]> Sergey Matveev's repositories - public-inbox.git/blobdiff - lib/PublicInbox/ContentId.pm
content_id: special treatment for Message-Id headers
[public-inbox.git] / lib / PublicInbox / ContentId.pm
index 65d5a76c09b43f4dec2edb08998c22ffe6d6e95e..7ec638ca5ef2ece2eb95912d126338e22f851d3b 100644 (file)
@@ -11,7 +11,7 @@ our @EXPORT_OK = qw/content_id/;
 use Digest::SHA;
 
 # Content-* headers are often no-ops, so maybe we don't need them
-my @ID_HEADERS = qw(Subject From Date Message-ID References To Cc In-Reply-To);
+my @ID_HEADERS = qw(Subject From Date To Cc);
 
 sub content_id ($;$) {
        my ($mime, $alg) = @_;
@@ -19,6 +19,20 @@ sub content_id ($;$) {
        my $dig = Digest::SHA->new($alg);
        my $hdr = $mime->header_obj;
 
+       # References: and In-Reply-To: get used interchangeably
+       # in some "duplicates" in LKML.  We treat them the same
+       # in SearchIdx, so treat them the same for this:
+       my @mid = $hdr->header_raw('Message-ID');
+       @mid = (join(' ', @mid) =~ /<([^>]+)>/g);
+       my $refs = join(' ', $hdr->header_raw('References'),
+                       $hdr->header_raw('In-Reply-To'));
+       my @refs = ($refs =~ /<([^>]+)>/g);
+       my %seen;
+       foreach my $mid (@mid, @refs) {
+               next if $seen{$mid};
+               $dig->add($mid);
+               $seen{$mid} = 1;
+       }
        foreach my $h (@ID_HEADERS) {
                my @v = $hdr->header_raw($h);
                $dig->add($_) foreach @v;