]> Sergey Matveev's repositories - public-inbox.git/blobdiff - lib/PublicInbox/SearchMsg.pm
treewide: run update-copyrights from gnulib for 2019
[public-inbox.git] / lib / PublicInbox / SearchMsg.pm
index 619a19d4d76e2749f672c592621e760485ab17e9..42384936b923364bb17fc515bd6b39c0d83bc35e 100644 (file)
-# Copyright (C) 2015, all contributors <meta@public-inbox.org>
-# License: GPLv3 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
+#
+# Wraps a document inside our Xapian search index.
+# There may be many of these objects loaded in memory at once
+# for large threads in our WWW UI.
 package PublicInbox::SearchMsg;
 use strict;
 use warnings;
-use Search::Xapian;
-use Email::Address qw//;
-use POSIX qw//;
-use Date::Parse qw/str2time/;
-use PublicInbox::MID qw/mid_clean mid_compressed/;
-our $PFX2TERM_RE = undef;
+use base qw(Exporter);
+our @EXPORT_OK = qw(subject_normalized);
+use PublicInbox::MID qw/mid_clean mid_mime/;
+use PublicInbox::Address;
+use PublicInbox::MsgTime qw(msg_timestamp msg_datestamp);
+use Time::Local qw(timegm);
 
 sub new {
        my ($class, $mime) = @_;
-       my $doc = Search::Xapian::Document->new;
-       $doc->add_term(PublicInbox::Search::xpfx('type') . 'mail');
-
-       bless { type => 'mail', doc => $doc, mime => $mime }, $class;
+       bless { mime => $mime }, $class;
 }
 
 sub wrap {
-       my ($class, $doc, $mid) = @_;
-       bless { doc => $doc, mime => undef, mid => $mid }, $class;
+       my ($class, $mid) = @_;
+       bless { mid => $mid }, $class;
 }
 
-sub load_doc {
-       my ($class, $doc) = @_;
-       my ($mid, $subj, $from, $date) = split(/\n/, $doc->get_data);
-       bless {
-               doc => $doc,
-               mid => $mid,
-               subject => $subj,
-               date => $date,
-               from_name => $from,
-       }, $class;
+sub get_val ($$) {
+       my ($doc, $col) = @_;
+       # sortable_unserialise is defined by PublicInbox::Search::load_xapian()
+       sortable_unserialise($doc->get_value($col));
 }
 
-sub subject {
+sub to_doc_data {
+       my ($self, $oid, $mid0) = @_;
+       $oid = '' unless defined $oid;
+       join("\n",
+               $self->subject,
+               $self->from,
+               $self->references,
+               $self->to,
+               $self->cc,
+               $oid,
+               $mid0,
+               $self->{bytes} || '',
+               $self->{lines} || ''
+       );
+}
+
+sub load_from_data ($$) {
+       my ($self) = $_[0]; # data = $_[1]
+       (
+               $self->{subject},
+               $self->{from},
+               $self->{references},
+
+               # To: and Cc: are stored to optimize HDR/XHDR in NNTP since
+               # some NNTP clients will use that for message displays.
+               # NNTP only, and only stored in Over(view), not Xapian
+               $self->{to},
+               $self->{cc},
+
+               $self->{blob},
+               $self->{mid},
+
+               # NNTP only
+               $self->{bytes},
+               $self->{lines}
+       ) = split(/\n/, $_[1]);
+}
+
+sub load_expand {
+       my ($self, $doc) = @_;
+       my $data = $doc->get_data or return;
+       $self->{ts} = get_val($doc, PublicInbox::Search::TS());
+       my $dt = get_val($doc, PublicInbox::Search::DT());
+       my ($yyyy, $mon, $dd, $hh, $mm, $ss) = unpack('A4A2A2A2A2A2', $dt);
+       $self->{ds} = timegm($ss, $mm, $hh, $dd, $mon - 1, $yyyy);
+       utf8::decode($data);
+       load_from_data($self, $data);
+       $self;
+}
+
+sub psgi_cull ($) {
        my ($self) = @_;
-       my $subj = $self->{subject};
-       return $subj if defined $subj;
-       $subj = $self->{mime}->header('Subject');
-       $subj = '' unless defined $subj;
-       $subj =~ tr/\n/ /;
-       $self->{subject} = $subj;
+       from_name($self); # fill in {from_name} so we can delete {from}
+
+       # drop NNTP-only fields which aren't relevant to PSGI results:
+       # saves ~80K on a 200 item search result:
+       delete @$self{qw(from ts to cc bytes lines)};
+       $self;
+}
+
+# Only called by PSGI interface, not NNTP
+sub from_mitem {
+       my ($mitem, $srch) = @_;
+       return $srch->retry_reopen(\&from_mitem, $mitem) if $srch;
+       my $self = bless {}, __PACKAGE__;
+       psgi_cull(load_expand($self, $mitem->get_document));
 }
 
-sub from {
+# :bytes and :lines metadata in RFC 3977
+sub bytes ($) { $_[0]->{bytes} }
+sub lines ($) { $_[0]->{lines} }
+
+sub __hdr ($$) {
+       my ($self, $field) = @_;
+       my $val = $self->{$field};
+       return $val if defined $val;
+
+       my $mime = $self->{mime} or return;
+       my @raw = $mime->header($field);
+       $val = join(', ', @raw);
+       $val =~ tr/\t\n/  /;
+       $val =~ tr/\r//d;
+       $self->{$field} = $val;
+}
+
+sub subject ($) { __hdr($_[0], 'subject') }
+sub to ($) { __hdr($_[0], 'to') }
+sub cc ($) { __hdr($_[0], 'cc') }
+
+# no strftime, that is locale-dependent and not for RFC822
+my @DoW = qw(Sun Mon Tue Wed Thu Fri Sat);
+my @MoY = qw(Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec);
+
+sub date ($) {
        my ($self) = @_;
-       my $from = $self->mime->header('From') || '';
-       my @from;
+       my $ds = $self->{ds};
+       return unless defined $ds;
+       my ($sec, $min, $hour, $mday, $mon, $year, $wday) = gmtime($ds);
+       "$DoW[$wday], " . sprintf("%02d $MoY[$mon] %04d %02d:%02d:%02d +0000",
+                               $mday, $year+1900, $hour, $min, $sec);
+
+}
 
-       if ($from) {
-               @from = Email::Address->parse($from);
-               $self->{from} = $from[0];
-               $from = $from[0]->name;
+sub from ($) {
+       my ($self) = @_;
+       my $from = __hdr($self, 'from');
+       if (defined $from && !defined $self->{from_name}) {
+               my @n = PublicInbox::Address::names($from);
+               $self->{from_name} = join(', ', @n);
        }
-       $from =~ tr/\n/ /;
-       $self->{from_name} = $from;
-       $self->{from};
+       $from;
 }
 
 sub from_name {
@@ -71,108 +154,45 @@ sub from_name {
 
 sub ts {
        my ($self) = @_;
-       my $ts = $self->{ts};
-       return $ts if $ts;
-       $self->{date} = undef;
-       $self->date;
-       $self->{ts};
+       $self->{ts} ||= eval { msg_timestamp($self->{mime}->header_obj) } || 0;
 }
 
-sub date {
+sub ds {
        my ($self) = @_;
-       my $date = $self->{date};
-       return $date if $date;
-       my $ts = eval { str2time($self->mime->header('Date')) } || 0;
-       $self->{ts} = $ts;
-       $self->{date} = POSIX::strftime('%Y-%m-%d %H:%M', gmtime($ts));
+       $self->{ds} ||= eval { msg_datestamp($self->{mime}->header_obj); } || 0;
 }
 
-sub to_doc_data {
+sub references {
        my ($self) = @_;
-
-       $self->mid . "\n" .
-       $self->subject . "\n" .
-       $self->from_name . "\n".
-       $self->date;
+       my $x = $self->{references};
+       defined $x ? $x : '';
 }
 
-sub ensure_metadata {
-       my ($self) = @_;
-       my $doc = $self->{doc};
-       my $i = $doc->termlist_begin;
-       my $end = $doc->termlist_end;
-
-       unless (defined $PFX2TERM_RE) {
-               my $or = join('|', keys %PublicInbox::Search::PFX2TERM_RMAP);
-               $PFX2TERM_RE = qr/\A($or)/;
-       }
-
-       for (; $i != $end; $i->inc) {
-               my $val = $i->get_termname;
-
-               if ($val =~ s/$PFX2TERM_RE//o) {
-                       my $field = $PublicInbox::Search::PFX2TERM_RMAP{$1};
-                       if ($field eq 'references') {
-                               my $refs = $self->{references} ||= [];
-                               push @$refs, $val;
-                       } else {
-                               $self->{$field} = $val;
-                       }
-               }
-       }
-}
-
-sub mid {
+sub mid ($;$) {
        my ($self, $mid) = @_;
 
        if (defined $mid) {
-           $self->{mid} = $mid;
-       } else {
-           $self->{mid} ||= $self->_extract_mid;
-       }
-}
-
-sub _extract_mid {
-       my ($self) = @_;
-
-       my $mid = $self->mime->header('Message-ID');
-       $mid ? mid_compressed(mid_clean($mid)) : $mid;
-}
-
-sub mime {
-       my ($self, $mime) = @_;
-       if (defined $mime) {
-               $self->{mime} = $mime;
+               $self->{mid} = $mid;
+       } elsif (defined(my $rv = $self->{mid})) {
+               $rv;
        } else {
-               # TODO load from git
-               $self->{mime};
+               die "NO {mime} for mid\n" unless $self->{mime};
+               $self->_extract_mid; # v1 w/o Xapian
        }
 }
 
-sub doc_id {
-       my ($self, $doc_id) = @_;
-       if (defined $doc_id) {
-               $self->{doc_id} = $doc_id;
-       } else {
-               # TODO load from xapian
-               $self->{doc_id};
-       }
-}
+sub _extract_mid { mid_clean(mid_mime($_[0]->{mime})) }
 
-sub thread_id {
-       my ($self) = @_;
-       my $tid = $self->{thread};
-       return $tid if defined $tid;
-       $self->ensure_metadata;
-       $self->{thread};
-}
+our $REPLY_RE = qr/^re:\s+/i;
 
-sub path {
-       my ($self) = @_;
-       my $path = $self->{path};
-       return $path if defined $path;
-       $self->ensure_metadata;
-       $self->{path};
+sub subject_normalized ($) {
+       my ($subj) = @_;
+       $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;
 }
 
 1;