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 external init_lib : unit -> unit = "sxsi_cpp_init"
  11
  12 exception CPlusPlusError of string
  13
  14 let () = Callback.register_exception "CPlusPlusError" (CPlusPlusError "")
  15
  16 let () =  init_lib ()
  17
  18 type node = [ `Tree ] Node.t
  19
  20 type tree
  21
  22 external register_tag : tree -> string -> Tag.t = "caml_xml_tree_register_tag"
  23
  24 external tag_name : tree -> Tag.t -> string = "caml_xml_tree_get_tag_name"
  25
  26 let tag t = (); fun s ->
  27   match s with
  28   | "<$>" -> Tag.pcdata
  29   | "<@>" -> Tag.attribute
  30   | "" -> Tag.document_node
  31   | "<@$>" -> Tag.attribute_data
  32   | _ -> register_tag t s
  33
  34 let to_string d = ();
  35   fun t ->
  36     if t == Tag.pcdata then "<$>"
  37     else if t == Tag.attribute_data then "<@$>"
  38     else if t == Tag.attribute then "<@>"
  39     else if t == Tag.nullt then "<!NIL!>"
  40     else tag_name d t
  41
  42 let translate  x = x
  43
  44 let mk_tag_ops t = {
  45   Tag.tag = tag t;
  46   Tag.to_string = to_string t;
  47   Tag.translate = translate
  48 }
  49
  50 module TreeBuilder =
  51 struct
  52   type t
  53   external create : unit -> t = "caml_xml_tree_builder_create"
  54   external open_document : t -> bool -> int -> bool -> int -> unit = "caml_xml_tree_builder_open_document"
  55   external close_document : t -> tree = "caml_xml_tree_builder_close_document"
  56   external open_tag : t -> string -> unit = "caml_xml_tree_builder_new_open_tag"
  57   external close_tag : t -> string -> unit = "caml_xml_tree_builder_new_closing_tag"
  58   external text : t -> string -> unit = "caml_xml_tree_builder_new_text"
  59
  60   let is_whitespace s =
  61     let rec loop len i =
  62       if i < len then
  63         let c = s.[i] in
  64         (c == '\n' || c == '\t' || c == ' ') && loop len (i+1)
  65       else
  66         true
  67     in
  68     loop (String.length s) 0
  69
  70
  71   let display_count =
  72     let event_counter = ref 0 in
  73     (fun parser_ ->
  74       incr event_counter;
  75     if !event_counter land 0xffffff == 0 then
  76       Logger.print Format.err_formatter "Current position: %i@\n@?" (Expat.get_current_byte_index parser_))
  77
  78
  79   let do_text b t =
  80     if Buffer.length t > 0 then begin
  81       let s = Buffer.contents t in
  82       begin
  83         open_tag b "<$>";
  84         text b s;
  85         close_tag b "<$>";
  86       end;
  87       Buffer.clear t
  88     end
  89
  90   let output_attr b name value =
  91     let atname = "<@>" ^ name in
  92     open_tag b atname;
  93     open_tag b "<@$>";
  94     text b value;
  95     close_tag b "<@$>";
  96     close_tag b atname
  97
  98   let start_element_handler parser_ b t tag attr_list =
  99     display_count parser_;
 100     do_text b t;
 101     open_tag b tag;
 102     match attr_list with
 103         [] -> ()
 104       | l ->
 105         open_tag b "<@>";
 106         List.iter (fun (name, value) -> output_attr b name value) l;
 107         close_tag b "<@>"
 108
 109
 110   let end_element_handler parser_ b t tag =
 111     display_count parser_;
 112     do_text b t;
 113     close_tag b tag
 114
 115   let character_data_handler parser_ _ t text =
 116     display_count parser_;
 117     Buffer.add_string t text
 118
 119   let create_parser () =
 120     let buf = Buffer.create 512 in
 121     let build = create () in
 122     let parser_ = Expat.parser_create ~encoding:None in
 123     let finalize () =
 124       do_text build buf;
 125       close_tag build "";
 126       Logger.print Format.err_formatter "Finished parsing@\n";
 127       Logger.print Format.err_formatter "Starting index construction@\n";
 128       let r = close_document build in
 129       Logger.print Format.err_formatter "Finished index construction@\n";
 130       r
 131     in
 132     Expat.set_start_element_handler parser_ (start_element_handler parser_ build buf);
 133     Expat.set_end_element_handler parser_ (end_element_handler parser_ build buf);
 134     Expat.set_character_data_handler parser_ (character_data_handler parser_ build buf);
 135     Logger.print Format.err_formatter "Started parsing@\n";
 136     open_document build !Options.index_empty_texts !Options.sample_factor
 137       !Options.disable_text_collection !Options.text_index_type;
 138     open_tag build "";
 139     parser_, finalize
 140
 141   let parse_string s =
 142     let parser_, finalizer = create_parser () in
 143     Expat.parse parser_ s;
 144     finalizer ()
 145
 146   let parse_file file =
 147     let in_chan = open_in file in
 148     let buffer = String.create 4096 in
 149     let parser_, finalizer = create_parser () in
 150     let () =
 151       try
 152         while true do
 153           let read = input in_chan buffer 0 4096 in
 154           if read == 0 then raise End_of_file else
 155             Expat.parse_sub parser_ buffer 0 read;
 156           done
 157
 158       with
 159         | End_of_file -> close_in in_chan
 160         | e -> raise e
 161     in
 162       finalizer ()
 163
 164 end
 165
 166
 167
 168
 169 type bit_vector = string
 170
 171 external bool_of_int : int -> bool = "%identity"
 172 external int_of_bool : bool -> int = "%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 let chr (c:int) : char = Obj.magic (c land 0xff)
 178 let bit_vector_unsafe_set v i b =
 179   let j = i lsr 3 in
 180   let c = Char.code v.[j] in
 181   let bit = int_of_bool b in
 182   let mask = bit lsl (i land 7) in
 183   if b then v.[j] <- chr (c lor mask) else v.[j] <- (chr (c land (lnot mask)))
 184
 185 let bit_vector_create n =
 186   let len = if n <= 0 then 0 else (n - 1) / 8 + 1 in
 187   String.make len '\000'
 188
 189 type t = {
 190   doc : tree;
 191   elements: Ptset.Int.t;
 192   attributes: Ptset.Int.t;
 193   attribute_array : Tag.t array;
 194   children : Ptset.Int.t array;
 195   siblings : Ptset.Int.t array;
 196   descendants: Ptset.Int.t array;
 197   followings: Ptset.Int.t array;
 198 }
 199
 200
 201 let tag_operations t = mk_tag_ops t.doc
 202 (*
 203 external parse_xml_uri : string -> int -> bool -> bool -> int -> tree = "caml_call_shredder_uri"
 204 external parse_xml_string :  string -> int -> bool -> bool -> int -> tree = "caml_call_shredder_string"
 205 *)
 206 external tree_print_xml_fast3 : tree -> [`Tree ] Node.t -> Unix.file_descr -> unit = "caml_xml_tree_print"
 207 let print_xml t n fd =
 208   tree_print_xml_fast3 t.doc n fd
 209
 210
 211 external tree_save : tree -> Unix.file_descr -> string -> unit = "caml_xml_tree_save"
 212 external tree_load : Unix.file_descr -> string -> bool -> int -> tree = "caml_xml_tree_load"
 213
 214 external nullt : unit -> 'a Node.t = "caml_xml_tree_nullt"
 215
 216 let nil : [`Tree ] Node.t = Node.nil
 217 let root : [`Tree ] Node.t = Node.null
 218
 219 type unordered_set
 220
 221 external unordered_set_alloc : int -> unordered_set = "caml_unordered_set_alloc"
 222 external unordered_set_length : unordered_set -> int = "caml_unordered_set_length"
 223 external unordered_set_insert : unordered_set -> int -> unit = "caml_unordered_set_set" "noalloc"
 224
 225 module HPtset = Hashtbl.Make(Ptset.Int)
 226
 227 let vector_htbl = HPtset.create MED_H_SIZE
 228
 229 let unordered_set_of_set s =
 230   try
 231     HPtset.find vector_htbl s
 232   with
 233       Not_found ->
 234         let v = unordered_set_alloc (Ptset.Int.cardinal s) in
 235         let _ = Ptset.Int.iter (fun e -> unordered_set_insert v e) s in
 236           HPtset.add vector_htbl s v; v
 237
 238 let ptset_to_vector = unordered_set_of_set
 239
 240 (** tree interface *)
 241
 242 external tree_root : tree -> [`Tree] Node.t = "caml_xml_tree_root"  "noalloc"
 243
 244
 245 external tree_first_child : tree -> [`Tree] Node.t -> [`Tree] Node.t = "caml_xml_tree_first_child" "noalloc"
 246 let first_child t n = tree_first_child t.doc n
 247
 248 external tree_first_element : tree -> [`Tree] Node.t -> [`Tree] Node.t = "caml_xml_tree_first_element" "noalloc"
 249 let first_element t n = tree_first_element t.doc n
 250
 251 external tree_tagged_child : tree -> [`Tree] Node.t -> Tag.t -> [`Tree] Node.t = "caml_xml_tree_tagged_child" "noalloc"
 252 let tagged_child t n tag = tree_tagged_child t.doc n tag
 253
 254 external tree_select_child : tree -> [`Tree ] Node.t -> unordered_set -> [`Tree] Node.t = "caml_xml_tree_select_child" "noalloc"
 255 let select_child t n tag_set = tree_select_child t.doc n tag_set
 256
 257 external tree_last_child : tree -> [`Tree] Node.t -> [`Tree] Node.t = "caml_xml_tree_last_child" "noalloc"
 258 let last_child t n = tree_last_child t.doc n
 259
 260
 261 external tree_next_sibling : tree -> [`Tree] Node.t -> [`Tree] Node.t = "caml_xml_tree_next_sibling"  "noalloc"
 262 let next_sibling t n = tree_next_sibling t.doc n
 263
 264 external tree_next_element : tree -> [`Tree] Node.t -> [`Tree] Node.t = "caml_xml_tree_next_element"  "noalloc"
 265 let next_element t n = tree_next_element t.doc n
 266
 267 external tree_next_node_before : tree -> [`Tree] Node.t -> [`Tree] Node.t -> [`Tree] Node.t = "caml_xml_tree_next_node_before"  "noalloc"
 268 let next_node_before t n ctx = tree_next_node_before t.doc n ctx
 269
 270 external tree_tagged_following_sibling : tree -> [`Tree] Node.t -> Tag.t -> [`Tree] Node.t = "caml_xml_tree_tagged_following_sibling" "noalloc"
 271 let tagged_following_sibling t n tag = tree_tagged_following_sibling t.doc n tag
 272
 273 external tree_select_following_sibling : tree -> [`Tree ] Node.t -> unordered_set -> [`Tree] Node.t = "caml_xml_tree_select_following_sibling" "noalloc"
 274 let select_following_sibling t n tag_set = tree_select_following_sibling t.doc n tag_set
 275
 276 external tree_prev_sibling : tree -> [`Tree] Node.t -> [`Tree] Node.t = "caml_xml_tree_prev_sibling" "noalloc"
 277 let prev_sibling t n = tree_prev_sibling t.doc n
 278
 279
 280
 281 external tree_tagged_descendant : tree -> [`Tree ] Node.t -> Tag.t -> [`Tree ] Node.t = "caml_xml_tree_tagged_descendant" "noalloc"
 282 let tagged_descendant t n tag = tree_tagged_descendant t.doc n tag
 283
 284 external tree_tagged_next : tree -> [`Tree ] Node.t -> Tag.t -> [`Tree ] Node.t = "caml_xml_tree_tagged_next" "noalloc"
 285 let tagged_next t n tag = tree_tagged_next t.doc n tag
 286
 287 external tree_select_descendant : tree -> [`Tree ] Node.t -> unordered_set -> [`Tree] Node.t = "caml_xml_tree_select_descendant" "noalloc"
 288 let select_descendant t n tag_set = tree_select_descendant t.doc n tag_set
 289
 290 external tree_tagged_following_before : tree -> [`Tree ] Node.t -> Tag.t -> [`Tree ] Node.t -> [`Tree ] Node.t = "caml_xml_tree_tagged_following_before" "noalloc"
 291 let tagged_following_before t n tag ctx = tree_tagged_following_before t.doc n tag ctx
 292
 293 external tree_select_following_before : tree -> [`Tree ] Node.t -> unordered_set -> [`Tree] Node.t -> [`Tree] Node.t = "caml_xml_tree_select_following_before" "noalloc"
 294 let select_following_before t n tag_set ctx = tree_select_following_before t.doc n tag_set ctx
 295
 296 external tree_parent : tree -> [`Tree] Node.t -> [`Tree] Node.t = "caml_xml_tree_parent" "noalloc"
 297 let parent t n = tree_parent t.doc n
 298
 299 external tree_binary_parent : tree -> [`Tree] Node.t -> [`Tree] Node.t = "caml_xml_tree_binary_parent"
 300   "noalloc"
 301 let binary_parent t n = tree_binary_parent t.doc n
 302
 303
 304 external tree_tag : tree -> [`Tree] Node.t -> Tag.t = "caml_xml_tree_tag" "noalloc"
 305 let tag t n = tree_tag t.doc n
 306
 307 external tree_is_first_child : tree -> [ `Tree ] Node.t -> bool = "caml_xml_tree_is_first_child" "noalloc"
 308 let is_first_child t n = tree_is_first_child t.doc n
 309
 310 external tree_is_right_descendant : tree -> [ `Tree ] Node.t -> [`Tree] Node.t -> bool =
 311   "caml_xml_tree_is_right_descendant" "noalloc"
 312
 313 let is_right_descendant t n1 n2 = tree_is_right_descendant t.doc n1 n2
 314 ;;
 315
 316 let node_tags t = Ptset.Int.add Tag.document_node t.descendants.(Tag.document_node)
 317
 318 let attribute_tags t = t.attributes
 319
 320 let element_tags t = t.elements
 321
 322 let tags t tag =
 323   t.children.(tag), t.descendants.(tag), t.siblings.(tag), t.followings.(tag)
 324
 325 open Format
 326 let dump_tag_table t =
 327   let tag = ref 0 in
 328   let printer ppf set =
 329     Logger.print ppf "%s: %a"
 330       (Tag.to_string !tag) TagSet.print (TagSet.inj_positive set);
 331     incr tag
 332   in
 333   let set_printer msg set =
 334     tag := 0;
 335     Logger.print err_formatter "%s :@\n" msg;
 336     Pretty.pp_print_array ~sep:pp_force_newline printer err_formatter set;
 337     Logger.print err_formatter "-----------------------------@\n";
 338   in
 339   set_printer "Child tags" t.children;
 340   set_printer "Descendant tags" t.descendants;
 341   set_printer "Sibling tags" t.siblings;
 342   set_printer "Following tags" t.followings
 343
 344 external tree_subtree_tags : tree -> [`Tree] Node.t -> Tag.t -> int = "caml_xml_tree_subtree_tags" "noalloc"
 345 let subtree_tags t n tag = tree_subtree_tags t.doc n tag
 346
 347 external tree_subtree_size : tree -> [`Tree] Node.t -> int = "caml_xml_tree_subtree_size" "noalloc"
 348 let subtree_size t n = tree_subtree_size t.doc n
 349
 350 let subtree_elements t node =
 351   let size = tree_subtree_size t.doc node - 1 in
 352     if size == 0 then 0
 353     else let size = size - (tree_subtree_tags t.doc node Tag.pcdata) in
 354       if size < 2 then size else
 355         let acc = ref size in
 356           for i = 0 to Array.length t.attribute_array - 1 do
 357             acc := !acc - tree_subtree_tags t.doc node t.attribute_array.(i)
 358           done;
 359           !acc
 360
 361 external tree_closing : tree -> [`Tree] Node.t -> [`Tree] Node.t = "caml_xml_tree_closing" "noalloc"
 362 let closing t n = tree_closing t.doc n
 363
 364 external tree_num_tags : tree -> int = "caml_xml_tree_num_tags" "noalloc"
 365 let num_tags t = tree_num_tags t.doc
 366
 367 external tree_size : tree -> int = "caml_xml_tree_size" "noalloc"
 368 let size t = tree_size t.doc
 369
 370
 371 let stats t =
 372   let tree = t.doc in
 373   let rec loop left node acc_d total_d num_leaves =
 374     if node == nil then
 375     (acc_d+total_d,if left then num_leaves+1 else num_leaves)
 376     else
 377     let d,td = loop true (tree_first_child tree node) (acc_d+1) total_d num_leaves in
 378     loop false (tree_next_sibling tree  node) (acc_d)  d td
 379   in
 380   let a,b = loop true root 0 0 0
 381   in
 382   Logger.print err_formatter "Average depth: %f, number of leaves %i@\n@?" ((float_of_int a)/. (float_of_int b)) b
 383 ;;
 384
 385 module TagS =
 386   struct
 387     include Ptset.Make (
 388       struct type t = int
 389              type data = t
 390              external hash : t -> int = "%identity"
 391              external uid : t -> Uid.t = "%identity"
 392              external equal : t -> t -> bool = "%eq"
 393              external make : t -> int = "%identity"
 394              external node : t -> int = "%identity"
 395              external stats : unit -> unit = "%identity"
 396       end
 397     )
 398     let to_ptset s = fold (Ptset.Int.add) s Ptset.Int.empty
 399   end
 400
 401 module TSTSCache =
 402   Hashtbl.Make(struct type t = TagS.t * TagS.t
 403                       let hash (x, y) =
 404                         HASHINT2(Uid.to_int x.TagS.Node.id,
 405                                  Uid.to_int y.TagS.Node.id)
 406                       let equal u v =
 407                         let u1,u2 = u
 408                         and v1,v2 = v in
 409                           u1 == v1 && u2 == v2
 410                end)
 411 module TagTSCache =
 412   Hashtbl.Make(struct type t = Tag.t * TagS.t
 413                       let hash (x, y) =
 414                         HASHINT2(x, Uid.to_int y.TagS.Node.id)
 415                       let equal u v =
 416                         let u1,u2 = u
 417                         and v1,v2 = v in
 418                           u1 == v1 && u2 == v2
 419                end)
 420
 421 let add_cache = TagTSCache.create 1023
 422 let union_cache = TSTSCache.create 1023
 423 let subset_cache = TSTSCache.create 1023
 424
 425 let clear_cache () =
 426   TSTSCache.clear union_cache;
 427   TSTSCache.clear subset_cache;
 428   TagTSCache.clear add_cache
 429
 430 let _subset x y =
 431   (x == y) || (x == TagS.empty) ||
 432     if y == TagS.empty then false
 433     else
 434       let key = (x, y) in
 435         try
 436           TSTSCache.find subset_cache key
 437         with
 438           | Not_found ->
 439               let z = TagS.subset x y in
 440                 TSTSCache.add subset_cache key z; z
 441
 442 let order ((x, y) as z) =
 443   if x.TagS.Node.id <= y.TagS.Node.id then z
 444   else (y, x)
 445
 446 let _union x y =
 447   if _subset x y then y
 448   else if _subset y x then x
 449   else
 450    let key = order (x, y) in
 451      try
 452        TSTSCache.find union_cache key
 453     with
 454       | Not_found ->
 455           let z = TagS.union x y in
 456             TSTSCache.add union_cache key z; z
 457
 458 let _add t s =
 459   let key = (t,s) in
 460     try
 461       TagTSCache.find add_cache key
 462     with
 463       | Not_found ->
 464           let z = TagS.add t s in
 465             TagTSCache.add add_cache key z;z
 466
 467 let child_sibling_labels tree =
 468   let table_c = Array.create (tree_num_tags tree) TagS.empty in
 469   let table_n = Array.copy table_c in
 470   let rec loop node =
 471     if node == nil then TagS.empty
 472     else
 473       let children = loop (tree_first_child tree node) in
 474       let tag = tree_tag tree node in
 475       let () =
 476         let tc = table_c.(tag) in
 477         if _subset children tc then ()
 478         else table_c.(tag) <-  _union tc children
 479       in
 480       let siblings = loop (tree_next_sibling tree node) in
 481       let () =
 482         let tn = table_n.(tag) in
 483           if _subset siblings tn then ()
 484           else table_n.(tag) <- _union tn siblings
 485       in
 486         _add tag siblings
 487   in
 488     ignore (loop root);
 489     table_c, table_n
 490
 491 let descendant_labels tree =
 492   let table_d = Array.create (tree_num_tags tree) TagS.empty in
 493   let rec loop node =
 494     if node == nil then  TagS.empty else
 495       let d1 = loop (tree_first_child tree node) in
 496       let d2 = loop (tree_next_sibling tree node) in
 497       let tag = tree_tag tree node in
 498       let () =
 499         let td = table_d.(tag) in
 500           if _subset d1 td then ()
 501           else table_d.(tag) <- _union td d1;
 502       in
 503         _add tag (_union d1 d2)
 504   in
 505     ignore (loop root);
 506     table_d
 507
 508 let collect_labels tree =
 509   let table_f = Array.create (tree_num_tags tree) TagS.empty in
 510   let table_n = Array.copy table_f in
 511   let table_c = Array.copy table_f in
 512   let table_d = Array.copy table_f in
 513   let rec loop node foll_siblings descendants followings =
 514     if node == nil then foll_siblings, descendants, followings else
 515       let tag = tree_tag tree node in
 516       let () =
 517         let tf = table_f.(tag) in
 518           if _subset followings tf then ()
 519           else table_f.(tag) <- _union tf followings in
 520       let () =
 521         let tn = table_n.(tag) in
 522           if _subset foll_siblings tn then ()
 523           else table_n.(tag) <- _union tn foll_siblings in
 524       let children, n_descendants, n_followings =
 525         loop (tree_last_child tree node) TagS.empty TagS.empty followings
 526       in
 527       let () =
 528         let tc = table_c.(tag) in
 529           if _subset children tc then ()
 530           else table_c.(tag) <- _union tc children
 531       in
 532       let () =
 533         let td = table_d.(tag) in
 534           if _subset n_descendants td then ()
 535           else table_d.(tag) <- _union td n_descendants
 536       in
 537         loop (tree_prev_sibling tree node)
 538           (_add tag foll_siblings)
 539           (_add tag (_union n_descendants descendants))
 540           (_add tag n_followings)
 541   in
 542     ignore (loop root TagS.empty TagS.empty TagS.empty);
 543     table_f, table_n, table_c, table_d
 544
 545
 546 let is_nil t = t == nil
 547 let is_node t = t != nil
 548 let is_root t = t == root
 549
 550 let node_of_t t  =
 551   Logger.print err_formatter "Initializing tag structure@\n";
 552   let _ = Tag.init (mk_tag_ops t) in
 553   Logger.print err_formatter "Starting tag table construction@\n";
 554   let f, n, c, d = time collect_labels t ~msg:"Building tag relationship table" in
 555   let c = Array.map TagS.to_ptset c in
 556   let n = Array.map TagS.to_ptset n in
 557   let f = Array.map TagS.to_ptset f in
 558   let d = Array.map TagS.to_ptset d in
 559   let () = clear_cache () in
 560   let attributes = Ptset.Int.add Tag.attribute d.(Tag.attribute) in
 561   let elements = Ptset.Int.add Tag.document_node
 562     (Ptset.Int.remove Tag.pcdata
 563        (Ptset.Int.diff d.(Tag.document_node) attributes))
 564   in
 565     { doc= t;
 566       attributes = attributes;
 567       attribute_array = Array.of_list (Ptset.Int.elements attributes);
 568       elements = elements;
 569       children = c;
 570       siblings = n;
 571       descendants = d;
 572       followings = f
 573
 574     }
 575
 576
 577 let parse_xml_uri str = node_of_t (TreeBuilder.parse_file str)
 578 let parse_xml_string str = node_of_t (TreeBuilder.parse_string str)
 579
 580 let size t = tree_size t.doc;;
 581
 582 let magic_string = "SXSI_INDEX"
 583 let version_string = "3"
 584
 585 let pos fd =
 586   Unix.lseek fd 0  Unix.SEEK_CUR
 587
 588 let pr_pos fd = Logger.print err_formatter "At position %i@\n" (pos fd)
 589
 590 let write fd s =
 591   let sl = String.length s in
 592   let ssl = Printf.sprintf "%020i" sl in
 593     ignore (Unix.write fd ssl 0 20);
 594     ignore (Unix.write fd s 0 (String.length s))
 595
 596 let rec really_read fd buffer start length =
 597   if length <= 0 then () else
 598     match Unix.read fd buffer start length with
 599         0 -> raise End_of_file
 600       | r -> really_read fd buffer (start + r) (length - r);;
 601
 602 let read fd =
 603   let buffer = String.create 20 in
 604   let _ =  really_read fd buffer 0 20 in
 605   let size = int_of_string buffer in
 606   let buffer = String.create size in
 607   let _ =  really_read fd buffer 0 size in
 608     buffer
 609
 610 let save_tag_table channel t =
 611   let t = Array.map (fun s -> Array.of_list (Ptset.Int.elements s)) t in
 612     Marshal.to_channel channel t []
 613
 614 let save t str =
 615   let fd = Unix.openfile str [ Unix.O_WRONLY;Unix.O_TRUNC;Unix.O_CREAT] 0o644 in
 616   let out_c = Unix.out_channel_of_descr fd in
 617   let index_prefix = Filename.chop_suffix str ".srx" in
 618   let _ = set_binary_mode_out out_c true in
 619     output_string out_c magic_string;
 620     output_char out_c '\n';
 621     output_string out_c version_string;
 622     output_char out_c '\n';
 623     save_tag_table out_c t.children;
 624     save_tag_table out_c t.siblings;
 625     save_tag_table out_c t.descendants;
 626     save_tag_table out_c t.followings;
 627     (* we need to move the fd to the correct position *)
 628     flush out_c;
 629     ignore (Unix.lseek fd (pos_out out_c) Unix.SEEK_SET);
 630     tree_save t.doc fd index_prefix;
 631     close_out out_c
 632 ;;
 633 let load_tag_table channel =
 634   let table : int array array = Marshal.from_channel channel in
 635     Array.map (fun a -> Ptset.Int.from_list (Array.to_list a)) table
 636
 637 let load ?(sample=64) ?(load_text=true) str =
 638   let fd = Unix.openfile str [ Unix.O_RDONLY ] 0o644 in
 639   let in_c = Unix.in_channel_of_descr fd in
 640   let index_prefix = Filename.chop_suffix str ".srx" in
 641   let _ = set_binary_mode_in in_c true in
 642   let load_table () =
 643     (let ms = input_line in_c in if ms <> magic_string then failwith "Invalid index file");
 644     (let vs = input_line in_c in if vs <> version_string then failwith "Invalid version file");
 645     let c = load_tag_table in_c in
 646     let s = load_tag_table in_c in
 647     let d = load_tag_table in_c in
 648     let f = load_tag_table in_c in
 649       c,s,d,f
 650   in
 651   let c, s, d, f = time ~msg:"Loading tag table"(load_table) () in
 652   ignore(Unix.lseek fd (pos_in in_c) Unix.SEEK_SET);
 653     let xml_tree = tree_load fd index_prefix load_text sample in
 654     let () = Tag.init (Obj.magic xml_tree) in
 655     let attributes = Ptset.Int.add Tag.attribute d.(Tag.attribute) in
 656     let elements = Ptset.Int.add Tag.document_node
 657       (Ptset.Int.remove Tag.pcdata
 658          (Ptset.Int.diff d.(Tag.document_node) attributes))
 659     in
 660     let tree = { doc = xml_tree;
 661                  attributes = attributes;
 662                  attribute_array = Array.of_list (Ptset.Int.elements attributes);
 663                  elements = elements;
 664                  children = c;
 665                  siblings = s;
 666                  descendants = d;
 667                  followings = f
 668              }
 669   in close_in in_c;
 670   tree
 671
 672
 673
 674
 675 let equal a b = a == b
 676
 677 let nts = function
 678     -1 -> "Nil"
 679   | i -> Printf.sprintf "Node (%i)"  i
 680
 681 let dump_node t = nts (Node.to_int t)
 682
 683
 684
 685 type query_result = { bv : bit_vector;
 686                       pos : node array;
 687                     }
 688
 689 external tree_flush : tree -> Unix.file_descr -> unit = "caml_xml_tree_flush"
 690 let flush t fd = tree_flush t.doc fd
 691
 692 external text_prefix : tree -> string -> bool -> query_result = "caml_text_collection_prefix_bv"
 693 let text_prefix t s b = text_prefix t.doc s b
 694
 695 external text_suffix : tree -> string -> bool -> query_result = "caml_text_collection_suffix_bv"
 696 let text_suffix t s b = text_suffix t.doc s b
 697
 698 external text_equals : tree -> string -> bool -> query_result = "caml_text_collection_equals_bv"
 699 let text_equals t s b = text_equals t.doc s b
 700
 701 external text_contains : tree -> string -> bool -> query_result = "caml_text_collection_contains_bv"
 702 let text_contains t s b = text_contains t.doc s b
 703
 704
 705 module Predicate = Hcons.Make (
 706   struct
 707     type _t = t
 708     type t = (_t -> node -> bool) ref
 709     let hash t = Hashtbl.hash t
 710     let equal t1 t2 = t1 == t2
 711 end)
 712
 713 let string_of_query query =
 714     match query with
 715       | `Prefix -> "starts-with"
 716       | `Suffix -> "ends-with"
 717       | `Equals -> "equals"
 718       | `Contains -> "contains"
 719 ;;
 720
 721 let query_fun = function
 722       | `Prefix -> text_prefix
 723       | `Suffix -> text_suffix
 724       | `Equals -> text_equals
 725       | `Contains -> text_contains
 726 ;;
 727
 728 let _pred_cache = Hashtbl.create 17
 729 ;;
 730 let mk_pred query s =
 731   let f = query_fun query  in
 732   let memo = ref (fun _ _ -> failwith "Undefined") in
 733   memo := begin fun tree node ->
 734     let results =
 735       try Hashtbl.find _pred_cache (query,s) with
 736           Not_found ->
 737             time ~count:1 ~msg:(Printf.sprintf "Computing text query %s(%s)"
 738                                   (string_of_query query) s)
 739               (f tree) s true
 740     in
 741     let bv = results.bv in
 742     memo := begin fun _ n ->
 743       bit_vector_unsafe_get bv (Node.to_int n)
 744     end;
 745     bit_vector_unsafe_get bv (Node.to_int node)
 746   end;
 747   Predicate.make memo
 748
 749
 750 let full_text_prefix t s = (text_prefix t s true).pos
 751
 752 let full_text_suffix t s = (text_suffix t s true).pos
 753
 754 let full_text_equals t s = (text_equals t s true).pos
 755
 756 let full_text_contains t s = (text_contains t s true).pos
 757
 758 let full_text_query q t s =
 759   let res = (query_fun q) t s true in
 760   Hashtbl.replace _pred_cache (q,s) res;
 761   res.pos