Age Owner Branch data TLA Line data Source code
1 : : /*-------------------------------------------------------------------------
2 : : *
3 : : * dict_thesaurus.c
4 : : * Thesaurus dictionary: phrase to phrase substitution
5 : : *
6 : : * Portions Copyright (c) 1996-2025, PostgreSQL Global Development Group
7 : : *
8 : : *
9 : : * IDENTIFICATION
10 : : * src/backend/tsearch/dict_thesaurus.c
11 : : *
12 : : *-------------------------------------------------------------------------
13 : : */
14 : : #include "postgres.h"
15 : :
16 : : #include "catalog/namespace.h"
17 : : #include "commands/defrem.h"
18 : : #include "tsearch/ts_cache.h"
19 : : #include "tsearch/ts_locale.h"
20 : : #include "tsearch/ts_public.h"
21 : : #include "utils/fmgrprotos.h"
22 : : #include "utils/regproc.h"
23 : :
24 : :
25 : : /*
26 : : * Temporary we use TSLexeme.flags for inner use...
27 : : */
28 : : #define DT_USEASIS 0x1000
29 : :
30 : : typedef struct LexemeInfo
31 : : {
32 : : uint32 idsubst; /* entry's number in DictThesaurus->subst */
33 : : uint16 posinsubst; /* pos info in entry */
34 : : uint16 tnvariant; /* total num lexemes in one variant */
35 : : struct LexemeInfo *nextentry;
36 : : struct LexemeInfo *nextvariant;
37 : : } LexemeInfo;
38 : :
39 : : typedef struct
40 : : {
41 : : char *lexeme;
42 : : LexemeInfo *entries;
43 : : } TheLexeme;
44 : :
45 : : typedef struct
46 : : {
47 : : uint16 lastlexeme; /* number lexemes to substitute */
48 : : uint16 reslen;
49 : : TSLexeme *res; /* prepared substituted result */
50 : : } TheSubstitute;
51 : :
52 : : typedef struct
53 : : {
54 : : /* subdictionary to normalize lexemes */
55 : : Oid subdictOid;
56 : : TSDictionaryCacheEntry *subdict;
57 : :
58 : : /* Array to search lexeme by exact match */
59 : : TheLexeme *wrds;
60 : : int nwrds; /* current number of words */
61 : : int ntwrds; /* allocated array length */
62 : :
63 : : /*
64 : : * Storage of substituted result, n-th element is for n-th expression
65 : : */
66 : : TheSubstitute *subst;
67 : : int nsubst;
68 : : } DictThesaurus;
69 : :
70 : :
71 : : static void
3957 tgl@sss.pgh.pa.us 72 :CBC 105 : newLexeme(DictThesaurus *d, char *b, char *e, uint32 idsubst, uint16 posinsubst)
73 : : {
74 : : TheLexeme *ptr;
75 : :
6591 76 [ + + ]: 105 : if (d->nwrds >= d->ntwrds)
77 : : {
78 [ + - ]: 7 : if (d->ntwrds == 0)
79 : : {
80 : 7 : d->ntwrds = 16;
81 : 7 : d->wrds = (TheLexeme *) palloc(sizeof(TheLexeme) * d->ntwrds);
82 : : }
83 : : else
84 : : {
6591 tgl@sss.pgh.pa.us 85 :UBC 0 : d->ntwrds *= 2;
86 : 0 : d->wrds = (TheLexeme *) repalloc(d->wrds, sizeof(TheLexeme) * d->ntwrds);
87 : : }
88 : : }
89 : :
6591 tgl@sss.pgh.pa.us 90 :CBC 105 : ptr = d->wrds + d->nwrds;
91 : 105 : d->nwrds++;
92 : :
93 : 105 : ptr->lexeme = palloc(e - b + 1);
94 : :
95 : 105 : memcpy(ptr->lexeme, b, e - b);
96 : 105 : ptr->lexeme[e - b] = '\0';
97 : :
98 : 105 : ptr->entries = (LexemeInfo *) palloc(sizeof(LexemeInfo));
99 : :
100 : 105 : ptr->entries->nextentry = NULL;
101 : 105 : ptr->entries->idsubst = idsubst;
102 : 105 : ptr->entries->posinsubst = posinsubst;
103 : 105 : }
104 : :
105 : : static void
3957 106 : 84 : addWrd(DictThesaurus *d, char *b, char *e, uint32 idsubst, uint16 nwrd, uint16 posinsubst, bool useasis)
107 : : {
108 : : static int nres = 0;
109 : : static int ntres = 0;
110 : : TheSubstitute *ptr;
111 : :
6591 112 [ + + ]: 84 : if (nwrd == 0)
113 : : {
114 : 56 : nres = ntres = 0;
115 : :
116 [ + + ]: 56 : if (idsubst >= d->nsubst)
117 : : {
118 [ + - ]: 7 : if (d->nsubst == 0)
119 : : {
120 : 7 : d->nsubst = 16;
121 : 7 : d->subst = (TheSubstitute *) palloc(sizeof(TheSubstitute) * d->nsubst);
122 : : }
123 : : else
124 : : {
6591 tgl@sss.pgh.pa.us 125 :UBC 0 : d->nsubst *= 2;
126 : 0 : d->subst = (TheSubstitute *) repalloc(d->subst, sizeof(TheSubstitute) * d->nsubst);
127 : : }
128 : : }
129 : : }
130 : :
6591 tgl@sss.pgh.pa.us 131 :CBC 84 : ptr = d->subst + idsubst;
132 : :
133 : 84 : ptr->lastlexeme = posinsubst - 1;
134 : :
135 [ + + ]: 84 : if (nres + 1 >= ntres)
136 : : {
137 [ + + ]: 70 : if (ntres == 0)
138 : : {
139 : 56 : ntres = 2;
140 : 56 : ptr->res = (TSLexeme *) palloc(sizeof(TSLexeme) * ntres);
141 : : }
142 : : else
143 : : {
144 : 14 : ntres *= 2;
145 : 14 : ptr->res = (TSLexeme *) repalloc(ptr->res, sizeof(TSLexeme) * ntres);
146 : : }
147 : : }
148 : :
149 : 84 : ptr->res[nres].lexeme = palloc(e - b + 1);
150 : 84 : memcpy(ptr->res[nres].lexeme, b, e - b);
151 : 84 : ptr->res[nres].lexeme[e - b] = '\0';
152 : :
153 : 84 : ptr->res[nres].nvariant = nwrd;
154 [ + + ]: 84 : if (useasis)
155 : 42 : ptr->res[nres].flags = DT_USEASIS;
156 : : else
157 : 42 : ptr->res[nres].flags = 0;
158 : :
159 : 84 : ptr->res[++nres].lexeme = NULL;
160 : 84 : }
161 : :
162 : : #define TR_WAITLEX 1
163 : : #define TR_INLEX 2
164 : : #define TR_WAITSUBS 3
165 : : #define TR_INSUBS 4
166 : :
167 : : static void
2867 peter_e@gmx.net 168 : 7 : thesaurusRead(const char *filename, DictThesaurus *d)
169 : : {
35 tgl@sss.pgh.pa.us 170 :GNC 7 : char *real_filename = get_tsearch_config_filename(filename, "ths");
171 : : tsearch_readline_state trst;
3957 tgl@sss.pgh.pa.us 172 :CBC 7 : uint32 idsubst = 0;
6591 173 : 7 : bool useasis = false;
174 : : char *line;
175 : :
35 tgl@sss.pgh.pa.us 176 [ - + ]:GNC 7 : if (!tsearch_readline_begin(&trst, real_filename))
6591 tgl@sss.pgh.pa.us 177 [ # # ]:UBC 0 : ereport(ERROR,
178 : : (errcode(ERRCODE_CONFIG_FILE_ERROR),
179 : : errmsg("could not open thesaurus file \"%s\": %m",
180 : : real_filename)));
181 : :
6289 tgl@sss.pgh.pa.us 182 [ + + ]:CBC 126 : while ((line = tsearch_readline(&trst)) != NULL)
183 : : {
184 : : char *ptr;
6591 185 : 119 : int state = TR_WAITLEX;
186 : 119 : char *beginwrd = NULL;
3957 187 : 119 : uint32 posinsubst = 0;
188 : 119 : uint32 nwrd = 0;
189 : :
6587 190 : 119 : ptr = line;
191 : :
192 : : /* is it a comment? */
263 peter@eisentraut.org 193 [ + + + + ]: 133 : while (*ptr && isspace((unsigned char) *ptr))
6591 tgl@sss.pgh.pa.us 194 : 14 : ptr += pg_mblen(ptr);
195 : :
6587 196 [ + + + + ]: 119 : if (t_iseq(ptr, '#') || *ptr == '\0' ||
197 [ + - - + ]: 56 : t_iseq(ptr, '\n') || t_iseq(ptr, '\r'))
198 : : {
199 : 63 : pfree(line);
6591 200 : 63 : continue;
201 : : }
202 : :
203 [ + + ]: 1295 : while (*ptr)
204 : : {
205 [ + + ]: 1239 : if (state == TR_WAITLEX)
206 : : {
207 [ + + ]: 161 : if (t_iseq(ptr, ':'))
208 : : {
209 [ - + ]: 56 : if (posinsubst == 0)
6591 tgl@sss.pgh.pa.us 210 [ # # ]:UBC 0 : ereport(ERROR,
211 : : (errcode(ERRCODE_CONFIG_FILE_ERROR),
212 : : errmsg("unexpected delimiter")));
6591 tgl@sss.pgh.pa.us 213 :CBC 56 : state = TR_WAITSUBS;
214 : : }
263 peter@eisentraut.org 215 [ + - ]: 105 : else if (!isspace((unsigned char) *ptr))
216 : : {
6591 tgl@sss.pgh.pa.us 217 : 105 : beginwrd = ptr;
218 : 105 : state = TR_INLEX;
219 : : }
220 : : }
221 [ + + ]: 1078 : else if (state == TR_INLEX)
222 : : {
223 [ - + ]: 539 : if (t_iseq(ptr, ':'))
224 : : {
6591 tgl@sss.pgh.pa.us 225 :UBC 0 : newLexeme(d, beginwrd, ptr, idsubst, posinsubst++);
226 : 0 : state = TR_WAITSUBS;
227 : : }
263 peter@eisentraut.org 228 [ + + ]:CBC 539 : else if (isspace((unsigned char) *ptr))
229 : : {
6591 tgl@sss.pgh.pa.us 230 : 105 : newLexeme(d, beginwrd, ptr, idsubst, posinsubst++);
231 : 105 : state = TR_WAITLEX;
232 : : }
233 : : }
234 [ + + ]: 539 : else if (state == TR_WAITSUBS)
235 : : {
236 [ + + ]: 140 : if (t_iseq(ptr, '*'))
237 : : {
238 : 42 : useasis = true;
239 : 42 : state = TR_INSUBS;
240 : 42 : beginwrd = ptr + pg_mblen(ptr);
241 : : }
242 [ - + ]: 98 : else if (t_iseq(ptr, '\\'))
243 : : {
6591 tgl@sss.pgh.pa.us 244 :UBC 0 : useasis = false;
245 : 0 : state = TR_INSUBS;
246 : 0 : beginwrd = ptr + pg_mblen(ptr);
247 : : }
263 peter@eisentraut.org 248 [ + + ]:CBC 98 : else if (!isspace((unsigned char) *ptr))
249 : : {
6591 tgl@sss.pgh.pa.us 250 : 42 : useasis = false;
251 : 42 : beginwrd = ptr;
252 : 42 : state = TR_INSUBS;
253 : : }
254 : : }
255 [ + - ]: 399 : else if (state == TR_INSUBS)
256 : : {
263 peter@eisentraut.org 257 [ + + ]: 399 : if (isspace((unsigned char) *ptr))
258 : : {
6591 tgl@sss.pgh.pa.us 259 [ - + ]: 84 : if (ptr == beginwrd)
6591 tgl@sss.pgh.pa.us 260 [ # # ]:UBC 0 : ereport(ERROR,
261 : : (errcode(ERRCODE_CONFIG_FILE_ERROR),
262 : : errmsg("unexpected end of line or lexeme")));
6591 tgl@sss.pgh.pa.us 263 :CBC 84 : addWrd(d, beginwrd, ptr, idsubst, nwrd++, posinsubst, useasis);
264 : 84 : state = TR_WAITSUBS;
265 : : }
266 : : }
267 : : else
6591 tgl@sss.pgh.pa.us 268 [ # # ]:UBC 0 : elog(ERROR, "unrecognized thesaurus state: %d", state);
269 : :
6591 tgl@sss.pgh.pa.us 270 :CBC 1239 : ptr += pg_mblen(ptr);
271 : : }
272 : :
273 [ - + ]: 56 : if (state == TR_INSUBS)
274 : : {
6591 tgl@sss.pgh.pa.us 275 [ # # ]:UBC 0 : if (ptr == beginwrd)
276 [ # # ]: 0 : ereport(ERROR,
277 : : (errcode(ERRCODE_CONFIG_FILE_ERROR),
278 : : errmsg("unexpected end of line or lexeme")));
279 : 0 : addWrd(d, beginwrd, ptr, idsubst, nwrd++, posinsubst, useasis);
280 : : }
281 : :
6591 tgl@sss.pgh.pa.us 282 :CBC 56 : idsubst++;
283 : :
284 [ + - - + ]: 56 : if (!(nwrd && posinsubst))
6591 tgl@sss.pgh.pa.us 285 [ # # ]:UBC 0 : ereport(ERROR,
286 : : (errcode(ERRCODE_CONFIG_FILE_ERROR),
287 : : errmsg("unexpected end of line")));
288 : :
3957 tgl@sss.pgh.pa.us 289 [ + - - + ]:CBC 56 : if (nwrd != (uint16) nwrd || posinsubst != (uint16) posinsubst)
3957 tgl@sss.pgh.pa.us 290 [ # # ]:UBC 0 : ereport(ERROR,
291 : : (errcode(ERRCODE_CONFIG_FILE_ERROR),
292 : : errmsg("too many lexemes in thesaurus entry")));
293 : :
6587 tgl@sss.pgh.pa.us 294 :CBC 56 : pfree(line);
295 : : }
296 : :
6591 297 : 7 : d->nsubst = idsubst;
298 : :
6289 299 : 7 : tsearch_readline_end(&trst);
35 tgl@sss.pgh.pa.us 300 :GNC 7 : pfree(real_filename);
6591 tgl@sss.pgh.pa.us 301 :CBC 7 : }
302 : :
303 : : static TheLexeme *
6505 bruce@momjian.us 304 : 105 : addCompiledLexeme(TheLexeme *newwrds, int *nnw, int *tnm, TSLexeme *lexeme, LexemeInfo *src, uint16 tnvariant)
305 : : {
6591 tgl@sss.pgh.pa.us 306 [ - + ]: 105 : if (*nnw >= *tnm)
307 : : {
6591 tgl@sss.pgh.pa.us 308 :UBC 0 : *tnm *= 2;
309 : 0 : newwrds = (TheLexeme *) repalloc(newwrds, sizeof(TheLexeme) * *tnm);
310 : : }
311 : :
6591 tgl@sss.pgh.pa.us 312 :CBC 105 : newwrds[*nnw].entries = (LexemeInfo *) palloc(sizeof(LexemeInfo));
313 : :
314 [ + + + - ]: 105 : if (lexeme && lexeme->lexeme)
315 : : {
316 : 98 : newwrds[*nnw].lexeme = pstrdup(lexeme->lexeme);
317 : 98 : newwrds[*nnw].entries->tnvariant = tnvariant;
318 : : }
319 : : else
320 : : {
321 : 7 : newwrds[*nnw].lexeme = NULL;
322 : 7 : newwrds[*nnw].entries->tnvariant = 1;
323 : : }
324 : :
325 : 105 : newwrds[*nnw].entries->idsubst = src->idsubst;
326 : 105 : newwrds[*nnw].entries->posinsubst = src->posinsubst;
327 : :
328 : 105 : newwrds[*nnw].entries->nextentry = NULL;
329 : :
330 : 105 : (*nnw)++;
331 : 105 : return newwrds;
332 : : }
333 : :
334 : : static int
6505 bruce@momjian.us 335 : 112 : cmpLexemeInfo(LexemeInfo *a, LexemeInfo *b)
336 : : {
6591 tgl@sss.pgh.pa.us 337 [ + - - + ]: 112 : if (a == NULL || b == NULL)
6591 tgl@sss.pgh.pa.us 338 :UBC 0 : return 0;
339 : :
6591 tgl@sss.pgh.pa.us 340 [ - + ]:CBC 112 : if (a->idsubst == b->idsubst)
341 : : {
6591 tgl@sss.pgh.pa.us 342 [ # # ]:UBC 0 : if (a->posinsubst == b->posinsubst)
343 : : {
344 [ # # ]: 0 : if (a->tnvariant == b->tnvariant)
345 : 0 : return 0;
346 : :
347 [ # # ]: 0 : return (a->tnvariant > b->tnvariant) ? 1 : -1;
348 : : }
349 : :
350 [ # # ]: 0 : return (a->posinsubst > b->posinsubst) ? 1 : -1;
351 : : }
352 : :
6591 tgl@sss.pgh.pa.us 353 [ + + ]:CBC 112 : return (a->idsubst > b->idsubst) ? 1 : -1;
354 : : }
355 : :
356 : : static int
5109 peter_e@gmx.net 357 : 721 : cmpLexeme(const TheLexeme *a, const TheLexeme *b)
358 : : {
6591 tgl@sss.pgh.pa.us 359 [ + + ]: 721 : if (a->lexeme == NULL)
360 : : {
361 [ + + ]: 82 : if (b->lexeme == NULL)
362 : 18 : return 0;
363 : : else
364 : 64 : return 1;
365 : : }
366 [ + + ]: 639 : else if (b->lexeme == NULL)
367 : 10 : return -1;
368 : :
369 : 629 : return strcmp(a->lexeme, b->lexeme);
370 : : }
371 : :
372 : : static int
373 : 294 : cmpLexemeQ(const void *a, const void *b)
374 : : {
5109 peter_e@gmx.net 375 : 294 : return cmpLexeme((const TheLexeme *) a, (const TheLexeme *) b);
376 : : }
377 : :
378 : : static int
6591 tgl@sss.pgh.pa.us 379 : 329 : cmpTheLexeme(const void *a, const void *b)
380 : : {
4836 bruce@momjian.us 381 : 329 : const TheLexeme *la = (const TheLexeme *) a;
382 : 329 : const TheLexeme *lb = (const TheLexeme *) b;
383 : : int res;
384 : :
6591 tgl@sss.pgh.pa.us 385 [ + + ]: 329 : if ((res = cmpLexeme(la, lb)) != 0)
386 : 266 : return res;
387 : :
388 : 63 : return -cmpLexemeInfo(la->entries, lb->entries);
389 : : }
390 : :
391 : : static void
6505 bruce@momjian.us 392 : 7 : compileTheLexeme(DictThesaurus *d)
393 : : {
394 : : int i,
6591 tgl@sss.pgh.pa.us 395 : 7 : nnw = 0,
396 : 7 : tnm = 16;
397 : 7 : TheLexeme *newwrds = (TheLexeme *) palloc(sizeof(TheLexeme) * tnm),
398 : : *ptrwrds;
399 : :
400 [ + + ]: 112 : for (i = 0; i < d->nwrds; i++)
401 : : {
402 : : TSLexeme *ptr;
403 : :
2999 404 [ + + ]: 105 : if (strcmp(d->wrds[i].lexeme, "?") == 0) /* Is stop word marker? */
6591 405 : 7 : newwrds = addCompiledLexeme(newwrds, &nnw, &tnm, NULL, d->wrds[i].entries, 0);
406 : : else
407 : : {
6510 bruce@momjian.us 408 : 98 : ptr = (TSLexeme *) DatumGetPointer(FunctionCall4(&(d->subdict->lexize),
409 : : PointerGetDatum(d->subdict->dictData),
410 : : PointerGetDatum(d->wrds[i].lexeme),
411 : : Int32GetDatum(strlen(d->wrds[i].lexeme)),
412 : : PointerGetDatum(NULL)));
413 : :
414 [ - + ]: 98 : if (!ptr)
6492 tgl@sss.pgh.pa.us 415 [ # # ]:UBC 0 : ereport(ERROR,
416 : : (errcode(ERRCODE_CONFIG_FILE_ERROR),
417 : : errmsg("thesaurus sample word \"%s\" isn't recognized by subdictionary (rule %d)",
418 : : d->wrds[i].lexeme,
419 : : d->wrds[i].entries->idsubst + 1)));
6510 bruce@momjian.us 420 [ - + ]:CBC 98 : else if (!(ptr->lexeme))
6492 tgl@sss.pgh.pa.us 421 [ # # ]:UBC 0 : ereport(ERROR,
422 : : (errcode(ERRCODE_CONFIG_FILE_ERROR),
423 : : errmsg("thesaurus sample word \"%s\" is a stop word (rule %d)",
424 : : d->wrds[i].lexeme,
425 : : d->wrds[i].entries->idsubst + 1),
426 : : errhint("Use \"?\" to represent a stop word within a sample phrase.")));
427 : : else
428 : : {
6510 bruce@momjian.us 429 [ + + ]:CBC 196 : while (ptr->lexeme)
430 : : {
431 : 98 : TSLexeme *remptr = ptr + 1;
432 : 98 : int tnvar = 1;
433 : 98 : int curvar = ptr->nvariant;
434 : :
435 : : /* compute n words in one variant */
436 [ - + ]: 98 : while (remptr->lexeme)
437 : : {
6510 bruce@momjian.us 438 [ # # ]:UBC 0 : if (remptr->nvariant != (remptr - 1)->nvariant)
439 : 0 : break;
440 : 0 : tnvar++;
441 : 0 : remptr++;
442 : : }
443 : :
6510 bruce@momjian.us 444 :CBC 98 : remptr = ptr;
445 [ + + + - ]: 196 : while (remptr->lexeme && remptr->nvariant == curvar)
446 : : {
447 : 98 : newwrds = addCompiledLexeme(newwrds, &nnw, &tnm, remptr, d->wrds[i].entries, tnvar);
448 : 98 : remptr++;
449 : : }
450 : :
451 : 98 : ptr = remptr;
452 : : }
453 : : }
454 : : }
455 : :
6591 tgl@sss.pgh.pa.us 456 : 105 : pfree(d->wrds[i].lexeme);
457 : 105 : pfree(d->wrds[i].entries);
458 : : }
459 : :
5759 460 [ + - ]: 7 : if (d->wrds)
461 : 7 : pfree(d->wrds);
6591 462 : 7 : d->wrds = newwrds;
463 : 7 : d->nwrds = nnw;
464 : 7 : d->ntwrds = tnm;
465 : :
466 [ + - ]: 7 : if (d->nwrds > 1)
467 : : {
468 : 7 : qsort(d->wrds, d->nwrds, sizeof(TheLexeme), cmpTheLexeme);
469 : :
470 : : /* uniq */
471 : 7 : newwrds = d->wrds;
472 : 7 : ptrwrds = d->wrds + 1;
473 [ + + ]: 105 : while (ptrwrds - d->wrds < d->nwrds)
474 : : {
475 [ + + ]: 98 : if (cmpLexeme(ptrwrds, newwrds) == 0)
476 : : {
477 [ + - ]: 49 : if (cmpLexemeInfo(ptrwrds->entries, newwrds->entries))
478 : : {
479 : 49 : ptrwrds->entries->nextentry = newwrds->entries;
480 : 49 : newwrds->entries = ptrwrds->entries;
481 : : }
482 : : else
6591 tgl@sss.pgh.pa.us 483 :UBC 0 : pfree(ptrwrds->entries);
484 : :
6591 tgl@sss.pgh.pa.us 485 [ + - ]:CBC 49 : if (ptrwrds->lexeme)
486 : 49 : pfree(ptrwrds->lexeme);
487 : : }
488 : : else
489 : : {
490 : 49 : newwrds++;
491 : 49 : *newwrds = *ptrwrds;
492 : : }
493 : :
494 : 98 : ptrwrds++;
495 : : }
496 : :
497 : 7 : d->nwrds = newwrds - d->wrds + 1;
498 : 7 : d->wrds = (TheLexeme *) repalloc(d->wrds, sizeof(TheLexeme) * d->nwrds);
499 : : }
500 : 7 : }
501 : :
502 : : static void
6505 bruce@momjian.us 503 : 7 : compileTheSubstitute(DictThesaurus *d)
504 : : {
505 : : int i;
506 : :
6591 tgl@sss.pgh.pa.us 507 [ + + ]: 63 : for (i = 0; i < d->nsubst; i++)
508 : : {
509 : 56 : TSLexeme *rem = d->subst[i].res,
510 : : *outptr,
511 : : *inptr;
512 : 56 : int n = 2;
513 : :
514 : 56 : outptr = d->subst[i].res = (TSLexeme *) palloc(sizeof(TSLexeme) * n);
515 : 56 : outptr->lexeme = NULL;
516 : 56 : inptr = rem;
517 : :
518 [ + - + + ]: 140 : while (inptr && inptr->lexeme)
519 : : {
520 : : TSLexeme *lexized,
521 : : tmplex[2];
522 : :
523 [ + + ]: 84 : if (inptr->flags & DT_USEASIS)
524 : : { /* do not lexize */
525 : 42 : tmplex[0] = *inptr;
526 : 42 : tmplex[0].flags = 0;
527 : 42 : tmplex[1].lexeme = NULL;
528 : 42 : lexized = tmplex;
529 : : }
530 : : else
531 : : {
2046 alvherre@alvh.no-ip. 532 : 42 : lexized = (TSLexeme *) DatumGetPointer(FunctionCall4(&(d->subdict->lexize),
533 : : PointerGetDatum(d->subdict->dictData),
534 : : PointerGetDatum(inptr->lexeme),
535 : : Int32GetDatum(strlen(inptr->lexeme)),
536 : : PointerGetDatum(NULL)));
537 : : }
538 : :
6591 tgl@sss.pgh.pa.us 539 [ + - + - ]: 84 : if (lexized && lexized->lexeme)
540 : 84 : {
541 [ + - + + ]: 84 : int toset = (lexized->lexeme && outptr != d->subst[i].res) ? (outptr - d->subst[i].res) : -1;
542 : :
543 [ + + ]: 168 : while (lexized->lexeme)
544 : : {
545 [ + + ]: 84 : if (outptr - d->subst[i].res + 1 >= n)
546 : : {
547 : 14 : int diff = outptr - d->subst[i].res;
548 : :
549 : 14 : n *= 2;
550 : 14 : d->subst[i].res = (TSLexeme *) repalloc(d->subst[i].res, sizeof(TSLexeme) * n);
551 : 14 : outptr = d->subst[i].res + diff;
552 : : }
553 : :
554 : 84 : *outptr = *lexized;
555 : 84 : outptr->lexeme = pstrdup(lexized->lexeme);
556 : :
557 : 84 : outptr++;
558 : 84 : lexized++;
559 : : }
560 : :
561 [ + + ]: 84 : if (toset > 0)
562 : 28 : d->subst[i].res[toset].flags |= TSL_ADDPOS;
563 : : }
6591 tgl@sss.pgh.pa.us 564 [ # # ]:UBC 0 : else if (lexized)
565 : : {
6492 566 [ # # ]: 0 : ereport(ERROR,
567 : : (errcode(ERRCODE_CONFIG_FILE_ERROR),
568 : : errmsg("thesaurus substitute word \"%s\" is a stop word (rule %d)",
569 : : inptr->lexeme, i + 1)));
570 : : }
571 : : else
572 : : {
573 [ # # ]: 0 : ereport(ERROR,
574 : : (errcode(ERRCODE_CONFIG_FILE_ERROR),
575 : : errmsg("thesaurus substitute word \"%s\" isn't recognized by subdictionary (rule %d)",
576 : : inptr->lexeme, i + 1)));
577 : : }
578 : :
6591 tgl@sss.pgh.pa.us 579 [ + - ]:CBC 84 : if (inptr->lexeme)
580 : 84 : pfree(inptr->lexeme);
581 : 84 : inptr++;
582 : : }
583 : :
584 [ - + ]: 56 : if (outptr == d->subst[i].res)
6492 tgl@sss.pgh.pa.us 585 [ # # ]:UBC 0 : ereport(ERROR,
586 : : (errcode(ERRCODE_CONFIG_FILE_ERROR),
587 : : errmsg("thesaurus substitute phrase is empty (rule %d)",
588 : : i + 1)));
589 : :
6591 tgl@sss.pgh.pa.us 590 :CBC 56 : d->subst[i].reslen = outptr - d->subst[i].res;
591 : :
592 : 56 : pfree(rem);
593 : : }
594 : 7 : }
595 : :
596 : : Datum
597 : 7 : thesaurus_init(PG_FUNCTION_ARGS)
598 : : {
6590 599 : 7 : List *dictoptions = (List *) PG_GETARG_POINTER(0);
600 : : DictThesaurus *d;
6591 601 : 7 : char *subdictname = NULL;
602 : 7 : bool fileloaded = false;
603 : : List *namelist;
604 : : ListCell *l;
605 : :
606 : 7 : d = (DictThesaurus *) palloc0(sizeof(DictThesaurus));
607 : :
6590 608 [ + - + + : 21 : foreach(l, dictoptions)
+ + ]
609 : : {
610 : 14 : DefElem *defel = (DefElem *) lfirst(l);
611 : :
2780 612 [ + + ]: 14 : if (strcmp(defel->defname, "dictfile") == 0)
613 : : {
6591 614 [ - + ]: 7 : if (fileloaded)
6591 tgl@sss.pgh.pa.us 615 [ # # ]:UBC 0 : ereport(ERROR,
616 : : (errcode(ERRCODE_INVALID_PARAMETER_VALUE),
617 : : errmsg("multiple DictFile parameters")));
6590 tgl@sss.pgh.pa.us 618 :CBC 7 : thesaurusRead(defGetString(defel), d);
6591 619 : 7 : fileloaded = true;
620 : : }
2780 621 [ + - ]: 7 : else if (strcmp(defel->defname, "dictionary") == 0)
622 : : {
6591 623 [ - + ]: 7 : if (subdictname)
6591 tgl@sss.pgh.pa.us 624 [ # # ]:UBC 0 : ereport(ERROR,
625 : : (errcode(ERRCODE_INVALID_PARAMETER_VALUE),
626 : : errmsg("multiple Dictionary parameters")));
6590 tgl@sss.pgh.pa.us 627 :CBC 7 : subdictname = pstrdup(defGetString(defel));
628 : : }
629 : : else
630 : : {
6591 tgl@sss.pgh.pa.us 631 [ # # ]:UBC 0 : ereport(ERROR,
632 : : (errcode(ERRCODE_INVALID_PARAMETER_VALUE),
633 : : errmsg("unrecognized Thesaurus parameter: \"%s\"",
634 : : defel->defname)));
635 : : }
636 : : }
637 : :
6591 tgl@sss.pgh.pa.us 638 [ - + ]:CBC 7 : if (!fileloaded)
6591 tgl@sss.pgh.pa.us 639 [ # # ]:UBC 0 : ereport(ERROR,
640 : : (errcode(ERRCODE_INVALID_PARAMETER_VALUE),
641 : : errmsg("missing DictFile parameter")));
6591 tgl@sss.pgh.pa.us 642 [ - + ]:CBC 7 : if (!subdictname)
6591 tgl@sss.pgh.pa.us 643 [ # # ]:UBC 0 : ereport(ERROR,
644 : : (errcode(ERRCODE_INVALID_PARAMETER_VALUE),
645 : : errmsg("missing Dictionary parameter")));
646 : :
984 tgl@sss.pgh.pa.us 647 :CBC 7 : namelist = stringToQualifiedNameList(subdictname, NULL);
648 : 7 : d->subdictOid = get_ts_dict_oid(namelist, false);
6591 649 : 7 : d->subdict = lookup_ts_dictionary_cache(d->subdictOid);
650 : :
651 : 7 : compileTheLexeme(d);
652 : 7 : compileTheSubstitute(d);
653 : :
654 : 7 : PG_RETURN_POINTER(d);
655 : : }
656 : :
657 : : static LexemeInfo *
6505 bruce@momjian.us 658 : 96 : findTheLexeme(DictThesaurus *d, char *lexeme)
659 : : {
660 : : TheLexeme key,
661 : : *res;
662 : :
6591 tgl@sss.pgh.pa.us 663 [ - + ]: 96 : if (d->nwrds == 0)
6591 tgl@sss.pgh.pa.us 664 :UBC 0 : return NULL;
665 : :
6563 teodor@sigaev.ru 666 :CBC 96 : key.lexeme = lexeme;
667 : 96 : key.entries = NULL;
668 : :
6591 tgl@sss.pgh.pa.us 669 : 96 : res = bsearch(&key, d->wrds, d->nwrds, sizeof(TheLexeme), cmpLexemeQ);
670 : :
671 [ + + ]: 96 : if (res == NULL)
672 : 27 : return NULL;
673 : 69 : return res->entries;
674 : : }
675 : :
676 : : static bool
3957 677 : 144 : matchIdSubst(LexemeInfo *stored, uint32 idsubst)
678 : : {
6591 679 : 144 : bool res = true;
680 : :
681 [ + + ]: 144 : if (stored)
682 : : {
683 : 75 : res = false;
684 : :
685 [ + + ]: 165 : for (; stored; stored = stored->nextvariant)
686 [ + + ]: 117 : if (stored->idsubst == idsubst)
687 : : {
688 : 27 : res = true;
689 : 27 : break;
690 : : }
691 : : }
692 : :
693 : 144 : return res;
694 : : }
695 : :
696 : : static LexemeInfo *
6505 bruce@momjian.us 697 : 69 : findVariant(LexemeInfo *in, LexemeInfo *stored, uint16 curpos, LexemeInfo **newin, int newn)
698 : : {
699 : : for (;;)
6591 tgl@sss.pgh.pa.us 700 : 96 : {
701 : : int i;
702 : 165 : LexemeInfo *ptr = newin[0];
703 : :
704 [ + + ]: 270 : for (i = 0; i < newn; i++)
705 : : {
706 [ + + - + ]: 174 : while (newin[i] && newin[i]->idsubst < ptr->idsubst)
6591 tgl@sss.pgh.pa.us 707 :UBC 0 : newin[i] = newin[i]->nextentry;
708 : :
6591 tgl@sss.pgh.pa.us 709 [ + + ]:CBC 174 : if (newin[i] == NULL)
710 : 39 : return in;
711 : :
712 [ - + ]: 135 : if (newin[i]->idsubst > ptr->idsubst)
713 : : {
6591 tgl@sss.pgh.pa.us 714 :UBC 0 : ptr = newin[i];
715 : 0 : i = -1;
716 : 0 : continue;
717 : : }
718 : :
6591 tgl@sss.pgh.pa.us 719 [ + + ]:CBC 144 : while (newin[i]->idsubst == ptr->idsubst)
720 : : {
721 [ + + + - ]: 135 : if (newin[i]->posinsubst == curpos && newin[i]->tnvariant == newn)
722 : : {
723 : 96 : ptr = newin[i];
724 : 96 : break;
725 : : }
726 : :
727 : 39 : newin[i] = newin[i]->nextentry;
728 [ + + ]: 39 : if (newin[i] == NULL)
729 : 30 : return in;
730 : : }
731 : :
732 [ + + ]: 105 : if (newin[i]->idsubst != ptr->idsubst)
733 : : {
734 : 9 : ptr = newin[i];
735 : 9 : i = -1;
736 : 9 : continue;
737 : : }
738 : : }
739 : :
740 [ + - + - : 96 : if (i == newn && matchIdSubst(stored, ptr->idsubst) && (in == NULL || !matchIdSubst(in, ptr->idsubst)))
+ + + - ]
741 : : { /* found */
742 : :
743 : 96 : ptr->nextvariant = in;
744 : 96 : in = ptr;
745 : : }
746 : :
747 : : /* step forward */
748 [ + + ]: 192 : for (i = 0; i < newn; i++)
749 : 96 : newin[i] = newin[i]->nextentry;
750 : : }
751 : : }
752 : :
753 : : static TSLexeme *
6505 bruce@momjian.us 754 : 39 : copyTSLexeme(TheSubstitute *ts)
755 : : {
756 : : TSLexeme *res;
757 : : uint16 i;
758 : :
6591 tgl@sss.pgh.pa.us 759 : 39 : res = (TSLexeme *) palloc(sizeof(TSLexeme) * (ts->reslen + 1));
760 [ + + ]: 90 : for (i = 0; i < ts->reslen; i++)
761 : : {
762 : 51 : res[i] = ts->res[i];
763 : 51 : res[i].lexeme = pstrdup(ts->res[i].lexeme);
764 : : }
765 : :
766 : 39 : res[ts->reslen].lexeme = NULL;
767 : :
768 : 39 : return res;
769 : : }
770 : :
771 : : static TSLexeme *
6505 bruce@momjian.us 772 : 48 : checkMatch(DictThesaurus *d, LexemeInfo *info, uint16 curpos, bool *moreres)
773 : : {
6591 tgl@sss.pgh.pa.us 774 : 48 : *moreres = false;
775 [ + + ]: 63 : while (info)
776 : : {
777 [ - + ]: 54 : Assert(info->idsubst < d->nsubst);
778 [ + + ]: 54 : if (info->nextvariant)
779 : 33 : *moreres = true;
780 [ + + ]: 54 : if (d->subst[info->idsubst].lastlexeme == curpos)
781 : 39 : return copyTSLexeme(d->subst + info->idsubst);
782 : 15 : info = info->nextvariant;
783 : : }
784 : :
785 : 9 : return NULL;
786 : : }
787 : :
788 : : Datum
789 : 102 : thesaurus_lexize(PG_FUNCTION_ARGS)
790 : : {
791 : 102 : DictThesaurus *d = (DictThesaurus *) PG_GETARG_POINTER(0);
792 : 102 : DictSubState *dstate = (DictSubState *) PG_GETARG_POINTER(3);
793 : 102 : TSLexeme *res = NULL;
794 : : LexemeInfo *stored,
795 : 102 : *info = NULL;
796 : 102 : uint16 curpos = 0;
797 : 102 : bool moreres = false;
798 : :
6492 799 [ + - - + ]: 102 : if (PG_NARGS() != 4 || dstate == NULL)
6591 tgl@sss.pgh.pa.us 800 [ # # ]:UBC 0 : elog(ERROR, "forbidden call of thesaurus or nested call");
801 : :
6591 tgl@sss.pgh.pa.us 802 [ + + ]:CBC 102 : if (dstate->isend)
803 : 6 : PG_RETURN_POINTER(NULL);
5896 peter_e@gmx.net 804 : 96 : stored = (LexemeInfo *) dstate->private_state;
805 : :
6591 tgl@sss.pgh.pa.us 806 [ + + ]: 96 : if (stored)
807 : 30 : curpos = stored->posinsubst + 1;
808 : :
809 [ - + ]: 96 : if (!d->subdict->isvalid)
6591 tgl@sss.pgh.pa.us 810 :UBC 0 : d->subdict = lookup_ts_dictionary_cache(d->subdictOid);
811 : :
6591 tgl@sss.pgh.pa.us 812 :CBC 96 : res = (TSLexeme *) DatumGetPointer(FunctionCall4(&(d->subdict->lexize),
813 : : PointerGetDatum(d->subdict->dictData),
814 : : PG_GETARG_DATUM(1),
815 : : PG_GETARG_DATUM(2),
816 : : PointerGetDatum(NULL)));
817 : :
818 [ + - + + ]: 96 : if (res && res->lexeme)
819 : 78 : {
820 : 78 : TSLexeme *ptr = res,
821 : : *basevar;
822 : :
823 [ + + ]: 156 : while (ptr->lexeme)
824 : : {
825 : 78 : uint16 nv = ptr->nvariant;
826 : : uint16 i,
827 : 78 : nlex = 0;
828 : : LexemeInfo **infos;
829 : :
830 : 78 : basevar = ptr;
831 [ + + + - ]: 156 : while (ptr->lexeme && nv == ptr->nvariant)
832 : : {
833 : 78 : nlex++;
834 : 78 : ptr++;
835 : : }
836 : :
837 : 78 : infos = (LexemeInfo **) palloc(sizeof(LexemeInfo *) * nlex);
838 [ + + ]: 129 : for (i = 0; i < nlex; i++)
839 [ + + ]: 78 : if ((infos[i] = findTheLexeme(d, basevar[i].lexeme)) == NULL)
840 : 27 : break;
841 : :
842 [ + + ]: 78 : if (i < nlex)
843 : : {
844 : : /* no chance to find */
845 : 27 : pfree(infos);
846 : 27 : continue;
847 : : }
848 : :
849 : 51 : info = findVariant(info, stored, curpos, infos, nlex);
850 : : }
851 : : }
852 [ + - ]: 18 : else if (res)
853 : : { /* stop-word */
854 : 18 : LexemeInfo *infos = findTheLexeme(d, NULL);
855 : :
856 : 18 : info = findVariant(NULL, stored, curpos, &infos, 1);
857 : : }
858 : : else
859 : : {
6591 tgl@sss.pgh.pa.us 860 :UBC 0 : info = NULL; /* word isn't recognized */
861 : : }
862 : :
282 peter@eisentraut.org 863 :CBC 96 : dstate->private_state = info;
864 : :
6591 tgl@sss.pgh.pa.us 865 [ + + ]: 96 : if (!info)
866 : : {
867 : 48 : dstate->getnext = false;
868 : 48 : PG_RETURN_POINTER(NULL);
869 : : }
870 : :
871 [ + + ]: 48 : if ((res = checkMatch(d, info, curpos, &moreres)) != NULL)
872 : : {
873 : 39 : dstate->getnext = moreres;
874 : 39 : PG_RETURN_POINTER(res);
875 : : }
876 : :
877 : 9 : dstate->getnext = true;
878 : :
879 : 9 : PG_RETURN_POINTER(NULL);
880 : : }
|
