[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 1.7 and 1.172.2.21.2.5

version 1.7, 2001/01/27 10:02:59 version 1.172.2.21.2.5, 2003/03/19 16:28:09
Line 1 Line 1
 /*  /** @file
   $Id$          Parser: string class. @see untasize_t.C.
   
           Copyright (c) 2001-2003 ArtLebedev Group (http://www.artlebedev.com)
           Author: Alexandr Petrosian <paf@design.ru> (http://paf.design.ru)
 */  */
   
 #include <string.h>  static const char* IDENT_STRING_C="$Date$";
   
   #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++) {
                           char *cname=new(PointerFreeGC) char[3/*strlen("100")*/+1/*terminating 0*/];
                           *this+=new String(cname, sprintf(cname, "%d", 1+i));
                   }
           }
   };
   
   Table string_match_table_template(new String_match_table_template_columns);
   
   // String::ArrayFragment methods
   
 #include "pa_pool.h"  String::ArrayFragment& String::ArrayFragment::append(const ArrayFragment& src, 
 #include "pa_hash.h"                                                       size_t substr_start, size_t substr_end) {
           if(substr_start==substr_end)
                   return *this;
   
           size_t fragment_start=0;
           size_t fragment_end;
           for(Array_iterator<element_type> i(src); ; fragment_start=fragment_end) {
                   const element_type& fragment=i.next();
                   fragment_end=fragment_start+fragment.size;              
   
                   if(substr_start<fragment_start) // not reached fragments which may include 'substr'?
                           continue;
   
                   // found first fragment including piece of 'substr'
                   size_t piece_end=min(substr_end, fragment_end);
                   *this+=Fragment(fragment.lang, piece_end-substr_start);
                   
                   while(substr_end>fragment_end) { // are there more fragments including pieces of 'substr'?
                           const element_type& fragment=i.next();
                           fragment_end=fragment_start+fragment.size;
   
                           if(substr_end>fragment_end) // are there still more?
                                   simple_append(Fragment(fragment.lang, fragment.size)); // appending whole fragment
                           else { // no, it was last
                                   simple_append(Fragment(fragment.lang, substr_end-fragment_start));
                                   goto break2;
                           }
                   }
   
 void *String::operator new(size_t size, Pool *apool) {                  break;
         return apool->malloc(size);          }       
   break2:
           
           return *this;
 }  }
   /*
   void String::ArrayFragment::mid(ArrayFragment& result, size_t substr_start, size_t substr_end) {
   }
   */
   
 void String::construct(Pool *apool) {  // String methods
         pool=apool;  
         head.count=curr_chunk_rows=CR_PREALLOCATED_COUNT;  String::String(const char* src, size_t src_size, bool tainted): body(CORD_EMPTY) {
         append_here=head.rows;          if(src)
         head.preallocated_link=0;                  if(tainted)
         link_row=&head.rows[curr_chunk_rows];                          APPEND_TAINTED(src, src_size, 0, 0);
                   else
                           APPEND_CLEAN(src, src_size, 0, 0);
   }
   
   String::String(const String& src): body(src.body), fragments(src.fragments) {}
   
   String& String::real_append(STRING_APPEND_PARAMS) {
           if(!src)
                   return *this;
           if(!size)
                   size=strlen(src);
           if(!size)
                   return *this;
   
           body=CORD_cat_char_star(body, src, size);
           fragments+=Fragment(lang, size);
   
           return *this;
 }  }
   
 void String::expand() {  static int CORD_batched_iter_fn_generic_hash_code(const char * s, void * client_data) {
         curr_chunk_rows=curr_chunk_rows*100/CR_GROW_PERCENT;          uint& result=*static_cast<uint*>(client_data);
         Chunk *chunk=static_cast<Chunk *>(          generic_hash_code(result, s);
                 pool->calloc(sizeof(Chunk::Row)*curr_chunk_rows+sizeof(Chunk *)));          return 0;
         chunk->count=curr_chunk_rows;  };
         link_row->link=chunk;  uint String::hash_code() const {
         append_here=chunk->rows;          uint result=0;
         link_row=&chunk->rows[curr_chunk_rows];          CORD_iter5(body, 0, 0, CORD_batched_iter_fn_generic_hash_code, &result);
           return result;
 }  }
   
 String::String(String& src) {/*  const String& String::mid(size_t substr_start, size_t substr_end) const {
         int src_used_rows=src.used_rows(); {          String& result=*new String;
                 curr_chunk_rows=src_total_rows  
                         Chunk *chunk=static_cast<Chunk *>(  
                         pool->calloc(sizeof(Chunk::Row)*curr_chunk_rows+sizeof(Chunk *)));  
                 chunk->count=curr_chunk_rows;  
                 link_row->link=chunk;  
                 append_here=chunk->rows;  
                 link_row=&chunk->rows[curr_chunk_rows];  
         }  
   
         Chunk *chunk=&head;           substr_start=min(substr_start, size());
         do {          substr_end=max(substr_start, substr_end);
                 result+=chunk->count;          if(substr_start==substr_end)
                 chunk=row->link;                  return result;
         } while(chunk);  
 break2:          // first: letters themselves
         return result;*/          result.body=CORD_substr(body, substr_start, substr_end-substr_start);
   
           // next: their langs
           result.fragments.append(fragments, substr_start, substr_end);
   
   //      SAPI::log(pool(), "piece of '%s' from %d to %d is '%s'",
                   //cstr(), substr_start, substr_end, result.cstr());
           return result;
 }  }
   
 String& String::operator = (String& src) {  size_t String::pos(CORD substr, 
         return *this;                     size_t this_offset, Untaint_lang lang) const {
           // first: letters themselves
           size_t substr_start=CORD_str(body, this_offset, substr);
           if(substr_start==CORD_NOT_FOUND)
                   return STRING_NOT_FOUND;
   
           // next: check the lang when specified
   
           if(lang==UL_UNSPECIFIED) // ignore lang?
                   return substr_start;
   
           // substr must be in one fragment, and fragments' lang must = lang
           size_t substr_end=substr_start+CORD_len(substr);
           size_t fragment_start=0;
           size_t fragment_end;
           for(Array_iterator<ArrayFragment::element_type> i(fragments); i.has_next(); fragment_start=fragment_end) {
                   const Fragment& fragment=i.next();
                   fragment_end=fragment_start+fragment.size;
   
                   if(substr_start<fragment_start) // not reached fragments which may include 'result'?
                           continue;
                   
                   if(substr_end>fragment_end) // end of substr OUT of current fragment?
                           break;
   
                   return fragment.lang==lang?substr_end:STRING_NOT_FOUND;
           }       
   
           return STRING_NOT_FOUND;
   }
   
   size_t String::pos(const String& substr, 
                                   size_t this_offset, Untaint_lang lang) const {
           return pos(substr.body, this_offset, lang);
   }
   
   void String::split(ArrayString& result, 
                                      size_t& pos_after, 
                                      const char* delim, 
                                      Untaint_lang lang, int limit) {
           size_t self_size=size();
           if(size_t delim_size=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_size;
                   }
                   // last piece
                   if(pos_after<self_size && limit) {
                           result+=&mid(pos_after, self_size);
                           pos_after=self_size;
                   }
           } else { // empty delim
                   result+=this;
                   pos_after+=self_size;
           }
 }  }
   
   void String::split(ArrayString& result, 
                                      size_t& pos_after, 
                                      const String& delim, Untaint_lang lang, 
                                      int limit) const {
           if(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.size();
                   }
                   // last piece
                   if(pos_after<size() && limit) {
                           result+=&mid(pos_after, size());
                           pos_after=size();
                   }
           } else { // empty delim
                   result+=this;
                   pos_after+=size();
           }
   }
   
 String& String::operator += (char *src) {  static void regex_options(const String& options, int *result, bool& need_pre_post_match){
         if(chunk_is_full())      struct Regex_option {
                 expand();                  const char* keyL;
                   const char* keyU;
         append_here->item.ptr=src;                  int clear, set;
         append_here->item.size=strlen(src);                  int *result;
         append_here++;                  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) 
                   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)
                   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];  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.size()),
                           "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);
           }
   
         return *this;          C subject=cstr();
 }          const int ovecsize=(1/*match*/+MAX_MATCH_GROUPS)*3;
           int ovector[ovecsize];
   
           // create table
           Table* table=new Table(string_match_table_template);
   
           int exec_option_bits=0;
           int prestart=0;
           int poststart=0;
           int postfinish=size();
           while(true) {
                   int exec_substrings=pcre_exec(code, 0,
                           subject, subject.size, prestart,
                           exec_option_bits, ovector, ovecsize);
                   
                   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
                           }
                   }
   
 size_t String::size() {                  if(exec_substrings<0) {
         int result=0;                          pcre_free(code);
                           throw Exception(0,
                                   &regexp,
                                   "regular expression execute error (%d)", 
                                           exec_substrings);
                   }
   
         Chunk *chunk=&head;                   int prefinish=ovector[0];
         do {                  poststart=ovector[1];
                 Chunk::Row *row=chunk->rows;                  ArrayString* row=new ArrayString;
                 for(int i=0; i<chunk->count; i++) {                  if(need_pre_post_match) {
                         if(row==append_here)                          *row+=&mid(0, prefinish); // .prematch column value
                                 goto break2;                          *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);
   
                         result+=row->item.size;                  if(!global || prestart==poststart) { // not global | going to hang
                         row++;                          pcre_free(code);
                           row_action(table, 0/*last time, no row*/, 0, 0, poststart, postfinish, info);
                           return table;
                 }                  }
                 chunk=row->link;                  prestart=poststart;
         } while(chunk);  
 break2:  /*
         return result;                  if(option_bits[0] & PCRE_MULTILINE)
                           exec_option_bits|=PCRE_NOTBOL; // start of subject+startoffset not BOL
   */
           }
 }  }
   
 char *String::c_str() {  String& String::change_case(Charset& source_charset, Change_case_kind kind) {
         char *result=static_cast<char *>(pool->malloc(size()+1));          String& result=*new String();
   
         char *copy_here=result;          const unsigned char *tables=source_charset.pcre_tables;
         Chunk *chunk=&head;   
         do {          const unsigned char *a;
                 Chunk::Row *row=chunk->rows;          const unsigned char *b;
                 for(int i=0; i<chunk->count; i++) {          switch(kind) {
                         if(row==append_here)          case CC_UPPER:
                                 goto break2;                  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
           }       
   
           C new_cstr=cstr();
           const char *end=new_cstr+new_cstr.size;
           char *dest=new_cstr;
           for(const char* current=new_cstr; current<end; current++) {
                   unsigned char c=a[(unsigned char)*current];
                   if(b)
                           c=b[c];
   
                   *dest++=(char)c;
           }
           result.body=new_cstr;
           result.fragments.append(fragments, 0, fragments.count());
   
                         memcpy(copy_here, row->item.ptr, row->item.size);  
                         copy_here+=row->item.size;  
                         row++;  
                 }  
                 chunk=row->link;  
         } while(chunk);  
 break2:  
         *copy_here=0;  
         return result;          return result;
 }  }
   
 int String::used_rows() {  const String& String::replace(const Dictionary& dict) const {
         int result=0;          String& result=*new String();
           C old_cstr=cstr();
         Chunk *chunk=&head;           const char* current=old_cstr;
           size_t old_pos=0;
   
           char *new_cstr=new(PointerFreeGC) char[(size_t)ceil(old_cstr.size*dict.max_ratio())];
           char *dest=new_cstr;
           size_t remaining_size=old_cstr.size;
         do {          do {
                 int count=chunk->count;                  if(Table::element_type row=dict.first_that_starts(current, remaining_size)) {
                 result+=count;                          { // prematch
                 chunk=chunk->rows[count].link;                                  size_t now_pos=current-old_cstr;
         } while(chunk);                                  if(now_pos!=old_pos) {
                                           result.fragments.append(fragments, old_pos, now_pos);
                                           old_pos=now_pos;
                                   }
                           }
   
                           const String* a=row->get(0); size_t a_size=a->size();
                           // skip 'a' in 'current', in fragment lang index && reduce work size
                           current+=a_size;  old_pos+=a_size;  remaining_size-=a_size;
   
                           if(row->count()>1) { // are there any b?
                                   const String* b=row->get(1); size_t b_size=b->size();
                                   if(b_size) {
                                           // write 'b' to 'dest' && skip 'b' in 'dest'
                                           b->store_to(dest, String::UL_AS_IS);  dest+=b_size;
   
                                           // append match fragments
                                           result.fragments.append(b->fragments, 0, b->fragments.count());
                                   }
                           }
                   } else {
                           // write a char to b && reduce work size
                           *dest++=*current++;  remaining_size--;
                   }
           } while(remaining_size);
   
         result-=link_row-append_here;          { // postmatch
                   size_t now_pos=current-old_cstr;
                   if(now_pos!=old_pos) // have something at end?
                           result.fragments.append(fragments, old_pos, now_pos-old_pos);
           }
   
           result.body=new_cstr;
         return result;          return result;
 }  }
   
 uint String::hash_code() {  double String::as_double() const { 
         uint result=0;          double result;
           char buf[MAX_STRING];
           if(size()>MAX_STRING-1)
                   throw Exception("number.format",
                           this,
                           "invalid number too long a string (%u>%u)", size(), MAX_STRING-1);
           char *eol=store_to(buf, String::UL_AS_IS); *eol=0;
           const char* cstr=buf;
   
           while(*cstr && isspace(*cstr))
                   cstr++;
           if(!*cstr)
                   return 0;
   
           char *error_pos;
           // 0xABC
           if(cstr[0]=='0')
                   if(cstr[1]=='x' || cstr[1]=='X')
                           result=(double)(unsigned long)strtol(cstr, &error_pos, 0);
                   else
                           result=(double)strtod(cstr+1/*skip leading 0*/, &error_pos);
           else
                   result=(double)strtod(cstr, &error_pos);
   
           while(char c=*error_pos++)
                   if(!isspace(c))
                           throw Exception("number.format",
                                   this,
                                   "invalid number (double)");
   
         Chunk *chunk=&head;           return result;
         do {  }
                 Chunk::Row *row=chunk->rows;  int String::as_int() const { 
                 for(int i=0; i<chunk->count; i++) {          int result;
                         if(row==append_here)          char buf[MAX_STRING];
                                 goto break2;          if(size()>MAX_STRING-1)
                   throw Exception("number.format",
                           this,
                           "invalid number too long a string (%u>%u)", size(), MAX_STRING-1);
           char *eol=store_to(buf, String::UL_AS_IS); *eol=0;
           const char* cstr=buf;
   
           while(*cstr && isspace(*cstr))
                   cstr++;
           if(!*cstr)
                   return 0;
   
           char *error_pos;
           // 0xABC
           if(cstr[0]=='0')
                   if(cstr[1]=='x' || cstr[1]=='X')
                           result=(int)(unsigned long)strtol(cstr, &error_pos, 0);
                   else
                           result=(int)strtol(cstr+1/*skip leading 0*/, &error_pos, 0);
           else
                   result=(int)strtol(cstr, &error_pos, 0);
   
           while(char c=*error_pos++)
                   if(!isspace(c))
                           throw Exception("number.format",
                                   this,
                                   "invalid number (int)");
   
                         result=Hash::generic_code(result, row->item.ptr, row->item.size);  
                         row++;  
                 }  
                 chunk=row->link;  
         } while(chunk);  
 break2:  
         return result;          return result;
 }  }
   
 bool String::operator == (String& src) {  inline void uint2uchars(uint word, uchar *bytes) {
         return false;          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 CORD_batched_iter_fn_append(const char* s, void* client_data) {
           char*& cur=*static_cast<char**>(client_data);
   
           size_t size=strlen(s);
           memcpy(cur, s, size);  cur+=size;
           return 0;
   };
   String::C String::serialize(size_t prolog_size) const {
           size_t buf_size=
                   prolog_size
                   +fragments.count()*(sizeof(Untaint_lang)+sizeof(size_t))
                   +size();
           C result(new(PointerFreeGC) char[buf_size], buf_size);
   
           // 1: prolog
           char *cur=result.str+prolog_size;
   
   
           // 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);
                   // size
                   memcpy(cur, &fragment.size, sizeof(fragment.size));  cur+=sizeof(fragment.size);
           }
   
           // 4: letters
           CORD_iter5(body, 0, 0, CORD_batched_iter_fn_append, &cur);
   
           return result;
   }
   bool String::deserialize(size_t prolog_size, void *buf, size_t buf_size, const char* file) {
           if(buf_size<=prolog_size)
                   return false;
           buf_size-=prolog_size;
   
           // 1: prolog
           const char *cur=(const char *)buf+prolog_size;
   
           // 2: fragments.count
           if(buf_size<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_size-=sizeof(size_t);
   
           // 3: lang info
           size_t total_size=0;
           for(size_t f=0; f<fragments_count; f++) {
                   size_t piece_size=sizeof(Untaint_lang)+sizeof(size_t);
                   if(buf_size<piece_size) // lang+size
                           return false;
   
                   Untaint_lang lang=*reinterpret_cast<const Untaint_lang *>(cur);  cur+=sizeof(Untaint_lang);
                   size_t fragment_size=*reinterpret_cast<const size_t*>(cur);  cur+=sizeof(size_t);
                   fragments+=Fragment(lang, fragment_size);
                   total_size+=fragment_size;
   
                   buf_size-=piece_size;
           }
   
           // 4: letters
           if(buf_size!=total_size)
                   return false;
   
           body=CORD_cat_char_star(CORD_EMPTY, cur, buf_size);
   
           return true;
 }  }
Removed from v.1.7  
changed lines
  Added in v.1.172.2.21.2.5

E-mail: