helm/ocaml/getter/http_getter_storage.ml

   1 (* Copyright (C) 2004-2005, HELM Team.
   2  *
   3  * This file is part of HELM, an Hypertextual, Electronic
   4  * Library of Mathematics, developed at the Computer Science
   5  * Department, University of Bologna, Italy.
   6  *
   7  * HELM is free software; you can redistribute it and/or
   8  * modify it under the terms of the GNU General Public License
   9  * as published by the Free Software Foundation; either version 2
  10  * of the License, or (at your option) any later version.
  11  *
  12  * HELM is distributed in the hope that it will be useful,
  13  * but WITHOUT ANY WARRANTY; without even the implied warranty of
  14  * MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the
  15  * GNU General Public License for more details.
  16  *
  17  * You should have received a copy of the GNU General Public License
  18  * along with HELM; if not, write to the Free Software
  19  * Foundation, Inc., 59 Temple Place - Suite 330, Boston,
  20  * MA  02111-1307, USA.
  21  *
  22  * For details, see the HELM World-Wide-Web page,
  23  * http://helm.cs.unibo.it/
  24  *)
  25
  26 open Printf
  27
  28 open Http_getter_misc
  29 open Http_getter_types
  30
  31 exception Not_found'
  32 exception Resource_not_found of string * string  (** method, uri *)
  33
  34 let index_fname = "INDEX"
  35
  36 let trailing_slash_RE = Pcre.regexp "/$"
  37 let relative_RE_raw = "(^[^/]+(/[^/]+)*/?$)"
  38 let relative_RE = Pcre.regexp relative_RE_raw
  39 let file_scheme_RE_raw = "(^file://)"
  40 let extended_file_scheme_RE = Pcre.regexp "(^file:/+)"
  41 let file_scheme_RE = Pcre.regexp (relative_RE_raw ^ "|" ^ file_scheme_RE_raw)
  42 let http_scheme_RE = Pcre.regexp "^http://"
  43 let newline_RE = Pcre.regexp "\\n"
  44 let cic_scheme_sep_RE = Pcre.regexp ":/"
  45 let gz_suffix = ".gz"
  46
  47 let path_of_file_url url =
  48   assert (Pcre.pmatch ~rex:file_scheme_RE url);
  49   if Pcre.pmatch ~rex:relative_RE url then
  50     url
  51   else  (* absolute path, add heading "/" if missing *)
  52     "/" ^ (Pcre.replace ~rex:extended_file_scheme_RE url)
  53
  54   (** associative list regular expressions -> url prefixes
  55    * sorted with longest prefixes first *)
  56 let prefix_map = lazy (
  57   let map_w_length =
  58     List.map
  59       (fun (uri_prefix, url_prefix) ->
  60         let uri_prefix = normalize_dir uri_prefix in
  61         let url_prefix = normalize_dir url_prefix in
  62         let regexp = Pcre.regexp ("^(" ^ Pcre.quote uri_prefix ^ ")") in
  63         (regexp, String.length uri_prefix, uri_prefix, url_prefix))
  64       (Lazy.force Http_getter_env.prefixes)
  65   in
  66   let decreasing_length (_, len1, _, _) (_, len2, _, _) = compare len2 len1 in
  67   List.map
  68     (fun (regexp, len, uri_prefix, url_prefix) ->
  69       (regexp, strip_trailing_slash uri_prefix, url_prefix))
  70     (List.fast_sort decreasing_length map_w_length))
  71
  72 let resolve_prefix uri =
  73   let matches =
  74     List.filter (fun (rex, _, _) -> Pcre.pmatch ~rex uri)
  75       (Lazy.force prefix_map)
  76   in
  77   match matches with
  78   | (rex, _, url_prefix) :: _ -> Pcre.replace_first ~rex ~templ:url_prefix uri
  79   | [] -> raise (Unresolvable_URI uri)
  80
  81 let exists_http _ url =
  82   Http_getter_wget.exists (url ^ gz_suffix) || Http_getter_wget.exists url
  83
  84 let exists_file _ fname =
  85   Sys.file_exists (fname ^ gz_suffix) || Sys.file_exists fname
  86
  87 let resolve_http _ url =
  88   try
  89     List.find Http_getter_wget.exists [ url ^ gz_suffix; url ]
  90   with Not_found -> raise Not_found'
  91
  92 let resolve_file _ fname =
  93   try
  94     List.find Sys.file_exists [ fname ^ gz_suffix; fname ]
  95   with Not_found -> raise Not_found'
  96
  97 let strip_gz_suffix fname =
  98   if extension fname = ".gz" then
  99     String.sub fname 0 (String.length fname - 3)
 100   else
 101     fname
 102
 103 let remove_duplicates l =
 104   Http_getter_misc.list_uniq (List.fast_sort Pervasives.compare l)
 105
 106 let ls_file_single _ path_prefix =
 107   let is_dir fname = (Unix.stat fname).Unix.st_kind = Unix.S_DIR in
 108   let is_useless dir = try dir.[0] = '.' with _ -> false in
 109   let entries = ref [] in
 110   try
 111     let dir_handle = Unix.opendir path_prefix in
 112     (try
 113       while true do
 114         let entry = Unix.readdir dir_handle in
 115         if is_useless entry then
 116           ()
 117         else if is_dir (path_prefix ^ "/" ^ entry) then
 118           entries := normalize_dir entry :: !entries
 119         else
 120           entries := strip_gz_suffix entry :: !entries
 121       done
 122     with End_of_file -> Unix.closedir dir_handle);
 123     remove_duplicates !entries
 124   with Unix.Unix_error (_, "opendir", _) -> []
 125
 126 let ls_http_single _ url_prefix =
 127   try
 128     let index = Http_getter_wget.get (normalize_dir url_prefix ^ index_fname) in
 129     Pcre.split ~rex:newline_RE index
 130   with Http_client_error _ -> raise Not_found'
 131
 132 let get_file _ path =
 133   if Sys.file_exists (path ^ gz_suffix) then
 134     path ^ gz_suffix
 135   else if Sys.file_exists path then
 136     path
 137   else
 138     raise Not_found'
 139
 140 let get_http uri url =
 141   let scheme, path =
 142     match Pcre.split ~rex:cic_scheme_sep_RE uri with
 143     | [scheme; path] -> scheme, path
 144     | _ -> assert false
 145   in
 146   let cache_name =
 147     sprintf "%s%s/%s" (Lazy.force Http_getter_env.cache_dir) scheme path
 148   in
 149   if Sys.file_exists (cache_name ^ gz_suffix) then
 150     cache_name ^ gz_suffix
 151   else if Sys.file_exists cache_name then
 152     cache_name
 153   else begin  (* fill cache *)
 154     Http_getter_misc.mkdir ~parents:true (Filename.dirname cache_name);
 155     (try
 156       Http_getter_wget.get_and_save (url ^ gz_suffix) (cache_name ^ gz_suffix);
 157       cache_name ^ gz_suffix
 158     with Http_client_error _ ->
 159       (try
 160         Http_getter_wget.get_and_save url cache_name;
 161         cache_name
 162       with Http_client_error _ ->
 163         raise Not_found'))
 164   end
 165
 166 let remove_file _ path =
 167   if Sys.file_exists (path ^ gz_suffix) then Sys.remove (path ^ gz_suffix);
 168   if Sys.file_exists path then Sys.remove path
 169
 170 let remove_http _ _ =
 171   prerr_endline "Http_getter_storage.remove: not implemented for HTTP scheme";
 172   assert false
 173
 174 type 'a storage_method = {
 175   name: string;
 176   file: string -> string -> 'a; (* unresolved uri, resolved uri *)
 177   http: string -> string -> 'a; (* unresolved uri, resolved uri *)
 178 }
 179
 180 let dispatch storage_method uri =
 181   assert (extension uri <> ".gz");
 182   let uri = (* add trailing slash to roots *)
 183     try
 184       if uri.[String.length uri - 1] = ':' then uri ^ "/"
 185       else uri
 186     with Invalid_argument _ -> uri
 187   in
 188   let url = resolve_prefix uri in
 189   try
 190     if Pcre.pmatch ~rex:file_scheme_RE url then
 191       storage_method.file uri (path_of_file_url url)
 192     else if Pcre.pmatch ~rex:http_scheme_RE url then
 193       storage_method.http uri url
 194     else
 195       raise (Unsupported_scheme url)
 196   with Not_found' -> raise (Resource_not_found (storage_method.name, uri))
 197
 198 let exists =
 199   dispatch { name = "exists"; file = exists_file; http = exists_http }
 200 let resolve =
 201   dispatch { name = "resolve"; file = resolve_file; http = resolve_http }
 202 let ls_single =
 203   dispatch { name = "ls"; file = ls_file_single; http = ls_http_single }
 204 let get = dispatch { name = "get"; file = get_file; http = get_http }
 205 let remove =
 206   dispatch { name = "remove"; file = remove_file; http = remove_http }
 207
 208 let filename = get
 209
 210   (* ls_single performs ls only below a single prefix, but prefixes which have
 211    * common prefix (sorry) with a given one may need to be considered as well
 212    * for example: when doing "ls cic:/" we would like to see the "cic:/matita"
 213    * directory *)
 214 let ls uri_prefix =
 215 (*   prerr_endline ("Http_getter_storage.ls " ^ uri_prefix); *)
 216   let direct_results = ls_single uri_prefix in
 217   List.fold_left
 218     (fun results (_, uri_prefix', _) ->
 219       if Filename.dirname uri_prefix' = strip_trailing_slash uri_prefix then
 220         (Filename.basename uri_prefix' ^ "/") :: results
 221       else
 222         results)
 223     direct_results
 224     (Lazy.force prefix_map)
 225
 226 let clean_cache () =
 227   ignore (Sys.command
 228     (sprintf "rm -rf %s/" (Lazy.force Http_getter_env.cache_dir)))
 229