[BACK]Return to pa_string.h CVS log [TXT] [DIR] Up to [parser3project] / parser3 / src / include

Diff for /parser3/src/include/pa_string.h between versions 1.3 and 1.185

version 1.3, 2001/01/26 18:55:55 version 1.185, 2009/05/15 06:57:43
Line 1 Line 1
 /*  /** @file
   $Id$          Parser: string class decl.
 */  
   
 /*  
   
         String                          Chunk0  
         ======                          ========  
         head--------->[ptr, size]  
         append_here-------->[ptr, size]  
         link_row      ........  
                         .                       .  
                         .                       [ptr, size]  
                         ...........>[link to the next chunk]  
   
           Copyright (c) 2001-2009 ArtLebedev Group (http://www.artlebedev.com)
           Author: Alexandr Petrosian <paf@design.ru> (http://paf.design.ru)
 */  */
   
 #ifndef PA_STRING_H  #ifndef PA_STRING_H
 #define PA_STRING_H  #define PA_STRING_H
   
 #include <stddef.h>  static const char * const IDENT_STRING_H="$Date$";
   
   // includes
   #include "pa_types.h"
   #include "pa_array.h"
   
   extern "C" { // cord's author forgot to do that
   #define CORD_NO_IO
   #include "cord.h"
   };
   
   // defines
   
   // cache hash code in String::Body for faster hash access
   #define HASH_CODE_CACHING
   
   // cord extension
   /* Returns true if x does contain                                       */
   /* char not_c at positions i..i+n. Value i,i+n must be < CORD_len(x).   */
   int CORD_range_contains_chr_greater_then(CORD x, size_t i, size_t n, int c);
   size_t CORD_block_count(CORD x);
   
   // forwards
   
   class Charset;
   class Table;
   class SQL_Connection;
   class Dictionary;
   class Request_charsets;
   class String;
   typedef Array<const String*> ArrayString;
   class VRegex;
   
   // generally useful
   
   int pa_atoi(const char* str, const String* problem_source=0);
   double pa_atod(const char* str, const String* problem_source=0);
   
   /// this is result of pos functions which mean that substr were not found
   #define STRING_NOT_FOUND ((size_t)-1)
   
   template<typename T>
   inline size_t get_length(T current) {
           return current;
   }
   
   /** 
           String which knows the lang of all it's langs.
   
           All pieces remember 
           - whether they are tainted or not, 
             and the lang which should be used to detaint them
   */
   
 class Pool;  
   
 class String {  class String: public PA_Object {
 public:  public:
         enum {  
                 CR_PREALLOCATED_COUNT=5,          /** piece is tainted or not. the lang to use when detaint
                 CR_GROW_PERCENT=60                  remember to change String_Untaint_lang_name @ untaint.C along
   
                   WARNING WARNING WARNING WARNING WARNING WARNING 
                   
                   pos function compares(<=) languages, that is used in searching
                   for table column separator being L_CLEAN or L_AS_IS.
                   they search for AS_IS, meaning AS_IS|CLEAN [doing <=L_AS_IS check].
                   
                   letters assigned for debugging, but it's important for no language-letter
                   come before L_AS_IS other then L_CLEAN
   
                   WARNING WARNING WARNING WARNING WARNING WARNING 
           */
           enum Language {
                   L_UNSPECIFIED=0, ///< no real string has parts of this lange: it's just convinient to check when string's empty
                   // these two must go before others, there are checks for >L_AS_IS
                   L_CLEAN='0',    ///< clean  WARNING: read above warning before changing
                   L_AS_IS='A',    ///< leave all characters intact  WARNING: read above warning before changing
   
                   L_PASS_APPENDED='P',
                           /**<
                                   leave lang built into string being appended.
                                   just a flag, that value not stored
                           */
                   L_TAINTED='T',  ///< tainted, untaint lang as assigned later 
                   // untaint langs. assigned by ^untaint[lang]{...}
                   L_FILE_SPEC='F',        ///< file specification
                   L_HTTP_HEADER='h',      ///< text in HTTP response header
                   L_MAIL_HEADER='m',      ///< text in mail header
                   L_URI='U',              ///< text in uri
                   L_SQL='Q',              ///< ^table:sql body
                   L_JS='J',               ///< JavaScript code
                   L_XML='X',              ///< ^dom:set xml
                   L_HTML='H',             ///< HTML code
                   L_REGEX='R',    ///< RegEx expression
                   L_HTTP_COOKIE='C',      ///< cookies encoded as %uXXXX for compartibility with js functions encode/decode
                   L_FILE_POST='f', ///temporary escaping zero-char
                   // READ WARNING ABOVE BEFORE ADDING ANYTHING
                   L_OPTIMIZE_BIT = 0x80  ///< flag, requiring cstr whitespace optimization
           };
   
           enum Trim_kind {
                   TRIM_BOTH,
                   TRIM_START,
                   TRIM_END
           };
   
   
           union Languages {
   
                   struct {
   #ifdef PA_LITTLE_ENDIAN
                           Language lang:8;
                           size_t is_not_just_lang:sizeof(CORD)*8-8;
   #elif defined(PA_BIG_ENDIAN)
                           size_t is_not_just_lang:sizeof(CORD)*8-8;
                           Language lang:8;
   #else
   #       error word endianness not determined for some obscure reason
   #endif
                   } opt;
                   CORD langs;
   
                   template<typename C>
                   CORD make_langs(C current) const {
                           return opt.is_not_just_lang?
                                   langs
                                   :CORD_chars((char)opt.lang, get_length(current));
                   }
   
                   CORD make_langs(size_t aoffset, size_t alength)  const {
                           return opt.is_not_just_lang?
                                   CORD_substr(langs, aoffset, alength)
                                   :CORD_chars((char)opt.lang, alength);
                   }
   
                   /// appending when 'langs' already contain something [simple cases handled elsewhere]
                   template<typename C>
                   void append(C current, 
                           const CORD to_nonempty_target_langs) {
                           assert(langs);
   
                           if(opt.is_not_just_lang)
                                   langs=CORD_cat(langs, to_nonempty_target_langs);
                           else { // we were "just lang"
                                   size_t current_size=get_length(current);
                                   assert(current_size);
                                   langs=CORD_cat(
                                           CORD_chars((char)opt.lang, current_size),  // first piece [making from just 'lang']
                                           to_nonempty_target_langs); // new piece
                           }
                   }
   
           public:
   
                   const char* v() const;
                   void dump() const;
   
                   Languages(): langs(0) {}
                   Languages(Language alang) {
                           opt.lang=alang;
                           opt.is_not_just_lang=0;
                   }
   
                   /// MUST be called exactly prior to modification of current [uses it's length]
                   template<typename C>
                   void append(C current, Language alang, size_t asize) {
                           assert(alang);
                           assert(asize);
   
                           if(!opt.is_not_just_lang)
                                   if(opt.lang) {
                                           if(opt.lang==alang) // same language? ignoring
                                                   return;
                                   } else {
                                           opt.lang=alang; // to uninitialized
                                           return;
                                   }
   
                           append(current, CORD_chars((char)alang, asize));
                   }
   
                   template<typename C>
                   void appendHelper(C current, Language alang, C asize_helper) {
                           assert(alang);
   
                           if(!opt.is_not_just_lang)
                                   if(opt.lang) {
                                           if(opt.lang==alang) // same language? ignoring
                                                   return;
                                   } else {
                                           opt.lang=alang; // to uninitialized
                                           return;
                                   }
   
                           append(current, CORD_chars((char)alang, asize_helper.length()));
                   }
   
                   template<typename C>
                   void appendHelper(C current, C length_helper, const Languages src) {
   
                           if(!langs)
                                   langs=src.langs; // to uninitialized
                           else if(!src.opt.is_not_just_lang)
                                   appendHelper(current, src.opt.lang, length_helper); // simplifying when simple source
                           else
                                   append(current, src.make_langs(length_helper));
                   }
   
   
                   /// MUST be called exactly prior to modification of current [uses it's length]
                   template<typename C>
                   void append(C current,
                           const Languages src, size_t aoffset, size_t alength) {
                           assert(alength);
   
                           if(!langs) // to uninitialized?
                                   if(src.opt.is_not_just_lang)
                                           langs=CORD_substr(src.langs, aoffset, alength); // to uninitialized complex
                                   else
                                           opt.lang=src.opt.lang; // to uninitialized simple
                           else 
                                   if(!opt.is_not_just_lang && !src.opt.is_not_just_lang && opt.lang==src.opt.lang) // both simple & of same language?
                                           return; // ignoring
                                   else
                                           append(current, src.make_langs(aoffset, alength));
                   }
   
                   /// checks if we have lang<=alang all from aoffset to aoffset+alength
                   bool check_lang(Language alang, size_t aoffset, size_t alength) const {
                           if(alang==L_UNSPECIFIED) // ignore lang?
                                   return true;
   
                           if(opt.is_not_just_lang)
                                   return CORD_range_contains_chr_greater_then(langs, aoffset, alength, (unsigned)alang)==0;
                           else
                                   return (unsigned)opt.lang<=(unsigned)alang;
                   }
   
                   /// @returns count of blocks
                   /// @todo currently there can be adjucent blocks of same language. someday merge them
                   size_t count() const {
                           return opt.is_not_just_lang?
                                   CORD_block_count(langs)
                                   : opt.lang?
                                           1
                                           : 0;
                   };
   
                   template<typename C, typename I> 
                   void for_each(C current, 
                           int callback(char, size_t, I), I info) const {
                           
                           if(opt.is_not_just_lang)
                                   CORD_block_iter(langs, 0, (CORD_block_iter_fn)callback, info);
                           else
                                   callback(opt.lang, get_length(current), info);
                   }
   
                   bool invariant(size_t current_length) const {
                           if(!langs)
                                   return current_length==0;
                           if(opt.is_not_just_lang)
                                   return CORD_len(langs)==current_length;
                           return true; // uncheckable, actually
                   }
           };
   
           class Body {
   
                   CORD body;
   
   #ifdef HASH_CODE_CACHING
                   // cached hash code is not reseted on write operations as test shows 
                   // that string body does not change after it is stored as a hash key
                   mutable uint hash_code;
   #endif
   
           public:
   
                   const char* v() const;
                   void dump() const;
   
   #ifdef HASH_CODE_CACHING
                   Body(): body(CORD_EMPTY), hash_code(0) {}
                   Body(CORD abody, uint ahash_code): body(abody), hash_code(ahash_code) {}
                   Body(CORD abody): body(abody), hash_code(0) {
   #else
                   Body(): body(CORD_EMPTY) {}
                   Body(CORD abody): body(abody) {
   #endif
                           assert(!body // no body
                                   || *body // ordinary string
                                   || body[1]==1 // CONCAT_HDR
                                   || body[1]==4 // FN_HDR 
                                   || body[1]==6 // SUBSTR_HDR 
                                   );
                   }
   
                   static Body Format(int value);
   
                   void clear() { body=CORD_EMPTY; }
   
                   bool operator! () const { return is_empty(); }
   
                   CORD get_cord() const { return body; }
                   uint get_hash_code() const;
   
                   const char* cstr() const { return CORD_to_const_char_star(body); }
                   char* cstrm() const { return CORD_to_char_star(body); }
   
                   size_t length() const { return CORD_len(body); }
   
                   bool is_empty() const { return body==CORD_EMPTY; }
   
                   void append_know_length(const char *str, size_t known_length) {
                           if(known_length)
                                   body=CORD_cat_char_star(body, str, known_length);
                   }
                   void append_strdup_know_length(const char* str, size_t known_length) {
                           if(known_length)
                                   append_know_length(pa_strdup(str, known_length), known_length);
                   }
                   void append(char c) { body=CORD_cat_char(body, c); }
                   Body& operator << (const Body src) { body=CORD_cat(body, src.body); return *this; }
                   Body& operator << (const char* str) { append_know_length(str, strlen(str)); return *this; }
   
                   // could not figure out why this operator is needed [should do this chain: string->simple->==]
                   bool operator < (const Body src) const { return CORD_cmp(body, src.body)<0; }
                   bool operator > (const Body src) const { return CORD_cmp(body, src.body)>0; }
                   bool operator <= (const Body src) const { return CORD_cmp(body, src.body)<=0; }
                   bool operator >= (const Body src) const { return CORD_cmp(body, src.body)>=0; }
                   bool operator != (const Body src) const { return CORD_cmp(body, src.body)!=0; }
                   bool operator == (const Body src) const { return CORD_cmp(body, src.body)==0; }
   
                   int ncmp(size_t x_begin, const Body y, size_t y_begin, size_t size) const {
                           return CORD_ncmp(body, x_begin, y.body, y_begin, size);
                   }
   
                   char fetch(size_t index) const { return CORD_fetch(body, index); }
                   Body mid(size_t index, size_t length) const { return CORD_substr(body, index, length); }
                   size_t pos(const char* substr, size_t offset=0) const { return CORD_str(body, offset, substr); }
                   size_t pos(const Body substr, size_t offset=0) const { 
                           if(substr.is_empty())
                                   return STRING_NOT_FOUND; // in this case CORD_str returns 0 [parser users got used to -1]
   
                           // CORD_str checks for bad offset [CORD_chr does not]
                           return CORD_str(body, offset, substr.body); 
                   }
                   size_t pos(char c, 
                           size_t offset=0) const {
                           if(offset>=length()) // CORD_chr does not check that [and ABORT's in that case]
                                   return STRING_NOT_FOUND;
   
                           return CORD_chr(body, offset, c);
                   }
   
                   template<typename I> int for_each(
                           int (*f)(char c, I), 
                           I info) const {
                           return CORD_iter(body, (CORD_iter_fn)f, (void*)info);
                   }
   
                   template<typename I> int for_each(
                           int (*f1)(char c, I), 
                           int (*f2)(const char* s, I), 
                           I info) const {
                           return CORD_iter5(body, 0, (CORD_iter_fn)f1, (CORD_batched_iter_fn)f2, info);
                   }
   
                   void set_pos(CORD_pos& pos, size_t index) const { CORD_set_pos(pos, body, index); }
   
                   /*Body normalize() const {
                           return Body(CORD_balance(body));
                   }*/
   
                   /// @returns this or 0 or mid. if returns this or 0 out_* are not filled
                   Body trim(Trim_kind kind=TRIM_BOTH, const char* chars=0,
                           size_t* out_start=0, size_t* out_length=0) const;
           };
   
           struct C {
                   const char *str;
                   size_t length;
                   operator const char *() { return str; }
                   C(): str(0), length(0) {}
                   C(const char *astr, size_t asize): str(astr), length(asize) {}
           };
   
           struct Cm {
                   char *str;
                   size_t length;
                   //operator char *() { return str; }
                   Cm(): str(0), length(0) {}
                   Cm(char *astr, size_t asize): str(astr), length(asize) {}
         };          };
   
 private:  private:
         friend Pool;  
   
         // the pool I'm allocated on          Body body; ///< all characters of string
         Pool *pool;          Languages langs; ///< string characters lang
   
           const char* v() const;
           void dump() const;
           #define ASSERT_STRING_INVARIANT(string) \
                   assert((string).langs.invariant((string).body.length()))
   
   public:
   
           static const String Empty;
   
           explicit String(){};
           explicit String(const char* cstr, Language alang=L_CLEAN){
                   if(cstr && *cstr){
                           body=cstr;
                           langs=alang;
                   }
           }
           explicit String(const String::C cstr, Language alang=L_CLEAN){
                   if(cstr.length){
                           body=cstr.str;
                           langs=alang;
                   }
           }
           String(int value, char *format);
           String(Body abody, Language alang): body(abody), langs(alang) {
                   ASSERT_STRING_INVARIANT(*this);
           }
           String(const String& src): body(src.body), langs(src.langs) {
                   ASSERT_STRING_INVARIANT(*this);
           }
   
           /// for convinient hash lookup
   #ifdef HASH_CODE_CACHING
           operator const Body&() const { return body; }
   #else
           operator const Body() const { return body; }
   #endif
   
         // last chank allocated count cache          bool is_empty() const { return body.is_empty(); }
         int curr_chunk_rows;          size_t length() const { return body.length(); }
         struct Chunk {          size_t length(Charset& charset) const;
                 // the number of rows per chunk  
                 int count;          /// convert to CORD. if 'lang' known, forcing 'lang' to it
                 union Row {          Body cstr_to_string_body(Language lang=L_AS_IS, 
                         // chunk item                  SQL_Connection* connection=0,
                         struct {                  const Request_charsets *charsets=0) const;
                                 char *ptr;  // pointer to the start of string fragment  
                                 size_t size;  // length of the fragment          /// convert to constant C string. if 'lang' known, forcing 'lang' to it
                         } item;          const char* cstr(Language lang=L_AS_IS, 
                         Chunk *link;  // link to the next chunk in chain                  SQL_Connection* connection=0,
                 } rows[CR_PREALLOCATED_COUNT];                  const Request_charsets *charsets=0) const {
                 // next rows are here                  return cstr_to_string_body(lang, connection, charsets).cstr();
                 Chunk *preallocated_link;          }
         }          /// convert to Modifiable C string. if 'lang' known, forcing 'lang' to it
                 head;  // the head chunk of the chunk chain          char *cstrm(Language lang=L_AS_IS, 
                   SQL_Connection* connection=0,
         // next append would write to this record                  const Request_charsets *charsets=0) const {
         Chunk::Row *append_here;                  return cstr_to_string_body(lang, connection, charsets).cstrm();
                   }
         // the address of place where lies address           /// puts pieces to buf
         // of the link to the next chunk to allocate          Cm serialize(size_t prolog_size) const;
         Chunk::Row *link_row;          /// appends pieces from buf to self
           bool deserialize(size_t prolog_size, void *buf, size_t buf_size);
         // new&constructors made private to enforce factory manufacturing at pool          /// @see Body::append_know_length
         void *operator new(size_t size, Pool *apool);          String& append_know_length(const char* str, size_t known_length, Language lang);
           /// @see Body::append_help_length
         void construct(Pool *apool);          String& append_help_length(const char* str, size_t helper_length, Language lang);
         String() { /* never */}          String& append_strdup(const char* str, size_t helper_length, Language lang);
         String(Pool *apool) {   
                 construct(apool);           bool operator == (const char* y) const { return body==Body(y); }
         }          bool operator != (const char* y) const { return body!=Body(y); }
         String(Pool *apool, char *src) {  
                 construct(apool);          /// this starts with y
                 *this+=src;          bool starts_with(const char* y) const {
                   return body.ncmp(0/*x_begin*/, Body(y), 0/*y_begin*/, strlen(y))==0;
           }
           /// x starts with this
           bool this_starts(const char* x) const {
                   return Body(x).ncmp(0/*x_begin*/, body, 0/*y_begin*/, length())==0;
         }          }
   
         bool chunk_is_full() {          String& append_to(String& dest, Language lang, bool forced) const;
                 return append_here == link_row;          String& append(const String& src, Language lang, bool forced=false) { 
                   return src.append_to(*this, lang, forced);
           }
           String& operator << (const String& src) { return append(src, L_PASS_APPENDED); }
           String& operator << (const char* src) { return append_help_length(src, 0, L_AS_IS); }
           String& operator << (const Body src);
   
           /// extracts first char of a string, if any
           char first_char() const {
                   return is_empty()?0:body.fetch(0);
         }          }
         void expand();  
         int used_rows();  
   
 public:          bool operator < (const String& src) const { return body<src.body; }
           bool operator > (const String& src) const { return body>src.body; }
           bool operator <= (const String& src) const { return body<=src.body; }
           bool operator >= (const String& src) const { return body>=src.body; }
           bool operator != (const String& src) const { return body!=src.body; }
           bool operator == (const String& src) const { return body==src.body; }
   
           /// extracts [start, finish) piece of string
           String& mid(size_t substr_begin, size_t substr_end) const;
           String& mid(Charset& charset, size_t from, size_t to, size_t helper_length=0) const;
   
           /** 
                   ignore lang if it's L_UNSPECIFIED
                   but when specified: look for substring that lies in ONE fragment in THAT lang
                   @return position of substr in string, -1 means "not found" [const char* version]
           */
           size_t pos(const Body substr, 
                   size_t this_offset=0, Language lang=L_UNSPECIFIED) const;
           /// String version of @see pos(const char*, int, Language)
           size_t pos(const String& substr, 
                   size_t this_offset=0, Language lang=L_UNSPECIFIED) const;
           size_t pos(char c, 
                   size_t this_offset=0) const {
                   return body.pos(c, this_offset);
           }
           size_t pos(Charset& charset,
                   const String& substr, 
                   size_t this_offset=0, Language lang=L_UNSPECIFIED) const;
   
           void split(ArrayString& result, 
                   size_t& pos_after,
                   const char* delim, 
                   Language lang=L_UNSPECIFIED, int limit=-1) const;
           void split(ArrayString& result, 
                   size_t& pos_after, 
                   const String& delim, 
                   Language lang=L_UNSPECIFIED, int limit=-1) const;
   
           typedef void (*Row_action)(Table& table, ArrayString* row, 
                   int prestart, int prefinish, 
                   int poststart, int postfinish,
                   void *info);
           /**
                   @return table of found items, if any.
                   table format is defined and fixed[can be used by others]: 
                   @verbatim
                           prematch/match/postmatch/1/2/3/...
                   @endverbatim
           */
           Table* match(VRegex* vregex,
                   Row_action row_action, void *info,
                   int& matches_count) const;
           enum Change_case_kind {
                   CC_UPPER,
                   CC_LOWER
           };
           String& change_case(Charset& source_charset,
                   Change_case_kind kind) const;
           const String& replace(const Dictionary& dict) const;
           const String& trim(Trim_kind kind=TRIM_BOTH, const char* chars=0) const;
           double as_double() const { return pa_atod(cstr(), this); }
           int as_int() const { return pa_atoi(cstr(), this); }
           bool as_bool() const { return as_int()!=0; }
           const String& escape(Charset& source_charset) const;
   
   private: //disabled
   
         String(String& src);          String& operator = (const String&) { return *this; }
         size_t size();  
         char *c_str();  
         String& operator += (char *src);  
         bool operator == (String& src);  
         String& operator = (String& src);  
   
         unsigned int hash_code();  
 };  };
   
   template<>
   inline size_t get_length<String::Body>(String::Body body) {
           return body.length();
   }
   
   #ifndef HASH_CODE_CACHING
   /// simple hash code of string. used by Hash
   inline uint hash_code(const String::Body self) {
           return self.get_hash_code();
   }
   #endif
   
   
   /// now that we've declared specialization we can use it
   inline String& String::operator << (const String::Body src) { 
           langs.append(body, L_AS_IS, src.length());
           body<<src;
           return *this;
   }
   
   
 #endif  #endif
Removed from v.1.3  
changed lines
  Added in v.1.185

E-mail: