helm/ocaml/getter/http_getter.ml

   1 (*
   2  * Copyright (C) 2003-2004:
   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 Printf
  30
  31 open Http_getter_common
  32 open Http_getter_misc
  33 open Http_getter_types
  34
  35 exception Not_implemented of string
  36 exception UnexpectedGetterOutput
  37
  38 (* resolve_result is needed because it is not possible to raise *)
  39 (* an exception in a pxp ever-processing callback. Too bad.     *)
  40 type resolve_result =
  41   | Unknown
  42   | Exception of exn
  43   | Resolved of string
  44
  45 type logger_callback = HelmLogger.html_tag -> unit
  46
  47 let stdout_logger tag =  print_string (HelmLogger.string_of_html_tag tag)
  48
  49 let not_implemented s = raise (Not_implemented ("Http_getter." ^ s))
  50
  51 let (index_line_sep_RE, index_sep_RE, trailing_types_RE,
  52     heading_cic_RE, heading_theory_RE, heading_nuprl_RE,
  53     heading_rdf_cic_RE, heading_rdf_theory_RE) =
  54   (Pcre.regexp "[ \t]+", Pcre.regexp "\r\n|\r|\n",
  55   Pcre.regexp "\\.types$",
  56   Pcre.regexp "^cic:", Pcre.regexp "^theory:", Pcre.regexp "^nuprl:",
  57   Pcre.regexp "^helm:rdf.*//cic:", Pcre.regexp "^helm:rdf.*//theory:")
  58
  59   (* global maps, shared by all threads *)
  60
  61 let cic_map =
  62   lazy (new Http_getter_map.map (Lazy.force Http_getter_env.cic_dbm))
  63 let nuprl_map =
  64   lazy (new Http_getter_map.map (Lazy.force Http_getter_env.nuprl_dbm))
  65 let rdf_map =
  66   lazy (new Http_getter_map.map (Lazy.force Http_getter_env.rdf_dbm))
  67 let xsl_map =
  68   lazy (new Http_getter_map.map (Lazy.force Http_getter_env.xsl_dbm))
  69
  70 let maps = [ cic_map; nuprl_map; rdf_map; xsl_map ]
  71 let close_maps () = List.iter (fun m -> (Lazy.force m) # close) maps
  72 let clear_maps () = List.iter (fun m -> (Lazy.force m) # clear) maps
  73 let sync_maps  () = List.iter (fun m -> (Lazy.force m) # sync) maps
  74
  75 let map_of_uri = function
  76   | uri when is_cic_uri uri -> Lazy.force cic_map
  77   | uri when is_nuprl_uri uri -> Lazy.force nuprl_map
  78   | uri when is_rdf_uri uri -> Lazy.force rdf_map
  79   | uri when is_xsl_uri uri -> Lazy.force xsl_map
  80   | uri -> raise (Unresolvable_URI uri)
  81
  82 let update_from_server logger server_url = (* use global maps *)
  83   Http_getter_logger.log ("Updating information from " ^ server_url);
  84   let xml_url_of_uri = function
  85       (* TODO missing sanity checks on server_url, e.g. it can contains $1 *)
  86     | uri when (Pcre.pmatch ~rex:heading_cic_RE uri) ->
  87         Pcre.replace ~rex:heading_cic_RE ~templ:server_url uri
  88     | uri when (Pcre.pmatch ~rex:heading_theory_RE uri) ->
  89         Pcre.replace ~rex:heading_theory_RE ~templ:server_url uri
  90     | uri when (Pcre.pmatch ~rex:heading_nuprl_RE uri) ->
  91         Pcre.replace ~rex:heading_nuprl_RE ~templ:server_url uri
  92     | uri -> raise (Invalid_URI uri)
  93   in
  94   let rdf_url_of_uri = function (* TODO as above *)
  95     | uri when (Pcre.pmatch ~rex:heading_rdf_cic_RE uri) ->
  96         Pcre.replace ~rex:heading_rdf_cic_RE ~templ:server_url uri
  97     | uri when (Pcre.pmatch ~rex:heading_rdf_theory_RE uri) ->
  98         Pcre.replace ~rex:heading_rdf_theory_RE ~templ:server_url uri
  99     | uri -> raise (Invalid_URI uri)
 100   in
 101   logger (`T ("Processing server: " ^ server_url));
 102   logger `BR;
 103   let (xml_index, rdf_index, xsl_index) =
 104     (* TODO keeps index in memory, is better to keep them on temp files? *)
 105     (http_get (server_url ^ "/" ^ (Lazy.force Http_getter_env.xml_index)),
 106      http_get (server_url ^ "/" ^ (Lazy.force Http_getter_env.rdf_index)),
 107      http_get (server_url ^ "/" ^ (Lazy.force Http_getter_env.xsl_index)))
 108   in
 109   if (xml_index = None && rdf_index = None && xsl_index = None) then
 110     Http_getter_logger.log (sprintf "Warning: useless server %s" server_url);
 111   (match xml_index with
 112   | Some xml_index ->
 113       logger (`T "- Updating XML db ...");
 114 (*       logger `BR; *)
 115       List.iter
 116         (function
 117           | l when is_blank_line l -> ()  (* skip blank and commented lines *)
 118           | l ->
 119               (try
 120                 (match Pcre.split ~rex:index_line_sep_RE l with
 121                 | [uri; "gz"] ->
 122                    assert (is_cic_uri uri || is_nuprl_uri uri) ;
 123                    (map_of_uri uri)#replace
 124                     uri ((xml_url_of_uri uri) ^ ".xml.gz")
 125                 | [uri] ->
 126                    assert (is_cic_uri uri || is_nuprl_uri uri) ;
 127                    (map_of_uri uri)#replace
 128                     uri ((xml_url_of_uri uri) ^ ".xml")
 129                 | _ ->
 130                     logger (`T ("Ignoring invalid line: '" ^ l));
 131                     logger `BR)
 132               with Invalid_URI uri ->
 133                 logger (`T ("Ignoring invalid XML URI: '" ^ l));
 134                 logger `BR))
 135         (Pcre.split ~rex:index_sep_RE xml_index); (* xml_index lines *)
 136       logger (`T "All done");
 137       logger `BR
 138   | None -> ());
 139   (match rdf_index with
 140   | Some rdf_index ->
 141       logger (`T "- Updating RDF db ...");
 142 (*       logger `BR; *)
 143       List.iter
 144         (fun l ->
 145           try
 146             (match Pcre.split ~rex:index_line_sep_RE l with
 147             | [uri; "gz"] ->
 148                 (Lazy.force rdf_map) # replace uri
 149                   ((rdf_url_of_uri uri) ^ ".xml.gz")
 150             | [uri] ->
 151                 (Lazy.force rdf_map) # replace uri
 152                   ((rdf_url_of_uri uri) ^ ".xml")
 153             | _ ->
 154                 logger (`T ("Ignoring invalid line: '" ^ l));
 155                 logger `BR)
 156           with Invalid_URI uri ->
 157             logger (`T ("Ignoring invalid RDF URI: '" ^ l));
 158             logger `BR)
 159         (Pcre.split ~rex:index_sep_RE rdf_index); (* rdf_index lines *)
 160       logger (`T "All done");
 161       logger `BR
 162   | None -> ());
 163   (match xsl_index with
 164   | Some xsl_index ->
 165       logger (`T "- Updating XSLT db ...");
 166 (*       logger `BR; *)
 167       List.iter
 168         (fun l -> (Lazy.force xsl_map) # replace l (server_url ^ "/" ^ l))
 169         (Pcre.split ~rex:index_sep_RE xsl_index);
 170       logger (`T "All done");
 171       logger `BR
 172   | None -> ());
 173   Http_getter_logger.log "done with this server"
 174
 175 let update_from_all_servers logger () =  (* use global maps *)
 176   clear_maps ();
 177   List.iter
 178     (update_from_server logger)
 179       (* reverse order: 1st server is the most important one *)
 180     (List.map snd (List.rev (Http_getter_env.servers ())));
 181   sync_maps ()
 182
 183 let update_from_one_server ?(logger = fun _ -> ()) server_url =
 184   update_from_server logger server_url
 185
 186 let temp_file_of_uri uri =
 187   let flat_string s s' c =
 188     let cs = String.copy s in
 189     for i = 0 to (String.length s) - 1 do
 190       if String.contains s' s.[i] then cs.[i] <- c
 191     done;
 192     cs
 193   in
 194   let user = try Unix.getlogin () with _ -> "" in
 195   Filename.open_temp_file (user ^ flat_string uri ".-=:;!?/&" '_') ""
 196
 197   (* should we use a remote getter or not *)
 198 let remote () =
 199   try
 200     Helm_registry.get "getter.mode" = "remote"
 201   with Helm_registry.Key_not_found _ -> false
 202 let getter_url () = Helm_registry.get "getter.url"
 203
 204 (* Remote interface: getter methods implemented using a remote getter *)
 205
 206   (* <TODO> *)
 207 let getxslt_remote ~patch_dtd uri = not_implemented "getxslt_remote"
 208 let getdtd_remote ~patch_dtd uri = not_implemented "getdtd_remote"
 209 let clean_cache_remote () = not_implemented "clean_cache_remote"
 210 let list_servers_remote () = not_implemented "list_servers_remote"
 211 let add_server_remote ~logger ~position name =
 212   not_implemented "add_server_remote"
 213 let remove_server_remote ~logger position =
 214   not_implemented "remove_server_remote"
 215 let getalluris_remote () = not_implemented "getalluris_remote"
 216 let getallrdfuris_remote () = not_implemented "getallrdfuris_remote"
 217 let ls_remote lsuri = not_implemented "ls_remote"
 218   (* </TODO> *)
 219
 220 let resolve_remote uri =
 221   (* deliver resolve request to http_getter *)
 222   let doc = ClientHTTP.get (sprintf "%sresolve?uri=%s" (getter_url ()) uri) in
 223   let res = ref Unknown in
 224    Pxp_yacc.process_entity PxpHelmConf.pxp_config (`Entry_content [])
 225     (Pxp_yacc.create_entity_manager ~is_document:true PxpHelmConf.pxp_config
 226      (Pxp_yacc.from_string doc))
 227     (function
 228       | Pxp_yacc.E_start_tag ("url",["value",url],_) -> res := Resolved url
 229       | Pxp_yacc.E_start_tag ("unresolved",[],_) ->
 230           res := Exception (Unresolvable_URI uri)
 231       | Pxp_yacc.E_start_tag _ -> res := Exception UnexpectedGetterOutput
 232       | _ -> ());
 233    match !res with
 234    | Unknown -> raise UnexpectedGetterOutput
 235    | Exception e -> raise e
 236    | Resolved url -> url
 237
 238 let register_remote ~uri ~url =
 239   ClientHTTP.send (sprintf "%sregister?uri=%s&url=%s" (getter_url ()) uri url)
 240
 241 let register_remote ~uri ~url =
 242   ClientHTTP.send (sprintf "%sregister?uri=%s&url=%s" (getter_url ()) uri url)
 243
 244 let update_remote logger  () =
 245   let answer = ClientHTTP.get (getter_url () ^ "update") in
 246   logger (`T answer);
 247   logger `BR
 248
 249 let getxml_remote ~format ~patch_dtd uri =
 250   ClientHTTP.get_and_save_to_tmp
 251     (sprintf "%sgetxml?uri=%s&format=%s&patch_dtd=%s"
 252       (getter_url ()) uri
 253       (match format with `Normal -> "normal" | `Gzipped -> "gzipped")
 254       (match patch_dtd with true -> "yes" | false -> "no"))
 255
 256 (* API *)
 257
 258 let help () = Http_getter_const.usage_string (Http_getter_env.env_to_string ())
 259
 260 let resolve uri =
 261   if remote () then
 262     resolve_remote uri
 263   else
 264     try
 265       (map_of_uri uri)#resolve uri
 266     with Http_getter_map.Key_not_found _ -> raise (Unresolvable_URI uri)
 267
 268   (* Warning: this fail if uri is already registered *)
 269 let register ~uri ~url =
 270   if remote () then
 271     register_remote ~uri ~url
 272   else
 273     (map_of_uri uri)#add uri url
 274
 275 let update ?(logger = fun _ -> ()) () =
 276   if remote () then
 277     update_remote logger ()
 278   else
 279     update_from_all_servers logger ()
 280
 281 let getxml ?(format = `Normal) ?(patch_dtd = true) uri =
 282   if remote () then
 283     getxml_remote ~format ~patch_dtd uri
 284   else begin
 285     let url = resolve uri in
 286     let (fname, outchan) = temp_file_of_uri uri in
 287     Http_getter_cache.respond_xml ~via_http:false ~enc:format ~patch:patch_dtd
 288       ~uri ~url outchan;
 289     close_out outchan;
 290     fname
 291   end
 292
 293 let getxslt ?(patch_dtd = true) uri =
 294   if remote () then
 295     getxslt_remote ~patch_dtd uri
 296   else begin
 297     let url = resolve uri in
 298     let (fname, outchan) = temp_file_of_uri uri in
 299     Http_getter_cache.respond_xsl ~via_http:false ~url ~patch:patch_dtd outchan;
 300     close_out outchan;
 301     fname
 302   end
 303
 304 let getdtd ?(patch_dtd = true) uri =
 305   if remote () then
 306     getdtd_remote ~patch_dtd uri
 307   else begin
 308     let url = Lazy.force Http_getter_env.dtd_dir ^ "/" ^ uri in
 309     let (fname, outchan) = temp_file_of_uri uri in
 310     Http_getter_cache.respond_dtd ~via_http:false ~url ~patch:patch_dtd outchan;
 311     close_out outchan;
 312     fname
 313   end
 314
 315 let clean_cache () =
 316   if remote () then
 317     clean_cache_remote ()
 318   else
 319     Http_getter_cache.clean ()
 320
 321 let list_servers () =
 322   if remote () then
 323     list_servers_remote ()
 324   else
 325     Http_getter_env.servers ()
 326
 327 let add_server ?(logger = fun _ -> ()) ?(position = 0) name =
 328   if remote () then
 329     add_server_remote ~logger ~position name
 330   else begin
 331     if position = 0 then begin
 332       Http_getter_env.add_server ~position:0 name;
 333       update_from_one_server ~logger name (* quick update (new server only) *)
 334     end else if position > 0 then begin
 335       Http_getter_env.add_server ~position name;
 336       update ~logger ()
 337     end else  (* already checked by parse_position *)
 338       assert false
 339   end
 340
 341 let has_server position = List.mem_assoc position (Http_getter_env.servers ())
 342
 343 let remove_server ?(logger = fun _ -> ()) position =
 344   if remote () then
 345     remove_server_remote ~logger ()
 346   else begin
 347     let server_name =
 348       try
 349         List.assoc position (Http_getter_env.servers ())
 350       with Not_found ->
 351         raise (Invalid_argument (sprintf "no server with position %d" position))
 352     in
 353     Http_getter_env.remove_server position;
 354     update ~logger ()
 355   end
 356
 357 let return_uris map filter =
 358   let uris = ref [] in
 359   map#iter (fun uri _ -> if filter uri then uris := uri :: !uris);
 360   List.rev !uris
 361
 362 let getalluris () =
 363   if remote () then
 364     getalluris_remote ()
 365   else
 366     let filter uri =
 367       (Pcre.pmatch ~rex:heading_cic_RE uri) &&
 368       not (Pcre.pmatch ~rex:trailing_types_RE uri)
 369     in
 370     return_uris (Lazy.force cic_map) filter
 371
 372 let getallrdfuris classs =
 373   if remote () then
 374     getallrdfuris_remote ()
 375   else
 376     let filter =
 377       let base = "^helm:rdf:www\\.cs\\.unibo\\.it/helm/rdf/" in
 378       match classs with
 379       | `Forward -> (fun uri -> Pcre.pmatch ~pat:(base ^ "forward") uri)
 380       | `Backward -> (fun uri -> Pcre.pmatch ~pat:(base ^ "backward") uri)
 381     in
 382     return_uris (Lazy.force rdf_map) filter
 383
 384 let ls =
 385   let (++) (oldann, oldtypes, oldbody, oldtree)
 386            (newann, newtypes, newbody, newtree) =
 387     ((if newann   > oldann    then newann   else oldann),
 388      (if newtypes > oldtypes  then newtypes else oldtypes),
 389      (if newbody  > oldbody   then newbody  else oldbody),
 390      (if newtree  > oldtree   then newtree  else oldtree))
 391   in
 392   let basepart_RE =
 393     Pcre.regexp
 394       "^([^.]*\\.[^.]*)((\\.body)|(\\.proof_tree)|(\\.types))?(\\.ann)?$"
 395   in
 396   let (types_RE, types_ann_RE, body_RE, body_ann_RE,
 397        proof_tree_RE, proof_tree_ann_RE, trailing_slash_RE) =
 398     (Pcre.regexp "\\.types$", Pcre.regexp "\\.types\\.ann$",
 399      Pcre.regexp "\\.body$", Pcre.regexp "\\.body\\.ann$",
 400      Pcre.regexp "\\.proof_tree$", Pcre.regexp "\\.proof_tree\\.ann$",
 401      Pcre.regexp "/$")
 402   in
 403   let (slash_RE, til_slash_RE, no_slashes_RE) =
 404     (Pcre.regexp "/", Pcre.regexp "^.*/", Pcre.regexp "^[^/]*$")
 405   in
 406   fun regexp ->
 407     if remote () then
 408       ls_remote regexp
 409     else begin
 410       let looking_for_dir = Pcre.pmatch ~rex:trailing_slash_RE regexp in
 411       let pat = Pcre.replace ~rex:trailing_slash_RE ("^" ^ regexp) in
 412       let (dir_RE, obj_RE) =
 413         (Pcre.regexp (pat ^ "/"), Pcre.regexp (pat ^ "(\\.|$)"))
 414       in
 415       let dirs = ref StringSet.empty in
 416       let objs = Hashtbl.create 17 in
 417       let store_dir d =
 418         dirs := StringSet.add (List.hd (Pcre.split ~rex:slash_RE d)) !dirs
 419       in
 420       let store_obj o =
 421         let basepart = Pcre.replace ~rex:basepart_RE ~templ:"$1" o in
 422         let no_flags = false, No, No, No in
 423         let oldflags =
 424           try
 425             Hashtbl.find objs basepart
 426           with Not_found -> (* no ann, no types, no body, no proof tree *)
 427             no_flags
 428         in
 429         let newflags =
 430           match o with
 431           | s when Pcre.pmatch ~rex:types_RE s          -> (false, Yes, No, No)
 432           | s when Pcre.pmatch ~rex:types_ann_RE s      -> (true,  Ann, No, No)
 433           | s when Pcre.pmatch ~rex:body_RE s           -> (false, No, Yes, No)
 434           | s when Pcre.pmatch ~rex:body_ann_RE s       -> (true,  No, Ann, No)
 435           | s when Pcre.pmatch ~rex:proof_tree_RE s     -> (false, No, No, Yes)
 436           | s when Pcre.pmatch ~rex:proof_tree_ann_RE s -> (true,  No, No, Ann)
 437           | s -> no_flags
 438         in
 439         Hashtbl.replace objs basepart (oldflags ++ newflags)
 440       in
 441       (Lazy.force cic_map) # iter
 442         (* BLEARGH Dbm module lacks support for fold-like functions *)
 443         (fun key _ ->
 444           match key with
 445           | uri when looking_for_dir && Pcre.pmatch ~rex:dir_RE uri ->
 446               (* directory hit *)
 447               let localpart = Pcre.replace ~rex:dir_RE uri in
 448               if Pcre.pmatch ~rex:no_slashes_RE localpart then
 449                 store_obj localpart
 450               else
 451                 store_dir localpart
 452           | uri when (not looking_for_dir) && Pcre.pmatch ~rex:obj_RE  uri ->
 453               (* file hit *)
 454               store_obj (Pcre.replace ~rex:til_slash_RE uri)
 455           | uri -> () (* miss *));
 456       let ls_items = ref [] in
 457       StringSet.iter (fun dir -> ls_items := Ls_section dir :: !ls_items) !dirs;
 458       Http_getter_misc.hashtbl_sorted_iter
 459         (fun uri (annflag, typesflag, bodyflag, treeflag) ->
 460           ls_items :=
 461             Ls_object {
 462               uri = uri; ann = annflag;
 463               types = typesflag; body = bodyflag; proof_tree = treeflag
 464             } :: !ls_items)
 465         objs;
 466       List.rev !ls_items
 467     end
 468
 469   (* Shorthands from now on *)
 470
 471 let getxml' uri = getxml (UriManager.string_of_uri uri)
 472 let resolve' uri = resolve (UriManager.string_of_uri uri)
 473 let register' uri url = register ~uri:(UriManager.string_of_uri uri) ~url
 474