]> Sergey Matveev's repositories - public-inbox.git/blobdiff - lib/PublicInbox/Search.pm
search: allow testing with current xapian.git and 1.5.x
[public-inbox.git] / lib / PublicInbox / Search.pm
index d9e5fd1f13820575dca626c948e54585a92de682..b739faf1a50c7eae1ae781078a0621fa71e648c4 100644 (file)
-# Copyright (C) 2015, all contributors <meta@public-inbox.org>
-# License: AGPLv3 or later (https://www.gnu.org/licenses/agpl-3.0.txt)
+# Copyright (C) 2015-2020 all contributors <meta@public-inbox.org>
+# License: AGPL-3.0+ <https://www.gnu.org/licenses/agpl-3.0.txt>
 # based on notmuch, but with no concept of folders, files or flags
+#
+# Read-only search interface for use by the web and NNTP interfaces
 package PublicInbox::Search;
 use strict;
-use warnings;
-use PublicInbox::SearchMsg;
-use Search::Xapian qw/:standard/;
-use Email::MIME;
-use PublicInbox::MID qw/mid_clean mid_compressed/;
-
-# This is English-only, everything else is non-standard and may be confused as
-# a prefix common in patch emails
-our $REPLY_RE = qr/^re:\s+/i;
-our $LANG = 'english';
+use parent qw(Exporter);
+our @EXPORT_OK = qw(mdocid);
 
+# values for searching, changing the numeric value breaks
+# compatibility with old indices (so don't change them it)
 use constant {
-       TS => 0,
+       TS => 0, # Received: header in Unix time (IMAP INTERNALDATE)
+       YYYYMMDD => 1, # Date: header for searching in the WWW UI
+       DT => 2, # Date: YYYYMMDDHHMMSS
+
+       # added for public-inbox 1.6.0+
+       BYTES => 3, # IMAP RFC822.SIZE
+       UID => 4, # IMAP UID == NNTP article number == Xapian docid
+       THREADID => 5, # RFC 8474, RFC 8621
+
+       # TODO
+       # REPLYCNT => ?, # IMAP ANSWERED
+
        # SCHEMA_VERSION history
        # 0 - initial
        # 1 - subject_path is lower-cased
-       # 2 - subject_path is mid_compressed in the index, only
+       # 2 - subject_path is id_compress in the index, only
        # 3 - message-ID is compressed if it includes '%' (hack!)
        # 4 - change "Re: " normalization, avoid circular Reference ghosts
        # 5 - subject_path drops trailing '.'
-       SCHEMA_VERSION => 5,
-       QP_FLAGS => FLAG_PHRASE|FLAG_BOOLEAN|FLAG_LOVEHATE|FLAG_WILDCARD,
+       # 6 - preserve References: order in document data
+       # 7 - remove references and inreplyto terms
+       # 8 - remove redundant/unneeded document data
+       # 9 - disable Message-ID compression (SHA-1)
+       # 10 - optimize doc for NNTP overviews
+       # 11 - merge threads when vivifying ghosts
+       # 12 - change YYYYMMDD value column to numeric
+       # 13 - fix threading for empty References/In-Reply-To
+       #      (commit 83425ef12e4b65cdcecd11ddcb38175d4a91d5a0)
+       # 14 - fix ghost root vivification
+       # 15 - see public-inbox-v2-format(5)
+       #      further bumps likely unnecessary, we'll suggest in-place
+       #      "--reindex" use for further fixes and tweaks:
+       #
+       #      public-inbox v1.5.0 adds (still SCHEMA_VERSION=15):
+       #      * "lid:" and "l:" for List-Id searches
+       #
+       #      v1.6.0 adds BYTES, UID and THREADID values
+       SCHEMA_VERSION => 15,
 };
 
-# setup prefixes
-my %bool_pfx_internal = (
-       type => 'T', # "mail" or "ghost"
-       mid => 'Q', # uniQue id (Message-ID or mid_compressed)
-);
+use PublicInbox::Smsg;
+use PublicInbox::Over;
+my $QP_FLAGS;
+our %X = map { $_ => 0 } qw(BoolWeight Database Enquire QueryParser Stem);
+our $Xap; # 'Search::Xapian' or 'Xapian'
+my $NVRP; # '$Xap::'.('NumberValueRangeProcessor' or 'NumberRangeProcessor')
+my $ENQ_ASCENDING;
+
+sub load_xapian () {
+       return 1 if defined $Xap;
+       # n.b. PI_XAPIAN is intended for development use only.  We still
+       # favor Search::Xapian since that's what's available in current
+       # Debian stable (10.x) and derived distros.
+       for my $x (($ENV{PI_XAPIAN} // 'Search::Xapian'), 'Xapian') {
+               eval "require $x";
+               next if $@;
+
+               $x->import(qw(:standard));
+               $Xap = $x;
+
+               # `version_string' was added in Xapian 1.1
+               my $xver = eval('v'.eval($x.'::version_string()')) //
+                               eval('v'.eval($x.'::xapian_version_string()'));
+
+               # NumberRangeProcessor was added in Xapian 1.3.6,
+               # NumberValueRangeProcessor was removed for 1.5.0+,
+               # favor the older /Value/ variant since that's what our
+               # (currently) preferred Search::Xapian supports
+               $NVRP = $x.'::'.($x eq 'Xapian' && $xver ge v1.5 ?
+                       'NumberRangeProcessor' : 'NumberValueRangeProcessor');
+               $X{$_} = $Xap.'::'.$_ for (keys %X);
+
+               # ENQ_ASCENDING doesn't seem exported by SWIG Xapian.pm,
+               # so lets hope this part of the ABI is stable because it's
+               # just an integer:
+               $ENQ_ASCENDING = $x eq 'Xapian' ?
+                               1 : Search::Xapian::ENQ_ASCENDING();
+
+               # for Smsg:
+               *PublicInbox::Smsg::sortable_unserialise =
+                                               $Xap.'::sortable_unserialise';
+               # n.b. FLAG_PURE_NOT is expensive not suitable for a public
+               # website as it could become a denial-of-service vector
+               # FLAG_PHRASE also seems to cause performance problems chert
+               # (and probably earlier Xapian DBs).  glass seems fine...
+               # TODO: make this an option, maybe?
+               # or make indexlevel=medium as default
+               $QP_FLAGS = FLAG_PHRASE() | FLAG_BOOLEAN() | FLAG_LOVEHATE() |
+                               FLAG_WILDCARD();
+               return 1;
+       }
+       undef;
+}
 
+# This is English-only, everything else is non-standard and may be confused as
+# a prefix common in patch emails
+our $LANG = 'english';
+
+# note: the non-X term prefix allocations are shared with
+# Xapian omega, see xapian-applications/omega/docs/termprefixes.rst
 my %bool_pfx_external = (
-       path => 'XPATH',
-       thread => 'G', # newsGroup (or similar entity - e.g. a web forum name)
-       references => 'XREFS',
-       inreplyto => 'XIRT',
+       mid => 'Q', # Message-ID (full/exact), this is mostly uniQue
+       lid => 'G', # newsGroup (or similar entity), just inside <>
+       dfpre => 'XDFPRE',
+       dfpost => 'XDFPOST',
+       dfblob => 'XDFPRE XDFPOST',
 );
 
+my $non_quoted_body = 'XNQ XDFN XDFA XDFB XDFHH XDFCTX XDFPRE XDFPOST';
 my %prob_prefix = (
-       subject => 'S',
+       # for mairix compatibility
+       s => 'S',
+       m => 'XM', # 'mid:' (bool) is exact, 'm:' (prob) can do partial
+       l => 'XL', # 'lid:' (bool) is exact, 'l:' (prob) can do partial
+       f => 'A',
+       t => 'XTO',
+       tc => 'XTO XCC',
+       c => 'XCC',
+       tcf => 'XTO XCC A',
+       a => 'XTO XCC A',
+       b => $non_quoted_body . ' XQUOT',
+       bs => $non_quoted_body . ' XQUOT S',
+       n => 'XFN',
+
+       q => 'XQUOT',
+       nq => $non_quoted_body,
+       dfn => 'XDFN',
+       dfa => 'XDFA',
+       dfb => 'XDFB',
+       dfhh => 'XDFHH',
+       dfctx => 'XDFCTX',
+
+       # default:
+       '' => 'XM S A XQUOT XFN ' . $non_quoted_body,
 );
 
-my %all_pfx = (%bool_pfx_internal, %bool_pfx_external, %prob_prefix);
-
-sub xpfx { $all_pfx{$_[0]} }
-
-our %PFX2TERM_RMAP;
-while (my ($k, $v) = each %all_pfx) {
-       next if $prob_prefix{$k};
-       $PFX2TERM_RMAP{$v} = $k;
+# not documenting m: and mid: for now, the using the URLs works w/o Xapian
+# not documenting lid: for now, either, it is probably redundant with l:,
+# especially since we don't offer boolean searches for To/Cc/From
+# headers, either
+our @HELP = (
+       's:' => 'match within Subject  e.g. s:"a quick brown fox"',
+       'd:' => <<EOF,
+date range as YYYYMMDD  e.g. d:19931002..20101002
+Open-ended ranges such as d:19931002.. and d:..20101002
+are also supported
+EOF
+       'dt:' => <<EOF,
+date-time range as YYYYMMDDhhmmss (e.g. dt:19931002011000..19931002011200)
+EOF
+       'b:' => 'match within message body, including text attachments',
+       'nq:' => 'match non-quoted text within message body',
+       'q:' => 'match quoted text within message body',
+       'n:' => 'match filename of attachment(s)',
+       't:' => 'match within the To header',
+       'c:' => 'match within the Cc header',
+       'f:' => 'match within the From header',
+       'a:' => 'match within the To, Cc, and From headers',
+       'tc:' => 'match within the To and Cc headers',
+       'l:' => 'match contents of the List-Id header',
+       'bs:' => 'match within the Subject and body',
+       'dfn:' => 'match filename from diff',
+       'dfa:' => 'match diff removed (-) lines',
+       'dfb:' => 'match diff added (+) lines',
+       'dfhh:' => 'match diff hunk header context (usually a function name)',
+       'dfctx:' => 'match diff context lines',
+       'dfpre:' => 'match pre-image git blob ID',
+       'dfpost:' => 'match post-image git blob ID',
+       'dfblob:' => 'match either pre or post-image git blob ID',
+);
+chomp @HELP;
+
+sub xdir ($;$) {
+       my ($self, $rdonly) = @_;
+       if ($rdonly || !defined($self->{shard})) {
+               $self->{xpfx};
+       } else { # v2 only:
+               "$self->{xpfx}/$self->{shard}";
+       }
 }
 
-my $mail_query = Search::Xapian::Query->new(xpfx('type') . 'mail');
-
-sub new {
-       my ($class, $git_dir, $writable) = @_;
-       # allow concurrent versions for easier rollback:
-       my $dir = "$git_dir/public-inbox/xapian" . SCHEMA_VERSION;
-       my $db;
-
-       if ($writable) { # not used by the WWW interface
-               require Search::Xapian::WritableDatabase;
-               my $flag = Search::Xapian::DB_OPEN;
-               if ($writable == 1) {
-                       require File::Path;
-                       File::Path::mkpath($dir);
-                       $flag = Search::Xapian::DB_CREATE_OR_OPEN;
+sub _xdb ($) {
+       my ($self) = @_;
+       my $dir = xdir($self, 1);
+       my ($xdb, $slow_phrase);
+       my $qpf = \($self->{qp_flags} ||= $QP_FLAGS);
+       if ($self->{ibx_ver} >= 2) {
+               my @xdb;
+               opendir(my $dh, $dir) or return; # not initialized yet
+
+               # We need numeric sorting so shard[0] is first for reading
+               # Xapian metadata, if needed
+               for (sort { $a <=> $b } grep(/\A[0-9]+\z/, readdir($dh))) {
+                       my $shard_dir = "$dir/$_";
+                       if (-d $shard_dir && -r _) {
+                               push @xdb, $X{Database}->new($shard_dir);
+                               $slow_phrase ||= -f "$shard_dir/iamchert";
+                       } else { # gaps from missing epochs throw off mdocid()
+                               warn "E: $shard_dir missing or unreadable\n";
+                               return;
+                       }
                }
-               $db = Search::Xapian::WritableDatabase->new($dir, $flag);
+               $self->{nshard} = scalar(@xdb);
+               $xdb = shift @xdb;
+               $xdb->add_database($_) for @xdb;
        } else {
-               $db = Search::Xapian::Database->new($dir);
+               $slow_phrase = -f "$dir/iamchert";
+               $xdb = $X{Database}->new($dir);
        }
-       bless { xdb => $db, git_dir => $git_dir }, $class;
+       $$qpf |= FLAG_PHRASE() unless $slow_phrase;
+       $xdb;
 }
 
-sub reopen { $_[0]->{xdb}->reopen }
-
-sub add_message {
-       my ($self, $mime) = @_; # mime = Email::MIME object
-       my $db = $self->{xdb};
-
-       my $doc_id;
-       my $mid_orig = mid_clean($mime->header_obj->header_raw('Message-ID'));
-       my $mid = mid_compressed($mid_orig);
-       my $was_ghost = 0;
-       my $ct_msg = $mime->header('Content-Type') || 'text/plain';
-
-       eval {
-               my $smsg = $self->lookup_message($mid);
-               my $doc;
-
-               if ($smsg) {
-                       $smsg->ensure_metadata;
-                       # convert a ghost to a regular message
-                       # it will also clobber any existing regular message
-                       $smsg->mime($mime);
-                       $doc = $smsg->{doc};
-
-                       my $type = xpfx('type');
-                       eval {
-                               $doc->remove_term($type . 'ghost');
-                               $was_ghost = 1;
-                       };
-
-                       # probably does not exist:
-                       eval { $doc->remove_term($type . 'mail') };
-                       $doc->add_term($type . 'mail');
-               }  else {
-                       $smsg = PublicInbox::SearchMsg->new($mime);
-                       $doc = $smsg->{doc};
-                       $doc->add_term(xpfx('mid') . $mid);
-               }
-
-               my $subj = $smsg->subject;
-
-               if (length $subj) {
-                       $doc->add_term(xpfx('subject') . $subj);
-
-                       my $path = subject_path($subj);
-                       $doc->add_term(xpfx('path') . mid_compressed($path));
-               }
+# v2 Xapian docids don't conflict, so they're identical to
+# NNTP article numbers and IMAP UIDs.
+# https://trac.xapian.org/wiki/FAQ/MultiDatabaseDocumentID
+sub mdocid {
+       my ($nshard, $mitem) = @_;
+       my $docid = $mitem->get_docid;
+       int(($docid - 1) / $nshard) + 1;
+}
 
-               my $from = $smsg->from_name;
-               my $date = $smsg->date;
-               my $ts = Search::Xapian::sortable_serialise($smsg->ts);
-               $doc->add_value(PublicInbox::Search::TS, $ts);
-
-               $doc->set_data($smsg->to_doc_data);
-
-               my $tg = $self->term_generator;
-
-               $tg->set_document($doc);
-               $tg->index_text($subj, 1, 'S') if $subj;
-               $tg->increase_termpos;
-               $tg->index_text($subj) if $subj;
-               $tg->increase_termpos;
-
-               $tg->index_text($smsg->from->format);
-               $tg->increase_termpos;
-
-               $mime->walk_parts(sub {
-                       my ($part) = @_;
-                       return if $part->subparts; # walk_parts already recurses
-                       my $ct = $part->content_type || $ct_msg;
-
-                       # account for filter bugs...
-                       $ct =~ m!\btext/plain\b!i or return;
-
-                       my (@orig, @quot);
-                       my $body = $part->body;
-                       $part->body_set('');
-                       my @lines = split(/\n/, $body);
-                       while (defined(my $l = shift @lines)) {
-                               if ($l =~ /^\s*>/) {
-                                       push @quot, $l;
-                               } else {
-                                       push @orig, $l;
-                               }
-                       }
-                       if (@quot) {
-                               $tg->index_text(join("\n", @quot), 0);
-                               @quot = ();
-                               $tg->increase_termpos;
-                       }
-                       if (@orig) {
-                               $tg->index_text(join("\n", @orig));
-                               @orig = ();
-                               $tg->increase_termpos;
-                       }
-               });
+sub mset_to_artnums {
+       my ($self, $mset) = @_;
+       my $nshard = $self->{nshard} // 1;
+       [ map { mdocid($nshard, $_) } $mset->items ];
+}
 
-               if ($was_ghost) {
-                       $doc_id = $smsg->doc_id;
-                       $self->link_message($smsg, 0);
-                       $db->replace_document($doc_id, $doc);
-               } else {
-                       $self->link_message($smsg, 0);
-                       $doc_id = $db->add_document($doc);
-               }
+sub xdb ($) {
+       my ($self) = @_;
+       $self->{xdb} ||= do {
+               load_xapian();
+               _xdb($self);
        };
+}
 
-       if ($@) {
-               warn "failed to index message <$mid_orig>: $@\n";
-               return undef;
+sub xpfx_init ($) {
+       my ($self) = @_;
+       if ($self->{ibx_ver} == 1) {
+               $self->{xpfx} .= '/public-inbox/xapian' . SCHEMA_VERSION;
+       } else {
+               $self->{xpfx} .= '/xap'.SCHEMA_VERSION;
        }
-       $doc_id;
 }
 
-# returns deleted doc_id on success, undef on missing
-sub remove_message {
-       my ($self, $mid_orig) = @_;
-       my $db = $self->{xdb};
-       my $doc_id;
-       $mid_orig = mid_clean($mid_orig);
-       my $mid = mid_compressed($mid_orig);
-
-       eval {
-               $doc_id = $self->find_unique_doc_id('mid', $mid);
-               $db->delete_document($doc_id) if defined $doc_id;
-       };
+sub new {
+       my ($class, $ibx) = @_;
+       ref $ibx or die "BUG: expected PublicInbox::Inbox object: $ibx";
+       my $self = bless {
+               xpfx => $ibx->{inboxdir}, # for xpfx_init
+               altid => $ibx->{altid},
+               ibx_ver => $ibx->version,
+       }, $class;
+       xpfx_init($self);
+       my $dir = xdir($self, 1);
+       $self->{over_ro} = PublicInbox::Over->new("$dir/over.sqlite3");
+       $self;
+}
 
-       if ($@) {
-               warn "failed to remove message <$mid_orig>: $@\n";
-               return undef;
+sub reopen {
+       my ($self) = @_;
+       if (my $xdb = $self->{xdb}) {
+               $xdb->reopen;
        }
-       $doc_id;
+       $self; # make chaining easier
 }
 
 # read-only
 sub query {
        my ($self, $query_string, $opts) = @_;
-       my $query = $self->qp->parse_query($query_string, QP_FLAGS);
-
-       $self->do_enquire($query, $opts);
+       $opts ||= {};
+       if ($query_string eq '' && !$opts->{mset}) {
+               $self->{over_ro}->recent($opts);
+       } else {
+               my $qp = $self->{qp} //= qparse_new($self);
+               my $qp_flags = $self->{qp_flags};
+               my $query = $qp->parse_query($query_string, $qp_flags);
+               $opts->{relevance} = 1 unless exists $opts->{relevance};
+               _do_enquire($self, $query, $opts);
+       }
 }
 
-sub get_subject_path {
-       my ($self, $path, $opts) = @_;
-       my $query = $self->qp->parse_query("path:".mid_compressed($path), 0);
-       $self->do_enquire($query);
+sub retry_reopen {
+       my ($self, $cb, $arg) = @_;
+       for my $i (1..10) {
+               if (wantarray) {
+                       my @ret;
+                       eval { @ret = $cb->($arg) };
+                       return @ret unless $@;
+               } else {
+                       my $ret;
+                       eval { $ret = $cb->($arg) };
+                       return $ret unless $@;
+               }
+               # Exception: The revision being read has been discarded -
+               # you should call Xapian::Database::reopen()
+               if (ref($@) =~ /\bDatabaseModifiedError\b/) {
+                       warn "reopen try #$i on $@\n";
+                       reopen($self);
+               } else {
+                       # let caller decide how to spew, because ExtMsg queries
+                       # get wonky and trigger:
+                       # "something terrible happened at .../Xapian/Enquire.pm"
+                       die;
+               }
+       }
+       die "Too many Xapian database modifications in progress\n";
 }
 
-# given a message ID, get followups to a message
-sub get_followups {
-       my ($self, $mid, $opts) = @_;
-       $mid = mid_clean($mid);
-       $mid = mid_compressed($mid);
-       my $qp = $self->qp;
-       my $irt = $qp->parse_query("inreplyto:$mid", 0);
-       my $ref = $qp->parse_query("references:$mid", 0);
-       my $query = Search::Xapian::Query->new(OP_OR, $irt, $ref);
-
-       $self->do_enquire($query);
+sub _do_enquire {
+       my ($self, $query, $opts) = @_;
+       retry_reopen($self, \&_enquire_once, [ $self, $query, $opts ]);
 }
 
-sub get_thread {
-       my ($self, $mid, $opts) = @_;
-       my $smsg = eval { $self->lookup_message($mid) };
-
-       return { count => 0, msgs => [] } unless $smsg;
-       my $qp = $self->qp;
-       my $qtid = $qp->parse_query('thread:'.$smsg->thread_id);
-       my $qsub = $qp->parse_query('path:'.mid_compressed($smsg->path));
-       my $query = Search::Xapian::Query->new(OP_OR, $qtid, $qsub);
-       $self->do_enquire($query);
+# returns true if all docs have the THREADID value
+sub has_threadid ($) {
+       my ($self) = @_;
+       (xdb($self)->get_metadata('has_threadid') // '') eq '1';
 }
 
-# private subs below
-
-sub do_enquire {
-       my ($self, $query, $opts) = @_;
-       my $enquire = $self->enquire;
-
-       $query = Search::Xapian::Query->new(OP_AND, $query, $mail_query);
+sub _enquire_once { # retry_reopen callback
+       my ($self, $query, $opts) = @{$_[0]};
+       my $xdb = xdb($self);
+       my $enquire = $X{Enquire}->new($xdb);
        $enquire->set_query($query);
-       $enquire->set_sort_by_relevance_then_value(TS, 0);
        $opts ||= {};
+        my $desc = !$opts->{asc};
+       if (($opts->{mset} || 0) == 2) { # mset == 2: ORDER BY docid/UID
+               $enquire->set_docid_order($ENQ_ASCENDING);
+               $enquire->set_weighting_scheme($X{BoolWeight}->new);
+       } elsif ($opts->{relevance}) {
+               $enquire->set_sort_by_relevance_then_value(TS, $desc);
+       } else {
+               $enquire->set_sort_by_value_then_relevance(TS, $desc);
+       }
+
+       # `mairix -t / --threads' or JMAP collapseThreads
+       if ($opts->{thread} && has_threadid($self)) {
+               $enquire->set_collapse_key(THREADID);
+       }
+
        my $offset = $opts->{offset} || 0;
        my $limit = $opts->{limit} || 50;
        my $mset = $enquire->get_mset($offset, $limit);
-       my @msgs = map {
-               PublicInbox::SearchMsg->load_doc($_->get_document);
-       } $mset->items;
-
-       { count => $mset->get_matches_estimated, msgs => \@msgs }
+       return $mset if $opts->{mset};
+       my $nshard = $self->{nshard} // 1;
+       my $i = 0;
+       my %order = map { mdocid($nshard, $_) => ++$i } $mset->items;
+       my @msgs = sort {
+               $order{$a->{num}} <=> $order{$b->{num}}
+       } @{$self->{over_ro}->get_all(keys %order)};
+       wantarray ? ($mset->get_matches_estimated, \@msgs) : \@msgs;
 }
 
 # read-write
-sub stemmer { Search::Xapian::Stem->new($LANG) }
+sub stemmer { $X{Stem}->new($LANG) }
 
 # read-only
-sub qp {
+sub qparse_new ($) {
        my ($self) = @_;
 
-       my $qp = $self->{query_parser};
-       return $qp if $qp;
-
-       # new parser
-       $qp = Search::Xapian::QueryParser->new;
-       $qp->set_default_op(OP_AND);
-       $qp->set_database($self->{xdb});
-       $qp->set_stemmer($self->stemmer);
-       $qp->set_stemming_strategy(STEM_SOME);
-       $qp->add_valuerangeprocessor($self->ts_range_processor);
-       $qp->add_valuerangeprocessor($self->date_range_processor);
+       my $xdb = xdb($self);
+       my $qp = $X{QueryParser}->new;
+       $qp->set_default_op(OP_AND());
+       $qp->set_database($xdb);
+       $qp->set_stemmer(stemmer($self));
+       $qp->set_stemming_strategy(STEM_SOME());
+       my $cb = $qp->can('set_max_wildcard_expansion') //
+               $qp->can('set_max_expansion'); # Xapian 1.5.0+
+       $cb->($qp, 100);
+       $cb = $qp->can('add_valuerangeprocessor') //
+               $qp->can('add_rangeprocessor'); # Xapian 1.5.0+
+       $cb->($qp, $NVRP->new(YYYYMMDD, 'd:'));
+       $cb->($qp, $NVRP->new(DT, 'dt:'));
+
+       # for IMAP, undocumented for WWW and may be split off go away
+       $cb->($qp, $NVRP->new(BYTES, 'bytes:'));
+       $cb->($qp, $NVRP->new(TS, 'ts:'));
+       $cb->($qp, $NVRP->new(UID, 'uid:'));
 
        while (my ($name, $prefix) = each %bool_pfx_external) {
-               $qp->add_boolean_prefix($name, $prefix);
-       }
-
-       while (my ($name, $prefix) = each %prob_prefix) {
-               $qp->add_prefix($name, $prefix);
+               $qp->add_boolean_prefix($name, $_) foreach split(/ /, $prefix);
        }
 
-       $self->{query_parser} = $qp;
-}
-
-sub term_generator { # write-only
-       my ($self) = @_;
-
-       my $tg = $self->{term_generator};
-       return $tg if $tg;
-
-       $tg = Search::Xapian::TermGenerator->new;
-       $tg->set_stemmer($self->stemmer);
-
-       $self->{term_generator} = $tg;
-}
-
-sub next_doc_id { $_[0]->{xdb}->get_lastdocid + 1 }
-
-# increments last_thread_id counter
-# returns a 64-bit integer represented as a hex string
-sub next_thread_id {
-       my ($self) = @_;
-       my $db = $self->{xdb};
-       my $last_thread_id = int($db->get_metadata('last_thread_id') || 0);
-
-       $db->set_metadata('last_thread_id', ++$last_thread_id);
-
-       $last_thread_id;
-}
-
-sub ts_range_processor {
-       $_[0]->{tsrp} ||= Search::Xapian::NumberValueRangeProcessor->new(TS);
-}
-
-sub date_range_processor {
-       $_[0]->{drp} ||= Search::Xapian::DateValueRangeProcessor->new(TS);
-}
-
-sub link_message {
-       my ($self, $smsg, $is_ghost) = @_;
-
-       if ($is_ghost) {
-               $smsg->ensure_metadata;
-       } else {
-               $self->link_message_to_parents($smsg);
-       }
-}
-
-sub link_message_to_parents {
-       my ($self, $smsg) = @_;
-       my $doc = $smsg->{doc};
-       my $mid = mid_compressed($smsg->mid);
-       my $mime = $smsg->mime;
-       my $refs = $mime->header_obj->header_raw('References');
-       my @refs = $refs ? ($refs =~ /<([^>]+)>/g) : ();
-       my $irt = $mime->header_obj->header_raw('In-Reply-To');
-       if ($irt) {
-               if ($irt =~ /<([^>]+)>/) {
-                       $irt = $1;
-               }
-
-               # maybe some crazies will try to make a circular reference:
-               if ($irt eq $mid) {
-                       $irt = undef;
-               } else {
-                       push @refs, $irt;
+       # we do not actually create AltId objects,
+       # just parse the spec to avoid the extra DB handles for now.
+       if (my $altid = $self->{altid}) {
+               my $user_pfx = $self->{-user_pfx} = [];
+               for (@$altid) {
+                       # $_ = 'serial:gmane:/path/to/gmane.msgmap.sqlite3'
+                       # note: Xapian supports multibyte UTF-8, /^[0-9]+$/,
+                       # and '_' with prefixes matching \w+
+                       /\Aserial:(\w+):/ or next;
+                       my $pfx = $1;
+                       push @$user_pfx, "$pfx:", <<EOF;
+alternate serial number  e.g. $pfx:12345 (boolean)
+EOF
+                       # gmane => XGMANE
+                       $qp->add_boolean_prefix($pfx, 'X'.uc($pfx));
                }
+               chomp @$user_pfx;
        }
 
-       my $tid;
-       if (@refs) {
-               my @crefs = map { mid_compressed($_) } @refs;
-               my %uniq = ($mid => 1);
-
-               # prevent circular references via References: here:
-               @refs = ();
-               foreach my $ref (@crefs) {
-                       next if $uniq{$ref};
-                       $uniq{$ref} = 1;
-                       push @refs, $ref;
-               }
-               $irt = undef if (defined $irt && !$uniq{$irt});
-       }
-       if (@refs) {
-               if (defined $irt) {
-                       $doc->add_term(xpfx('inreplyto') . $irt);
-               }
-
-               my $ref_pfx = xpfx('references');
-
-               # first ref *should* be the thread root,
-               # but we can never trust clients to do the right thing
-               my $ref = shift @refs;
-               $doc->add_term($ref_pfx . $ref);
-               $tid = $self->_resolve_mid_to_tid($ref);
-
-               # the rest of the refs should point to this tid:
-               foreach $ref (@refs) {
-                       $doc->add_term($ref_pfx . $ref);
-                       my $ptid = $self->_resolve_mid_to_tid($ref);
-                       if ($tid ne $ptid) {
-                               $self->merge_threads($tid, $ptid);
-                       }
-               }
-       } else {
-               $tid = $self->next_thread_id;
-       }
-       $doc->add_term(xpfx('thread') . $tid);
-}
-
-sub lookup_message {
-       my ($self, $mid) = @_;
-       $mid = mid_clean($mid);
-       $mid = mid_compressed($mid);
-
-       my $doc_id = $self->find_unique_doc_id('mid', $mid);
-       my $smsg;
-       if (defined $doc_id) {
-               # raises on error:
-               my $doc = $self->{xdb}->get_document($doc_id);
-               $smsg = PublicInbox::SearchMsg->wrap($doc, $mid);
-               $smsg->doc_id($doc_id);
-       }
-       $smsg;
-}
-
-sub find_unique_doc_id {
-       my ($self, $term, $value) = @_;
-
-       my ($begin, $end) = $self->find_doc_ids($term, $value);
-
-       return undef if $begin->equal($end); # not found
-
-       my $rv = $begin->get_docid;
-
-       # sanity check
-       $begin->inc;
-       $begin->equal($end) or die "Term '$term:$value' is not unique\n";
-       $rv;
-}
-
-# returns begin and end PostingIterator
-sub find_doc_ids {
-       my ($self, $term, $value) = @_;
-
-       $self->find_doc_ids_for_term(xpfx($term) . $value);
-}
-
-# returns begin and end PostingIterator
-sub find_doc_ids_for_term {
-       my ($self, $term) = @_;
-       my $db = $self->{xdb};
-
-       ($db->postlist_begin($term), $db->postlist_end($term));
-}
-
-# this will create a ghost as necessary
-sub _resolve_mid_to_tid {
-       my ($self, $mid) = @_;
-
-       my $smsg = $self->lookup_message($mid) || $self->create_ghost($mid);
-       $smsg->thread_id;
-}
-
-sub create_ghost {
-       my ($self, $mid, $tid) = @_;
-
-       $mid = mid_compressed($mid);
-       $tid = $self->next_thread_id unless defined $tid;
-
-       my $doc = Search::Xapian::Document->new;
-       $doc->add_term(xpfx('mid') . $mid);
-       $doc->add_term(xpfx('thread') . $tid);
-       $doc->add_term(xpfx('type') . 'ghost');
-
-       my $smsg = PublicInbox::SearchMsg->wrap($doc, $mid);
-       $self->link_message($smsg, 1);
-       $self->{xdb}->add_document($doc);
-
-       $smsg;
-}
-
-sub merge_threads {
-       my ($self, $winner_tid, $loser_tid) = @_;
-       my ($head, $tail) = $self->find_doc_ids('thread', $loser_tid);
-       my $thread_pfx = xpfx('thread');
-       my $db = $self->{xdb};
-
-       for (; $head != $tail; $head->inc) {
-               my $docid = $head->get_docid;
-               my $doc = $db->get_document($docid);
-               $doc->remove_term($thread_pfx . $loser_tid);
-               $doc->add_term($thread_pfx . $winner_tid);
-               $db->replace_document($docid, $doc);
+       while (my ($name, $prefix) = each %prob_prefix) {
+               $qp->add_prefix($name, $_) foreach split(/ /, $prefix);
        }
+       $qp;
 }
 
-# normalize subjects so they are suitable as pathnames for URLs
-sub subject_path {
-       my $subj = pop;
-       $subj = subject_normalized($subj);
-       $subj =~ s![^a-zA-Z0-9_\.~/\-]+!_!g;
-       lc($subj);
-}
-
-sub subject_normalized {
-       my $subj = pop;
-       $subj =~ s/\A\s+//s; # no leading space
-       $subj =~ s/\s+\z//s; # no trailing space
-       $subj =~ s/\s+/ /gs; # no redundant spaces
-       $subj =~ s/\.+\z//; # no trailing '.'
-       $subj =~ s/$REPLY_RE//igo; # remove reply prefix
-       $subj;
-}
-
-sub do_cat_mail {
-       my ($git, $blob) = @_;
-       my $mime = eval {
-               my $str = $git->cat_file($blob);
-               Email::MIME->new($str);
-       };
-       $@ ? undef : $mime;
-}
-
-sub index_blob {
-       my ($self, $git, $blob) = @_;
-       my $mime = do_cat_mail($git, $blob) or return;
-       eval { $self->add_message($mime) };
-       warn "W: index_blob $blob: $@\n" if $@;
-}
-
-sub unindex_blob {
-       my ($self, $git, $blob) = @_;
-       my $mime = do_cat_mail($git, $blob) or return;
-       my $mid = $mime->header_obj->header_raw('Message-ID');
-       eval { $self->remove_message($mid) } if defined $mid;
-       warn "W: unindex_blob $blob: $@\n" if $@;
-}
-
-sub enquire {
+sub help {
        my ($self) = @_;
-       $self->{enquire} ||= Search::Xapian::Enquire->new($self->{xdb});
-}
-
-# indexes all unindexed messages
-sub index_sync {
-       my ($self, $head) = @_;
-       require PublicInbox::GitCatFile;
-       my $db = $self->{xdb};
-       my $hex = '[a-f0-9]';
-       my $h40 = $hex .'{40}';
-       my $addmsg = qr!^:000000 100644 \S+ ($h40) A\t${hex}{2}/${hex}{38}$!;
-       my $delmsg = qr!^:100644 000000 ($h40) \S+ D\t${hex}{2}/${hex}{38}$!;
-       $head ||= 'HEAD';
-
-       $db->begin_transaction;
-       eval {
-               my $git = PublicInbox::GitCatFile->new($self->{git_dir});
-
-               my $latest = $db->get_metadata('last_commit');
-               my $range = length $latest ? "$latest..$head" : $head;
-               $latest = undef;
-
-               # get indexed messages
-               my @cmd = ('git', "--git-dir=$self->{git_dir}", "log",
-                           qw/--reverse --no-notes --no-color --raw -r
-                              --no-abbrev/, $range);
-               my $pid = open(my $log, '-|', @cmd) or
-                       die('open` '.join(' ', @cmd) . " pipe failed: $!\n");
-
-               while (my $line = <$log>) {
-                       if ($line =~ /$addmsg/o) {
-                               $self->index_blob($git, $1);
-                       } elsif ($line =~ /$delmsg/o) {
-                               $self->unindex_blob($git, $1);
-                       } elsif ($line =~ /^commit ($h40)/o) {
-                               $latest = $1;
-                       }
-               }
-               close $log;
-               $db->set_metadata('last_commit', $latest) if defined $latest;
-       };
-       if ($@) {
-               warn "indexing failed: $@\n";
-               $db->cancel_transaction;
-       } else {
-               $db->commit_transaction;
+       $self->{qp} //= qparse_new($self); # parse altids
+       my @ret = @HELP;
+       if (my $user_pfx = $self->{-user_pfx}) {
+               push @ret, @$user_pfx;
        }
+       \@ret;
 }
 
 1;