git.notmuchmail.org Git - notmuch/blob - notmuch-index-message.cc

   1 /*
   2  * Copyright © 2009 Carl Worth
   3  *
   4  * This program is free software: you can redistribute it and/or modify
   5  * it under the terms of the GNU General Public License as published by
   6  * the Free Software Foundation, either version 3 of the License, or
   7  * (at your option) any later version.
   8  *
   9  * This program is distributed in the hope that it will be useful,
  10  * but WITHOUT ANY WARRANTY; without even the implied warranty of
  11  * MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the
  12  * GNU General Public License for more details.
  13  *
  14  * You should have received a copy of the GNU General Public License
  15  * along with this program.  If not, see http://www.gnu.org/licenses/ .
  16  *
  17  * Author: Carl Worth <cworth@cworth.org>
  18  */
  19
  20 /* This indexer creates a Xapian mail index that is remarkably similar
  21  * to that created by sup. The big difference, (and the thing that
  22  * will keep a notmuch index from being used by sup directly), is that
  23  * sup expects a serialized ruby data structure in the document's data
  24  * field, but notmuch just puts the mail's filename there (trusting
  25  * that the email client can get the data in needs from the filename).
  26  *
  27  * Note: One bug here is that sup actually merges together fields such
  28  * as To, CC, Bcc etc. when finding multiple emails with the same
  29  * message ID. To support something similar, notmuch should list
  30  * multiple files in the data field.
  31  *
  32  * Other differences between sup and notmuch-index identified so far:
  33  *
  34  *   o sup supports encrypted mime parts by prompting for a passphrase
  35  *     to decrypt the message. So far, notmuch doesn't support this,
  36  *     both because I'm lazy to code it, and I also think doing so
  37  *     would present a security leak.
  38  *
  39  *   o sup and notmuch have different heuristics for identifying (and
  40  *     thus ignoring) signatures. For example, sup considers a line
  41  *     consisting of two hypens as a signature separator, while
  42  *     notmuch expects those two hyphens to be followed by a space
  43  *     character.
  44  *
  45  *   o sup as been seen to split some numbers before indexing
  46  *     them. For example, the number 1754 in an email message was
  47  *     indexed by sup as separate terms 17 and 54. I couldn't find any
  48  *     explanation for this behavior and did not try to replicate it
  49  *     in notmuch.
  50  */
  51
  52 #include <stdio.h>
  53 #include <stdlib.h>
  54 #include <string.h>
  55 #include <errno.h>
  56 #include <time.h>
  57
  58 #include <iostream>
  59
  60 #include <gmime/gmime.h>
  61
  62 #include <xapian.h>
  63
  64 using namespace std;
  65
  66 #define ARRAY_SIZE(arr) (sizeof (arr) / sizeof (arr[0]))
  67
  68 /* Xapian complains if we provide a term longer than this. */
  69 #define NOTMUCH_MAX_TERM 245
  70
  71 /* These prefix values are specifically chosen to be compatible
  72  * with sup, (http://sup.rubyforge.org), written by
  73  * William Morgan <wmorgan-sup@masanjin.net>, and released
  74  * under the GNU GPL v2.
  75  */
  76
  77 typedef struct {
  78     const char *name;
  79     const char *prefix;
  80 } prefix_t;
  81
  82 prefix_t NORMAL_PREFIX[] = {
  83     { "subject", "S" },
  84     { "body", "B" },
  85     { "from_name", "FN" },
  86     { "to_name", "TN" },
  87     { "name", "N" },
  88     { "attachment", "A" }
  89 };
  90
  91 prefix_t BOOLEAN_PREFIX[] = {
  92     { "type", "K" },
  93     { "from_email", "FE" },
  94     { "to_email", "TE" },
  95     { "email", "E" },
  96     { "date", "D" },
  97     { "label", "L" },
  98     { "source_id", "I" },
  99     { "attachment_extension", "O" },
 100     { "msgid", "Q" },
 101     { "thread", "H" },
 102     { "ref", "R" }
 103 };
 104
 105 /* Similarly, these value numbers are also chosen to be sup
 106  * compatible. */
 107
 108 typedef enum {
 109     NOTMUCH_VALUE_MESSAGE_ID = 0,
 110     NOTMUCH_VALUE_THREAD = 1,
 111     NOTMUCH_VALUE_DATE = 2
 112 } notmuch_value_t;
 113
 114 static const char *
 115 find_prefix (const char *name)
 116 {
 117     unsigned int i;
 118
 119     for (i = 0; i < ARRAY_SIZE (NORMAL_PREFIX); i++)
 120         if (strcmp (name, NORMAL_PREFIX[i].name) == 0)
 121             return NORMAL_PREFIX[i].prefix;
 122
 123     for (i = 0; i < ARRAY_SIZE (BOOLEAN_PREFIX); i++)
 124         if (strcmp (name, BOOLEAN_PREFIX[i].name) == 0)
 125             return BOOLEAN_PREFIX[i].prefix;
 126
 127     return "";
 128 }
 129
 130 int TERM_COMBINED = 0;
 131
 132 static void
 133 add_term (Xapian::Document doc,
 134           const char *prefix_name,
 135           const char *value)
 136 {
 137     const char *prefix;
 138     char *term;
 139
 140     if (value == NULL)
 141         return;
 142
 143     prefix = find_prefix (prefix_name);
 144
 145     term = g_strdup_printf ("%s%s", prefix, value);
 146
 147     if (strlen (term) <= NOTMUCH_MAX_TERM)
 148         doc.add_term (term);
 149
 150     g_free (term);
 151 }
 152
 153 static void
 154 gen_terms (Xapian::TermGenerator term_gen,
 155            const char *prefix_name,
 156            const char *text)
 157 {
 158     const char *prefix;
 159
 160     if (text == NULL)
 161         return;
 162
 163     prefix = find_prefix (prefix_name);
 164
 165     term_gen.index_text (text, 1, prefix);
 166 }
 167
 168 static void
 169 gen_terms_address_name (Xapian::TermGenerator term_gen,
 170                         InternetAddress *address,
 171                         const char *prefix_name)
 172 {
 173     const char *name;
 174     int own_name = 0;
 175
 176     name = internet_address_get_name (address);
 177
 178     /* In the absence of a name, we'll strip the part before the @
 179      * from the address. */
 180     if (! name) {
 181         InternetAddressMailbox *mailbox = INTERNET_ADDRESS_MAILBOX (address);
 182         const char *addr = internet_address_mailbox_get_addr (mailbox);
 183         const char *at;
 184
 185         at = strchr (addr, '@');
 186         if (at) {
 187             name = strndup (addr, at - addr);
 188             own_name = 1;
 189         }
 190     }
 191
 192     if (name)
 193         gen_terms (term_gen, prefix_name, name);
 194
 195     if (own_name)
 196         free ((void *) name);
 197 }
 198
 199 static void
 200 gen_terms_address_names (Xapian::TermGenerator term_gen,
 201                          InternetAddressList *addresses,
 202                          const char *address_type)
 203 {
 204     int i;
 205     InternetAddress *address;
 206
 207     if (addresses == NULL)
 208         return;
 209
 210     for (i = 0; i < internet_address_list_length (addresses); i++) {
 211         address = internet_address_list_get_address (addresses, i);
 212         gen_terms_address_name (term_gen, address, address_type);
 213         gen_terms_address_name (term_gen, address, "name");
 214         gen_terms_address_name (term_gen, address, "body");
 215     }
 216 }
 217
 218 static void
 219 add_term_address_addr (Xapian::Document doc,
 220                        InternetAddress *address,
 221                        const char *prefix_name)
 222 {
 223     InternetAddressMailbox *mailbox = INTERNET_ADDRESS_MAILBOX (address);
 224     const char *addr;
 225
 226     addr = internet_address_mailbox_get_addr (mailbox);
 227
 228     if (addr)
 229         add_term (doc, prefix_name, addr);
 230 }
 231
 232 static void
 233 add_terms_address_addrs (Xapian::Document doc,
 234                          InternetAddressList *addresses,
 235                          const char *address_type)
 236 {
 237     int i;
 238     InternetAddress *address;
 239
 240     if (addresses == NULL)
 241         return;
 242
 243     for (i = 0; i < internet_address_list_length (addresses); i++) {
 244         address = internet_address_list_get_address (addresses, i);
 245         add_term_address_addr (doc, address, address_type);
 246         add_term_address_addr (doc, address, "email");
 247     }
 248 }
 249
 250 static const char *
 251 skip_re_in_subject (const char *subject)
 252 {
 253     const char *s = subject;
 254
 255     while (*s) {
 256         while (*s && isspace (*s))
 257             s++;
 258         if (strncasecmp (s, "re:", 3) == 0)
 259             s += 3;
 260         else
 261             break;
 262     }
 263
 264     return s;
 265 }
 266
 267 static void
 268 find_messages_by_term (Xapian::Database db,
 269                        const char *prefix_name,
 270                        const char *value,
 271                        Xapian::PostingIterator *begin,
 272                        Xapian::PostingIterator *end)
 273 {
 274     Xapian::PostingIterator i;
 275     char *term;
 276
 277     term = g_strdup_printf ("%s%s", find_prefix (prefix_name), value);
 278
 279     *begin = db.postlist_begin (term);
 280
 281     if (end)
 282         *end = db.postlist_end (term);
 283
 284     free (term);
 285 }
 286
 287 Xapian::Document
 288 find_message_by_docid (Xapian::Database db, Xapian::docid docid)
 289 {
 290     return db.get_document (docid);
 291 }
 292
 293 Xapian::Document
 294 find_message_by_message_id (Xapian::Database db, const char *message_id)
 295 {
 296     Xapian::PostingIterator i, end;
 297
 298     find_messages_by_term (db, "msgid", message_id, &i, &end);
 299
 300     if (i != end)
 301         return find_message_by_docid (db, *i);
 302     else
 303         return Xapian::Document ();
 304 }
 305
 306 static void
 307 insert_thread_id (GHashTable *thread_ids, Xapian::Document doc)
 308 {
 309     string value_string;
 310     const char *value, *id, *comma;
 311
 312     value_string = doc.get_value (NOTMUCH_VALUE_THREAD);
 313     value = value_string.c_str();
 314     if (strlen (value)) {
 315         id = value;
 316         while (*id) {
 317             comma = strchr (id, ',');
 318             if (comma == NULL)
 319                 comma = id + strlen (id);
 320             g_hash_table_insert (thread_ids,
 321                                  strndup (id, comma - id), NULL);
 322             id = comma;
 323             if (*id)
 324                 id++;
 325         }
 326     }
 327 }
 328
 329 /* Return one or more thread_ids, (as a GPtrArray of strings), for the
 330  * given message based on looking into the database for any messages
 331  * referenced in parents, and also for any messages in the database
 332  * referencing message_id.
 333  *
 334  * Caller should free all strings in the array and the array itself,
 335  * (g_ptr_array_free) when done. */
 336 static GPtrArray *
 337 find_thread_ids (Xapian::Database db,
 338                  GPtrArray *parents,
 339                  const char *message_id)
 340 {
 341     Xapian::PostingIterator child, children_end;
 342     Xapian::Document doc;
 343     GHashTable *thread_ids;
 344     GList *keys, *l;
 345     unsigned int i;
 346     const char *parent_message_id;
 347     GPtrArray *result;
 348
 349     thread_ids = g_hash_table_new (g_str_hash, g_str_equal);
 350
 351     find_messages_by_term (db, "ref", message_id, &child, &children_end);
 352     for ( ; child != children_end; child++) {
 353         doc = find_message_by_docid (db, *child);
 354         insert_thread_id (thread_ids, doc);
 355     }
 356
 357     for (i = 0; i < parents->len; i++) {
 358         parent_message_id = (char *) g_ptr_array_index (parents, i);
 359         doc = find_message_by_message_id (db, parent_message_id);
 360         insert_thread_id (thread_ids, doc);
 361     }
 362
 363     result = g_ptr_array_new ();
 364
 365     keys = g_hash_table_get_keys (thread_ids);
 366     for (l = keys; l; l = l->next) {
 367         char *id = (char *) l->data;
 368         g_ptr_array_add (result, id);
 369     }
 370
 371     return result;
 372 }
 373
 374 /* Add a term for each message-id in the References header of the
 375  * message. */
 376 static void
 377 parse_references (GPtrArray *array,
 378                   const char *refs_str)
 379 {
 380     GMimeReferences *refs, *r;
 381     const char *message_id;
 382
 383     if (refs_str == NULL)
 384         return;
 385
 386     refs = g_mime_references_decode (refs_str);
 387
 388     for (r = refs; r; r = r->next) {
 389         message_id = g_mime_references_get_message_id (r);
 390         g_ptr_array_add (array, g_strdup (message_id));
 391     }
 392
 393     g_mime_references_free (refs);
 394 }
 395
 396 /* Given a string representing the body of a message, generate terms
 397  * for it, (skipping quoted portions and signatures). */
 398 static void
 399 gen_terms_body_str (Xapian::TermGenerator term_gen,
 400                     char *body)
 401 {
 402     char *line, *line_end, *next_line;
 403
 404     if (body == NULL)
 405         return;
 406
 407     next_line = body;
 408
 409     while (1) {
 410         line = next_line;
 411         if (*line == '\0')
 412             break;
 413
 414         next_line = strchr (line, '\n');
 415         if (next_line == NULL) {
 416             next_line = line + strlen (line);
 417         }
 418         line_end = next_line - 1;
 419
 420         /* Get to the next non-blank line. */
 421         while (*next_line == '\n')
 422             next_line++;
 423
 424         /* Skip lines that are quotes. */
 425         if (*line == '>')
 426             continue;
 427
 428         /* Also skip lines introducing a quote on the next line. */
 429         if (*line_end == ':' && *next_line == '>')
 430             continue;
 431
 432         /* Finally, bail as soon as we see a signature. */
 433         /* XXX: Should only do this if "near" the end of the message. */
 434         if (strncmp (line, "-- ", 3) == 0 ||
 435             strncmp (line, "----------", 10) == 0 ||
 436             strncmp (line, "__________", 10) == 0)
 437             break;
 438
 439         *(line_end + 1) = '\0';
 440         gen_terms (term_gen, "body", line);
 441     }
 442 }
 443
 444
 445 /* Callback to generate terms for each mime part of a message. */
 446 static void
 447 gen_terms_part (Xapian::TermGenerator term_gen,
 448                 GMimeObject *part)
 449 {
 450     GMimeStream *stream;
 451     GMimeDataWrapper *wrapper;
 452     GByteArray *byte_array;
 453     GMimeContentDisposition *disposition;
 454     char *body;
 455
 456     if (GMIME_IS_MULTIPART (part)) {
 457         GMimeMultipart *multipart = GMIME_MULTIPART (part);
 458         int i;
 459
 460         for (i = 0; i < g_mime_multipart_get_count (multipart); i++) {
 461             if (GMIME_IS_MULTIPART_SIGNED (multipart)) {
 462                 /* Don't index the signature. */
 463                 if (i == 1)
 464                     continue;
 465                 if (i > 1)
 466                     fprintf (stderr, "Warning: Unexpected extra parts of mutlipart/signed. Indexing anyway.\n");
 467             }
 468             gen_terms_part (term_gen,
 469                             g_mime_multipart_get_part (multipart, i));
 470         }
 471         return;
 472     }
 473
 474     if (! GMIME_IS_PART (part)) {
 475         fprintf (stderr, "Warning: Not indexing unknown mime part: %s.\n",
 476                  g_type_name (G_OBJECT_TYPE (part)));
 477         return;
 478     }
 479
 480     disposition = g_mime_object_get_content_disposition (part);
 481     if (disposition &&
 482         strcmp (disposition->disposition, GMIME_DISPOSITION_ATTACHMENT) == 0)
 483     {
 484         const char *filename = g_mime_part_get_filename (GMIME_PART (part));
 485         const char *extension;
 486
 487         add_term (term_gen.get_document (), "label", "attachment");
 488         gen_terms (term_gen, "attachment", filename);
 489
 490         if (filename) {
 491             extension = strchr (filename, '.');
 492             if (extension) {
 493                 add_term (term_gen.get_document (), "attachment_extension",
 494                           extension + 1);
 495             }
 496         }
 497
 498         return;
 499     }
 500
 501     byte_array = g_byte_array_new ();
 502
 503     stream = g_mime_stream_mem_new_with_byte_array (byte_array);
 504     g_mime_stream_mem_set_owner (GMIME_STREAM_MEM (stream), FALSE);
 505     wrapper = g_mime_part_get_content_object (GMIME_PART (part));
 506     if (wrapper)
 507         g_mime_data_wrapper_write_to_stream (wrapper, stream);
 508
 509     g_object_unref (stream);
 510
 511     g_byte_array_append (byte_array, (guint8 *) "\0", 1);
 512     body = (char *) g_byte_array_free (byte_array, FALSE);
 513
 514     gen_terms_body_str (term_gen, body);
 515
 516     free (body);
 517 }
 518
 519 static void
 520 index_file (Xapian::WritableDatabase db,
 521             Xapian::TermGenerator term_gen,
 522             const char *filename)
 523 {
 524     Xapian::Document doc;
 525
 526     GMimeStream *stream;
 527     GMimeParser *parser;
 528     GMimeMessage *message;
 529     InternetAddressList *addresses;
 530     GPtrArray *parents, *thread_ids;
 531
 532     FILE *file;
 533
 534     const char *subject, *refs, *in_reply_to, *from;
 535     const char *message_id;
 536
 537     time_t time;
 538     struct tm gm_time_tm;
 539     char date_str[16]; /* YYYYMMDDHHMMSS + 1 for Y100k compatibility ;-) */
 540     unsigned int i;
 541
 542     file = fopen (filename, "r");
 543     if (! file) {
 544         fprintf (stderr, "Error opening %s: %s\n", filename, strerror (errno));
 545         exit (1);
 546     }
 547
 548     stream = g_mime_stream_file_new (file);
 549
 550     parser = g_mime_parser_new_with_stream (stream);
 551
 552     message = g_mime_parser_construct_message (parser);
 553
 554     doc = Xapian::Document ();
 555
 556     doc.set_data (filename);
 557
 558     term_gen.set_stemmer (Xapian::Stem ("english"));
 559
 560     term_gen.set_document (doc);
 561
 562     from = g_mime_message_get_sender (message);
 563     addresses = internet_address_list_parse_string (from);
 564
 565     gen_terms_address_names (term_gen, addresses, "from_name");
 566
 567     addresses = g_mime_message_get_all_recipients (message);
 568     gen_terms_address_names (term_gen, addresses, "to_name");
 569
 570     subject = g_mime_message_get_subject (message);
 571     subject = skip_re_in_subject (subject);
 572     gen_terms (term_gen, "subject", subject);
 573     gen_terms (term_gen, "body", subject);
 574
 575     gen_terms_part (term_gen, g_mime_message_get_mime_part (message));
 576
 577     parents = g_ptr_array_new ();
 578
 579     refs = g_mime_object_get_header (GMIME_OBJECT (message), "references");
 580     parse_references (parents, refs);
 581
 582     in_reply_to = g_mime_object_get_header (GMIME_OBJECT (message),
 583                                             "in-reply-to");
 584     parse_references (parents, in_reply_to);
 585
 586     for (i = 0; i < parents->len; i++)
 587         add_term (doc, "ref", (char *) g_ptr_array_index (parents, i));
 588
 589     message_id = g_mime_message_get_message_id (message);
 590
 591     thread_ids = find_thread_ids (db, parents, message_id);
 592
 593     for (i = 0; i < parents->len; i++)
 594         g_free (g_ptr_array_index (parents, i));
 595     g_ptr_array_free (parents, TRUE);
 596
 597     from = g_mime_message_get_sender (message);
 598     addresses = internet_address_list_parse_string (from);
 599
 600     add_terms_address_addrs (doc, addresses, "from_email");
 601
 602     add_terms_address_addrs (doc,
 603                              g_mime_message_get_all_recipients (message),
 604                              "to_email");
 605
 606     g_mime_message_get_date (message, &time, NULL);
 607
 608     gmtime_r (&time, &gm_time_tm);
 609
 610     if (strftime (date_str, sizeof (date_str),
 611                   "%Y%m%d%H%M%S", &gm_time_tm) == 0) {
 612         fprintf (stderr, "Internal error formatting time\n");
 613         exit (1);
 614     }
 615
 616     add_term (doc, "date", date_str);
 617
 618     add_term (doc, "label", "inbox");
 619     add_term (doc, "label", "unread");
 620     add_term (doc, "type", "mail");
 621     add_term (doc, "source_id", "1");
 622
 623     add_term (doc, "msgid", message_id);
 624     doc.add_value (NOTMUCH_VALUE_MESSAGE_ID, message_id);
 625
 626     if (thread_ids->len) {
 627         unsigned int i;
 628         GString *thread_id;
 629         char *id;
 630
 631         for (i = 0; i < thread_ids->len; i++) {
 632             id = (char *) thread_ids->pdata[i];
 633
 634             add_term (doc, "thread", id);
 635
 636             if (i == 0)
 637                 thread_id = g_string_new (id);
 638             else
 639                 g_string_append_printf (thread_id, ",%s", id);
 640
 641             free (id);
 642         }
 643         g_ptr_array_free (thread_ids, TRUE);
 644
 645         doc.add_value (NOTMUCH_VALUE_THREAD, thread_id->str);
 646
 647         g_string_free (thread_id, TRUE);
 648     } else {
 649         /* If not referenced thread, use the message ID */
 650         add_term (doc, "thread", message_id);
 651         doc.add_value (NOTMUCH_VALUE_THREAD, message_id);
 652     }
 653
 654     doc.add_value (NOTMUCH_VALUE_DATE, Xapian::sortable_serialise (time));
 655
 656     db.add_document (doc);
 657
 658     g_object_unref (message);
 659     g_object_unref (parser);
 660     g_object_unref (stream);
 661 }
 662
 663 static void
 664 usage (const char *argv0)
 665 {
 666     fprintf (stderr, "Usage: %s <path-to-xapian-database>\n", argv0);
 667     fprintf (stderr, "\n");
 668     fprintf (stderr, "Messages to be indexed are read from stdnin as absolute filenames\n");
 669     fprintf (stderr, "one file per line.");
 670 }
 671
 672 int
 673 main (int argc, char **argv)
 674 {
 675     const char *database_path;
 676     char *filename;
 677     GIOChannel *channel;
 678     GIOStatus gio_status;
 679     GError *error = NULL;
 680
 681     if (argc < 2) {
 682         usage (argv[0]);
 683         exit (1);
 684     }
 685
 686     database_path = argv[1];
 687
 688     g_mime_init (0);
 689
 690     try {
 691         Xapian::WritableDatabase db;
 692         Xapian::TermGenerator term_gen;
 693
 694         db = Xapian::WritableDatabase (database_path,
 695                                        Xapian::DB_CREATE_OR_OPEN);
 696
 697         term_gen = Xapian::TermGenerator ();
 698
 699         channel = g_io_channel_unix_new (fileno (stdin));
 700
 701         while (1) {
 702             gio_status = g_io_channel_read_line (channel, &filename,
 703                                                  NULL, NULL, &error);
 704             if (gio_status == G_IO_STATUS_EOF)
 705                 break;
 706             if (gio_status != G_IO_STATUS_NORMAL) {
 707                 fprintf (stderr, "An error occurred reading from stdin: %s\n",
 708                          error->message);
 709                 exit (1);
 710             }
 711
 712             g_strchomp (filename);
 713             index_file (db, term_gen, filename);
 714
 715             g_free (filename);
 716         }
 717
 718     } catch (const Xapian::Error &error) {
 719         cerr << "A Xapian exception occurred: " << error.get_msg () << endl;
 720         exit (1);
 721     }
 722
 723     return 0;
 724 }