1  
     2  
     3  
     4  
     5  
     6  
     7  
     8  
     9  
    10  
    11  
    12  
    13  
    14  
    15  
    16  package suffixarray
    17  
    18  import (
    19  	"bytes"
    20  	"encoding/binary"
    21  	"errors"
    22  	"io"
    23  	"math"
    24  	"regexp"
    25  	"slices"
    26  	"sort"
    27  )
    28  
    29  
    30  var maxData32 int = realMaxData32
    31  
    32  const realMaxData32 = math.MaxInt32
    33  
    34  
    35  type Index struct {
    36  	data []byte
    37  	sa   ints 
    38  }
    39  
    40  
    41  
    42  
    43  type ints struct {
    44  	int32 []int32
    45  	int64 []int64
    46  }
    47  
    48  func (a *ints) len() int {
    49  	return len(a.int32) + len(a.int64)
    50  }
    51  
    52  func (a *ints) get(i int) int64 {
    53  	if a.int32 != nil {
    54  		return int64(a.int32[i])
    55  	}
    56  	return a.int64[i]
    57  }
    58  
    59  func (a *ints) set(i int, v int64) {
    60  	if a.int32 != nil {
    61  		a.int32[i] = int32(v)
    62  	} else {
    63  		a.int64[i] = v
    64  	}
    65  }
    66  
    67  func (a *ints) slice(i, j int) ints {
    68  	if a.int32 != nil {
    69  		return ints{a.int32[i:j], nil}
    70  	}
    71  	return ints{nil, a.int64[i:j]}
    72  }
    73  
    74  
    75  
    76  func New(data []byte) *Index {
    77  	ix := &Index{data: data}
    78  	if len(data) <= maxData32 {
    79  		ix.sa.int32 = make([]int32, len(data))
    80  		text_32(data, ix.sa.int32)
    81  	} else {
    82  		ix.sa.int64 = make([]int64, len(data))
    83  		text_64(data, ix.sa.int64)
    84  	}
    85  	return ix
    86  }
    87  
    88  
    89  func writeInt(w io.Writer, buf []byte, x int) error {
    90  	binary.PutVarint(buf, int64(x))
    91  	_, err := w.Write(buf[0:binary.MaxVarintLen64])
    92  	return err
    93  }
    94  
    95  
    96  func readInt(r io.Reader, buf []byte) (int64, error) {
    97  	_, err := io.ReadFull(r, buf[0:binary.MaxVarintLen64]) 
    98  	x, _ := binary.Varint(buf)
    99  	return x, err
   100  }
   101  
   102  
   103  
   104  func writeSlice(w io.Writer, buf []byte, data ints) (n int, err error) {
   105  	
   106  	p := binary.MaxVarintLen64
   107  	m := data.len()
   108  	for ; n < m && p+binary.MaxVarintLen64 <= len(buf); n++ {
   109  		p += binary.PutUvarint(buf[p:], uint64(data.get(n)))
   110  	}
   111  
   112  	
   113  	binary.PutVarint(buf, int64(p))
   114  
   115  	
   116  	_, err = w.Write(buf[0:p])
   117  	return
   118  }
   119  
   120  var errTooBig = errors.New("suffixarray: data too large")
   121  
   122  
   123  
   124  func readSlice(r io.Reader, buf []byte, data ints) (n int, err error) {
   125  	
   126  	var size64 int64
   127  	size64, err = readInt(r, buf)
   128  	if err != nil {
   129  		return
   130  	}
   131  	if int64(int(size64)) != size64 || int(size64) < 0 {
   132  		
   133  		return 0, errTooBig
   134  	}
   135  	size := int(size64)
   136  
   137  	
   138  	if _, err = io.ReadFull(r, buf[binary.MaxVarintLen64:size]); err != nil {
   139  		return
   140  	}
   141  
   142  	
   143  	for p := binary.MaxVarintLen64; p < size; n++ {
   144  		x, w := binary.Uvarint(buf[p:])
   145  		data.set(n, int64(x))
   146  		p += w
   147  	}
   148  
   149  	return
   150  }
   151  
   152  const bufSize = 16 << 10 
   153  
   154  
   155  func (x *Index) Read(r io.Reader) error {
   156  	
   157  	buf := make([]byte, bufSize)
   158  
   159  	
   160  	n64, err := readInt(r, buf)
   161  	if err != nil {
   162  		return err
   163  	}
   164  	if int64(int(n64)) != n64 || int(n64) < 0 {
   165  		return errTooBig
   166  	}
   167  	n := int(n64)
   168  
   169  	
   170  	if 2*n < cap(x.data) || cap(x.data) < n || x.sa.int32 != nil && n > maxData32 || x.sa.int64 != nil && n <= maxData32 {
   171  		
   172  		
   173  		x.data = make([]byte, n)
   174  		x.sa.int32 = nil
   175  		x.sa.int64 = nil
   176  		if n <= maxData32 {
   177  			x.sa.int32 = make([]int32, n)
   178  		} else {
   179  			x.sa.int64 = make([]int64, n)
   180  		}
   181  	} else {
   182  		
   183  		x.data = x.data[0:n]
   184  		x.sa = x.sa.slice(0, n)
   185  	}
   186  
   187  	
   188  	if _, err := io.ReadFull(r, x.data); err != nil {
   189  		return err
   190  	}
   191  
   192  	
   193  	sa := x.sa
   194  	for sa.len() > 0 {
   195  		n, err := readSlice(r, buf, sa)
   196  		if err != nil {
   197  			return err
   198  		}
   199  		sa = sa.slice(n, sa.len())
   200  	}
   201  	return nil
   202  }
   203  
   204  
   205  func (x *Index) Write(w io.Writer) error {
   206  	
   207  	buf := make([]byte, bufSize)
   208  
   209  	
   210  	if err := writeInt(w, buf, len(x.data)); err != nil {
   211  		return err
   212  	}
   213  
   214  	
   215  	if _, err := w.Write(x.data); err != nil {
   216  		return err
   217  	}
   218  
   219  	
   220  	sa := x.sa
   221  	for sa.len() > 0 {
   222  		n, err := writeSlice(w, buf, sa)
   223  		if err != nil {
   224  			return err
   225  		}
   226  		sa = sa.slice(n, sa.len())
   227  	}
   228  	return nil
   229  }
   230  
   231  
   232  
   233  func (x *Index) Bytes() []byte {
   234  	return x.data
   235  }
   236  
   237  func (x *Index) at(i int) []byte {
   238  	return x.data[x.sa.get(i):]
   239  }
   240  
   241  
   242  
   243  func (x *Index) lookupAll(s []byte) ints {
   244  	
   245  	
   246  	i := sort.Search(x.sa.len(), func(i int) bool { return bytes.Compare(x.at(i), s) >= 0 })
   247  	
   248  	j := i + sort.Search(x.sa.len()-i, func(j int) bool { return !bytes.HasPrefix(x.at(j+i), s) })
   249  	return x.sa.slice(i, j)
   250  }
   251  
   252  
   253  
   254  
   255  
   256  
   257  func (x *Index) Lookup(s []byte, n int) (result []int) {
   258  	if len(s) > 0 && n != 0 {
   259  		matches := x.lookupAll(s)
   260  		count := matches.len()
   261  		if n < 0 || count < n {
   262  			n = count
   263  		}
   264  		
   265  		if n > 0 {
   266  			result = make([]int, n)
   267  			if matches.int32 != nil {
   268  				for i := range result {
   269  					result[i] = int(matches.int32[i])
   270  				}
   271  			} else {
   272  				for i := range result {
   273  					result[i] = int(matches.int64[i])
   274  				}
   275  			}
   276  		}
   277  	}
   278  	return
   279  }
   280  
   281  
   282  
   283  
   284  
   285  
   286  
   287  func (x *Index) FindAllIndex(r *regexp.Regexp, n int) (result [][]int) {
   288  	
   289  	
   290  	prefix, complete := r.LiteralPrefix()
   291  	lit := []byte(prefix)
   292  
   293  	
   294  	if prefix == "" {
   295  		return r.FindAllIndex(x.data, n)
   296  	}
   297  
   298  	
   299  	
   300  	if complete {
   301  		
   302  		
   303  		
   304  		
   305  		
   306  		
   307  		for n1 := n; ; n1 += 2 * (n - len(result))  {
   308  			indices := x.Lookup(lit, n1)
   309  			if len(indices) == 0 {
   310  				return
   311  			}
   312  			slices.Sort(indices)
   313  			pairs := make([]int, 2*len(indices))
   314  			result = make([][]int, len(indices))
   315  			count := 0
   316  			prev := 0
   317  			for _, i := range indices {
   318  				if count == n {
   319  					break
   320  				}
   321  				
   322  				if prev <= i {
   323  					j := 2 * count
   324  					pairs[j+0] = i
   325  					pairs[j+1] = i + len(lit)
   326  					result[count] = pairs[j : j+2]
   327  					count++
   328  					prev = i + len(lit)
   329  				}
   330  			}
   331  			result = result[0:count]
   332  			if len(result) >= n || len(indices) != n1 {
   333  				
   334  				
   335  				break
   336  			}
   337  		}
   338  		if len(result) == 0 {
   339  			result = nil
   340  		}
   341  		return
   342  	}
   343  
   344  	
   345  	
   346  	
   347  	
   348  	r = regexp.MustCompile("^" + r.String()) 
   349  
   350  	
   351  	for n1 := n; ; n1 += 2 * (n - len(result))  {
   352  		indices := x.Lookup(lit, n1)
   353  		if len(indices) == 0 {
   354  			return
   355  		}
   356  		slices.Sort(indices)
   357  		result = result[0:0]
   358  		prev := 0
   359  		for _, i := range indices {
   360  			if len(result) == n {
   361  				break
   362  			}
   363  			m := r.FindIndex(x.data[i:]) 
   364  			
   365  			if m != nil && prev <= i {
   366  				m[0] = i 
   367  				m[1] += i
   368  				result = append(result, m)
   369  				prev = m[1]
   370  			}
   371  		}
   372  		if len(result) >= n || len(indices) != n1 {
   373  			
   374  			
   375  			break
   376  		}
   377  	}
   378  	if len(result) == 0 {
   379  		result = nil
   380  	}
   381  	return
   382  }
   383  
View as plain text