Annotation of libwww/Robot/src/HTRobot.c, revision 1.55

1.1       frystyk     1: /*                                                                  HTRobot.c
                      2: **     W3C MINI ROBOT
                      3: **
                      4: **     (c) COPRIGHT MIT 1995.
                      5: **     Please first read the full copyright statement in the file COPYRIGH.
                      6: **
                      7: **     This program illustrates how to travers links using the Anchor object
                      8: **
                      9: **  Authors:
                     10: **     HFN             Henrik Frystyk Nielsen, (frystyk@w3.org)
                     11: **
                     12: **  History:
                     13: **     Dec 04 95       First version
                     14: */
                     15: 
                     16: #include "WWWLib.h"                          /* Global Library Include file */
                     17: #include "WWWApp.h"                                    /* Application stuff */
1.17      frystyk    18: #include "WWWTrans.h"
1.10      frystyk    19: #include "WWWInit.h"
1.9       frystyk    20: 
1.4       frystyk    21: #include "HText.h"
1.1       frystyk    22: 
                     23: #include "HTRobot.h"                                    /* Implemented here */
                     24: 
1.14      frystyk    25: #ifndef W3C_VERSION
1.33      eric       26: #define W3C_VERSION            "Unspecified"
1.1       frystyk    27: #endif
                     28: 
                     29: #define APP_NAME               "W3CRobot"
1.14      frystyk    30: #define APP_VERSION            W3C_VERSION
1.1       frystyk    31: 
                     32: #define DEFAULT_OUTPUT_FILE    "robot.out"
                     33: #define DEFAULT_RULE_FILE      "robot.conf"
                     34: #define DEFAULT_LOG_FILE               "robot.log"
1.55    ! frystyk    35: #define DEFAULT_HIT_FILE               "robot.hit"
1.51      frystyk    36: #define DEFAULT_MEMLOG         "robot.mem"
1.55    ! frystyk    37: #define DEFAULT_PREFIX         ""
1.7       frystyk    38: #define DEFAULT_DEPTH          0
1.53      frystyk    39: #define DEFAULT_DELAY          50                      /* Write delay in ms */
1.1       frystyk    40: 
1.51      frystyk    41: #if 0
1.53      frystyk    42: #define HT_MEMLOG              /* May be expensive in performance! */
1.51      frystyk    43: #endif
                     44: 
1.46      eric       45: /* #define SHOW_MSG            (WWWTRACE || HTAlert_interactive()) */
                     46: #define SHOW_MSG               (!(mr->flags & MR_QUIET))
1.1       frystyk    47: 
1.40      frystyk    48: #define DEFAULT_TIMEOUT                10000                  /* timeout in millis */
1.1       frystyk    49: 
                     50: #if defined(__svr4__)
                     51: #define CATCH_SIG
                     52: #endif
                     53: 
                     54: typedef enum _MRFlags {
1.45      frystyk    55:     MR_IMG             = 0x1,
                     56:     MR_LINK            = 0x2,
                     57:     MR_PREEMPTIVE      = 0x4,
                     58:     MR_TIME            = 0x8,
1.46      eric       59:     MR_SAVE            = 0x10,
1.48      frystyk    60:     MR_QUIET           = 0x20,
                     61:     MR_VALIDATE                = 0x40,
                     62:     MR_END_VALIDATE    = 0x80
1.1       frystyk    63: } MRFlags;
                     64: 
                     65: typedef struct _Robot {
1.2       frystyk    66:     int                        depth;                       /* How deep is our tree */
1.30      frystyk    67:     int                        cnt;                            /* Count of requests */
1.2       frystyk    68:     HTList *           hyperdoc;            /* List of our HyperDoc Objects */
1.4       frystyk    69:     HTList *           htext;                  /* List of our HText Objects */
1.34      eric       70:     HTList *           fingers;
1.40      frystyk    71:     int                timer;
1.1       frystyk    72:     char *             cwd;                              /* Current dir URL */
                     73:     char *             rules;
1.55    ! frystyk    74:     char *             prefix;
1.1       frystyk    75:     char *             logfile;
1.55    ! frystyk    76:     HTLog *             log;
1.1       frystyk    77:     char *             outputfile;
                     78:     FILE *             output;
1.55    ! frystyk    79:     char *             hitfile;
1.1       frystyk    80:     MRFlags            flags;
1.55    ! frystyk    81: 
        !            82:     long               total_bytes;    /* Total number of bytes processed */
        !            83:     long                total_docs;     /* Total number of documents processed */
        !            84:     time_t             time;           /* Time of run */
1.1       frystyk    85: } Robot;
1.34      eric       86: 
                     87: typedef struct _Finger {
                     88:     Robot * robot;
                     89:     HTRequest * request;
                     90:     HTParentAnchor * dest;
                     91: } Finger;
                     92: 
1.1       frystyk    93: typedef enum _LoadState {
                     94:     L_INVALID  = -2,
                     95:     L_LOADING  = -1,
                     96:     L_SUCCESS  = 0,
                     97:     L_ERROR
                     98: } LoadState;
                     99: 
                    100: /*
                    101: **  The HyperDoc object is bound to the anchor and contains information about
                    102: **  where we are in the search for recursive searches
                    103: */
                    104: typedef struct _HyperDoc {
                    105:     HTParentAnchor *   anchor;
                    106:     LoadState          state;
                    107:     int                        depth;
1.55    ! frystyk   108:     int                 hits;
1.1       frystyk   109: } HyperDoc;
                    110: 
                    111: /*
                    112: ** This is the HText object that is created every time we start parsing a 
                    113: ** HTML object
                    114: */
1.4       frystyk   115: struct _HText {
1.1       frystyk   116:     HTRequest *                request;
1.4       frystyk   117: };
1.1       frystyk   118: 
                    119: PUBLIC HText * HTMainText = NULL;
                    120: PUBLIC HTParentAnchor * HTMainAnchor = NULL;
                    121: PUBLIC HTStyleSheet * styleSheet = NULL;
                    122: 
1.55    ! frystyk   123: PRIVATE HTComparer HitSort;
        !           124: 
1.1       frystyk   125: /* ------------------------------------------------------------------------- */
                    126: 
1.13      eric      127: /*     Standard (non-error) Output
                    128: **     ---------------------------
                    129: */
                    130: PUBLIC int OutputData(const char  * fmt, ...)
                    131: {
                    132:     int ret;
                    133:     va_list pArgs;
                    134:     va_start(pArgs, fmt);
                    135:     ret = vfprintf(stdout, fmt, pArgs);
                    136:     va_end(pArgs);
                    137:     return ret;
                    138: }
                    139: 
                    140: /* ------------------------------------------------------------------------- */
                    141: 
1.2       frystyk   142: /*     Create a "HyperDoc" object
                    143: **     --------------------------
                    144: **     A HyperDoc object contains information about whether we have already
                    145: **     started checking the anchor and the depth in our search
                    146: */
                    147: PRIVATE HyperDoc * HyperDoc_new (Robot * mr,HTParentAnchor * anchor, int depth)
                    148: {
                    149:     HyperDoc * hd;
1.14      frystyk   150:     if ((hd = (HyperDoc *) HT_CALLOC(1, sizeof(HyperDoc))) == NULL)
                    151:        HT_OUTOFMEM("HyperDoc_new");
1.2       frystyk   152:     hd->state = L_INVALID;
                    153:     hd->depth = depth;
1.55    ! frystyk   154:     hd->hits = 1;
1.2       frystyk   155:  
                    156:     /* Bind the HyperDoc object together with the Anchor Object */
                    157:     hd->anchor = anchor;
                    158:     HTAnchor_setDocument(anchor, (void *) hd);
                    159: 
                    160:     /* Add this HyperDoc object to our list */
                    161:     if (!mr->hyperdoc) mr->hyperdoc = HTList_new();
                    162:     HTList_addObject(mr->hyperdoc, (void *) hd);
                    163:     return hd;
                    164: }
                    165: 
                    166: /*     Delete a "HyperDoc" object
                    167: **     --------------------------
                    168: */
                    169: PRIVATE BOOL HyperDoc_delete (HyperDoc * hd)
                    170: {
                    171:     if (hd) {
1.11      frystyk   172:        HT_FREE (hd);
1.2       frystyk   173:        return YES;
                    174:     }
                    175:     return NO;
                    176: }
                    177: 
1.55    ! frystyk   178: /*
        !           179: **  Sort the anchor array and log reference count
        !           180: */
        !           181: PRIVATE BOOL calculate_hits (Robot * mr, HTArray * array)
        !           182: {
        !           183:     if (mr && array) {
        !           184:         HTLog * log = HTLog_open(mr->hitfile, YES, YES);
        !           185:         if (log) {
        !           186:             void ** data = NULL;
        !           187:             HTParentAnchor * anchor = NULL;
        !           188:             HTArray_sort(array, HitSort);
        !           189:             anchor = (HTParentAnchor *) HTArray_firstObject(array, data);
        !           190:            while (anchor) {
        !           191:                 char * str = NULL;
        !           192:                 char * uri = HTAnchor_address((HTAnchor *) anchor);
        !           193:                 HyperDoc * hd = (HyperDoc *) HTAnchor_document(anchor);
        !           194:                 if (uri && hd) {
        !           195:                     if ((str = (char *) HT_MALLOC(strlen(uri) + 50)) == NULL)
        !           196:                         HT_OUTOFMEM("calculate_hits");
        !           197:                     sprintf(str, "%8d %s\n", hd->hits, uri);
        !           198:                     HTLog_addLine(log, str);
        !           199:                     HT_FREE(str);
        !           200:                 }
        !           201:                 HT_FREE(uri);
        !           202:                 anchor = (HTParentAnchor *) HTArray_nextObject(array, data);
        !           203:             }
        !           204:        }
        !           205:         HTLog_close(log);
        !           206:         return YES;
        !           207:     }
        !           208:     return NO;
        !           209: }
        !           210: 
        !           211: PRIVATE int HitSort (const void * a, const void * b)
        !           212: {
        !           213:     HyperDoc * aa = HTAnchor_document(*(HTParentAnchor **) a);
        !           214:     HyperDoc * bb = HTAnchor_document(*(HTParentAnchor **) b);
        !           215:     if (aa && bb) return (bb->hits - aa->hits);
        !           216:     return bb - aa;
        !           217: }
        !           218: 
        !           219: /*     Statistics
        !           220: **     ----------
        !           221: **     Calculates a bunch of statistics for the anchors traversed
        !           222: */
        !           223: PRIVATE BOOL calculate_statistics (Robot * mr)
        !           224: {
        !           225:     if (!mr) return NO;
        !           226: 
        !           227:     /* Calculate efficiency */
        !           228:     {
        !           229:        time_t t = time(NULL) - mr->time;
        !           230:        if (t > 0.0) {
        !           231:            double loadfactor = mr->total_bytes / t;
        !           232:             char bytes[50];
        !           233:             HTNumToStr(mr->total_bytes, bytes, 50);
        !           234:            HTTrace("Downloaded %s bytes in %ld document bodies in %ld seconds (%2.1f bytes/sec)\n",
        !           235:                    bytes, mr->total_docs, t, loadfactor);
        !           236:        }
        !           237:     }
        !           238: 
        !           239:     /* Create an array of existing anchors */
        !           240:     if (mr->total_docs > 1) {
        !           241:        HTArray * array = HTAnchor_getArray(mr->total_docs);
        !           242:         if (array) {
        !           243: 
        !           244:             /* Sort after hit counts */
        !           245:             if (mr->hitfile) calculate_hits(mr, array);
        !           246: 
        !           247: 
        !           248:             /* Add as may other stats here as you like */
        !           249: 
        !           250:             HTArray_delete(array);
        !           251:         }
        !           252:     }
        !           253:     return YES;
        !           254: }
        !           255: 
1.1       frystyk   256: /*     Create a Command Line Object
                    257: **     ----------------------------
                    258: */
                    259: PRIVATE Robot * Robot_new (void)
                    260: {
                    261:     Robot * me;
1.41      frystyk   262:     if ((me = (Robot *) HT_CALLOC(1, sizeof(Robot))) == NULL)
1.14      frystyk   263:        HT_OUTOFMEM("Robot_new");
1.2       frystyk   264:     me->hyperdoc = HTList_new();
1.4       frystyk   265:     me->htext = HTList_new();
1.40      frystyk   266:     me->timer = DEFAULT_TIMEOUT;
1.25      frystyk   267:     me->cwd = HTGetCurrentDirectoryURL();
1.1       frystyk   268:     me->output = OUTPUT;
1.35      eric      269:     me->cnt = 0;
1.34      eric      270:     me->fingers = HTList_new();
1.1       frystyk   271:     return me;
                    272: }
                    273: 
                    274: /*     Delete a Command Line Object
                    275: **     ----------------------------
                    276: */
                    277: PRIVATE BOOL Robot_delete (Robot * me)
                    278: {
                    279:     if (me) {
1.34      eric      280:        HTList_delete(me->fingers);
1.55    ! frystyk   281: 
        !           282:                /* Calculate statistics */
        !           283:        calculate_statistics(me);
        !           284: 
        !           285:         if (me->hyperdoc) {
1.2       frystyk   286:            HTList * cur = me->hyperdoc;
                    287:            HyperDoc * pres;
                    288:            while ((pres = (HyperDoc *) HTList_nextObject(cur)))
                    289:                HyperDoc_delete(pres);
                    290:            HTList_delete(me->hyperdoc);
                    291:        }
1.4       frystyk   292:        if (me->htext) {
                    293:            HTList * cur = me->htext;
                    294:            HText * pres;
                    295:            while ((pres = (HText *) HTList_nextObject(cur)))
                    296:                HText_free(pres);
                    297:            HTList_delete(me->htext);
                    298:        }
1.55    ! frystyk   299:        if (me->log) HTLog_close(me->log);
1.1       frystyk   300:        if (me->output && me->output != STDOUT) fclose(me->output);
1.12      frystyk   301:        if (me->flags & MR_TIME) {
                    302:            time_t local = time(NULL);
1.13      eric      303:            HTTrace("Robot terminated %s\n",HTDateTimeStr(&local,YES));
1.12      frystyk   304:        }
1.55    ! frystyk   305: 
1.11      frystyk   306:        HT_FREE(me->cwd);
1.55    ! frystyk   307:        HT_FREE(me->prefix);
1.11      frystyk   308:        HT_FREE(me);
1.1       frystyk   309:        return YES;
                    310:     }
                    311:     return NO;
                    312: }
                    313: 
1.2       frystyk   314: /*
1.34      eric      315: **  This function creates a new finger object and initializes it with a new request
1.2       frystyk   316: */
1.34      eric      317: PRIVATE Finger * Finger_new (Robot * robot, HTParentAnchor * dest, HTMethod method)
1.2       frystyk   318: {
1.34      eric      319:     Finger * me;
                    320:     HTRequest * request = HTRequest_new();
                    321:     if ((me = (Finger *) HT_CALLOC(1, sizeof(Finger))) == NULL)
                    322:        HT_OUTOFMEM("Finger_new");
                    323:     me->robot = robot;
                    324:     me->request = request;
                    325:     me->dest = dest;
                    326:     HTList_addObject(robot->fingers, (void *)me);
                    327: 
1.48      frystyk   328:     /* Set the context for this request */
1.34      eric      329:     HTRequest_setContext (request, me);
1.48      frystyk   330: 
                    331:     /* Check the various flags to customize the request */
                    332:     if (robot->flags & MR_PREEMPTIVE)
                    333:        HTRequest_setPreemptive(request, YES);
                    334:     if (robot->flags & MR_VALIDATE)
                    335:        HTRequest_setReloadMode(request, HT_CACHE_VALIDATE);
                    336:     if (robot->flags & MR_END_VALIDATE)
                    337:        HTRequest_setReloadMode(request, HT_CACHE_END_VALIDATE);
                    338: 
                    339:     /* We wanna make sure that we are sending a Host header (default) */
1.34      eric      340:     HTRequest_addRqHd(request, HT_C_HOST);
1.48      frystyk   341: 
                    342:     /* Set the method for this request */
1.34      eric      343:     HTRequest_setMethod(request, method);
                    344:     robot->cnt++;
                    345:     return me;
1.2       frystyk   346: }
                    347: 
1.34      eric      348: PRIVATE int Finger_delete (Finger * me)
1.2       frystyk   349: {
1.34      eric      350:     HTList_removeObject(me->robot->fingers, (void *)me);
                    351:     me->robot->cnt--;
1.37      frystyk   352: 
                    353:     /*
                    354:     **  If we are down at one request then flush the output buffer
                    355:     */
                    356:     if (me->request) {
                    357:        if (me->robot->cnt == 1) HTRequest_forceFlush(me->request);
1.34      eric      358:        HTRequest_delete(me->request);
1.37      frystyk   359:     }
                    360: 
                    361:     /*
                    362:     **  Delete the request and free myself
                    363:     */
1.34      eric      364:     HT_FREE(me);
                    365:     return YES;
1.2       frystyk   366: }
                    367: 
                    368: /*
                    369: **  Cleanup and make sure we close all connections including the persistent
                    370: **  ones
                    371: */
1.1       frystyk   372: PRIVATE void Cleanup (Robot * me, int status)
                    373: {
                    374:     Robot_delete(me);
1.29      eric      375:     HTProfile_delete();
1.50      frystyk   376: #ifdef HT_MEMLOG
1.39      eric      377:     HTMemLog_close();
1.47      frystyk   378: #endif
                    379: 
1.1       frystyk   380: #ifdef VMS
                    381:     exit(status ? status : 1);
                    382: #else
                    383:     exit(status ? status : 0);
                    384: #endif
                    385: }
                    386: 
                    387: #ifdef CATCH_SIG
                    388: #include <signal.h>
                    389: /*                                                                 SetSignal
                    390: **  This function sets up signal handlers. This might not be necessary to
                    391: **  call if the application has its own handlers (lossage on SVR4)
                    392: */
                    393: PRIVATE void SetSignal (void)
                    394: {
                    395:     /* On some systems (SYSV) it is necessary to catch the SIGPIPE signal
                    396:     ** when attemting to connect to a remote host where you normally should
                    397:     ** get `connection refused' back
                    398:     */
                    399:     if (signal(SIGPIPE, SIG_IGN) == SIG_ERR) {
1.13      eric      400:        if (PROT_TRACE) HTTrace("HTSignal.... Can't catch SIGPIPE\n");
1.1       frystyk   401:     } else {
1.13      eric      402:        if (PROT_TRACE) HTTrace("HTSignal.... Ignoring SIGPIPE\n");
1.1       frystyk   403:     }
1.47      frystyk   404: 
1.50      frystyk   405: #ifdef HT_MEMLOG
1.44      eric      406:     HTMemLog_flush();
1.47      frystyk   407: #endif
                    408: 
1.1       frystyk   409: }
                    410: #endif /* CATCH_SIG */
                    411: 
                    412: PRIVATE void VersionInfo (void)
                    413: {
1.13      eric      414:     OutputData("\n\nW3C Reference Software\n\n");
                    415:     OutputData("\tW3C Mini Robot (%s) version %s.\n",
1.1       frystyk   416:             APP_NAME, APP_VERSION);
1.13      eric      417:     OutputData("\tW3C Reference Library version %s.\n\n",HTLib_version());
                    418:     OutputData("Please send feedback to <libwww@w3.org>\n");
1.1       frystyk   419: }
                    420: 
                    421: /*     terminate_handler
                    422: **     -----------------
1.2       frystyk   423: **     This function is registered to handle the result of the request.
                    424: **     If no more requests are pending then terminate program
1.1       frystyk   425: */
1.32      frystyk   426: PRIVATE int terminate_handler (HTRequest * request, HTResponse * response,
                    427:                               void * param, int status) 
1.1       frystyk   428: {
1.34      eric      429:     Finger * finger = (Finger *) HTRequest_context(request);
1.46      eric      430:     Robot * mr = finger->robot;
1.34      eric      431:     if (SHOW_MSG) HTTrace("Robot....... done with %s\n", HTAnchor_physical(finger->dest));
1.55    ! frystyk   432: 
        !           433:     /* Count the amount of body data that we have read */
        !           434:     if (status == HT_LOADED && HTRequest_method(request) == METHOD_GET) {
        !           435:         mr->total_bytes += HTAnchor_length(HTRequest_anchor(request));
        !           436:     }
        !           437: 
        !           438:     /* Count the number of documents that we have processed */
        !           439:     mr->total_docs++;
        !           440: 
        !           441:     /* Delete this thread */
1.34      eric      442:     Finger_delete(finger);
1.55    ! frystyk   443: 
        !           444:     /* Should we stop? */
1.46      eric      445:     if (mr->cnt <= 0) {
1.34      eric      446:        if (SHOW_MSG) HTTrace("             Everything is finished...\n");
1.46      eric      447:        Cleanup(mr, 0);                 /* No way back from here */
1.30      frystyk   448:     }
1.46      eric      449:     if (SHOW_MSG) HTTrace("             %d outstanding request%s\n", mr->cnt, mr->cnt == 1 ? "" : "s");
1.1       frystyk   450:     return HT_OK;
                    451: }
                    452: 
                    453: /* ------------------------------------------------------------------------- */
                    454: /*                             HTEXT INTERFACE                              */
                    455: /* ------------------------------------------------------------------------- */
                    456: 
                    457: PUBLIC HText * HText_new2 (HTRequest * request, HTParentAnchor * anchor,
                    458:                           HTStream * stream)
                    459: {
                    460:     HText * me;
1.34      eric      461:     Finger * finger = (Finger *) HTRequest_context(request);
                    462:     Robot * mr = finger->robot;
1.14      frystyk   463:     if ((me = (HText *) HT_CALLOC(1, sizeof(HText))) == NULL)
                    464:        HT_OUTOFMEM("HText_new2");
1.4       frystyk   465: 
                    466:     /* Bind the HText object together with the Request Object */
1.1       frystyk   467:     me->request = request;
1.4       frystyk   468: 
                    469:     /* Add this HyperDoc object to our list */
                    470:     if (!mr->htext) mr->htext = HTList_new();
                    471:     HTList_addObject(mr->htext, (void *) me);
1.1       frystyk   472:     return me;
                    473: }
                    474: 
1.4       frystyk   475: PUBLIC void HText_free (HText * me) {
1.11      frystyk   476:     if (me) HT_FREE (me);
1.4       frystyk   477: }
                    478: 
1.1       frystyk   479: PUBLIC void HText_beginAnchor (HText * text, HTChildAnchor * anchor)
                    480: {
                    481:     if (text && anchor) {
1.34      eric      482:        Finger * finger = (Finger *) HTRequest_context(text->request);
                    483:        Robot * mr = finger->robot;
1.1       frystyk   484:        HTAnchor * dest = HTAnchor_followMainLink((HTAnchor *) anchor);
                    485:        HTParentAnchor * dest_parent = HTAnchor_parent(dest);
1.7       frystyk   486:        char * uri = HTAnchor_address((HTAnchor *) dest_parent);
1.1       frystyk   487:        HyperDoc * hd = HTAnchor_document(dest_parent);
1.55    ! frystyk   488:        BOOL prefix_match = YES;
1.1       frystyk   489: 
1.55    ! frystyk   490:        if (!uri) return;
        !           491:        if (SHOW_MSG) HTTrace("Robot....... Found `%s\' - ", uri ? uri : "NULL\n");
        !           492: 
        !           493:        /* Check for prefix match */
        !           494:        if (mr->prefix) prefix_match = HTStrMatch(mr->prefix, uri) ? YES : NO;
1.7       frystyk   495:        
1.2       frystyk   496:        /* Test whether we already have a hyperdoc for this document */
1.55    ! frystyk   497:         if (hd) {
        !           498:            if (SHOW_MSG) HTTrace("Already checked\n");
        !           499:             hd->hits++;
        !           500:         } else if (mr->flags & MR_LINK && prefix_match && dest_parent) {
1.1       frystyk   501:            HTParentAnchor * parent = HTRequest_parent(text->request);
                    502:            HyperDoc * last = HTAnchor_document(parent);
                    503:            int depth = last ? last->depth+1 : 0;
1.34      eric      504:            Finger * newfinger = Finger_new(mr, dest_parent, METHOD_GET);
                    505:            HTRequest * newreq = newfinger->request;
1.2       frystyk   506:            HyperDoc_new(mr, dest_parent, depth);
1.7       frystyk   507:            HTRequest_setParent(newreq, HTRequest_anchor(text->request));
                    508:            if (depth >= mr->depth) {
                    509:                if (SHOW_MSG)
1.13      eric      510:                    HTTrace("loading at depth %d using HEAD\n", depth);
1.7       frystyk   511:                HTRequest_setMethod(newreq, METHOD_HEAD);
1.30      frystyk   512:                HTRequest_setOutputFormat(newreq, WWW_DEBUG);
1.7       frystyk   513:            } else {
1.13      eric      514:                if (SHOW_MSG) HTTrace("loading at depth %d\n", depth);
1.2       frystyk   515:            }
                    516:            if (HTLoadAnchor((HTAnchor *) dest_parent, newreq) != YES) {
1.13      eric      517:                if (SHOW_MSG) HTTrace("not tested!\n");
1.34      eric      518:                Finger_delete(newfinger);
1.2       frystyk   519:            }
1.7       frystyk   520:        } else {
1.55    ! frystyk   521:            if (SHOW_MSG) HTTrace("does not fulfill constraints\n");
1.2       frystyk   522:        }
1.11      frystyk   523:        HT_FREE(uri);
1.2       frystyk   524:     }
                    525: }
                    526: 
                    527: PUBLIC void HText_appendImage (HText * text, HTChildAnchor * anchor,
1.14      frystyk   528:                               const char *alt, const char * align, BOOL isMap)
1.2       frystyk   529: {
                    530:     if (text && anchor) {
1.34      eric      531:        Finger * finger = (Finger *) HTRequest_context(text->request);
                    532:        Robot * mr = finger->robot;
1.2       frystyk   533:        HTParentAnchor * dest = (HTParentAnchor *)
                    534:            HTAnchor_followMainLink((HTAnchor *) anchor);
                    535:        HyperDoc * hd = HTAnchor_document(dest);
1.1       frystyk   536: 
1.2       frystyk   537:        /* Test whether we already have a hyperdoc for this document */
                    538:        if (mr->flags & MR_IMG && dest && !hd) {
                    539:            HTParentAnchor * parent = HTRequest_parent(text->request);
                    540:            HyperDoc * last = HTAnchor_document(parent);
                    541:            int depth = last ? last->depth+1 : 0;
1.45      frystyk   542:            Finger * newfinger = Finger_new(mr, dest,
                    543:                                            mr->flags & MR_SAVE ?
                    544:                                            METHOD_GET : METHOD_HEAD);
1.34      eric      545:            HTRequest * newreq = newfinger->request;
1.2       frystyk   546:            HyperDoc_new(mr, dest, depth);
                    547:            if (SHOW_MSG) {
                    548:                char * uri = HTAnchor_address((HTAnchor *) dest);
1.13      eric      549:                HTTrace("Robot....... Checking Image `%s\'\n", uri);
1.11      frystyk   550:                HT_FREE(uri);
1.2       frystyk   551:            }
                    552:            if (HTLoadAnchor((HTAnchor *) dest, newreq) != YES) {
                    553:                if (SHOW_MSG)
1.13      eric      554:                    HTTrace("Robot....... Image not tested!\n");
1.34      eric      555:                Finger_delete(newfinger);
1.1       frystyk   556:            }
                    557:        }
                    558:     }
                    559: }
                    560: 
                    561: PUBLIC void HText_endAnchor (HText * text) {}
1.14      frystyk   562: PUBLIC void HText_appendText (HText * text, const char * str) {}
1.1       frystyk   563: PUBLIC void HText_appendCharacter (HText * text, char ch) {}
                    564: PUBLIC void HText_endAppend (HText * text) {}
                    565: PUBLIC void HText_setStyle (HText * text, HTStyle * style) {}
                    566: PUBLIC void HText_beginAppend (HText * text) {}
                    567: PUBLIC void HText_appendParagraph (HText * text) {}
                    568: 
1.48      frystyk   569: PRIVATE int RobotTrace (const char * fmt, va_list pArgs)
                    570: {
                    571:     return (vfprintf(stderr, fmt, pArgs));
                    572: }
                    573: 
1.1       frystyk   574: /* ------------------------------------------------------------------------- */
                    575: /*                               MAIN PROGRAM                               */
                    576: /* ------------------------------------------------------------------------- */
                    577: 
                    578: int main (int argc, char ** argv)
                    579: {
1.48      frystyk   580:     int                status = 0;
1.1       frystyk   581:     int                arg;
1.48      frystyk   582:     BOOL       cache = NO;                          /* Use persistent cache */
                    583:     BOOL       flush = NO;                    /* flush the persistent cache */
1.54      frystyk   584:     char *     cache_root = NULL;
1.1       frystyk   585:     HTChunk *  keywords = NULL;                        /* From command line */
                    586:     int                keycnt = 0;
1.12      frystyk   587:     Robot *    mr = NULL;
1.43      frystyk   588:     Finger *   finger = NULL;
                    589:     HTParentAnchor * startAnchor = NULL;
1.1       frystyk   590: 
                    591:     /* Starts Mac GUSI socket library */
                    592: #ifdef GUSI
                    593:     GUSISetup(GUSIwithSIOUXSockets);
                    594:     GUSISetup(GUSIwithInternetSockets);
                    595: #endif
                    596: 
                    597: #ifdef __MWERKS__ /* STR */
                    598:     InitGraf((Ptr) &qd.thePort); 
                    599:     InitFonts(); 
                    600:     InitWindows(); 
                    601:     InitMenus(); TEInit(); 
                    602:     InitDialogs(nil); 
                    603:     InitCursor();
                    604:     SIOUXSettings.asktosaveonclose = false;
                    605:     argc=ccommand(&argv);
1.50      frystyk   606: #endif /* __MWERKS__ */
1.1       frystyk   607: 
1.50      frystyk   608: #ifdef HT_MEMLOG
1.51      frystyk   609:     HTMemLog_open(DEFAULT_MEMLOG, 8192, YES);
1.47      frystyk   610: #endif
1.46      eric      611: 
1.27      frystyk   612:     /* Initiate W3C Reference Library with a robot profile */
                    613:     HTProfile_newRobot(APP_NAME, APP_VERSION);
1.48      frystyk   614:     HTTrace_setCallback(RobotTrace);
1.27      frystyk   615: 
                    616:     /* Add the default HTML parser to the set of converters */
                    617:     {
                    618:        HTList * converters = HTFormat_conversion();
                    619:        HTMLInit(converters);
                    620:     }
1.1       frystyk   621: 
1.12      frystyk   622:     /* Build a new robot object */
                    623:     mr = Robot_new();
                    624: 
1.1       frystyk   625:     /* Scan command Line for parameters */
                    626:     for (arg=1; arg<argc; arg++) {
                    627:        if (*argv[arg] == '-') {
                    628:            
                    629:            /* non-interactive */
1.17      frystyk   630:            if (!strcmp(argv[arg], "-n")) {
1.1       frystyk   631:                HTAlert_setInteractive(NO);
                    632: 
1.55    ! frystyk   633:            /* log file */
1.1       frystyk   634:            } else if (!strcmp(argv[arg], "-l")) {
                    635:                mr->logfile = (arg+1 < argc && *argv[arg+1] != '-') ?
                    636:                    argv[++arg] : DEFAULT_LOG_FILE;
                    637: 
1.55    ! frystyk   638:            /* hit file */
        !           639:            } else if (!strcmp(argv[arg], "-hit")) {
        !           640:                mr->hitfile = (arg+1 < argc && *argv[arg+1] != '-') ?
        !           641:                    argv[++arg] : DEFAULT_HIT_FILE;
        !           642: 
        !           643:             /* rule file */
1.1       frystyk   644:            } else if (!strcmp(argv[arg], "-r")) {
                    645:                mr->rules = (arg+1 < argc && *argv[arg+1] != '-') ?
                    646:                    argv[++arg] : DEFAULT_RULE_FILE;
                    647: 
                    648:            /* output filename */
                    649:            } else if (!strcmp(argv[arg], "-o")) { 
                    650:                mr->outputfile = (arg+1 < argc && *argv[arg+1] != '-') ?
                    651:                    argv[++arg] : DEFAULT_OUTPUT_FILE;
                    652: 
1.55    ! frystyk   653:            /* URI prefix */
        !           654:            } else if (!strcmp(argv[arg], "-prefix")) {
        !           655:                char * prefix = NULL;
        !           656:                prefix = (arg+1 < argc && *argv[arg+1] != '-') ?
        !           657:                    argv[++arg] : DEFAULT_PREFIX;
        !           658:                if (*prefix) {
        !           659:                    StrAllocCopy(mr->prefix, prefix);
        !           660:                    StrAllocCat(mr->prefix, "*");
        !           661:                }
        !           662: 
1.1       frystyk   663:            /* timeout -- Change the default request timeout */
                    664:            } else if (!strcmp(argv[arg], "-timeout")) {
                    665:                int timeout = (arg+1 < argc && *argv[arg+1] != '-') ?
                    666:                    atoi(argv[++arg]) : DEFAULT_TIMEOUT;
1.40      frystyk   667:                if (timeout > 0) mr->timer = timeout;
1.1       frystyk   668: 
1.54      frystyk   669:            /* Force no pipelined requests */
                    670:            } else if (!strcmp(argv[arg], "-nopipe")) {
                    671:                HTTP_setConnectionMode(HTTP_NO_PIPELINING);
                    672: 
1.48      frystyk   673:            /* Start the persistent cache */
                    674:            } else if (!strcmp(argv[arg], "-cache")) {
                    675:                cache = YES;
                    676: 
1.54      frystyk   677:            /* Determine the cache root */
                    678:            } else if (!strcmp(argv[arg], "-cacheroot")) { 
                    679:                cache_root = (arg+1 < argc && *argv[arg+1] != '-') ?
                    680:                    argv[++arg] : NULL;
1.51      frystyk   681: 
1.52      frystyk   682:            /* Stream write flush delay in ms */
                    683:            } else if (!strcmp(argv[arg], "-delay")) {
                    684:                int delay = (arg+1 < argc && *argv[arg+1] != '-') ?
                    685:                    atoi(argv[++arg]) : DEFAULT_DELAY;
                    686:                HTHost_setDefaultWriteDelay(delay);
                    687: 
1.48      frystyk   688:            /* Persistent cache flush */
                    689:            } else if (!strcmp(argv[arg], "-flush")) {
                    690:                flush = YES;
                    691: 
                    692:            /* Do a cache validation */
                    693:            } else if (!strcmp(argv[arg], "-validate")) {
                    694:                mr->flags |= MR_VALIDATE;
                    695: 
                    696:            /* Do an end-to-end cache-validation */
                    697:            } else if (!strcmp(argv[arg], "-endvalidate")) {
                    698:                mr->flags |= MR_END_VALIDATE;
                    699: 
1.7       frystyk   700:            /* preemptive or non-preemptive access */
1.1       frystyk   701:            } else if (!strcmp(argv[arg], "-single")) {
1.7       frystyk   702:                mr->flags |= MR_PREEMPTIVE;
1.2       frystyk   703: 
                    704:            /* test inlined images */
                    705:            } else if (!strcmp(argv[arg], "-img")) {
                    706:                mr->flags |= MR_IMG;
1.45      frystyk   707: 
                    708:            /* load inlined images */
                    709:            } else if (!strcmp(argv[arg], "-saveimg")) {
                    710:                mr->flags |= (MR_IMG | MR_SAVE);
1.2       frystyk   711: 
                    712:            /* load anchors */
                    713:            } else if (!strcmp(argv[arg], "-link")) {
                    714:                mr->flags |= MR_LINK;
1.7       frystyk   715:                mr->depth = (arg+1 < argc && *argv[arg+1] != '-') ?
                    716:                    atoi(argv[++arg]) : DEFAULT_DEPTH;
1.2       frystyk   717: 
1.12      frystyk   718:            /* Output start and end time */
                    719:            } else if (!strcmp(argv[arg], "-ss")) {
                    720:                time_t local = time(NULL);
1.13      eric      721:                HTTrace("Robot started on %s\n",
1.12      frystyk   722:                         HTDateTimeStr(&local, YES));
                    723:                mr->flags |= MR_TIME;
                    724: 
1.1       frystyk   725:            /* print version and exit */
                    726:            } else if (!strcmp(argv[arg], "-version")) { 
                    727:                VersionInfo();
                    728:                Cleanup(mr, 0);
1.46      eric      729: 
                    730:            /* run in quiet mode */
                    731:            } else if (!strcmp(argv[arg], "-q")) { 
                    732:                mr->flags |= MR_QUIET;
1.1       frystyk   733: 
                    734: #ifdef WWWTRACE
                    735:            /* trace flags */
                    736:            } else if (!strncmp(argv[arg], "-v", 2)) {
1.24      frystyk   737:                HTSetTraceMessageMask(argv[arg]+2);
1.1       frystyk   738: #endif
                    739: 
                    740:            } else {
1.13      eric      741:                if (SHOW_MSG) HTTrace("Bad Argument (%s)\n", argv[arg]);
1.1       frystyk   742:            }
1.17      frystyk   743:        } else {         /* If no leading `-' then check for URL or keywords */
1.1       frystyk   744:            if (!keycnt) {
                    745:                char * ref = HTParse(argv[arg], mr->cwd, PARSE_ALL);
1.34      eric      746:                startAnchor = (HTParentAnchor *) HTAnchor_findAddress(ref);
                    747:                HyperDoc_new(mr, startAnchor, 0);
1.1       frystyk   748:                keycnt = 1;
1.11      frystyk   749:                HT_FREE(ref);
1.1       frystyk   750:            } else {               /* Check for successive keyword arguments */
                    751:                char *escaped = HTEscape(argv[arg], URL_XALPHAS);
                    752:                if (keycnt++ <= 1)
1.5       frystyk   753:                    keywords = HTChunk_new(128);
1.1       frystyk   754:                else
1.5       frystyk   755:                    HTChunk_putc(keywords, ' ');
                    756:                HTChunk_puts(keywords, HTStrip(escaped));
1.11      frystyk   757:                HT_FREE(escaped);
1.1       frystyk   758:            }
                    759:        }
                    760:     }
                    761: 
                    762: #ifdef CATCH_SIG
                    763:     SetSignal();
                    764: #endif
                    765: 
                    766:     if (!keycnt) {
1.13      eric      767:        if (SHOW_MSG) HTTrace("Please specify URL to check.\n");
1.1       frystyk   768:        Cleanup(mr, -1);
                    769:     }
                    770: 
1.23      manoli    771:     /* Testing that HTTrace is working */
1.47      frystyk   772:     if (SHOW_MSG) HTTrace ("Welcome to the W3C mini Robot\n");
1.23      manoli    773: 
1.1       frystyk   774:     /* Rule file specified? */
                    775:     if (mr->rules) {
                    776:        char * rules = HTParse(mr->rules, mr->cwd, PARSE_ALL);
1.27      frystyk   777:        if (!HTLoadRules(rules))
1.13      eric      778:            if (SHOW_MSG) HTTrace("Can't access rules\n");
1.11      frystyk   779:        HT_FREE(rules);
1.1       frystyk   780:     }
                    781: 
                    782:     /* Output file specified? */
                    783:     if (mr->outputfile) {
                    784:        if ((mr->output = fopen(mr->outputfile, "wb")) == NULL) {
1.13      eric      785:            if (SHOW_MSG) HTTrace("Can't open `%s'\n", mr->outputfile);
1.1       frystyk   786:            mr->output = OUTPUT;
                    787:        }
                    788:     }
                    789: 
1.48      frystyk   790:     /* Should we use persistent cache? */
                    791:     if (cache) {
1.54      frystyk   792:        HTCacheInit(cache_root, 20);
1.49      frystyk   793:        HTNet_addBefore(HTCacheFilter, "http://*", NULL, HT_FILTER_MIDDLE);
                    794:        HTNet_addAfter(HTCacheUpdateFilter, "http://*", NULL,
                    795:                       HT_NOT_MODIFIED, HT_FILTER_MIDDLE);
1.48      frystyk   796: 
                    797:        /* Should we start by flushing? */
                    798:        if (flush) HTCache_flushAll();
                    799:     }
                    800: 
1.1       frystyk   801:     /* Log file specifed? */
1.55    ! frystyk   802:     if (mr->logfile) {
        !           803:         mr->log = HTLog_open(mr->logfile, YES, YES);
        !           804:         if (mr->log) HTNet_addAfter(HTLogFilter, NULL, mr->log, HT_ALL, HT_FILTER_LATE);
        !           805:     }
1.1       frystyk   806: 
1.27      frystyk   807:     /* Register our own someterminater filter */
1.32      frystyk   808:     HTNet_addAfter(terminate_handler, NULL, NULL, HT_ALL, HT_FILTER_LAST);
1.40      frystyk   809: 
                    810:     /* Setting event timeout */
                    811:     HTHost_setEventTimeout(mr->timer);
1.55    ! frystyk   812: 
        !           813:     mr->time = time(NULL);
1.37      frystyk   814: 
1.34      eric      815:     /* Start the request */
                    816:     finger = Finger_new(mr, startAnchor, METHOD_GET);
1.43      frystyk   817: 
                    818:     /*
                    819:     ** Make sure that the first request is flushed immediately and not
                    820:     ** buffered in the output buffer
                    821:     */
                    822:     HTRequest_setFlush(finger->request, YES);
                    823: 
                    824:     /*
1.48      frystyk   825:     ** Check whether we should do some kind of cache validation on
                    826:     ** the load
                    827:     */
                    828:     if (mr->flags & MR_VALIDATE)
                    829:        HTRequest_setReloadMode(finger->request, HT_CACHE_VALIDATE);
                    830:     if (mr->flags & MR_END_VALIDATE)
                    831:        HTRequest_setReloadMode(finger->request, HT_CACHE_END_VALIDATE);
                    832: 
                    833:     /*
1.43      frystyk   834:     **  Now do the load
                    835:     */
1.34      eric      836:     if (mr->flags & MR_PREEMPTIVE)
                    837:        HTRequest_setPreemptive(finger->request, YES);
1.1       frystyk   838: 
                    839:     if (keywords)                                                 /* Search */
1.34      eric      840:        status = HTSearchAnchor(keywords, (HTAnchor *)startAnchor, finger->request);
1.1       frystyk   841:     else
1.34      eric      842:        status = HTLoadAnchor((HTAnchor *)startAnchor, finger->request);
1.1       frystyk   843: 
1.5       frystyk   844:     if (keywords) HTChunk_delete(keywords);
1.1       frystyk   845:     if (status != YES) {
1.13      eric      846:        if (SHOW_MSG) HTTrace("Can't access resource\n");
1.1       frystyk   847:        Cleanup(mr, -1);
                    848:     }
                    849: 
                    850:     /* Go into the event loop... */
1.34      eric      851:     HTEventList_loop(finger->request);
1.1       frystyk   852: 
                    853:     /* Only gets here if event loop fails */
                    854:     Cleanup(mr, 0);
                    855:     return 0;
                    856: }

Webmaster