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

Diff for /parser3/src/main/pa_string.C between versions 1.1 and 1.172.2.21.2.41

version 1.1, 2001/01/26 14:47:52 version 1.172.2.21.2.41, 2003/04/21 07:07:45
Line 1 Line 1
 #include <string.h>  /** @file
           Parser: string class. @see untalength_t.C.
   
 #include "pa_pool.h"          Copyright (c) 2001-2003 ArtLebedev Group (http://www.artlebedev.com)
           Author: Alexandr Petrosian <paf@design.ru> (http://paf.design.ru)
   */
   
 void *String::operator new(size_t size, Pool *apool) {  static const char* IDENT_STRING_C="$Date$";
         return apool->alloc(size);  
   #include "pcre.h"
   
   #include "pa_string.h"
   #include "pa_exception.h"
   #include "pa_table.h"
   #include "pa_dictionary.h"
   #include "pa_charset.h"
   
   // helpers
   
   /// String::match uses this as replace & global search table columns
   
   const int MAX_MATCH_GROUPS=100;
   
   class String_match_table_template_columns: public ArrayString {
   public:
           String_match_table_template_columns() {
                   *this+=new String("prematch");
                   *this+=new String("match");
                   *this+=new String("postmatch");
                   for(int i=0; i<MAX_MATCH_GROUPS; i++) {
                           *this+=new String(StringBody::Format(1+i), String::L_CLEAN);
                   }
           }
   };
   
   Table string_match_table_template(new String_match_table_template_columns);
   
   // String::ArrayFragment methods
   
   void String::ArrayFragment::append_positions(const ArrayFragment& src, 
                                                size_t substr_begin, size_t substr_end) {
           if(substr_begin==substr_end)
                   return;
   
   //      FILE *err=fopen("append.log", "wt");
   
           size_t fragment_begin=0;
           size_t fragment_end;
           for(Array_iterator<element_type> i(src); ; fragment_begin=fragment_end) {
                   const Fragment fragment=i.next();
                   fragment_end=fragment_begin+fragment.length;            
                   //fprintf(err, "1end=%u\n", fragment_end);fflush(err);
   
                   // not reached fragments which may include 'substr'?
                   if(!(substr_begin>=fragment_begin && substr_begin<fragment_end))
                           continue;
   
                   // found first fragment including piece of 'substr'
                   if(substr_end<=fragment_end) // fits into first fragment?
                           *this+=Fragment(fragment.lang, substr_end-substr_begin);
                   else { // spans more then one fragment
                           *this+=Fragment(fragment.lang, fragment_end-substr_begin);
                           while(true) {
                                   const Fragment fragment=i.next();
                                   fragment_end=(fragment_begin=fragment_end)+fragment.length;
                                   //fprintf(err, "2end=%u\n", fragment_end);fflush(err);
   
                                   if(substr_end>fragment_end) // are there still more?
                                           append(Fragment(fragment.lang, fragment.length)); // appending whole fragment
                                   else { // no, it was last
                                           append(Fragment(fragment.lang, substr_end-fragment_begin));
                                           //fclose(err);
                                           return;
                                   }
                           }
                   }
   
                   break;
           }
           //fclose(err);
   }
   
   // StringBody methods
   
   StringBody StringBody::Format(int value) {
           char local[MAX_NUMBER];
           size_t length=snprintf(local, MAX_NUMBER, "%d", value);
           return StringBody(pa_strdup(local, length), length);
   }
   
   static int CORD_batched_iter_fn_generic_hash_code(char c, void * client_data) {
           uint& result=*static_cast<uint*>(client_data);
           generic_hash_code(result, c);
           return 0;
   }
   static int CORD_batched_iter_fn_generic_hash_code(const char*  s, void * client_data) {
           uint& result=*static_cast<uint*>(client_data);
           generic_hash_code(result, s);
           return 0;
   };
   uint StringBody::hash_code() const {
           uint result=0;
           CORD_iter5(body, 0,
                   CORD_batched_iter_fn_generic_hash_code, 
                   CORD_batched_iter_fn_generic_hash_code, &result);
           return result;
 }  }
   
 void String::construct(Pool *apool, int achunk_items) {  // String methods
         pool=apool;  
         chunk_items=achunk_items;  
   
         head_chunk=static_cast<Chunk *>(  String::String(const char* cstr, size_t helper_length, bool tainted): body(CORD_EMPTY) {
                 pool->calloc(sizeof(Chunk::Row)*chunk_items+sizeof(Chunk *)));          append_help_length(cstr, helper_length, tainted?L_TAINTED:L_CLEAN);
         append_here=&head_chunk->first;  }
         chunk_link_row=&head_chunk->first+chunk_items;  String::String(const String::C cstr, bool tainted): body(CORD_EMPTY) {
           append_know_length(cstr.str, cstr.length, tainted?L_TAINTED:L_CLEAN);
 }  }
   
 void String::expand() {  String::String(const String& src): body(src.body) {
         chunk_link_row->link=static_cast<Chunk *>(          fragments.append(src.fragments);
                 pool->calloc(sizeof(Chunk::Row)*chunk_items+sizeof(Chunk *)));          ASSERT_STRING_INVARIANT(*this);
         append_here=&chunk_link_row->link->first;  
         chunk_link_row=&chunk_link_row->link->first+chunk_items;  
 }  }
   
 String& String::operator += (char *src) {  String& String::append_know_length(const char* str, size_t known_length, Language lang) {
         if(chunk_is_full())          if(!known_length || !*str)
                 expand();                  return *this;
   
         append_here->item.ptr=src;          body.append_know_length(str, known_length);
         append_here->item.size=strlen(src);          fragments+=Fragment(lang, known_length);
         append_here++;  
   
           ASSERT_STRING_INVARIANT(*this);
         return *this;          return *this;
 }  }
   String& String::append_help_length(const char* str, size_t helper_length, Language lang) {
           if(!str)
                   return *this;
           size_t known_length=helper_length?helper_length:strlen(str);
           if(!known_length)
                   return *this;
   
 size_t String::size() {          return append_know_length(str, known_length, lang);
         int result=0;  }
         for(Chunk::Row *row=&head_chunk->first; row; row=&row->link->first)  String& String::append_strdup(const char* str, size_t helper_length, Language lang) {
                 for(int i=0; i<chunk_items; i++) {          size_t known_length=helper_length?helper_length:strlen(str);
                         if(row==append_here)          if(!known_length)
                                 goto break2;                  return *this;
   
                         result+=row->item.size;          body.append_strdup_know_length(str, known_length);
                         row++;          fragments+=Fragment(lang, known_length);
                 }  
 break2:          ASSERT_STRING_INVARIANT(*this);
           return *this;
   }
   
   /// @todo check in doc: whether it documents NOW bad situation "abc".mid(-1, 3) =were?="ab"
   String& String::mid(size_t substr_begin, size_t substr_end) const {
           String& result=*new String;
   
           size_t self_length=length();
           substr_begin=min(substr_begin, self_length);
           substr_end=min(max(substr_end, substr_begin), self_length);
           if(substr_begin==substr_end)
                   return result;
   
           // first: letters themselves
           result.body=body.mid(substr_begin, substr_end-substr_begin);
   
           // next: their langs
           result.fragments.append_positions(fragments, substr_begin, substr_end);
   
   //      SAPI::log("piece of '%s' from %d to %d is '%s'",
                   //cstr(), substr_begin, substr_end, result.cstr());
           ASSERT_STRING_INVARIANT(result);
         return result;          return result;
 }  }
   
 char *String::c_str() {  size_t String::pos(const StringBody substr, 
         char *result=static_cast<char *>(pool->alloc(size()+1));                     size_t this_offset, Language lang) const {
           // first: letters themselves
           size_t substr_begin=body.pos(substr, this_offset);
           if(substr_begin==CORD_NOT_FOUND)
                   return STRING_NOT_FOUND;
   
           // next: check the lang when specified
   
           if(lang==L_UNSPECIFIED) // ignore lang?
                   return substr_begin;
   
           // substr must be in one fragment, and fragments' lang must = lang
           size_t substr_end=substr_begin+substr.length();
           size_t fragment_begin=0;
           size_t fragment_end;
           for(Array_iterator<ArrayFragment::element_type> i(fragments); i.has_next(); fragment_begin=fragment_end) {
                   const Fragment fragment=i.next();
                   fragment_end=fragment_begin+fragment.length;
   
                   if(substr_begin<fragment_begin) // not reached fragments which may include 'result'?
                           continue;
                   if(substr_begin>=fragment_end) // begin of substr OUT of current fragment?
                           continue;
                   
                   if(substr_end>fragment_end) // end of substr OUT of current fragment?
                           throw Exception(0, // (*) see below
                                   this,
                                   "searching for '%s' starting from %ud problem: found begin in one fragment, but end in another",
                                           substr.cstr(), this_offset);
   
                   if(fragment.lang<=lang)
                           return substr_begin;
                   else { // bad lang...
                           /// WARNING: this possibly skips assert (*), but it's fast
                           substr_begin=body.pos(substr, fragment_end/*...search AFTER for more*/);
                           if(substr_begin==CORD_NOT_FOUND)
                                   return STRING_NOT_FOUND;
   
                           size_t substr_end=substr_begin+substr.length();
                           // and continuing with next fragment
                   }
           }       
   
           return STRING_NOT_FOUND;
   }
   
   size_t String::pos(const String& substr, 
                                   size_t this_offset, Language lang) const {
           return pos(substr.body, this_offset, lang);
   }
   
   void String::split(ArrayString& result, 
                      size_t& pos_after, 
                      const char* delim, 
                      Language lang, int limit) const {
           size_t self_length=length();
           if(size_t delim_length=strlen(delim)) {
                   int pos_before;
                   // while we have 'delim'...
                   for(; (pos_before=pos(delim, pos_after, lang))>=0 && limit; limit--) {
                           result+=&mid(pos_after, pos_before);
                           pos_after=pos_before+delim_length;
                   }
                   // last piece
                   if(pos_after<self_length && limit) {
                           result+=&mid(pos_after, self_length);
                           pos_after=self_length;
                   }
           } else { // empty delim
                   result+=this;
                   pos_after+=self_length;
           }
   }
   
   void String::split(ArrayString& result, 
                      size_t& pos_after, 
                      const String& delim, Language lang, 
                      int limit) const {
           if(!delim.is_empty()) {
                   int pos_before;
                   // while we have 'delim'...
                   for(; (pos_before=pos(delim, pos_after, lang))>=0 && limit; limit--) {
                           result+=&mid(pos_after, pos_before);
                           pos_after=pos_before+delim.length();
                   }
                   // last piece
                   if(pos_after<length() && limit) {
                           result+=&mid(pos_after, length());
                           pos_after=length();
                   }
           } else { // empty delim
                   result+=this;
                   pos_after+=length();
           }
   }
   
   static void regex_options(const String* options, int *result, bool& need_pre_post_match){
       struct Regex_option {
                   const char* keyL;
                   const char* keyU;
                   int clear, set;
                   int *result;
                   bool *flag;
       } regex_option[]={
                   {"i", "I", 0, PCRE_CASELESS, result}, // a=A
                   {"s", "S", 0, PCRE_DOTALL, result}, // \n\n$ [default]
                   {"x", "U", 0, PCRE_EXTENDED, result}, // whitespace in regex ignored
                   {"m", "M", PCRE_DOTALL, PCRE_MULTILINE, result}, // ^aaa\n$^bbb\n$
                   {"g", "G", 0, true, result+1}, // many rows
                   {"'", 0, 0, 0, 0, &need_pre_post_match},
                   {0}
       };
           result[0]=PCRE_EXTRA | PCRE_DOTALL | PCRE_DOLLAR_ENDONLY;
           result[1]=0;
   
       if(options && !options->is_empty()) 
                   for(Regex_option *o=regex_option; o->keyL; o++) 
                           if(options->pos(o->keyL)>=0
                                   || (o->keyU && options->pos(o->keyU)>=0)) {
                                   if(o->flag)
                                           *o->flag=true;
                                   else { // result
                                           *o->result &= ~o->clear;
                                           *o->result |= o->set;
                                   }
                           }
   }
   
   Table* String::match(Charset& source_charset,
                        const String& regexp, 
                        const String* options,
                        Row_action row_action, void *info,
                        bool& just_matched) const { 
           if(regexp.is_empty())
                   throw Exception(0,
                           0,
                           "regexp is empty");
   
           const char* pattern=regexp.cstr();
           const char* errptr;
           int erroffset;
           bool need_pre_post_match=false;
           int option_bits[2]={0};  regex_options(options, option_bits, need_pre_post_match);
           bool global=option_bits[1]!=0;
           pcre *code=pcre_compile(pattern, option_bits[0], 
                   &errptr, &erroffset,
                   source_charset.pcre_tables);
   
           if(!code)
                   throw Exception(0,
                           &regexp.mid(erroffset, regexp.length()),
                           "regular expression syntax error - %s", errptr);
           
           int subpatterns=pcre_info(code, 0, 0);
           if(subpatterns<0) {
                   pcre_free(code);
                   throw Exception(0,
                           &regexp,
                           "pcre_info error (%d)", 
                                   subpatterns);
           }
   
           const char* subject=cstr();
           size_t subject_length=strlen(subject);
           const int oveclength=(1/*match*/+MAX_MATCH_GROUPS)*3;
           int ovector[oveclength];
   
           // create table
           Table::Action_options table_options;
           Table& table=*new Table(string_match_table_template, table_options);
   
           int exec_option_bits=0;
           int prestart=0;
           int poststart=0;
           int postfinish=length();
           while(true) {
                   int exec_substrings=pcre_exec(code, 0,
                           subject, subject_length, prestart,
                           exec_option_bits, ovector, oveclength);
                   
                   if(exec_substrings==PCRE_ERROR_NOMATCH) {
                           pcre_free(code);
                           row_action(table, 0/*last time, no raw*/, 0, 0, poststart, postfinish, info);
                           if(global || subpatterns)
                                   return &table; // global or with subpatterns=true+result
                           else {
                                   just_matched=false; return 0; // not global=no result
                           }
                   }
   
                   if(exec_substrings<0) {
                           pcre_free(code);
                           throw Exception(0,
                                   &regexp,
                                   "regular expression execute error (%d)", 
                                           exec_substrings);
                   }
   
         char *copy_here=result;                  int prefinish=ovector[0];
         for(Chunk::Row *row=&head_chunk->first; row; row=&row->link->first)                  poststart=ovector[1];
                 for(int i=0; i<chunk_items; i++) {                  ArrayString* row=new ArrayString;
                         if(row==append_here)                  if(need_pre_post_match) {
                                 goto break2;                          *row+=&mid(0, prefinish); // .prematch column value
                           *row+=&mid(prefinish, poststart); // .match
                           *row+=&mid(poststart, postfinish); // .postmatch
                   } else {
                           *row+=0; // .prematch column value
                           *row+=0; // .match
                           *row+=0; // .postmatch
                   }
                   
                   for(int i=1; i<exec_substrings; i++) {
                           // -1:-1 case handled peacefully by mid() itself
                           *row+=&mid(ovector[i*2+0], ovector[i*2+1]); // .i column value
                   }
                   
                   row_action(table, row, prestart, prefinish, poststart, postfinish, info);
   
                         memcpy(copy_here, row->item.ptr, row->item.size);                  if(!global || prestart==poststart) { // not global | going to hang
                         copy_here+=row->item.size;                          pcre_free(code);
                         row++;                          row_action(table, 0/*last time, no row*/, 0, 0, poststart, postfinish, info);
                           return &table;
                 }                  }
 break2:                  prestart=poststart;
         *copy_here=0;  
   /*
                   if(option_bits[0] & PCRE_MULTILINE)
                           exec_option_bits|=PCRE_NOTBOL; // start of subject+startoffset not BOL
   */
           }
   }
   
   String& String::change_case(Charset& source_charset, Change_case_kind kind) const {
           String& result=*new String();
           if(is_empty())
                   return result;
   
           const unsigned char *tables=source_charset.pcre_tables;
   
           const unsigned char *a;
           const unsigned char *b;
           switch(kind) {
           case CC_UPPER:
                   a=tables+lcc_offset;
                   b=tables+fcc_offset;
                   break;
           case CC_LOWER:
                   a=tables+lcc_offset;
                   b=0;
                   break;
           default:
                   throw Exception(0, 
                           this, 
                           "unknown change case kind #%d", 
                                   static_cast<int>(kind)); // never
                   a=b=0; // calm, compiler
                   break; // never
           }       
   
           char* new_cstr=cstrm();
           char *dest=new_cstr;
           unsigned char index;
           for(const char* current=new_cstr; index=(unsigned char)*current; current++) {
                   unsigned char c=a[index];
                   if(b)
                           c=b[c];
   
                   *dest++=(char)c;
           }
           result.body=new_cstr;
           result.fragments.append(fragments);
   
           return result;
   }
   
   const String& String::replace(const Dictionary& dict) const {
           String& result=*new String();
           const char* old_cstr=cstr();
           const char* prematch_begin=old_cstr;
   
           const char* current=old_cstr;
           while(*current) {
                   if(Table::element_type row=dict.first_that_begins(current)) {
                           // prematch
                           if(size_t prematch_length=current-prematch_begin) {
                                   result.body.append_strdup_know_length(prematch_begin, prematch_length);
                                   result.fragments.append_positions(fragments, prematch_begin-old_cstr, current-old_cstr);
                           }
   
                           // match
   
                           const String* a=row->get(0);
                           // skip 'a' in 'current'; move prematch_begin
                           current+=a->length(); prematch_begin=current;
   
                           if(row->count()>1) { // are there any b?
                                   const String* b=row->get(1);
                                   result<<*b;
                           }
                   } else // simply advance
                           current++; 
           }
   
           // postmatch
           if(size_t postmatch_length=current-prematch_begin) {
                   result.body.append_strdup_know_length(prematch_begin, postmatch_length);
                   result.fragments.append_positions(fragments, prematch_begin-old_cstr, current-old_cstr);
           }
   
           ASSERT_STRING_INVARIANT(result);
           return result;
   }
   
   double String::as_double() const { 
           double result;
           const char *str=cstr();
   
           while(*str && isspace(*str))
                   str++;
           if(!*str)
                   return 0;
   
           char *error_pos;
           // 0xABC
           if(str[0]=='0')
                   if(str[1]=='x' || str[1]=='X')
                           result=(double)(unsigned long)strtol(str, &error_pos, 0);
                   else
                           result=(double)strtod(str+1/*skip leading 0*/, &error_pos);
           else
                   result=(double)strtod(str, &error_pos);
   
           while(char c=*error_pos++)
                   if(!isspace(c))
                           throw Exception("number.format",
                                   this,
                                   "invalid number (double)");
   
           return result;
   }
   int String::as_int() const { 
           int result;
           const char *str=cstr();
   
           while(*str && isspace(*str))
                   str++;
           if(!*str)
                   return 0;
   
           char *error_pos;
           // 0xABC
           if(str[0]=='0')
                   if(str[1]=='x' || str[1]=='X')
                           result=(int)(unsigned long)strtol(str, &error_pos, 0);
                   else
                           result=(int)strtol(str+1/*skip leading 0*/, &error_pos, 0);
           else
                   result=(int)strtol(str, &error_pos, 0);
   
           while(char c=*error_pos++)
                   if(!isspace(c))
                           throw Exception("number.format",
                                   this,
                                   "invalid number (int)");
   
         return result;          return result;
 }  }
   
   inline void uint2uchars(uint word, uchar *bytes) {
           bytes[0]=word&0xFF;
           bytes[1]=(word>>8)&0xFF;
           bytes[2]=(word>>16)&0xFF;
           bytes[3]=(word>>24)&0xFF;
   }
   inline uint uchars2uint(uchar *bytes) {
           return bytes[3]<<24
                   | bytes[2]<<16
                   | bytes[1]<<8
                   | bytes[0];
   }
   
   static int serialize_body_piece(const char* s, char** cur) {
           size_t length=strlen(s);
           memcpy(*cur, s, length);  *cur+=length;
           return 0;
   };
   String::Cm String::serialize(size_t prolog_length) const {
           size_t buf_length=
                   prolog_length
                   +fragments.count()*(sizeof(Language)+sizeof(size_t))
                   +length();
           String::Cm result(new(PointerFreeGC) char[buf_length], buf_length);
   
           // 1: prolog
           char *cur=result.str+prolog_length;
   
   
           // 2: fragments.count
           size_t fragments_count=fragments.count();
           memcpy(cur, &fragments_count, sizeof(fragments_count));  cur+=sizeof(fragments_count);
   
           // 3: lang info
           for(Array_iterator<ArrayFragment::element_type> i(fragments); i.has_next(); ) {
                   const Fragment fragment=i.next();
                   // lang
                   memcpy(cur, &fragment.lang, sizeof(fragment.lang));  cur+=sizeof(fragment.lang);
                   // length
                   memcpy(cur, &fragment.length, sizeof(fragment.length));  cur+=sizeof(fragment.length);
           }
   
           // 4: letters
           body.for_each(serialize_body_piece, &cur);
   
           return result;
   }
   bool String::deserialize(size_t prolog_length, void *buf, size_t buf_length) {
           if(buf_length<=prolog_length)
                   return false;
           buf_length-=prolog_length;
   
           // 1: prolog
           const char* cur=(const char* )buf+prolog_length;
   
           // 2: fragments.count
           if(buf_length<sizeof(size_t)) // fragments.count don't fit?
                   return false;
           size_t fragments_count=*reinterpret_cast<const size_t*>(cur);  cur+=sizeof(size_t);
           buf_length-=sizeof(size_t);
           
           if(fragments_count) {
                   // 3: lang info
                   size_t total_length=0;
                   for(size_t f=0; f<fragments_count; f++) {
                           size_t piece_length=sizeof(Language)+sizeof(size_t);
                           if(buf_length<piece_length) // lang+length
                                   return false;
   
                           Language lang=*reinterpret_cast<const Language *>(cur);  cur+=sizeof(Language);
                           size_t fragment_length=*reinterpret_cast<const size_t*>(cur);  cur+=sizeof(size_t);
                           fragments+=Fragment(lang, fragment_length);
                           total_length+=fragment_length;
   
                           buf_length-=piece_length;
                   }
   
                   // 4: letters
                   if(buf_length!=total_length)
                           return false;
   
                   body=StringBody(cur, buf_length);
           }
   
           ASSERT_STRING_INVARIANT(*this);
           return true;
   }
Removed from v.1.1  
changed lines
  Added in v.1.172.2.21.2.41

E-mail: