_following_sibling" "noalloc"
 204 let tagged_following_sibling t n tag = tree_tagged_following_sibling t.doc n tag
 205
 206 external tree_select_following_sibling : tree -> [`Tree ] Node.t -> unordered_set -> [`Tree] Node.t = "caml_xml_tree_select_following_sibling" "noalloc"
 207 let select_following_sibling t n tag_set = tree_select_following_sibling t.doc n tag_set
 208
 209 external tree_prev_sibling : tree -> [`Tree] Node.t -> [`Tree] Node.t = "caml_xml_tree_prev_sibling" "noalloc"
 210 let prev_sibling t n = tree_prev_sibling t.doc n
 211
 212
 213
 214 external tree_tagged_descendant : tree -> [`Tree ] Node.t -> Tag.t -> [`Tree ] Node.t = "caml_xml_tree_tagged_descendant" "noalloc"
 215 let tagged_descendant t n tag = tree_tagged_descendant t.doc n tag
 216
 217 external tree_tagged_next : tree -> [`Tree ] Node.t -> Tag.t -> [`Tree ] Node.t = "caml_xml_tree_tagged_next" "noalloc"
 218 let tagged_next t n tag = tree_tagged_next t.doc n tag
 219
 220 external tree_select_descendant : tree -> [`Tree ] Node.t -> unordered_set -> [`Tree] Node.t = "caml_xml_tree_select_descendant" "noalloc"
 221 let select_descendant t n tag_set = tree_select_descendant t.doc n tag_set
 222
 223 external tree_tagged_following_before : tree -> [`Tree ] Node.t -> Tag.t -> [`Tree ] Node.t -> [`Tree ] Node.t = "caml_xml_tree_tagged_following_before" "noalloc"
 224 let tagged_following_before t n tag ctx = tree_tagged_following_before t.doc n tag ctx
 225
 226 external tree_select_following_before : tree -> [`Tree ] Node.t -> unordered_set -> [`Tree] Node.t -> [`Tree] Node.t = "caml_xml_tree_select_following_before" "noalloc"
 227 let select_following_before t n tag_set ctx = tree_select_following_before t.doc n tag_set ctx
 228
 229 external tree_parent : tree -> [`Tree] Node.t -> [`Tree] Node.t = "caml_xml_tree_parent" "noalloc"
 230 let parent t n = tree_parent t.doc n
 231
 232 external tree_binary_parent : tree -> [`Tree] Node.t -> [`Tree] Node.t = "caml_xml_tree_binary_parent"
 233   "noalloc"
 234 let binary_parent t n = tree_binary_parent t.doc n
 235
 236
 237 external tree_tag : tree -> [`Tree] Node.t -> Tag.t = "caml_xml_tree_tag" "noalloc"
 238 let tag t n = tree_tag t.doc n
 239
 240 external tree_is_first_child : tree -> [ `Tree ] Node.t -> bool = "caml_xml_tree_is_first_child" "noalloc"
 241 let is_first_child t n = tree_is_first_child t.doc n
 242
 243 external tree_is_right_descendant : tree -> [ `Tree ] Node.t -> [`Tree] Node.t -> bool =
 244   "caml_xml_tree_is_right_descendant" "noalloc"
 245
 246 let is_right_descendant t n1 n2 = tree_is_right_descendant t.doc n1 n2
 247 ;;
 248
 249 let node_tags t = Ptset.Int.add Tag.document_node t.descendants.(Tag.document_node)
 250
 251 let attribute_tags t = t.attributes
 252
 253 let element_tags t = t.elements
 254
 255 let tags t tag =
 256   t.children.(tag), t.descendants.(tag), t.siblings.(tag), t.followings.(tag)
 257
 258 open Format
 259 let dump_tag_table t =
 260   eprintf "Child tags:\n%!";
 261   Array.iteri
 262     (fun tag set -> eprintf "%s: %a\n%!"
 263       (Tag.to_string tag) TagSet.print (TagSet.inj_positive set))
 264     t.children;
 265   eprintf "-----------------------------\n%!";
 266   eprintf "Descendant tags:\n%!";
 267   Array.iteri
 268     (fun tag set -> eprintf "%s: %a\n%!"
 269       (Tag.to_string tag) TagSet.print (TagSet.inj_positive set))
 270     t.descendants;
 271   eprintf "-----------------------------\n%!";
 272   eprintf "Sibling tags:\n%!";
 273   Array.iteri
 274     (fun tag set -> eprintf "%s: %a\n%!"
 275       (Tag.to_string tag) TagSet.print (TagSet.inj_positive set))
 276     t.siblings;
 277   eprintf "-----------------------------\n%!";
 278   eprintf "Following tags:\n%!";
 279   Array.iteri
 280     (fun tag set -> eprintf "%s: %a\n%!"
 281       (Tag.to_string tag) TagSet.print (TagSet.inj_positive set))
 282     t.followings;
 283    eprintf "-----------------------------\n%!"
 284
 285
 286 external tree_subtree_tags : tree -> [`Tree] Node.t -> Tag.t -> int = "caml_xml_tree_subtree_tags" "noalloc"
 287 let subtree_tags t n tag = tree_subtree_tags t.doc n tag
 288
 289 external tree_subtree_size : tree -> [`Tree] Node.t -> int = "caml_xml_tree_subtree_size" "noalloc"
 290 let subtree_size t n = tree_subtree_size t.doc n
 291
 292 let subtree_elements t node =
 293   let size = tree_subtree_size t.doc node - 1 in
 294     if size == 0 then 0
 295     else let size = size - (tree_subtree_tags t.doc node Tag.pcdata) in
 296       if size < 2 then size else
 297         let acc = ref size in
 298           for i = 0 to Array.length t.attribute_array - 1 do
 299             acc := !acc - tree_subtree_tags t.doc node t.attribute_array.(i)
 300           done;
 301           !acc
 302
 303 external tree_closing : tree -> [`Tree] Node.t -> [`Tree] Node.t = "caml_xml_tree_closing" "noalloc"
 304 let closing t n = tree_closing t.doc n
 305
 306 external tree_num_tags : tree -> int = "caml_xml_tree_num_tags" "noalloc"
 307 let num_tags t = tree_num_tags t.doc
 308
 309 external tree_size : tree -> int = "caml_xml_tree_size" "noalloc"
 310 let size t = tree_size t.doc
 311
 312
 313 let stats t =
 314   let tree = t.doc in
 315   let rec loop left node acc_d total_d num_leaves =
 316     if node == nil then
 317     (acc_d+total_d,if left then num_leaves+1 else num_leaves)
 318     else
 319     let d,td = loop true (tree_first_child tree node) (acc_d+1) total_d num_leaves in
 320     loop false (tree_next_sibling tree  node) (acc_d)  d td
 321   in
 322   let a,b = loop true root 0 0 0
 323   in
 324   Printf.eprintf "Average depth: %f, number of leaves %i\n%!" ((float_of_int a)/. (float_of_int b)) b
 325 ;;
 326
 327 module TagS =
 328   struct
 329     include Ptset.Make (
 330       struct type t = int
 331              type data = t
 332              external hash : t -> int = "%identity"
 333              external uid : t -> Uid.t = "%identity"
 334              external equal : t -> t -> bool = "%eq"
 335              external make : t -> int = "%identity"
 336              external node : t -> int = "%identity"
 337              external stats : unit -> unit = "%identity"
 338       end
 339     )
 340     let to_ptset s = fold (Ptset.Int.add) s Ptset.Int.empty
 341   end
 342
 343 module TSTSCache =
 344   Hashtbl.Make(struct type t = TagS.t * TagS.t
 345                       let hash (x, y) =
 346                         HASHINT2(Uid.to_int x.TagS.Node.id,
 347                                  Uid.to_int y.TagS.Node.id)
 348                       let equal u v =
 349                         let u1,u2 = u
 350                         and v1,v2 = v in
 351                           u1 == v1 && u2 == v2
 352                end)
 353 module TagTSCache =
 354   Hashtbl.Make(struct type t = Tag.t * TagS.t
 355                       let hash (x, y) =
 356                         HASHINT2(x, Uid.to_int y.TagS.Node.id)
 357                       let equal u v =
 358                         let u1,u2 = u
 359                         and v1,v2 = v in
 360                           u1 == v1 && u2 == v2
 361                end)
 362
 363 let add_cache = TagTSCache.create 1023
 364 let union_cache = TSTSCache.create 1023
 365 let subset_cache = TSTSCache.create 1023
 366
 367 let clear_cache () =
 368   TSTSCache.clear union_cache;
 369   TSTSCache.clear subset_cache;
 370   TagTSCache.clear add_cache
 371
 372 let _subset x y =
 373   (x == y) || (x == TagS.empty) ||
 374     if y == TagS.empty then false
 375     else
 376       let key = (x, y) in
 377         try
 378           TSTSCache.find subset_cache key
 379         with
 380           | Not_found ->
 381               let z = TagS.subset x y in
 382                 TSTSCache.add subset_cache key z; z
 383
 384 let order ((x, y) as z) =
 385   if x.TagS.Node.id <= y.TagS.Node.id then z
 386   else (y, x)
 387
 388 let _union x y =
 389   if _subset x y then y
 390   else if _subset y x then x
 391   else
 392    let key = order (x, y) in
 393      try
 394        TSTSCache.find union_cache key
 395     with
 396       | Not_found ->
 397           let z = TagS.union x y in
 398             TSTSCache.add union_cache key z; z
 399
 400 let _add t s =
 401   let key = (t,s) in
 402     try
 403       TagTSCache.find add_cache key
 404     with
 405       | Not_found ->
 406           let z = TagS.add t s in
 407             TagTSCache.add add_cache key z;z
 408
 409 let child_sibling_labels tree =
 410   let table_c = Array.create (tree_num_tags tree) TagS.empty in
 411   let table_n = Array.copy table_c in
 412   let rec loop node =
 413     if node == nil then TagS.empty
 414     else
 415       let children = loop (tree_first_child tree node) in
 416       let tag = tree_tag tree node in
 417       let () =
 418         let tc = table_c.(tag) in
 419         if _subset children tc then ()
 420         else table_c.(tag) <-  _union tc children
 421       in
 422       let siblings = loop (tree_next_sibling tree node) in
 423       let () =
 424         let tn = table_n.(tag) in
 425           if _subset siblings tn then ()
 426           else table_n.(tag) <- _union tn siblings
 427       in
 428         _add tag siblings
 429   in
 430     ignore (loop root);
 431     table_c, table_n
 432
 433 let descendant_labels tree =
 434   let table_d = Array.create (tree_num_tags tree) TagS.empty in
 435   let rec loop node =
 436     if node == nil then  TagS.empty else
 437       let d1 = loop (tree_first_child tree node) in
 438       let d2 = loop (tree_next_sibling tree node) in
 439       let tag = tree_tag tree node in
 440       let () =
 441         let td = table_d.(tag) in
 442           if _subset d1 td then ()
 443           else table_d.(tag) <- _union td d1;
 444       in
 445         _add tag (_union d1 d2)
 446   in
 447     ignore (loop root);
 448     table_d
 449
 450 let collect_labels tree =
 451   let table_f = Array.create (tree_num_tags tree) TagS.empty in
 452   let table_n = Array.copy table_f in
 453   let table_c = Array.copy table_f in
 454   let table_d = Array.copy table_f in
 455   let rec loop node foll_siblings descendants followings =
 456     if node == nil then foll_siblings, descendants, followings else
 457       let tag = tree_tag tree node in
 458       let () =
 459         let tf = table_f.(tag) in
 460           if _subset followings tf then ()
 461           else table_f.(tag) <- _union tf followings in
 462       let () =
 463         let tn = table_n.(tag) in
 464           if _subset foll_siblings tn then ()
 465           else table_n.(tag) <- _union tn foll_siblings in
 466       let children, n_descendants, n_followings =
 467         loop (tree_last_child tree node) TagS.empty TagS.empty followings
 468       in
 469       let () =
 470         let tc = table_c.(tag) in
 471           if _subset children tc then ()
 472           else table_c.(tag) <- _union tc children
 473       in
 474       let () =
 475         let td = table_d.(tag) in
 476           if _subset n_descendants td then ()
 477           else table_d.(tag) <- _union td n_descendants
 478       in
 479         loop (tree_prev_sibling tree node)
 480           (_add tag foll_siblings)
 481           (_add tag (_union n_descendants descendants))
 482           (_add tag n_followings)
 483   in
 484     ignore (loop root TagS.empty TagS.empty TagS.empty);
 485     table_f, table_n, table_c, table_d
 486
 487
 488 let is_nil t = t == nil
 489 let is_node t = t != nil
 490 let is_root t = t == root
 491
 492 let node_of_t t  =
 493   let _ = Tag.init (Obj.magic t) in
 494   let f, n, c, d = time collect_labels t ~msg:"Building tag relationship table" in
 495   let c = Array.map TagS.to_ptset c in
 496   let n = Array.map TagS.to_ptset n in
 497   let f = Array.map TagS.to_ptset f in
 498   let d = Array.map TagS.to_ptset d in
 499   let () = clear_cache () in
 500   let attributes = Ptset.Int.add Tag.attribute d.(Tag.attribute) in
 501   let elements = Ptset.Int.add Tag.document_node
 502     (Ptset.Int.remove Tag.pcdata
 503        (Ptset.Int.diff d.(Tag.document_node) attributes))
 504   in
 505     { doc= t;
 506       attributes = attributes;
 507       attribute_array = Array.of_list (Ptset.Int.elements attributes);
 508       elements = elements;
 509       children = c;
 510       siblings = n;
 511       descendants = d;
 512       followings = f
 513
 514     }
 515
 516
 517 let parse_xml_uri str = node_of_t (TreeBuilder.parse_file str)
 518 let parse_xml_string str = node_of_t (TreeBuilder.parse_string str)
 519
 520 let size t = tree_size t.doc;;
 521
 522 external pool : tree -> Tag.pool = "%identity"
 523
 524 let magic_string = "SXSI_INDEX"
 525 let version_string = "3"
 526
 527 let pos fd =
 528   Unix.lseek fd 0  Unix.SEEK_CUR
 529
 530 let pr_pos fd = Printf.eprintf "At position %i\n%!" (pos fd)
 531
 532 let write fd s =
 533   let sl = String.length s in
 534   let ssl = Printf.sprintf "%020i" sl in
 535     ignore (Unix.write fd ssl 0 20);
 536     ignore (Unix.write fd s 0 (String.length s))
 537
 538 let rec really_read fd buffer start length =
 539   if length <= 0 then () else
 540     match Unix.read fd buffer start length with
 541         0 -> raise End_of_file
 542       | r -> really_read fd buffer (start + r) (length - r);;
 543
 544 let read fd =
 545   let buffer = String.create 20 in
 546   let _ =  really_read fd buffer 0 20 in
 547   let size = int_of_string buffer in
 548   let buffer = String.create size in
 549   let _ =  really_read fd buffer 0 size in
 550     buffer
 551
 552 let save_tag_table channel t =
 553   let t = Array.map (fun s -> Array.of_list (Ptset.Int.elements s)) t in
 554     Marshal.to_channel channel t []
 555
 556 let save t str =
 557   let fd = Unix.openfile str [ Unix.O_WRONLY;Unix.O_TRUNC;Unix.O_CREAT] 0o644 in
 558   let out_c = Unix.out_channel_of_descr fd in
 559   let _ = set_binary_mode_out out_c true in
 560     output_string out_c magic_string;
 561     output_char out_c '\n';
 562     output_string out_c version_string;
 563     output_char out_c '\n';
 564     save_tag_table out_c t.children;
 565     save_tag_table out_c t.siblings;
 566     save_tag_table out_c t.descendants;
 567     save_tag_table out_c t.followings;
 568     (* we need to move the fd to the correct position *)
 569     flush out_c;
 570     ignore (Unix.lseek fd (pos_out out_c) Unix.SEEK_SET);
 571     tree_save t.doc fd str;
 572     close_out out_c
 573 ;;
 574 let load_tag_table channel =
 575   let table : int array array = Marshal.from_channel channel in
 576     Array.map (fun a -> Ptset.Int.from_list (Array.to_list a)) table
 577
 578 let load ?(sample=64) ?(load_text=true) str =
 579   let fd = Unix.openfile str [ Unix.O_RDONLY ] 0o644 in
 580   let in_c = Unix.in_channel_of_descr fd in
 581   let _ = set_binary_mode_in in_c true in
 582   let load_table () =
 583     (let ms = input_line in_c in if ms <> magic_string then failwith "Invalid index file");
 584     (let vs = input_line in_c in if vs <> version_string then failwith "Invalid version file");
 585     let c = load_tag_table in_c in
 586     let s = load_tag_table in_c in
 587     let d = load_tag_table in_c in
 588     let f = load_tag_table in_c in
 589       c,s,d,f
 590   in
 591   let c, s, d, f = time ~msg:"Loading tag table"(load_table) () in
 592   ignore(Unix.lseek fd (pos_in in_c) Unix.SEEK_SET);
 593     let xml_tree = tree_load fd str load_text sample in
 594     Printf.eprintf "Root is: %i\n" (Obj.magic (tree_root xml_tree));
 595     let () = Tag.init (Obj.magic xml_tree) in
 596     let attributes = Ptset.Int.add Tag.attribute d.(Tag.attribute) in
 597     let elements = Ptset.Int.add Tag.document_node
 598       (Ptset.Int.remove Tag.pcdata
 599          (Ptset.Int.diff d.(Tag.document_node) attributes))
 600     in
 601     let tree = { doc = xml_tree;
 602                  attributes = attributes;
 603                  attribute_array = Array.of_list (Ptset.Int.elements attributes);
 604                  elements = elements;
 605                  children = c;
 606                  siblings = s;
 607                  descendants = d;
 608                  followings = f
 609              }
 610   in close_in in_c;
 611   tree
 612
 613
 614
 615
 616 let tag_pool t = pool t.doc
 617
 618 let equal a b = a == b
 619
 620 let nts = function
 621     -1 -> "Nil"
 622   | i -> Printf.sprintf "Node (%i)"  i
 623
 624 let dump_node t = nts (Node.to_int t)
 625
 626
 627
 628 type query_result = { bv : bit_vector;
 629                       pos : node array;
 630                     }
 631
 632 external tree_flush : tree -> Unix.file_descr -> unit = "caml_xml_tree_flush"
 633 let flush t fd = tree_flush t.doc fd
 634
 635 external text_prefix : tree -> string -> query_result = "caml_text_collection_prefix_bv"
 636 let text_prefix t s = text_prefix t.doc s
 637
 638 external text_suffix : tree -> string -> query_result = "caml_text_collection_suffix_bv"
 639 let text_suffix t s = text_suffix t.doc s
 640
 641 external text_equals : tree -> string -> query_result = "caml_text_collection_equals_bv"
 642 let text_equals t s = text_equals t.doc s
 643
 644 external text_contains : tree -> string -> query_result = "caml_text_collection_contains_bv"
 645 let text_contains t s = text_contains t.doc s
 646
 647
 648 module Predicate = Hcons.Make (
 649   struct
 650     type _t = t
 651     type t = (_t -> node -> bool) ref
 652     let hash t = Hashtbl.hash t
 653     let equal t1 t2 = t1 == t2
 654 end)
 655
 656 let string_of_query query =
 657     match query with
 658       | `Prefix -> "starts-with"
 659       | `Suffix -> "ends-with"
 660       | `Equals -> "equals"
 661       | `Contains -> "contains"
 662 ;;
 663
 664 let query_fun = function
 665       | `Prefix -> text_prefix
 666       | `Suffix -> text_suffix
 667       | `Equals -> text_equals
 668       | `Contains -> text_contains
 669 ;;
 670
 671 let _pred_cache = Hashtbl.create 17
 672 ;;
 673 let mk_pred query s =
 674   let f = query_fun query in
 675   let memo = ref (fun _ _ -> failwith "Undefined") in
 676   memo := begin fun tree node ->
 677     let results =
 678       try Hashtbl.find _pred_cache (query,s) with
 679           Not_found ->
 680             time ~count:1 ~msg:(Printf.sprintf "Computing text query %s(%s)"
 681                                   (string_of_query query) s)
 682               (f tree) s
 683     in
 684     let bv = results.bv in
 685     memo := begin fun _ n ->
 686       let b =
 687         bit_vector_unsafe_get bv (Node.to_int n)
 688       in
 689       D_TRACE_(Printf.eprintf "Result of memoized call to query %s is %b for node %i\n" s b (Node.to_int n));
 690       b
 691     end;
 692     let b = bit_vector_unsafe_get bv (Node.to_int node) in
 693     D_TRACE_(Printf.eprintf "Result is %b for node %i\n" b (Node.to_int node));
 694     b
 695   end;
 696   Predicate.make memo
 697
 698
 699 let full_text_prefix t s = (text_prefix t s).pos
 700
 701 let full_text_suffix t s = (text_suffix t s).pos
 702
 703 let full_text_equals t s = (text_equals t s).pos
 704
 705 let full_text_contains t s = (text_contains t s).pos
 706
 707 let full_text_query q t s =
 708   let res = (query_fun q) t s in
 709   Hashtbl.replace _pred_cache (q,s) res;
 710   res.pos