Change default SQL server host
[umlisp.git] / parse-common.lisp
index 9610539ae51023b142634e70dbd205cb464fa1a6..f7fab1e8eb6e9dcc02bca4cfc7ae0cfc23fe81ad 100644 (file)
-;;; UMLS-Parse General
-;;; General purpose Lisp Routines for parsing UMLS files
-;;;   and inserting into SQL databases
-;;;
-;;; Copyright (c) 2001 Kevin M. Rosenberg, M.D.
-;;; $Id: parse-common.lisp,v 1.1 2002/10/05 20:17:14 kevin Exp $
-
-(in-package :umlisp)
+;;;; -*- Mode: Lisp; Syntax: ANSI-Common-Lisp; Base: 10; Package: umlisp -*-
+;;;; *************************************************************************
+;;;; FILE IDENTIFICATION
+;;;;
+;;;; Name:     parse-common.lisp
+;;;; Purpose:  Common, stable parsing routines for UMLisp
+;;;; Author:   Kevin M. Rosenberg
+;;;; Created:  Apr 2000
+;;;;
+;;;; This file, part of UMLisp, is
+;;;;    Copyright (c) 2000-2010 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)
+
+(defun ensure-ucols+ufiles (&optional (alwaysclear nil))
+  "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-ufiles)
+        (gen-ucols)
+        (set-ucols-for-ufiles *umls-files*)
+        (ensure-field-lengths))
+    (error (e)
+      (warn "Error reading ucols+ufiles: ~A." e)
+      (setf *umls-cols* nil *umls-files* nil)
+      nil))
+  t)
+
+
+(defun add-ucols (ucols)
+  "Adds a ucol or list of ucols to *umls-cols*. Returns input value."
+  (setq *umls-cols* (append (mklist ucols) *umls-cols*))
+  ucols)
+
+(defun add-ufiles (ufiles)
+  "Adds a ufile or list of ufiles to *umls-filess*. 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 (nconc (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"
+"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)
-       ((#\M #\m)
-        *meta-path*)
-       ((#\L #\l)
-        *lex-path*)
-       ((#\S #\s)
-        *net-path*)
-       (t
-        *umls-path*))))
+     (let* ((name-list (delimited-string-to-list filename #\.))
+            (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)
+      (case (schar filename 0)
+        ((#\M #\m)
+         *meta-path*)
+        ((#\L #\l)
+         *lex-path*)
+        ((#\S #\s)
+         *net-path*)
+        (t
+         *umls-path*)))))
     (pathname
-      filename)))
-
-(defun read-umls-line (strm)
-  "Read a line from a UMLS stream, split into fields"
-  (let ((line (read-line strm nil 'eof)))
-    (if (stringp line) ;; ensure not 'eof
-       (let* ((len (length line))
-             (maybe-remove-terminal ;; LRWD doesn't have '|' at end of line
-              (if (char= #\| (char line (1- len)))
-                  (subseq line 0 (1- len))
-                line)))
-         (declare (fixnum len))
-         (delimited-string-to-list maybe-remove-terminal #\|))
-      line)))
+     filename)))
 
 
 ;;; Find field lengths for LEX and NET files
 
-(defun file-field-lengths (files)
-  (let ((lengths '()))
-    (dolist (file files)
-      (setq file (umls-file-fil file))
-      (let (max-field count-field num-fields (count-lines 0))
-       (with-umls-file (fields file)
-         (unless num-fields
-           (setq num-fields (length fields))
-           (setq max-field (make-array num-fields :element-type 'fixnum 
-                                       :initial-element 0))
-           (setq count-field (make-array num-fields :element-type 'number
-                                         :initial-element 0)))
-         (dotimes (i (length fields))
-           (declare (fixnum i))
-           (let ((len (length (nth i fields))))
-             (incf (aref count-field i) len)
-             (when (> len (aref max-field i))
-               (setf (aref max-field i) len))))
-         (incf count-lines))
-       (dotimes (i num-fields)
-         (setf (aref count-field i) (float (/ (aref count-field i) count-lines))))
-       (push (list file max-field count-field) lengths)))
-    (nreverse lengths)))
-
-(defun init-field-lengths ()
+(defun ensure-field-lengths ()
   "Initial colstruct field lengths for files that don't have a measurement.
 Currently, these are the LEX and NET files."
-  (let ((measure-files '()))
-    (dolist (file *umls-files*)
-      (let ((filename (umls-file-fil file)))
-       (unless (or (char= #\M (char filename 0))
-                   (char= #\m (char filename 0)))
-         (push file measure-files))))
-    (let ((length-lists (file-field-lengths measure-files)))
-      (dolist (length-list length-lists)
-       (let* ((filename (car length-list))
-              (max-field (cadr length-list))
-              (av-field (caddr length-list))
-              (file (find-umls-file filename)))
-         (when file
-           (if (/= (length max-field) (length (umls-file-fields file)))
-               (format t "Warning: Number of file fields ~A doesn't match length of fields in file structure ~S" 
-                      max-field file)
-             (dotimes (i (max (length max-field) (length (umls-file-fields file))))
-               (declare (fixnum i))
-               (let* ((field (nth i (umls-file-fields file)))
-                      (col (find-umls-col field filename)))
-                 (if col
-                     (progn
-                       (setf (umls-col-max col) (aref max-field i))
-                       (setf (umls-col-av col) (aref av-field i))
-                       (add-datatype-to-col col (datatype-for-col (umls-col-col col))))
-                 (error "can't find column ~A" field)))))))))))
-  
-
+  (dolist (length-list (ufiles-field-lengths (ufiles-to-measure)))
+    (destructuring-bind (filename fields-max fields-av count-lines) length-list
+      (let ((file (find-ufile filename)))
+        (unless file
+          (error "Can't find ~A filename in ufiles" filename))
+        (if (zerop count-lines)
+            (warn "File ~A is empty." filename)
+            (progn
+              (unless (= (length fields-max) (length (fields file)))
+                (error
+                 "Number of file fields ~A not equal to field count in ufile ~S"
+                 fields-max file))
+            (dotimes (i (length (fields file)))
+              (declare (fixnum i))
+              (let* ((field (nth i (fields file)))
+                     (col (find-ucol field filename)))
+                (unless col
+                  (error "can't find column ~A" field))
+                (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 (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 ufile)))
+
+(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))
+    (declare (fixnum count-lines))
+    (with-umls-ufile (line ufile)
+      (unless num-fields
+        (setq num-fields (length line))
+        (setq fields-max (make-array num-fields :element-type 'fixnum
+                                     :initial-element 0))
+        (setq fields-av (make-array num-fields :element-type '(or integer float)
+                                    :initial-element 0)))
+      (dotimes (i (or num-fields 0))
+        (declare (fixnum i))
+        (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))))
+          #-(and clisp unicode) (declare (string str))
+          (declare (type (integer 0 100000000) len))
+          (incf (aref fields-av i) len)
+          (when (> len (aref fields-max i))
+            (setf (aref fields-max i) len))))
+      (incf count-lines))
+    (dotimes (i (or num-fields 0))
+      (setf (aref fields-av i)
+            (if (plusp count-lines)
+                (float (/ (aref fields-av i) count-lines))
+                0)))
+    (list (fil ufile) fields-max fields-av count-lines)))
 
 ;;; UMLS column/file functions
 
-(defun find-col-in-columns (colname filename cols)
+(defun find-ucol-of-colname (colname filename ucols)
 "Returns list of umls-col structure for a column name and a filename"
-  (dolist (col cols)
-    (when (and (string-equal filename (umls-col-fil col))
-              (string-equal colname (umls-col-col col)))
-      (return-from find-col-in-columns col)))
-  nil)
-
-(defun find-or-make-col-in-columns (colname filename cols)
-  (let ((col (find-col-in-columns colname filename cols)))
-    (if col
-       col
-      ;; try to find column name without a terminal digit
-      (let* ((last-char (char colname (1- (length colname))))
-            (digit (- (char-code last-char) (char-code #\0))))
-       (if (and (>= digit 0) (<= digit 9))
-           (let ((base-colname (subseq colname 0 (1- (length colname)))))
-             (setq col (find-col-in-columns base-colname filename cols))
-             (if col
-                 (let ((new-col (make-umls-col
-                                 :col (copy-seq colname)
-                                 :des (copy-seq (umls-col-des col))
-                                 :ref (copy-seq (umls-col-ref col))
-                                 :min (umls-col-min col)
-                                 :max (umls-col-max col)
-                                 :fil (copy-seq (umls-col-fil col))
-                                 :sqltype (copy-seq (umls-col-sqltype col))
-                                 :dty (copy-seq (umls-col-dty col))
-                                 :parsefunc (umls-col-parsefunc col)
-                                 :quotechar (copy-seq (umls-col-quotechar col))
-                                 :datatype (umls-col-datatype col)
-                                 :custom-value-func (umls-col-custom-value-func col))))
-                   (push new-col *umls-cols*)
-                   new-col)
-               (error "Couldn't find a base column for col ~A in file ~A"
-                      colname filename)))
-         (let ((new-col (make-umls-col
-                         :col (copy-seq colname)
-                         :des "Unknown"
-                         :ref ""
-                         :min nil
-                         :max nil
-                         :fil filename
-                         :sqltype "VARCHAR"
-                         :dty nil
-                         :parsefunc #'add-sql-quotes
-                         :quotechar "'"
-                         :datatype nil
-                         :custom-value-func nil)))
-           (push new-col *umls-cols*)
-           new-col))))))
-
-(defun find-umls-col (colname filename)
+  (dolist (ucol ucols nil)
+    (when (and (string-equal filename (fil ucol))
+               (string-equal colname (col ucol)))
+      (return-from find-ucol-of-colname ucol))))
+
+(defun ensure-col-in-columns (colname filename ucols)
+  (aif (find-ucol-of-colname colname filename ucols)
+       it
+       (add-ucols (make-ucol-for-column colname filename ucols))))
+
+(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 (schar colname (1- len))))
+         (base-colname (if last-digit?
+                           (subseq colname 0 (1- len))
+                           colname))
+         (ucol (when last-digit?
+                 (find-ucol-of-colname base-colname filename ucols))))
+    (when (and last-digit? (null ucol))
+      (error "Couldn't find a base column for col ~A in file ~A"
+             colname filename))
+    (copy-or-new-ucol colname filename ucol)))
+
+(defun copy-or-new-ucol (colname filename ucol)
+  (if ucol
+      (make-instance
+       'ucol
+       :col (copy-seq colname) :des (copy-seq (des ucol)) :ref (copy-seq (ref ucol))
+       :min (cmin ucol) :max (cmax ucol) :fil (copy-seq (fil ucol))
+       :sqltype (copy-seq (sqltype ucol)) :dty (copy-seq (dty ucol))
+       :parse-fun (parse-fun ucol) :quote-str (copy-seq (quote-str ucol))
+       :datatype (datatype ucol) :custom-value-fun (custom-value-fun ucol))
+      (make-empty-ucol colname filename)))
+
+(defun ensure-compiled-fun (fun)
+  "Ensure that a function is compiled"
+  (etypecase fun
+    (null
+     nil)
+    (function
+     (if (compiled-function-p fun)
+         fun
+         (compile nil fun)))
+    (list
+     (compile nil fun))))
+
+(defun make-ucol (col des ref min av max fil dty
+                  &key (sqltype "VARCHAR") (parse-fun #'add-sql-quotes)
+                  (quote-str "'") (custom-value-fun))
+  (let ((ucol (make-instance
+               'ucol
+               :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))
+    ucol))
+
+(defun make-empty-ucol (colname filename)
+  ;;(format "call in make-empty-ucol: ~A/~A" colname filename)
+  (make-ucol (copy-seq colname) "Unknown" "" nil nil nil filename nil))
+
+(defun find-ucol (colname filename)
   "Returns list of umls-col structure for a column name and a filename"
-  (find-or-make-col-in-columns colname filename *umls-cols*))
-
-(defun find-umls-file (filename)
-  "Returns umls-file structure for a filename"  
-  (find-if (lambda (f) (string-equal filename (umls-file-fil f))) *umls-files*))
-
-(defun umls-cols-for-umls-file (file)
-  "Returns list of umls-cols for a file structure"  
-  (let ((filename (umls-file-fil file)))
-    (mapcar (lambda (col) (find-umls-col col filename))
-           (umls-file-fields file))))
-
-
-;; SQL command functions
-
-(defun create-table-cmd (file)
-"Return sql command to create a table"
-  (let ((col-func 
-        (lambda (c) 
-          (let ((sqltype (umls-col-sqltype c)))
-            (concatenate 'string (umls-col-col c)
-               " "
-               (if (or (string-equal sqltype "VARCHAR")
-                       (string-equal sqltype "CHAR"))
-                    (format nil "~a (~a)" sqltype (umls-col-max c))
-                 sqltype)
-               ",")))))
-    (format nil "CREATE TABLE ~a (~a)" (umls-file-table file)
-           (string-trim-last-character
-            (mapcar-append-string col-func (umls-cols-for-umls-file file))))))
-
-(defun create-custom-table-cmd (tablename sql-cmd)
-"Return SQL command to create a custom table"
-  (format nil "CREATE TABLE ~a AS ~a;" tablename sql-cmd))
-
-(defun insert-values-cmd (file values)
-"Return sql insert command for a row of values"  
-  (let ((insert-func
-        (lambda (col value)
-          (concatenate
-           'string
-           (umls-col-quotechar col)
-           (if (null (umls-col-parsefunc col)) 
-               value
-             (format nil "~A" (funcall (umls-col-parsefunc col) value)))
-           (umls-col-quotechar col)
-           ","))))
-    (format
-     nil "INSERT INTO ~a (~a) VALUES (~a)"
-     (umls-file-table file)
-     (string-trim-last-character
-      (mapcar-append-string (lambda (c) (concatenate 'string c ","))
-                           (umls-file-fields file)))
-     (string-trim-last-character
-      (concatenate 'string
-       (mapcar2-append-string insert-func
-                              (remove-custom-cols (umls-file-colstructs file)) 
-                              values)
-       (custom-col-values (custom-colstructs-for-file file) values "," t)))
-     )))
-
-(defun custom-col-values (colstructs values delim doquote)
-  "Returns string of column values for SQL inserts for custom columns"
-  (let ((result ""))
-    (dolist (col colstructs)
-      (let* ((func (umls-col-custom-value-func col))
-            (custom-value (funcall func values)))
-       (string-append result 
-                      (if doquote (umls-col-quotechar col))
-                      (escape-backslashes custom-value)
-                      (if doquote (umls-col-quotechar col))
-                      delim)))
-    result))
-
-(defun remove-custom-cols (cols)
-  "Remove custom cols from a list col umls-cols"
-  (remove-if #'umls-col-custom-value-func cols))
-
-(defun find-custom-cols-for-filename (filename)
-  (remove-if-not (lambda (x) (string-equal filename (car x))) +custom-cols+))
-
-(defun find-custom-col (filename col)
-  (find-if (lambda (x) (and (string-equal filename (car x))
-                           (string-equal col (cadr x)))) +custom-cols+))
-
-
-(defun custom-colnames-for-filename (filename)
-  (mapcar #'cadr (find-custom-cols-for-filename filename)))
-
-(defun custom-colstructs-for-file (file)
-  (remove-if-not #'umls-col-custom-value-func (umls-file-colstructs file)))
-
-(defun noneng-lang-index-files ()
-  (remove-if-not (lambda (f) (and (> (length (umls-file-fil f)) 4)
-                             (string-equal (umls-file-fil f) "MRXW." :end1 5) 
-                             (not (string-equal (umls-file-fil f) "MRXW.ENG"))
-                             (not (string-equal (umls-file-fil f) "MRXW.NONENG"))))
-                *umls-files*))
-
-;;; SQL Command Functions
-
-(defun create-index-cmd (colname tablename length)
-"Return sql create index command"
-  (format nil "CREATE INDEX ~a ON ~a (~a ~a)"
-    (concatenate 'string tablename "_" colname "_X") tablename colname
-    (if (integerp length)
-       (format nil "(~d)" length)
-      "")))
-
-(defun create-all-tables-cmdfile ()
-"Return sql commands to create all tables. Not need for automated SQL import"
-  (mapcar (lambda (f) (format nil "~a~%~%" (create-table-cmd f))) *umls-files*))
-
-
-;; SQL Execution functions
-
-(defun sql-drop-tables (conn)
-"SQL Databases: drop all tables"
-  (mapcar
-   (lambda (file)
-     (ignore-errors 
-      (sql-execute (format nil "DROP TABLE ~a" (umls-file-table file)) conn)))
-   *umls-files*))
-
-(defun sql-create-tables (conn)
-"SQL Databases: create all tables" 
-  (mapcar (lambda (file) (sql-execute (create-table-cmd file) conn)) *umls-files*))
-
-(defun sql-create-custom-tables (conn)
-"SQL Databases: create all custom tables"
-  (mapcar (lambda (ct)
-     (sql-execute (create-custom-table-cmd (car ct) (cadr ct)) conn))
-   +custom-tables+))
-  
-(defun sql-insert-values (conn file)
-"SQL Databases: inserts all values for a file"  
-  (with-umls-file (line (umls-file-fil file))
-                 (sql-execute (insert-values-cmd file line) conn)))
-
-(defun sql-insert-all-values (conn)
-"SQL Databases: inserts all values for all files"  
-  (mapcar (lambda (file) (sql-insert-values conn file)) *umls-files*))
-
-(defun sql-create-indexes (conn &optional (indexes +index-cols+))
-"SQL Databases: create all indexes"
-(mapcar 
- (lambda (idx) 
-   (sql-execute (create-index-cmd (car idx) (cadr idx) (caddr idx)) conn)) 
- indexes))
-
-(defun create-umls-db-by-insert ()
-"SQL Databases: initializes entire database via SQL insert commands"
-  (init-umls)
-  (init-hash-table)
-  (with-sql-connection (conn)
-;;   (sql-drop-tables conn)
-;;   (sql-create-tables conn)
-;;   (sql-insert-all-values conn)
-   (sql-create-indexes conn)
-   (sql-create-custom-tables conn)
-   (sql-create-indexes conn +custom-index-cols+)))
-
-(defun create-umls-db (&optional (extension ".trans") 
-                                (copy-cmd #'mysql-copy-cmd))
-  "SQL Databases: initializes entire database via SQL copy commands"
-  (init-umls)
-  (init-hash-table)
-  (translate-all-files extension)
-  (with-sql-connection (conn)
-    (sql-drop-tables conn)
-    (sql-create-tables conn)
-    (mapcar 
-     #'(lambda (file) (sql-execute (funcall copy-cmd file extension) conn)) 
-     *umls-files*)
-    (sql-create-indexes conn)
-    (sql-create-custom-tables conn)
-    (sql-create-indexes conn +custom-index-cols+)))
-
-(defun translate-all-files (&optional (extension ".trans"))
-"Copy translated files and return postgresql copy commands to import"
-  (make-noneng-index-file extension)
-  (mapcar (lambda (f) (translate-file f extension)) *umls-files*))
-
-(defun translate-file (file extension)
-  "Translate a umls file into a format suitable for sql copy cmd"
-  (let ((path (umls-pathname (umls-file-fil file) extension)))
-    (if (probe-file path)
-       (progn
-         (format t "File ~A already exists: skipping~%" path)
-         nil)
-      (with-open-file (ostream path :direction :output)
-       (with-umls-file (line (umls-file-fil file))
-         (princ (umls-translate file line) ostream)
-         (princ #\newline ostream))
-       t))))
-
-(defun make-noneng-index-file (extension)
-  "Make non-english index file"
-  (let* ((outfile (find-umls-file "MRXW.NONENG"))
-        (path (umls-pathname (umls-file-fil outfile) extension)))
-       
-    (if (probe-file path)
-       (progn
-         (format t "File ~A already exists: skipping~%" path)
-         nil)
-      (progn
-       (with-open-file (ostream path :direction :output)
-         (dolist (inputfile (noneng-lang-index-files))
-           (with-umls-file (line (umls-file-fil inputfile))
-             (princ (umls-translate outfile line) ostream) ;; use outfile for custom cols
-             (princ #\newline ostream))))
-       t))))
-
-(defun pg-copy-cmd (file extension)
-"Return postgresql copy statement for a file"  
-  (format nil "COPY ~a FROM '~a' using delimiters '|' with null as ''"
-         (umls-file-table file) (umls-pathname (umls-file-fil file) extension)))
-
-(defun mysql-copy-cmd (file extension)
-"Return mysql copy statement for a file"  
-  (format nil "LOAD DATA LOCAL INFILE \"~a\" INTO TABLE ~a FIELDS TERMINATED BY \"|\""
-    (umls-pathname (umls-file-fil file) extension) (umls-file-table file)))
-
-(defun umls-translate (file line)
-"Translate a single line for sql output"
-(string-trim-last-character
- (concatenate 'string
-   (mapcar2-append-string 
-    (lambda (col value)
-      (concatenate
-         'string
-       (if (eq (umls-col-datatype col) 'sql-u)
-           (format nil "~d" (parse-ui value ""))
-         (escape-backslashes value))
-       "|"))
-    (remove-custom-cols (umls-file-colstructs file)) 
-    line)
-   (custom-col-values (custom-colstructs-for-file file) line "|" nil))))
-   
-
-(defun umls-fixed-size-waste ()
-  "Display storage waste if using all fixed size storage"
-  (let ((totalwaste 0)
-       (totalunavoidable 0)
-       (totalavoidable 0)
-       (unavoidable '())
-       (avoidable '()))
-    (dolist (file *umls-files*)
-      (dolist (col (umls-file-colstructs file))
-       (let* ((avwaste (- (umls-col-max col) (umls-col-av col)))
-              (cwaste (* avwaste (umls-file-rws file))))
-         (unless (zerop cwaste)
-           (if (<= avwaste 6)
-               (progn
-                 (incf totalunavoidable cwaste)
-                 (setq unavoidable (append unavoidable (list (list (umls-file-fil file) (umls-col-col col) avwaste cwaste)))))
-             (progn
-                 (incf totalavoidable cwaste)
-                 (setq avoidable (append avoidable (list (list (umls-file-fil file) (umls-col-col col) avwaste cwaste))))))
-           (incf totalwaste cwaste)))))
-    (values totalwaste totalavoidable totalunavoidable avoidable unavoidable)))
-
-(defun display-waste ()
-  (unless *umls-files*
-    (init-umls))
-  (multiple-value-bind (tw ta tu al ul) (umls-fixed-size-waste)
-    (format t "Total waste: ~d~%" tw)
-    (format t "Total avoidable: ~d~%" ta)
-    (format t "Total unavoidable: ~d~%" tu)
-    (format t "Avoidable:~%")
-    (dolist (w al)
-      (format t "  (~a,~a): ~a,~a~%" (car w) (cadr w) (caddr w) (cadddr w)))
-    (format t "Unavoidable:~%")
-    (dolist (w ul)
-      (format t "  (~a,~a): ~a,~a~%" (car w) (cadr w) (caddr w) (cadddr w)))
-  ))
-
-(defun max-umls-field ()
-  "Return length of longest field"
-  (unless *umls-files*
-    (init-umls))
-  (let ((max 0))
-    (declare (fixnum max))
-    (dolist (col *umls-cols*)
-      (when (> (umls-col-max col) max)
-       (setq max (umls-col-max col))))
-    max))
-
-(defun max-umls-row ()
-  "Return length of longest row"
-  (if t
-      6000  ;;; hack to use on systems without MRCOLS/MRFILES -- ok for UMLS2001
-    (progn
-      (unless *umls-files*
-       (init-umls))
-      (let ((rowsizes '()))
-       (dolist (file *umls-files*)
-         (let ((row 0)
-               (fields (umls-file-colstructs file)))
-           (dolist (field fields)
-             (incf row (1+ (umls-col-max field))))
-           (push row rowsizes)))
-       (car (sort rowsizes #'>))))))
+  (ensure-col-in-columns colname filename *umls-cols*))
+
+(defun find-ufile (filename)
+  "Returns umls-file structure for a filename"
+  (find-if #'(lambda (f) (string= filename (fil f))) *umls-files*))
+
+(defun position-field-file (filename fieldname)
+  "Returns the position of a field in a file"
+  (let ((ufile (find-ufile filename)))
+    (unless ufile
+      (warn "Unable to find ufile for filename ~A." filename)
+      (return-from position-field-file nil))
+    (let ((pos (position fieldname (fields ufile) :test #'string=)))
+      (unless pos
+        (warn "Unable to find field ~A in ufile ~S." fieldname ufile)
+        (return-from position-field-file nil))
+      pos)))
+
+(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
+                         (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
+append a unique number (starting at 2) onto a column name that is repeated in the list"
+  (let ((col-counts (make-hash-table :test 'equal)))
+    (loop for colname in (delimited-string-to-list (escape-column-name fmt) #\,)
+          collect
+          (multiple-value-bind (value found) (gethash colname col-counts)
+            (cond
+              (found
+                (incf (gethash colname col-counts))
+                (concatenate 'string colname (write-to-string (1+ value))))
+              (t
+               (setf (gethash colname col-counts) 1)
+               colname))))))
+
+(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))))
+      ufile)))
+
+(defun set-ucols-for-ufiles (ufiles)
+  (dolist (ufile ufiles)
+    (setf (ucols ufile) (find-ucols-for-ufile ufile))))
+
+(defun datatype-for-colname (colname)
+"Return datatype for column name"
+  (second (find colname +col-datatypes+ :key #'car :test #'string-equal)))
+
+(defun canonicalize-column-type (type)
+  (cond
+   ((string-equal type "TINYINT")
+    (case *umls-sql-type*
+      (:mysql "TINYINT")
+      ((:postgresql :postgresql-socket) "INT1")
+      (:oracle "NUMBER(3,0)")
+      (t "INTEGER")))
+   ((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"
+  (setf (datatype col) datatype)
+  (case datatype
+    (sql-u (setf (sqltype col) (canonicalize-column-type "INTEGER")
+                 (parse-fun col) #'parse-ui
+                 (quote-str col) ""))
+    (sql-s (setf (sqltype col) (canonicalize-column-type "SMALLINT")
+                 (parse-fun col) #'parse-integer
+                 (quote-str col) ""))
+    (sql-l (setf (sqltype col)  (canonicalize-column-type "BIGINT")
+                 (parse-fun col) #'parse-integer
+                 (quote-str col) ""))
+    (sql-i (setf (sqltype col)  (canonicalize-column-type "INTEGER")
+                 (parse-fun col) #'parse-integer
+                 (quote-str col) ""))
+    (sql-t (setf (sqltype col)  (canonicalize-column-type "TINYINT")
+                 (parse-fun col) #'parse-integer
+                 (quote-str col) ""))
+    (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
+           (quote-str col) "'")
+     (when (and (cmax col) (av col))
+       (if (> (cmax col) 255)
+           (setf (sqltype col) (canonicalize-column-type "TEXT"))
+         (setf (sqltype col) (canonicalize-column-type "VARCHAR")))))))
+
+(defun escape-column-name (name)
+  (substitute #\_ #\/ name))
+
+;; SQLNAME is required for collision of SQL reserved words (MYSQL 8: RANK)
+;; and column names in UMLS (RANK in MRRANK)
+(defvar *sql-reserved-names* '("RANK"))
+(defmethod sqlname ((c ucol))
+  (sqlname (col c)))
+(defmethod sqlname ((name string))
+  (if (find name *sql-reserved-names* :test #'string-equal)
+      (concatenate 'string "_" name)
+    name))
+(defmethod sqlname ((l list))
+  (mapcar #'sqlname l))
+(defmethod sqlname ((s symbol))
+  (sqlname (symbol-name s)))