[PATCH] WIP: regexp matching in 'subject' and 'from'
authorDavid Bremner <david@tethera.net>
Sat, 11 Jun 2016 01:49:54 +0000 (22:49 +2100)
committerW. Trevor King <wking@tremily.us>
Sat, 20 Aug 2016 23:22:03 +0000 (16:22 -0700)
38/99bc46e96117f77332eb34046d3caf3f382803 [new file with mode: 0644]

diff --git a/38/99bc46e96117f77332eb34046d3caf3f382803 b/38/99bc46e96117f77332eb34046d3caf3f382803
new file mode 100644 (file)
index 0000000..611afb4
--- /dev/null
@@ -0,0 +1,430 @@
+Return-Path: <bremner@tethera.net>\r
+X-Original-To: notmuch@notmuchmail.org\r
+Delivered-To: notmuch@notmuchmail.org\r
+Received: from localhost (localhost [127.0.0.1])\r
+ by arlo.cworth.org (Postfix) with ESMTP id B15936DE00C9\r
+ for <notmuch@notmuchmail.org>; Fri, 10 Jun 2016 18:50:14 -0700 (PDT)\r
+X-Virus-Scanned: Debian amavisd-new at cworth.org\r
+X-Spam-Flag: NO\r
+X-Spam-Score: -0.011\r
+X-Spam-Level: \r
+X-Spam-Status: No, score=-0.011 tagged_above=-999 required=5\r
+ tests=[AWL=-0.000, SPF_PASS=-0.001, T_RP_MATCHES_RCVD=-0.01]\r
+ autolearn=disabled\r
+Received: from arlo.cworth.org ([127.0.0.1])\r
+ by localhost (arlo.cworth.org [127.0.0.1]) (amavisd-new, port 10024)\r
+ with ESMTP id NrBZv-_2V-KX for <notmuch@notmuchmail.org>;\r
+ Fri, 10 Jun 2016 18:50:05 -0700 (PDT)\r
+Received: from fethera.tethera.net (fethera.tethera.net [198.245.60.197])\r
+ by arlo.cworth.org (Postfix) with ESMTPS id 4CCD46DE0032\r
+ for <notmuch@notmuchmail.org>; Fri, 10 Jun 2016 18:50:05 -0700 (PDT)\r
+Received: from remotemail by fethera.tethera.net with local (Exim 4.84)\r
+ (envelope-from <bremner@tethera.net>)\r
+ id 1bBY3X-0003Hb-JH; Fri, 10 Jun 2016 21:49:47 -0400\r
+Received: (nullmailer pid 13212 invoked by uid 1000);\r
+ Sat, 11 Jun 2016 01:49:59 -0000\r
+From: David Bremner <david@tethera.net>\r
+To: David Bremner <david@tethera.net>\r
+Cc: notmuch <notmuch@notmuchmail.org>, jani@nikula.org\r
+Subject: [PATCH] WIP: regexp matching in 'subject' and 'from'\r
+Date: Fri, 10 Jun 2016 22:49:54 -0300\r
+Message-Id: <1465609794-13159-1-git-send-email-david@tethera.net>\r
+X-Mailer: git-send-email 2.8.1\r
+In-Reply-To: <1465525688-30913-1-git-send-email-david@tethera.net>\r
+References: <1465525688-30913-1-git-send-email-david@tethera.net>\r
+MIME-Version: 1.0\r
+Content-Type: text/plain; charset=UTF-8\r
+Content-Transfer-Encoding: 8bit\r
+X-BeenThere: notmuch@notmuchmail.org\r
+X-Mailman-Version: 2.1.20\r
+Precedence: list\r
+List-Id: "Use and development of the notmuch mail system."\r
+ <notmuch.notmuchmail.org>\r
+List-Unsubscribe: <https://notmuchmail.org/mailman/options/notmuch>,\r
+ <mailto:notmuch-request@notmuchmail.org?subject=unsubscribe>\r
+List-Archive: <http://notmuchmail.org/pipermail/notmuch/>\r
+List-Post: <mailto:notmuch@notmuchmail.org>\r
+List-Help: <mailto:notmuch-request@notmuchmail.org?subject=help>\r
+List-Subscribe: <https://notmuchmail.org/mailman/listinfo/notmuch>,\r
+ <mailto:notmuch-request@notmuchmail.org?subject=subscribe>\r
+X-List-Received-Date: Sat, 11 Jun 2016 01:50:14 -0000\r
+\r
+the idea is that you can run\r
+\r
+% notmuch search re:subject:<your-favourite-regexp>\r
+% notmuch search re:from:<your-favourite-regexp>'\r
+\r
+or\r
+\r
+% notmuch search subject:"your usual phrase search"\r
+% notmuch search from:"usual phrase search"\r
+\r
+This should also work with bindings, since it extends the query parser.\r
+\r
+This is trivial to extend for other value slots, but currently the only\r
+value slots are date, message_id, from, subject, and last_mod. Date is\r
+already searchable, and message_id is not obviously useful to regex\r
+match.\r
+---\r
+\r
+After some discussion on IRC, here is a version that uses a single re:\r
+prefix internally, and some examples/tests of how that syntax would\r
+work in practice.\r
+\r
+ lib/Makefile.local        |   1 +\r
+ lib/database-private.h    |   1 +\r
+ lib/database.cc           |   5 ++\r
+ lib/regexp-fields.cc      | 117 ++++++++++++++++++++++++++++++++++++++++++++++\r
+ lib/regexp-fields.h       |  77 ++++++++++++++++++++++++++++++\r
+ test/T630-regexp-query.sh |  77 ++++++++++++++++++++++++++++++\r
+ 6 files changed, 278 insertions(+)\r
+ create mode 100644 lib/regexp-fields.cc\r
+ create mode 100644 lib/regexp-fields.h\r
+ create mode 100755 test/T630-regexp-query.sh\r
+\r
+diff --git a/lib/Makefile.local b/lib/Makefile.local\r
+index beb9635..68771e6 100644\r
+--- a/lib/Makefile.local\r
++++ b/lib/Makefile.local\r
+@@ -51,6 +51,7 @@ libnotmuch_cxx_srcs =                \\r
+       $(dir)/query.cc         \\r
+       $(dir)/query-fp.cc      \\r
+       $(dir)/config.cc        \\r
++      $(dir)/regexp-fields.cc     \\r
+       $(dir)/thread.cc\r
\r
+ libnotmuch_modules := $(libnotmuch_c_srcs:.c=.o) $(libnotmuch_cxx_srcs:.cc=.o)\r
+diff --git a/lib/database-private.h b/lib/database-private.h\r
+index ca71a92..900a989 100644\r
+--- a/lib/database-private.h\r
++++ b/lib/database-private.h\r
+@@ -186,6 +186,7 @@ struct _notmuch_database {\r
+ #if HAVE_XAPIAN_FIELD_PROCESSOR\r
+     Xapian::FieldProcessor *date_field_processor;\r
+     Xapian::FieldProcessor *query_field_processor;\r
++    Xapian::FieldProcessor *re_field_processor;\r
+ #endif\r
+     Xapian::ValueRangeProcessor *last_mod_range_processor;\r
+ };\r
+diff --git a/lib/database.cc b/lib/database.cc\r
+index afafe88..b52b62d 100644\r
+--- a/lib/database.cc\r
++++ b/lib/database.cc\r
+@@ -21,6 +21,7 @@\r
+ #include "database-private.h"\r
+ #include "parse-time-vrp.h"\r
+ #include "query-fp.h"\r
++#include "regexp-fields.h"\r
+ #include "string-util.h"\r
\r
+ #include <iostream>\r
+@@ -1016,6 +1017,8 @@ notmuch_database_open_verbose (const char *path,\r
+       notmuch->query_parser->add_boolean_prefix("date", notmuch->date_field_processor);\r
+       notmuch->query_field_processor = new QueryFieldProcessor (*notmuch->query_parser, notmuch);\r
+       notmuch->query_parser->add_boolean_prefix("query", notmuch->query_field_processor);\r
++      notmuch->re_field_processor = new RegexpFieldProcessor (*notmuch->query_parser, notmuch);\r
++      notmuch->query_parser->add_boolean_prefix("re", notmuch->re_field_processor);\r
+ #endif\r
+       notmuch->last_mod_range_processor = new Xapian::NumberValueRangeProcessor (NOTMUCH_VALUE_LAST_MOD, "lastmod:");\r
\r
+@@ -1112,6 +1115,8 @@ notmuch_database_close (notmuch_database_t *notmuch)\r
+     notmuch->date_field_processor = NULL;\r
+     delete notmuch->query_field_processor;\r
+     notmuch->query_field_processor = NULL;\r
++    delete notmuch->re_field_processor;\r
++    notmuch->re_field_processor = NULL;\r
+ #endif\r
\r
+     return status;\r
+diff --git a/lib/regexp-fields.cc b/lib/regexp-fields.cc\r
+new file mode 100644\r
+index 0000000..d9d1625\r
+--- /dev/null\r
++++ b/lib/regexp-fields.cc\r
+@@ -0,0 +1,117 @@\r
++/* query-fp.cc - "query:" field processor glue\r
++ *\r
++ * This file is part of notmuch.\r
++ *\r
++ * Copyright © 2015 Austin Clements\r
++ * Copyright © 2016 David Bremner\r
++ *\r
++ * This program is free software: you can redistribute it and/or modify\r
++ * it under the terms of the GNU General Public License as published by\r
++ * the Free Software Foundation, either version 3 of the License, or\r
++ * (at your option) any later version.\r
++ *\r
++ * This program is distributed in the hope that it will be useful,\r
++ * but WITHOUT ANY WARRANTY; without even the implied warranty of\r
++ * MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the\r
++ * GNU General Public License for more details.\r
++ *\r
++ * You should have received a copy of the GNU General Public License\r
++ * along with this program.  If not, see https://www.gnu.org/licenses/ .\r
++ *\r
++ * Author: Austin Clements <aclements@csail.mit.edu>\r
++ *                David Bremner <david@tethera.net>\r
++ */\r
++\r
++#include "regexp-fields.h"\r
++#include "notmuch-private.h"\r
++\r
++#if HAVE_XAPIAN_FIELD_PROCESSOR\r
++RegexpPostingSource::RegexpPostingSource (Xapian::valueno slot, const std::string &regexp)\r
++    : slot_ (slot)\r
++{\r
++    int r = regcomp (&regexp_, regexp.c_str (), REG_EXTENDED | REG_NOSUB);\r
++\r
++    if (r != 0)\r
++      /* XXX Report a query syntax error using regerror */\r
++      throw "regcomp failed";\r
++}\r
++\r
++RegexpPostingSource::~RegexpPostingSource ()\r
++{\r
++    regfree (&regexp_);\r
++}\r
++\r
++void\r
++RegexpPostingSource::init (const Xapian::Database &db)\r
++{\r
++    db_ = db;\r
++    it_ = db_.valuestream_begin (slot_);\r
++    end_ = db.valuestream_end (slot_);\r
++    started_ = false;\r
++}\r
++\r
++Xapian::doccount\r
++RegexpPostingSource::get_termfreq_min () const\r
++{\r
++    return 0;\r
++}\r
++\r
++Xapian::doccount\r
++RegexpPostingSource::get_termfreq_est () const\r
++{\r
++    return get_termfreq_max () / 2;\r
++}\r
++\r
++Xapian::doccount\r
++RegexpPostingSource::get_termfreq_max () const\r
++{\r
++    return db_.get_value_freq (slot_);\r
++}\r
++\r
++Xapian::docid\r
++RegexpPostingSource::get_docid () const\r
++{\r
++    return it_.get_docid ();\r
++}\r
++\r
++bool\r
++RegexpPostingSource::at_end () const\r
++{\r
++    return it_ == end_;\r
++}\r
++\r
++void\r
++RegexpPostingSource::next (unused (double min_wt))\r
++{\r
++    if (started_ && ! at_end ())\r
++      ++it_;\r
++    started_ = true;\r
++\r
++    for (; ! at_end (); ++it_) {\r
++      std::string value = *it_;\r
++      if (regexec (&regexp_, value.c_str (), 0, NULL, 0) == 0)\r
++          break;\r
++    }\r
++}\r
++\r
++static Xapian::valueno\r
++_find_slot(std::string prefix){\r
++    if (prefix == "from")\r
++      return NOTMUCH_VALUE_FROM;\r
++    else if (prefix == "subject")\r
++      return NOTMUCH_VALUE_SUBJECT;\r
++    else\r
++      throw Xapian::QueryParserError ("unsupported regexp field '" + prefix + "'");\r
++}\r
++\r
++Xapian::Query\r
++RegexpFieldProcessor::operator() (const std::string & str)\r
++{\r
++    size_t pos = str.find_first_of(':');\r
++    std::string prefix = str.substr(0,pos);\r
++    std::string regexp = str.substr(pos+1);\r
++\r
++    postings = new RegexpPostingSource (_find_slot (prefix), regexp);\r
++    return Xapian::Query (postings);\r
++}\r
++#endif\r
+diff --git a/lib/regexp-fields.h b/lib/regexp-fields.h\r
+new file mode 100644\r
+index 0000000..2c9c2d7\r
+--- /dev/null\r
++++ b/lib/regexp-fields.h\r
+@@ -0,0 +1,77 @@\r
++/* regex-fields.h - xapian glue for semi-bruteforce regexp search\r
++ *\r
++ * This file is part of notmuch.\r
++ *\r
++ * Copyright © 2015 Austin Clements\r
++ * Copyright © 2016 David Bremner\r
++ *\r
++ * This program is free software: you can redistribute it and/or modify\r
++ * it under the terms of the GNU General Public License as published by\r
++ * the Free Software Foundation, either version 3 of the License, or\r
++ * (at your option) any later version.\r
++ *\r
++ * This program is distributed in the hope that it will be useful,\r
++ * but WITHOUT ANY WARRANTY; without even the implied warranty of\r
++ * MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the\r
++ * GNU General Public License for more details.\r
++ *\r
++ * You should have received a copy of the GNU General Public License\r
++ * along with this program.  If not, see https://www.gnu.org/licenses/ .\r
++ *\r
++ * Author: Austin Clements <aclements@csail.mit.edu>\r
++ *                David Bremner <david@tethera.net>\r
++ */\r
++\r
++#ifndef NOTMUCH_REGEXP_FIELDS_H\r
++#define NOTMUCH_REGEXP_FIELDS_H\r
++#if HAVE_XAPIAN_FIELD_PROCESSOR\r
++#include <sys/types.h>\r
++#include <regex.h>\r
++#include <xapian.h>\r
++#include "notmuch-private.h"\r
++\r
++/* A posting source that returns documents where a value matches a\r
++ * regexp.\r
++ */\r
++class RegexpPostingSource : public Xapian::PostingSource\r
++{\r
++ protected:\r
++    const Xapian::valueno slot_;\r
++    regex_t regexp_;\r
++    Xapian::Database db_;\r
++    bool started_;\r
++    Xapian::ValueIterator it_, end_;\r
++\r
++/* No copying */\r
++    RegexpPostingSource (const RegexpPostingSource &);\r
++    RegexpPostingSource &operator= (const RegexpPostingSource &);\r
++\r
++ public:\r
++    RegexpPostingSource (Xapian::valueno slot, const std::string &regexp);\r
++    ~RegexpPostingSource ();\r
++    void init (const Xapian::Database &db);\r
++    Xapian::doccount get_termfreq_min () const;\r
++    Xapian::doccount get_termfreq_est () const;\r
++    Xapian::doccount get_termfreq_max () const;\r
++    Xapian::docid get_docid () const;\r
++    bool at_end () const;\r
++    void next (unused (double min_wt));\r
++};\r
++\r
++\r
++class RegexpFieldProcessor : public Xapian::FieldProcessor {\r
++ protected:\r
++    Xapian::QueryParser &parser;\r
++    notmuch_database_t *notmuch;\r
++    RegexpPostingSource *postings = NULL;\r
++\r
++ public:\r
++    RegexpFieldProcessor (Xapian::QueryParser &parser_, notmuch_database_t *notmuch_)\r
++      : parser(parser_), notmuch(notmuch_) { };\r
++\r
++    ~RegexpFieldProcessor () { delete postings; };\r
++\r
++    Xapian::Query operator()(const std::string & str);\r
++};\r
++#endif\r
++#endif /* NOTMUCH_REGEXP_FIELDS_H */\r
+diff --git a/test/T630-regexp-query.sh b/test/T630-regexp-query.sh\r
+new file mode 100755\r
+index 0000000..09caed6\r
+--- /dev/null\r
++++ b/test/T630-regexp-query.sh\r
+@@ -0,0 +1,77 @@\r
++#!/usr/bin/env bash\r
++test_description='named queries'\r
++. ./test-lib.sh || exit 1\r
++\r
++QUERYSTR="date:2009-11-18..2009-11-18 and tag:unread"\r
++QUERYSTR2="query:test and subject:Maildir"\r
++\r
++add_email_corpus\r
++\r
++\r
++if [ $NOTMUCH_HAVE_XAPIAN_FIELD_PROCESSOR -eq 1 ]; then\r
++\r
++    notmuch search --output=messages from:cworth > cworth.msg-ids\r
++\r
++    test_begin_subtest "regexp from search, case sensitive"\r
++    notmuch search --output=messages re:from:carl > OUTPUT\r
++    test_expect_equal_file /dev/null OUTPUT\r
++\r
++    test_begin_subtest "empty regexp or query"\r
++    notmuch search --output=messages re:from:carl or from:cworth > OUTPUT\r
++    test_expect_equal_file cworth.msg-ids OUTPUT\r
++\r
++    test_begin_subtest "non-empty regexp and query"\r
++    notmuch search  re:from:cworth and subject:patch > OUTPUT\r
++    cat <<EOF > EXPECTED\r
++thread:0000000000000008   2009-11-18 [1/2] Carl Worth| Alex Botero-Lowry; [notmuch] [PATCH] Error out if no query is supplied to search instead of going into an infinite loop (attachment inbox unread)\r
++thread:0000000000000007   2009-11-18 [1/2] Carl Worth| Ingmar Vanhassel; [notmuch] [PATCH] Typsos (inbox unread)\r
++thread:0000000000000018   2009-11-18 [1/2] Carl Worth| Jan Janak; [notmuch] [PATCH] Older versions of install do not support -C. (inbox unread)\r
++thread:0000000000000017   2009-11-18 [1/2] Carl Worth| Keith Packard; [notmuch] [PATCH] Make notmuch-show 'X' (and 'x') commands remove inbox (and unread) tags (inbox unread)\r
++thread:0000000000000014   2009-11-18 [2/5] Carl Worth| Mikhail Gusarov, Keith Packard; [notmuch] [PATCH 1/2] Close message file after parsing message headers (inbox unread)\r
++thread:0000000000000001   2009-11-18 [1/1] Stewart Smith; [notmuch] [PATCH] Fix linking with gcc to use g++ to link in C++ libs. (inbox unread)\r
++EOF\r
++    test_expect_equal_file EXPECTED OUTPUT\r
++\r
++    test_begin_subtest "regexp from search, duplicate term search"\r
++    notmuch search --output=messages re:from:cworth > OUTPUT\r
++    test_expect_equal_file cworth.msg-ids OUTPUT\r
++\r
++    test_begin_subtest "long enough regexp matches only desired senders"\r
++    notmuch search --output=messages 're:"from:C.* Wo"' > OUTPUT\r
++    test_expect_equal_file cworth.msg-ids OUTPUT\r
++\r
++    test_begin_subtest "shorter regexp matches one more sender"\r
++    notmuch search --output=messages 're:"from:C.* W"' > OUTPUT\r
++    (echo id:1258544095-16616-1-git-send-email-chris@chris-wilson.co.uk ; cat cworth.msg-ids) > EXPECTED\r
++    test_expect_equal_file EXPECTED OUTPUT\r
++\r
++    test_begin_subtest "regexp subject search, non-ASCII"\r
++    notmuch search --output=messages re:subject:accentué > OUTPUT\r
++    echo id:877h1wv7mg.fsf@inf-8657.int-evry.fr > EXPECTED\r
++    test_expect_equal_file EXPECTED OUTPUT\r
++\r
++    test_begin_subtest "regexp subject search, punctuation"\r
++    notmuch search   re:subject:\'X\' > OUTPUT\r
++    cat <<EOF > EXPECTED\r
++thread:0000000000000017   2009-11-18 [2/2] Keith Packard, Carl Worth; [notmuch] [PATCH] Make notmuch-show 'X' (and 'x') commands remove inbox (and unread) tags (inbox unread)\r
++EOF\r
++    test_expect_equal_file EXPECTED OUTPUT\r
++\r
++    test_begin_subtest "regexp subject search, no punctuation"\r
++    notmuch search  re:subject:X > OUTPUT\r
++    cat <<EOF > EXPECTED\r
++thread:0000000000000017   2009-11-18 [2/2] Keith Packard, Carl Worth; [notmuch] [PATCH] Make notmuch-show 'X' (and 'x') commands remove inbox (and unread) tags (inbox unread)\r
++thread:000000000000000f   2009-11-18 [4/4] Jjgod Jiang, Alexander Botero-Lowry; [notmuch] Mac OS X/Darwin compatibility issues (inbox unread)\r
++EOF\r
++    test_expect_equal_file EXPECTED OUTPUT\r
++\r
++    test_begin_subtest "combine regexp from and subject"\r
++    notmuch search  re:subject:-C and re:from:.an.k > OUTPUT\r
++    cat <<EOF > EXPECTED\r
++thread:0000000000000018   2009-11-17 [1/2] Jan Janak| Carl Worth; [notmuch] [PATCH] Older versions of install do not support -C. (inbox unread)\r
++EOF\r
++    test_expect_equal_file EXPECTED OUTPUT\r
++\r
++fi\r
++\r
++test_done\r
+-- \r
+2.8.1\r
+\r