~bzr-pqm/bzr/bzr.dev

« back to all changes in this revision

Viewing changes to bzrlib/xml5.py

  • Committer: Canonical.com Patch Queue Manager
  • Date: 2006-09-26 23:30:56 UTC
  • mfrom: (2044.1.1 integration)
  • Revision ID: pqm@pqm.ubuntu.com-20060926233056-203e713964b2cd51
(Robert Collins) Forward merge from 0.11rc2 NEWS and performance-regression fix.

Show diffs side-by-side

added added

removed removed

Lines of Context:
 
1
# Copyright (C) 2005, 2006 Canonical Ltd
 
2
#
1
3
# This program is free software; you can redistribute it and/or modify
2
4
# it under the terms of the GNU General Public License as published by
3
5
# the Free Software Foundation; either version 2 of the License, or
4
6
# (at your option) any later version.
5
 
 
 
7
#
6
8
# This program is distributed in the hope that it will be useful,
7
9
# but WITHOUT ANY WARRANTY; without even the implied warranty of
8
10
# MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the
9
11
# GNU General Public License for more details.
10
 
 
 
12
#
11
13
# You should have received a copy of the GNU General Public License
12
14
# along with this program; if not, write to the Free Software
13
15
# Foundation, Inc., 59 Temple Place, Suite 330, Boston, MA  02111-1307  USA
14
16
 
 
17
import cStringIO
 
18
import re
15
19
 
16
 
from bzrlib.xml_serializer import ElementTree, SubElement, Element, Serializer
 
20
from bzrlib import (
 
21
    cache_utf8,
 
22
    inventory,
 
23
    )
 
24
from bzrlib.xml_serializer import SubElement, Element, Serializer
17
25
from bzrlib.inventory import ROOT_ID, Inventory, InventoryEntry
18
 
import bzrlib.inventory as inventory
19
 
from bzrlib.revision import Revision        
 
26
from bzrlib.revision import Revision
20
27
from bzrlib.errors import BzrError
21
28
 
22
29
 
 
30
_utf8_re = None
 
31
_utf8_escape_map = {
 
32
    "&":'&',
 
33
    "'":"'", # FIXME: overkill
 
34
    "\"":""",
 
35
    "<":"&lt;",
 
36
    ">":"&gt;",
 
37
    }
 
38
 
 
39
 
 
40
def _ensure_utf8_re():
 
41
    """Make sure the _utf8_re regex has been compiled"""
 
42
    global _utf8_re
 
43
    if _utf8_re is not None:
 
44
        return
 
45
    _utf8_re = re.compile(u'[&<>\'\"\u0080-\uffff]')
 
46
 
 
47
 
 
48
def _utf8_escape_replace(match, _map=_utf8_escape_map):
 
49
    """Replace a string of non-ascii, non XML safe characters with their escape
 
50
 
 
51
    This will escape both Standard XML escapes, like <>"', etc.
 
52
    As well as escaping non ascii characters, because ElementTree did.
 
53
    This helps us remain compatible to older versions of bzr. We may change
 
54
    our policy in the future, though.
 
55
    """
 
56
    # jam 20060816 Benchmarks show that try/KeyError is faster if you
 
57
    # expect the entity to rarely miss. There is about a 10% difference
 
58
    # in overall time. But if you miss frequently, then if None is much
 
59
    # faster. For our use case, we *rarely* have a revision id, file id
 
60
    # or path name that is unicode. So use try/KeyError.
 
61
    try:
 
62
        return _map[match.group()]
 
63
    except KeyError:
 
64
        return "&#%d;" % ord(match.group())
 
65
 
 
66
 
 
67
_unicode_to_escaped_map = {}
 
68
 
 
69
def _encode_and_escape(unicode_str, _map=_unicode_to_escaped_map):
 
70
    """Encode the string into utf8, and escape invalid XML characters"""
 
71
    # We frequently get entities we have not seen before, so it is better
 
72
    # to check if None, rather than try/KeyError
 
73
    text = _map.get(unicode_str)
 
74
    if text is None:
 
75
        # The alternative policy is to do a regular UTF8 encoding
 
76
        # and then escape only XML meta characters.
 
77
        # Performance is equivalent once you use cache_utf8. *However*
 
78
        # this makes the serialized texts incompatible with old versions
 
79
        # of bzr. So no net gain. (Perhaps the read code would handle utf8
 
80
        # better than entity escapes, but cElementTree seems to do just fine
 
81
        # either way)
 
82
        text = str(_utf8_re.sub(_utf8_escape_replace, unicode_str)) + '"'
 
83
        _map[unicode_str] = text
 
84
    return text
 
85
 
 
86
 
 
87
def _clear_cache():
 
88
    """Clean out the unicode => escaped map"""
 
89
    _unicode_to_escaped_map.clear()
 
90
 
 
91
 
23
92
class Serializer_v5(Serializer):
24
93
    """Version 5 serializer
25
94
 
27
96
    """
28
97
    
29
98
    __slots__ = []
30
 
    
31
 
    def _pack_inventory(self, inv):
32
 
        """Convert to XML Element"""
33
 
        e = Element('inventory',
34
 
                    format='5')
35
 
        e.text = '\n'
 
99
 
 
100
    support_altered_by_hack = True
 
101
    # This format supports the altered-by hack that reads file ids directly out
 
102
    # of the versionedfile, without doing XML parsing.
 
103
 
 
104
    def write_inventory_to_string(self, inv):
 
105
        """Just call write_inventory with a StringIO and return the value"""
 
106
        sio = cStringIO.StringIO()
 
107
        self.write_inventory(inv, sio)
 
108
        return sio.getvalue()
 
109
 
 
110
    def write_inventory(self, inv, f):
 
111
        """Write inventory to a file.
 
112
        
 
113
        :param inv: the inventory to write.
 
114
        :param f: the file to write.
 
115
        """
 
116
        _ensure_utf8_re()
 
117
        output = []
 
118
        append = output.append
 
119
        self._append_inventory_root(append, inv)
 
120
        entries = inv.iter_entries()
 
121
        # Skip the root
 
122
        root_path, root_ie = entries.next()
 
123
        for path, ie in entries:
 
124
            self._append_entry(append, ie)
 
125
        append('</inventory>\n')
 
126
        f.writelines(output)
 
127
        # Just to keep the cache from growing without bounds
 
128
        # but we may actually not want to do clear the cache
 
129
        #_clear_cache()
 
130
 
 
131
    def _append_inventory_root(self, append, inv):
 
132
        """Append the inventory root to output."""
 
133
        append('<inventory')
36
134
        if inv.root.file_id not in (None, ROOT_ID):
37
 
            e.set('file_id', inv.root.file_id)
 
135
            append(' file_id="')
 
136
            append(_encode_and_escape(inv.root.file_id))
 
137
        append(' format="5"')
38
138
        if inv.revision_id is not None:
39
 
            e.set('revision_id', inv.revision_id)
40
 
        for path, ie in inv.iter_entries():
41
 
            e.append(self._pack_entry(ie))
42
 
        return e
43
 
 
44
 
 
45
 
    def _pack_entry(self, ie):
46
 
        """Convert InventoryEntry to XML element"""
 
139
            append(' revision_id="')
 
140
            append(_encode_and_escape(inv.revision_id))
 
141
        append('>\n')
 
142
        
 
143
    def _append_entry(self, append, ie):
 
144
        """Convert InventoryEntry to XML element and append to output."""
47
145
        # TODO: should just be a plain assertion
48
 
        if not InventoryEntry.versionable_kind(ie.kind):
49
 
            raise AssertionError('unsupported entry kind %s' % ie.kind)
50
 
        e = Element(ie.kind)
51
 
        e.set('name', ie.name)
52
 
        e.set('file_id', ie.file_id)
53
 
 
54
 
        if ie.text_size != None:
55
 
            e.set('text_size', '%d' % ie.text_size)
56
 
 
57
 
        for f in ['text_sha1', 'revision', 'symlink_target']:
58
 
            v = getattr(ie, f)
59
 
            if v != None:
60
 
                e.set(f, v)
61
 
 
 
146
        assert InventoryEntry.versionable_kind(ie.kind), \
 
147
            'unsupported entry kind %s' % ie.kind
 
148
 
 
149
        append("<")
 
150
        append(ie.kind)
62
151
        if ie.executable:
63
 
            e.set('executable', 'yes')
64
 
 
65
 
        # to be conservative, we don't externalize the root pointers
66
 
        # for now, leaving them as null in the xml form.  in a future
67
 
        # version it will be implied by nested elements.
68
 
        if ie.parent_id != ROOT_ID:
 
152
            append(' executable="yes"')
 
153
        append(' file_id="')
 
154
        append(_encode_and_escape(ie.file_id))
 
155
        append(' name="')
 
156
        append(_encode_and_escape(ie.name))
 
157
        if self._parent_condition(ie):
69
158
            assert isinstance(ie.parent_id, basestring)
70
 
            e.set('parent_id', ie.parent_id)
71
 
 
72
 
        e.tail = '\n'
73
 
 
74
 
        return e
75
 
 
 
159
            append(' parent_id="')
 
160
            append(_encode_and_escape(ie.parent_id))
 
161
        if ie.revision is not None:
 
162
            append(' revision="')
 
163
            append(_encode_and_escape(ie.revision))
 
164
        if ie.symlink_target is not None:
 
165
            append(' symlink_target="')
 
166
            append(_encode_and_escape(ie.symlink_target))
 
167
        if ie.text_sha1 is not None:
 
168
            append(' text_sha1="')
 
169
            append(ie.text_sha1)
 
170
            append('"')
 
171
        if ie.text_size is not None:
 
172
            append(' text_size="%d"' % ie.text_size)
 
173
        append(" />\n")
 
174
        return
 
175
 
 
176
    def _parent_condition(self, ie):
 
177
        return ie.parent_id != ROOT_ID
76
178
 
77
179
    def _pack_revision(self, rev):
78
180
        """Revision object -> xml tree"""
83
185
                       inventory_sha1 = rev.inventory_sha1,
84
186
                       format='5',
85
187
                       )
86
 
        if rev.timezone:
 
188
        if rev.timezone is not None:
87
189
            root.set('timezone', str(rev.timezone))
88
190
        root.text = '\n'
89
191
        msg = SubElement(root, 'message')
101
203
            self._pack_revision_properties(rev, root)
102
204
        return root
103
205
 
104
 
 
105
206
    def _pack_revision_properties(self, rev, under_element):
106
207
        top_elt = SubElement(under_element, 'properties')
107
208
        for prop_name, prop_value in sorted(rev.properties.items()):
113
214
            prop_elt.tail = '\n'
114
215
        top_elt.tail = '\n'
115
216
 
116
 
 
117
217
    def _unpack_inventory(self, elt):
118
218
        """Construct from XML Element
119
219
        """
125
225
                raise BzrError("invalid format version %r on inventory"
126
226
                                % format)
127
227
        revision_id = elt.get('revision_id')
 
228
        if revision_id is not None:
 
229
            revision_id = cache_utf8.get_cached_unicode(revision_id)
128
230
        inv = Inventory(root_id, revision_id=revision_id)
129
231
        for e in elt:
130
232
            ie = self._unpack_entry(e)
133
235
            inv.add(ie)
134
236
        return inv
135
237
 
136
 
 
137
 
    def _unpack_entry(self, elt):
 
238
    def _unpack_entry(self, elt, none_parents=False):
138
239
        kind = elt.tag
139
240
        if not InventoryEntry.versionable_kind(kind):
140
241
            raise AssertionError('unsupported entry kind %s' % kind)
141
242
 
 
243
        get_cached = cache_utf8.get_cached_unicode
 
244
 
142
245
        parent_id = elt.get('parent_id')
143
 
        if parent_id == None:
 
246
        if parent_id is None and not none_parents:
144
247
            parent_id = ROOT_ID
 
248
        # TODO: jam 20060817 At present, caching file ids costs us too 
 
249
        #       much time. It slows down overall read performances from
 
250
        #       approx 500ms to 700ms. And doesn't improve future reads.
 
251
        #       it might be because revision ids and file ids are mixing.
 
252
        #       Consider caching *just* the file ids, for a limited period
 
253
        #       of time.
 
254
        #parent_id = get_cached(parent_id)
 
255
        #file_id = get_cached(elt.get('file_id'))
 
256
        file_id = elt.get('file_id')
145
257
 
146
258
        if kind == 'directory':
147
 
            ie = inventory.InventoryDirectory(elt.get('file_id'),
 
259
            ie = inventory.InventoryDirectory(file_id,
148
260
                                              elt.get('name'),
149
261
                                              parent_id)
150
262
        elif kind == 'file':
151
 
            ie = inventory.InventoryFile(elt.get('file_id'),
 
263
            ie = inventory.InventoryFile(file_id,
152
264
                                         elt.get('name'),
153
265
                                         parent_id)
154
266
            ie.text_sha1 = elt.get('text_sha1')
157
269
            v = elt.get('text_size')
158
270
            ie.text_size = v and int(v)
159
271
        elif kind == 'symlink':
160
 
            ie = inventory.InventoryLink(elt.get('file_id'),
 
272
            ie = inventory.InventoryLink(file_id,
161
273
                                         elt.get('name'),
162
274
                                         parent_id)
163
275
            ie.symlink_target = elt.get('symlink_target')
164
276
        else:
165
277
            raise BzrError("unknown kind %r" % kind)
166
 
        ie.revision = elt.get('revision')
 
278
        revision = elt.get('revision')
 
279
        if revision is not None:
 
280
            revision = get_cached(revision)
 
281
        ie.revision = revision
167
282
 
168
283
        return ie
169
284
 
170
 
 
171
285
    def _unpack_revision(self, elt):
172
286
        """XML Element -> Revision object"""
173
287
        assert elt.tag == 'revision'
176
290
            if format != '5':
177
291
                raise BzrError("invalid format version %r on inventory"
178
292
                                % format)
 
293
        get_cached = cache_utf8.get_cached_unicode
179
294
        rev = Revision(committer = elt.get('committer'),
180
295
                       timestamp = float(elt.get('timestamp')),
181
 
                       revision_id = elt.get('revision_id'),
 
296
                       revision_id = get_cached(elt.get('revision_id')),
182
297
                       inventory_sha1 = elt.get('inventory_sha1')
183
298
                       )
184
299
        parents = elt.find('parents') or []
185
300
        for p in parents:
186
301
            assert p.tag == 'revision_ref', \
187
302
                   "bad parent node tag %r" % p.tag
188
 
            rev.parent_ids.append(p.get('revision_id'))
 
303
            rev.parent_ids.append(get_cached(p.get('revision_id')))
189
304
        self._unpack_revision_properties(elt, rev)
190
305
        v = elt.get('timezone')
191
 
        rev.timezone = v and int(v)
 
306
        if v is None:
 
307
            rev.timezone = 0
 
308
        else:
 
309
            rev.timezone = int(v)
192
310
        rev.message = elt.findtext('message') # text of <message>
193
311
        return rev
194
312
 
195
 
 
196
313
    def _unpack_revision_properties(self, elt, rev):
197
314
        """Unpack properties onto a revision."""
198
315
        props_elt = elt.find('properties')
201
318
            return
202
319
        for prop_elt in props_elt:
203
320
            assert prop_elt.tag == 'property', \
204
 
                "bad tag under properties list: %r" % p.tag
 
321
                "bad tag under properties list: %r" % prop_elt.tag
205
322
            name = prop_elt.get('name')
206
323
            value = prop_elt.text
 
324
            # If a property had an empty value ('') cElementTree reads
 
325
            # that back as None, convert it back to '', so that all
 
326
            # properties have string values
 
327
            if value is None:
 
328
                value = ''
207
329
            assert name not in rev.properties, \
208
 
                "repeated property %r" % p.name
 
330
                "repeated property %r" % name
209
331
            rev.properties[name] = value
210
332
 
211
333