git.plutz.net Git - shellwiki/blob - parsers/40_indexer.sh

   1 #!/bin/sh
   2
   3 # Copyright 2023 Paul Hänsch
   4 #
   5 # Permission to use, copy, modify, and/or distribute this software for any
   6 # purpose with or without fee is hereby granted, provided that the above
   7 # copyright notice and this permission notice appear in all copies.
   8 #
   9 # THE SOFTWARE IS PROVIDED “AS IS” AND THE AUTHOR DISCLAIMS ALL WARRANTIES
  10 # WITH REGARD TO THIS SOFTWARE INCLUDING ALL IMPLIED WARRANTIES OF
  11 # MERCHANTABILITY AND FITNESS. IN NO EVENT SHALL THE AUTHOR BE LIABLE FOR ANY
  12 # SPECIAL, DIRECT, INDIRECT, OR CONSEQUENTIAL DAMAGES OR ANY DAMAGES
  13 # WHATSOEVER RESULTING FROM LOSS OF USE, DATA OR PROFITS, WHETHER IN AN
  14 # ACTION OF CONTRACT, NEGLIGENCE OR OTHER TORTIOUS ACTION, ARISING OUT OF OR
  15 # IN CONNECTION WITH THE USE OR PERFORMANCE OF THIS SOFTWARE.
  16
  17 DOC="${PATH_INFO%/}/" P="$_DATA/pages${DOC}" I="$_DATA/index/"
  18
  19 if [ -f "$P/#index.flag" -a ! "$P/#page.md" -nt "$P/#index.flag" ] || [ ! -d "$P" ]; then
  20   cat
  21   exit 0
  22 fi
  23
  24 . "$_EXEC/cgilite/storage.sh"
  25
  26 exec 3>&1
  27
  28 touch -d "@$_DATE" "$P/#index.flag"
  29 mkdir -p "$I"
  30
  31 { cat; printf \\n; } \
  32 | while IFS='' read -r line; do
  33   printf '%s\n' "$line" >&3
  34   printf '%s\n' "$line"
  35 done \
  36 | awk '
  37   BEGIN { # Field separator FS should include punctuation, including Unicode Block U+2000 - U+206F
  38           if ( length("¡") == 1 )  # Utf-8 aware AWK
  39           FS = "([] \t\n\r!\"#'\''()*+,./:;<=>?\\^_`{|}~[-]|%[0-9A-Fa-f]{2}|'"$(printf '[\342\200\200-\342\201\257]')"')+";
  40           else                     # UTF-8 Hack
  41           FS = "([] \t\n\r!\"#'\''()*+,./:;<=>?\\^_`{|}~[-]|%[0-9A-Fa-f]{2}|'"$(printf '\342\200[\200-\277]|\342\201[\201-\257]')"')+";
  42           fi
  43         }
  44         { for (n = 1; n <= NF; n++) {
  45             if ( $n != "" && length($n) <= 128 ) {
  46               words[tolower($n)]++; total++;
  47         } } }
  48     END { for (w in words) printf "%i %i %f %s\n", words[w], total, words[w] / total, w; }
  49 ' \
  50 | while read num total freq word; do
  51   [ "$word" ] || continue
  52   F="$I/$word"
  53   L="$(STRING "$DOC")"
  54
  55   if LOCK "$F"; then
  56     touch "$F"
  57     { while read d l f n t; do
  58       [ "$l" = "$L" ] \
  59       || printf "%i     %s      %f      %i      %i\n" \
  60                 "$d" "$l" "$f" "$n" "$t"
  61       done <"$F"
  62       printf "%i        %s      %f      %i      %i\n" \
  63              "$_DATE" "$L" "$freq" "$num" "$total"
  64     } >"$F.$$"
  65     mv -- "$F.$$" "$F"
  66     RELEASE "$F"
  67   fi
  68 done