helm/http_getter/http_getter.pl.in

   1 #!@PERL_BINARY@
   2
   3 # Copyright (C) 2000, HELM Team.
   4 #
   5 # This file is part of HELM, an Hypertextual, Electronic
   6 # Library of Mathematics, developed at the Computer Science
   7 # Department, University of Bologna, Italy.
   8 #
   9 # HELM is free software; you can redistribute it and/or
  10 # modify it under the terms of the GNU General Public License
  11 # as published by the Free Software Foundation; either version 2
  12 # of the License, or (at your option) any later version.
  13 #
  14 # HELM is distributed in the hope that it will be useful,
  15 # but WITHOUT ANY WARRANTY; without even the implied warranty of
  16 # MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the
  17 # GNU General Public License for more details.
  18 #
  19 # You should have received a copy of the GNU General Public License
  20 # along with HELM; if not, write to the Free Software
  21 # Foundation, Inc., 59 Temple Place - Suite 330, Boston, MA  02111-1307, USA.
  22 #
  23 # For details, see the HELM World-Wide-Web page,
  24 # http://cs.unibo.it/helm/.
  25
  26 #use strict;
  27
  28 my $VERSION = "@VERSION@";
  29
  30 # various variables
  31 my ($HELM_LIB_PATH);
  32 my $cgi_dir = "@HELM_CGI_DIR@";
  33 my (%xml_map, %rdf_map, %xslt_map);
  34
  35 # First of all, let's load HELM configuration
  36 use Env;
  37 my $HELM_LIB_DIR = $ENV{"HELM_LIB_DIR"};
  38 # this should be the only fixed constant
  39 my $DEFAULT_HELM_LIB_DIR = "@HELM_LIB_DIR@";
  40 if (defined ($HELM_LIB_DIR)) {
  41    $HELM_LIB_PATH = $HELM_LIB_DIR."/configuration.pl";
  42 } else {
  43    $HELM_LIB_PATH = $DEFAULT_HELM_LIB_DIR."/configuration.pl";
  44 }
  45
  46 # next require defines: $helm_dir, $html_link, $dtd_dir, $uris_dbm, $indexname
  47 require $HELM_LIB_PATH;
  48
  49 # TEMP: TODO put these vars in configuration file configuration.xml
  50 # <move_to_conf_file>
  51 my $cachemode = $ENV{'HTTP_GETTER_CACHE_MODE'} ||
  52     'gzipped';
  53 if (($cachemode ne 'gzipped') and ($cachemode ne 'normal')) {
  54  die "Invalid HTTP_GETTER_CACHE_MODE environment variable, must be".
  55  "'normal' or 'gzipped'\n";
  56 }
  57
  58 my $helm_rdf_dir = $ENV{'HTTP_GETTER_RDF_DIR'} ||
  59   "/usr/local/helm/rdf_library";
  60 my $rdf_dbm = $ENV{'HTTP_GETTER_RDF_DBM'} ||
  61   "/usr/local/helm/rdf_urls_of_uris.db";
  62 my $xslt_dbm = $ENV{'HTTP_GETTER_XSLT_DBM'} ||
  63   "/usr/local/helm/xslt_urls_of_uris.db";
  64 my $rdf_indexname = $ENV{'HTTP_GETTER_RDF_INDEXNAME'} ||
  65   "rdf_index.txt";
  66 my $xslt_indexname = $ENV{'HTTP_GETTER_XSLT_INDEXNAME'} ||
  67   "xslt_index.txt";
  68 $servers_file = $ENV{'HTTP_GETTER_SERVERS_FILE'} || $servers_file;
  69 $uris_dbm = $ENV{'HTTP_GETTER_URIS_DBM'} || $uris_dbm;
  70
  71 # </move_to_conf_file>
  72
  73 # Let's override the configuration file
  74 $style_dir = $ENV{"HELM_STYLE_DIR"} if (defined ($ENV{"HELM_STYLE_DIR"}));
  75 $dtd_dir = $ENV{"HELM_DTD_DIR"} if (defined ($ENV{"HELM_DTD_DIR"}));
  76
  77 use HTTP::Daemon;
  78 use HTTP::Status;
  79 use HTTP::Request;
  80 use LWP::UserAgent;
  81 use DB_File;
  82 use Compress::Zlib;
  83 use CGI;
  84 use URI;
  85 use URI::Escape;
  86
  87 #CSC: mancano i controlli sulle condizioni di errore di molte funzioni
  88 #CSC: ==> non e' robusto
  89 #CSC: altra roba da sistemare segnata con CSC
  90
  91 my $d = new HTTP::Daemon LocalPort => 8081
  92  or die "Error: port 8081 not available.";
  93 my $myownurl = $d->url;
  94
  95 # Let's patch the returned URL
  96 $myownurl =~ s/\/$//; # chop the final slash
  97 my $myownport = $myownurl;
  98 $myownport =~ s/http:\/\/(.*):(.*)/$2/;
  99 $myownurl  =~ s/http:\/\/(.*):(.*)/$1/;
 100 ($myownurl) = gethostbyname($myownurl);
 101 $myownurl = "http://".$myownurl.":".$myownport;
 102
 103 tie(%xml_map, 'DB_File', $uris_dbm, O_RDWR, 0664); # open dbs
 104 tie(%rdf_map, 'DB_File', $rdf_dbm, O_RDWR, 0664);
 105 tie(%xslt_map, 'DB_File', $xslt_dbm, O_RDWR, 0664);
 106
 107 print "\n";
 108 print "HTTP Getter $VERSION\n"; # print hello information
 109 print "Please contact me at: <URL:", $myownurl."/", ">\n";
 110 print "\n";
 111 print "servers_file: $servers_file\n";
 112 print "helm_dir: $helm_dir\n";
 113 print "helm_rdf_dir: $helm_rdf_dir\n";
 114 print "style_dir: $style_dir\n";
 115 print "dtd_dir: $dtd_dir\n";
 116 print "urls_of_uris db: $uris_dbm\n";
 117 print "rdf db: $rdf_dbm\n";
 118 print "xslt db: $xslt_dbm\n";
 119 print "cache mode: $cachemode\n";
 120 print "indexname: $indexname\n";
 121 print "rdf_indexname: $rdf_indexname\n";
 122 print "xslt_indexname: $xslt_indexname\n";
 123 print "\n";
 124
 125 $SIG{CHLD} = "IGNORE"; # do not accumulate defunct processes
 126 $SIG{USR1} = \&update; # sent by the child to make the parent update
 127
 128 while (my $c = $d->accept) {
 129  if (fork() == 0) {
 130     while (my $r = $c->get_request) {
 131         #CSC: mancano i controlli di sicurezza
 132
 133         my $http_method = $r->method;
 134         my $http_path = $r->url->path;
 135         my $http_query = uri_unescape($r->url->query);
 136         my $cgi = new CGI("$http_query");
 137         my $inputuri = $cgi->param('uri');
 138         print "\nRequest: ".$r->url."\n\n";
 139
 140         print "\nUnescaped query: ".$http_query."\n";
 141
 142          # "getxml" works with rdf uris
 143         if ($http_method eq 'GET' and $http_path eq "/getxml") {
 144             # finds the uri, url and filename
 145
 146             my $answerformat = $cgi->param('format');
 147             my $patch_dtd = $cgi->param('patch_dtd');
 148             $answerformat = "" if (not defined($answerformat));
 149             $patch_dtd = "yes" if (not defined($patch_dtd));
 150             if (($answerformat ne "gz") and ($answerformat ne "normal")
 151                and ($answerformat ne "")) {
 152              die "Wrong output format: $answerformat, must be 'normal' ".
 153                  "or 'gz'\n";
 154             }
 155             if (($patch_dtd ne "yes") and ($patch_dtd ne "no")
 156                and ($patch_dtd ne "")) {
 157              die "Wrong param, patch_dtd must be 'yes' or 'no'\n";
 158             }
 159
 160             my $filename = $inputuri;
 161             my $prefix;
 162             if (not isRdfUri($inputuri)) { # standad cic: or theory: uri
 163              $filename =~ s/^cic:(.*)/$1/;
 164              $filename =~ s/^theory:(.*)/$1/;
 165             } else { # rdf uri
 166              # The "helm:rdf/<<...>>//cic:" prefix is kept, but quoted
 167              # (so that a "helm:rdf/<<...>>//cic:" dir is created
 168              $prefix = $filename;
 169              $filename =~ s/^(.*)\/\/cic:(.*)/$2/;
 170              $filename =~ s/^(.*)\/\/theory:(.*)/$2/;
 171              $prefix =~ s/\Q$filename\E//;
 172              $prefix =~ s/_/__/g;
 173              $prefix =~ s/\//_/g;
 174              $filename = $prefix.$filename;
 175             }
 176
 177             my $url = resolve ($inputuri); # resolve uri in url
 178             if (not defined($url)) { # uri not found in uri2url map
 179              die "NOT FOUND: uri \"$inputuri\" can't be resolved\n";
 180              $c->send_error(RC_NOT_FOUND)
 181             } else { # uri found and mapped to url
 182               my $extension; # file extension
 183               if ($url =~ /\.xml$/) { # non gzipped file
 184                 $extension = ".xml";
 185               } elsif ($url =~ /\.xml\.gz$/) { # gzipped file
 186                 $extension = ".xml.gz";
 187               } else { # error: unknown extension
 188                die "unexpected extension in url: $url, might be '.xml'".
 189                 "or '.xml.gz'";
 190               }
 191
 192               if (not isRdfUri ($inputuri)) { # save in uri std cache dir
 193                $filename = $helm_dir.$filename.$extension;
 194               } else { # save in rdf metadata cache dir
 195                $filename = $helm_rdf_dir."/".$filename.$extension;
 196               }
 197
 198               print_request($inputuri,$url,$filename);
 199
 200               # Retrieves the file
 201               my $ciccontent = download($patch_dtd,$url,$filename,$answerformat);
 202
 203               if ($answerformat eq "normal") { # answer the client in text/xml
 204                answer($c,$ciccontent,"text/xml","");
 205               } else { # answer the client in text/xml, gzip encoding
 206                answer($c,$ciccontent,"text/xml","x-gzip");
 207               }
 208             }
 209
 210                            # "/register" does not work with rdf uris
 211         } elsif ($http_method eq 'GET' and $http_path eq "/register") {
 212           my $inputurl = $cgi->param('url');
 213           print "Register requested...\n";
 214           $xml_map{$inputuri}=$inputurl;
 215
 216           # Now let's clean the cache
 217           my $cicfilename = $inputuri;
 218           $cicfilename =~ s/cic:(.*)/$1/;
 219           $cicfilename =~ s/theory:(.*)/$1/;
 220
 221           print "Unlinking ".$helm_dir.$cicfilename.".xml[.gz]\n";
 222           unlink ($helm_dir.$cicfilename.".xml");
 223           unlink ($helm_dir.$cicfilename.".xml.gz");
 224
 225           kill(USR1,getppid()); # signal changes to parent
 226           untie %xml_map;
 227           print "done.\n";
 228           html_nice_answer($c,"Register done");
 229
 230                                   # "/resolve" works with rdf uri
 231         } elsif ($http_method eq 'GET' and $http_path eq "/resolve") {
 232           #my $outputurl = $xml_map{$inputuri};
 233           my $outputurl = resolve($inputuri);
 234           $outputurl = "" if (not defined($outputurl));
 235           $cont = "<?xml version=\"1.0\" ?>\n\n";
 236           if ($outputurl eq "") {
 237            $cont .= "<unresolved />\n";
 238           } else {
 239            $cont .= "<url value=\"$outputurl\" />\n";
 240           }
 241           answer($c,$cont,"text/xml","");
 242
 243         } elsif ($http_method eq 'GET' and $http_path eq "/getdtd") {
 244
 245             my $filename = $inputuri;
 246             $filename = $dtd_dir."/".$filename;
 247             print "DTD: $inputuri ==> ($filename)\n";
 248             if (stat($filename)) {
 249                print "Using local copy\n";
 250                open(FD, $filename) or die "Cannot open $filename\n";
 251                $cont = "";
 252                while(<FD>) {
 253                 # Vary bad heuristic for substituion of absolute URLs
 254                 # for relative ones
 255                 s/ENTITY (.*) SYSTEM\s+"/ENTITY $1 SYSTEM "$myownurl\/getdtd?uri=/g;
 256                 $cont .= $_;
 257                }
 258                close(FD);
 259                answer($c,$cont,"text/xml","");
 260             } else {
 261                die "Could not find DTD!";
 262             }
 263
 264         } elsif ($http_method eq 'GET' and $http_path eq "/getxslt") {
 265
 266           $url = $xslt_map{$inputuri};
 267           print "Downloading XSLT ...\n";
 268           helm_wget($tmp_dir, $url);
 269           print "XSLT downloaded!\n";
 270           $inputuri =~ s/.*\///;
 271           my $filename = $tmp_dir . "/" . $inputuri;
 272           my $cont;
 273           die "Could not find XSLT!\n" unless stat($filename);
 274           open(FD, $filename) or die "Can't open xslt local copy: '$filename'\n";
 275           while(<FD>) {
 276             s/xsl:import\s+href="/xsl:import href="$myownurl\/getxslt?uri=/g;
 277             s/xsl:include\s+href="/xsl:include href="$myownurl\/getxslt?uri=/g;
 278             $cont .= $_;
 279           }
 280           close(FD);
 281           answer($c, $cont, "text/xml", "");
 282           unlink $filename or
 283             print "Can't unlink XSLT temp file '$filename'";
 284
 285 # <old_version>
 286 #             my $filename = $inputuri;
 287 #             $filename = $style_dir."/".$filename;
 288 #             print "XSLT: $inputuri ==> ($filename)\n";
 289 #             if (stat($filename)) {
 290 #                print "Using local copy\n";
 291 #                open(FD, $filename) or die "Cannot open $filename\n";
 292 #                $cont = "";
 293 #                while(<FD>) {
 294 #                 # Vary bad heuristic for substituion of absolute URLs
 295 #                 # for relative ones
 296 #                 s/xsl:import\s+href="/xsl:import href="$myownurl\/getxslt?uri=/g ;
 297 #                 s/xsl:include\s+href="/xsl:include href="$myownurl\/getxslt?uri=/g ;
 298 #                 $cont .= $_;
 299 #                }
 300 #                close(FD);
 301 #                answer($c,$cont,"text/xml","");
 302 #             } else {
 303 #                die "Could not find XSLT!";
 304 #             }
 305 # </old_version>
 306
 307                                     # "/update" works with rdf uri
 308         } elsif ($http_method eq 'GET' and $http_path eq "/update") {
 309             # rebuild urls_of_uris db and rdf uris db
 310            print "Update requested...\n";
 311            update_dbs();
 312            kill(USR1,getppid()); # signal changes to parent
 313            print " done\n";
 314            html_nice_answer($c,"Update done");
 315
 316                                  # "/ls" does not work with rdf uris
 317         } elsif ($http_method eq 'GET' and $http_path eq "/ls") {
 318             # send back keys that begin with a given uri
 319            my ($uritype,$uripattern,$uriprefix);
 320            my $baseuri = $cgi->param('baseuri');
 321            chop $baseuri if ($baseuri =~ /.*\/$/); # remove trailing "/"
 322                          # output type, might be 'txt' or 'xml':
 323            my $outype = $cgi->param('format');
 324            $uripattern = $baseuri;
 325            $uripattern =~ s/^.*:(.*)/$1/;
 326            if ($baseuri =~ /^cic:/) {
 327             $uritype = "cic";
 328            } elsif ($baseuri =~ /^theory:/) {
 329             $uritype = "theory";
 330            } else {
 331             $uritype = "invalid";
 332            }
 333            if ($uritype ne "invalid") { # uri is valid
 334             if (($outype ne 'txt') and ($outype ne 'xml')) { # invalid out type
 335              print "Invalid output type specified: $outype\n";
 336              html_nice_answer($c,"Invalid output type, must be ".
 337               "'txt' or 'xml'");
 338             } else { # valid output
 339              print "BASEURI $baseuri, FORMAT $outype\n";
 340              $cont = finduris($uritype,$uripattern,$outype);
 341              if ($outype eq 'txt') {
 342               answer($c,$cont,"text/plain","");
 343              } elsif ($outype eq 'xml') {
 344               answer($c,$cont,"text/xml","");
 345              } else {
 346               die "Internal error, exiting!";
 347              }
 348             }
 349            } else { # invalid uri
 350             print "Invalid uri: $baseuri, may begin with 'cic:', ".
 351              "'theory:' or '*:'\n";
 352             html_nice_answer($c,"Invalid uri , must begin with ".
 353              "'cic:' or 'theory:'");
 354            }
 355
 356         } elsif ($http_method eq 'GET' and $http_path eq "/help") {
 357           # help request
 358            print "Help requested!\n";
 359            html_nice_answer($c,"HTTP Getter Version: $VERSION");
 360
 361         } elsif ($http_method eq 'GET' and $http_path eq "/getempty") {
 362           # return an empty, but valid, xml document
 363           my $emptyxml = <<EOXML;
 364 <?xml version="1.0"?>
 365 <!DOCTYPE empty [
 366   <!ELEMENT empty EMPTY>
 367 ]>
 368 <empty />
 369 EOXML
 370           answer($c, $emptyxml, "", "");
 371
 372         } elsif ($http_method eq 'GET' and $http_path =~ /\.cgi$/) {
 373           # cgi handling
 374            print "CGI requested!\n";
 375            if ($http_path !~ /^\/[^\/]*\.cgi$/) {
 376             html_nice_answer($c,"Invalid CGI name: $http_path, ".
 377             "you can't request CGI that contain a slash in the name\n");
 378            } elsif (stat "$cgi_dir"."$http_path") {
 379             if (not -x "$cgi_dir/$http_path") {
 380              html_nice_answer($c,"CGI $http_path found but not ".
 381               "executable\n");
 382             } else { # exec CGI and anser back its output
 383              my %old_ENV = %ENV;
 384              %ENV = ();
 385              $ENV{'QUERY_STRING'} = $http_query;
 386              my $cgi_output = `$cgi_dir/$http_path`;
 387              answer($c,$cgi_output,"","");
 388              %ENV = %old_ENV;
 389             }
 390            } else {
 391             html_nice_answer($c,"CGI '$http_path' not found ".
 392              "in CGI dir '$cgi_dir'");
 393            }
 394
 395         } else { # unsupported request
 396             print "\n";
 397             print "INVALID REQUEST!!!!!\n";
 398             print "(PATH: ",$http_path,", ";
 399             print "QUERY: ",$http_query,")\n";
 400             $c->send_error(RC_FORBIDDEN)
 401         }
 402
 403         print "\nRequest solved: ".$r->url."\n\n";
 404     }
 405
 406     $c->close;
 407     undef($c);
 408     print "\nCONNECTION CLOSED\n\n";
 409     exit;
 410   } # fork
 411 }
 412
 413 #================================
 414
 415 sub isRdfUri { # return true if the uri is an rdf uri, false otherwise
 416 # typycal rdf uri:
 417 # helm:rdf/cic:www.cs.unibo.it/helm/rdf/foo_schema//cic:\
 418 #  /Coq/Init/Logic/True_rec.con.types
 419 #
 420 # the format is "helm:rdf/<metadata_tree>:<metadata_scheme>//<xml_file_uri>"
 421 #
 422  my ($uri) = @_;
 423  if ($uri =~ /^helm:rdf(.*):(.*)\/\/(.*)/) {
 424   return 1;
 425  } else {
 426   return 0;
 427  }
 428 }
 429
 430 sub resolve { # resolve an uri in a url, work both with standard cic: or theory:
 431               # uris and rdf uris
 432  print "RESOLVE subroutine\n";
 433  my ($uri) = @_;
 434  print "GIVEN URI: \"$uri\"\n";
 435  if (isRdfUri ($uri)) { # rdf uri, resolve using rdf db
 436   print "IS A RDF URI\n";
 437   print "I WILL RETURN '$rdf_map{$uri}'\n";
 438   return ($rdf_map{$uri});
 439  } else { # standard cic: or theory: uri, resolve using std uri db
 440   print "IS NOT A RDF URI\n";
 441   print "I WILL RETURN '$xml_map{$uri}'\n";
 442   return ($xml_map{$uri});
 443  }
 444 }
 445
 446 sub finduris { # find uris for cic and theory trees generation
 447  my ($uritype,$uripattern,$format) = @_;
 448  my $content = "";
 449  my ($uri,$localpart,$basepart,$dirname,$suffix,$flags,$key);
 450  my (@itemz,@already_pushed_dir);
 451  my (%objects,%dirs); # map uris to suffixes' flags
 452  my $debug=1; # for debug
 453
 454  print "FINDURIS, uritype: $uritype, uripattern: $uripattern, ".
 455   "format: $format\n\n" if defined($debug);
 456
 457  if (($uritype eq "cic") or ($uritype eq "theory")) {
 458    # get info only of one type: cic or theory
 459   foreach (keys(%xml_map)) { # select matching uris
 460    $uri = $_;
 461    if ($uri =~ /^$uritype:$uripattern(\/|$|\.)/) {
 462     if ($uri =~ /^$uritype:$uripattern\//) { # directory match
 463      $localpart = $uri;
 464      $localpart =~ s/^$uritype:$uripattern\/(.*)/$1/;
 465     } elsif ($uri =~ /^$uritype:$uripattern($|\.)/) { # file match
 466      $localpart = $uri;
 467      $localpart =~ s/^.*\/([^\/]*)/$1/;
 468     } else {
 469      die "Internal error, seems that requested match is none of ".
 470       "directory match or file match";
 471     }
 472     print "LOCALPART: $localpart\n" if defined($debug);
 473
 474     if ($localpart =~ /^[^\/]*$/) { # no slash, an OBJECT
 475      $basepart = $localpart;
 476      $basepart =~ s/^([^.]*\.[^.]*)(\.types)?(\.ann)?/$1/;
 477                                               # remove exts .types or
 478                                               # .types.ann
 479      $flags = $objects{$basepart}; # get old flags
 480      if ($localpart =~ /\.ann$/) {
 481       $flags = add_flag("ann","YES",$flags);
 482      } else {
 483       $flags = add_flag("ann","NO",$flags);
 484      }
 485      if ($localpart =~ /\.types$/) {
 486       $flags = add_flag("types","YES",$flags);
 487      } elsif ($localpart =~ /\.types\.ann$/) {
 488       $flags = add_flag("types","ANN",$flags);
 489      } else {
 490       $flags = add_flag("types","NO",$flags);
 491      }
 492      $objects{$basepart} = $flags; # save new flags
 493     } else { # exists at least one slash, a DIR
 494      ($dirname) = split (/\//, $localpart);
 495      $dirs{$dirname} = ""; # no flags requirement for dir
 496     }
 497    }
 498   }
 499  } else {
 500   die "getter internal error: unsupported uritype: \"$uritype\"";
 501  }
 502                             # now generate OUTPUT:
 503                             # output will be saved in $content
 504  if ($format eq "txt") { # TXT output
 505   foreach $key (sort(keys %dirs)) {
 506    $content .= "dir, " . $key . "\n";
 507   }
 508   foreach $key (sort(keys %objects)) {
 509    $content .= "object, $key, " . $objects{$key} . "\n";
 510   }
 511  } elsif ($format eq "xml") { # XML output
 512   $content .= '<?xml version="1.0" encoding="ISO-8859-1"?>' . "\n";
 513   $content .= "<!DOCTYPE ls SYSTEM ";
 514   $content .= "\"$myownurl/getdtd?uri=ls.dtd\">" . "\n\n";
 515   $content .= "<ls>\n";
 516   foreach $key (sort(keys %dirs)) {
 517    $content .= "\t<section>$key</section>\n";
 518   }
 519   foreach $key (sort(keys %objects)) {
 520    $content .= "\t<object name=\"$key\">\n";
 521    $flags = $objects{$key};
 522    $flags =~ s/^<(.*)>$/$1/;
 523    my ($annflag,$typesflag) = split /,/,$flags;
 524    $content .= "\t\t<ann value=\"$annflag\" />\n";
 525    $content .= "\t\t<types value=\"$typesflag\" />\n";
 526    $content .= "\t</object>\n";
 527   }
 528   $content .= "</ls>\n";
 529  } else { # may not enter this branch
 530   die "Getter internal error: invalid format received by finduris sub";
 531  }
 532  return $content;
 533 }
 534
 535 sub add_flag {
 536 # manage string like: "<ann_flag,type_flag>"
 537 # "ann_flag" may be one of "ann_YES", "ann_NO"
 538 # "type_flag" may be one of "types_NO", "types_YES", "types_ANN"
 539 # when adding a flag the max between the current flag and the new flag
 540 # is taken, the orders are ann_NO < ann_YES and types_NO < types_YES <
 541 # types_ANN
 542  my ($flagtype,$newflag,$str) = @_;
 543  $str = "<,>" if ($str eq "");
 544  ($str =~ s/^<(.*,.*)>$/$1/) or die "Internal error: ".
 545    "wrong string format for flag adding in $str";
 546  my ($annflag,$typeflag) = split /,/,$str;
 547  if ($flagtype eq "ann") { # ANN flag handling
 548   if ($newflag eq "YES") {
 549    $annflag = "YES";
 550   } elsif ($newflag eq "NO") {
 551    $annflag = "NO" unless ($annflag eq "YES");
 552   } else {
 553    die "Internal error: annflag must be \"YES\" or \"NO\"";
 554   }
 555  } elsif ($flagtype eq "types") { # TYPES flag handling
 556   if ($newflag eq "ANN") {
 557    $typeflag = "ANN";
 558   } elsif ($newflag eq "YES") {
 559    $typeflag = "YES" unless ($typeflag eq "ANN");
 560   } elsif ($newflag eq "NO") {
 561    $typeflag = "NO"
 562      unless (($typeflag eq "ANN") or ($typeflag eq "YES"));
 563   } else {
 564    die "Internal error: typeflag must be \"YES\", \"NO\" or \"ANN\"";
 565   }
 566  } else {
 567   die "Internal error: unsupported flagtype \"$flagtype\"";
 568  }
 569  $str = "<$annflag,$typeflag>";
 570 }
 571
 572 #CSC: Too much powerful: creates even /home, /home/users/, ...
 573 #CSC: Does not raise errors if could not create dirs/files
 574 sub mkdirs
 575 {
 576  my ($pathname) = @_;
 577  my @dirs = split /\//,$pathname;
 578  my $tmp;
 579  foreach $dir (@dirs) {
 580   $tmp = ((defined($tmp)) ?  $tmp."\/".$dir : "");
 581   mkdir($tmp,0777);
 582  }
 583  rmdir($tmp);
 584 }
 585
 586 sub print_request
 587 {
 588  my ($uri,$url,$filename) = @_;
 589  print "<download_request>\n";
 590  print "uri: $uri\n";
 591  print "url: $url\n";
 592  print "filename: $filename\n\n";
 593  print "</download_request>\n";
 594 }
 595
 596 sub gunzip { # gunzip a file and return the deflated content
 597         my ($filename) = @_;
 598
 599         my ($gz, $buffer, $cont);
 600
 601         print "deflating $filename ...\n";
 602         $gz = gzopen($filename, "r")
 603                 or die "Cannot open gzip'ed file $filename: $gzerrno";
 604         $cont = "";
 605         while ( $gz->gzread($buffer) > 0 ) {
 606                 $cont .= $buffer;
 607         }
 608         die "Error while reading : $gzerrno\n" if $gzerrno != Z_STREAM_END ;
 609         $gz->gzclose();
 610
 611         return $cont;
 612 }
 613
 614 sub gzip {      # gzip the content argument and save it to filename argument
 615         my ($cont, $filename) = @_;
 616  #my $debug=1; # debug only
 617
 618  print "gzopening $filename ...\n" if (defined($debug));
 619         my $gz = gzopen($filename, "w")
 620                 or die "Cannot gzopen for writing file $filename: $gzerrno";
 621  print "gzwriting ...\n" if (defined($debug));
 622         $gz->gzwrite($cont) or die "error writing: $gzerrno, exiting!\n";
 623  print "gzclosing ...\n" if (defined($debug));
 624         $gz->gzclose();
 625 }
 626
 627 sub download {
 628  my ($patch_dtd,$url,$filename,$format) = @_;
 629  my ($gz, $buffer);
 630
 631 # print "DOWNLOAD subs receives url: \"$url\"\n";
 632 # print "DOWNLOAD subs receives filename: \"$filename\"\n";
 633
 634  my $resourcetype;      # retrieve mode: "normal" (.xml) or "gzipped" (.xml.gz)
 635  if ($filename =~ /\.xml$/) {   # set retrieve mode
 636          $resourcetype = "normal";
 637  } elsif ($filename =~ /\.xml\.gz$/) {
 638          $resourcetype = "gzipped";
 639  } else {
 640          die "Unsupported download extension, might be '.gz' or '.xml'\n";
 641  }
 642  my $basefname = $filename;
 643  $basefname =~ s/\.gz$//;       # get base resource name removing trailing .gz
 644  $cont = ""; # modified by side-effect by the callback function
 645
 646  my $localfname="";
 647  if (stat($basefname)) {
 648         $localfname=$basefname;
 649  } elsif (stat($basefname.".gz")) {
 650         $localfname=$basefname.".gz";
 651  }
 652  if ($localfname ne "") { # we already have local copy of requested file
 653       # check both possible cache entry: gzipped or normal
 654   print "Using local copy.\n";
 655   if ($localfname =~ /\.xml\.gz$/) { # deflating cached file and return it
 656    $cont = gunzip($localfname);
 657   } elsif ($localfname =~ /\.xml$/) { # just return cached file
 658    open(FD, $localfname) or die "Cannot open $localfname";
 659    while(<FD>) { $cont .= $_; }
 660    close(FD);
 661   } else { # error
 662    die "Internal error: unexpected file name $localfname,"
 663    ."must end with '.gz' or '.xml.gz'\n";
 664   }
 665  } else { # download file from net
 666    print "Downloading file ...\n"; # download file
 667    my $ua = LWP::UserAgent->new;
 668    my $request = HTTP::Request->new(GET => "$url");
 669    my $response = $ua->request($request, \&callback);
 670
 671    # cache retrieved file to disk
 672    # <ZACK/> TODO: inefficent, I haven't yet undestood how to deflate
 673    #    in memory gzipped file, without call "gzopen"
 674    print "Storing file ...\n";
 675 #   print "Making dirs ...\n";
 676    mkdirs($filename);
 677 #   print "Opening tmp file for writing ...\n";
 678    open(FD, ">".$filename.".tmp") or die "Cannot open $filename.tmp\n";
 679 #   print "Writing on tmp file ...\n";
 680    print FD $cont;
 681 #   print "Closing tmp file ...\n";
 682    close(FD);
 683
 684    # handle cache conversion normal->gzipped or gzipped->normal as user choice
 685    print "cachemode:$cachemode, resourcetype:$resourcetype\n"
 686     if (defined($debug));
 687    if (($cachemode eq 'normal') and ($resourcetype eq 'normal')) {
 688      # cache the file as is
 689     rename "$filename.tmp", $filename;
 690    } elsif (($cachemode eq 'gzipped') and ($resourcetype eq 'gzipped')) {
 691      # cache the file as is
 692      # and update the $cont variabile with deflated content
 693     rename "$filename.tmp", $filename;
 694     $cont = gunzip($filename);
 695    } elsif (($cachemode eq 'normal') and ($resourcetype eq 'gzipped')) {
 696      # deflate cache entry
 697      # and update $cont
 698     open(FD, "> $basefname") or die "cannot open $basefname\n";
 699     $cont = gunzip($filename.".tmp");
 700     print FD $cont;
 701     close(FD);
 702     unlink "$filename.tmp"; # delete old gzipped file
 703    } elsif (($cachemode eq 'gzipped') and ($resourcetype eq 'normal')) {
 704      # compress cache entry
 705     print "gzipping ...\n" if (defined($debug));
 706     gzip($cont, $basefname.".gz");
 707     unlink "$filename.tmp"; # delete old uncompressed file
 708    } else {
 709     die "Internal error, unsopported cachemode, resourcetype couple\n";
 710    }
 711    # $cont now contained uncompressed data
 712  }
 713  if ($patch_dtd eq "yes") {
 714     $cont =~ s/DOCTYPE (.*) SYSTEM\s+"http:\/\/www.cs.unibo.it\/helm\/dtd\//DOCTYPE $1 SYSTEM "$myownurl\/getdtd?uri=/g;
 715  }
 716  if ($format eq "gz") {
 717   gzip($cont,"$basefname.tmp");
 718   open (TMP, "< $basefname.tmp")
 719    or die "Can't open tempfile: $filename.tmp, exiting!\n";
 720   $cont = "";
 721   while(<TMP>) {
 722    $cont .= $_;
 723   }
 724   close TMP;
 725   unlink ($basefname . ".tmp") or
 726    die "cannot unlink temporary file: $basefname.tmp\n";
 727  }
 728
 729  return $cont;
 730 }
 731
 732 sub answer {
 733 # answer the client setting content, Content-Type and Content-Enconding
 734 # of the answer
 735  my ($c,$cont,$contype,$contenc) = @_;
 736  my $res = new HTTP::Response;
 737  $res->content($cont);
 738  $res->push_header("Content-Type" => $contype)
 739    unless ($contype eq "");
 740  $res->push_header("Content-Encoding" => $contenc)
 741    unless ($contenc eq "");
 742  $res->push_header("Cache-Control" => "no-cache");
 743  $res->push_header("Pragma" => "no-cache");
 744  $res->push_header("Expires" => "0");
 745  $c->send_response($res);
 746 }
 747
 748 sub html_nice_answer {
 749 # answer the client whith a nice html document
 750  my ($c,$content) = @_;
 751  $content = "<html><body><h1>$content</h1></body></html>";
 752  answer($c,$content,"text/html","");
 753 }
 754
 755 sub callback {
 756  my ($data) = @_;
 757  $cont .= $data;
 758 }
 759
 760 sub helm_wget {
 761 # retrieve a file from an url and write it to a temp dir
 762 # used for retrieve resource index from servers
 763  $cont = "";
 764  my ($prefix, $URL) = @_;
 765  my $ua = LWP::UserAgent->new;
 766  my $request = HTTP::Request->new(GET => "$URL");
 767  my $response = $ua->request($request, \&callback);
 768  my ($filename) = reverse (split "/", $URL); # get filename part of the URL
 769  open (TEMP, "> $prefix/$filename")
 770   || die "Cannot open temporary file: $prefix/$filename\n";
 771  print TEMP $cont;
 772  close TEMP;
 773 }
 774
 775 sub update {
 776 # retie dbs
 777  untie %xml_map;
 778  tie(%xml_map, 'DB_File', $uris_dbm, O_RDWR, 0664);
 779  untie %rdf_map;
 780  tie(%rdf_map, 'DB_File', $rdf_dbm, O_RDWR, 0664);
 781  untie %xslt_map;
 782  tie(%xslt_map, 'DB_File', $xslt_dbm, O_RDWR, 0664);
 783 }
 784
 785 sub update_dbs {
 786 # rebuild dbs fetching resource indexes from servers.
 787 # Rebuild urls_of_uris db (1), rdf db (2) and xslt db (3)
 788  my (
 789   $server, $idxfile, $rdf_idxfile, $uri, $url, $comp, $line,
 790   @servers,
 791   %urls_of_uris, %rdf, %xslt # local proxy of dbs
 792  );
 793
 794  untie %xml_map;
 795  untie %rdf_map;
 796  untie %xslt_map;
 797  foreach my $file ($uris_dbm, $rdf_dbm, $xslt_dbm) { # remove old db file
 798   if (stat $file) { # remove if exists
 799    unlink ($file) or die "can't unlink old db file: $file\n";
 800   }
 801  }
 802  tie(%urls_of_uris, 'DB_File', $uris_dbm, O_RDWR|O_CREAT, 0664);
 803  tie(%rdf, 'DB_File', $rdf_dbm, O_RDWR|O_CREAT, 0664);
 804  tie(%xslt, 'DB_File', $xslt_dbm, O_RDWR|O_CREAT, 0664);
 805
 806  open (SRVS, "< $servers_file") or
 807   die "cannot open servers file: $servers_file\n";
 808  @servers = <SRVS>; # read all servers
 809  close (SRVS);
 810
 811  while ($server = pop @servers) { # cicle on servers in _reverse_ order
 812   print "processing server: $server ...\n";
 813   chomp $server;
 814   helm_wget($tmp_dir, $server."/".$indexname); # get index
 815   helm_wget($tmp_dir, $server."/".$rdf_indexname); # get rdf index
 816   helm_wget($tmp_dir, $server."/".$xslt_indexname); # get xslt index
 817   $idxfile = $tmp_dir."/".$indexname;
 818   $rdf_idxfile = $tmp_dir."/".$rdf_indexname;
 819   $xslt_idxfile = $tmp_dir . "/" . $xslt_indexname;
 820
 821                   # (1) REBUILD URLS_OF_URIS DB
 822   open (INDEX, "< $idxfile") or
 823    die "cannot open temporary index file: $idxfile\n";
 824   while (my $line = <INDEX>) {  # parse index and add entry to urls_of_uris db
 825    chomp $line;
 826    ($uri,$comp) = split /[ \t]+/, $line;
 827              # build url:
 828    if ($comp =~ /gz/) {
 829     $url = $uri . ".xml" . ".gz";
 830    } else {
 831     $url = $uri . ".xml";
 832    }
 833    $url =~ s/cic:/$server/;
 834    $url =~ s/theory:/$server/;
 835    $urls_of_uris{$uri} = $url;
 836   }
 837
 838                   # (2) REBUILD RDF DB
 839   open (RDF_INDEX, "< $rdf_idxfile") or
 840    die "cannot open temporary RDF index file: $rdf_idxfile\n";
 841   while (my $line = <RDF_INDEX>) {  # parse index and add entry to rdf db
 842    chomp $line;
 843    ($uri,$comp) = split /[ \t]+/, $line; # comp is "gz" or nothing
 844              # build url:
 845    if ($comp =~ /gz/) {
 846     $url = $uri . ".xml" . ".gz";
 847    } else {
 848     $url = $uri . ".xml";
 849    }
 850    $url =~ s/^helm:rdf(.*)\/\/cic:/$server/;
 851    $url =~ s/^helm:rdf(.*)\/\/theory:/$server/;
 852    $rdf{$uri} = $url;
 853   }
 854
 855                   # (3) REBUILD XSLT DB
 856   open (XSLT_INDEX, "< $xslt_idxfile") or
 857     die "cannot open temporary XSLT index file: $xslt_idxfile\n";
 858   while (my $line = <XSLT_INDEX>) { # parse index and add entry to xslt db
 859     chomp $line;
 860     my $stylesheet = $line;
 861     my $url = $server . "/" . $stylesheet;
 862     $xslt{$stylesheet} = $url;
 863   }
 864
 865   close INDEX;  # close indexes
 866   close RDF_INDEX;
 867   close XSLT_INDEX;
 868
 869                   # remove temp files
 870   foreach my $file ($idxfile, $rdf_idxfile, $xslt_idxfile) {
 871     print "cannot unlink temporary file: $file\n" if (unlink $file) != 1;
 872   }
 873
 874  }
 875
 876  untie(%urls_of_uris); # untie local proxies
 877  untie(%rdf);
 878  untie(%xslt);
 879  tie(%xml_map, 'DB_File', $uris_dbm, O_RDWR, 0664); # retie global ones
 880  tie(%rdf_map, 'DB_File', $rdf_dbm, O_RDWR, 0664);
 881  tie(%xslt_map, 'DB_File', $xslt_dbm, O_RDWR, 0664);
 882
 883 } # update_dbs
 884
 885 # vim modline: do not remove!
 886 # vim: set ft=perl:
 887