r11209: fix test
[umlisp.git] / parse-common.lisp
index bf334ca7edeaf15924b72517f80b6f09309541fd..25d3ee3f11bc0dff11d8d1083dcb5a8bba3911ae 100644 (file)
@@ -2,15 +2,15 @@
 ;;;; *************************************************************************
 ;;;; FILE IDENTIFICATION
 ;;;;
-;;;; Name:          parse-common.lisp
-;;;; Purpose:       Common, stable parsing routines for UMLisp
-;;;; Author:        Kevin M. Rosenberg
-;;;; Date Started:  Apr 2000
+;;;; Name:     parse-common.lisp
+;;;; Purpose:  Common, stable parsing routines for UMLisp
+;;;; Author:   Kevin M. Rosenberg
+;;;; Created:  Apr 2000
 ;;;;
-;;;; $Id: parse-common.lisp,v 1.14 2003/05/09 11:04:06 kevin Exp $
+;;;; $Id$
 ;;;;
 ;;;; This file, part of UMLisp, is
-;;;;    Copyright (c) 2000-2002 by Kevin M. Rosenberg, M.D.
+;;;;    Copyright (c) 2000-2006 by Kevin M. Rosenberg, M.D.
 ;;;;
 ;;;; UMLisp users are granted the rights to distribute and use this software
 ;;;; as governed by the terms of the GNU General Public License.
 
 (in-package #:umlisp)
 
-(eval-when (:compile-toplevel)
-  (declaim (optimize (speed 3) (safety 1) (compilation-speed 0) (debug 3))))
-
 (defun ensure-ucols+ufiles (&optional (alwaysclear nil))
-"Initialize all UMLS file and column structures if not already initialized"
-  (when (or alwaysclear (null *umls-files*))
-    (gen-ucols)
-    (gen-ufiles)
-    (ensure-field-lengths)))
+  "Initialize all UMLS file and column structures if not already initialized"
+  (handler-case
+      (when (or alwaysclear (null *umls-files*))
+        (setf *umls-cols* nil *umls-files* nil)
+        (gen-ucols)
+        (gen-ufiles)
+        (ensure-field-lengths))
+    (error (e)
+      (setf *umls-cols* nil *umls-files* nil)
+      (error e)))
+  t)
+
 
 (defun add-ucols (ucols)
   "Adds a ucol or list of ucols to *umls-cols*. Returns input value."
   (setq *umls-files* (append (mklist ufiles) *umls-files*))
   ufiles)
 
+(defun ufile-pathname (ufile &optional (extension ""))
+  "Return pathname for a umls filename with an optional extension"
+  (assert (typep ufile 'ufile))
+  (let* ((dirs (append (list (dir ufile))
+                       (awhen (subdir ufile) (list it))))
+         (name-list (delimited-string-to-list (fil ufile) #\.))
+         (name (if (second name-list)
+                   (first name-list)
+                   (concatenate 'string (first name-list) (or extension ""))))
+         (type (when (second name-list)
+                 (concatenate 'string (second name-list) (or extension "")))))
+     (merge-pathnames
+      (make-pathname :name name :type type
+                    :directory (cons :relative dirs))
+      *umls-path*)))
+
 (defun umls-pathname (filename &optional (extension ""))
 "Return pathname for a umls filename with an optional extension"
   (etypecase filename
     (string
-     (merge-pathnames 
-      (make-pathname :name (concatenate 'string filename extension)) 
-      (case (char filename 0)
+     (merge-pathnames
+      (make-pathname :name (concatenate 'string filename extension))
+      (case (schar filename 0)
        ((#\M #\m)
         *meta-path*)
        ((#\L #\l)
        (t
         *umls-path*))))
     (pathname
-      filename)))
+     filename)))
 
-(defun read-umls-line (strm &optional (eof 'eof))
-  "Read a line from a UMLS stream, split into fields"
-  (let ((line (read-line strm nil eof)))
-    (if (eq line eof)
-       eof
-       (delimited-string-to-list line #\| t))))
 
 ;;; Find field lengths for LEX and NET files
 
@@ -72,10 +86,10 @@ Currently, these are the LEX and NET files."
     (destructuring-bind (filename fields-max fields-av) length-list
       (let ((file (find-ufile filename)))
        (unless file
-         (error "Can't find ~A filename in ufiles"))
+         (error "Can't find ~A filename in ufiles" filename))
        (unless (= (length fields-max) (length (fields file)))
          (error
-          "Number of file fields ~A not equal to field count in ufile ~S" 
+          "Number of file fields ~A not equal to field count in ufile ~S"
           fields-max file))
        (dotimes (i (length (fields file)))
          (declare (fixnum i))
@@ -86,39 +100,45 @@ Currently, these are the LEX and NET files."
            (setf (cmax col) (aref fields-max i))
            (setf (av col) (aref fields-av i))
            (ensure-ucol-datatype col (datatype-for-colname (col col)))))))))
-  
+
 (defun ufiles-to-measure ()
   "Returns a list of ufiles to measure"
   (loop for ufile in *umls-files*
-       unless (or (char= #\M (char (fil ufile) 0))
-                  (char= #\m (char (fil ufile) 0)))
-       collect ufile))
-    
-  
+       unless (or (char= #\M (schar (fil ufile) 0))
+                  (char= #\m (schar (fil ufile) 0)))
+      collect ufile))
+
+
 (defun ufiles-field-lengths (ufiles)
   "Returns a list of lists of containing (FILE MAX AV)"
-  (loop for ufile in ufiles collect (file-field-lengths (fil ufile))))
+  (loop for ufile in ufiles collect (file-field-lengths ufile)))
 
-(defun file-field-lengths (filename)
+(defun file-field-lengths (ufile)
   "Returns a list of FILENAME MAX AV"
+  (declare (optimize (speed 3) (safety 0)))
   (let (fields-max fields-av num-fields (count-lines 0))
-    (with-umls-file (line filename)
+    (with-umls-ufile (line ufile)
       (unless num-fields
        (setq num-fields (length line))
-       (setq fields-max (make-array num-fields :element-type 'fixnum 
+       (setq fields-max (make-array num-fields :element-type 'fixnum
                                     :initial-element 0))
        (setq fields-av (make-array num-fields :element-type 'number
                                    :initial-element 0)))
       (dotimes (i num-fields)
        (declare (fixnum i))
-       (let ((len (length (nth i line))))
+       (let* ((str (nth i line))
+               (len (length #-(and clisp unicode) str
+                            #+(and clisp unicode)
+                            (if *octet-sql-storage*
+                                (ext:convert-string-to-bytes str charset:utf-8)
+                              str))))
          (incf (aref fields-av i) len)
          (when (> len (aref fields-max i))
            (setf (aref fields-max i) len))))
       (incf count-lines))
     (dotimes (i num-fields)
       (setf (aref fields-av i) (float (/ (aref fields-av i) count-lines))))
-    (list filename fields-max fields-av)))
+    (list (fil ufile) fields-max fields-av)))
 
 ;;; UMLS column/file functions
 
@@ -137,7 +157,7 @@ Currently, these are the LEX and NET files."
 (defun make-ucol-for-column (colname filename ucols)
   ;; try to find column name without a terminal digit
   (let* ((len (length colname))
-        (last-digit? (digit-char-p (char colname (1- len))))
+        (last-digit? (digit-char-p (schar colname (1- len))))
         (base-colname (if last-digit?
                           (subseq colname 0 (1- len))
                           colname))
@@ -176,8 +196,12 @@ Currently, these are the LEX and NET files."
                  (quote-str "'") (custom-value-fun))
   (let ((ucol (make-instance
               'ucol
-              :col col :des des :ref ref :min min :av av :max max :fil fil
-              :dty dty :sqltype sqltype :quote-str quote-str
+              :col col :des des :ref ref :min min :av av
+              :max (if (eql max 0) 1 max) ;; ensure at least one char wide
+              :fil fil
+              :dty dty
+              :sqltype sqltype
+              :quote-str quote-str
               :parse-fun (ensure-compiled-fun parse-fun)
               :custom-value-fun (ensure-compiled-fun custom-value-fun))))
     (ensure-ucol-datatype ucol (datatype-for-colname col))
@@ -192,13 +216,16 @@ Currently, these are the LEX and NET files."
   (ensure-col-in-columns colname filename *umls-cols*))
 
 (defun find-ufile (filename)
-  "Returns umls-file structure for a filename"  
+  "Returns umls-file structure for a filename"
   (find-if #'(lambda (f) (string-equal filename (fil f))) *umls-files*))
 
 (defun find-ucols-for-ufile (ufile)
   "Returns list of umls-cols for a file structure"
   (loop for colname in (fields ufile)
-       collect (find-ucol colname (fil ufile))))
+      collect (find-ucol colname
+                        (if (subdir ufile)
+                            (concatenate 'string (subdir ufile) "/" (fil ufile))
+                          (fil ufile)))))
 
 (defun umls-field-string-to-list (fmt)
   "Converts a comma delimited list of fields into a list of field names. Will
@@ -215,44 +242,100 @@ append a unique number (starting at 2) onto a column name that is repeated in th
               (setf (gethash colname col-counts) 1)
               colname))))))
 
-(defun make-ufile (fil des table cls rws bts fields)
-  (let ((ufile (make-instance 'ufile :fil fil :des des :table table :cls cls
-                             :rws rws :bts bts :fields fields)))
-    (setf (ucols ufile) (find-ucols-for-ufile ufile))
-    ufile))
+(defun decompose-fil (fil)
+  (if fil
+      (let ((pos (position #\/ fil)))
+       (if pos
+           (values (subseq fil (1+ pos)) (subseq fil 0 pos))
+         (values fil nil)))
+    (values nil nil)))
+
+(defun filename-to-tablename (file)
+  (let ((pos (search ".RRF" file)))
+    (when pos
+      (setf file (subseq file 0 pos))))
+  (substitute #\_ #\. file))
+
+(defun make-ufile (dir fil des cls rws bts fields)
+  (multiple-value-bind (file subdir) (decompose-fil fil)
+    (let ((ufile (make-instance 'ufile :dir dir :fil file :subdir subdir
+                               :des des :cls cls
+                               :rws rws :bts bts :fields fields
+                               :table (filename-to-tablename file))))
+      (setf (ucols ufile) (find-ucols-for-ufile ufile))
+      ufile)))
 
 (defun datatype-for-colname (colname)
-"Return datatype for column name"  
+"Return datatype for column name"
   (second (find colname +col-datatypes+ :key #'car :test #'string-equal)))
 
+(defun canonicalize-column-type (type)
+  (cond
+   ((string-equal type "SMALLINT")
+    (case *umls-sql-type*
+      (:mysql "SMALLINT")
+      ((:postgresql :postgresql-socket) "INT2")
+      (:oracle "NUMBER(5,0)")
+      (t "INTEGER")))
+   ((string-equal type "INTEGER")
+    (case *umls-sql-type*
+      (:mysql "INTEGER")
+      ((:postgresql :postgresql-socket) "INT4")
+      (:oracle "NUMBER(9,0)")
+      (t "INTEGER")))
+   ((string-equal type "BIGINT")
+    (case *umls-sql-type*
+      (:mysql "BIGINT")
+      ((:postgresql :postgresql-socket) "INT8")
+      (:oracle "NUMBER(38,0)")
+      (t "INTEGER")))
+   ((string-equal type "TEXT")
+    (case *umls-sql-type*
+      (:mysql "TEXT")
+      ((:postgresql :postgresql-socket) "TEXT")
+      (:oracle "VARCHAR2(3000)")
+      (t "VARCHAR(3000)")))
+   ((string-equal type "VARCHAR")
+    (case *umls-sql-type*
+      (:mysql "VARCHAR")
+      ((:postgresql :postgresql-socket) "VARCHAR")
+      (:oracle "VARCHAR2")
+      (t "VARCHAR")))
+   ((string-equal type "NUMERIC")
+    (case *umls-sql-type*
+      (:mysql "NUMERIC")
+      ((:postgresql :postgresql-socket) "NUMERIC")
+      (:oracle "NUMBER")
+      (t "NUMERIC")))
+   (t
+    type)))
+
 (defun ensure-ucol-datatype (col datatype)
-"Add data type information to column"
+  "Add data type information to column"
   (setf (datatype col) datatype)
   (case datatype
-    (sql-u (setf (sqltype col) "INTEGER"
+    (sql-u (setf (sqltype col) (canonicalize-column-type "INTEGER")
                 (parse-fun col) #'parse-ui
                 (quote-str col) ""))
-    (sql-s (setf (sqltype col) "SMALLINT" 
+    (sql-s (setf (sqltype col) (canonicalize-column-type "SMALLINT")
                 (parse-fun col) #'parse-integer
                 (quote-str col) ""))
-    (sql-l (setf (sqltype col) "BIGINT" 
+    (sql-l (setf (sqltype col)  (canonicalize-column-type "BIGINT")
                 (parse-fun col) #'parse-integer
                 (quote-str col) ""))
-    (sql-i (setf (sqltype col) "INTEGER" 
+    (sql-i (setf (sqltype col)  (canonicalize-column-type "INTEGER")
                 (parse-fun col) #'parse-integer
                 (quote-str col) ""))
-    (sql-f (setf (sqltype col) "NUMERIC" 
+    (sql-f (setf (sqltype col)  (canonicalize-column-type "NUMERIC")
                 (parse-fun col) #'read-from-string
                 (quote-str col) ""))
-    (t                      ; Default column type, optimized text storage
-     (setf (parse-fun col) #'add-sql-quotes 
+    (t                                 ; Default column type, optimized text storage
+     (setf (parse-fun col) #'add-sql-quotes
           (quote-str col) "'")
      (when (and (cmax col) (av col))
        (if (> (cmax col) 255)
-          (setf (sqltype col) "TEXT")
-        (if (< (- (cmax col) (av col)) 4) 
-            (setf (sqltype col) "CHAR") ; if average bytes wasted < 4
-          (setf (sqltype col) "VARCHAR")))))))
+          (setf (sqltype col) (canonicalize-column-type "TEXT"))
+        (setf (sqltype col) (canonicalize-column-type "VARCHAR")))))))
 
 (defun escape-column-name (name)
   (substitute #\_ #\/ name))