]> Sergey Matveev's repositories - public-inbox.git/blobdiff - lib/PublicInbox/Search.pm
update copyright headers and email addresses
[public-inbox.git] / lib / PublicInbox / Search.pm
index d780878975d9af03e2562cfd6249c1585eed68a9..2b33b395e6340544fc0fa1ff142e9587f89235e1 100644 (file)
@@ -1,13 +1,14 @@
-# Copyright (C) 2015, all contributors <meta@public-inbox.org>
+# Copyright (C) 2015 all contributors <meta@public-inbox.org>
 # License: AGPLv3 or later (https://www.gnu.org/licenses/agpl-3.0.txt)
 # based on notmuch, but with no concept of folders, files or flags
 package PublicInbox::Search;
 use strict;
 use warnings;
-use PublicInbox::SearchMsg;
+use constant TS => 0;
 use Search::Xapian qw/:standard/;
+use PublicInbox::SearchMsg;
 use Email::MIME;
-use PublicInbox::MID qw/mid_clean mid_compressed/;
+use PublicInbox::MID qw/mid_clean mid_compress/;
 
 # This is English-only, everything else is non-standard and may be confused as
 # a prefix common in patch emails
@@ -15,34 +16,39 @@ our $REPLY_RE = qr/^re:\s+/i;
 our $LANG = 'english';
 
 use constant {
-       TS => 0,
        # 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 mid_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 '.'
        # 6 - preserve References: order in document data
-       SCHEMA_VERSION => 6,
+       # 7 - remove references and inreplyto terms
+       # 8 - remove redundant/unneeded document data
+       # 9 - disable Message-ID compression
+       SCHEMA_VERSION => 9,
+
+       # n.b. FLAG_PURE_NOT is expensive not suitable for a public website
+       # as it could become a denial-of-service vector
        QP_FLAGS => FLAG_PHRASE|FLAG_BOOLEAN|FLAG_LOVEHATE|FLAG_WILDCARD,
 };
 
 # setup prefixes
 my %bool_pfx_internal = (
        type => 'T', # "mail" or "ghost"
-       mid => 'Q', # uniQue id (Message-ID or mid_compressed)
+       thread => 'G', # newsGroup (or similar entity - e.g. a web forum name)
 );
 
 my %bool_pfx_external = (
        path => 'XPATH',
-       thread => 'G', # newsGroup (or similar entity - e.g. a web forum name)
-       references => 'XREFS',
-       inreplyto => 'XIRT',
+       mid => 'Q', # uniQue id (Message-ID)
 );
 
 my %prob_prefix = (
        subject => 'S',
+       s => 'S', # for mairix compatibility
+       m => 'Q', # 'mid' is exact, 'm' can do partial
 );
 
 my %all_pfx = (%bool_pfx_internal, %bool_pfx_external, %prob_prefix);
@@ -50,7 +56,7 @@ my %all_pfx = (%bool_pfx_internal, %bool_pfx_external, %prob_prefix);
 sub xpfx { $all_pfx{$_[0]} }
 
 our %PFX2TERM_RMAP;
-my %meta_pfx = (mid => 1, thread => 1, path => 1, type => 1);
+my %meta_pfx = (mid => 1, thread => 1, path => 1);
 while (my ($k, $v) = each %all_pfx) {
        $PFX2TERM_RMAP{$v} = $k if $meta_pfx{$k};
 }
@@ -74,29 +80,21 @@ sub reopen { $_[0]->{xdb}->reopen }
 # read-only
 sub query {
        my ($self, $query_string, $opts) = @_;
-       my $query = $self->qp->parse_query($query_string, QP_FLAGS);
+       my $query;
 
        $opts ||= {};
-       $opts->{relevance} = 1;
+       unless ($query_string eq '') {
+               $query = $self->qp->parse_query($query_string, QP_FLAGS);
+               $opts->{relevance} = 1 unless exists $opts->{relevance};
+       }
+
        $self->do_enquire($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, $opts);
-}
-
-# given a message ID, get followups to a message
-sub get_followups {
-       my ($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, $opts);
+       my $q = Search::Xapian::Query->new(xpfx("path").mid_compress($path));
+       $self->do_enquire($q, $opts);
 }
 
 sub get_thread {
@@ -104,9 +102,9 @@ sub get_thread {
        my $smsg = eval { $self->lookup_message($mid) };
 
        return { total => 0, msgs => [] } unless $smsg;
-       my $qp = $self->qp;
-       my $qtid = $qp->parse_query('thread:'.$smsg->thread_id, 0);
-       my $qsub = $qp->parse_query('path:'.mid_compressed($smsg->path), 0);
+       my $qtid = Search::Xapian::Query->new(xpfx('thread').$smsg->thread_id);
+       my $path = mid_compress($smsg->path);
+       my $qsub = Search::Xapian::Query->new(xpfx('path').$path);
        my $query = Search::Xapian::Query->new(OP_OR, $qtid, $qsub);
        $self->do_enquire($query, $opts);
 }
@@ -116,18 +114,22 @@ sub get_thread {
 sub do_enquire {
        my ($self, $query, $opts) = @_;
        my $enquire = $self->enquire;
-
-       $query = Search::Xapian::Query->new(OP_AND, $query, $mail_query);
+       if (defined $query) {
+               $query = Search::Xapian::Query->new(OP_AND,$query,$mail_query);
+       } else {
+               $query = $mail_query;
+       }
        $enquire->set_query($query);
        if ($opts->{relevance}) {
-               $enquire->set_sort_by_relevance_then_value(TS, 0);
+               $enquire->set_sort_by_relevance_then_value(TS, 1);
        } else {
-               $enquire->set_sort_by_value(TS, 0);
+               $enquire->set_sort_by_value_then_relevance(TS, 1);
        }
        $opts ||= {};
        my $offset = $opts->{offset} || 0;
        my $limit = $opts->{limit} || 50;
        my $mset = $enquire->get_mset($offset, $limit);
+       return $mset if $opts->{mset};
        my @msgs = map {
                PublicInbox::SearchMsg->load_doc($_->get_document);
        } $mset->items;
@@ -176,7 +178,6 @@ sub date_range_processor {
 sub lookup_message {
        my ($self, $mid) = @_;
        $mid = mid_clean($mid);
-       $mid = mid_compressed($mid);
 
        my $doc_id = $self->find_unique_doc_id('mid', $mid);
        my $smsg;
@@ -237,9 +238,44 @@ sub subject_normalized {
        $subj;
 }
 
+# for doc data
+sub subject_summary {
+       my $subj = pop;
+       my $max = 68;
+       if (length($subj) > $max) {
+               my @subj = split(/\s+/, $subj);
+               $subj = '';
+               my $l;
+
+               while ($l = shift @subj) {
+                       my $new = $subj . $l . ' ';
+                       last if length($new) >= $max;
+                       $subj = $new;
+               }
+               if ($subj ne '') {
+                       my $r = scalar @subj ? ' ...' : '';
+                       $subj =~ s/ \z/$r/s;
+               } else {
+                       # subject has one REALLY long word, and NOT spam? wtf
+                       @subj = ($l =~ /\A(.{1,72})/);
+                       $subj = $subj[0] . ' ...';
+               }
+       }
+       $subj;
+}
+
 sub enquire {
        my ($self) = @_;
        $self->{enquire} ||= Search::Xapian::Enquire->new($self->{xdb});
 }
 
+sub mid_prefix {
+       my ($self, $mpfx) = @_;
+       my $query = eval { $self->qp->parse_query("m:$mpfx", FLAG_PARTIAL) };
+       return if $@;
+       my $res = $self->do_enquire($query, { relevance => 1 });
+       return unless $res->{total};
+       [ map { $_->mid } @{$res->{msgs}} ];
+}
+
 1;