t/search.t

   1 # Copyright (C) 2015-2020 all contributors <meta@public-inbox.org>
   2 # License: AGPL-3.0+ <https://www.gnu.org/licenses/agpl-3.0.txt>
   3 use strict;
   4 use warnings;
   5 use Test::More;
   6 use PublicInbox::TestCommon;
   7 require_mods(qw(DBD::SQLite Search::Xapian));
   8 require PublicInbox::SearchIdx;
   9 require PublicInbox::Inbox;
  10 require PublicInbox::InboxWritable;
  11 use PublicInbox::Eml;
  12 my ($tmpdir, $for_destroy) = tmpdir();
  13 my $git_dir = "$tmpdir/a.git";
  14 my $ibx = PublicInbox::Inbox->new({ inboxdir => $git_dir });
  15 my ($root_id, $last_id);
  16
  17 is(0, xsys(qw(git init --shared -q --bare), $git_dir), "git init (main)")
  18         or BAIL_OUT("`git init --shared' failed, weird FS or seccomp?");
  19 eval { PublicInbox::Search->new($ibx)->xdb };
  20 ok($@, "exception raised on non-existent DB");
  21
  22 my $rw = PublicInbox::SearchIdx->new($ibx, 1);
  23 $ibx->with_umask(sub {
  24         $rw->idx_acquire;
  25         $rw->idx_release;
  26 });
  27 $rw = undef;
  28 my $ro = PublicInbox::Search->new($ibx);
  29 my $rw_commit = sub {
  30         $rw->commit_txn_lazy if $rw;
  31         $rw = PublicInbox::SearchIdx->new($ibx, 1);
  32         $rw->{qp_flags} = 0; # quiet a warning
  33         $rw->begin_txn_lazy;
  34 };
  35
  36 sub oct_is ($$$) {
  37         my ($got, $exp, $msg) = @_;
  38         is(sprintf('0%03o', $got), sprintf('0%03o', $exp), $msg);
  39 }
  40
  41 {
  42         # git repository perms
  43         oct_is($ibx->_git_config_perm(),
  44                 &PublicInbox::InboxWritable::PERM_GROUP,
  45                 'undefined permission is group');
  46         my @t = (
  47                 [ '0644', 0022, '644 => umask(0022)' ],
  48                 [ '0600', 0077, '600 => umask(0077)' ],
  49                 [ '0640', 0027, '640 => umask(0027)' ],
  50                 [ 'group', 0007, 'group => umask(0007)' ],
  51                 [ 'everybody', 0002, 'everybody => umask(0002)' ],
  52                 [ 'umask', umask, 'umask => existing umask' ],
  53         );
  54         for (@t) {
  55                 my ($perm, $exp, $msg) = @$_;
  56                 my $got = PublicInbox::InboxWritable::_umask_for(
  57                         PublicInbox::InboxWritable->_git_config_perm($perm));
  58                 oct_is($got, $exp, $msg);
  59         }
  60 }
  61
  62 {
  63         my $crlf_adjust = \&PublicInbox::SearchIdx::crlf_adjust;
  64         is($crlf_adjust->("hi\r\nworld\r\n"), 0, 'no adjustment needed');
  65         is($crlf_adjust->("hi\nworld\n"), 2, 'LF-only counts two CR');
  66         is($crlf_adjust->("hi\r\nworld\n"), 1, 'CRLF/LF-mix 1 counts 1 CR');
  67         is($crlf_adjust->("hi\nworld\r\n"), 1, 'CRLF/LF-mix 2 counts 1 CR');
  68 }
  69
  70 $ibx->with_umask(sub {
  71         my $root = PublicInbox::Eml->new(<<'EOF');
  72 Date: Fri, 02 Oct 1993 00:00:00 +0000
  73 Subject: Hello world
  74 Message-ID: <root@s>
  75 From: John Smith <js@example.com>
  76 To: list@example.com
  77 List-Id: I'm not mad <i.m.just.bored>
  78
  79 \m/
  80 EOF
  81         my $last = PublicInbox::Eml->new(<<'EOF');
  82 Date: Sat, 02 Oct 2010 00:00:00 +0000
  83 Subject: Re: Hello world
  84 In-Reply-To: <root@s>
  85 Message-ID: <last@s>
  86 From: John Smith <js@example.com>
  87 To: list@example.com
  88 Cc: foo@example.com
  89 List-Id: there's nothing <left.for.me.to.do>
  90
  91 goodbye forever :<
  92 EOF
  93         my $rv;
  94         $rw_commit->();
  95         $root_id = $rw->add_message($root);
  96         is($root_id, int($root_id), "root_id is an integer: $root_id");
  97         $last_id = $rw->add_message($last);
  98         is($last_id, int($last_id), "last_id is an integer: $last_id");
  99 });
 100
 101 sub filter_mids {
 102         my ($msgs) = @_;
 103         sort(map { $_->{mid} } @$msgs);
 104 }
 105
 106 {
 107         $rw_commit->();
 108         $ro->reopen;
 109         my $found = $ro->query('m:root@s');
 110         is(scalar(@$found), 1, "message found");
 111         is($found->[0]->{mid}, 'root@s', 'mid set correctly') if @$found;
 112
 113         my ($res, @res);
 114         my @exp = sort qw(root@s last@s);
 115
 116         $res = $ro->query('s:(Hello world)');
 117         @res = filter_mids($res);
 118         is_deeply(\@res, \@exp, 'got expected results for s:() match');
 119
 120         $res = $ro->query('s:"Hello world"');
 121         @res = filter_mids($res);
 122         is_deeply(\@res, \@exp, 'got expected results for s:"" match');
 123
 124         $res = $ro->query('s:"Hello world"', {limit => 1});
 125         is(scalar @$res, 1, "limit works");
 126         my $first = $res->[0];
 127
 128         $res = $ro->query('s:"Hello world"', {offset => 1});
 129         is(scalar @$res, 1, "offset works");
 130         my $second = $res->[0];
 131
 132         isnt($first, $second, "offset returned different result from limit");
 133 }
 134
 135 # ghost vivication
 136 $ibx->with_umask(sub {
 137         $rw_commit->();
 138         my $rmid = '<ghost-message@s>';
 139         my $reply_to_ghost = PublicInbox::Eml->new(<<"EOF");
 140 Date: Sat, 02 Oct 2010 00:00:00 +0000
 141 Subject: Re: ghosts
 142 Message-ID: <ghost-reply\@s>
 143 In-Reply-To: $rmid
 144 From: Time Traveler <tt\@example.com>
 145 To: list\@example.com
 146
 147 -_-
 148 EOF
 149         my $rv;
 150         my $reply_id = $rw->add_message($reply_to_ghost);
 151         is($reply_id, int($reply_id), "reply_id is an integer: $reply_id");
 152
 153         my $was_ghost = PublicInbox::Eml->new(<<"EOF");
 154 Date: Sat, 02 Oct 2010 00:00:01 +0000
 155 Subject: ghosts
 156 Message-ID: $rmid
 157 From: Laggy Sender <lag\@example.com>
 158 To: list\@example.com
 159
 160 are real
 161 EOF
 162         my $ghost_id = $rw->add_message($was_ghost);
 163         is($ghost_id, int($ghost_id), "ghost_id is an integer: $ghost_id");
 164         my $msgs = $rw->{oidx}->get_thread('ghost-message@s');
 165         is(scalar(@$msgs), 2, 'got both messages in ghost thread');
 166         foreach (qw(sid tid)) {
 167                 is($msgs->[0]->{$_}, $msgs->[1]->{$_}, "{$_} match");
 168         }
 169         isnt($msgs->[0]->{num}, $msgs->[1]->{num}, "num do not match");
 170         ok($_->{num} > 0, 'positive art num') foreach @$msgs
 171 });
 172
 173 # search thread on ghost
 174 {
 175         $rw_commit->();
 176         $ro->reopen;
 177
 178         # subject
 179         my $res = $ro->query('ghost');
 180         my @exp = sort qw(ghost-message@s ghost-reply@s);
 181         my @res = filter_mids($res);
 182         is_deeply(\@res, \@exp, 'got expected results for Subject match');
 183
 184         # body
 185         $res = $ro->query('goodbye');
 186         is(scalar(@$res), 1, "goodbye message found");
 187         is($res->[0]->{mid}, 'last@s', 'got goodbye message body') if @$res;
 188
 189         # datestamp
 190         $res = $ro->query('dt:20101002000001..20101002000001');
 191         @res = filter_mids($res);
 192         is_deeply(\@res, ['ghost-message@s'], 'exact Date: match works');
 193         $res = $ro->query('dt:20101002000002..20101002000002');
 194         is_deeply($res, [], 'exact Date: match down to the second');
 195 }
 196
 197 # long message-id
 198 $ibx->with_umask(sub {
 199         $rw_commit->();
 200         $ro->reopen;
 201         my $long_mid = 'last' . ('x' x 60). '@s';
 202         my $long = PublicInbox::Eml->new(<<EOF);
 203 Date: Sat, 02 Oct 2010 00:00:00 +0000
 204 Subject: long message ID
 205 References: <root\@s> <last\@s>
 206 In-Reply-To: <last\@s>
 207 Message-ID: <$long_mid>,
 208 From: "Long I.D." <long-id\@example.com>
 209 To: list\@example.com
 210
 211 wut
 212 EOF
 213         my $long_id = $rw->add_message($long);
 214         is($long_id, int($long_id), "long_id is an integer: $long_id");
 215
 216         $rw_commit->();
 217         $ro->reopen;
 218         my $res;
 219         my @res;
 220
 221         my $long_reply_mid = 'reply-to-long@1';
 222         my $long_reply = PublicInbox::Eml->new(<<EOF);
 223 Subject: I break references
 224 Date: Sat, 02 Oct 2010 00:00:00 +0000
 225 Message-ID: <$long_reply_mid>
 226 In-Reply-To: <$long_mid>
 227 From: no1 <no1\@example.com>
 228 To: list\@example.com
 229
 230 no References
 231 EOF
 232         ok($rw->add_message($long_reply) > $long_id, "inserted long reply");
 233
 234         $rw_commit->();
 235         $ro->reopen;
 236         my $t = $ro->{over_ro}->get_thread('root@s');
 237         is(scalar(@$t), 4, "got all 4 messages in thread");
 238         my @exp = sort($long_reply_mid, 'root@s', 'last@s', $long_mid);
 239         @res = filter_mids($t);
 240         is_deeply(\@res, \@exp, "get_thread works");
 241 });
 242
 243 # quote prioritization
 244 $ibx->with_umask(sub {
 245         $rw_commit->();
 246         $rw->add_message(PublicInbox::Eml->new(<<'EOF'));
 247 Date: Sat, 02 Oct 2010 00:00:01 +0000
 248 Subject: Hello
 249 Message-ID: <quote@a>
 250 From: Quoter <quoter@example.com>
 251 To: list@example.com
 252
 253 > theatre illusions
 254 fade
 255 EOF
 256         $rw->add_message(PublicInbox::Eml->new(<<'EOF'));
 257 Date: Sat, 02 Oct 2010 00:00:02 +0000
 258 Subject: Hello
 259 Message-ID: <nquote@a>
 260 From: Non-Quoter<non-quoter@example.com>
 261 To: list@example.com
 262
 263 theatre
 264 fade
 265 EOF
 266         $rw_commit->();
 267         my $res = $ro->reopen->query("theatre");
 268         is(scalar(@$res), 2, "got both matches");
 269         if (@$res == 2) {
 270                 is($res->[0]->{mid}, 'nquote@a', 'non-quoted scores higher');
 271                 is($res->[1]->{mid}, 'quote@a', 'quoted result still returned');
 272         }
 273         $res = $ro->query("illusions");
 274         is(scalar(@$res), 1, "got a match for quoted text");
 275         is($res->[0]->{mid}, 'quote@a',
 276                 "quoted result returned if nothing else") if scalar(@$res);
 277 });
 278
 279 # circular references
 280 $ibx->with_umask(sub {
 281         my $s = 'foo://'. ('Circle' x 15).'/foo';
 282         my $doc_id = $rw->add_message(PublicInbox::Eml->new(<<EOF));
 283 Subject: $s
 284 Date: Sat, 02 Oct 2010 00:00:01 +0000
 285 Message-ID: <circle\@a>
 286 References: <circle\@a>
 287 In-Reply-To: <circle\@a>
 288 From: Circle <circle\@example.com>
 289 To: list\@example.com
 290
 291 LOOP!
 292 EOF
 293         ok($doc_id > 0, "doc_id defined with circular reference");
 294         $rw_commit->();
 295         my $smsg = $ro->reopen->query('m:circle@a', {limit=>1})->[0];
 296         is(defined($smsg), 1, 'found m:circl@a');
 297         if (defined $smsg) {
 298                 is($smsg->{references}, '', "no references created");
 299                 is($smsg->{subject}, $s, 'long subject not rewritten');
 300         }
 301 });
 302
 303 {
 304         my $msgs = $ro->query('d:19931002..20101002');
 305         ok(scalar(@$msgs) > 0, 'got results within range');
 306         $msgs = $ro->query('d:20101003..');
 307         is(scalar(@$msgs), 0, 'nothing after 20101003');
 308         $msgs = $ro->query('d:..19931001');
 309         is(scalar(@$msgs), 0, 'nothing before 19931001');
 310 }
 311
 312 $ibx->with_umask(sub {
 313         my $mime = eml_load 't/utf8.eml';
 314         my $doc_id = $rw->add_message($mime);
 315         ok($doc_id > 0, 'message indexed doc_id with UTF-8');
 316         $rw_commit->();
 317         my $msg = $ro->reopen->
 318                 query('m:testmessage@example.com', {limit => 1})->[0];
 319         is(defined($msg), 1, 'found testmessage@example.com');
 320         if (defined $msg) {
 321                 is($mime->header('Subject'), $msg->{subject},
 322                         'UTF-8 subject preserved');
 323         }
 324 });
 325
 326 # names and addresses
 327 {
 328         my $mset = $ro->query('t:list@example.com', {mset => 1});
 329         is($mset->size, 9, 'searched To: successfully');
 330         foreach my $m ($mset->items) {
 331                 my $smsg = $ro->{over_ro}->get_art($m->get_docid);
 332                 like($smsg->{to}, qr/\blist\@example\.com\b/, 'to appears');
 333                 my $doc = $m->get_document;
 334                 my $col = PublicInbox::Search::BYTES();
 335                 my $bytes = PublicInbox::Smsg::get_val($doc, $col);
 336                 like($bytes, qr/\A[0-9]+\z/, '$bytes stored as digit');
 337                 ok($bytes > 0, '$bytes is > 0');
 338                 is($bytes, $smsg->{bytes}, 'bytes Xapian value matches Over');
 339
 340                 $col = PublicInbox::Search::UID();
 341                 my $uid = PublicInbox::Smsg::get_val($doc, $col);
 342                 is($uid, $smsg->{num}, 'UID column matches {num}');
 343                 is($uid, $m->get_docid, 'UID column matches docid');
 344         }
 345
 346         $mset = $ro->query('tc:list@example.com', {mset => 1});
 347         is($mset->size, 9, 'searched To+Cc: successfully');
 348         foreach my $m ($mset->items) {
 349                 my $smsg = $ro->{over_ro}->get_art($m->get_docid);
 350                 my $tocc = join("\n", $smsg->{to}, $smsg->{cc});
 351                 like($tocc, qr/\blist\@example\.com\b/, 'tocc appears');
 352         }
 353
 354         foreach my $pfx ('tcf:', 'c:') {
 355                 my $mset = $ro->query($pfx . 'foo@example.com', { mset => 1 });
 356                 is($mset->items, 1, "searched $pfx successfully for Cc:");
 357                 foreach my $m ($mset->items) {
 358                         my $smsg = $ro->{over_ro}->get_art($m->get_docid);
 359                         like($smsg->{cc}, qr/\bfoo\@example\.com\b/,
 360                                 'cc appears');
 361                 }
 362         }
 363
 364         foreach my $pfx ('', 'tcf:', 'f:') {
 365                 my $res = $ro->query($pfx . 'Laggy');
 366                 is(scalar(@$res), 1,
 367                         "searched $pfx successfully for From:");
 368                 foreach my $smsg (@$res) {
 369                         like($smsg->{from_name}, qr/Laggy Sender/,
 370                                 "From appears with $pfx");
 371                 }
 372         }
 373 }
 374
 375 {
 376         $rw_commit->();
 377         $ro->reopen;
 378         my $res = $ro->query('b:hello');
 379         is(scalar(@$res), 0, 'no match on body search only');
 380         $res = $ro->query('bs:smith');
 381         is(scalar(@$res), 0,
 382                 'no match on body+subject search for From');
 383
 384         $res = $ro->query('q:theatre');
 385         is(scalar(@$res), 1, 'only one quoted body');
 386         like($res->[0]->{from_name}, qr/\AQuoter/,
 387                 'got quoted body') if (scalar(@$res));
 388
 389         $res = $ro->query('nq:theatre');
 390         is(scalar @$res, 1, 'only one non-quoted body');
 391         like($res->[0]->{from_name}, qr/\ANon-Quoter/,
 392                 'got non-quoted body') if (scalar(@$res));
 393
 394         foreach my $pfx (qw(b: bs:)) {
 395                 $res = $ro->query($pfx . 'theatre');
 396                 is(scalar @$res, 2, "searched both bodies for $pfx");
 397                 like($res->[0]->{from_name}, qr/\ANon-Quoter/,
 398                         "non-quoter first for $pfx") if scalar(@$res);
 399         }
 400 }
 401
 402 $ibx->with_umask(sub {
 403         my $amsg = eml_load 't/search-amsg.eml';
 404         my $oid = ('0'x40);
 405         my $smsg = bless { blob => $oid }, 'PublicInbox::Smsg';
 406         ok($rw->add_message($amsg, $smsg), 'added attachment');
 407         $rw_commit->();
 408         $ro->reopen;
 409         my $n = $ro->query('n:attached_fart.txt');
 410         is(scalar @$n, 1, 'got result for n:');
 411         my $res = $ro->query('part_deux.txt');
 412         is(scalar @$res, 1, 'got result without n:');
 413         is($n->[0]->{mid}, $res->[0]->{mid},
 414                 'same result with and without') if scalar(@$res);
 415         my $txt = $ro->query('"inside another"');
 416         is(scalar @$txt, 1, 'found inside another');
 417         is($txt->[0]->{mid}, $res->[0]->{mid},
 418                 'search inside text attachments works') if scalar(@$txt);
 419
 420         my $art;
 421         if (scalar(@$n) >= 1) {
 422                 my $mid = $n->[0]->{mid};
 423                 my ($id, $prev);
 424                 $art = $ro->{over_ro}->next_by_mid($mid, \$id, \$prev);
 425                 ok($art, 'article exists in OVER DB');
 426         }
 427         $rw->_msgmap_init;
 428         $rw->unindex_eml($oid, $amsg);
 429         $rw->commit_txn_lazy;
 430         SKIP: {
 431                 skip('$art not defined', 1) unless defined $art;
 432                 is($ro->{over_ro}->get_art($art->{num}), undef,
 433                         'gone from OVER DB');
 434         };
 435 });
 436
 437 my $all_mask = 07777;
 438 my $dir_mask = 02770;
 439
 440 # FreeBSD and apparently OpenBSD does not allow non-root users to set S_ISGID,
 441 # so git doesn't set it, either (see DIR_HAS_BSD_GROUP_SEMANTICS in git.git)
 442 if ($^O =~ /(?:free|open)bsd/i) {
 443         $all_mask = 0777;
 444         $dir_mask = 0770;
 445 }
 446
 447 foreach my $f ("$git_dir/public-inbox/msgmap.sqlite3",
 448                 "$git_dir/public-inbox",
 449                 glob("$git_dir/public-inbox/xapian*/"),
 450                 glob("$git_dir/public-inbox/xapian*/*")) {
 451         my @st = stat($f);
 452         my ($bn) = (split(m!/!, $f))[-1];
 453         oct_is($st[2] & $all_mask, -f _ ? 0660 : $dir_mask,
 454                 "sharedRepository respected for $bn");
 455 }
 456
 457 $ibx->with_umask(sub {
 458         $rw_commit->();
 459         my $digits = '10010260936330';
 460         my $ua = 'Pine.LNX.4.10';
 461         my $mid = "$ua.$digits.2460-100000\@penguin.transmeta.com";
 462         is($ro->reopen->query("m:$digits", { mset => 1})->size, 0,
 463                 'no results yet');
 464         my $pine = PublicInbox::Eml->new(<<EOF);
 465 Subject: blah
 466 Message-ID: <$mid>
 467 From: torvalds\@transmeta
 468 To: list\@example.com
 469
 470 EOF
 471         my $x = $rw->add_message($pine);
 472         $rw->commit_txn_lazy;
 473         is($ro->reopen->query("m:$digits", { mset => 1})->size, 1,
 474                 'searching only digit yielded result');
 475
 476         my $wild = $digits;
 477         for my $i (1..6) {
 478                 chop($wild);
 479                 is($ro->query("m:$wild*", { mset => 1})->size, 1,
 480                         "searching chopped($i) digit yielded result $wild ");
 481         }
 482         is($ro->query("m:Pine m:LNX m:10010260936330", {mset=>1})->size, 1);
 483 });
 484
 485 { # List-Id searching
 486         my $found = $ro->query('lid:i.m.just.bored');
 487         is_deeply([ filter_mids($found) ], [ 'root@s' ],
 488                 'got expected mid on exact lid: search');
 489
 490         $found = $ro->query('lid:just.bored');
 491         is_deeply($found, [], 'got nothing on lid: search');
 492
 493         $found = $ro->query('lid:*.just.bored');
 494         is_deeply($found, [], 'got nothing on lid: search');
 495
 496         $found = $ro->query('l:i.m.just.bored');
 497         is_deeply([ filter_mids($found) ], [ 'root@s' ],
 498                 'probabilistic search works on full List-Id contents');
 499
 500         $found = $ro->query('l:just.bored');
 501         is_deeply([ filter_mids($found) ], [ 'root@s' ],
 502                 'probabilistic search works on partial List-Id contents');
 503
 504         $found = $ro->query('lid:mad');
 505         is_deeply($found, [], 'no match on phrase with lid:');
 506
 507         $found = $ro->query('lid:bored');
 508         is_deeply($found, [], 'no match on partial List-Id with lid:');
 509
 510         $found = $ro->query('l:nothing');
 511         is_deeply($found, [], 'matched on phrase with l:');
 512 }
 513
 514 $ibx->with_umask(sub {
 515         $rw_commit->();
 516         my $doc_id = $rw->add_message(eml_load('t/data/message_embed.eml'));
 517         ok($doc_id > 0, 'messages within messages');
 518         $rw->commit_txn_lazy;
 519         $ro->reopen;
 520         my $n_test_eml = $ro->query('n:test.eml');
 521         is(scalar(@$n_test_eml), 1, 'got a result');
 522         my $n_embed2x_eml = $ro->query('n:embed2x.eml');
 523         is_deeply($n_test_eml, $n_embed2x_eml, '.eml filenames searchable');
 524         for my $m (qw(20200418222508.GA13918@dcvr 20200418222020.GA2745@dcvr
 525                         20200418214114.7575-1-e@yhbt.net)) {
 526                 is($ro->query("m:$m")->[0]->{mid},
 527                         '20200418222508.GA13918@dcvr', 'probabilistic m:'.$m);
 528                 is($ro->query("mid:$m")->[0]->{mid},
 529                         '20200418222508.GA13918@dcvr', 'boolean mid:'.$m);
 530         }
 531         is($ro->query('dfpost:4dc62c50')->[0]->{mid},
 532                 '20200418222508.GA13918@dcvr',
 533                 'diff search reaches inside message/rfc822');
 534         is($ro->query('s:"mail header experiments"')->[0]->{mid},
 535                 '20200418222508.GA13918@dcvr',
 536                 'Subject search reaches inside message/rfc822');
 537 });
 538
 539 done_testing();
 540
 541 1;