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     for (i = 0; i < internet_address_list_length (addresses); i++) {
 208         address = internet_address_list_get_address (addresses, i);
 209         gen_terms_address_name (term_gen, address, address_type);
 210         gen_terms_address_name (term_gen, address, "name");
 211         gen_terms_address_name (term_gen, address, "body");
 212     }
 213 }
 214
 215 static void
 216 add_term_address_addr (Xapian::Document doc,
 217                        InternetAddress *address,
 218                        const char *prefix_name)
 219 {
 220     InternetAddressMailbox *mailbox = INTERNET_ADDRESS_MAILBOX (address);
 221     const char *addr;
 222
 223     addr = internet_address_mailbox_get_addr (mailbox);
 224
 225     if (addr)
 226         add_term (doc, prefix_name, addr);
 227 }
 228
 229 static void
 230 add_terms_address_addrs (Xapian::Document doc,
 231                          InternetAddressList *addresses,
 232                          const char *address_type)
 233 {
 234     int i;
 235     InternetAddress *address;
 236
 237     for (i = 0; i < internet_address_list_length (addresses); i++) {
 238         address = internet_address_list_get_address (addresses, i);
 239         add_term_address_addr (doc, address, address_type);
 240         add_term_address_addr (doc, address, "email");
 241     }
 242 }
 243
 244 static const char *
 245 skip_re_in_subject (const char *subject)
 246 {
 247     const char *s = subject;
 248
 249     while (*s) {
 250         while (*s && isspace (*s))
 251             s++;
 252         if (strncasecmp (s, "re:", 3) == 0)
 253             s += 3;
 254         else
 255             break;
 256     }
 257
 258     return s;
 259 }
 260
 261 static void
 262 find_messages_by_term (Xapian::Database db,
 263                        const char *prefix_name,
 264                        const char *value,
 265                        Xapian::PostingIterator *begin,
 266                        Xapian::PostingIterator *end)
 267 {
 268     Xapian::PostingIterator i;
 269     char *term;
 270
 271     term = g_strdup_printf ("%s%s", find_prefix (prefix_name), value);
 272
 273     *begin = db.postlist_begin (term);
 274
 275     if (end)
 276         *end = db.postlist_end (term);
 277
 278     free (term);
 279 }
 280
 281 Xapian::Document
 282 find_message_by_docid (Xapian::Database db, Xapian::docid docid)
 283 {
 284     return db.get_document (docid);
 285 }
 286
 287 Xapian::Document
 288 find_message_by_message_id (Xapian::Database db, const char *message_id)
 289 {
 290     Xapian::PostingIterator i, end;
 291
 292     find_messages_by_term (db, "msgid", message_id, &i, &end);
 293
 294     if (i != end)
 295         return find_message_by_docid (db, *i);
 296     else
 297         return Xapian::Document ();
 298 }
 299
 300 static void
 301 insert_thread_id (GHashTable *thread_ids, Xapian::Document doc)
 302 {
 303     string value_string;
 304     const char *value, *id, *comma;
 305
 306     value_string = doc.get_value (NOTMUCH_VALUE_THREAD);
 307     value = value_string.c_str();
 308     if (strlen (value)) {
 309         id = value;
 310         while (*id) {
 311             comma = strchr (id, ',');
 312             if (comma == NULL)
 313                 comma = id + strlen (id);
 314             g_hash_table_insert (thread_ids,
 315                                  strndup (id, comma - id), NULL);
 316             id = comma;
 317             if (*id)
 318                 id++;
 319         }
 320     }
 321 }
 322
 323 /* Return one or more thread_ids, (as a GPtrArray of strings), for the
 324  * given message based on looking into the database for any messages
 325  * referenced in parents, and also for any messages in the database
 326  * referencing message_id.
 327  *
 328  * Caller should free all strings in the array and the array itself,
 329  * (g_ptr_array_free) when done. */
 330 static GPtrArray *
 331 find_thread_ids (Xapian::Database db,
 332                  GPtrArray *parents,
 333                  const char *message_id)
 334 {
 335     Xapian::PostingIterator child, children_end;
 336     Xapian::Document doc;
 337     GHashTable *thread_ids;
 338     GList *keys, *l;
 339     unsigned int i;
 340     const char *parent_message_id;
 341     GPtrArray *result;
 342
 343     thread_ids = g_hash_table_new (g_str_hash, g_str_equal);
 344
 345     find_messages_by_term (db, "ref", message_id, &child, &children_end);
 346     for ( ; child != children_end; child++) {
 347         doc = find_message_by_docid (db, *child);
 348         insert_thread_id (thread_ids, doc);
 349     }
 350
 351     for (i = 0; i < parents->len; i++) {
 352         parent_message_id = (char *) g_ptr_array_index (parents, i);
 353         doc = find_message_by_message_id (db, parent_message_id);
 354         insert_thread_id (thread_ids, doc);
 355     }
 356
 357     result = g_ptr_array_new ();
 358
 359     keys = g_hash_table_get_keys (thread_ids);
 360     for (l = keys; l; l = l->next) {
 361         char *id = (char *) l->data;
 362         g_ptr_array_add (result, id);
 363     }
 364
 365     return result;
 366 }
 367
 368 /* Add a term for each message-id in the References header of the
 369  * message. */
 370 static void
 371 parse_references (GPtrArray *array,
 372                   const char *refs_str)
 373 {
 374     GMimeReferences *refs, *r;
 375     const char *message_id;
 376
 377     if (refs_str == NULL)
 378         return;
 379
 380     refs = g_mime_references_decode (refs_str);
 381
 382     for (r = refs; r; r = r->next) {
 383         message_id = g_mime_references_get_message_id (r);
 384         g_ptr_array_add (array, g_strdup (message_id));
 385     }
 386
 387     g_mime_references_free (refs);
 388 }
 389
 390 /* Given a string representing the body of a message, generate terms
 391  * for it, (skipping quoted portions and signatures). */
 392 static void
 393 gen_terms_body_str (Xapian::TermGenerator term_gen,
 394                     char *body)
 395 {
 396     char *line, *line_end, *next_line;
 397
 398     if (body == NULL)
 399         return;
 400
 401     next_line = body;
 402
 403     while (1) {
 404         line = next_line;
 405         if (*line == '\0')
 406             break;
 407
 408         next_line = strchr (line, '\n');
 409         if (next_line == NULL) {
 410             next_line = line + strlen (line);
 411         }
 412         line_end = next_line - 1;
 413
 414         /* Get to the next non-blank line. */
 415         while (*next_line == '\n')
 416             next_line++;
 417
 418         /* Skip lines that are quotes. */
 419         if (*line == '>')
 420             continue;
 421
 422         /* Also skip lines introducing a quote on the next line. */
 423         if (*line_end == ':' && *next_line == '>')
 424             continue;
 425
 426         /* Finally, bail as soon as we see a signature. */
 427         /* XXX: Should only do this if "near" the end of the message. */
 428         if (strncmp (line, "-- ", 3) == 0 ||
 429             strncmp (line, "----------", 10) == 0 ||
 430             strncmp (line, "__________", 10) == 0)
 431             break;
 432
 433         *(line_end + 1) = '\0';
 434         gen_terms (term_gen, "body", line);
 435     }
 436 }
 437
 438
 439 /* Callback to generate terms for each mime part of a message. */
 440 static void
 441 gen_terms_part (Xapian::TermGenerator term_gen,
 442                 GMimeObject *part)
 443 {
 444     GMimeStream *stream;
 445     GMimeDataWrapper *wrapper;
 446     GByteArray *byte_array;
 447     GMimeContentDisposition *disposition;
 448     char *body;
 449
 450     if (GMIME_IS_MULTIPART (part)) {
 451         GMimeMultipart *multipart = GMIME_MULTIPART (part);
 452         int i;
 453
 454         for (i = 0; i < g_mime_multipart_get_count (multipart); i++) {
 455             if (GMIME_IS_MULTIPART_SIGNED (multipart)) {
 456                 /* Don't index the signature. */
 457                 if (i == 1)
 458                     continue;
 459                 if (i > 1)
 460                     fprintf (stderr, "Warning: Unexpected extra parts of mutlipart/signed. Indexing anyway.\n");
 461             }
 462             gen_terms_part (term_gen,
 463                             g_mime_multipart_get_part (multipart, i));
 464         }
 465         return;
 466     }
 467
 468     if (! GMIME_IS_PART (part)) {
 469         fprintf (stderr, "Warning: Not indexing unknown mime part: %s.\n",
 470                  g_type_name (G_OBJECT_TYPE (part)));
 471         return;
 472     }
 473
 474     disposition = g_mime_object_get_content_disposition (part);
 475     if (disposition &&
 476         strcmp (disposition->disposition, GMIME_DISPOSITION_ATTACHMENT) == 0)
 477     {
 478         const char *filename = g_mime_part_get_filename (GMIME_PART (part));
 479         const char *extension;
 480
 481         add_term (term_gen.get_document (), "label", "attachment");
 482         gen_terms (term_gen, "attachment", filename);
 483
 484         if (filename) {
 485             extension = strchr (filename, '.');
 486             if (extension) {
 487                 add_term (term_gen.get_document (), "attachment_extension",
 488                           extension + 1);
 489             }
 490         }
 491
 492         return;
 493     }
 494
 495     byte_array = g_byte_array_new ();
 496
 497     stream = g_mime_stream_mem_new_with_byte_array (byte_array);
 498     g_mime_stream_mem_set_owner (GMIME_STREAM_MEM (stream), FALSE);
 499     wrapper = g_mime_part_get_content_object (GMIME_PART (part));
 500     g_mime_data_wrapper_write_to_stream (wrapper, stream);
 501
 502     g_object_unref (stream);
 503
 504     g_byte_array_append (byte_array, (guint8 *) "\0", 1);
 505     body = (char *) g_byte_array_free (byte_array, FALSE);
 506
 507     gen_terms_body_str (term_gen, body);
 508
 509     free (body);
 510 }
 511
 512 static void
 513 index_file (Xapian::WritableDatabase db,
 514             Xapian::TermGenerator term_gen,
 515             const char *filename)
 516 {
 517     Xapian::Document doc;
 518
 519     GMimeStream *stream;
 520     GMimeParser *parser;
 521     GMimeMessage *message;
 522     InternetAddressList *addresses;
 523     GPtrArray *parents, *thread_ids;
 524
 525     FILE *file;
 526
 527     const char *subject, *refs, *in_reply_to, *from;
 528     const char *message_id;
 529
 530     time_t time;
 531     struct tm gm_time_tm;
 532     char date_str[16]; /* YYYYMMDDHHMMSS + 1 for Y100k compatibility ;-) */
 533     unsigned int i;
 534
 535     file = fopen (filename, "r");
 536     if (! file) {
 537         fprintf (stderr, "Error opening %s: %s\n", filename, strerror (errno));
 538         exit (1);
 539     }
 540
 541     stream = g_mime_stream_file_new (file);
 542
 543     parser = g_mime_parser_new_with_stream (stream);
 544
 545     message = g_mime_parser_construct_message (parser);
 546
 547     doc = Xapian::Document ();
 548
 549     doc.set_data (filename);
 550
 551     term_gen.set_stemmer (Xapian::Stem ("english"));
 552
 553     term_gen.set_document (doc);
 554
 555     from = g_mime_message_get_sender (message);
 556     addresses = internet_address_list_parse_string (from);
 557
 558     gen_terms_address_names (term_gen, addresses, "from_name");
 559
 560     addresses = g_mime_message_get_all_recipients (message);
 561     gen_terms_address_names (term_gen, addresses, "to_name");
 562
 563     subject = g_mime_message_get_subject (message);
 564     subject = skip_re_in_subject (subject);
 565     gen_terms (term_gen, "subject", subject);
 566     gen_terms (term_gen, "body", subject);
 567
 568     gen_terms_part (term_gen, g_mime_message_get_mime_part (message));
 569
 570     parents = g_ptr_array_new ();
 571
 572     refs = g_mime_object_get_header (GMIME_OBJECT (message), "references");
 573     parse_references (parents, refs);
 574
 575     in_reply_to = g_mime_object_get_header (GMIME_OBJECT (message),
 576                                             "in-reply-to");
 577     parse_references (parents, in_reply_to);
 578
 579     for (i = 0; i < parents->len; i++)
 580         add_term (doc, "ref", (char *) g_ptr_array_index (parents, i));
 581
 582     message_id = g_mime_message_get_message_id (message);
 583
 584     thread_ids = find_thread_ids (db, parents, message_id);
 585
 586     for (i = 0; i < parents->len; i++)
 587         g_free (g_ptr_array_index (parents, i));
 588     g_ptr_array_free (parents, TRUE);
 589
 590     from = g_mime_message_get_sender (message);
 591     addresses = internet_address_list_parse_string (from);
 592
 593     add_terms_address_addrs (doc, addresses, "from_email");
 594
 595     add_terms_address_addrs (doc,
 596                              g_mime_message_get_all_recipients (message),
 597                              "to_email");
 598
 599     g_mime_message_get_date (message, &time, NULL);
 600
 601     gmtime_r (&time, &gm_time_tm);
 602
 603     if (strftime (date_str, sizeof (date_str),
 604                   "%Y%m%d%H%M%S", &gm_time_tm) == 0) {
 605         fprintf (stderr, "Internal error formatting time\n");
 606         exit (1);
 607     }
 608
 609     add_term (doc, "date", date_str);
 610
 611     add_term (doc, "label", "inbox");
 612     add_term (doc, "label", "unread");
 613     add_term (doc, "type", "mail");
 614     add_term (doc, "source_id", "1");
 615
 616     add_term (doc, "msgid", message_id);
 617     doc.add_value (NOTMUCH_VALUE_MESSAGE_ID, message_id);
 618
 619     if (thread_ids->len) {
 620         unsigned int i;
 621         GString *thread_id;
 622         char *id;
 623
 624         for (i = 0; i < thread_ids->len; i++) {
 625             id = (char *) thread_ids->pdata[i];
 626
 627             add_term (doc, "thread", id);
 628
 629             if (i == 0)
 630                 thread_id = g_string_new (id);
 631             else
 632                 g_string_append_printf (thread_id, ",%s", id);
 633
 634             free (id);
 635         }
 636         g_ptr_array_free (thread_ids, TRUE);
 637
 638         doc.add_value (NOTMUCH_VALUE_THREAD, thread_id->str);
 639
 640         g_string_free (thread_id, TRUE);
 641     } else {
 642         /* If not referenced thread, use the message ID */
 643         add_term (doc, "thread", message_id);
 644         doc.add_value (NOTMUCH_VALUE_THREAD, message_id);
 645     }
 646
 647     doc.add_value (NOTMUCH_VALUE_DATE, Xapian::sortable_serialise (time));
 648
 649     db.add_document (doc);
 650
 651     g_object_unref (message);
 652     g_object_unref (parser);
 653     g_object_unref (stream);
 654 }
 655
 656 static void
 657 usage (const char *argv0)
 658 {
 659     fprintf (stderr, "Usage: %s <path-to-xapian-database>\n", argv0);
 660     fprintf (stderr, "\n");
 661     fprintf (stderr, "Messages to be indexed are read from stdnin as absolute filenames\n");
 662     fprintf (stderr, "one file per line.");
 663 }
 664
 665 int
 666 main (int argc, char **argv)
 667 {
 668     const char *database_path;
 669     char *filename;
 670     GIOChannel *channel;
 671     GIOStatus gio_status;
 672     GError *error = NULL;
 673
 674     if (argc < 2) {
 675         usage (argv[0]);
 676         exit (1);
 677     }
 678
 679     database_path = argv[1];
 680
 681     g_mime_init (0);
 682
 683     try {
 684         Xapian::WritableDatabase db;
 685         Xapian::TermGenerator term_gen;
 686
 687         db = Xapian::WritableDatabase (database_path,
 688                                        Xapian::DB_CREATE_OR_OPEN);
 689
 690         term_gen = Xapian::TermGenerator ();
 691
 692         channel = g_io_channel_unix_new (fileno (stdin));
 693
 694         while (1) {
 695             gio_status = g_io_channel_read_line (channel, &filename,
 696                                                  NULL, NULL, &error);
 697             if (gio_status == G_IO_STATUS_EOF)
 698                 break;
 699             if (gio_status != G_IO_STATUS_NORMAL) {
 700                 fprintf (stderr, "An error occurred reading from stdin: %s\n",
 701                          error->message);
 702                 exit (1);
 703             }
 704
 705             g_strchomp (filename);
 706             index_file (db, term_gen, filename);
 707
 708             g_free (filename);
 709         }
 710
 711     } catch (const Xapian::Error &error) {
 712         cerr << "A Xapian exception occurred: " << error.get_msg () << endl;
 713         exit (1);
 714     }
 715
 716     return 0;
 717 }