[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 1.201 and 1.267

version 1.201, 2004/10/07 09:22:01 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) 2001-2004 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 * const 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;  const String String::Empty;
   
 int pa_atoi(const char* str, const String* problem_source) {  #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)          if(!str)
                 return 0;                  return 0;
   
         while(*str && isspace((unsigned char)*str))          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++;                  str++;
   
         if(!*str)          if(!*str)
                 return 0;                  return 0;
   
         int result;  
         char *error_pos;  
         bool negative=false;          bool negative=false;
         if(str[0]=='-') {          if(str[0]=='-') {
                 negative=true;                  negative=true;
Line 35  int pa_atoi(const char* str, const Strin Line 116  int pa_atoi(const char* str, const Strin
         } else if(str[0]=='+') {          } else if(str[0]=='+') {
                 str++;                  str++;
         }          }
         // 0xABC  
         if(str[0]=='0')  
                 if(str[1]=='x' || str[1]=='X')  
                         result=(int)(unsigned long)strtol(str, &error_pos, 0);  
                 else {  
                          // skip leading 0000, to disable octal interpretation  
                         do str++; while(*str=='0');                               
                         result=(int)strtol(str, &error_pos, 0);  
                 }  
         else  
                 result=(int)strtol(str, &error_pos, 0);  
         if(negative)  
                 result=-result;  
   
         while(char c=*error_pos++)          unsigned int result=pa_atoui(str, base, problem_source);
                 if(!isspace((unsigned char)c))  
                         throw Exception("number.format",  
                                 problem_source,  
                                 problem_source?"invalid number (int)": "'%s' is invalid number (int)", str);  
   
         return result;          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) {  double pa_atod(const char* str, const String* problem_source) {
         if(!str)          if(!str)
                 return 0;                  return 0;
   
         while(*str && isspace((unsigned char)*str))          while(isspace(*str))
                 str++;                  str++;
   
         if(!*str)          if(!*str)
                 return 0;                  return 0;
   
         double result;  
         char *error_pos;  
         bool negative=false;          bool negative=false;
         if(str[0]=='-') {          if(str[0]=='-') {
                 negative=true;                  negative=true;
Line 76  double pa_atod(const char* str, const St Line 145  double pa_atod(const char* str, const St
         } else if(str[0]=='+') {          } else if(str[0]=='+') {
                 str++;                  str++;
         }          }
         // 0xABC  
         if(str[0]=='0')          double result;
                 if(str[1]=='x' || str[1]=='X')          if(str[0]=='0') {
                         result=(double)(unsigned long)strtol(str, &error_pos, 0);                  if(str[1]=='x' || str[1]=='X') {
                 else {                          // 0xABC
                           result=(double)pa_atoul(str, 0, problem_source);
                           return negative ? -result : result;
                   } else {
                          // skip leading 0000, to disable octal interpretation                           // skip leading 0000, to disable octal interpretation
                         do str++; while(*str=='0');                                                       do str++; while(*str=='0');
                         result=(double)strtod(str, &error_pos);  
                 }                  }
         else          }
                 result=(double)strtod(str, &error_pos);  
         if(negative)          char *error_pos;
                 result=-result;          result=strtod(str, &error_pos);
   
         while(char c=*error_pos++)          while(char c=*error_pos++)
                 if(!isspace((unsigned char)c))                  if(!isspace((unsigned char)c))
                         throw Exception("number.format",                          throw Exception("number.format", problem_source, problem_source ? "invalid number (double)" : "'%s' is invalid number (double)", str);
                                 problem_source,  
                                 problem_source?"invalid number (double)": "'%s' is invalid number (double)", str);  
   
         return result;          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)  int CORD_range_contains_chr_greater_then(CORD x, size_t i, size_t n, int c)
 {  {
     chr_data d;          chr_data d;
   
     d.countdown = n;          d.countdown = n;
     d.target = c;          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'*/);          return(CORD_block_iter(x, i, CORD_range_contains_chr_greater_then_proc, &d) == 1/*alternatives: 0 normally ended, 2=struck 'n'*/);
 }  }
   
 static int CORD_block_count_proc(char /*c*/, size_t /*size*/, void* client_data)  static int CORD_block_count_proc(char /*c*/, size_t /*size*/, void* client_data)
 {  {
     int* result=(int*)client_data;          int* result=(int*)client_data;
     (*result)++;          (*result)++;
     return(0); // 0=continue          return(0); // 0=continue
 }  }
   
 size_t CORD_block_count(CORD x)  size_t CORD_block_count(CORD x)
 {  {
         size_t result=0;          size_t result=0;
         CORD_block_iter(x, 0, CORD_block_count_proc, &result);          CORD_block_iter(x, 0, CORD_block_count_proc, &result);
     return result;          return result;
 }  }
   
 // helpers  // helpers
Line 163  Table string_match_table_template(new St Line 235  Table string_match_table_template(new St
 String::Body String::Body::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 String::Body(pa_strdup(local, length), length);          return String::Body(pa_strdup(local, length));
 }  }
   
 String::Body String::Body::trim(String::Trim_kind kind, const char* chars,   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* out_start, size_t* out_length) const {  
         size_t our_length=length();          size_t our_length=length();
         if(!our_length)          if(!our_length)
                 return *this;                  return *this;
         if(!chars)  
                 chars=" \t\n"; // white space          // 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 start=0;
         size_t end=our_length;          size_t end=our_length;
         // from left...          if(!chars)
         if(kind!=TRIM_END) {                  chars=" \t\n"; // white space
                 CORD_pos pos; set_pos(pos, 0);  
                 while(true) {          if(fast){
                         char c=CORD_pos_fetch(pos);                  // from left...
                         if(strchr(chars, c)) {                  if(kind!=TRIM_END) {
                                 if(++start==our_length)                          CORD_pos pos; set_pos(pos, 0);
                                         return 0; // all chars are empty, just return empty string                          while(true) {
                         } else                                  char c=CORD_pos_fetch(pos);
                                 break;                                                    if(strchr(chars, c)) {
                                           if(++start==our_length)
                         CORD_next(pos);                                                  return 0; // all chars are empty, just return empty string
                 }                                  } else
         }                                          break;                  
         // from right..  
         if(kind!=TRIM_START) {                                  CORD_next(pos);
                 CORD_pos pos; set_pos(pos, end-1);                          }
                 while(true) {                  }
                         char c=CORD_pos_fetch(pos);  
                         if(strchr(chars, c)) {                  // from right..
                                 if(--end==0) // optimization: NO need to check for 'end>=start', that's(<) impossible                  if(kind!=TRIM_START) {
                                         return 0; // all chars are empty, just return empty string                          CORD_pos pos; set_pos(pos, end-1);
                         } else                          while(true) {
                                 break;                                                    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;
                           }
                   }
   
                         CORD_prev(pos);                  // 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;
                           }
                 }                  }
         }          }
   
Line 222  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 String::Body::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 256  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 265  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 279  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 299  String& String::mid(size_t substr_begin, Line 529  String& String::mid(size_t substr_begin,
         return result;          return result;
 }  }
   
   // from, to and helper_length in characters, not in bytes (it's important for utf-8)
   String& String::mid(Charset& charset, size_t from, size_t to, size_t helper_length) const {
           String& result=*new String;
   
           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;
   
           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::Body substr, size_t this_offset, Language lang) const {  size_t String::pos(const String::Body substr, size_t this_offset, Language lang) const {
         size_t substr_length=substr.length();          size_t substr_length=substr.length();
         while(true) {          while(true) {
Line 314  size_t String::pos(const String::Body su Line 581  size_t String::pos(const String::Body su
         }          }
 }  }
   
 size_t String::pos(const String& substr,   size_t String::pos(const String& substr, size_t this_offset, Language lang) const {
                                 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)) {
                 size_t 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()) {
                 size_t 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, 0}, // a=A  
                 {"s", "S", 0, PCRE_DOTALL, result, 0}, // \n\n$ [default]  
                 {"x", "U", 0, PCRE_EXTENDED, result, 0}, // whitespace in regex ignored  
                 {"m", "M", PCRE_DOTALL, PCRE_MULTILINE, result, 0}, // ^aaa\n$^bbb\n$  
                 {"g", "G", 0, 1, result+1, 0}, // many rows  
                 {"'", 0, 0, 0, 0, &need_pre_post_match},  
                 {0, 0, 0, 0, 0, 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
Line 479  Table* String::match(Charset& source_cha Line 688  Table* String::match(Charset& source_cha
                         *row+=&Empty; // .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 506  String& String::change_case(Charset& sou Line 713  String& String::change_case(Charset& sou
                 return result;                  return result;
   
         char* new_cstr=cstrm();          char* new_cstr=cstrm();
         size_t new_cstr_len=length();  
         if(source_charset.isUTF8()) {          if(source_charset.isUTF8()) {
                   size_t new_cstr_len=length();
                 switch(kind) {                  switch(kind) {
                 case CC_UPPER:                  case CC_UPPER:
                         change_case_UTF8((const XMLByte*)new_cstr, new_cstr_len, (XMLByte*)new_cstr, new_cstr_len, UTF8CaseToUpper);                          change_case_UTF8((const XMLByte*)new_cstr, new_cstr_len, (XMLByte*)new_cstr, new_cstr_len, UTF8CaseToUpper);
Line 556  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(Dictionary::Subst subst=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, prematch_length);                                  STRING_APPEND(result, prematch_begin, langs, prematch_begin-old_cstr, prematch_length)
                                 result.body.append_strdup_know_length(prematch_begin, prematch_length);  
                         }                          }
   
                         // match                          // match
                         // skip 'a' in 'current'; move prematch_begin                          prematch_begin=p+subst.from_length;
                         current+=subst.from_length; prematch_begin=current;  
   
                         if(const String* b=subst.to) // are there any b?                          if(const String* b=subst.to) // are there any b?
                                 result<<*b;                                  result<<*b;
                 } else // simply advance                  }
                         current++;   
           } else {
   
                   const char* current=old_cstr;
                   while(*current) {
                           if(Dictionary::Subst subst=dict.first_that_begins(current)) {
                                   // prematch
                                   if(size_t prematch_length=current-prematch_begin) {
                                           STRING_APPEND(result, prematch_begin, langs, prematch_begin-old_cstr, prematch_length)
                                   }
   
                                   // match
                                   // skip 'a' in 'current'; move prematch_begin
                                   current+=subst.from_length; prematch_begin=current;
   
                                   if(const String* b=subst.to) // are there any b?
                                           result<<*b;
                           } else // simply advance
                                   current++; 
                   }
   
         }          }
   
           if(prematch_begin==old_cstr) // not modified
                   return *this;
   
         // postmatch          // postmatch
         if(size_t postmatch_length=current-prematch_begin) {          if(size_t postmatch_length=old_cstr+length()-prematch_begin) {
                 result.langs.append(result.body, langs, prematch_begin-old_cstr, postmatch_length);                  STRING_APPEND(result, prematch_begin, langs, prematch_begin-old_cstr, postmatch_length)
                 result.body.append_strdup_know_length(prematch_begin, postmatch_length);  
         }          }
   
         ASSERT_STRING_INVARIANT(result);          ASSERT_STRING_INVARIANT(result);
Line 593  const String& String::replace(const Dict Line 837  const String& String::replace(const Dict
 static int serialize_body_char(char c, char** cur) {  static int serialize_body_char(char c, char** cur) {
         *((*cur)++)=c;          *((*cur)++)=c;
         return 0; // 0=continue          return 0; // 0=continue
 };  }
   
 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; // 0=continue          return 0; // 0=continue
 };  }
   
 static int serialize_lang_piece(char alang, size_t asize, char** cur) {  static int serialize_lang_piece(char alang, size_t asize, char** cur) {
         // lang          // lang
         **cur=alang; (*cur)++;          **cur=alang; (*cur)++;
Line 607  static int serialize_lang_piece(char ala Line 853  static int serialize_lang_piece(char ala
   
         return 0; // 0=continue          return 0; // 0=continue
 }  }
   
 String::Cm String::serialize(size_t prolog_length) const {  String::Cm String::serialize(size_t prolog_length) const {
         size_t fragments_count=langs.count();          size_t fragments_count=langs.count();
           size_t body_length=body.length();
         size_t buf_length=          size_t buf_length=
                 prolog_length //1                  prolog_length //1
                 +sizeof(size_t) //2                  +sizeof(size_t) //2
                 +fragments_count*(sizeof(char)+sizeof(size_t)) //3                  +body_length //3
                 +body.length() //4                  +1 // 4 for zero terminator used in deserialize
                 +1; // 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: langs.count [WARNING: not cast, addresses must be %4=0 on sparc]          // 2: chars.count [WARNING: not cast, addresses must be %4=0 on sparc]
           memcpy(cur, &body_length, sizeof(body_length));  cur+=sizeof(body_length);
           // 3: letters
           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);
         // 3: lang info          // 6: lang info
         langs.for_each(body, serialize_lang_piece, &cur);          langs.for_each(body, serialize_lang_piece, &cur);
         // 4: letters  
         body.for_each(serialize_body_char, serialize_body_piece, &cur);  
         // 5: zero terminator  
         *cur=0;  
   
         return result;          return result;
 }  }
 bool String::deserialize(size_t prolog_length, void *buf, size_t buf_length) {  
         if(buf_length<=prolog_length)  bool String::deserialize(size_t prolog_size, void *buf, size_t buf_size) {
           size_t in_buf=buf_size;
           if(in_buf<=prolog_size)
                 return false;                  return false;
         buf_length-=prolog_length;          in_buf-=prolog_size;
         buf_length-=1; // 5: zero terminator  
   
         // 1: prolog          // 1: prolog
         const char* cur=(const char* )buf+prolog_length;          const char* cur=(const char* )buf+prolog_size;
   
           // 2: chars.count
           size_t body_length;
           if(in_buf<sizeof(body_length)) // body.length don't fit?
                   return false;
           // [WARNING: not cast, addresses must be %4=0 on sparc]
           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;
   
         // 2: langs.count          // 5: langs.count
         size_t fragments_count;          size_t fragments_count;
         if(buf_length<sizeof(fragments_count)) // langs.count don't fit?          if(in_buf<sizeof(fragments_count)) // langs.count don't fit?
                 return false;                  return false;
         // [WARNING: not cast, addresses must be %4=0 on sparc]          // [WARNING: not cast, addresses must be %4=0 on sparc]
         memcpy(&fragments_count, cur, sizeof(fragments_count));  cur+=sizeof(fragments_count);          memcpy(&fragments_count, cur, sizeof(fragments_count));  cur+=sizeof(fragments_count);
         buf_length-=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++) {
                         char lang;                          char lang;
                         size_t fragment_length;                          size_t fragment_length;
                         size_t piece_length=sizeof(lang)+sizeof(fragment_length);                          size_t piece_length=sizeof(lang)+sizeof(fragment_length);
                         if(buf_length<piece_length) // lang+length                          if(in_buf<piece_length) // lang+length
                                 return false;                                  return false;
   
                         // lang                          // lang
Line 662  bool String::deserialize(size_t prolog_l Line 933  bool String::deserialize(size_t prolog_l
                         // length [WARNING: not cast, addresses must be %4=0 on sparc]                          // length [WARNING: not cast, addresses must be %4=0 on sparc]
                         memcpy(&fragment_length, cur, sizeof(fragment_length));  cur+=sizeof(fragment_length);                          memcpy(&fragment_length, cur, sizeof(fragment_length));  cur+=sizeof(fragment_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                          // uchar needed to prevent propagating 0x80 bit to upper bytes
                         langs.append(total_length, (String::Language)(uchar)lang, fragment_length);                          langs.append(total_length, (String::Language)(uchar)lang, fragment_length);
                         total_length+=fragment_length;                          total_length=combined_length;
                           in_buf-=piece_length;
                         buf_length-=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;
   
                 // serialize wrote extra zero byte there, we can rely on that  
                 body=String::Body(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;
 }  }
   
 const char* String::Body::v() const {  
         return CORD_to_const_char_star(body);  
 }  
 void String::Body::dump() const {  void String::Body::dump() const {
         CORD_dump(body);          CORD_dump(body);
 }  }
   
 const char* String::Languages::v() const {  const char* String::Languages::visualize() const {
         if(opt.is_not_just_lang)          if(opt.is_not_just_lang)
                 return CORD_to_const_char_star(langs);                  return CORD_to_const_char_star(langs, 0);
         else          else
                 return (const char*)&langs;                  return 0;
 }  }
   
 void String::Languages::dump() const {  void String::Languages::dump() const {
         if(opt.is_not_just_lang)          if(opt.is_not_just_lang)
                 CORD_dump(langs);                  CORD_dump(langs);
         else          else
                 puts((const char*)&langs);                  puts((const char*)&langs);
 }  }
 const char* String::v() const {  
         const uint LIMIT_VIEW=20;  
         char* buf=(char*)malloc(MAX_STRING);  
         const char*body_view=body.v();  
         const char*langs_view=langs.v();  
         snprintf(buf, MAX_STRING,   
                 "%d:%.*s%s}   "  
                 "{%d:%s",  
                 langs.count(), LIMIT_VIEW, langs_view, strlen(langs_view)>LIMIT_VIEW?"...":"",  
                 strlen(body_view), body_view  
         );  
   
         return buf;  
 }  
 void String::dump() const {  void String::dump() const {
         body.dump();          body.dump();
         langs.dump();          langs.dump();
 }  }
 const String& String::trim(String::Trim_kind kind, const char* chars) const {  
         if(!length())  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;                  return *this;
   
         size_t substr_begin, substr_length;          size_t substr_begin, substr_length;
         Body new_body=body.trim(kind, chars, &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          if(new_body==body) // we received unchanged pointer, do likewise
                 return *this;                  return *this;
         // new_body differs from body, adjust langs along          // new_body differs from body, adjust langs along
Removed from v.1.201  
changed lines
  Added in v.1.267

E-mail: