index/extract.c

   1 /*
   2  * Copyright (C) 1994-2001, Index Data
   3  * All rights reserved.
   4  * Sebastian Hammer, Adam Dickmeiss
   5  *
   6  * $Log: extract.c,v $
   7  * Revision 1.109  2001-10-15 19:53:43  adam
   8  * POSIX thread updates. First work on term sets.
   9  *
  10  * Revision 1.108  2001/06/14 11:44:56  adam
  11  * Bug fix: default storeKeys setting wasn't read when group was specified.
  12  *
  13  * Revision 1.107  2001/05/28 13:58:48  adam
  14  * Call flushSortKeys when record is skipped to fix bad re-use of
  15  * sort keys to whatever next record that comes in.
  16  *
  17  * Revision 1.106  2000/12/05 12:22:53  adam
  18  * Termlist source implemented (so that we can index values of XML/SGML
  19  * attributes).
  20  *
  21  * Revision 1.105  2000/12/05 10:01:44  adam
  22  * Fixed bug regarding user-defined attribute sets.
  23  *
  24  * Revision 1.104  2000/09/05 14:04:05  adam
  25  * Updates for prefix 'yaz_' for YAZ log functions.
  26  *
  27  * Revision 1.103  2000/05/18 12:01:36  adam
  28  * System call times(2) used again. More 64-bit fixes.
  29  *
  30  * Revision 1.102  2000/05/15 15:32:33  adam
  31  * Added 64 bit file input.
  32  *
  33  * Revision 1.101  2000/05/15 13:02:39  adam
  34  * Minor change.
  35  *
  36  * Revision 1.100  2000/03/20 19:08:36  adam
  37  * Added remote record import using Z39.50 extended services and Segment
  38  * Requests.
  39  *
  40  * Revision 1.99  2000/02/24 10:57:02  adam
  41  * Sequence number incremented after each incomplete-field.
  42  *
  43  * Revision 1.98  1999/09/07 07:19:21  adam
  44  * Work on character mapping. Implemented replace rules.
  45  *
  46  * Revision 1.97  1999/07/06 12:28:04  adam
  47  * Updated record index structure. Format includes version ID. Compression
  48  * algorithm ID is stored for each record block.
  49  *
  50  * Revision 1.96  1999/05/26 07:49:13  adam
  51  * C++ compilation.
  52  *
  53  * Revision 1.95  1999/05/21 12:00:17  adam
  54  * Better diagnostics for extraction process.
  55  *
  56  * Revision 1.94  1999/05/20 12:57:18  adam
  57  * Implemented TCL filter. Updated recctrl system.
  58  *
  59  * Revision 1.93  1999/05/15 14:36:38  adam
  60  * Updated dictionary. Implemented "compression" of dictionary.
  61  *
  62  * Revision 1.92  1999/03/09 16:27:49  adam
  63  * More work on SDRKit integration.
  64  *
  65  * Revision 1.91  1999/02/12 13:29:22  adam
  66  * Implemented position-flag for registers.
  67  *
  68  * Revision 1.90  1999/02/02 14:50:52  adam
  69  * Updated WIN32 code specific sections. Changed header.
  70  *
  71  * Revision 1.89  1998/10/28 10:54:38  adam
  72  * SDRKit integration.
  73  *
  74  * Revision 1.88  1998/10/16 08:14:29  adam
  75  * Updated record control system.
  76  *
  77  * Revision 1.87  1998/10/15 13:10:33  adam
  78  * Fixed bug in Zebra that caused it to stop indexing when empty
  79  * record was read.
  80  *
  81  * Revision 1.86  1998/10/13 20:33:53  adam
  82  * Fixed one log message and change use ordinal to be an unsigned char.
  83  *
  84  * Revision 1.85  1998/09/22 10:03:41  adam
  85  * Changed result sets to be persistent in the sense that they can
  86  * be re-searched if needed.
  87  * Fixed memory leak in rsm_or.
  88  *
  89  * Revision 1.84  1998/06/11 15:42:22  adam
  90  * Changed the way use attributes are specified in the recordId
  91  * specification.
  92  *
  93  * Revision 1.83  1998/06/08 14:43:10  adam
  94  * Added suport for EXPLAIN Proxy servers - added settings databasePath
  95  * and explainDatabase to facilitate this. Increased maximum number
  96  * of databases and attributes in one register.
  97  *
  98  * Revision 1.82  1998/05/20 10:12:15  adam
  99  * Implemented automatic EXPLAIN database maintenance.
 100  * Modified Zebra to work with ASN.1 compiled version of YAZ.
 101  *
 102  * Revision 1.81  1998/03/11 11:19:04  adam
 103  * Changed the way sequence numbers are generated.
 104  *
 105  * Revision 1.80  1998/03/05 08:45:11  adam
 106  * New result set model and modular ranking system. Moved towards
 107  * descent server API. System information stored as "SGML" records.
 108  *
 109  * Revision 1.79  1998/02/17 10:32:52  adam
 110  * Fixed bug: binary files weren't opened with flag b on NT.
 111  *
 112  * Revision 1.78  1998/02/10 12:03:05  adam
 113  * Implemented Sort.
 114  *
 115  * Revision 1.77  1998/01/12 15:04:08  adam
 116  * The test option (-s) only uses read-lock (and not write lock).
 117  *
 118  * Revision 1.76  1997/10/27 14:33:04  adam
 119  * Moved towards generic character mapping depending on "structure"
 120  * field in abstract syntax file. Fixed a few memory leaks. Fixed
 121  * bug with negative integers when doing searches with relational
 122  * operators.
 123  *
 124  * Revision 1.75  1997/09/17 12:19:12  adam
 125  * Zebra version corresponds to YAZ version 1.4.
 126  * Changed Zebra server so that it doesn't depend on global common_resource.
 127  *
 128  * Revision 1.74  1997/09/09 13:38:06  adam
 129  * Partial port to WIN95/NT.
 130  *
 131  * Revision 1.73  1997/09/04 13:57:20  adam
 132  * New file extract/retrieve method tellf (added).
 133  * Added O_BINARY for open calls.
 134  *
 135  * Revision 1.72  1997/07/15 16:32:29  adam
 136  * Bug fix: Match handler didn't terminate the resulting string!
 137  *
 138  * Revision 1.71  1997/07/15 16:28:41  adam
 139  * Bug fix: storeData didn't work with files with multiple records.
 140  * Bug fix: fixed memory management with records; not really well
 141  *  thought through.
 142  *
 143  * Revision 1.70  1997/07/01 13:00:42  adam
 144  * Bug fix in routine searchRecordKey: uninitialized variables.
 145  *
 146  * Revision 1.69  1997/04/29 09:26:03  adam
 147  * Bug fix: generic recordId handling didn't work for compressed internal
 148  * keys.
 149  *
 150  * Revision 1.68  1997/02/12 20:39:45  adam
 151  * Implemented options -f <n> that limits the log to the first <n>
 152  * records.
 153  * Changed some log messages also.
 154  *
 155  * Revision 1.67  1996/11/15 15:02:14  adam
 156  * Minor changes regarding logging.
 157  *
 158  * Revision 1.66  1996/11/14  09:52:21  adam
 159  * Strings in record keys bound by IT_MAX_WORD.
 160  *
 161  * Revision 1.65  1996/11/14  08:57:56  adam
 162  * Reduction of storeKeys area.
 163  *
 164  * Revision 1.64  1996/11/08 11:10:16  adam
 165  * Buffers used during file match got bigger.
 166  * Compressed ISAM support everywhere.
 167  * Bug fixes regarding masking characters in queries.
 168  * Redesigned Regexp-2 queries.
 169  *
 170  * Revision 1.63  1996/10/29 14:09:39  adam
 171  * Use of cisam system - enabled if setting isamc is 1.
 172  *
 173  * Revision 1.62  1996/10/11 10:57:01  adam
 174  * New module recctrl. Used to manage records (extract/retrieval).
 175  * Several files have been moved to the recctrl sub directory.
 176  *
 177  * Revision 1.61  1996/06/06 12:08:37  quinn
 178  * Added showRecord function
 179  *
 180  * Revision 1.60  1996/06/04  10:18:12  adam
 181  * Search/scan uses character mapping module.
 182  *
 183  * Revision 1.59  1996/05/14  15:47:07  adam
 184  * Cleanup of various buffer size entities.
 185  *
 186  * Revision 1.58  1996/05/14  06:16:38  adam
 187  * Compact use/set bytes used in search service.
 188  *
 189  * Revision 1.57  1996/05/13 14:23:04  adam
 190  * Work on compaction of set/use bytes in dictionary.
 191  *
 192  * Revision 1.56  1996/05/09  09:54:42  adam
 193  * Server supports maps from one logical attributes to a list of physical
 194  * attributes.
 195  * The extraction process doesn't make space consuming 'any' keys.
 196  *
 197  * Revision 1.55  1996/05/09  07:28:55  quinn
 198  * Work towards phrases and multiple registers
 199  *
 200  * Revision 1.54  1996/05/01  13:46:35  adam
 201  * First work on multiple records in one file.
 202  * New option, -offset, to the "unread" command in the filter module.
 203  *
 204  * Revision 1.53  1996/04/26  12:09:43  adam
 205  * Added a few comments.
 206  *
 207  * Revision 1.52  1996/04/25  13:27:57  adam
 208  * Function recordExtract modified so that files with no keys (possibly empty)
 209  * are ignored.
 210  *
 211  * Revision 1.51  1996/03/19  11:08:42  adam
 212  * Bug fix: Log preamble wasn't always turned off after recordExtract.
 213  *
 214  * Revision 1.50  1996/02/12  18:45:36  adam
 215  * New fileVerboseFlag in record group control.
 216  *
 217  * Revision 1.49  1996/02/05  12:29:57  adam
 218  * Logging reduced a bit.
 219  * The remaining running time is estimated during register merge.
 220  *
 221  * Revision 1.48  1996/02/01  20:53:26  adam
 222  * The temporary per-record keys are compacted a little, and duplication
 223  * of the per-records keys are avoided when they are saved in the record
 224  * information buffer.
 225  *
 226  * Revision 1.47  1996/01/17  14:57:48  adam
 227  * Prototype changed for reader functions in extract/retrieve. File
 228  *  is identified by 'void *' instead of 'int.
 229  *
 230  * Revision 1.46  1995/12/15  14:57:16  adam
 231  * Bug fix.
 232  *
 233  * Revision 1.45  1995/12/15  12:37:41  adam
 234  * In addRecordKeyAny: Writes key only when attrSet != -1.
 235  *
 236  * Revision 1.44  1995/12/12  16:00:54  adam
 237  * System call sync(2) used after update/commit.
 238  * Locking (based on fcntl) uses F_EXLCK and F_SHLCK instead of F_WRLCK
 239  * and F_RDLCK.
 240  *
 241  * Revision 1.43  1995/12/11  09:12:46  adam
 242  * The rec_get function returns NULL if record doesn't exist - will
 243  * happen in the server if the result set records have been deleted since
 244  * the creation of the set (i.e. the search).
 245  * The server saves a result temporarily if it is 'volatile', i.e. the
 246  * set is register dependent.
 247  *
 248  * Revision 1.42  1995/12/07  17:38:46  adam
 249  * Work locking mechanisms for concurrent updates/commit.
 250  *
 251  * Revision 1.41  1995/12/06  16:06:42  adam
 252  * Better diagnostics. Work on 'real' dictionary deletion.
 253  *
 254  * Revision 1.40  1995/12/05  16:57:40  adam
 255  * More work on regular patterns.
 256  *
 257  * Revision 1.39  1995/12/05  13:20:18  adam
 258  * Bug fix: file_read sometimes returned early EOF.
 259  *
 260  * Revision 1.38  1995/12/04  17:59:21  adam
 261  * More work on regular expression conversion.
 262  *
 263  * Revision 1.37  1995/12/04  14:22:27  adam
 264  * Extra arg to recType_byName.
 265  * Started work on new regular expression parsed input to
 266  * structured records.
 267  *
 268  * Revision 1.36  1995/11/30  08:34:29  adam
 269  * Started work on commit facility.
 270  * Changed a few malloc/free to xmalloc/xfree.
 271  *
 272  * Revision 1.35  1995/11/28  14:26:21  adam
 273  * Bug fix: recordId with constant wasn't right.
 274  * Bug fix: recordId dictionary entry wasn't deleted when needed.
 275  *
 276  * Revision 1.34  1995/11/28  09:09:38  adam
 277  * Zebra config renamed.
 278  * Use setting 'recordId' to identify record now.
 279  * Bug fix in recindex.c: rec_release_blocks was invokeded even
 280  * though the blocks were already released.
 281  * File traversal properly deletes records when needed.
 282  *
 283  * Revision 1.33  1995/11/27  09:56:20  adam
 284  * Record info elements better enumerated. Internal store of records.
 285  *
 286  * Revision 1.32  1995/11/25  10:24:05  adam
 287  * More record fields - they are enumerated now.
 288  * New options: flagStoreData flagStoreKey.
 289  *
 290  * Revision 1.31  1995/11/24  11:31:35  adam
 291  * Commands add & del read filenames from stdin if source directory is
 292  * empty.
 293  * Match criteria supports 'constant' strings.
 294  *
 295  * Revision 1.30  1995/11/22  17:19:16  adam
 296  * Record management uses the bfile system.
 297  *
 298  * Revision 1.29  1995/11/21  15:01:14  adam
 299  * New general match criteria implemented.
 300  * New feature: document groups.
 301  *
 302  * Revision 1.28  1995/11/21  09:20:30  adam
 303  * Yet more work on record match.
 304  *
 305  * Revision 1.27  1995/11/20  16:59:45  adam
 306  * New update method: the 'old' keys are saved for each records.
 307  *
 308  * Revision 1.26  1995/11/20  11:56:24  adam
 309  * Work on new traversal.
 310  *
 311  * Revision 1.25  1995/11/16  15:34:54  adam
 312  * Uses new record management system in both indexer and server.
 313  *
 314  * Revision 1.24  1995/11/15  19:13:08  adam
 315  * Work on record management.
 316  *
 317  * Revision 1.23  1995/10/27  14:00:10  adam
 318  * Implemented detection of database availability.
 319  *
 320  * Revision 1.22  1995/10/17  18:02:07  adam
 321  * New feature: databases. Implemented as prefix to words in dictionary.
 322  *
 323  * Revision 1.21  1995/10/10  12:24:38  adam
 324  * Temporary sort files are compressed.
 325  *
 326  * Revision 1.20  1995/10/06  13:52:05  adam
 327  * Bug fixes. Handler may abort further scanning.
 328  *
 329  * Revision 1.19  1995/10/04  12:55:16  adam
 330  * Bug fix in ranked search. Use=Any keys inserted.
 331  *
 332  * Revision 1.18  1995/10/04  09:37:08  quinn
 333  * Fixed bug.
 334  *
 335  * Revision 1.17  1995/10/03  14:28:57  adam
 336  * Buffered read in extract works.
 337  *
 338  * Revision 1.16  1995/10/03  14:28:45  adam
 339  * Work on more effecient read handler in extract.
 340  *
 341  * Revision 1.15  1995/10/02  15:42:53  adam
 342  * Extract uses file descriptors instead of FILE pointers.
 343  *
 344  * Revision 1.14  1995/10/02  15:29:13  adam
 345  * More logging in file_extract.
 346  *
 347  * Revision 1.13  1995/09/29  14:01:39  adam
 348  * Bug fixes.
 349  *
 350  * Revision 1.12  1995/09/28  14:22:56  adam
 351  * Sort uses smaller temporary files.
 352  *
 353  * Revision 1.11  1995/09/28  12:10:31  adam
 354  * Bug fixes. Field prefix used in queries.
 355  *
 356  * Revision 1.10  1995/09/28  09:19:41  adam
 357  * xfree/xmalloc used everywhere.
 358  * Extract/retrieve method seems to work for text records.
 359  *
 360  * Revision 1.9  1995/09/27  12:22:28  adam
 361  * More work on extract in record control.
 362  * Field name is not in isam keys but in prefix in dictionary words.
 363  *
 364  * Revision 1.8  1995/09/14  07:48:22  adam
 365  * Record control management.
 366  *
 367  * Revision 1.7  1995/09/11  13:09:32  adam
 368  * More work on relevance feedback.
 369  *
 370  * Revision 1.6  1995/09/08  14:52:27  adam
 371  * Minor changes. Dictionary is lower case now.
 372  *
 373  * Revision 1.5  1995/09/06  16:11:16  adam
 374  * Option: only one word key per file.
 375  *
 376  * Revision 1.4  1995/09/05  15:28:39  adam
 377  * More work on search engine.
 378  *
 379  * Revision 1.3  1995/09/04  12:33:41  adam
 380  * Various cleanup. YAZ util used instead.
 381  *
 382  * Revision 1.2  1995/09/04  09:10:34  adam
 383  * More work on index add/del/update.
 384  * Merge sort implemented.
 385  * Initial work on z39 server.
 386  *
 387  * Revision 1.1  1995/09/01  14:06:35  adam
 388  * Split of work into more files.
 389  *
 390  */
 391 #include <stdio.h>
 392 #include <assert.h>
 393 #ifdef WIN32
 394 #include <io.h>
 395 #else
 396 #include <unistd.h>
 397 #endif
 398 #include <fcntl.h>
 399
 400 #include <recctrl.h>
 401 #include <charmap.h>
 402 #include <sortidx.h>
 403 #include "index.h"
 404
 405 #include "zinfo.h"
 406
 407 #if _FILE_OFFSET_BITS == 64
 408 #define PRINTF_OFF_T "%Ld"
 409 #else
 410 #define PRINTF_OFF_T "%ld"
 411 #endif
 412
 413 #ifndef ZEBRASDR
 414 #define ZEBRASDR 0
 415 #endif
 416
 417 #if ZEBRASDR
 418 #include "zebrasdr.h"
 419 #endif
 420
 421 static Dict matchDict;
 422
 423 static Records records = NULL;
 424 static SortIdx sortIdx = NULL;
 425
 426 static char **key_buf;
 427 static size_t ptr_top;
 428 static size_t ptr_i;
 429 static size_t key_buf_used;
 430 static int key_file_no;
 431
 432 static int records_inserted = 0;
 433 static int records_updated = 0;
 434 static int records_deleted = 0;
 435 static int records_processed = 0;
 436
 437 static ZebraExplainInfo zti = NULL;
 438
 439
 440 static void logRecord (int showFlag)
 441 {
 442     if (!showFlag)
 443         ++records_processed;
 444     if (showFlag || !(records_processed % 1000))
 445     {
 446         logf (LOG_LOG, "Records: %7d i/u/d %d/%d/%d",
 447               records_processed, records_inserted, records_updated,
 448               records_deleted);
 449     }
 450 }
 451
 452 static int explain_extract (void *handle, Record drec, data1_node *n);
 453
 454 int key_open (struct recordGroup *rGroup, int mem)
 455 {
 456     BFiles bfs = rGroup->bfs;
 457     int rw = rGroup->flagRw;
 458     data1_handle dh = rGroup->dh;
 459     char *recordCompression;
 460     int record_compression = REC_COMPRESS_NONE;
 461     if (!mem)
 462         mem = atoi(res_get_def (common_resource, "memMax", "16"))*1024*1024;
 463     if (mem < 50000)
 464         mem = 50000;
 465     key_buf = (char **) xmalloc (mem);
 466     ptr_top = mem/sizeof(char*);
 467     ptr_i = 0;
 468
 469     key_buf_used = 0;
 470     key_file_no = 0;
 471
 472     if (!(matchDict = dict_open (bfs, GMATCH_DICT, 50, rw, 0)))
 473     {
 474         logf (LOG_FATAL, "dict_open fail of %s", GMATCH_DICT);
 475         return -1;
 476     }
 477     assert (!records);
 478     recordCompression = res_get_def (common_resource,
 479                                      "recordCompression", "none");
 480     if (!strcmp (recordCompression, "none"))
 481         record_compression = REC_COMPRESS_NONE;
 482     if (!strcmp (recordCompression, "bzip2"))
 483         record_compression = REC_COMPRESS_BZIP2;
 484     records = rec_open (bfs, rw, record_compression);
 485     if (!records)
 486     {
 487         dict_close (matchDict);
 488         return -1;
 489     }
 490     zti = zebraExplain_open (records, dh, common_resource,
 491                              rw, rGroup, explain_extract);
 492     if (!zti)
 493     {
 494         rec_close (&records);
 495         dict_close (matchDict);
 496         return -1;
 497     }
 498     sortIdx = sortIdx_open (bfs, 1);
 499     return 0;
 500 }
 501
 502 struct encode_info {
 503     int  sysno;
 504     int  seqno;
 505     int  cmd;
 506     char buf[768];
 507 };
 508
 509 void encode_key_init (struct encode_info *i)
 510 {
 511     i->sysno = 0;
 512     i->seqno = 0;
 513     i->cmd = -1;
 514 }
 515
 516 char *encode_key_int (int d, char *bp)
 517 {
 518     if (d <= 63)
 519         *bp++ = d;
 520     else if (d <= 16383)
 521     {
 522         *bp++ = 64 + (d>>8);
 523         *bp++ = d  & 255;
 524     }
 525     else if (d <= 4194303)
 526     {
 527         *bp++ = 128 + (d>>16);
 528         *bp++ = (d>>8) & 255;
 529         *bp++ = d & 255;
 530     }
 531     else
 532     {
 533         *bp++ = 192 + (d>>24);
 534         *bp++ = (d>>16) & 255;
 535         *bp++ = (d>>8) & 255;
 536         *bp++ = d & 255;
 537     }
 538     return bp;
 539 }
 540
 541 void encode_key_write (char *k, struct encode_info *i, FILE *outf)
 542 {
 543     struct it_key key;
 544     char *bp = i->buf;
 545
 546     while ((*bp++ = *k++))
 547         ;
 548     memcpy (&key, k+1, sizeof(struct it_key));
 549     bp = encode_key_int ( (key.sysno - i->sysno) * 2 + *k, bp);
 550     if (i->sysno != key.sysno)
 551     {
 552         i->sysno = key.sysno;
 553         i->seqno = 0;
 554     }
 555     else if (!i->seqno && !key.seqno && i->cmd == *k)
 556         return;
 557     bp = encode_key_int (key.seqno - i->seqno, bp);
 558     i->seqno = key.seqno;
 559     i->cmd = *k;
 560     if (fwrite (i->buf, bp - i->buf, 1, outf) != 1)
 561     {
 562         logf (LOG_FATAL|LOG_ERRNO, "fwrite");
 563         exit (1);
 564     }
 565 }
 566
 567 #define SORT_EXTRA 0
 568
 569 #if SORT_EXTRA
 570 static int key_y_len;
 571
 572 static int key_y_compare (const void *p1, const void *p2)
 573 {
 574     int r;
 575
 576     if ((r = key_compare (*(char**) p1 + key_y_len + 1,
 577                           *(char**) p2 + key_y_len + 1)))
 578          return r;
 579     return *(*(char**) p1 + key_y_len) - *(*(char**) p2 + key_y_len);
 580 }
 581
 582 static int key_x_compare (const void *p1, const void *p2)
 583 {
 584     return strcmp (*(char**) p1, *(char**) p2);
 585 }
 586 #endif
 587
 588 void key_flush (void)
 589 {
 590     FILE *outf;
 591     char out_fname[200];
 592     char *prevcp, *cp;
 593     struct encode_info encode_info;
 594 #if SORT_EXTRA
 595     int i;
 596 #endif
 597
 598     if (ptr_i <= 0)
 599         return;
 600
 601     key_file_no++;
 602     logf (LOG_LOG, "sorting section %d", key_file_no);
 603 #if !SORT_EXTRA
 604     qsort (key_buf + ptr_top-ptr_i, ptr_i, sizeof(char*), key_qsort_compare);
 605     getFnameTmp (common_resource, out_fname, key_file_no);
 606
 607     if (!(outf = fopen (out_fname, "wb")))
 608     {
 609         logf (LOG_FATAL|LOG_ERRNO, "fopen %s", out_fname);
 610         exit (1);
 611     }
 612     logf (LOG_LOG, "writing section %d", key_file_no);
 613     prevcp = cp = key_buf[ptr_top-ptr_i];
 614
 615     encode_key_init (&encode_info);
 616     encode_key_write (cp, &encode_info, outf);
 617     while (--ptr_i > 0)
 618     {
 619         cp = key_buf[ptr_top-ptr_i];
 620         if (strcmp (cp, prevcp))
 621         {
 622             encode_key_init (&encode_info);
 623             encode_key_write (cp, &encode_info, outf);
 624             prevcp = cp;
 625         }
 626         else
 627             encode_key_write (cp + strlen(cp), &encode_info, outf);
 628     }
 629 #else
 630     qsort (key_buf + ptr_top-ptr_i, ptr_i, sizeof(char*), key_x_compare);
 631     getFnameTmp (out_fname, key_file_no);
 632
 633     if (!(outf = fopen (out_fname, "wb")))
 634     {
 635         logf (LOG_FATAL|LOG_ERRNO, "fopen %s", out_fname);
 636         exit (1);
 637     }
 638     logf (LOG_LOG, "writing section %d", key_file_no);
 639     i = ptr_i;
 640     prevcp =  key_buf[ptr_top-i];
 641     while (1)
 642         if (!--i || strcmp (prevcp, key_buf[ptr_top-i]))
 643         {
 644             key_y_len = strlen(prevcp)+1;
 645 #if 0
 646             logf (LOG_LOG, "key_y_len: %2d %02x %02x %s",
 647                       key_y_len, prevcp[0], prevcp[1], 2+prevcp);
 648 #endif
 649             qsort (key_buf + ptr_top-ptr_i, ptr_i - i,
 650                                    sizeof(char*), key_y_compare);
 651             cp = key_buf[ptr_top-ptr_i];
 652             --key_y_len;
 653             encode_key_init (&encode_info);
 654             encode_key_write (cp, &encode_info, outf);
 655             while (--ptr_i > i)
 656             {
 657                 cp = key_buf[ptr_top-ptr_i];
 658                 encode_key_write (cp+key_y_len, &encode_info, outf);
 659             }
 660             if (!i)
 661                 break;
 662             prevcp = key_buf[ptr_top-ptr_i];
 663         }
 664 #endif
 665     if (fclose (outf))
 666     {
 667         logf (LOG_FATAL|LOG_ERRNO, "fclose %s", out_fname);
 668         exit (1);
 669     }
 670     logf (LOG_LOG, "finished section %d", key_file_no);
 671     ptr_i = 0;
 672     key_buf_used = 0;
 673 }
 674
 675 int key_close (struct recordGroup *rGroup)
 676 {
 677     int rw = rGroup->flagRw;
 678     if (rw)
 679         zebraExplain_runNumberIncrement (zti, 1);
 680     zebraExplain_close (zti, rw);
 681     key_flush ();
 682     xfree (key_buf);
 683     rec_close (&records);
 684     dict_close (matchDict);
 685     sortIdx_close (sortIdx);
 686
 687     logRecord (1);
 688     return key_file_no;
 689 }
 690
 691 static void wordInit (struct recExtractCtrl *p, RecWord *w)
 692 {
 693     w->zebra_maps = p->zebra_maps;
 694     w->seqnos = p->seqno;
 695     w->attrSet = VAL_BIB1;
 696     w->attrUse = 1016;
 697     w->reg_type = 'w';
 698     w->extractCtrl = p;
 699 }
 700
 701 static struct sortKey {
 702     char *string;
 703     int length;
 704     int attrSet;
 705     int attrUse;
 706     struct sortKey *next;
 707 } *sortKeys = NULL;
 708
 709 static struct recKeys {
 710     int buf_used;
 711     int buf_max;
 712     char *buf;
 713     char prevAttrSet;
 714     short prevAttrUse;
 715     int prevSeqNo;
 716 } reckeys;
 717
 718 static void addIndexString (RecWord *p, const char *string, int length)
 719 {
 720     char *dst;
 721     unsigned char attrSet;
 722     unsigned short attrUse;
 723     int lead = 0;
 724     int diff = 0;
 725     int *pseqno = &p->seqnos[p->reg_type];
 726
 727     if (reckeys.buf_used+1024 > reckeys.buf_max)
 728     {
 729         char *b;
 730
 731         b = (char *) xmalloc (reckeys.buf_max += 128000);
 732         if (reckeys.buf_used > 0)
 733             memcpy (b, reckeys.buf, reckeys.buf_used);
 734         xfree (reckeys.buf);
 735         reckeys.buf = b;
 736     }
 737     dst = reckeys.buf + reckeys.buf_used;
 738
 739     attrSet = p->attrSet;
 740     if (reckeys.buf_used > 0 && reckeys.prevAttrSet == attrSet)
 741         lead |= 1;
 742     else
 743         reckeys.prevAttrSet = attrSet;
 744     attrUse = p->attrUse;
 745     if (reckeys.buf_used > 0 && reckeys.prevAttrUse == attrUse)
 746         lead |= 2;
 747     else
 748         reckeys.prevAttrUse = attrUse;
 749 #if 1
 750     diff = 1 + *pseqno - reckeys.prevSeqNo;
 751     if (diff >= 1 && diff <= 15)
 752         lead |= (diff << 2);
 753     else
 754         diff = 0;
 755 #endif
 756     reckeys.prevSeqNo = *pseqno;
 757
 758     *dst++ = lead;
 759
 760 #if SU_SCHEME
 761     if ((lead & 3) < 3)
 762     {
 763         int ch = zebraExplain_lookupSU (zti, attrSet, attrUse);
 764         if (ch < 0)
 765         {
 766             ch = zebraExplain_addSU (zti, attrSet, attrUse);
 767         }
 768         assert (ch > 0);
 769         memcpy (dst, &ch, sizeof(ch));
 770         dst += sizeof(ch);
 771     }
 772 #else
 773     if (!(lead & 1))
 774     {
 775         memcpy (dst, &attrSet, sizeof(attrSet));
 776         dst += sizeof(attrSet);
 777     }
 778     if (!(lead & 2))
 779     {
 780         memcpy (dst, &attrUse, sizeof(attrUse));
 781         dst += sizeof(attrUse);
 782     }
 783 #endif
 784     *dst++ = p->reg_type;
 785     memcpy (dst, string, length);
 786     dst += length;
 787     *dst++ = '\0';
 788
 789     if (!diff)
 790     {
 791         memcpy (dst, pseqno, sizeof(*pseqno));
 792         dst += sizeof(*pseqno);
 793     }
 794     reckeys.buf_used = dst - reckeys.buf;
 795     if (*pseqno)
 796         (*pseqno)++;
 797 }
 798
 799 static void addSortString (RecWord *p, const char *string, int length)
 800 {
 801     struct sortKey *sk;
 802
 803     for (sk = sortKeys; sk; sk = sk->next)
 804         if (sk->attrSet == p->attrSet && sk->attrUse == p->attrUse)
 805             return;
 806
 807     sk = (struct sortKey *) xmalloc (sizeof(*sk));
 808     sk->next = sortKeys;
 809     sortKeys = sk;
 810
 811     sk->string = (char *) xmalloc (length);
 812     sk->length = length;
 813     memcpy (sk->string, string, length);
 814
 815     sk->attrSet = p->attrSet;
 816     sk->attrUse = p->attrUse;
 817 }
 818
 819 static void addString (RecWord *p, const char *string, int length)
 820 {
 821     assert (length > 0);
 822     if (zebra_maps_is_sort (p->zebra_maps, p->reg_type))
 823         addSortString (p, string, length);
 824     else
 825         addIndexString (p, string, length);
 826 }
 827
 828 static void addIncompleteField (RecWord *p)
 829 {
 830     const char *b = p->string;
 831     int remain = p->length;
 832     const char **map = 0;
 833
 834     if (remain > 0)
 835         map = zebra_maps_input(p->zebra_maps, p->reg_type, &b, remain);
 836
 837     while (map)
 838     {
 839         char buf[IT_MAX_WORD+1];
 840         int i, remain;
 841
 842         /* Skip spaces */
 843         while (map && *map && **map == *CHR_SPACE)
 844         {
 845             remain = p->length - (b - p->string);
 846             if (remain > 0)
 847                 map = zebra_maps_input(p->zebra_maps, p->reg_type, &b, remain);
 848             else
 849                 map = 0;
 850         }
 851         if (!map)
 852             break;
 853         i = 0;
 854         while (map && *map && **map != *CHR_SPACE)
 855         {
 856             const char *cp = *map;
 857
 858             while (i < IT_MAX_WORD && *cp)
 859                 buf[i++] = *(cp++);
 860             remain = p->length - (b - p->string);
 861             if (remain > 0)
 862                 map = zebra_maps_input(p->zebra_maps, p->reg_type, &b, remain);
 863             else
 864                 map = 0;
 865         }
 866         if (!i)
 867             return;
 868         addString (p, buf, i);
 869     }
 870     (p->seqnos[p->reg_type])++; /* to separate this from next one  */
 871 }
 872
 873 static void addCompleteField (RecWord *p)
 874 {
 875     const char *b = p->string;
 876     char buf[IT_MAX_WORD+1];
 877     const char **map = 0;
 878     int i = 0, remain = p->length;
 879
 880     if (remain > 0)
 881         map = zebra_maps_input (p->zebra_maps, p->reg_type, &b, remain);
 882
 883     while (remain > 0 && i < IT_MAX_WORD)
 884     {
 885         while (map && *map && **map == *CHR_SPACE)
 886         {
 887             remain = p->length - (b - p->string);
 888             if (remain > 0)
 889                 map = zebra_maps_input(p->zebra_maps, p->reg_type, &b, remain);
 890             else
 891                 map = 0;
 892         }
 893         if (!map)
 894             break;
 895
 896         if (i && i < IT_MAX_WORD)
 897             buf[i++] = *CHR_SPACE;
 898         while (map && *map && **map != *CHR_SPACE)
 899         {
 900             const char *cp = *map;
 901
 902             if (i >= IT_MAX_WORD)
 903                 break;
 904             while (i < IT_MAX_WORD && *cp)
 905                 buf[i++] = *(cp++);
 906             remain = p->length  - (b - p->string);
 907             if (remain > 0)
 908                 map = zebra_maps_input (p->zebra_maps, p->reg_type, &b,
 909                                         remain);
 910             else
 911                 map = 0;
 912         }
 913     }
 914     if (!i)
 915         return;
 916     addString (p, buf, i);
 917 }
 918
 919 static void addRecordKey (RecWord *p)
 920 {
 921     WRBUF wrbuf;
 922     if ((wrbuf = zebra_replace(p->zebra_maps, p->reg_type, 0,
 923                                p->string, p->length)))
 924     {
 925         p->string = wrbuf_buf(wrbuf);
 926         p->length = wrbuf_len(wrbuf);
 927     }
 928     if (zebra_maps_is_complete (p->zebra_maps, p->reg_type))
 929         addCompleteField (p);
 930     else
 931         addIncompleteField(p);
 932 }
 933
 934 static void flushSortKeys (SYSNO sysno, int cmd)
 935 {
 936     struct sortKey *sk = sortKeys;
 937
 938     sortIdx_sysno (sortIdx, sysno);
 939     while (sk)
 940     {
 941         struct sortKey *sk_next = sk->next;
 942         if (cmd >= 0)
 943         {
 944             sortIdx_type (sortIdx, sk->attrUse);
 945             sortIdx_add (sortIdx, sk->string, sk->length);
 946         }
 947         xfree (sk->string);
 948         xfree (sk);
 949         sk = sk_next;
 950     }
 951     sortKeys = NULL;
 952 }
 953
 954 static void flushRecordKeys (SYSNO sysno, int cmd, struct recKeys *reckeys)
 955 {
 956 #if SU_SCHEME
 957 #else
 958     unsigned char attrSet = (unsigned char) -1;
 959     unsigned short attrUse = (unsigned short) -1;
 960 #endif
 961     int seqno = 0;
 962     int off = 0;
 963     int ch = 0;
 964
 965     zebraExplain_recordCountIncrement (zti, cmd ? 1 : -1);
 966     while (off < reckeys->buf_used)
 967     {
 968         const char *src = reckeys->buf + off;
 969         struct it_key key;
 970         int lead;
 971
 972         lead = *src++;
 973
 974 #if SU_SCHEME
 975         if ((lead & 3) < 3)
 976         {
 977             memcpy (&ch, src, sizeof(ch));
 978             src += sizeof(ch);
 979         }
 980 #else
 981         if (!(lead & 1))
 982         {
 983             memcpy (&attrSet, src, sizeof(attrSet));
 984             src += sizeof(attrSet);
 985         }
 986         if (!(lead & 2))
 987         {
 988             memcpy (&attrUse, src, sizeof(attrUse));
 989             src += sizeof(attrUse);
 990         }
 991 #endif
 992         if (key_buf_used + 1024 > (ptr_top-ptr_i)*sizeof(char*))
 993             key_flush ();
 994         ++ptr_i;
 995
 996         key_buf[ptr_top-ptr_i] = (char*)key_buf + key_buf_used;
 997
 998 #if SU_SCHEME
 999 #else
1000         ch = zebraExplain_lookupSU (zti, attrSet, attrUse);
1001         if (ch < 0)
1002         {
1003             ch = zebraExplain_addSU (zti, attrSet, attrUse);
1004             yaz_log (LOG_LOG, "addSU cmd=%d set=%d use=%d SU=%d",
1005                      cmd, attrSet, attrUse, ch);
1006         }
1007 #endif
1008         assert (ch > 0);
1009         key_buf_used += key_SU_encode (ch, ((char*)key_buf) + key_buf_used);
1010
1011         while (*src)
1012             ((char*)key_buf) [key_buf_used++] = *src++;
1013         src++;
1014         ((char*)key_buf) [key_buf_used++] = '\0';
1015         ((char*) key_buf)[key_buf_used++] = cmd;
1016
1017         if (lead & 60)
1018             seqno += ((lead>>2) & 15)-1;
1019         else
1020         {
1021             memcpy (&seqno, src, sizeof(seqno));
1022             src += sizeof(seqno);
1023         }
1024         key.seqno = seqno;
1025         key.sysno = sysno;
1026         memcpy ((char*)key_buf + key_buf_used, &key, sizeof(key));
1027         key_buf_used += sizeof(key);
1028         off = src - reckeys->buf;
1029     }
1030     assert (off == reckeys->buf_used);
1031 }
1032
1033 static const char **searchRecordKey (struct recKeys *reckeys,
1034                                      int attrSetS, int attrUseS)
1035 {
1036     static const char *ws[32];
1037     int off = 0;
1038     int startSeq = -1;
1039     int i;
1040     int seqno = 0;
1041 #if SU_SCHEME
1042     int chS, ch;
1043 #else
1044     short attrUse;
1045     char attrSet;
1046 #endif
1047
1048     for (i = 0; i<32; i++)
1049         ws[i] = NULL;
1050
1051 #if SU_SCHEME
1052     chS = zebraExplain_lookupSU (zti, attrSetS, attrUseS);
1053     if (chS < 0)
1054         return ws;
1055 #endif
1056     while (off < reckeys->buf_used)
1057     {
1058
1059         const char *src = reckeys->buf + off;
1060         const char *wstart;
1061         int lead;
1062
1063         lead = *src++;
1064 #if SU_SCHEME
1065         if ((lead & 3)<3)
1066         {
1067             memcpy (&ch, src, sizeof(ch));
1068             src += sizeof(ch);
1069         }
1070 #else
1071         if (!(lead & 1))
1072         {
1073             memcpy (&attrSet, src, sizeof(attrSet));
1074             src += sizeof(attrSet);
1075         }
1076         if (!(lead & 2))
1077         {
1078             memcpy (&attrUse, src, sizeof(attrUse));
1079             src += sizeof(attrUse);
1080         }
1081 #endif
1082         wstart = src;
1083         while (*src++)
1084             ;
1085         if (lead & 60)
1086             seqno += ((lead>>2) & 15)-1;
1087         else
1088         {
1089             memcpy (&seqno, src, sizeof(seqno));
1090             src += sizeof(seqno);
1091         }
1092         if (
1093 #if SU_SCHEME
1094             ch == chS
1095 #else
1096             attrUseS == attrUse && attrSetS == attrSet
1097 #endif
1098             )
1099         {
1100             int woff;
1101
1102
1103             if (startSeq == -1)
1104                 startSeq = seqno;
1105             woff = seqno - startSeq;
1106             if (woff >= 0 && woff < 31)
1107                 ws[woff] = wstart;
1108         }
1109
1110         off = src - reckeys->buf;
1111     }
1112     assert (off == reckeys->buf_used);
1113     return ws;
1114 }
1115
1116 struct file_read_info {
1117     off_t file_max;         /* maximum offset so far */
1118     off_t file_offset;      /* current offset */
1119     off_t file_moffset;     /* offset of rec/rec boundary */
1120     int file_more;
1121     int fd;
1122     char *sdrbuf;
1123     int sdrmax;
1124 };
1125
1126 static struct file_read_info *file_read_start (int fd)
1127 {
1128     struct file_read_info *fi = (struct file_read_info *)
1129         xmalloc (sizeof(*fi));
1130
1131     fi->fd = fd;
1132     fi->file_max = 0;
1133     fi->file_moffset = 0;
1134     fi->sdrbuf = 0;
1135     fi->sdrmax = 0;
1136     return fi;
1137 }
1138
1139 static void file_read_stop (struct file_read_info *fi)
1140 {
1141     xfree (fi);
1142 }
1143
1144 static off_t file_seek (void *handle, off_t offset)
1145 {
1146     struct file_read_info *p = (struct file_read_info *) handle;
1147     p->file_offset = offset;
1148     if (p->sdrbuf)
1149         return offset;
1150     return lseek (p->fd, offset, SEEK_SET);
1151 }
1152
1153 static off_t file_tell (void *handle)
1154 {
1155     struct file_read_info *p = (struct file_read_info *) handle;
1156     return p->file_offset;
1157 }
1158
1159 static int file_read (void *handle, char *buf, size_t count)
1160 {
1161     struct file_read_info *p = (struct file_read_info *) handle;
1162     int fd = p->fd;
1163     int r;
1164     if (p->sdrbuf)
1165     {
1166         r = count;
1167         if (r > p->sdrmax - p->file_offset)
1168             r = p->sdrmax - p->file_offset;
1169         if (r)
1170             memcpy (buf, p->sdrbuf + p->file_offset, r);
1171     }
1172     else
1173         r = read (fd, buf, count);
1174     if (r > 0)
1175     {
1176         p->file_offset += r;
1177         if (p->file_offset > p->file_max)
1178             p->file_max = p->file_offset;
1179     }
1180     return r;
1181 }
1182
1183 static void file_begin (void *handle)
1184 {
1185     struct file_read_info *p = (struct file_read_info *) handle;
1186
1187     p->file_offset = p->file_moffset;
1188     if (!p->sdrbuf && p->file_moffset)
1189         lseek (p->fd, p->file_moffset, SEEK_SET);
1190     p->file_more = 0;
1191 }
1192
1193 static void file_end (void *handle, off_t offset)
1194 {
1195     struct file_read_info *p = (struct file_read_info *) handle;
1196
1197     assert (p->file_more == 0);
1198     p->file_more = 1;
1199     p->file_moffset = offset;
1200 }
1201
1202 static char *fileMatchStr (struct recKeys *reckeys, struct recordGroup *rGroup,
1203                            const char *fname, const char *spec)
1204 {
1205     static char dstBuf[2048];
1206     char *dst = dstBuf;
1207     const char *s = spec;
1208     static const char **w;
1209
1210     while (1)
1211     {
1212         while (*s == ' ' || *s == '\t')
1213             s++;
1214         if (!*s)
1215             break;
1216         if (*s == '(')
1217         {
1218             char attset_str[64], attname_str[64];
1219             data1_attset *attset;
1220             int i;
1221             char matchFlag[32];
1222             int attSet = 1, attUse = 1;
1223             int first = 1;
1224
1225             s++;
1226             for (i = 0; *s && *s != ',' && *s != ')'; s++)
1227                 if (i < 63)
1228                     attset_str[i++] = *s;
1229             attset_str[i] = '\0';
1230
1231             if (*s == ',')
1232             {
1233                 s++;
1234                 for (i = 0; *s && *s != ')'; s++)
1235                     if (i < 63)
1236                         attname_str[i++] = *s;
1237                 attname_str[i] = '\0';
1238             }
1239
1240             if ((attset = data1_get_attset (rGroup->dh, attset_str)))
1241             {
1242                 data1_att *att;
1243                 attSet = attset->reference;
1244                 att = data1_getattbyname(rGroup->dh, attset, attname_str);
1245                 if (att)
1246                     attUse = att->value;
1247                 else
1248                     attUse = atoi (attname_str);
1249             }
1250             w = searchRecordKey (reckeys, attSet, attUse);
1251             assert (w);
1252
1253             if (*s == ')')
1254             {
1255                 for (i = 0; i<32; i++)
1256                     matchFlag[i] = 1;
1257             }
1258             else
1259             {
1260                 logf (LOG_WARN, "Missing ) in match criteria %s in group %s",
1261                       spec, rGroup->groupName ? rGroup->groupName : "none");
1262                 return NULL;
1263             }
1264             s++;
1265
1266             for (i = 0; i<32; i++)
1267                 if (matchFlag[i] && w[i])
1268                 {
1269                     if (first)
1270                     {
1271                         *dst++ = ' ';
1272                         first = 0;
1273                     }
1274                     strcpy (dst, w[i]);
1275                     dst += strlen(w[i]);
1276                 }
1277             if (first)
1278             {
1279                 logf (LOG_WARN, "Record didn't contain match"
1280                       " fields in (%s,%s)", attset_str, attname_str);
1281                 return NULL;
1282             }
1283         }
1284         else if (*s == '$')
1285         {
1286             int spec_len;
1287             char special[64];
1288             const char *spec_src = NULL;
1289             const char *s1 = ++s;
1290             while (*s1 && *s1 != ' ' && *s1 != '\t')
1291                 s1++;
1292
1293             spec_len = s1 - s;
1294             if (spec_len > 63)
1295                 spec_len = 63;
1296             memcpy (special, s, spec_len);
1297             special[spec_len] = '\0';
1298             s = s1;
1299
1300             if (!strcmp (special, "group"))
1301                 spec_src = rGroup->groupName;
1302             else if (!strcmp (special, "database"))
1303                 spec_src = rGroup->databaseName;
1304             else if (!strcmp (special, "filename"))
1305                 spec_src = fname;
1306             else if (!strcmp (special, "type"))
1307                 spec_src = rGroup->recordType;
1308             else
1309                 spec_src = NULL;
1310             if (spec_src)
1311             {
1312                 strcpy (dst, spec_src);
1313                 dst += strlen (spec_src);
1314             }
1315         }
1316         else if (*s == '\"' || *s == '\'')
1317         {
1318             int stopMarker = *s++;
1319             char tmpString[64];
1320             int i = 0;
1321
1322             while (*s && *s != stopMarker)
1323             {
1324                 if (i < 63)
1325                     tmpString[i++] = *s++;
1326             }
1327             if (*s)
1328                 s++;
1329             tmpString[i] = '\0';
1330             strcpy (dst, tmpString);
1331             dst += strlen (tmpString);
1332         }
1333         else
1334         {
1335             logf (LOG_WARN, "Syntax error in match criteria %s in group %s",
1336                   spec, rGroup->groupName ? rGroup->groupName : "none");
1337             return NULL;
1338         }
1339         *dst++ = 1;
1340     }
1341     if (dst == dstBuf)
1342     {
1343         logf (LOG_WARN, "No match criteria for record %s in group %s",
1344               fname, rGroup->groupName ? rGroup->groupName : "none");
1345         return NULL;
1346     }
1347     *dst = '\0';
1348     return dstBuf;
1349 }
1350
1351 struct recordLogInfo {
1352     const char *fname;
1353     int recordOffset;
1354     struct recordGroup *rGroup;
1355 };
1356
1357 static void recordLogPreamble (int level, const char *msg, void *info)
1358 {
1359     struct recordLogInfo *p = (struct recordLogInfo *) info;
1360     FILE *outf = yaz_log_file ();
1361
1362     if (level & LOG_LOG)
1363         return ;
1364     fprintf (outf, "File %s, offset %d, type %s\n",
1365              p->rGroup->recordType, p->recordOffset, p->fname);
1366     log_event_start (NULL, NULL);
1367 }
1368
1369 void addSchema (struct recExtractCtrl *p, Odr_oid *oid)
1370 {
1371     zebraExplain_addSchema (zti, oid);
1372 }
1373
1374 static int recordExtract (SYSNO *sysno, const char *fname,
1375                           struct recordGroup *rGroup, int deleteFlag,
1376                           struct file_read_info *fi,
1377                           RecType recType, char *subType, void *clientData)
1378 {
1379     RecordAttr *recordAttr;
1380     int r;
1381     char *matchStr;
1382     SYSNO sysnotmp;
1383     Record rec;
1384     struct recordLogInfo logInfo;
1385     off_t recordOffset = 0;
1386
1387     if (fi->fd != -1)
1388     {
1389         struct recExtractCtrl extractCtrl;
1390
1391         /* we are going to read from a file, so prepare the extraction */
1392         int i;
1393
1394         reckeys.buf_used = 0;
1395         reckeys.prevAttrUse = -1;
1396         reckeys.prevAttrSet = -1;
1397         reckeys.prevSeqNo = 0;
1398
1399         recordOffset = fi->file_moffset;
1400         extractCtrl.offset = fi->file_moffset;
1401         extractCtrl.readf = file_read;
1402         extractCtrl.seekf = file_seek;
1403         extractCtrl.tellf = file_tell;
1404         extractCtrl.endf = file_end;
1405         extractCtrl.fh = fi;
1406         extractCtrl.subType = subType;
1407         extractCtrl.init = wordInit;
1408         extractCtrl.tokenAdd = addRecordKey;
1409         extractCtrl.schemaAdd = addSchema;
1410         extractCtrl.dh = rGroup->dh;
1411         for (i = 0; i<256; i++)
1412         {
1413             if (zebra_maps_is_positioned(rGroup->zebra_maps, i))
1414                 extractCtrl.seqno[i] = 1;
1415             else
1416                 extractCtrl.seqno[i] = 0;
1417         }
1418         extractCtrl.zebra_maps = rGroup->zebra_maps;
1419         extractCtrl.flagShowRecords = !rGroup->flagRw;
1420
1421         if (!rGroup->flagRw)
1422             printf ("File: %s " PRINTF_OFF_T "\n", fname, recordOffset);
1423
1424         logInfo.fname = fname;
1425         logInfo.recordOffset = recordOffset;
1426         logInfo.rGroup = rGroup;
1427         log_event_start (recordLogPreamble, &logInfo);
1428
1429         r = (*recType->extract)(clientData, &extractCtrl);
1430
1431         log_event_start (NULL, NULL);
1432
1433         if (r == RECCTRL_EXTRACT_EOF)
1434             return 0;
1435         else if (r == RECCTRL_EXTRACT_ERROR)
1436         {
1437             /* error occured during extraction ... */
1438             if (rGroup->flagRw &&
1439                 records_processed < rGroup->fileVerboseLimit)
1440             {
1441                 logf (LOG_WARN, "fail %s %s " PRINTF_OFF_T, rGroup->recordType,
1442                       fname, recordOffset);
1443             }
1444             return 0;
1445         }
1446         if (reckeys.buf_used == 0)
1447         {
1448             /* the extraction process returned no information - the record
1449                is probably empty - unless flagShowRecords is in use */
1450             if (!rGroup->flagRw)
1451                 return 1;
1452
1453             logf (LOG_WARN, "empty %s %s " PRINTF_OFF_T, rGroup->recordType,
1454                   fname, recordOffset);
1455             return 1;
1456         }
1457     }
1458
1459     /* perform match if sysno not known and if match criteria is specified */
1460
1461     matchStr = NULL;
1462     if (!sysno)
1463     {
1464         sysnotmp = 0;
1465         sysno = &sysnotmp;
1466         if (rGroup->recordId && *rGroup->recordId)
1467         {
1468             char *rinfo;
1469
1470             matchStr = fileMatchStr (&reckeys, rGroup, fname,
1471                                      rGroup->recordId);
1472             if (matchStr)
1473             {
1474                 rinfo = dict_lookup (matchDict, matchStr);
1475                 if (rinfo)
1476                     memcpy (sysno, rinfo+1, sizeof(*sysno));
1477             }
1478             else
1479             {
1480                 logf (LOG_WARN, "Bad match criteria");
1481                 return 0;
1482             }
1483         }
1484     }
1485
1486     if (! *sysno)
1487     {
1488         /* new record */
1489         if (deleteFlag)
1490         {
1491             logf (LOG_LOG, "delete %s %s " PRINTF_OFF_T, rGroup->recordType,
1492                   fname, recordOffset);
1493             logf (LOG_WARN, "cannot delete record above (seems new)");
1494             return 1;
1495         }
1496         if (records_processed < rGroup->fileVerboseLimit)
1497             logf (LOG_LOG, "add %s %s " PRINTF_OFF_T, rGroup->recordType,
1498                   fname, recordOffset);
1499         rec = rec_new (records);
1500
1501         *sysno = rec->sysno;
1502
1503         recordAttr = rec_init_attr (zti, rec);
1504
1505         if (matchStr)
1506         {
1507             dict_insert (matchDict, matchStr, sizeof(*sysno), sysno);
1508         }
1509         flushRecordKeys (*sysno, 1, &reckeys);
1510         flushSortKeys (*sysno, 1);
1511
1512         records_inserted++;
1513     }
1514     else
1515     {
1516         /* record already exists */
1517         struct recKeys delkeys;
1518
1519         rec = rec_get (records, *sysno);
1520         assert (rec);
1521
1522         recordAttr = rec_init_attr (zti, rec);
1523
1524         if (recordAttr->runNumber == zebraExplain_runNumberIncrement (zti, 0))
1525         {
1526             logf (LOG_LOG, "skipped %s %s " PRINTF_OFF_T, rGroup->recordType,
1527                   fname, recordOffset);
1528             flushSortKeys (*sysno, -1);
1529             rec_rm (&rec);
1530             logRecord (0);
1531             return 1;
1532         }
1533         delkeys.buf_used = rec->size[recInfo_delKeys];
1534         delkeys.buf = rec->info[recInfo_delKeys];
1535         flushSortKeys (*sysno, 0);
1536         flushRecordKeys (*sysno, 0, &delkeys);
1537         if (deleteFlag)
1538         {
1539             /* record going to be deleted */
1540             if (!delkeys.buf_used)
1541             {
1542                 logf (LOG_LOG, "delete %s %s " PRINTF_OFF_T,
1543                       rGroup->recordType, fname, recordOffset);
1544                 logf (LOG_WARN, "cannot delete file above, storeKeys false");
1545             }
1546             else
1547             {
1548                 if (records_processed < rGroup->fileVerboseLimit)
1549                     logf (LOG_LOG, "delete %s %s " PRINTF_OFF_T,
1550                          rGroup->recordType, fname, recordOffset);
1551                 records_deleted++;
1552                 if (matchStr)
1553                     dict_delete (matchDict, matchStr);
1554                 rec_del (records, &rec);
1555             }
1556             rec_rm (&rec);
1557             logRecord (0);
1558             return 1;
1559         }
1560         else
1561         {
1562             /* record going to be updated */
1563             if (!delkeys.buf_used)
1564             {
1565                 logf (LOG_LOG, "update %s %s " PRINTF_OFF_T,
1566                       rGroup->recordType, fname, recordOffset);
1567                 logf (LOG_WARN, "cannot update file above, storeKeys false");
1568             }
1569             else
1570             {
1571                 if (records_processed < rGroup->fileVerboseLimit)
1572                     logf (LOG_LOG, "update %s %s " PRINTF_OFF_T,
1573                         rGroup->recordType, fname, recordOffset);
1574                 flushRecordKeys (*sysno, 1, &reckeys);
1575                 records_updated++;
1576             }
1577         }
1578     }
1579     /* update file type */
1580     xfree (rec->info[recInfo_fileType]);
1581     rec->info[recInfo_fileType] =
1582         rec_strdup (rGroup->recordType, &rec->size[recInfo_fileType]);
1583
1584     /* update filename */
1585     xfree (rec->info[recInfo_filename]);
1586     rec->info[recInfo_filename] =
1587         rec_strdup (fname, &rec->size[recInfo_filename]);
1588
1589     /* update delete keys */
1590     xfree (rec->info[recInfo_delKeys]);
1591     if (reckeys.buf_used > 0 && rGroup->flagStoreKeys == 1)
1592     {
1593 #if 1
1594         rec->size[recInfo_delKeys] = reckeys.buf_used;
1595         rec->info[recInfo_delKeys] = reckeys.buf;
1596         reckeys.buf = NULL;
1597         reckeys.buf_max = 0;
1598 #else
1599         rec->info[recInfo_delKeys] = xmalloc (reckeys.buf_used);
1600         rec->size[recInfo_delKeys] = reckeys.buf_used;
1601         memcpy (rec->info[recInfo_delKeys], reckeys.buf,
1602                 rec->size[recInfo_delKeys]);
1603 #endif
1604     }
1605     else
1606     {
1607         rec->info[recInfo_delKeys] = NULL;
1608         rec->size[recInfo_delKeys] = 0;
1609     }
1610
1611     /* save file size of original record */
1612     zebraExplain_recordBytesIncrement (zti, - recordAttr->recordSize);
1613     recordAttr->recordSize = fi->file_moffset - recordOffset;
1614     if (!recordAttr->recordSize)
1615         recordAttr->recordSize = fi->file_max - recordOffset;
1616     zebraExplain_recordBytesIncrement (zti, recordAttr->recordSize);
1617
1618     /* set run-number for this record */
1619     recordAttr->runNumber = zebraExplain_runNumberIncrement (zti, 0);
1620
1621     /* update store data */
1622     xfree (rec->info[recInfo_storeData]);
1623     if (rGroup->flagStoreData == 1)
1624     {
1625         rec->size[recInfo_storeData] = recordAttr->recordSize;
1626         rec->info[recInfo_storeData] = (char *)
1627             xmalloc (recordAttr->recordSize);
1628         if (lseek (fi->fd, recordOffset, SEEK_SET) < 0)
1629         {
1630             logf (LOG_ERRNO|LOG_FATAL, "seek to " PRINTF_OFF_T " in %s",
1631                   recordOffset, fname);
1632             exit (1);
1633         }
1634         if (read (fi->fd, rec->info[recInfo_storeData], recordAttr->recordSize)
1635             < recordAttr->recordSize)
1636         {
1637             logf (LOG_ERRNO|LOG_FATAL, "read %d bytes of %s",
1638                   recordAttr->recordSize, fname);
1639             exit (1);
1640         }
1641     }
1642     else
1643     {
1644         rec->info[recInfo_storeData] = NULL;
1645         rec->size[recInfo_storeData] = 0;
1646     }
1647     /* update database name */
1648     xfree (rec->info[recInfo_databaseName]);
1649     rec->info[recInfo_databaseName] =
1650         rec_strdup (rGroup->databaseName, &rec->size[recInfo_databaseName]);
1651
1652     /* update offset */
1653     recordAttr->recordOffset = recordOffset;
1654
1655     /* commit this record */
1656     rec_put (records, &rec);
1657     logRecord (0);
1658     return 1;
1659 }
1660
1661 int fileExtract (SYSNO *sysno, const char *fname,
1662                  const struct recordGroup *rGroupP, int deleteFlag)
1663 {
1664     int r, i, fd;
1665     char gprefix[128];
1666     char ext[128];
1667     char ext_res[128];
1668     char subType[128];
1669     RecType recType;
1670     struct recordGroup rGroupM;
1671     struct recordGroup *rGroup = &rGroupM;
1672     struct file_read_info *fi;
1673     void *clientData;
1674
1675     memcpy (rGroup, rGroupP, sizeof(*rGroupP));
1676
1677     if (!rGroup->groupName || !*rGroup->groupName)
1678         *gprefix = '\0';
1679     else
1680         sprintf (gprefix, "%s.", rGroup->groupName);
1681
1682     logf (LOG_DEBUG, "fileExtract %s", fname);
1683
1684     /* determine file extension */
1685     *ext = '\0';
1686     for (i = strlen(fname); --i >= 0; )
1687         if (fname[i] == '/')
1688             break;
1689         else if (fname[i] == '.')
1690         {
1691             strcpy (ext, fname+i+1);
1692             break;
1693         }
1694     /* determine file type - depending on extension */
1695     if (!rGroup->recordType)
1696     {
1697         sprintf (ext_res, "%srecordType.%s", gprefix, ext);
1698         if (!(rGroup->recordType = res_get (common_resource, ext_res)))
1699         {
1700             sprintf (ext_res, "%srecordType", gprefix);
1701             rGroup->recordType = res_get (common_resource, ext_res);
1702         }
1703     }
1704     if (!rGroup->recordType)
1705     {
1706         if (records_processed < rGroup->fileVerboseLimit)
1707             logf (LOG_LOG, "? %s", fname);
1708         return 0;
1709     }
1710     if (!*rGroup->recordType)
1711         return 0;
1712     if (!(recType =
1713           recType_byName (rGroup->recTypes, rGroup->recordType, subType,
1714                           &clientData)))
1715     {
1716         logf (LOG_WARN, "No such record type: %s", rGroup->recordType);
1717         return 0;
1718     }
1719
1720     /* determine match criteria */
1721     if (!rGroup->recordId)
1722     {
1723         sprintf (ext_res, "%srecordId.%s", gprefix, ext);
1724         rGroup->recordId = res_get (common_resource, ext_res);
1725     }
1726
1727     /* determine database name */
1728     if (!rGroup->databaseName)
1729     {
1730         sprintf (ext_res, "%sdatabase.%s", gprefix, ext);
1731         if (!(rGroup->databaseName = res_get (common_resource, ext_res)))
1732         {
1733             sprintf (ext_res, "%sdatabase", gprefix);
1734             rGroup->databaseName = res_get (common_resource, ext_res);
1735         }
1736     }
1737     if (!rGroup->databaseName)
1738         rGroup->databaseName = "Default";
1739
1740     /* determine if explain database */
1741
1742     sprintf (ext_res, "%sexplainDatabase", gprefix);
1743     rGroup->explainDatabase =
1744         atoi (res_get_def (common_resource, ext_res, "0"));
1745
1746     /* announce database */
1747     if (zebraExplain_curDatabase (zti, rGroup->databaseName))
1748     {
1749         if (zebraExplain_newDatabase (zti, rGroup->databaseName,
1750                                       rGroup->explainDatabase))
1751             return 0;
1752     }
1753
1754     if (rGroup->flagStoreData == -1)
1755     {
1756         const char *sval;
1757         sprintf (ext_res, "%sstoreData.%s", gprefix, ext);
1758         if (!(sval = res_get (common_resource, ext_res)))
1759         {
1760             sprintf (ext_res, "%sstoreData", gprefix);
1761             sval = res_get (common_resource, ext_res);
1762         }
1763         if (sval)
1764             rGroup->flagStoreData = atoi (sval);
1765     }
1766     if (rGroup->flagStoreData == -1)
1767         rGroup->flagStoreData = 0;
1768
1769     if (rGroup->flagStoreKeys == -1)
1770     {
1771         const char *sval;
1772
1773         sprintf (ext_res, "%sstoreKeys.%s", gprefix, ext);
1774         sval = res_get (common_resource, ext_res);
1775         if (!sval)
1776         {
1777             sprintf (ext_res, "%sstoreKeys", gprefix);
1778             sval = res_get (common_resource, ext_res);
1779         }
1780         if (!sval)
1781             sval = res_get (common_resource, "storeKeys");
1782         if (sval)
1783             rGroup->flagStoreKeys = atoi (sval);
1784     }
1785     if (rGroup->flagStoreKeys == -1)
1786         rGroup->flagStoreKeys = 0;
1787
1788     if (sysno && deleteFlag)
1789         fd = -1;
1790     else
1791     {
1792         if ((fd = open (fname, O_BINARY|O_RDONLY)) == -1)
1793         {
1794             logf (LOG_WARN|LOG_ERRNO, "open %s", fname);
1795             return 0;
1796         }
1797     }
1798     fi = file_read_start (fd);
1799     do
1800     {
1801         file_begin (fi);
1802         r = recordExtract (sysno, fname, rGroup, deleteFlag, fi,
1803                            recType, subType, clientData);
1804     } while (r && !sysno && fi->file_more);
1805     file_read_stop (fi);
1806     if (fd != -1)
1807         close (fd);
1808     return r;
1809 }
1810
1811 static int explain_extract (void *handle, Record rec, data1_node *n)
1812 {
1813     struct recordGroup *rGroup = (struct recordGroup*) handle;
1814     struct recExtractCtrl extractCtrl;
1815     int i;
1816
1817     if (zebraExplain_curDatabase (zti, rec->info[recInfo_databaseName]))
1818     {
1819         if (zebraExplain_newDatabase (zti, rec->info[recInfo_databaseName], 0))
1820             abort ();
1821     }
1822
1823     reckeys.buf_used = 0;
1824     reckeys.prevAttrUse = -1;
1825     reckeys.prevAttrSet = -1;
1826     reckeys.prevSeqNo = 0;
1827
1828     extractCtrl.init = wordInit;
1829     extractCtrl.tokenAdd = addRecordKey;
1830     extractCtrl.schemaAdd = addSchema;
1831     extractCtrl.dh = rGroup->dh;
1832     for (i = 0; i<256; i++)
1833         extractCtrl.seqno[i] = 0;
1834     extractCtrl.zebra_maps = rGroup->zebra_maps;
1835     extractCtrl.flagShowRecords = !rGroup->flagRw;
1836
1837     grs_extract_tree(&extractCtrl, n);
1838
1839     logf (LOG_DEBUG, "flush explain record, sysno=%d", rec->sysno);
1840
1841     if (rec->size[recInfo_delKeys])
1842     {
1843         struct recKeys delkeys;
1844
1845         delkeys.buf_used = rec->size[recInfo_delKeys];
1846         delkeys.buf = rec->info[recInfo_delKeys];
1847         flushSortKeys (rec->sysno, 0);
1848         flushRecordKeys (rec->sysno, 0, &delkeys);
1849     }
1850     flushRecordKeys (rec->sysno, 1, &reckeys);
1851     flushSortKeys (rec->sysno, 1);
1852
1853     xfree (rec->info[recInfo_delKeys]);
1854     rec->size[recInfo_delKeys] = reckeys.buf_used;
1855     rec->info[recInfo_delKeys] = reckeys.buf;
1856     reckeys.buf = NULL;
1857     reckeys.buf_max = 0;
1858
1859     return 0;
1860 }