Line data Source code
1 : /*-------------------------------------------------------------------------
2 : *
3 : * dict_thesaurus.c
4 : * Thesaurus dictionary: phrase to phrase substitution
5 : *
6 : * Portions Copyright (c) 1996-2024, 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
72 210 : newLexeme(DictThesaurus *d, char *b, char *e, uint32 idsubst, uint16 posinsubst)
73 : {
74 : TheLexeme *ptr;
75 :
76 210 : if (d->nwrds >= d->ntwrds)
77 : {
78 14 : if (d->ntwrds == 0)
79 : {
80 14 : d->ntwrds = 16;
81 14 : d->wrds = (TheLexeme *) palloc(sizeof(TheLexeme) * d->ntwrds);
82 : }
83 : else
84 : {
85 0 : d->ntwrds *= 2;
86 0 : d->wrds = (TheLexeme *) repalloc(d->wrds, sizeof(TheLexeme) * d->ntwrds);
87 : }
88 : }
89 :
90 210 : ptr = d->wrds + d->nwrds;
91 210 : d->nwrds++;
92 :
93 210 : ptr->lexeme = palloc(e - b + 1);
94 :
95 210 : memcpy(ptr->lexeme, b, e - b);
96 210 : ptr->lexeme[e - b] = '\0';
97 :
98 210 : ptr->entries = (LexemeInfo *) palloc(sizeof(LexemeInfo));
99 :
100 210 : ptr->entries->nextentry = NULL;
101 210 : ptr->entries->idsubst = idsubst;
102 210 : ptr->entries->posinsubst = posinsubst;
103 210 : }
104 :
105 : static void
106 168 : 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 :
112 168 : if (nwrd == 0)
113 : {
114 112 : nres = ntres = 0;
115 :
116 112 : if (idsubst >= d->nsubst)
117 : {
118 14 : if (d->nsubst == 0)
119 : {
120 14 : d->nsubst = 16;
121 14 : d->subst = (TheSubstitute *) palloc(sizeof(TheSubstitute) * d->nsubst);
122 : }
123 : else
124 : {
125 0 : d->nsubst *= 2;
126 0 : d->subst = (TheSubstitute *) repalloc(d->subst, sizeof(TheSubstitute) * d->nsubst);
127 : }
128 : }
129 : }
130 :
131 168 : ptr = d->subst + idsubst;
132 :
133 168 : ptr->lastlexeme = posinsubst - 1;
134 :
135 168 : if (nres + 1 >= ntres)
136 : {
137 140 : if (ntres == 0)
138 : {
139 112 : ntres = 2;
140 112 : ptr->res = (TSLexeme *) palloc(sizeof(TSLexeme) * ntres);
141 : }
142 : else
143 : {
144 28 : ntres *= 2;
145 28 : ptr->res = (TSLexeme *) repalloc(ptr->res, sizeof(TSLexeme) * ntres);
146 : }
147 : }
148 :
149 168 : ptr->res[nres].lexeme = palloc(e - b + 1);
150 168 : memcpy(ptr->res[nres].lexeme, b, e - b);
151 168 : ptr->res[nres].lexeme[e - b] = '\0';
152 :
153 168 : ptr->res[nres].nvariant = nwrd;
154 168 : if (useasis)
155 84 : ptr->res[nres].flags = DT_USEASIS;
156 : else
157 84 : ptr->res[nres].flags = 0;
158 :
159 168 : ptr->res[++nres].lexeme = NULL;
160 168 : }
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
168 14 : thesaurusRead(const char *filename, DictThesaurus *d)
169 : {
170 : tsearch_readline_state trst;
171 14 : uint32 idsubst = 0;
172 14 : bool useasis = false;
173 : char *line;
174 :
175 14 : filename = get_tsearch_config_filename(filename, "ths");
176 14 : if (!tsearch_readline_begin(&trst, filename))
177 0 : ereport(ERROR,
178 : (errcode(ERRCODE_CONFIG_FILE_ERROR),
179 : errmsg("could not open thesaurus file \"%s\": %m",
180 : filename)));
181 :
182 252 : while ((line = tsearch_readline(&trst)) != NULL)
183 : {
184 : char *ptr;
185 238 : int state = TR_WAITLEX;
186 238 : char *beginwrd = NULL;
187 238 : uint32 posinsubst = 0;
188 238 : uint32 nwrd = 0;
189 :
190 238 : ptr = line;
191 :
192 : /* is it a comment? */
193 266 : while (*ptr && t_isspace(ptr))
194 28 : ptr += pg_mblen(ptr);
195 :
196 238 : if (t_iseq(ptr, '#') || *ptr == '\0' ||
197 112 : t_iseq(ptr, '\n') || t_iseq(ptr, '\r'))
198 : {
199 126 : pfree(line);
200 126 : continue;
201 : }
202 :
203 2590 : while (*ptr)
204 : {
205 2478 : if (state == TR_WAITLEX)
206 : {
207 322 : if (t_iseq(ptr, ':'))
208 : {
209 112 : if (posinsubst == 0)
210 0 : ereport(ERROR,
211 : (errcode(ERRCODE_CONFIG_FILE_ERROR),
212 : errmsg("unexpected delimiter")));
213 112 : state = TR_WAITSUBS;
214 : }
215 210 : else if (!t_isspace(ptr))
216 : {
217 210 : beginwrd = ptr;
218 210 : state = TR_INLEX;
219 : }
220 : }
221 2156 : else if (state == TR_INLEX)
222 : {
223 1078 : if (t_iseq(ptr, ':'))
224 : {
225 0 : newLexeme(d, beginwrd, ptr, idsubst, posinsubst++);
226 0 : state = TR_WAITSUBS;
227 : }
228 1078 : else if (t_isspace(ptr))
229 : {
230 210 : newLexeme(d, beginwrd, ptr, idsubst, posinsubst++);
231 210 : state = TR_WAITLEX;
232 : }
233 : }
234 1078 : else if (state == TR_WAITSUBS)
235 : {
236 280 : if (t_iseq(ptr, '*'))
237 : {
238 84 : useasis = true;
239 84 : state = TR_INSUBS;
240 84 : beginwrd = ptr + pg_mblen(ptr);
241 : }
242 196 : else if (t_iseq(ptr, '\\'))
243 : {
244 0 : useasis = false;
245 0 : state = TR_INSUBS;
246 0 : beginwrd = ptr + pg_mblen(ptr);
247 : }
248 196 : else if (!t_isspace(ptr))
249 : {
250 84 : useasis = false;
251 84 : beginwrd = ptr;
252 84 : state = TR_INSUBS;
253 : }
254 : }
255 798 : else if (state == TR_INSUBS)
256 : {
257 798 : if (t_isspace(ptr))
258 : {
259 168 : if (ptr == beginwrd)
260 0 : ereport(ERROR,
261 : (errcode(ERRCODE_CONFIG_FILE_ERROR),
262 : errmsg("unexpected end of line or lexeme")));
263 168 : addWrd(d, beginwrd, ptr, idsubst, nwrd++, posinsubst, useasis);
264 168 : state = TR_WAITSUBS;
265 : }
266 : }
267 : else
268 0 : elog(ERROR, "unrecognized thesaurus state: %d", state);
269 :
270 2478 : ptr += pg_mblen(ptr);
271 : }
272 :
273 112 : if (state == TR_INSUBS)
274 : {
275 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 :
282 112 : idsubst++;
283 :
284 112 : if (!(nwrd && posinsubst))
285 0 : ereport(ERROR,
286 : (errcode(ERRCODE_CONFIG_FILE_ERROR),
287 : errmsg("unexpected end of line")));
288 :
289 112 : if (nwrd != (uint16) nwrd || posinsubst != (uint16) posinsubst)
290 0 : ereport(ERROR,
291 : (errcode(ERRCODE_CONFIG_FILE_ERROR),
292 : errmsg("too many lexemes in thesaurus entry")));
293 :
294 112 : pfree(line);
295 : }
296 :
297 14 : d->nsubst = idsubst;
298 :
299 14 : tsearch_readline_end(&trst);
300 14 : }
301 :
302 : static TheLexeme *
303 210 : addCompiledLexeme(TheLexeme *newwrds, int *nnw, int *tnm, TSLexeme *lexeme, LexemeInfo *src, uint16 tnvariant)
304 : {
305 210 : if (*nnw >= *tnm)
306 : {
307 0 : *tnm *= 2;
308 0 : newwrds = (TheLexeme *) repalloc(newwrds, sizeof(TheLexeme) * *tnm);
309 : }
310 :
311 210 : newwrds[*nnw].entries = (LexemeInfo *) palloc(sizeof(LexemeInfo));
312 :
313 210 : if (lexeme && lexeme->lexeme)
314 : {
315 196 : newwrds[*nnw].lexeme = pstrdup(lexeme->lexeme);
316 196 : newwrds[*nnw].entries->tnvariant = tnvariant;
317 : }
318 : else
319 : {
320 14 : newwrds[*nnw].lexeme = NULL;
321 14 : newwrds[*nnw].entries->tnvariant = 1;
322 : }
323 :
324 210 : newwrds[*nnw].entries->idsubst = src->idsubst;
325 210 : newwrds[*nnw].entries->posinsubst = src->posinsubst;
326 :
327 210 : newwrds[*nnw].entries->nextentry = NULL;
328 :
329 210 : (*nnw)++;
330 210 : return newwrds;
331 : }
332 :
333 : static int
334 224 : cmpLexemeInfo(LexemeInfo *a, LexemeInfo *b)
335 : {
336 224 : if (a == NULL || b == NULL)
337 0 : return 0;
338 :
339 224 : if (a->idsubst == b->idsubst)
340 : {
341 0 : if (a->posinsubst == b->posinsubst)
342 : {
343 0 : if (a->tnvariant == b->tnvariant)
344 0 : return 0;
345 :
346 0 : return (a->tnvariant > b->tnvariant) ? 1 : -1;
347 : }
348 :
349 0 : return (a->posinsubst > b->posinsubst) ? 1 : -1;
350 : }
351 :
352 224 : return (a->idsubst > b->idsubst) ? 1 : -1;
353 : }
354 :
355 : static int
356 1442 : cmpLexeme(const TheLexeme *a, const TheLexeme *b)
357 : {
358 1442 : if (a->lexeme == NULL)
359 : {
360 164 : if (b->lexeme == NULL)
361 36 : return 0;
362 : else
363 128 : return 1;
364 : }
365 1278 : else if (b->lexeme == NULL)
366 20 : return -1;
367 :
368 1258 : return strcmp(a->lexeme, b->lexeme);
369 : }
370 :
371 : static int
372 588 : cmpLexemeQ(const void *a, const void *b)
373 : {
374 588 : return cmpLexeme((const TheLexeme *) a, (const TheLexeme *) b);
375 : }
376 :
377 : static int
378 658 : cmpTheLexeme(const void *a, const void *b)
379 : {
380 658 : const TheLexeme *la = (const TheLexeme *) a;
381 658 : const TheLexeme *lb = (const TheLexeme *) b;
382 : int res;
383 :
384 658 : if ((res = cmpLexeme(la, lb)) != 0)
385 532 : return res;
386 :
387 126 : return -cmpLexemeInfo(la->entries, lb->entries);
388 : }
389 :
390 : static void
391 14 : compileTheLexeme(DictThesaurus *d)
392 : {
393 : int i,
394 14 : nnw = 0,
395 14 : tnm = 16;
396 14 : TheLexeme *newwrds = (TheLexeme *) palloc(sizeof(TheLexeme) * tnm),
397 : *ptrwrds;
398 :
399 224 : for (i = 0; i < d->nwrds; i++)
400 : {
401 : TSLexeme *ptr;
402 :
403 210 : if (strcmp(d->wrds[i].lexeme, "?") == 0) /* Is stop word marker? */
404 14 : newwrds = addCompiledLexeme(newwrds, &nnw, &tnm, NULL, d->wrds[i].entries, 0);
405 : else
406 : {
407 196 : ptr = (TSLexeme *) DatumGetPointer(FunctionCall4(&(d->subdict->lexize),
408 : PointerGetDatum(d->subdict->dictData),
409 : PointerGetDatum(d->wrds[i].lexeme),
410 : Int32GetDatum(strlen(d->wrds[i].lexeme)),
411 : PointerGetDatum(NULL)));
412 :
413 196 : if (!ptr)
414 0 : ereport(ERROR,
415 : (errcode(ERRCODE_CONFIG_FILE_ERROR),
416 : errmsg("thesaurus sample word \"%s\" isn't recognized by subdictionary (rule %d)",
417 : d->wrds[i].lexeme,
418 : d->wrds[i].entries->idsubst + 1)));
419 196 : else if (!(ptr->lexeme))
420 0 : ereport(ERROR,
421 : (errcode(ERRCODE_CONFIG_FILE_ERROR),
422 : errmsg("thesaurus sample word \"%s\" is a stop word (rule %d)",
423 : d->wrds[i].lexeme,
424 : d->wrds[i].entries->idsubst + 1),
425 : errhint("Use \"?\" to represent a stop word within a sample phrase.")));
426 : else
427 : {
428 392 : while (ptr->lexeme)
429 : {
430 196 : TSLexeme *remptr = ptr + 1;
431 196 : int tnvar = 1;
432 196 : int curvar = ptr->nvariant;
433 :
434 : /* compute n words in one variant */
435 196 : while (remptr->lexeme)
436 : {
437 0 : if (remptr->nvariant != (remptr - 1)->nvariant)
438 0 : break;
439 0 : tnvar++;
440 0 : remptr++;
441 : }
442 :
443 196 : remptr = ptr;
444 392 : while (remptr->lexeme && remptr->nvariant == curvar)
445 : {
446 196 : newwrds = addCompiledLexeme(newwrds, &nnw, &tnm, remptr, d->wrds[i].entries, tnvar);
447 196 : remptr++;
448 : }
449 :
450 196 : ptr = remptr;
451 : }
452 : }
453 : }
454 :
455 210 : pfree(d->wrds[i].lexeme);
456 210 : pfree(d->wrds[i].entries);
457 : }
458 :
459 14 : if (d->wrds)
460 14 : pfree(d->wrds);
461 14 : d->wrds = newwrds;
462 14 : d->nwrds = nnw;
463 14 : d->ntwrds = tnm;
464 :
465 14 : if (d->nwrds > 1)
466 : {
467 14 : qsort(d->wrds, d->nwrds, sizeof(TheLexeme), cmpTheLexeme);
468 :
469 : /* uniq */
470 14 : newwrds = d->wrds;
471 14 : ptrwrds = d->wrds + 1;
472 210 : while (ptrwrds - d->wrds < d->nwrds)
473 : {
474 196 : if (cmpLexeme(ptrwrds, newwrds) == 0)
475 : {
476 98 : if (cmpLexemeInfo(ptrwrds->entries, newwrds->entries))
477 : {
478 98 : ptrwrds->entries->nextentry = newwrds->entries;
479 98 : newwrds->entries = ptrwrds->entries;
480 : }
481 : else
482 0 : pfree(ptrwrds->entries);
483 :
484 98 : if (ptrwrds->lexeme)
485 98 : pfree(ptrwrds->lexeme);
486 : }
487 : else
488 : {
489 98 : newwrds++;
490 98 : *newwrds = *ptrwrds;
491 : }
492 :
493 196 : ptrwrds++;
494 : }
495 :
496 14 : d->nwrds = newwrds - d->wrds + 1;
497 14 : d->wrds = (TheLexeme *) repalloc(d->wrds, sizeof(TheLexeme) * d->nwrds);
498 : }
499 14 : }
500 :
501 : static void
502 14 : compileTheSubstitute(DictThesaurus *d)
503 : {
504 : int i;
505 :
506 126 : for (i = 0; i < d->nsubst; i++)
507 : {
508 112 : TSLexeme *rem = d->subst[i].res,
509 : *outptr,
510 : *inptr;
511 112 : int n = 2;
512 :
513 112 : outptr = d->subst[i].res = (TSLexeme *) palloc(sizeof(TSLexeme) * n);
514 112 : outptr->lexeme = NULL;
515 112 : inptr = rem;
516 :
517 280 : while (inptr && inptr->lexeme)
518 : {
519 : TSLexeme *lexized,
520 : tmplex[2];
521 :
522 168 : if (inptr->flags & DT_USEASIS)
523 : { /* do not lexize */
524 84 : tmplex[0] = *inptr;
525 84 : tmplex[0].flags = 0;
526 84 : tmplex[1].lexeme = NULL;
527 84 : lexized = tmplex;
528 : }
529 : else
530 : {
531 84 : lexized = (TSLexeme *) DatumGetPointer(FunctionCall4(&(d->subdict->lexize),
532 : PointerGetDatum(d->subdict->dictData),
533 : PointerGetDatum(inptr->lexeme),
534 : Int32GetDatum(strlen(inptr->lexeme)),
535 : PointerGetDatum(NULL)));
536 : }
537 :
538 168 : if (lexized && lexized->lexeme)
539 168 : {
540 168 : int toset = (lexized->lexeme && outptr != d->subst[i].res) ? (outptr - d->subst[i].res) : -1;
541 :
542 336 : while (lexized->lexeme)
543 : {
544 168 : if (outptr - d->subst[i].res + 1 >= n)
545 : {
546 28 : int diff = outptr - d->subst[i].res;
547 :
548 28 : n *= 2;
549 28 : d->subst[i].res = (TSLexeme *) repalloc(d->subst[i].res, sizeof(TSLexeme) * n);
550 28 : outptr = d->subst[i].res + diff;
551 : }
552 :
553 168 : *outptr = *lexized;
554 168 : outptr->lexeme = pstrdup(lexized->lexeme);
555 :
556 168 : outptr++;
557 168 : lexized++;
558 : }
559 :
560 168 : if (toset > 0)
561 56 : d->subst[i].res[toset].flags |= TSL_ADDPOS;
562 : }
563 0 : else if (lexized)
564 : {
565 0 : ereport(ERROR,
566 : (errcode(ERRCODE_CONFIG_FILE_ERROR),
567 : errmsg("thesaurus substitute word \"%s\" is a stop word (rule %d)",
568 : inptr->lexeme, i + 1)));
569 : }
570 : else
571 : {
572 0 : ereport(ERROR,
573 : (errcode(ERRCODE_CONFIG_FILE_ERROR),
574 : errmsg("thesaurus substitute word \"%s\" isn't recognized by subdictionary (rule %d)",
575 : inptr->lexeme, i + 1)));
576 : }
577 :
578 168 : if (inptr->lexeme)
579 168 : pfree(inptr->lexeme);
580 168 : inptr++;
581 : }
582 :
583 112 : if (outptr == d->subst[i].res)
584 0 : ereport(ERROR,
585 : (errcode(ERRCODE_CONFIG_FILE_ERROR),
586 : errmsg("thesaurus substitute phrase is empty (rule %d)",
587 : i + 1)));
588 :
589 112 : d->subst[i].reslen = outptr - d->subst[i].res;
590 :
591 112 : pfree(rem);
592 : }
593 14 : }
594 :
595 : Datum
596 14 : thesaurus_init(PG_FUNCTION_ARGS)
597 : {
598 14 : List *dictoptions = (List *) PG_GETARG_POINTER(0);
599 : DictThesaurus *d;
600 14 : char *subdictname = NULL;
601 14 : bool fileloaded = false;
602 : List *namelist;
603 : ListCell *l;
604 :
605 14 : d = (DictThesaurus *) palloc0(sizeof(DictThesaurus));
606 :
607 42 : foreach(l, dictoptions)
608 : {
609 28 : DefElem *defel = (DefElem *) lfirst(l);
610 :
611 28 : if (strcmp(defel->defname, "dictfile") == 0)
612 : {
613 14 : if (fileloaded)
614 0 : ereport(ERROR,
615 : (errcode(ERRCODE_INVALID_PARAMETER_VALUE),
616 : errmsg("multiple DictFile parameters")));
617 14 : thesaurusRead(defGetString(defel), d);
618 14 : fileloaded = true;
619 : }
620 14 : else if (strcmp(defel->defname, "dictionary") == 0)
621 : {
622 14 : if (subdictname)
623 0 : ereport(ERROR,
624 : (errcode(ERRCODE_INVALID_PARAMETER_VALUE),
625 : errmsg("multiple Dictionary parameters")));
626 14 : subdictname = pstrdup(defGetString(defel));
627 : }
628 : else
629 : {
630 0 : ereport(ERROR,
631 : (errcode(ERRCODE_INVALID_PARAMETER_VALUE),
632 : errmsg("unrecognized Thesaurus parameter: \"%s\"",
633 : defel->defname)));
634 : }
635 : }
636 :
637 14 : if (!fileloaded)
638 0 : ereport(ERROR,
639 : (errcode(ERRCODE_INVALID_PARAMETER_VALUE),
640 : errmsg("missing DictFile parameter")));
641 14 : if (!subdictname)
642 0 : ereport(ERROR,
643 : (errcode(ERRCODE_INVALID_PARAMETER_VALUE),
644 : errmsg("missing Dictionary parameter")));
645 :
646 14 : namelist = stringToQualifiedNameList(subdictname, NULL);
647 14 : d->subdictOid = get_ts_dict_oid(namelist, false);
648 14 : d->subdict = lookup_ts_dictionary_cache(d->subdictOid);
649 :
650 14 : compileTheLexeme(d);
651 14 : compileTheSubstitute(d);
652 :
653 14 : PG_RETURN_POINTER(d);
654 : }
655 :
656 : static LexemeInfo *
657 192 : findTheLexeme(DictThesaurus *d, char *lexeme)
658 : {
659 : TheLexeme key,
660 : *res;
661 :
662 192 : if (d->nwrds == 0)
663 0 : return NULL;
664 :
665 192 : key.lexeme = lexeme;
666 192 : key.entries = NULL;
667 :
668 192 : res = bsearch(&key, d->wrds, d->nwrds, sizeof(TheLexeme), cmpLexemeQ);
669 :
670 192 : if (res == NULL)
671 54 : return NULL;
672 138 : return res->entries;
673 : }
674 :
675 : static bool
676 288 : matchIdSubst(LexemeInfo *stored, uint32 idsubst)
677 : {
678 288 : bool res = true;
679 :
680 288 : if (stored)
681 : {
682 150 : res = false;
683 :
684 330 : for (; stored; stored = stored->nextvariant)
685 234 : if (stored->idsubst == idsubst)
686 : {
687 54 : res = true;
688 54 : break;
689 : }
690 : }
691 :
692 288 : return res;
693 : }
694 :
695 : static LexemeInfo *
696 330 : findVariant(LexemeInfo *in, LexemeInfo *stored, uint16 curpos, LexemeInfo **newin, int newn)
697 : {
698 : for (;;)
699 192 : {
700 : int i;
701 330 : LexemeInfo *ptr = newin[0];
702 :
703 540 : for (i = 0; i < newn; i++)
704 : {
705 348 : while (newin[i] && newin[i]->idsubst < ptr->idsubst)
706 0 : newin[i] = newin[i]->nextentry;
707 :
708 348 : if (newin[i] == NULL)
709 78 : return in;
710 :
711 270 : if (newin[i]->idsubst > ptr->idsubst)
712 : {
713 0 : ptr = newin[i];
714 0 : i = -1;
715 0 : continue;
716 : }
717 :
718 288 : while (newin[i]->idsubst == ptr->idsubst)
719 : {
720 270 : if (newin[i]->posinsubst == curpos && newin[i]->tnvariant == newn)
721 : {
722 192 : ptr = newin[i];
723 192 : break;
724 : }
725 :
726 78 : newin[i] = newin[i]->nextentry;
727 78 : if (newin[i] == NULL)
728 60 : return in;
729 : }
730 :
731 210 : if (newin[i]->idsubst != ptr->idsubst)
732 : {
733 18 : ptr = newin[i];
734 18 : i = -1;
735 18 : continue;
736 : }
737 : }
738 :
739 192 : if (i == newn && matchIdSubst(stored, ptr->idsubst) && (in == NULL || !matchIdSubst(in, ptr->idsubst)))
740 : { /* found */
741 :
742 192 : ptr->nextvariant = in;
743 192 : in = ptr;
744 : }
745 :
746 : /* step forward */
747 384 : for (i = 0; i < newn; i++)
748 192 : newin[i] = newin[i]->nextentry;
749 : }
750 : }
751 :
752 : static TSLexeme *
753 78 : copyTSLexeme(TheSubstitute *ts)
754 : {
755 : TSLexeme *res;
756 : uint16 i;
757 :
758 78 : res = (TSLexeme *) palloc(sizeof(TSLexeme) * (ts->reslen + 1));
759 180 : for (i = 0; i < ts->reslen; i++)
760 : {
761 102 : res[i] = ts->res[i];
762 102 : res[i].lexeme = pstrdup(ts->res[i].lexeme);
763 : }
764 :
765 78 : res[ts->reslen].lexeme = NULL;
766 :
767 78 : return res;
768 : }
769 :
770 : static TSLexeme *
771 96 : checkMatch(DictThesaurus *d, LexemeInfo *info, uint16 curpos, bool *moreres)
772 : {
773 96 : *moreres = false;
774 126 : while (info)
775 : {
776 : Assert(info->idsubst < d->nsubst);
777 108 : if (info->nextvariant)
778 66 : *moreres = true;
779 108 : if (d->subst[info->idsubst].lastlexeme == curpos)
780 78 : return copyTSLexeme(d->subst + info->idsubst);
781 30 : info = info->nextvariant;
782 : }
783 :
784 18 : return NULL;
785 : }
786 :
787 : Datum
788 204 : thesaurus_lexize(PG_FUNCTION_ARGS)
789 : {
790 204 : DictThesaurus *d = (DictThesaurus *) PG_GETARG_POINTER(0);
791 204 : DictSubState *dstate = (DictSubState *) PG_GETARG_POINTER(3);
792 204 : TSLexeme *res = NULL;
793 : LexemeInfo *stored,
794 204 : *info = NULL;
795 204 : uint16 curpos = 0;
796 204 : bool moreres = false;
797 :
798 204 : if (PG_NARGS() != 4 || dstate == NULL)
799 0 : elog(ERROR, "forbidden call of thesaurus or nested call");
800 :
801 204 : if (dstate->isend)
802 12 : PG_RETURN_POINTER(NULL);
803 192 : stored = (LexemeInfo *) dstate->private_state;
804 :
805 192 : if (stored)
806 60 : curpos = stored->posinsubst + 1;
807 :
808 192 : if (!d->subdict->isvalid)
809 0 : d->subdict = lookup_ts_dictionary_cache(d->subdictOid);
810 :
811 192 : res = (TSLexeme *) DatumGetPointer(FunctionCall4(&(d->subdict->lexize),
812 : PointerGetDatum(d->subdict->dictData),
813 : PG_GETARG_DATUM(1),
814 : PG_GETARG_DATUM(2),
815 : PointerGetDatum(NULL)));
816 :
817 192 : if (res && res->lexeme)
818 156 : {
819 156 : TSLexeme *ptr = res,
820 : *basevar;
821 :
822 312 : while (ptr->lexeme)
823 : {
824 156 : uint16 nv = ptr->nvariant;
825 : uint16 i,
826 156 : nlex = 0;
827 : LexemeInfo **infos;
828 :
829 156 : basevar = ptr;
830 312 : while (ptr->lexeme && nv == ptr->nvariant)
831 : {
832 156 : nlex++;
833 156 : ptr++;
834 : }
835 :
836 156 : infos = (LexemeInfo **) palloc(sizeof(LexemeInfo *) * nlex);
837 258 : for (i = 0; i < nlex; i++)
838 156 : if ((infos[i] = findTheLexeme(d, basevar[i].lexeme)) == NULL)
839 54 : break;
840 :
841 156 : if (i < nlex)
842 : {
843 : /* no chance to find */
844 54 : pfree(infos);
845 54 : continue;
846 : }
847 :
848 102 : info = findVariant(info, stored, curpos, infos, nlex);
849 : }
850 : }
851 36 : else if (res)
852 : { /* stop-word */
853 36 : LexemeInfo *infos = findTheLexeme(d, NULL);
854 :
855 36 : info = findVariant(NULL, stored, curpos, &infos, 1);
856 : }
857 : else
858 : {
859 0 : info = NULL; /* word isn't recognized */
860 : }
861 :
862 192 : dstate->private_state = (void *) info;
863 :
864 192 : if (!info)
865 : {
866 96 : dstate->getnext = false;
867 96 : PG_RETURN_POINTER(NULL);
868 : }
869 :
870 96 : if ((res = checkMatch(d, info, curpos, &moreres)) != NULL)
871 : {
872 78 : dstate->getnext = moreres;
873 78 : PG_RETURN_POINTER(res);
874 : }
875 :
876 18 : dstate->getnext = true;
877 :
878 18 : PG_RETURN_POINTER(NULL);
879 : }
|
