git.cworth.org Git - sup/blob - bin/sup-import

   1 #!/usr/bin/env ruby
   2
   3 require 'uri'
   4 require 'rubygems'
   5 require 'trollop'
   6 require "sup"
   7
   8 Thread.abort_on_exception = true # make debugging possible
   9
  10 class Float
  11   def to_s; sprintf '%.2f', self; end
  12 end
  13
  14 class Numeric
  15   def to_time_s
  16     i = to_i
  17     sprintf "%d:%02d:%02d", i / 3600, (i / 60) % 60, i % 60
  18   end
  19 end
  20
  21 def time
  22   startt = Time.now
  23   yield
  24   Time.now - startt
  25 end
  26
  27 opts = Trollop::options do
  28   version "sup-import (sup #{Redwood::VERSION})"
  29   banner <<EOS
  30 Imports messages into the Sup index from one or more sources.
  31
  32 Usage:
  33   sup-import [options] <source>*
  34
  35 where <source>* is zero or more source URIs or mbox filenames, e.g.
  36 "imaps://my.imapserver.com", or "/var/spool/mail/me". If no sources
  37 are given, imports messages from all sources marked as "usual".
  38
  39 Options are:
  40 EOS
  41   opt :archive, "Automatically archive any imported messages."
  42   opt :read, "Automatically mark as read any imported messages."
  43   opt :verbose, "Print message ids as they're processed."
  44   opt :optimize, "As the last stage of the import, optimize the index."
  45   text <<EOS
  46
  47 The following options allow sup-import to consider *all* messages in the
  48 source, not just new ones:
  49 EOS
  50   opt :rebuild, "Scan over the entire source and update the index to account for any messages that have been deleted, altered, or moved from another source."
  51   opt :full_rebuild, "Re-insert all messages in the source, not just ones that have changed or are new."
  52   opt :start_at, "For rescan and rebuild, start at the given offset.", :type => :int
  53   opt :overwrite_state, "For --full-rebuild, overwrite the message state to the default state for that source, obeying --archive and --read if given."
  54 end
  55 Trollop::die :start_at, "must be non-negative" if (opts[:start_at] || 0) < 0
  56 Trollop::die :start_at, "requires either --rebuild or --full-rebuild" if opts[:start_at] && !(opts[:rebuild] || opts[:full_rebuild])
  57 Trollop::die :overwrite_state, "requires --full-rebuild" if opts[:overwrite_state] && !opts[:full_rebuild]
  58 Trollop::die :force_rebuild, "cannot be specified with --rebuild" if opts[:full_rebuild] && opts[:rebuild]
  59
  60 Redwood::start
  61 index = Redwood::Index.new
  62 index.load
  63
  64 sources = ARGV.map do |uri|
  65   uri = "mbox://#{uri}" unless uri =~ %r!://!
  66   index.source_for uri or raise "Unknown source: #{uri}"
  67 end
  68
  69 sources = index.usual_sources if sources.empty?
  70
  71 if opts[:rebuild] || opts[:full_rebuild]
  72   if opts[:start_at]
  73     sources.each { |s| s.seek_to! opts[:start_at] }
  74   else
  75     sources.each { |s| s.reset! }
  76   end
  77 end
  78
  79 start = Time.now
  80 found = {}
  81 begin
  82   sources.each do |source|
  83     num = 0
  84     Redwood::PollManager.add_new_messages_from source do |m, offset, entry|
  85       found[m.id] = true
  86
  87       ## if the entry exists on disk
  88       if entry && !opts[:overwrite_state]
  89         m.labels = entry[:label].split(/\s+/).map { |x| x.intern }
  90       else
  91         ## m.labels defaults to labels from the source
  92         m.labels -= [:inbox] if opts[:archive]
  93         m.labels -= [:unread] if opts[:read]
  94       end
  95
  96       if num % 1000 == 0 && num > 0
  97         elapsed = Time.now - start
  98         pctdone = source.pct_done
  99         remaining = (100.0 - pctdone) * (elapsed.to_f / pctdone)
 100         puts "## #{num} (#{pctdone}% done) read; #{elapsed.to_time_s} elapsed; est. #{remaining.to_time_s} remaining"
 101       end
 102
 103       ## update if...
 104       if entry.nil? # it's a new message; or
 105         puts "# adding message at #{offset}, labels: #{m.labels * ' '}" if opts[:verbose]
 106         num += 1
 107         m
 108       elsif opts[:full_rebuild] || # we're updating everyone; or
 109           (opts[:rebuild] && (entry[:source_id].to_i != source.id || entry[:source_info].to_i != offset)) # we're updating just the changed ones
 110         puts "# updating message at #{offset}, source #{entry[:source_id]} => #{source.id}, offset #{entry[:source_info]} => #{offset}, labels: #{m.labels * ' '}" if opts[:verbose]
 111         num += 1
 112         m
 113       else
 114         nil
 115       end
 116     end
 117     puts "loaded #{num} messages from #{source}" unless num == 0
 118   end
 119 ensure
 120   $stderr.puts "saving index and sources..."
 121   index.save
 122   Redwood::finish
 123 end
 124
 125 ## delete any messages in the index that claim they're from one of
 126 ## these sources, but that we didn't see.
 127 ##
 128 ## kinda crappy code here, because we delve directly into the Ferret
 129 ## API.
 130 ##
 131 ## TODO: move this to Index, i suppose.
 132 if opts[:rebuild] || opts[:full_rebuild]
 133   puts "deleting missing messages from the index..."
 134   numdel = num = 0
 135   sources.each do |source|
 136     raise "no source id for #{source}" unless source.id
 137     q = "+source_id:#{source.id}"
 138     q += " +source_info: >= #{opts[:start_at]}" if opts[:start_at]
 139     num += index.index.search_each(q, :limit => :all) do |docid, score|
 140       mid = index.index[docid][:message_id]
 141 #      puts "got #{mid}"
 142       next if found[mid]
 143       puts "deleting #{mid}"
 144       index.index.delete docid
 145       numdel += 1
 146     end
 147   end
 148   puts "deleted #{numdel} / #{num} messages"
 149 end
 150
 151 if opts[:optimize]
 152   puts "optimizing index..."
 153   optt = time { index.index.optimize }
 154   puts "optimized index of size #{index.size} in #{optt}s."
 155 end