[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 1.175.2.3 and 1.267

version 1.175.2.3, 2003/09/24 07:13:52 version 1.267, 2021/12/28 15:58:31
Line 1 Line 1
 /** @file  /** @file
         Parser: string class. @see untalength_t.C.          Parser: string class. @see untalength_t.C.
   
         Copyright (c) 2001-2003 ArtLebedev Group (http://www.artlebedev.com)          Copyright (c) 2001-2020 Art. Lebedev Studio (http://www.artlebedev.com)
         Author: Alexandr Petrosian <paf@design.ru> (http://paf.design.ru)          Author: Alexandr Petrosian <paf@design.ru> (http://paf.design.ru)
 */  */
   
 static const char* IDENT_STRING_C="$Date$";  
   
 #include "pcre.h"  
   
 #include "pa_string.h"  #include "pa_string.h"
 #include "pa_exception.h"  #include "pa_exception.h"
 #include "pa_table.h"  #include "pa_table.h"
 #include "pa_dictionary.h"  #include "pa_dictionary.h"
 #include "pa_charset.h"  #include "pa_charset.h"
   #include "pa_vregex.h"
   
   volatile const char * IDENT_PA_STRING_C="$Id$" IDENT_PA_STRING_H;
   
   const String String::Empty;
   
   #define COMPILE_ASSERT(x) extern int assert_checker[(x) ? 1 : -1]
   COMPILE_ASSERT(sizeof(String::Languages) == sizeof(CORD));
   
   // pa_atoui is based on Manuel Novoa III _strto_l for uClibc
   
   template<typename T> inline T pa_ato_any(const char *str, int base, const String* problem_source,const T max){
           T result = 0;
           const char *pos = str;
   
           while (isspace(*pos)) /* skip leading whitespace */
                   ++pos;
   
           if (base == 16 && *pos == '0') { /* handle option prefix */
                   ++pos;
                   if (*pos == 'x' || *pos == 'X') {
                           ++pos;
                   }
           }
   
           if (base == 0) { /* dynamic base */
                   base = 10; /* default is 10 */
                   if (*pos == '0') {
                           ++pos;
                           if (*pos == 'x' || *pos == 'X'){
                                   ++pos;
                                   base=16;
                           }
                   }
           }
   
           if (base < 2 || base > 16) { /* illegal base */
                   throw Exception(PARSER_RUNTIME, 0, "base to must be an integer from 2 to 16");
           }
   
           T cutoff = max / base;
           int cutoff_digit = (int)(max - cutoff * base);
   
           while(true) {
                   int digit;
                   
                   if ((*pos >= '0') && (*pos <= '9')) {
                           digit = (*pos - '0');
                   } else if (*pos >= 'a') {
                           digit = (*pos - 'a' + 10);
                   } else if (*pos >= 'A') {
                           digit = (*pos - 'A' + 10);
                   } else break;
   
                   if (digit >= base) {
                           break;
                   }
                   
                   ++pos;
                   
                   /* adjust number, with overflow check */
                   if ((result > cutoff) || ((result == cutoff) && (digit > cutoff_digit))) {
                           throw Exception("number.format", problem_source, problem_source ? "out of range (int)" : "'%s' is out of range (int)", str);
                   } else {
                           result  = result * base + digit;
                   }
           }
   
           while(char c=*pos++)
                   if(!isspace(c))
                           throw Exception("number.format", problem_source, problem_source ? "invalid number (int)" : "'%s' is invalid number (int)", str);
   
           return result;
   }
   
   unsigned int pa_atoui(const char *str, int base, const String* problem_source){
           if(!str)
                   return 0;
   
           return pa_ato_any<unsigned int>(str, base, problem_source, UINT_MAX);
   }
   
   uint64_t pa_atoul(const char *str, int base, const String* problem_source){
           if(!str)
                   return 0;
   
           return pa_ato_any<uint64_t>(str, base, problem_source, ULLONG_MAX);
   }
   
   int pa_atoi(const char* str, int base, const String* problem_source) {
           if(!str)
                   return 0;
   
           while(isspace(*str))
                   str++;
   
           if(!*str)
                   return 0;
   
           bool negative=false;
           if(str[0]=='-') {
                   negative=true;
                   str++;
           } else if(str[0]=='+') {
                   str++;
           }
   
           unsigned int result=pa_atoui(str, base, problem_source);
   
           if(negative && result <= ((unsigned int)(-(1+INT_MIN)))+1)
                   return -(int)result;
           
           if(result<=INT_MAX)
                   return (int)result;
           
           throw Exception("number.format", problem_source, problem_source ? "out of range (int)" : "'%s' is out of range (int)", str);
   }
   
   double pa_atod(const char* str, const String* problem_source) {
           if(!str)
                   return 0;
   
           while(isspace(*str))
                   str++;
   
           if(!*str)
                   return 0;
   
           bool negative=false;
           if(str[0]=='-') {
                   negative=true;
                   str++;
           } else if(str[0]=='+') {
                   str++;
           }
   
           double result;
           if(str[0]=='0') {
                   if(str[1]=='x' || str[1]=='X') {
                           // 0xABC
                           result=(double)pa_atoul(str, 0, problem_source);
                           return negative ? -result : result;
                   } else {
                            // skip leading 0000, to disable octal interpretation
                           do str++; while(*str=='0');
                   }
           }
   
           char *error_pos;
           result=strtod(str, &error_pos);
   
           while(char c=*error_pos++)
                   if(!isspace((unsigned char)c))
                           throw Exception("number.format", problem_source, problem_source ? "invalid number (double)" : "'%s' is invalid number (double)", str);
   
           return negative ? -result : result;
   }
   
 // cord lib extension  // cord lib extension
   
 #ifndef DOXYGEN  #ifndef DOXYGEN
 typedef struct {  typedef struct {
     ssize_t countdown;          ssize_t countdown;
     char target;        /* Character we're looking for  */          int target;     /* Character we're looking for  */
 } chr_data;  } chr_data;
 #endif  #endif
   
 static int CORD_range_contains_chr_greater_then_proc(char c, size_t size, void* client_data)  static int CORD_range_contains_chr_greater_then_proc(char c, size_t size, void* client_data)
 {  {
     register chr_data * d = (chr_data *)client_data;          register chr_data * d = (chr_data *)client_data;
       
     if (d -> countdown<=0) return(2);          if (d -> countdown<=0) return(2);
     d -> countdown -= size;          d -> countdown -= size;
     if (c > d -> target) return(1);          if (c > d -> target) return(1);
     return(0);          return(0);
   }
   
   int CORD_range_contains_chr_greater_then(CORD x, size_t i, size_t n, int c)
   {
           chr_data d;
   
           d.countdown = n;
           d.target = c;
           return(CORD_block_iter(x, i, CORD_range_contains_chr_greater_then_proc, &d) == 1/*alternatives: 0 normally ended, 2=struck 'n'*/);
 }  }
 int CORD_range_contains_chr_greater_then(CORD x, size_t i, size_t n, int not_c)  
   static int CORD_block_count_proc(char /*c*/, size_t /*size*/, void* client_data)
 {  {
     chr_data d;          int* result=(int*)client_data;
           (*result)++;
           return(0); // 0=continue
   }
   
     d.countdown = i+n;  size_t CORD_block_count(CORD x)
     d.target = not_c;  {
     return(CORD_block_iter(x, i, CORD_range_contains_chr_greater_then_proc, &d) == 1/*alternatives: 0 normally ended, 2=struck 'n'*/);          size_t result=0;
           CORD_block_iter(x, 0, CORD_block_count_proc, &result);
           return result;
 }  }
   
 // helpers  // helpers
Line 54  public: Line 223  public:
                 *this+=new String("match");                  *this+=new String("match");
                 *this+=new String("postmatch");                  *this+=new String("postmatch");
                 for(int i=0; i<MAX_MATCH_GROUPS; i++) {                  for(int i=0; i<MAX_MATCH_GROUPS; i++) {
                         *this+=new String(StringBody::Format(1+i), String::L_CLEAN);                          *this+=new String(String::Body::Format(1+i), String::L_CLEAN);
                 }                  }
         }          }
 };  };
   
 Table string_match_table_template(new String_match_table_template_columns);  Table string_match_table_template(new String_match_table_template_columns);
   
 // StringBody methods  // String::Body methods
   
 StringBody StringBody::Format(int value) {  String::Body String::Body::Format(int value) {
         char local[MAX_NUMBER];          char local[MAX_NUMBER];
         size_t length=snprintf(local, MAX_NUMBER, "%d", value);          size_t length=snprintf(local, MAX_NUMBER, "%d", value);
         return StringBody(pa_strdup(local, length), length);          return String::Body(pa_strdup(local, length));
   }
   
   String::Body String::Body::trim(String::Trim_kind kind, const char* chars, size_t* out_start, size_t* out_length, Charset* source_charset) const {
           size_t our_length=length();
           if(!our_length)
                   return *this;
   
           // check if any UTF-8 in chars
           bool fast=true;
           if(chars && source_charset && source_charset->isUTF8()){
                   const char* pos=chars;
                   while(unsigned char c=*pos++)
                           if(c>127){
                                   fast=false;
                                   break;
                           }
           }
   
           size_t start=0;
           size_t end=our_length;
           if(!chars)
                   chars=" \t\n"; // white space
   
           if(fast){
                   // from left...
                   if(kind!=TRIM_END) {
                           CORD_pos pos; set_pos(pos, 0);
                           while(true) {
                                   char c=CORD_pos_fetch(pos);
                                   if(strchr(chars, c)) {
                                           if(++start==our_length)
                                                   return 0; // all chars are empty, just return empty string
                                   } else
                                           break;                  
   
                                   CORD_next(pos);
                           }
                   }
   
                   // from right..
                   if(kind!=TRIM_START) {
                           CORD_pos pos; set_pos(pos, end-1);
                           while(true) {
                                   char c=CORD_pos_fetch(pos);
                                   if(strchr(chars, c)) {
                                           if(--end==0) // optimization: NO need to check for 'end>=start', that's(<) impossible
                                                   return 0; // all chars are empty, just return empty string
                                   } else
                                           break;                  
   
                                   CORD_prev(pos);
                           }
                   }
           } else {
                   const XMLByte* src_begin=(const XMLByte*)cstr();
                   const XMLByte* src_end=src_begin+our_length;
   
                   // from left...
                   if(kind!=TRIM_END) {
                           while(src_begin<src_end){
                                   uint char_length=1;
                                   const XMLByte* ptr=src_begin;
                                   // searching first UTF-8 byte: http://tools.ietf.org/html/rfc3629#section-3
                                   while(++src_begin<=src_end && (*src_begin>127 && *src_begin<0xC0))
                                           char_length++;
   
                                   bool found=false;
                                   for(const char* chars_byte=chars; chars_byte=strchr(chars_byte, *ptr); chars_byte++)
                                           if(strncmp(chars_byte, (const char*)ptr, char_length)==0){
                                                   found=true;
                                                   break;
                                           }
   
                                   if(found){
                                           start+=char_length;
                                           if(start==our_length)
                                                   return 0; // all chars are empty, just return empty string
                                   } else
                                           break;
                           }
                   }
   
                   // from right..
                   if(kind!=TRIM_START) {
                           while(src_begin<src_end){
                                   uint char_length=1;
                                   // searching first UTF-8 byte: http://tools.ietf.org/html/rfc3629#section-3
                                   while(src_begin<=--src_end && (*src_end>127 && *src_end<0xC0))
                                           char_length++;
   
                                   bool found=false;
                                   for(const char* chars_byte=chars; chars_byte=strchr(chars_byte, *src_end); chars_byte++)
                                           if(strncmp(chars_byte, (const char*)src_end, char_length)==0){
                                                   found=true;
                                                   break;
                                           }
   
                                   if(found){
                                           end-=char_length;
                                           if(end==0)
                                                   return 0; // all chars are empty, just return empty string
                                   } else
                                           break;
                           }
                   }
           }
   
           if(start==0 && end==our_length) // nobody moved a thing
                   return *this;
   
           if(out_start)
                   *out_start=start;
           size_t new_length=end-start;
           if(out_length)
                   *out_length=new_length;
   
           return mid(start, new_length);
 }  }
   
 static int CORD_batched_iter_fn_generic_hash_code(char c, void * client_data) {  static int CORD_batched_iter_fn_generic_hash_code(char c, void * client_data) {
Line 74  static int CORD_batched_iter_fn_generic_ Line 360  static int CORD_batched_iter_fn_generic_
         generic_hash_code(result, c);          generic_hash_code(result, c);
         return 0;          return 0;
 }  }
   
 static int CORD_batched_iter_fn_generic_hash_code(const char*  s, void * client_data) {  static int CORD_batched_iter_fn_generic_hash_code(const char*  s, void * client_data) {
         uint& result=*static_cast<uint*>(client_data);          uint& result=*static_cast<uint*>(client_data);
         generic_hash_code(result, s);          generic_hash_code(result, s);
         return 0;          return 0;
   }
   
   uint String::Body::get_hash_code() const {
   #ifdef HASH_CODE_CACHING
           if(hash_code)
                   return hash_code;
   #else
           uint hash_code=0;
   #endif
           if (body && CORD_IS_STRING(body)){
                   generic_hash_code(hash_code, (const char *)body);
           } else {
                   CORD_iter5(body, 0,
                           CORD_batched_iter_fn_generic_hash_code, 
                           CORD_batched_iter_fn_generic_hash_code, &hash_code);
           }
           return hash_code;
   }
   
   struct CORD_pos_info {
           const char* chars;
           size_t left;
           size_t pos;
 };  };
 uint StringBody::hash_code() const {  
         uint result=0;  // can be called only for IS_FUNCTION(CORD) which is used in String::Body::strrpbrk
         CORD_iter5(body, 0,  static int CORD_iter_fn_rpos(char c, CORD_pos_info* info) {
                 CORD_batched_iter_fn_generic_hash_code,           if(info->pos < info->left){
                 CORD_batched_iter_fn_generic_hash_code, &result);                  info->pos=STRING_NOT_FOUND;
         return result;                  return 1;
           }
           if(strchr(info->chars, c))
                   return 1;
           --(info->pos);
           return 0;
   }
   
   size_t String::Body::strrpbrk(const char* chars, size_t left, size_t right) const {
           if(is_empty() || !chars || !strlen(chars))
                   return STRING_NOT_FOUND;
           CORD_pos_info info={chars, left, right};
           if(CORD_riter4(body, right, (CORD_iter_fn)CORD_iter_fn_rpos, &info))
                   return info.pos;
           else
                   return STRING_NOT_FOUND;
 }  }
   
 // String methods  
   
 String::String(const char* cstr, size_t helper_length, bool tainted): body(CORD_EMPTY) {  // can be called only for IS_FUNCTION(CORD) which is used in String::Body::rskipchars
         append_help_length(cstr, helper_length, tainted?L_TAINTED:L_CLEAN);  static int CORD_iter_fn_rskip(char c, CORD_pos_info* info) {
           if(info->pos < info->left) {
                   info->pos=STRING_NOT_FOUND;
                   return 1;
           }
           if(!strchr(info->chars, c))
                   return 1;
           --(info->pos);
           return 0;
 }  }
 String::String(const String::C cstr, bool tainted): body(CORD_EMPTY) {  
         append_know_length(cstr.str, cstr.length, tainted?L_TAINTED:L_CLEAN);  size_t String::Body::rskipchars(const char* chars, size_t left, size_t right) const {
           if(is_empty() || !chars || !strlen(chars))
                   return STRING_NOT_FOUND;
           CORD_pos_info info={chars, left, right};
           if(CORD_riter4(body, right, (CORD_iter_fn)CORD_iter_fn_rskip, &info))
                   return info.pos;
           else
                   return STRING_NOT_FOUND;
 }  }
   
   // String methods
   
 String& String::append_know_length(const char* str, size_t known_length, Language lang) {  String& String::append_know_length(const char* str, size_t known_length, Language lang) {
         if(!known_length)          if(!known_length)
                 return *this;                  return *this;
Line 108  String& String::append_know_length(const Line 449  String& String::append_know_length(const
         ASSERT_STRING_INVARIANT(*this);          ASSERT_STRING_INVARIANT(*this);
         return *this;          return *this;
 }  }
   
 String& String::append_help_length(const char* str, size_t helper_length, Language lang) {  String& String::append_help_length(const char* str, size_t helper_length, Language lang) {
         if(!str)          if(!str)
                 return *this;                  return *this;
Line 117  String& String::append_help_length(const Line 459  String& String::append_help_length(const
   
         return append_know_length(str, known_length, lang);          return append_know_length(str, known_length, lang);
 }  }
   
   String::String(int value, const char *format) : langs(L_CLEAN){
           char buf[MAX_NUMBER];
           body.append_strdup_know_length(buf, snprintf(buf, MAX_NUMBER, format, value));
   }
   
 String& String::append_strdup(const char* str, size_t helper_length, Language lang) {  String& String::append_strdup(const char* str, size_t helper_length, Language lang) {
         size_t known_length=helper_length?helper_length:strlen(str);          size_t known_length=helper_length?helper_length:strlen(str);
         if(!known_length)          if(!known_length)
Line 131  String& String::append_strdup(const char Line 479  String& String::append_strdup(const char
         return *this;          return *this;
 }  }
   
   struct CORD_length_info {
           size_t len;
           size_t skip;
   };
   
   int CORD_batched_len(const char* s, CORD_length_info* info){
           info->len += lengthUTF8( (const XMLByte *)s, (const XMLByte *)s+strlen(s));
           return 0;
   }
   
   // can be called only for IS_FUNCTION(CORD) which are used in large String::Body::mid
   int CORD_batched_len(const char c, CORD_length_info* info){
           if (info->skip==0){
                   info->len++;
                   info->skip = lengthUTF8Char(c)-1;
           } else {
                   info->skip--;
           }
           return 0;
   }
   
   size_t String::length(Charset& charset) const {
           if(charset.isUTF8()){
                   CORD_length_info info = {0, 0};
                   body.for_each<CORD_length_info *>(CORD_batched_len, CORD_batched_len, &info);
                   return info.len;
           } else
                   return body.length();
   }
   
 /// @todo check in doc: whether it documents NOW bad situation "abc".mid(-1, 3) =were?="ab"  /// @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& String::mid(size_t substr_begin, size_t substr_end) const {
         String& result=*new String;          String& result=*new String;
Line 138  String& String::mid(size_t substr_begin, Line 516  String& String::mid(size_t substr_begin,
         size_t self_length=length();          size_t self_length=length();
         substr_begin=min(substr_begin, self_length);          substr_begin=min(substr_begin, self_length);
         substr_end=min(max(substr_end, substr_begin), self_length);          substr_end=min(max(substr_end, substr_begin), self_length);
         if(substr_begin==substr_end)          size_t substr_length=substr_end-substr_begin;
           if(!substr_length)
                 return result;                  return result;
   
         // first: their langs          // first: their langs
         result.langs.append(result.body, langs, substr_begin, substr_end);          result.langs.append(result.body, langs, substr_begin, substr_length);
         // next: letters themselves          // next: letters themselves
         result.body=body.mid(substr_begin, substr_end-substr_begin);          result.body=body.mid(substr_begin, substr_length);
   
 //      SAPI::log("piece of '%s' from %d to %d is '%s'",  
                 //cstr(), substr_begin, substr_end, result.cstr());  
         ASSERT_STRING_INVARIANT(result);          ASSERT_STRING_INVARIANT(result);
         return result;          return result;
 }  }
   
 size_t String::pos(const StringBody substr, size_t this_offset, Language lang) const {  // from, to and helper_length in characters, not in bytes (it's important for utf-8)
         size_t substr_begin=body.pos(substr, this_offset);  String& String::mid(Charset& charset, size_t from, size_t to, size_t helper_length) const {
         if(substr_begin==CORD_NOT_FOUND || !langs.check_lang(lang, substr_begin, substr.length()))          String& result=*new String;
                 return STRING_NOT_FOUND;  
           size_t self_length=helper_length ? helper_length : length(charset);
   
           if(!self_length)
                   return result;
   
           from=min(min(to, from), self_length);
           to=min(max(to, from), self_length);
   
           size_t substr_length=to-from;
   
           if(!substr_length)
                   return result;
   
         return substr_begin;          if(charset.isUTF8()){
                   const XMLByte* src_begin=(const XMLByte*)cstr();
                   const XMLByte* src_end=src_begin+body.length();
   
                   // convert 'from' and 'substr_length' from 'characters' to 'bytes'
                   from=getUTF8BytePos(src_begin, src_end, from);
                   substr_length=getUTF8BytePos(src_begin+from, src_end, substr_length);
                   if(!substr_length)
                           return result;
           }
   
           // first: their langs
           result.langs.append(result.body, langs, from, substr_length);
           // next: letters themselves
           result.body=body.mid(from, substr_length);
   
           ASSERT_STRING_INVARIANT(result);
           return result;
 }  }
   
 size_t String::pos(const String& substr,   size_t String::pos(const String::Body substr, size_t this_offset, Language lang) const {
                                 size_t this_offset, Language lang) const {          size_t substr_length=substr.length();
           while(true) {
                   size_t substr_begin=body.pos(substr, this_offset);
                   
                   if(substr_begin==CORD_NOT_FOUND)
                           return STRING_NOT_FOUND;
   
                   if(langs.check_lang(lang, substr_begin, substr_length))
                           return substr_begin;
   
                   this_offset=substr_begin+substr_length;
           }
   }
   
   size_t String::pos(const String& substr, size_t this_offset, Language lang) const {
         return pos(substr.body, this_offset, lang);          return pos(substr.body, this_offset, lang);
 }  }
   
 void String::split(ArrayString& result,   size_t String::pos(Charset& charset, const String& substr, size_t this_offset, Language lang) const {
                    size_t& pos_after,   
                    const char* delim,           if(charset.isUTF8()){
                    Language lang, int limit) const {                  const XMLByte* srcPtr=(const XMLByte*)cstr();
                   const XMLByte* srcEnd=srcPtr+body.length();
   
                   // convert 'this_offset' from 'characters' to 'bytes'
                   this_offset=getUTF8BytePos(srcPtr, srcEnd, this_offset);
   
                   size_t result=pos(substr.body, this_offset, lang);
                   return (result==CORD_NOT_FOUND)
                           ? STRING_NOT_FOUND
                           : getUTF8CharPos(srcPtr, srcEnd, result); // convert 'result' from 'bytes' to 'characters'
           } else {
                   size_t result=pos(substr.body, this_offset, lang);
                   return (result==CORD_NOT_FOUND)
                           ? STRING_NOT_FOUND
                           : result;
           }
   }
   
   void String::split(ArrayString& result, size_t pos_after, const char* delim, Language lang) const {
           if(is_empty())
                   return;
         size_t self_length=length();          size_t self_length=length();
         if(size_t delim_length=strlen(delim)) {          if(size_t delim_length=strlen(delim)) {
                 int pos_before;                  size_t pos_before;
                 // while we have 'delim'...                  // while we have 'delim'...
                 for(; (pos_before=pos(delim, pos_after, lang))!=STRING_NOT_FOUND && limit; limit--) {                  while((pos_before=pos(delim, pos_after, lang))!=STRING_NOT_FOUND) {
                         result+=&mid(pos_after, pos_before);                          result+=&mid(pos_after, pos_before);
                         pos_after=pos_before+delim_length;                          pos_after=pos_before+delim_length;
                 }                  }
                 // last piece                  // last piece
                 if(pos_after<self_length && limit) {                  if(pos_after<self_length)
                         result+=&mid(pos_after, self_length);                          result+=&mid(pos_after, self_length);
                         pos_after=self_length;  
                 }  
         } else { // empty delim          } else { // empty delim
                 result+=this;                  result+=this;
                 pos_after+=self_length;  
         }          }
 }  }
   
 void String::split(ArrayString& result,   void String::split(ArrayString& result, size_t pos_after, const String& delim, Language lang) const {
                    size_t& pos_after,           if(is_empty())
                    const String& delim, Language lang,                   return;
                    int limit) const {  
         if(!delim.is_empty()) {          if(!delim.is_empty()) {
                 int pos_before;                  size_t pos_before;
                 // while we have 'delim'...                  // while we have 'delim'...
                 for(; (pos_before=pos(delim, pos_after, lang))!=STRING_NOT_FOUND && limit; limit--) {                  while((pos_before=pos(delim, pos_after, lang))!=STRING_NOT_FOUND) {
                         result+=&mid(pos_after, pos_before);                          result+=&mid(pos_after, pos_before);
                         pos_after=pos_before+delim.length();                          pos_after=pos_before+delim.length();
                 }                  }
                 // last piece                  // last piece
                 if(pos_after<length() && limit) {                  if(pos_after<length())
                         result+=&mid(pos_after, length());                          result+=&mid(pos_after, length());
                         pos_after=length();  
                 }  
         } else { // empty delim          } else { // empty delim
                 result+=this;                  result+=this;
                 pos_after+=length();  
         }          }
 }  }
   
 static void regex_options(const String* options, int *result, bool& need_pre_post_match){  Table* String::match(VRegex* vregex, Row_action row_action, void *info, int& matches_count) const {
     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)!=STRING_NOT_FOUND  
                                 || (o->keyU && options->pos(o->keyU)!=STRING_NOT_FOUND)) {  
                                 if(o->flag)  
                                         *o->flag=true;  
                                 else { // result  
                                         *o->result &= ~o->clear;  
                                         *o->result |= o->set;  
                                 }  
                         }  
 }  
   
 Table* String::match(Charset& source_charset,          // vregex->info(); // I have no idea what does it for?
                      const String& regexp,   
                      const String* options,          bool need_pre_post_match=vregex->is_pre_post_match_needed();
                      Row_action row_action, void *info,          bool global=vregex->is_global_search();
                      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();          const char* subject=cstr();
         size_t subject_length=strlen(subject);          size_t subject_length=length();
         const int oveclength=(1/*match*/+MAX_MATCH_GROUPS)*3;          const int ovector_size=(1/*match*/+MAX_MATCH_GROUPS)*3;
         int ovector[oveclength];          int ovector[ovector_size];
   
         // create table  
         Table::Action_options table_options;          Table::Action_options table_options;
         Table& table=*new Table(string_match_table_template, table_options);          Table& table=*new Table(string_match_table_template, table_options);
   
         int exec_option_bits=0;  
         int prestart=0;          int prestart=0;
         int poststart=0;          int poststart=0;
         int postfinish=length();          int postfinish=length();
           int action_was_executed=-1;
         while(true) {          while(true) {
                 int exec_substrings=pcre_exec(code, 0,                  int exec_result=vregex->exec(subject, subject_length, ovector, ovector_size, prestart);
                         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) {                  if(exec_result<0) // only PCRE_ERROR_NOMATCH might be here, other negative results cause an exception
                         pcre_free(code);                          break;
                         throw Exception(0,  
                                 &regexp,  
                                 "regular expression execute error (%d)",   
                                         exec_substrings);  
                 }  
   
                 int prefinish=ovector[0];                  int prefinish=ovector[0];
                 poststart=ovector[1];                  poststart=ovector[1];
                 ArrayString* row=new ArrayString;  
                   if (prestart==poststart && action_was_executed==1){
                           prestart++;
                           action_was_executed=0;
                           continue;
                   }
   
                   ArrayString* row=new ArrayString(3);
                 if(need_pre_post_match) {                  if(need_pre_post_match) {
                         *row+=&mid(0, prefinish); // .prematch column value                          *row+=&mid(0, prefinish); // .prematch column value
                         *row+=&mid(prefinish, poststart); // .match                          *row+=&mid(prefinish, poststart); // .match
                         *row+=&mid(poststart, postfinish); // .postmatch                          *row+=&mid(poststart, postfinish); // .postmatch
                 } else {                  } else {
                         *row+=0; // .prematch column value                          *row+=&Empty; // .prematch column value
                         *row+=0; // .match                          *row+=&Empty; // .match
                         *row+=0; // .postmatch                          *row+=&Empty; // .postmatch
                 }                  }
                                   
                 for(int i=1; i<exec_substrings; i++) {                  for(int i=1; i<exec_result; i++) {
                         // -1:-1 case handled peacefully by mid() itself                          // -1:-1 case handled peacefully by mid() itself
                         *row+=&mid(ovector[i*2+0], ovector[i*2+1]); // .i column value                          *row+=(ovector[i*2+0]>=0 && ovector[i*2+1]>0)?&mid(ovector[i*2+0], ovector[i*2+1]):new String; // .i column value
                 }                  }
                                   
                 row_action(table, row, prestart, prefinish, poststart, postfinish, info);                  matches_count++;
                   row_action(table, row, prestart - !action_was_executed, prefinish, poststart, postfinish, info);
   
                 if(!global || prestart==poststart) { // not global | going to hang                  if(!global) // last step
                         pcre_free(code);                          break;
                         row_action(table, 0/*last time, no row*/, 0, 0, poststart, postfinish, info);  
                         return &table;  
                 }  
                 prestart=poststart;  
   
 /*                  prestart=poststart;
                 if(option_bits[0] & PCRE_MULTILINE)                  action_was_executed=1;
                         exec_option_bits|=PCRE_NOTBOL; // start of subject+startoffset not BOL  
 */  
         }          }
   
           row_action(table, 0/*last time, no raw*/, 0, 0, poststart, postfinish, info);
           return vregex->is_just_count() ? 0 : &table;
 }  }
   
 String& String::change_case(Charset& source_charset, Change_case_kind kind) const {  String& String::change_case(Charset& source_charset, Change_case_kind kind) const {
Line 351  String& String::change_case(Charset& sou Line 712  String& String::change_case(Charset& sou
         if(is_empty())          if(is_empty())
                 return result;                  return result;
   
         const unsigned char *tables=source_charset.pcre_tables;          char* new_cstr=cstrm();
   
         const unsigned char *a;          if(source_charset.isUTF8()) {
         const unsigned char *b;                  size_t new_cstr_len=length();
         switch(kind) {                  switch(kind) {
         case CC_UPPER:                  case CC_UPPER:
                 a=tables+lcc_offset;                          change_case_UTF8((const XMLByte*)new_cstr, new_cstr_len, (XMLByte*)new_cstr, new_cstr_len, UTF8CaseToUpper);
                 b=tables+fcc_offset;                          break;
                 break;                  case CC_LOWER:
         case CC_LOWER:                          change_case_UTF8((const XMLByte*)new_cstr, new_cstr_len, (XMLByte*)new_cstr, new_cstr_len, UTF8CaseToLower);
                 a=tables+lcc_offset;                          break;
                 b=0;                  default:
                 break;                          assert(!"unknown change case kind");
         default:                          break; // never
                 throw Exception(0,                   }       
                         this,                   
                         "unknown change case kind #%d",           } else {
                                 static_cast<int>(kind)); // never                  const unsigned char *tables=source_charset.pcre_tables;
                 a=b=0; // calm, compiler  
                 break; // never  
         }         
   
         char* new_cstr=cstrm();                  const unsigned char *a;
         char *dest=new_cstr;                  const unsigned char *b;
         unsigned char index;                  switch(kind) {
         for(const char* current=new_cstr; index=(unsigned char)*current; current++) {                  case CC_UPPER:
                 unsigned char c=a[index];                          a=tables+lcc_offset;
                 if(b)                          b=tables+fcc_offset;
                         c=b[c];                          break;
                   case CC_LOWER:
                           a=tables+lcc_offset;
                           b=0;
                           break;
                   default:
                           assert(!"unknown change case kind");
                           a=b=0; // calm, compiler
                           break; // never
                   }       
   
                   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;                          *dest++=(char)c;
                   }
         }          }
         result.langs=langs;          result.langs=langs;
         result.body=new_cstr;          result.body=new_cstr;
Line 389  String& String::change_case(Charset& sou Line 764  String& String::change_case(Charset& sou
         return result;          return result;
 }  }
   
   const String& String::escape(Charset& source_charset) const {
           if(is_empty())
                   return *this;
   
           return Charset::escape(*this, source_charset);
   }
   
   #define STRING_APPEND(result, from_cstr, langs, langs_offset, length) \
                           result.langs.append(result.body, langs, langs_offset, length); \
                           result.body.append_strdup_know_length(from_cstr, length);
   
 const String& String::replace(const Dictionary& dict) const {  const String& String::replace(const Dictionary& dict) const {
           if(!dict.count() || is_empty())
                   return *this;
   
         String& result=*new String();          String& result=*new String();
         const char* old_cstr=cstr();          const char* old_cstr=cstr();
         const char* prematch_begin=old_cstr;          const char* prematch_begin=old_cstr;
   
         const char* current=old_cstr;          if(dict.count()==1) {
         while(*current) {                  // optimized simple case
                 if(Table::element_type row=dict.first_that_begins(current)) {  
                   Dictionary::Subst subst=dict.get(0);
                   while(const char* p=strstr(prematch_begin, subst.from)) {
                         // prematch                          // prematch
                         if(size_t prematch_length=current-prematch_begin) {                          if(size_t prematch_length=p-prematch_begin) {
                                 result.langs.append(result.body, langs, prematch_begin-old_cstr, current-old_cstr);                                  STRING_APPEND(result, prematch_begin, langs, prematch_begin-old_cstr, prematch_length)
                                 result.body.append_strdup_know_length(prematch_begin, prematch_length);  
                         }                          }
   
                         // match                          // match
                           prematch_begin=p+subst.from_length;
   
                         const String* a=row->get(0);                          if(const String* b=subst.to) // are there any b?
                         // 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;                                  result<<*b;
                         }                  }
                 } else // simply advance  
                         current++;   
         }  
   
         // postmatch  
         if(size_t postmatch_length=current-prematch_begin) {  
                 result.langs.append(result.body, langs, prematch_begin-old_cstr, current-old_cstr);  
                 result.body.append_strdup_know_length(prematch_begin, postmatch_length);  
         }  
   
         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;          } else {
         // 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++)                  const char* current=old_cstr;
                 if(!isspace(c))                  while(*current) {
                         throw Exception("number.format",                          if(Dictionary::Subst subst=dict.first_that_begins(current)) {
                                 this,                                  // prematch
                                 "invalid number (double)");                                  if(size_t prematch_length=current-prematch_begin) {
                                           STRING_APPEND(result, prematch_begin, langs, prematch_begin-old_cstr, prematch_length)
                                   }
   
         return result;                                  // match
 }                                  // skip 'a' in 'current'; move prematch_begin
 int String::as_int() const {                                   current+=subst.from_length; prematch_begin=current;
         int result;  
         const char *str=cstr();                                  if(const String* b=subst.to) // are there any b?
                                           result<<*b;
                           } else // simply advance
                                   current++; 
                   }
   
         while(*str && isspace(*str))          }
                 str++;  
         if(!*str)  
                 return 0;  
   
         char *error_pos;          if(prematch_begin==old_cstr) // not modified
         // 0xABC                  return *this;
         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++)          // postmatch
                 if(!isspace(c))          if(size_t postmatch_length=old_cstr+length()-prematch_begin) {
                         throw Exception("number.format",                  STRING_APPEND(result, prematch_begin, langs, prematch_begin-old_cstr, postmatch_length)
                                 this,          }
                                 "invalid number (int)");  
   
           ASSERT_STRING_INVARIANT(result);
         return result;          return result;
 }  }
   
 inline void uint2uchars(uint word, uchar *bytes) {  static int serialize_body_char(char c, char** cur) {
         bytes[0]=word&0xFF;          *((*cur)++)=c;
         bytes[1]=(word>>8)&0xFF;          return 0; // 0=continue
         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) {  static int serialize_body_piece(const char* s, char** cur) {
         size_t length=strlen(s);          size_t length=strlen(s);
         memcpy(*cur, s, length);  *cur+=length;          memcpy(*cur, s, length);  *cur+=length;
         return 0;          return 0; // 0=continue
 };  }
   
   static int serialize_lang_piece(char alang, size_t asize, char** cur) {
           // lang
           **cur=alang; (*cur)++;
           // length [WARNING: not cast, addresses must be %4=0 on sparc]
           memcpy(*cur, &asize, sizeof(asize));  *cur+=sizeof(asize);
   
           return 0; // 0=continue
   }
   
 String::Cm String::serialize(size_t prolog_length) const {  String::Cm String::serialize(size_t prolog_length) const {
 #if TODO          size_t fragments_count=langs.count();
         //_asm int 3;          size_t body_length=body.length();
         size_t buf_length=          size_t buf_length=
                 prolog_length                  prolog_length //1
                 +sizeof(size_t)                  +sizeof(size_t) //2
                 +langs.count()*(sizeof(Language)+sizeof(size_t))                  +body_length //3
                 +length();                  +1 // 4 for zero terminator used in deserialize
                   +sizeof(size_t) //5
                   +fragments_count*(sizeof(char)+sizeof(size_t)); //6
   
         String::Cm result(new(PointerFreeGC) char[buf_length], buf_length);          String::Cm result(new(PointerFreeGC) char[buf_length], buf_length);
   
         // 1: prolog          // 1: prolog
         char *cur=result.str+prolog_length;          char *cur=result.str+prolog_length;
           // 2: chars.count [WARNING: not cast, addresses must be %4=0 on sparc]
           memcpy(cur, &body_length, sizeof(body_length));  cur+=sizeof(body_length);
         // 2: langs.count          // 3: letters
         size_t fragments_count=langs.count();          body.for_each(serialize_body_char, serialize_body_piece, &cur);
           // 4: zero terminator
           *cur++=0;
           // 5: langs.count [WARNING: not cast, addresses must be %4=0 on sparc]
         memcpy(cur, &fragments_count, sizeof(fragments_count));  cur+=sizeof(fragments_count);          memcpy(cur, &fragments_count, sizeof(fragments_count));  cur+=sizeof(fragments_count);
           // 6: lang info
         // 3: lang info          langs.for_each(body, serialize_lang_piece, &cur);
         for(Array_iterator<ArrayFragment::element_type> i(langs); 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;          return result;
 #endif  
         return String::Cm(0, 0);  
 }  }
 bool String::deserialize(size_t prolog_length, void *buf, size_t buf_length) {  
 #if TODO  bool String::deserialize(size_t prolog_size, void *buf, size_t buf_size) {
         if(buf_length<=prolog_length)          size_t in_buf=buf_size;
           if(in_buf<=prolog_size)
                 return false;                  return false;
         buf_length-=prolog_length;          in_buf-=prolog_size;
   
         // 1: prolog          // 1: prolog
         const char* cur=(const char* )buf+prolog_length;          const char* cur=(const char* )buf+prolog_size;
   
         // 2: langs.count          // 2: chars.count
         if(buf_length<sizeof(size_t)) // langs.count don't fit?          size_t body_length;
           if(in_buf<sizeof(body_length)) // body.length don't fit?
                 return false;                  return false;
         size_t fragments_count=*reinterpret_cast<const size_t*>(cur);  cur+=sizeof(size_t);          // [WARNING: not cast, addresses must be %4=0 on sparc]
         buf_length-=sizeof(size_t);          memcpy(&body_length, cur, sizeof(body_length));  cur+=sizeof(body_length);
           in_buf-=sizeof(body_length);
   
           if(in_buf<body_length+1) // letters+terminator don't fit?
                   return false;
           // 4: zero terminator
           if(cur[body_length] != 0) // in place?
                   return false;
           // 3: letters
           body=String::Body(String::C(cur, body_length));
           cur+=body_length+1;
           in_buf-=body_length+1;
   
           // 5: langs.count
           size_t fragments_count;
           if(in_buf<sizeof(fragments_count)) // langs.count don't fit?
                   return false;
           // [WARNING: not cast, addresses must be %4=0 on sparc]
           memcpy(&fragments_count, cur, sizeof(fragments_count));  cur+=sizeof(fragments_count);
           in_buf-=sizeof(fragments_count);
                   
         if(fragments_count) {          if(fragments_count) {
                 // 3: lang info                  // 6: lang info
                 size_t total_length=0;                  size_t total_length=0;
                 for(size_t f=0; f<fragments_count; f++) {                  for(size_t f=0; f<fragments_count; f++) {
                         size_t piece_length=sizeof(Language)+sizeof(size_t);                          char lang;
                         if(buf_length<piece_length) // lang+length                          size_t fragment_length;
                           size_t piece_length=sizeof(lang)+sizeof(fragment_length);
                           if(in_buf<piece_length) // lang+length
                                 return false;                                  return false;
   
                         Language lang=*reinterpret_cast<const Language *>(cur);  cur+=sizeof(Language);                          // lang
                         size_t fragment_length=*reinterpret_cast<const size_t*>(cur);  cur+=sizeof(size_t);                          lang=*cur++;
                         langs+=Fragment(lang, fragment_length);                          // length [WARNING: not cast, addresses must be %4=0 on sparc]
                         total_length+=fragment_length;                          memcpy(&fragment_length, cur, sizeof(fragment_length));  cur+=sizeof(fragment_length);
   
                         buf_length-=piece_length;                          size_t combined_length=total_length+fragment_length;
                           if(combined_length>body_length)
                                   return false; // file curruption
                           // uchar needed to prevent propagating 0x80 bit to upper bytes
                           langs.append(total_length, (String::Language)(uchar)lang, fragment_length);
                           total_length=combined_length;
                           in_buf-=piece_length;
                 }                  }
   
                 // 4: letters                  if(total_length!=body_length) // length(all language fragments) vs length(letters)
                 if(buf_length!=total_length)  
                         return false;                          return false;
   
                 body=StringBody(cur, buf_length);  
         }          }
           if(in_buf!=0) // some strange extra bytes
                   return false;
   
         ASSERT_STRING_INVARIANT(*this);          ASSERT_STRING_INVARIANT(*this);
         return true;          return true;
 #endif  }
         return false;  
   void String::Body::dump() const {
           CORD_dump(body);
   }
   
   const char* String::Languages::visualize() const {
           if(opt.is_not_just_lang)
                   return CORD_to_const_char_star(langs, 0);
           else
                   return 0;
   }
   
   void String::Languages::dump() const {
           if(opt.is_not_just_lang)
                   CORD_dump(langs);
           else
                   puts((const char*)&langs);
   }
   
   void String::dump() const {
           body.dump();
           langs.dump();
   }
   
   static char *n_chars(char c, size_t length){
           char *result=(char *)pa_malloc_atomic(length+1);
           memset(result, c, length);
           result[length] = '\0';
           return result;
   }
   
   char* String::visualize_langs() const {
           return is_not_just_lang() ? pa_strdup(langs.visualize()) : n_chars((char)just_lang(), length());
   }
   
   const String& String::trim(String::Trim_kind kind, const char* chars, Charset* source_charset) const {
           if(is_empty())
                   return *this;
   
           size_t substr_begin, substr_length;
           Body new_body=body.trim(kind, chars, &substr_begin, &substr_length, source_charset);
           if(new_body==body) // we received unchanged pointer, do likewise
                   return *this;
           // new_body differs from body, adjust langs along
   
           String& result=*new String;
           if(!new_body) // body.trim produced empty result
                   return result;
           // body.trim produced nonempty result
   
           // first: their langs
           result.langs.append(result.body, langs, substr_begin, substr_length);
           // next: letters themselves
           result.body=new_body;
   
           ASSERT_STRING_INVARIANT(result);
           return result;
 }  }
Removed from v.1.175.2.3  
changed lines
  Added in v.1.267

E-mail: