/brz/remove-bazaar

To get this branch, use:
bzr branch http://gegoxaren.bato24.eu/bzr/brz/remove-bazaar

« back to all changes in this revision

Viewing changes to breezy/bzr/xml8.py

  • Committer: Jelmer Vernooij
  • Date: 2020-07-18 23:14:00 UTC
  • mfrom: (7490.40.62 work)
  • mto: This revision was merged to the branch mainline in revision 7519.
  • Revision ID: jelmer@jelmer.uk-20200718231400-jaes9qltn8oi8xss
Merge lp:brz/3.1.

Show diffs side-by-side

added added

removed removed

Lines of Context:
 
1
# Copyright (C) 2005-2010 Canonical Ltd
 
2
#
 
3
# This program is free software; you can redistribute it and/or modify
 
4
# it under the terms of the GNU General Public License as published by
 
5
# the Free Software Foundation; either version 2 of the License, or
 
6
# (at your option) any later version.
 
7
#
 
8
# This program is distributed in the hope that it will be useful,
 
9
# but WITHOUT ANY WARRANTY; without even the implied warranty of
 
10
# MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the
 
11
# GNU General Public License for more details.
 
12
#
 
13
# You should have received a copy of the GNU General Public License
 
14
# along with this program; if not, write to the Free Software
 
15
# Foundation, Inc., 51 Franklin Street, Fifth Floor, Boston, MA 02110-1301 USA
 
16
 
 
17
from io import BytesIO
 
18
 
 
19
from .. import (
 
20
    cache_utf8,
 
21
    lazy_regex,
 
22
    revision as _mod_revision,
 
23
    trace,
 
24
    )
 
25
from .xml_serializer import (
 
26
    Element,
 
27
    SubElement,
 
28
    XMLSerializer,
 
29
    encode_and_escape,
 
30
    escape_invalid_chars,
 
31
    get_utf8_or_ascii,
 
32
    serialize_inventory_flat,
 
33
    unpack_inventory_entry,
 
34
    unpack_inventory_flat,
 
35
    )
 
36
from ..revision import Revision
 
37
from ..errors import BzrError
 
38
 
 
39
 
 
40
_xml_unescape_map = {
 
41
    b'apos': b"'",
 
42
    b'quot': b'"',
 
43
    b'amp': b'&',
 
44
    b'lt': b'<',
 
45
    b'gt': b'>'
 
46
}
 
47
 
 
48
 
 
49
def _unescaper(match, _map=_xml_unescape_map):
 
50
    code = match.group(1)
 
51
    try:
 
52
        return _map[code]
 
53
    except KeyError:
 
54
        if not code.startswith(b'#'):
 
55
            raise
 
56
        return chr(int(code[1:])).encode('utf8')
 
57
 
 
58
 
 
59
_unescape_re = lazy_regex.lazy_compile(b'\\&([^;]*);')
 
60
 
 
61
 
 
62
def _unescape_xml(data):
 
63
    """Unescape predefined XML entities in a string of data."""
 
64
    return _unescape_re.sub(_unescaper, data)
 
65
 
 
66
 
 
67
class Serializer_v8(XMLSerializer):
 
68
    """This serialiser adds rich roots.
 
69
 
 
70
    Its revision format number matches its inventory number.
 
71
    """
 
72
 
 
73
    __slots__ = []
 
74
 
 
75
    root_id = None
 
76
    support_altered_by_hack = True
 
77
    # This format supports the altered-by hack that reads file ids directly out
 
78
    # of the versionedfile, without doing XML parsing.
 
79
 
 
80
    supported_kinds = {'file', 'directory', 'symlink'}
 
81
    format_num = b'8'
 
82
    revision_format_num = None
 
83
 
 
84
    # The search regex used by xml based repositories to determine what things
 
85
    # where changed in a single commit.
 
86
    _file_ids_altered_regex = lazy_regex.lazy_compile(
 
87
        b'file_id="(?P<file_id>[^"]+)"'
 
88
        b'.* revision="(?P<revision_id>[^"]+)"'
 
89
        )
 
90
 
 
91
    def _check_revisions(self, inv):
 
92
        """Extension point for subclasses to check during serialisation.
 
93
 
 
94
        :param inv: An inventory about to be serialised, to be checked.
 
95
        :raises: AssertionError if an error has occurred.
 
96
        """
 
97
        if inv.revision_id is None:
 
98
            raise AssertionError("inv.revision_id is None")
 
99
        if inv.root.revision is None:
 
100
            raise AssertionError("inv.root.revision is None")
 
101
 
 
102
    def _check_cache_size(self, inv_size, entry_cache):
 
103
        """Check that the entry_cache is large enough.
 
104
 
 
105
        We want the cache to be ~2x the size of an inventory. The reason is
 
106
        because we use a FIFO cache, and how Inventory records are likely to
 
107
        change. In general, you have a small number of records which change
 
108
        often, and a lot of records which do not change at all. So when the
 
109
        cache gets full, you actually flush out a lot of the records you are
 
110
        interested in, which means you need to recreate all of those records.
 
111
        An LRU Cache would be better, but the overhead negates the cache
 
112
        coherency benefit.
 
113
 
 
114
        One way to look at it, only the size of the cache > len(inv) is your
 
115
        'working' set. And in general, it shouldn't be a problem to hold 2
 
116
        inventories in memory anyway.
 
117
 
 
118
        :param inv_size: The number of entries in an inventory.
 
119
        """
 
120
        if entry_cache is None:
 
121
            return
 
122
        # 1.5 times might also be reasonable.
 
123
        recommended_min_cache_size = inv_size * 1.5
 
124
        if entry_cache.cache_size() < recommended_min_cache_size:
 
125
            recommended_cache_size = inv_size * 2
 
126
            trace.mutter('Resizing the inventory entry cache from %d to %d',
 
127
                         entry_cache.cache_size(), recommended_cache_size)
 
128
            entry_cache.resize(recommended_cache_size)
 
129
 
 
130
    def write_inventory_to_lines(self, inv):
 
131
        """Return a list of lines with the encoded inventory."""
 
132
        return self.write_inventory(inv, None)
 
133
 
 
134
    def write_inventory_to_chunks(self, inv):
 
135
        return self.write_inventory(inv, None)
 
136
 
 
137
    def write_inventory(self, inv, f, working=False):
 
138
        """Write inventory to a file.
 
139
 
 
140
        :param inv: the inventory to write.
 
141
        :param f: the file to write. (May be None if the lines are the desired
 
142
            output).
 
143
        :param working: If True skip history data - text_sha1, text_size,
 
144
            reference_revision, symlink_target.
 
145
        :return: The inventory as a list of lines.
 
146
        """
 
147
        output = []
 
148
        append = output.append
 
149
        self._append_inventory_root(append, inv)
 
150
        serialize_inventory_flat(inv, append,
 
151
                                 self.root_id, self.supported_kinds, working)
 
152
        if f is not None:
 
153
            f.writelines(output)
 
154
        # Just to keep the cache from growing without bounds
 
155
        # but we may actually not want to do clear the cache
 
156
        # _clear_cache()
 
157
        return output
 
158
 
 
159
    def _append_inventory_root(self, append, inv):
 
160
        """Append the inventory root to output."""
 
161
        if inv.revision_id is not None:
 
162
            revid1 = b''.join(
 
163
                [b' revision_id="', encode_and_escape(inv.revision_id), b'"'])
 
164
        else:
 
165
            revid1 = b""
 
166
        append(b'<inventory format="%s"%s>\n' % (
 
167
            self.format_num, revid1))
 
168
        append(b'<directory file_id="%s" name="%s" revision="%s" />\n' % (
 
169
            encode_and_escape(inv.root.file_id),
 
170
            encode_and_escape(inv.root.name),
 
171
            encode_and_escape(inv.root.revision)))
 
172
 
 
173
    def write_revision_to_lines(self, rev):
 
174
        """Revision object -> xml tree"""
 
175
        # For the XML format, we need to write them as Unicode rather than as
 
176
        # utf-8 strings. So that cElementTree can handle properly escaping
 
177
        # them.
 
178
        lines = []
 
179
        el = (b'<revision committer="%s" format="%s" '
 
180
              b'inventory_sha1="%s" revision_id="%s" '
 
181
              b'timestamp="%.3f"' % (
 
182
                  encode_and_escape(rev.committer),
 
183
                  self.revision_format_num or self.format_num,
 
184
                  rev.inventory_sha1,
 
185
                  encode_and_escape(cache_utf8.decode(rev.revision_id)),
 
186
                  rev.timestamp))
 
187
        if rev.timezone is not None:
 
188
            el += b' timezone="%s"' % str(rev.timezone).encode('ascii')
 
189
        lines.append(el + b'>\n')
 
190
        message = encode_and_escape(escape_invalid_chars(rev.message)[0])
 
191
        lines.extend((b'<message>' + message + b'</message>\n').splitlines(True))
 
192
        if rev.parent_ids:
 
193
            lines.append(b'<parents>\n')
 
194
            for parent_id in rev.parent_ids:
 
195
                _mod_revision.check_not_reserved_id(parent_id)
 
196
                lines.append(
 
197
                    b'<revision_ref revision_id="%s" />\n'
 
198
                    % encode_and_escape(cache_utf8.decode(parent_id)))
 
199
            lines.append(b'</parents>\n')
 
200
        if rev.properties:
 
201
            preamble = b'<properties>'
 
202
            for prop_name, prop_value in sorted(rev.properties.items()):
 
203
                if prop_value:
 
204
                    proplines = (preamble + b'<property name="%s">%s</property>\n' % (
 
205
                        encode_and_escape(prop_name),
 
206
                        encode_and_escape(escape_invalid_chars(prop_value)[0]))).splitlines(True)
 
207
                else:
 
208
                    proplines = [preamble + b'<property name="%s" />\n' % (encode_and_escape(prop_name), )]
 
209
                preamble = b''
 
210
                lines.extend(proplines)
 
211
            lines.append(b'</properties>\n')
 
212
        lines.append(b'</revision>\n')
 
213
        return lines
 
214
 
 
215
    def _unpack_entry(self, elt, entry_cache=None, return_from_cache=False):
 
216
        # This is here because it's overridden by xml7
 
217
        return unpack_inventory_entry(elt, entry_cache,
 
218
                                      return_from_cache)
 
219
 
 
220
    def _unpack_inventory(self, elt, revision_id=None, entry_cache=None,
 
221
                          return_from_cache=False):
 
222
        """Construct from XML Element"""
 
223
        inv = unpack_inventory_flat(elt, self.format_num, self._unpack_entry,
 
224
                                    entry_cache, return_from_cache)
 
225
        self._check_cache_size(len(inv), entry_cache)
 
226
        return inv
 
227
 
 
228
    def _unpack_revision(self, elt):
 
229
        """XML Element -> Revision object"""
 
230
        format = elt.get('format')
 
231
        format_num = self.format_num
 
232
        if self.revision_format_num is not None:
 
233
            format_num = self.revision_format_num
 
234
        if format is not None:
 
235
            if format.encode() != format_num:
 
236
                raise BzrError("invalid format version %r on revision"
 
237
                               % format)
 
238
        get_cached = get_utf8_or_ascii
 
239
        rev = Revision(committer=elt.get('committer'),
 
240
                       timestamp=float(elt.get('timestamp')),
 
241
                       revision_id=get_cached(elt.get('revision_id')),
 
242
                       inventory_sha1=elt.get('inventory_sha1').encode('ascii')
 
243
                       )
 
244
        parents = elt.find('parents')
 
245
        if parents is not None:
 
246
            for p in parents:
 
247
                rev.parent_ids.append(get_cached(p.get('revision_id')))
 
248
        self._unpack_revision_properties(elt, rev)
 
249
        v = elt.get('timezone')
 
250
        if v is None:
 
251
            rev.timezone = 0
 
252
        else:
 
253
            rev.timezone = int(v)
 
254
        rev.message = elt.findtext('message')  # text of <message>
 
255
        return rev
 
256
 
 
257
    def _unpack_revision_properties(self, elt, rev):
 
258
        """Unpack properties onto a revision."""
 
259
        props_elt = elt.find('properties')
 
260
        if props_elt is None:
 
261
            return
 
262
        for prop_elt in props_elt:
 
263
            if prop_elt.tag != 'property':
 
264
                raise AssertionError(
 
265
                    "bad tag under properties list: %r" % prop_elt.tag)
 
266
            name = prop_elt.get('name')
 
267
            value = prop_elt.text
 
268
            # If a property had an empty value ('') cElementTree reads
 
269
            # that back as None, convert it back to '', so that all
 
270
            # properties have string values
 
271
            if value is None:
 
272
                value = ''
 
273
            if name in rev.properties:
 
274
                raise AssertionError("repeated property %r" % name)
 
275
            rev.properties[name] = value
 
276
 
 
277
    def _find_text_key_references(self, line_iterator):
 
278
        """Core routine for extracting references to texts from inventories.
 
279
 
 
280
        This performs the translation of xml lines to revision ids.
 
281
 
 
282
        :param line_iterator: An iterator of lines, origin_version_id
 
283
        :return: A dictionary mapping text keys ((fileid, revision_id) tuples)
 
284
            to whether they were referred to by the inventory of the
 
285
            revision_id that they contain. Note that if that revision_id was
 
286
            not part of the line_iterator's output then False will be given -
 
287
            even though it may actually refer to that key.
 
288
        """
 
289
        if not self.support_altered_by_hack:
 
290
            raise AssertionError(
 
291
                "_find_text_key_references only "
 
292
                "supported for branches which store inventory as unnested xml"
 
293
                ", not on %r" % self)
 
294
        result = {}
 
295
 
 
296
        # this code needs to read every new line in every inventory for the
 
297
        # inventories [revision_ids]. Seeing a line twice is ok. Seeing a line
 
298
        # not present in one of those inventories is unnecessary but not
 
299
        # harmful because we are filtering by the revision id marker in the
 
300
        # inventory lines : we only select file ids altered in one of those
 
301
        # revisions. We don't need to see all lines in the inventory because
 
302
        # only those added in an inventory in rev X can contain a revision=X
 
303
        # line.
 
304
        unescape_revid_cache = {}
 
305
        unescape_fileid_cache = {}
 
306
 
 
307
        # jam 20061218 In a big fetch, this handles hundreds of thousands
 
308
        # of lines, so it has had a lot of inlining and optimizing done.
 
309
        # Sorry that it is a little bit messy.
 
310
        # Move several functions to be local variables, since this is a long
 
311
        # running loop.
 
312
        search = self._file_ids_altered_regex.search
 
313
        unescape = _unescape_xml
 
314
        setdefault = result.setdefault
 
315
        for line, line_key in line_iterator:
 
316
            match = search(line)
 
317
            if match is None:
 
318
                continue
 
319
            # One call to match.group() returning multiple items is quite a
 
320
            # bit faster than 2 calls to match.group() each returning 1
 
321
            file_id, revision_id = match.group('file_id', 'revision_id')
 
322
 
 
323
            # Inlining the cache lookups helps a lot when you make 170,000
 
324
            # lines and 350k ids, versus 8.4 unique ids.
 
325
            # Using a cache helps in 2 ways:
 
326
            #   1) Avoids unnecessary decoding calls
 
327
            #   2) Re-uses cached strings, which helps in future set and
 
328
            #      equality checks.
 
329
            # (2) is enough that removing encoding entirely along with
 
330
            # the cache (so we are using plain strings) results in no
 
331
            # performance improvement.
 
332
            try:
 
333
                revision_id = unescape_revid_cache[revision_id]
 
334
            except KeyError:
 
335
                unescaped = unescape(revision_id)
 
336
                unescape_revid_cache[revision_id] = unescaped
 
337
                revision_id = unescaped
 
338
 
 
339
            # Note that unconditionally unescaping means that we deserialise
 
340
            # every fileid, which for general 'pull' is not great, but we don't
 
341
            # really want to have some many fulltexts that this matters anyway.
 
342
            # RBC 20071114.
 
343
            try:
 
344
                file_id = unescape_fileid_cache[file_id]
 
345
            except KeyError:
 
346
                unescaped = unescape(file_id)
 
347
                unescape_fileid_cache[file_id] = unescaped
 
348
                file_id = unescaped
 
349
 
 
350
            key = (file_id, revision_id)
 
351
            setdefault(key, False)
 
352
            if revision_id == line_key[-1]:
 
353
                result[key] = True
 
354
        return result
 
355
 
 
356
 
 
357
serializer_v8 = Serializer_v8()