-
-
Notifications
You must be signed in to change notification settings - Fork 1
/
Copy pathTrieSDisco.cpp
862 lines (776 loc) · 34.3 KB
/
TrieSDisco.cpp
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
667
668
669
670
671
672
673
674
675
676
677
678
679
680
681
682
683
684
685
686
687
688
689
690
691
692
693
694
695
696
697
698
699
700
701
702
703
704
705
706
707
708
709
710
711
712
713
714
715
716
717
718
719
720
721
722
723
724
725
726
727
728
729
730
731
732
733
734
735
736
737
738
739
740
741
742
743
744
745
746
747
748
749
750
751
752
753
754
755
756
757
758
759
760
761
762
763
764
765
766
767
768
769
770
771
772
773
774
775
776
777
778
779
780
781
782
783
784
785
786
787
788
789
790
791
792
793
794
795
796
797
798
799
800
801
802
803
804
805
806
807
808
809
810
811
812
813
814
815
816
817
818
819
820
821
822
823
824
825
826
827
828
829
830
831
832
833
834
835
836
837
838
839
840
841
842
843
844
845
846
847
848
849
850
851
852
853
854
855
856
857
858
859
860
861
// vim: set expandtab tabstop=8 shiftwidth=8 foldmethod=marker:
/** @file TrieSDisco.cpp
* Representación en disco de un TrieS
*
* @package Mt77
* @author Vladimir Támara Patiño. [email protected]
* Dominio público. 2009. Sin garantías
* http://creativecommons.org/licenses/publicdomain/
* @version $Id: TrieSDisco.cpp,v 1.24 2010/03/08 12:02:40 vtamara Exp $
*/
#include <iostream>
#include <iomanip>
#include <list>
#include <vector>
#include <fstream>
#include <istream>
#include <sstream>
#include <stdint.h>
using namespace std;
#include "TrieSDisco.hpp"
stringstream *depuraos = NULL;
uint32_t
precalcula_escribe_actual(uint32_t longcad, set<Pos> *cpos)
{
uint32_t t = longcad;
t += 1; // {
t += longNDesp(0); // pos hermano mayor
t += longNDesp(0); // pos hijo menor
t += longPos(cpos);
//clog << "OJO precalcular_escribe_actual(" << longcad <<
// ", " << cpos << ") da " << t << endl;
return t;
}
/*
* cadena
* {
* pos a siguiente hermano (el hermano final se marca con \n)
* pos a hijo mayor o 0 si no hay
* (p1,d1),...(p_k_,d_k)
* }
* @param desp Desplazamiento inicial en stream
* @param dhijo Distancia al hijo menor
* @return Posición donde comienza ''apuntador'' a hijo menor
*/
uint32_t
escribeNodo(iostream &os, string c, set<Pos> *cpos,
uint32_t dhijos, uint32_t desp)
{
ASSERT(c.length() > 0);
ASSERT(c.length() <= MAXCAD);
ASSERT(dhijos >= 0);
//clog << "escribeNodo(os, " << c << ", " << (cpos!=NULL ? cpos->size() : 0) << ", " << dhijos << ", " << desp << ")" << endl;
uint32_t pih = 0;
int64_t pini = os.tellp(); // Es posible que sea -1
//clog << "pini=" << pini << endl;
os << c << FINCADENA;
uint32_t dhermano = (pini >= 0 ? pini : 0) + desp +
precalcula_escribe_actual(c.length(), cpos); //+ 1;
//clog << "dhermano=" << dhermano << endl;
escribeNDesp(os, dhermano);
uint32_t phijo = 0;
if (dhijos > 0) {
phijo = ((pini >= 0) ? pini : 0) + desp + dhijos;
}
//clog << "phijo=" << phijo << endl;
pih = os.tellp(); // No puede ser -1
//clog << "pih=" << pih << endl;
escribeNDesp(os, phijo);
escribePos(os, cpos);
if (depuraos != NULL) {
//clog << "escribeNodo: '" << depuraos->str() << "'" << endl;
}
return pih;
}
uint32_t escribeCopiaNodo(iostream &os, istream &is, uint32_t &phijo,
vector<int64_t>* renum)
{
uint32_t ret = 0;
int64_t pini = is.tellg();
//clog << "\nescribeCopiaNodo is.tellg() = " << is.tellg();
string cad = leeCad(is);
//clog << " cad='" << cad << "'";
if (cad != "") {
#if defined(NDEBUG)
(void)leeNDesp(is); // Si depura comentar y descomentar ant.
#else
uint32_t phermano = leeNDesp(is);
#endif
//clog << " phermano=" << phermano;
phijo = leeNDesp(is);
uint32_t dhijo = 0;
if (phijo > 0) {
dhijo = phijo - pini;
}
//clog << " phijo=" << phijo;
set<Pos> *cpos = leePos(is, renum);
//clog << " cpos=" << *cpos;
ASSERT(phijo == 0 || is.tellg() <= phijo);
//clog << " is.tellg() = " << is.tellg();
ASSERT(phermano == 0 || is.tellg() <= phermano);
ret = escribeNodo(os, cad, cpos, dhijo);
delete cpos;
cpos = NULL;
}
//clog << " ret=" << ret << endl;
return ret;
}
uint32_t
escribeCopiaSubarbol(iostream &os, istream &is, bool conHermanos,
vector<int64_t>* renum)
{
int64_t prini = os.tellp(); //puede ser -1
//clog << "OJO escribeCopiaSubarbol prini=" << prini << endl;
//clog << "OJO is.tellg()=" << is.tellg() << endl;
string cad;
uint32_t n; // Cantidad de nodos hermanos
vector<uint32_t> dhijo;
vector<uint32_t> pih;
cad = leeCad(is);
//clog << "OJO cad=" << cad << endl;
/* INV: cad es cadena leida del nodo por copiar
* "cursor" de is está a continuación de la cadena leída
* n es cantidad de nodos hermanos ya leidos
* dhijo tiene lista de apuntadores a hijos
* pih es vector de posiciones de apuntadores a hijos escritos en os
*/
for (n = 0; cad != "" && (conHermanos || n == 0); n++) {
//clog << "OJO is.tellg()=" << is.tellg() << endl;
#if defined(NDEBUG)
(void)leeNDesp(is);
#else
uint32_t phermano = leeNDesp(is);
//clog << "OJO prini=" << prini << " phermano=" << phermano << endl;
#endif
uint32_t h = leeNDesp(is);
//clog << "OJO prini=" << prini << " h=" << h << endl;
set<Pos> *cpos = leePos(is, renum);
//clog << "OJO prini=" << prini << " cpos=" << *cpos << endl;
//clog << "OJO prini=" << prini << " is.tellg=" << is.tellg() << endl;
ASSERT(h == 0 || is.tellg()<=h);
ASSERT(phermano == 0 || is.tellg()<=phermano);
//clog << "OJO paso ASSERT" << endl;
dhijo.push_back(h);
uint32_t tp = escribeNodo(os, cad, cpos, 0);
//clog << "OJO prini=" << prini << " tp=" << tp << endl;
pih.push_back(tp);
//clog << "OJO 2 prini=" << prini << ", os.tellp=" << os.tellp() << endl;
delete cpos;
cpos = NULL;
if (depuraos!=NULL) {
//clog << depuraos->str() << endl;
}
if (conHermanos) {
cad = leeCad(is);
//clog << "OJO conHermanos cad=" << cad << endl;
}
}
if (n > 0) {
os << endl;
//clog << "OJO dhijo[0]=" << dhijo[0] << " " << dhijo.size() << endl;
}
uint32_t i;
/* INV: n cantidad de nodos hermanos por copiar
* "cursor" de os está al final
* dhijo[i] tiene posición en is del hijo menor del i-esimo nodo
* pih[i] es posición en os donde está el hexadecimal con posición
* de hijo menor del i-esimo nodo.
*/
uint32_t pini, pfin;
for (i = 0; i < n; i++) {
if (dhijo[i] > 0) {
//clog << "OJO en hijos prini=" << prini << " dhijo[" << i << "]=" << dhijo[i] << endl;
is.seekg(dhijo[i]);
pini = escribeCopiaSubarbol(os, is, true, renum);
//clog << "OJO prini=" << prini << " pini=" << pini << endl;
pfin = os.tellp(); // No puede ser -1
//clog << "OJO pfin=" << pfin <<endl;
os.seekp(pih[i]);
//clog << "OJO pih[i]=" << pih[i] <<endl;
escribeNDesp(os, pini);
//clog << "OJO escribiendo pini=" << pini <<endl;
os.seekp(pfin);
}
}
return prini;
}
uint32_t
mezclaRec(istream &is1, istream &is2, iostream &os,
bool conHermanos1, bool conHermanos2,
vector<int64_t> *renum1, vector<int64_t> *renum2)
{
string cad1;
string cad2;
uint32_t numhermanos; // Número de hermanos escritos en os
uint32_t n1=0; // Número de hermanos revisados en is1
uint32_t n2=0; // Número de hermanos revisados en is2
uint32_t phermano1; // Posición de hermano en is1
uint32_t phermano2; // Posición de hermano en is2
// Posibles operaciones con hijos en is1 e is2 para producir hijo(s)
// en os
const int O_COPIA1=1,
O_COPIA2=2,
O_MEZCLA_H1H2=3,
O_MEZCLA_H1=4,
O_MEZCLA_H2=5,
O_COPIA_PRIMERO_1=6,
O_COPIA_PRIMERO_2=7;
;
vector<int64_t> dhijo1(0); // apuntadores a hijos de nodos en is1
vector<int64_t> dhijo2(0); // apuntadores a hijos de nodos en is2
vector<string> resto1(0); // Cadenas con las que comenazarán hijos
vector<string> resto2(0); // Cadenas con las que comenzarían hijos
vector<int64_t> opera(0); // operación por realizar a hijos en 2da parte
vector<int64_t> pih(0); // posiciones de apuntadores a hijos en os
int64_t prini = os.tellp(); //podría ser -1
//clog << "OJO mezclaRec prini=" << prini << ", is1.tellg()=" << is1.tellg() << ", is2.tellg()=" << is2.tellg() << endl;
//clog << "peek1=" << is1.peek() << endl;
//clog << "peek2=" << is2.peek() << endl;
for (cad1=leeCad(is1), cad2=leeCad(is2), numhermanos = 0;
(cad1!="" && (conHermanos1 || n1==0)) ||
(cad2!="" && (conHermanos2 || n2==0));
numhermanos++) {
//clog << "OJO mezclaRec prini=" << prini << ", cad1=" << cad1 << ", cad2= "<< cad2 << endl;
dhijo1.push_back(-1);
dhijo2.push_back(-1);
resto1.push_back("");
resto2.push_back("");
opera.push_back(-1);
pih.push_back(-1);
if (!conHermanos1 && n1 >= 1) {
cad1="";
}
if (!conHermanos2 && n2 >= 1) {
cad2="";
}
/* INV:
* cad1 es cadena en nodo de is1
* cad2 es cadena en nodo de is2
* cursor de is1 está a continuación de cad1
* (sobre inicio de posiciones)
* cursor de is2 está a continuación de cad2
* conHermanos1 es true si debe continuar con hermanos en is1
* conHermanos2 es true si debe seguir con hermanos en is2
*/
string c = "";
if (cad1 != "" && cad2 != "") {
c = prefijo_comun_mas_largo(cad1, cad2);
}
//clog << " prefijo c="<<c<<endl;
if (c == "") { // No hay prefijo comun
resto1[numhermanos] = "";
resto2[numhermanos] = "";
if (cad2 == "" || (cad1 != "" && cad1 < cad2)) {
// e.g AMOR y BUENO o
// "" y BUENO
//clog<< "se copia nodo de is1" <<endl;
phermano1 = leeNDesp(is1);
dhijo1[numhermanos] = leeNDesp(is1);
dhijo2[numhermanos] = -1;
set<Pos> *cpos = leePos(is1, renum1);
opera[numhermanos] = O_COPIA1;
pih[numhermanos] =
escribeNodo(os, cad1, cpos, 0);
delete cpos;
cpos = NULL;
cad1 = leeCad(is1);
n1++;
// cad2 quieto
// en la recursión hijos de cad1
//quedamos en el siguiente hermano mayor en is1
} else { /*cad2!="" && (cad1=="" || cad1 >= cad2) */
// e.g BUENO y AMOR o
// "" y AMOR
ASSERT(cad1 == "" || (cad1 > cad2));
//clog << "se copia nodo de is2" <<endl;
dhijo1[numhermanos] = -1;
phermano2 = leeNDesp(is2);
dhijo2[numhermanos] = leeNDesp(is2);
//clog << "phermano2=" << phermano2 << ", phijo=" << dhijo2[numhermanos] << endl;
set<Pos> *cpos = leePos(is2, renum2);
opera[numhermanos] = O_COPIA2;
pih[numhermanos] =
escribeNodo(os, cad2, cpos, 0);
delete cpos;
cpos = NULL;
cad2 = leeCad(is2);
n2++;
}
} else if (cad1 == cad2) { // Hay prefijo c != "" && cad1!="" && cad2!=""
phermano1 = leeNDesp(is1);
phermano2 = leeNDesp(is2);
dhijo1[numhermanos] = leeNDesp(is1);
dhijo2[numhermanos] = leeNDesp(is2);
//clog << "iguales" <<endl;
set<Pos> cpos;
insert_iterator<set<Pos> >
cpos_ins(cpos, cpos.begin());
set<Pos> *cpos1 = leePos(is1, renum1);
set<Pos> *cpos2 = leePos(is2, renum2);
set_union(cpos1->begin(), cpos1->end(),
cpos2->begin(), cpos2->end(),
cpos_ins);
pih[numhermanos] = escribeNodo(os, cad2, &cpos, 0);
delete cpos1;
cpos1=NULL;
delete cpos2;
cpos2=NULL;
//En hijos NodoTrieS *m=mezcla(a1->hijo_menor, a2->hijo_menor);
resto1[numhermanos] = "";
resto2[numhermanos] = "";
opera[numhermanos] = O_MEZCLA_H1H2;
cad1 = leeCad(is1);
n1++;
cad2 = leeCad(is2);
n2++;
} else { // hay prefijo c != "" && cad1!="" && cad2!="" && cad1!=cad2
string r1 = cad1.substr(c.size());
string r2 = cad2.substr(c.size());
resto1[numhermanos] = r1;
resto2[numhermanos] = r2;
ASSERT(r1 != "" || r2 != "");
//clog << "hay posfijo r1="<<r1<<" r2="<<r2<<endl;
if (r1=="") {
// e.g BUENO BUENOS
ASSERT(r2 != "");
//clog << "r1 vacio"<<endl;
// debe mezclar hijo de is1 con un sólo
// nodo de is2 pero is2 comenzando en el
// posfijo r2
phermano1 = leeNDesp(is1);
phermano2 = leeNDesp(is2);
dhijo1[numhermanos] = leeNDesp(is1);
dhijo2[numhermanos] = (uint32_t)is2.tellg() -
MAXLNUMERO - 1 - (uint32_t)r2.size();
/* (void)leeNDesp(is2);
saltaPos(is2); */
is2.seekg(phermano2); // Salta al sig en is2
set<Pos> *cpos1 = leePos(is1, renum1);
//clog << "OJO is2.tellg()="<< is2.tellg() << endl;
pih[numhermanos] = escribeNodo(os, c, cpos1, 0);
opera[numhermanos] = O_MEZCLA_H1;
delete cpos1;
cpos1=NULL;
} else if (r2 == "") {
// e.g BUENOS BUENO
ASSERT(r1 != "");
//clog << "r2 vacio"<<endl;
//
phermano1 = leeNDesp(is1);
dhijo1[numhermanos] = (uint32_t)is1.tellg() -
MAXLNUMERO - 1 - (uint32_t)r1.size();
phermano2 = leeNDesp(is2);
dhijo2[numhermanos] = leeNDesp(is2);
is1.seekg(phermano1);
/*saltaPos(is1);
leeNDesp(is1); */
set<Pos> *cpos2 = leePos(is2, renum2);
//clog << "OJO en nodo dhijo2[numhermanos]=" << dhijo2[numhermanos] << endl;
pih[numhermanos] = escribeNodo(os, c, cpos2, 0);
// Recursion NodoTrieS *m=mezcla(n1, a2->hijo_menor);
delete cpos2;
cpos2=NULL;
opera[numhermanos] = O_MEZCLA_H2;
} else if (r1 < r2) {
// e.g BUENA BUENO
//clog << "r1<r2"<<endl;
phermano1 = leeNDesp(is1);
//clog << "phermano1=" << phermano1 <<endl;
phermano2 = leeNDesp(is2);
//clog << "phermano2=" << phermano2 <<endl;
pih[numhermanos] = escribeNodo(os, c, NULL, 0);
//clog << "pih=" << pih[numhermanos] <<endl;
dhijo1[numhermanos] = (uint32_t)is1.tellg() -
MAXLNUMERO - 1 -
(uint32_t)r1.size();
//clog << "dhijo1=" << dhijo1[numhermanos] <<endl;
dhijo2[numhermanos]=(uint32_t)is2.tellg() -
MAXLNUMERO - 1 -
(uint32_t)r2.size();
//clog << "dhijo2=" << dhijo2[numhermanos] <<endl;
is1.seekg(phermano1);
is2.seekg(phermano2);
opera[numhermanos] = O_COPIA_PRIMERO_1;
//a1->cad=r1;
//a2->cad=r2;
// El hijo de este nodo debe ser
// a1 con hermano mayor a2
//*r=new NodoTrieS(c, n1, NULL, set<Pos>());
} else { /* r1 >= r2 */
// e.g BUENO BUENA
//clog << "r2 <= r1"<<endl;
phermano1 = leeNDesp(is1);
phermano2 = leeNDesp(is2);
pih[numhermanos] = escribeNodo(os, c, NULL, 0);
dhijo1[numhermanos] = (uint32_t)is1.tellg() -
MAXLNUMERO - 1 -
(uint32_t)r1.size();
dhijo2[numhermanos] = (uint32_t)is2.tellg() -
MAXLNUMERO - 1 -
(uint32_t)r2.size();
//saltaPos(is1); leeNDesp(is1);
is1.seekg(phermano1);
//saltaPos(is2); leeNDesp(is2);
is2.seekg(phermano2);
opera[numhermanos] = O_COPIA_PRIMERO_2;
}
cad1=leeCad(is1);
n1++;
//clog << "lee cad1=" << cad1 << endl;
cad2=leeCad(is2);
n2++;
//clog << "lee cad2=" << cad2 << endl;
}
}
os << endl;
//clog << "Termina hermanos, pasa a hijos" << endl;
// Desplazamientos en os
uint32_t pini, pfin;
uint32_t hijo1=0, hijo2=0;
uint32_t ph1, ph2, pnh1, pnh2;
for (uint32_t n = 0; n < numhermanos; n++) {
pini = 0; // Posición donde queda hijo en os
switch (opera[n]) {
case O_COPIA1:
//clog << "COPIA1" <<endl;
if (dhijo1[n] > 0) {
is1.seekg(dhijo1[n]);
pini = escribeCopiaSubarbol(os, is1,
true, renum1);
}
break;
case O_COPIA2:
//clog << "COPIA2" <<endl;
if (dhijo2[n] > 0) {
//clog << "dhijo2[" << n << "]=" <<
//dhijo2[n] << endl;
is2.seekg(dhijo2[n]);
pini = escribeCopiaSubarbol(os, is2,
true, renum2);
}
break;
case O_MEZCLA_H1H2:
//clog << "MEZCLA_H1H2" <<endl;
if (depuraos!=NULL) {
//clog << depuraos->str() << endl;
}
if (dhijo1[n] > 0 && dhijo2[n] > 0) {
is1.seekg(dhijo1[n]);
is2.seekg(dhijo2[n]);
pini = mezclaRec(is1, is2, os,
true, true, renum1, renum2) ;
} else if (dhijo1[n] > 0) {
ASSERT(dhijo2[n] == 0);
is1.seekg(dhijo1[n]);
pini = escribeCopiaSubarbol(os, is1,
true, renum1);
} else if (dhijo2[n] > 0) {
//clog << "OJO dhijo2[n]=" <<dhijo2[n]<< endl;
ASSERT(dhijo1[n] == 0);
is2.seekg(dhijo2[n]);
//clog << "OJO is2.peek=" << (char)is2.peek()<< endl;
pini = escribeCopiaSubarbol(os, is2,
true, renum2);
//clog << "OJO pini=" << pini << endl;
}
break;
case O_MEZCLA_H1:
//clog << "MEZCLA_H1" <<endl;
ASSERT(dhijo2[n] != 0);
//clog << "OJO dhijo2[n]=" << dhijo2[n] << endl;
is2.seekg(dhijo2[n]);
if (dhijo1[n] > 0) {
is1.seekg(dhijo1[n]);
pini = mezclaRec(is1, is2, os,
true, false, renum1, renum2) ;
} else {
pini = escribeCopiaSubarbol(os, is2,
false, renum2);
}
break;
case O_MEZCLA_H2:
//clog << "MEZCLA_H2" <<endl;
ASSERT(dhijo1[n] != 0);
is1.seekg(dhijo1[n]);
//clog << "dhijo2[n]=" << dhijo2[n] << endl;
if (dhijo2[n] > 0) {
is2.seekg(dhijo2[n]);
pini = mezclaRec(is1, is2, os,
false, true, renum1, renum2) ;
} else {
pini = escribeCopiaSubarbol(os, is1,
false, renum1);
}
break;
case O_COPIA_PRIMERO_1:
//clog << "COPIA_PRIMERO_1" <<endl;
ASSERT(dhijo1[n] != 0);
ASSERT(dhijo2[n] != 0);
is1.seekg(dhijo1[n]);
is2.seekg(dhijo2[n]);
pini = os.tellp(); // no puede ser -1
// pos no es NULL en los siguientes,
// más bien copiar de is1 e is2 e hijos
// después.
pnh1=escribeCopiaNodo(os, is1, hijo1, renum1);
pnh2=escribeCopiaNodo(os, is2, hijo2, renum2);
os << endl;
ph1=os.tellp(); // no puede ser -1
if (hijo1 > 0) {
is1.seekg(hijo1);
(void)escribeCopiaSubarbol(os, is1,
true, renum1);
}
ph2=os.tellp(); // no puede ser -1
if (hijo2 > 0) {
is2.seekg(hijo2);
escribeCopiaSubarbol(os, is2,
true, renum2);
}
pfin = os.tellp(); // no puede ser -1
if (hijo1 > 0) {
os.seekp(pnh1);
escribeNDesp(os, ph1);
}
if (hijo2 > 0) {
os.seekp(pnh2);
escribeNDesp(os, ph2);
}
os.seekp(pfin);
break;
case O_COPIA_PRIMERO_2:
//clog << "COPIA_PRIMERO_2" <<endl;
ASSERT(dhijo1[n] != 0);
ASSERT(dhijo2[n] != 0);
is1.seekg(dhijo1[n]);
is2.seekg(dhijo2[n]);
pini = os.tellp(); // no -1
pnh2=escribeCopiaNodo(os, is2, hijo2, renum2);
pnh1=escribeCopiaNodo(os, is1, hijo1, renum1);
os << endl;
ph2=os.tellp(); // no -1
if (hijo2 > 0) {
is2.seekg(hijo2);
escribeCopiaSubarbol(os, is2,
true, renum2);
}
ph1=os.tellp(); // no -1
if (hijo1 > 0) {
is1.seekg(hijo1);
escribeCopiaSubarbol(os, is1,
true, renum1);
}
pfin = os.tellp();
if (hijo2 > 0) {
os.seekp(pnh2);
escribeNDesp(os, ph2);
}
if (hijo1 > 0) {
os.seekp(pnh1);
escribeNDesp(os, ph1);
}
os.seekp(pfin);
break;
default:
throw std::string("Falla: estado desconocido");
break;
}
pfin = os.tellp(); // no -1
//clog << "OJO pfin=" << pfin << endl;
//clog << "OJO n=" << n << ", pih[n]=" << pih[n]<< endl;
os.seekp(pih[n]);
escribeNDesp(os, pini);
os.seekp(pfin);
}
//clog << "Termina hijos" << endl;
return prini;
}
/** Busca una palabra en un trieS mantenido en un steam en
* formato extra-simple
*/
set<Pos> *
buscaPlanoStream(std::istream &is, string pal) noexcept(false)
{
string cad;
set<Pos> *cpos;
cad = leeCad(is);
//clog<<"OJO cad = "<<cad <<endl;
if (cad.size() == pal.size() && cad.compare(pal) == 0) {
//clog<<"OJO encontrado";
(void)leeNDesp(is);
(void)leeNDesp(is);
cpos = leePos(is, NULL);
return cpos;
} else if (cad.size() > 0 &&
cad.size() < pal.size() &&
cad.compare(pal.substr(0, cad.size())) == 0) {
leeNDesp(is); // hermano
uint32_t hijo = leeNDesp(is);
/*hijo = 0;
saltaPos(is); */
//clog<<"OJO por buscar entre hijos a partir de " << hijo << endl;
//is>>hijo;
if (hijo > 0) {
is.seekg(hijo);
return buscaPlanoStream(is, pal.substr(cad.size()));
}
} else if (cad.size() > 0 && cad.compare(pal) < 0) {
//clog<<"OJO pasar a hermano mayor"<<endl;
// salta cpos e hijo
uint32_t hermano = leeNDesp(is);
is.seekg(hermano);
//saltaPos(is);
return buscaPlanoStream(is, pal);
}
//clog<<"OJO no se encontró" << endl;
return NULL;
}
void verificaIndice(istream &is)
{
char rec[MAXLURL];
is.seekg(0);
is.getline(rec, MAXLURL);
if (MARCAIND.compare(rec) != 0) {
throw errorFormato(is, string("Se esperaba `") + MARCAIND + string("' pero se encontró ") + rec);
}
}
set<Pos> *
buscaPlano(const char *na, const char *nrel, string pal, vector<Doc> &docs)
{
set<Pos> *r;
string enc;
fstream is(na, ios_base::in);
verificaIndice(is);
try {
r = buscaPlanoStream(is, pal);
//clog << "OJO buscado r=" << r << endl;
//throw errorFormato(is, "OJO paso 2");
} catch (string m) {
throw errorFormato(is, m);
}
is.close();
leeRelacion(nrel, docs);
/* for (int i=0; i<idocs.size(); i++) {
clog << i << " " << idocs[i] << endl;
} */
return r;
}
uint32_t
leeRelacion(const char *nrel, vector<Doc> &docs) noexcept(false)
{
ASSERT(nrel != NULL);
ASSERT(nrel[0] != '\0');
string s = "", m = "";
char rec[MAXLURL];
fstream is(nrel, ios_base::in);
if (!is) {
stringstream ss;
ss << "No pudo abrir relación " << nrel;
throw ss.str();
}
is.seekg(0);
is.getline(rec, 100);
if (rec != MARCAREL) {
throw errorFormato(is,
string("Se esperaba marca de relación ") + MARCAREL + " pero se encontró " + rec);
}
docs = leeDocs(is);
is.close();
//clog << "OJO docs.size()=" << docs.size() << endl;
return docs.size();
}
void escribeRelacion(const char *nrel, vector<Doc> &docs,
vector<int64_t> *reord)
{
ASSERT(nrel != NULL);
ASSERT(strlen(nrel) > 0 && strlen(nrel) < MAXLURL);
ASSERT(reord == NULL || reord->size() == docs.size());
fstream os(nrel, ios_base::out);
os << MARCAREL << endl ;
escribeDocs(os, docs, reord);
os.close();
}
/**
* Calcula condensado de un conjunto de posiciones
* @param cpos conjunto de posiciones
* @param md estado del condensado que es modificado
*
* @return void
*/
void condensadoPos(set<Pos> *cpos, hash_state *md, bool imprime = false)
{
ASSERT(cpos != NULL);
stringstream ss;
set<Pos>::
set<Pos>::iterator i;
for (i = cpos->begin(); i != cpos->end(); i++) {
stringstream c;
c << i->numd << "," << i->numb;
sha256_process(md, (const unsigned char*)c.str().c_str(),
c.str().size());
if (imprime) {
cout << " " << c.str();
}
}
}
/**
* Calcula condensando de un flujo de índice teniendo en cuenta palabras
* completas y las posiciones donde aparece.
*
* @param is archivo que se lee ubicado al comienzo de un nodo
* @param md estado del condensado que es modificado
* @param precad prefijo para la cadena del nodo actual
*
* @return void
*/
void condensadoFlujo(istream &is, hash_state *md, string precad, bool imprime)
{
// cerr << "OJO condensado(is, md, " << precad << ", " << imprime << ")" << endl;
string cad;
long hermano, hijo;
set<Pos> *cpos = NULL;
string lc = leeCad(is);
if (lc.size() > 0) {
cad = precad + lc;
hermano = leeNDesp(is);
hijo = leeNDesp(is);
cpos = leePos(is);
if (cpos != NULL && cpos->size() > 0) {
sha256_process(md, (const unsigned char *)cad.c_str(),
cad.size());
if (imprime) {
cout << cad;
}
condensadoPos(cpos, md, imprime);
delete cpos;
cpos = NULL;
if (imprime) {
cout << endl;
}
}
if (hijo > 0) {
is.seekg(hijo);
condensadoFlujo(is, md, cad, imprime);
}
if (hermano > 0) {
is.seekg(hermano);
condensadoFlujo(is, md, precad, imprime);
}
}
}
/**
* Calcula condensando de un índice teniendo en cuenta palabras
* completas y las posiciones donde aparece.
*
* @param indice Índice
* @param depura Si debe presentar datos a los que calcula SHA256
*
* @return string 32 bytes hexadececimales
*/
string condensado(char *indice, bool depura)
{
ASSERT(indice != NULL);
stringstream ss;
char relacion[MAXLURL];
verificaNombre(indice, relacion);
fstream is(indice, ios_base::in);
verificaIndice(is);
hash_state md;
unsigned char hash[33];
sha256_init(&md);
condensadoFlujo(is, &md, "", depura);
sha256_done(&md, hash);
is.close();
ss << hexaDeHash(hash, 32) << endl;
return ss.str();
}