helm/http_getter/http_getter_misc.ml

   1 (*
   2  * Copyright (C) 2003:
   3  *    Stefano Zacchiroli <zack@cs.unibo.it>
   4  *    for the HELM Team http://helm.cs.unibo.it/
   5  *
   6  *  This file is part of HELM, an Hypertextual, Electronic
   7  *  Library of Mathematics, developed at the Computer Science
   8  *  Department, University of Bologna, Italy.
   9  *
  10  *  HELM is free software; you can redistribute it and/or
  11  *  modify it under the terms of the GNU General Public License
  12  *  as published by the Free Software Foundation; either version 2
  13  *  of the License, or (at your option) any later version.
  14  *
  15  *  HELM is distributed in the hope that it will be useful,
  16  *  but WITHOUT ANY WARRANTY; without even the implied warranty of
  17  *  MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the
  18  *  GNU General Public License for more details.
  19  *
  20  *  You should have received a copy of the GNU General Public License
  21  *  along with HELM; if not, write to the Free Software
  22  *  Foundation, Inc., 59 Temple Place - Suite 330, Boston,
  23  *  MA  02111-1307, USA.
  24  *
  25  *  For details, see the HELM World-Wide-Web page,
  26  *  http://helm.cs.unibo.it/
  27  *)
  28
  29 open Http_getter_debugger;;
  30 open Printf;;
  31
  32 let trailing_dot_gz_RE = Pcre.regexp "\\.gz$"   (* for g{,un}zip *)
  33 let url_RE = Pcre.regexp "^([\\w.-]+)(:(\\d+))?(/.*)?$"
  34 let http_scheme_RE = Pcre.regexp ~flags:[`CASELESS] "^http://"
  35 let file_scheme_RE = Pcre.regexp ~flags:[`CASELESS] "^file://"
  36 let dir_sep_RE = Pcre.regexp "/"
  37 let heading_slash_RE = Pcre.regexp "^/"
  38
  39 let bufsiz = 16384  (* for file system I/O *)
  40 let tcp_bufsiz = 4096 (* for TCP I/O *)
  41
  42 let fold_file f init fname =
  43   let inchan = open_in fname in
  44   let res =
  45     try
  46       Zack.fold_in f init inchan
  47     with e -> close_in inchan; raise e
  48   in
  49   close_in inchan;
  50   res
  51
  52 let iter_file f = fold_file (fun _ line -> f line) ()
  53
  54 let hashtbl_sorted_fold f tbl init =
  55   let sorted_keys =
  56     List.sort compare (Hashtbl.fold (fun key _ keys -> key::keys) tbl [])
  57   in
  58   List.fold_left (fun acc k -> f k (Hashtbl.find tbl k) acc) init sorted_keys
  59
  60 let cp src dst =
  61   let (ic, oc) = (open_in src, open_out dst) in
  62   let buf = String.create bufsiz in
  63   (try
  64     while true do
  65       let bytes = input ic buf 0 bufsiz in
  66       if bytes = 0 then raise End_of_file else output oc buf 0 bytes
  67     done
  68   with End_of_file -> ());
  69   close_in ic; close_out oc
  70
  71 let parse_url url =
  72   try
  73     let subs =
  74       Pcre.extract ~rex:url_RE (Pcre.replace ~rex:http_scheme_RE url)
  75     in
  76     (subs.(1),
  77     (if subs.(2) = "" then 80 else int_of_string subs.(3)),
  78     (if subs.(4) = "" then "/" else subs.(4)))
  79   with exc ->
  80     failwith
  81       (sprintf "Can't parse url: %s (exception: %s)"
  82         url (Printexc.to_string exc))
  83 let init_socket addr port =
  84   let inet_addr = (Unix.gethostbyname addr).Unix.h_addr_list.(0) in
  85   let sockaddr = Unix.ADDR_INET (inet_addr, port) in
  86   let suck = Unix.socket Unix.PF_INET Unix.SOCK_STREAM 0 in
  87   Unix.connect suck sockaddr;
  88   let outchan = Unix.out_channel_of_descr suck in
  89   let inchan = Unix.in_channel_of_descr suck in
  90   (inchan, outchan)
  91 let http_get_iter_buf ~callback url =
  92   let (address, port, path) = parse_url url in
  93   let buf = String.create tcp_bufsiz in
  94   let (inchan, outchan) = init_socket address port in
  95   output_string outchan (sprintf "GET %s\r\n" path);
  96   flush outchan;
  97   (try
  98     while true do
  99       match input inchan buf 0 tcp_bufsiz with
 100       | 0 -> raise End_of_file
 101       | bytes when bytes = tcp_bufsiz ->  (* buffer full, no need to slice it *)
 102           callback buf
 103       | bytes when bytes < tcp_bufsiz ->  (* buffer not full, slice it *)
 104           callback (String.sub buf 0 bytes)
 105       | _ -> (* ( bytes < 0 ) || ( bytes > tcp_bufsiz ) *)
 106           assert false
 107     done
 108   with End_of_file -> ());
 109   close_in inchan (* close also outchan, same fd *)
 110
 111 let wget ?output url =
 112   debug_print
 113     (sprintf "wgetting %s (output: %s)" url
 114       (match output with None -> "default" | Some f -> f));
 115   match url with
 116   | url when Pcre.pmatch ~rex:file_scheme_RE url -> (* file:// *)
 117       (let src_fname = Pcre.replace ~rex:file_scheme_RE url in
 118       match output with
 119       | Some dst_fname -> cp src_fname dst_fname
 120       | None ->
 121           let dst_fname = Filename.basename src_fname in
 122           if src_fname <> dst_fname then
 123             cp src_fname dst_fname
 124           else  (* src and dst are the same: do nothing *)
 125             ())
 126   | url when Pcre.pmatch ~rex:http_scheme_RE url -> (* http:// *)
 127       (let oc =
 128         open_out (match output with Some f -> f | None -> Filename.basename url)
 129       in
 130       http_get_iter_buf ~callback:(fun data -> output_string oc data) url;
 131       close_out oc)
 132   | scheme -> (* unsupported scheme *)
 133       failwith ("Http_getter_misc.wget: unsupported scheme: " ^ scheme)
 134
 135 let gzip ?(keep = false) ?output fname =
 136   let output = match output with None -> fname ^ ".gz" | Some fname -> fname in
 137   debug_print (sprintf "gzipping %s (keep: %b, output: %s)" fname keep output);
 138   let (ic, oc) = (open_in fname, Gzip.open_out output) in
 139   let buf = String.create bufsiz in
 140   (try
 141     while true do
 142       let bytes = input ic buf 0 bufsiz in
 143       if bytes = 0 then raise End_of_file else Gzip.output oc buf 0 bytes
 144     done
 145   with End_of_file -> ());
 146   close_in ic; Gzip.close_out oc;
 147   if not keep then Sys.remove fname
 148 ;;
 149
 150 let gunzip ?(keep = false) ?output fname =
 151     (* assumption: given file name ends with ".gz" or output is set *)
 152   let output =
 153     match output with
 154     | None ->
 155         if (Pcre.pmatch ~rex:trailing_dot_gz_RE fname) then
 156           Pcre.replace ~rex:trailing_dot_gz_RE fname
 157         else
 158           failwith
 159             "Http_getter_misc.gunzip: unable to determine output file name"
 160     | Some fname -> fname
 161   in
 162   debug_print (sprintf "gunzipping %s (keep: %b, output: %s)"
 163     fname keep output);
 164   let (ic, oc) = (Gzip.open_in fname, open_out output) in
 165   let buf = String.create bufsiz in
 166   (try
 167     while true do
 168       let bytes = Gzip.input ic buf 0 bufsiz in
 169       if bytes = 0 then raise End_of_file else Pervasives.output oc buf 0 bytes
 170     done
 171   with End_of_file -> ());
 172   Gzip.close_in ic; close_out oc;
 173   if not keep then Sys.remove fname
 174 ;;
 175
 176 let tempfile () = Filename.temp_file "http_getter_" ""
 177
 178 exception Mkdir_failure of string * string;;  (* dirname, failure reason *)
 179 let dir_perm = 0o755
 180
 181 let mkdir ?(parents = false) dirname =
 182   let mkdirhier () =
 183     let (pieces, hd) =
 184       let split = Pcre.split ~rex:dir_sep_RE dirname in
 185       if Pcre.pmatch ~rex:heading_slash_RE dirname then
 186         (List.tl split, "/")
 187       else
 188         (split, "")
 189     in
 190     ignore
 191       (List.fold_left
 192         (fun pre dir ->
 193           let next_dir =
 194             sprintf "%s%s%s" pre (match pre with "/" | "" -> "" | _ -> "/") dir
 195           in
 196           (try
 197             (match (Unix.stat next_dir).Unix.st_kind with
 198             | Unix.S_DIR -> ()  (* dir component already exists, go on! *)
 199             | _ ->  (* dir component already exists but isn't a dir, abort! *)
 200                 raise
 201                   (Mkdir_failure (dirname,
 202                     sprintf "'%s' already exists but is not a dir" next_dir)))
 203           with Unix.Unix_error (Unix.ENOENT, "stat", _) ->
 204             (* dir component doesn't exists, create it and go on! *)
 205             Unix.mkdir next_dir dir_perm);
 206           next_dir)
 207         hd pieces)
 208   in
 209   if parents then mkdirhier () else Unix.mkdir dirname dir_perm
 210
 211 let string_of_proc_status = function
 212   | Unix.WEXITED code -> sprintf "[Exited: %d]" code
 213   | Unix.WSIGNALED sg -> sprintf "[Killed: %d]" sg
 214   | Unix.WSTOPPED sg -> sprintf "[Stopped: %d]" sg
 215
 216 let http_get url =
 217   if Pcre.pmatch ~rex:file_scheme_RE url then begin
 218       (* file:// URL. Read data from file system *)
 219     let fname = Pcre.replace ~rex:file_scheme_RE url in
 220     try
 221       let size = (Unix.stat fname).Unix.st_size in
 222       let buf = String.create size in
 223       let ic = open_in fname in
 224       really_input ic buf 0 size;
 225       close_in ic;
 226       Some buf
 227     with Unix.Unix_error (Unix.ENOENT, "stat", _) -> None
 228   end else  (* other URL, pass it to netclient *)
 229     try
 230       Some (Http_client.http_get url)
 231     with e ->
 232       prerr_endline (sprintf "Warning: Http_client failed with exception: %s"
 233         (Printexc.to_string e));
 234       None
 235
 236   (** apply a transformation "string list -> string list" to file lines *)
 237 let mangle_file ~fname f =
 238   let ic = open_in fname in
 239   let lines = Zack.input_lines ic in
 240   close_in ic;
 241   let oc = open_out fname in
 242   Zack.output_lines (f lines) oc;
 243   close_out oc
 244 ;;
 245
 246 let add_line ~fname ?position line =
 247   mangle_file ~fname
 248     (fun lines ->
 249       match position with
 250       | None -> lines @ [line]
 251       | Some i ->
 252           assert (i >= 0);
 253           let rec add_after i = function
 254             | (acc, []) -> acc @ [line] (* eof *)
 255             | (acc, ((hd::tl) as l)) ->
 256                 if i = 0 then
 257                   acc @ [line] @ l
 258                 else
 259                   add_after (i-1) (acc @ [hd], tl)
 260           in
 261           add_after i ([], lines))
 262 ;;
 263
 264 let remove_line ~fname position =
 265   mangle_file ~fname
 266     (fun lines ->
 267       assert (position >= 0);
 268       let rec remove i = function
 269         | (acc, []) -> acc  (* eof *)
 270         | (acc, ((hd::tl) as l)) ->
 271             if i = 0 then
 272               acc @ tl
 273             else
 274               remove (i-1) (acc @ [hd], tl)
 275       in
 276       remove position ([], lines))
 277 ;;
 278
 279 let is_blank_line =
 280   let blank_line_RE = Pcre.regexp "(^#)|(^\\s*$)" in
 281   fun line ->
 282     Pcre.pmatch ~rex:blank_line_RE line
 283 ;;
 284