[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 1.61 and 1.237

version 1.61, 2001/04/03 08:23:08 version 1.237, 2011/05/05 23:45:45
Line 1 Line 1
 /** @file  /** @file
         Parser: string class. @see untasize_t.C.          Parser: string class. @see untalength_t.C.
   
         Copyright (c) 2001 ArtLebedev Group (http://www.artlebedev.com)          Copyright (c) 2001-2009 ArtLebedev Group (http://www.artlebedev.com)
           Author: Alexandr Petrosian <paf@design.ru> (http://paf.design.ru)
         Author: Alexander Petrosyan <paf@design.ru> (http://design.ru/paf)  
   
         $Id$  
 */  */
   
 #include "pa_config_includes.h"  static const char * const IDENT_STRING_C="$Date$";
   
 #include "pa_pool.h"  
 #include "pa_string.h"  #include "pa_string.h"
 #include "pa_hash.h"  
 #include "pa_exception.h"  #include "pa_exception.h"
 #include "pa_common.h"  
 #include "pa_array.h"  
 #include "pa_globals.h"  
 #include "pa_table.h"  #include "pa_table.h"
   #include "pa_dictionary.h"
   #include "pa_charset.h"
   #include "pa_vregex.h"
   
   const String String::Empty;
   
   int pa_atoi(const char* str, const String* problem_source) {
           if(!str)
                   return 0;
   
           while(*str && isspace((unsigned char)*str))
                   str++;
           if(!*str)
                   return 0;
   
           int result;
           char *error_pos;
           bool negative=false;
           if(str[0]=='-') {
                   negative=true;
                   str++;
           } else if(str[0]=='+') {
                   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++)
                   if(!isspace((unsigned char)c))
                           throw Exception("number.format",
                                   problem_source,
                                   problem_source?"invalid number (int)": "'%s' is invalid number (int)", str);
   
 //#include "pa_sapi.h"          return result;
   
 // String  
   
 String::String(Pool& apool, const char *src, bool tasize_ted) :  
         Pooled(apool) {  
         last_chunk=&head;  
         head.count=CR_PREALLOCATED_COUNT;  
         append_here=head.rows;  
         head.preallocated_link=0;  
         link_row=&head.rows[head.count];  
         fused_rows=fsize=0;  
   
         if(src)  
                 if(tasize_ted)  
                         APPEND_TAINTED(src, 0, 0, 0);  
                 else  
                         APPEND_CONST(src);  
 }  
   
 void String::expand() {  
         size_t new_chunk_count=last_chunk->count+last_chunk->count*CR_GROW_PERCENT/100;  
         last_chunk=static_cast<Chunk *>(  
                 malloc(sizeof(size_t)+sizeof(Chunk::Row)*new_chunk_count+sizeof(Chunk *)));  
         last_chunk->count=new_chunk_count;  
         link_row->link=last_chunk;  
         append_here=last_chunk->rows;  
         link_row=&last_chunk->rows[last_chunk->count];  
         link_row->link=0;  
 }  }
   
 String::String(const String& src) :     Pooled(src.pool()) {  double pa_atod(const char* str, const String* problem_source) {
         head.count=CR_PREALLOCATED_COUNT;          if(!str)
                           return 0;
         size_t src_used_rows=src.fused_rows;  
         if(src_used_rows<=head.count) {          while(*str && isspace((unsigned char)*str))
                 // all new rows fit size_to preallocated area                  str++;
                 size_t curr_chunk_rows=head.count;          if(!*str)
                 memcpy(head.rows, src.head.rows, sizeof(Chunk::Row)*src_used_rows);                  return 0;
                 append_here=&head.rows[src_used_rows];  
                 link_row=&head.rows[curr_chunk_rows];          double result;
         } else {          char *error_pos;
                 // warning:           bool negative=false;
                 //   heavily relies on the fact           if(str[0]=='-') {
                 //   "preallocated area is the same for all strings"                  negative=true;
                 //                  str++;
                 // info:          } else if(str[0]=='+') {
                 //   allocating only enough mem to fit src string rows                  str++;
                 //   next append would allocate a new chunk  
                 //  
                 // new rows don't fit size_to preallocated area: splitting size_to two chunks  
                 // preallocated chunk src to constructing head  
                 memcpy(head.rows, src.head.rows, sizeof(Chunk::Row)*head.count);  
                 // remaining rows size_to new_chunk  
                 size_t curr_chunk_rows=src_used_rows-head.count;  
                 Chunk *new_chunk=static_cast<Chunk *>(  
                         malloc(sizeof(size_t)+sizeof(Chunk::Row)*curr_chunk_rows+sizeof(Chunk *)));  
                 new_chunk->count=curr_chunk_rows;  
                 head.preallocated_link=new_chunk;  
                 append_here=link_row=&new_chunk->rows[new_chunk->count];  
   
                 Chunk *old_chunk=src.head.preallocated_link;   
                 Chunk::Row *new_rows=new_chunk->rows;  
                 size_t rows_left_to_copy=new_chunk->count;  
                 while(true) {  
                         size_t old_count=old_chunk->count;  
                         Chunk *next_chunk=old_chunk->rows[old_count].link;  
                         if(next_chunk) {  
                                 // not last source chunk  
                                 // taking it all  
                                 memcpy(new_rows, old_chunk->rows, sizeof(Chunk::Row)*old_count);  
                                 new_rows+=old_count;  
                                 rows_left_to_copy-=old_count;  
   
                                 old_chunk=next_chunk;  
                         } else {  
                                 // the last source chunk  
                                 // taking only those rows of chunk that _left_to_copy  
                                 memcpy(new_rows, old_chunk->rows, sizeof(Chunk::Row)*rows_left_to_copy);  
                                 break;  
                         }  
                 }  
         }          }
         link_row->link=0;          // 0xABC
         fused_rows=src_used_rows;          if(str[0]=='0')
         fsize=src.fsize;                  if(str[1]=='x' || str[1]=='X')
 }                          result=(double)(unsigned long)strtol(str, &error_pos, 0);
                   else {
 String& String::append(const String& src, Untaint_lang lang, bool forced) {                           // skip leading 0000, to disable octal interpretation
         const Chunk *chunk=&src.head;                           do str++; while(*str=='0');                             
         do {                          result=(double)strtod(str, &error_pos);
                 const Chunk::Row *row=chunk->rows;                  }
                 for(size_t i=0; i<chunk->count; i++, row++) {          else
                         if(row==src.append_here)                  result=(double)strtod(str, &error_pos);
                                 goto break2;          if(negative)
                                           result=-result;
                         APPEND(row->item.ptr, row->item.size,   
                                 (lang!=UL_PASS_APPENDED && (row->item.lang==UL_TAINTED || forced))?lang:row->item.lang,          while(char c=*error_pos++)
                                 row->item.origin.file, row->item.origin.line);                  if(!isspace((unsigned char)c))
                 }                          throw Exception("number.format",
                 chunk=row->link;                                  problem_source,
         } while(chunk);                                  problem_source?"invalid number (double)": "'%s' is invalid number (double)", str);
 break2:  
         return *this;  
 }  
   
 String& String::real_append(STRING_APPEND_PARAMS) {          return result;
         if(!src)  }
                 return *this;  
         if(!size)  
                 size=strlen(src);  
         if(!size)  
                 return *this;  
   
         if(chunk_is_full())  // cord lib extension
                 expand();  
   
         append_here->item.ptr=src;  #ifndef DOXYGEN
         fsize+=append_here->item.size=size;  typedef struct {
         append_here->item.lang=lang;      ssize_t countdown;
 #ifndef NO_STRING_ORIGIN      int target; /* Character we're looking for  */
         append_here->item.origin.file=file;  } chr_data;
         append_here->item.origin.line=line;  
 #endif  #endif
         append_here++; fused_rows++;  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;
       
       if (d -> countdown<=0) return(2);
       d -> countdown -= size;
       if (c > d -> target) return(1);
       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'*/);
   }
   
   static int CORD_block_count_proc(char /*c*/, size_t /*size*/, void* client_data)
   {
       int* result=(int*)client_data;
       (*result)++;
       return(0); // 0=continue
   }
   size_t CORD_block_count(CORD x)
   {
           size_t result=0;
           CORD_block_iter(x, 0, CORD_block_count_proc, &result);
       return result;
   }
   
   // helpers
   
   /// String::match uses this as replace & global search table columns
   
   const int MAX_MATCH_GROUPS=100;
   
   class String_match_table_template_columns: public ArrayString {
   public:
           String_match_table_template_columns() {
                   *this+=new String("prematch");
                   *this+=new String("match");
                   *this+=new String("postmatch");
                   for(int i=0; i<MAX_MATCH_GROUPS; i++) {
                           *this+=new String(String::Body::Format(1+i), String::L_CLEAN);
                   }
           }
   };
   
         return *this;  Table string_match_table_template(new String_match_table_template_columns);
 }  
   
 uint String::hash_code() const {  // String::Body methods
         uint result=0;  
   
         const Chunk *chunk=&head;   String::Body String::Body::Format(int value) {
         do {          char local[MAX_NUMBER];
                 const Chunk::Row *row=chunk->rows;          size_t length=snprintf(local, MAX_NUMBER, "%d", value);
                 for(size_t i=0; i<chunk->count; i++) {          return String::Body(pa_strdup(local, length));
                         if(row==append_here)  
                                 goto break2;  
   
                         result=Hash::generic_code(result, row->item.ptr, row->item.size);  
                         row++;  
                 }  
                 chunk=row->link;  
         } while(chunk);  
 break2:  
         return result;  
 }  }
   
 /// @todo move 'lang' skipping to pos  String::Body String::Body::trim(String::Trim_kind kind, const char* chars, 
 int String::cmp(int& partial, const String& src,                                                                   size_t* out_start, size_t* out_length, Charset* source_charset) const {
                                 size_t this_offset, Untaint_lang lang) const {          size_t our_length=length();
         partial=-1;          if(!our_length)
         this_offset=min(this_offset, size()-1);                  return *this;
   
         const Chunk *a_chunk=&head;  
         const Chunk *b_chunk=&src.head;  
         const Chunk::Row *a_row=a_chunk->rows;  
         const Chunk::Row *b_row=b_chunk->rows;  
         size_t a_offset=this_offset;  
         size_t b_offset=0;  
         Chunk::Row *a_end=append_here;  
         Chunk::Row *b_end=src.append_here;  
         size_t a_countdown=a_chunk->count;  
         size_t b_countdown=b_chunk->count;  
         bool a_break=false;  
         bool b_break=false;  
         size_t result;  
         size_t pos=0;   
         while(true) {  
                 a_break=a_row==a_end;  
                 b_break=b_row==b_end;  
                 if(a_break || b_break)  
                         break;  
   
                 if(pos+a_row->item.size > this_offset) {          // check if any UTF-8 in chars
                         if(lang!=UL_UNKNOWN && a_row->item.lang!=lang)           bool fast=true;
                                 return -1; // wrong lang -- bail out          if(chars && source_charset && source_charset->isUTF8()){
                   const char* pos=chars;
                         int size_diff=                  while(unsigned char c=*pos++)
                                 (a_row->item.size-a_offset)-                          if(c>127){
                                 (b_row->item.size-b_offset);                                  fast=false;
                                                           break;
                         if(size_diff==0) { // a has same size as b  
                                 result=memcmp(a_row->item.ptr+a_offset, b_row->item.ptr+b_offset,   
                                         a_row->item.size-a_offset);  
                                 if(result)  
                                         return result;  
                                 pos+=a_row->item.size;  
                                 a_row++; a_countdown--; a_offset=0;  
                                 b_row++; b_countdown--; b_offset=0;  
                         } else if (size_diff>0) { // a longer  
                                 result=memcmp(a_row->item.ptr+a_offset, b_row->item.ptr+b_offset,   
                                         b_row->item.size-b_offset);  
                                 if(result)  
                                         return result;  
                                 a_offset+=b_row->item.size-b_offset;  
                                 b_row++; b_countdown--; b_offset=0;  
                         } else { // b longer  
                                 result=memcmp(a_row->item.ptr+a_offset, b_row->item.ptr+b_offset,   
                                         a_row->item.size-a_offset);  
                                 if(result)  
                                         return result;  
                                 b_offset+=a_row->item.size-a_offset;  
                                 pos+=a_row->item.size;  
                                 a_row++; a_countdown--; a_offset=0;  
                         }                          }
                                   }
                         if(!b_countdown) {  
                                 b_chunk=b_row->link;          size_t start=0;
                                 b_row=b_chunk->rows;          size_t end=our_length;
                                 b_countdown=b_chunk->count;          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);
                         }                          }
                 } else {  
                         a_offset-=a_row->item.size;  
                         pos+=a_row->item.size;  
                         a_row++; a_countdown--;   
                 }                  }
   
                 if(!a_countdown) {                  // from right..
                         a_chunk=a_row->link;                  if(kind!=TRIM_START) {
                         a_row=a_chunk->rows;                          CORD_pos pos; set_pos(pos, end-1);
                         a_countdown=a_chunk->count;                          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);
                           }
                 }                  }
         }  
         if(a_break==b_break) { // ended simultaneously  
                 partial=0; return 0;  
         } else if(a_break) { // first bytes equal, but a ended before b  
                 partial=1; return -1;  
         } else {          } else {
                 partial=2; return +1;                  const XMLByte* src_begin=(const XMLByte*)cstr();
         }                  const XMLByte* src_end=src_begin+our_length;
 }  
   
 /// @todo move 'lang' skipping to pos  
 int String::cmp(int& partial, const char* b_ptr, size_t src_size,   
                                 size_t this_offset, Untaint_lang lang) const {  
         partial=-1;  
         size_t b_size=src_size?src_size:b_ptr?strlen(b_ptr):0;  
         this_offset=min(this_offset, size()-1);  
   
         const Chunk *a_chunk=&head;  
         const Chunk::Row *a_row=a_chunk->rows;  
         size_t a_offset=this_offset;  
         size_t b_offset=0;  
         Chunk::Row *a_end=append_here;  
         size_t a_countdown=a_chunk->count;  
         bool a_break=false;  
         bool b_break=false;  
         size_t pos=0;  
         while(true) {  
                 a_break=a_row==a_end;  
                 if(a_break || b_break)  
                         break;  
   
                 if(pos+a_row->item.size > this_offset) {                  // from left...
                         if(lang!=UL_UNKNOWN && a_row->item.lang!=lang)                   if(kind!=TRIM_END) {
                                 return -1; // wrong lang -- bail out                          while(src_begin<src_end){
                                   uint char_length=1;
                         int size_diff=                                  const XMLByte* ptr=src_begin;
                                 (a_row->item.size-a_offset)-                                  // searching first UTF-8 byte: http://tools.ietf.org/html/rfc3629#section-3
                                 (b_size-b_offset);                                  while(++src_begin<=src_end && (*src_begin>127 && *src_begin<0xC0))
                                                                   char_length++;
                         if(size_diff==0) { // a has same size as b  
                                 if(size_t result=memcmp(a_row->item.ptr+a_offset, b_ptr+b_offset,                                   bool found=false;
                                         a_row->item.size-a_offset)!=0)                                  for(const char* chars_byte=chars; chars_byte=strchr(chars_byte, *ptr); chars_byte++)
                                         return result;                                          if(strncmp(chars_byte, (const char*)ptr, char_length)==0){
                                 pos+=a_row->item.size;                                                  found=true;
                                 a_row++; a_countdown--; a_offset=0;                                                  break;
                                 b_break=true;                                          }
                         } else if (size_diff>0) { // a longer  
                                 if(size_t result=memcmp(a_row->item.ptr+a_offset, b_ptr+b_offset,                                   if(found){
                                         b_size-b_offset)!=0)                                          start+=char_length;
                                         return result;                                          if(start==our_length)
                                 a_offset+=b_size-b_offset;                                                  return 0; // all chars are empty, just return empty string
                                 b_break=true;                                  } else
                         } else { // b longer                                          break;
                                 if(size_t result=memcmp(a_row->item.ptr+a_offset, b_ptr+b_offset,   
                                         a_row->item.size-a_offset)!=0)  
                                         return result;  
                                 b_offset+=a_row->item.size-a_offset;  
                                 pos+=a_row->item.size;  
                                 a_row++; a_countdown--; a_offset=0;  
                         }                          }
                 } else {  
                         a_offset-=a_row->item.size;   
                         pos+=a_row->item.size;  
                         a_row++; a_countdown--;   
                 }                  }
   
                 if(!a_countdown) {                  // from right..
                         a_chunk=a_row->link;                  if(kind!=TRIM_START) {
                         a_row=a_chunk->rows;                          while(src_begin<src_end){
                         a_countdown=a_chunk->count;                                  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(a_break==b_break) { // ended simultaneously  
                 partial=0; return 0;          if(start==0 && end==our_length) // nobody moved a thing
         } else if(a_break) { // first bytes equal, but a ended before b                  return *this;
                 partial=1; return -1;  
           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) {
           uint& result=*static_cast<uint*>(client_data);
           generic_hash_code(result, c);
           return 0;
   }
   static int CORD_batched_iter_fn_generic_hash_code(const char*  s, void * client_data) {
           uint& result=*static_cast<uint*>(client_data);
           generic_hash_code(result, s);
           return 0;
   };
   uint 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, body);
         } else {          } else {
                 partial=2; return +1;                  CORD_iter5(body, 0,
                           CORD_batched_iter_fn_generic_hash_code, 
                           CORD_batched_iter_fn_generic_hash_code, &hash_code);
         }          }
           return hash_code;
 }  }
   
 #ifndef NO_STRING_ORIGIN  // String methods
 const Origin& String::origin() const {   
         if(!fused_rows)  String& String::append_know_length(const char* str, size_t known_length, Language lang) {
                 THROW(0, 0,           if(!known_length)
                         0,                  return *this;
                         "String::origin() of empty string called");  
                   // first: langs
         // determining origin by last appended piece          langs.append(body, lang, known_length);
         // because first one frequently constant.           // next: letters themselves
         // ex: ^load[/file] "document_root" + "/file"          body.append_know_length(str, known_length);
         return append_here[-1].item.origin;   
           ASSERT_STRING_INVARIANT(*this);
           return *this;
 }  }
 #endif  String& String::append_help_length(const char* str, size_t helper_length, Language lang) {
           if(!str)
                   return *this;
           size_t known_length=helper_length?helper_length:strlen(str);
           if(!known_length)
                   return *this;
   
 String& String::piece(size_t start, size_t finish) const {          return append_know_length(str, known_length, lang);
         start=max(0, start);  }
         finish=min(size(), finish);  String::String(int value, char *format) : langs(L_CLEAN){
         if(start==finish)          char buf[MAX_NUMBER];
                 return *empty_string;          body.append_strdup_know_length(buf, snprintf(buf, MAX_NUMBER, format, value));
   }
         String& result=*NEW String(pool());  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 pos=0;          if(!known_length)
         const Chunk *chunk=&head;                   return *this;
         do {  
                 const Chunk::Row *row=chunk->rows;          // first: langs
                 for(size_t i=0; i<chunk->count; pos+=row->item.size, i++, row++) {          langs.append(body, lang, known_length);
                         if(row==append_here)          // next: letters themselves
                                 goto break2;          body.append_strdup_know_length(str, known_length);
   
                         size_t item_finish=pos+row->item.size;          ASSERT_STRING_INVARIANT(*this);
                         if(item_finish > start) { // started now or already?          return *this;
                                 bool started=result.size()==0; // started now?  }
                                 bool finished=finish <= item_finish; // finished now?  
                                 size_t offset=started?start-pos:0;  struct CORD_length_info {
                                 size_t size=finished?finish-pos:row->item.size;          size_t len;
                                 result.APPEND(          size_t skip;
                                         row->item.ptr+offset, size-offset,   };
                                         row->item.lang,  
                                         row->item.origin.file, row->item.origin.line);  int CORD_batched_len(const char* s, CORD_length_info* info){
                                 if(finished)          info->len += lengthUTF8( (const XMLByte *)s, (const XMLByte *)s+strlen(s));     return 0;
                                         goto break2;  }
                         }  
                 }  // can be called only for IS_FUNCTION(CORD) which are used in large String::Body::mid
                 chunk=row->link;  int CORD_batched_len(const char c, CORD_length_info* info){
         } while(chunk);          if (info->skip==0){
 break2:                  info->len++;
 //      SAPI::log(pool(), "piece of '%s' from %d to %d is '%s'",                  info->skip = lengthUTF8Char(c)-1;
                 //cstr(), start, finish, result.cstr());          } 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"
   String& String::mid(size_t substr_begin, size_t substr_end) const {
           String& result=*new String;
   
           size_t self_length=length();
           substr_begin=min(substr_begin, self_length);
           substr_end=min(max(substr_end, substr_begin), self_length);
           size_t substr_length=substr_end-substr_begin;
           if(!substr_length)
                   return result;
   
           // first: their langs
           result.langs.append(result.body, langs, substr_begin, substr_length);
           // next: letters themselves
           result.body=body.mid(substr_begin, substr_length);
   
           ASSERT_STRING_INVARIANT(result);
         return result;          return result;
 }  }
   
 int String::pos(const String& substr,   // from, to and helper_length in characters, not in bytes (it's important for utf-8)
                                 size_t result, Untaint_lang lang) const {  String& String::mid(Charset& charset, size_t from, size_t to, size_t helper_length) const {
         for(; result<size(); result++) {          String& result=*new String;
                 int partial; cmp(partial, substr, result, lang);  
                 if(          size_t self_length=(helper_length)?helper_length:length(charset);
                         partial==0 || // full match  
                         partial==2) // 'substr' starts 'this'+'result'          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;                          return result;
         }          }
           
         return -1;          // 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;
 }  }
   
 int String::pos(const char *substr, size_t substr_size,   size_t String::pos(const String::Body substr, size_t this_offset, Language lang) const {
                                 size_t result, Untaint_lang lang) const {          size_t substr_length=substr.length();
         for(; result<size(); result++) {          while(true) {
                 int partial; cmp(partial, substr, substr_size, result, lang);                  size_t substr_begin=body.pos(substr, this_offset);
                 if(                  
                         partial==0 || // full match                  if(substr_begin==CORD_NOT_FOUND)
                         partial==2) // 'substr' starts 'this'+'result'                          return STRING_NOT_FOUND;
                         return result;  
                   if(langs.check_lang(lang, substr_begin, substr_length))
                           return substr_begin;
   
                   this_offset=substr_begin+substr_length;
         }          }
           
         return -1;  
 }  }
   
 void String::split(Array& result,   size_t String::pos(const String& substr, 
                                    size_t* pos_after_ref,                                   size_t this_offset, Language lang) const {
                                    const char *delim, size_t delim_size,           return pos(substr.body, this_offset, lang);
                                    Untaint_lang lang, int limit) const {  }
         if(delim_size) {  
                 size_t pos_after=pos_after_ref?*pos_after_ref:0;  size_t String::pos(Charset& charset, const String& substr, 
                 int pos_before;                                  size_t this_offset, Language lang) const {
   
           if(charset.isUTF8()){
                   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, int limit) const {
           if(is_empty())
                   return;
           size_t self_length=length();
           if(size_t delim_length=strlen(delim)) {
                   size_t pos_before;
                 // while we have 'delim'...                  // while we have 'delim'...
                 for(; (pos_before=pos(delim, delim_size, pos_after, lang))>=0 && limit; limit--) {                  for(; (pos_before=pos(delim, pos_after, lang))!=STRING_NOT_FOUND && limit; limit--) {
                         result+=&piece(pos_after, pos_before);                          result+=&mid(pos_after, pos_before);
                         pos_after=pos_before+delim_size;                          pos_after=pos_before+delim_length;
                 }                  }
                 // last piece                  // last piece
                 if(pos_after<size() && limit) {                  if(pos_after<self_length && limit) {
                         result+=&piece(pos_after, size());                          result+=&mid(pos_after, self_length);
                         pos_after=size();                          pos_after=self_length;
                 }                  }
                 if(pos_after_ref)  
                         *pos_after_ref=pos_after;  
         } else { // empty delim          } else { // empty delim
                 result+=this;                  result+=this;
                 if(pos_after_ref)                  pos_after+=self_length;
                         *pos_after_ref+=size();  
         }          }
 }  }
   
 void String::split(Array& result,   void String::split(ArrayString& result, 
                                    size_t* pos_after_ref,                      size_t& pos_after, 
                                    const String& delim, Untaint_lang lang,                      const String& delim, Language lang, 
                                    int limit) const {                     int limit) const {
         if(delim.size()) {          if(is_empty())
                 size_t pos_after=pos_after_ref?*pos_after_ref:0;                  return;
                 int pos_before;          if(!delim.is_empty()) {
                   size_t pos_before;
                 // while we have 'delim'...                  // while we have 'delim'...
                 for(; (pos_before=pos(delim, pos_after, lang))>=0 && limit; limit--) {                  for(; (pos_before=pos(delim, pos_after, lang))!=STRING_NOT_FOUND && limit; limit--) {
                         result+=&piece(pos_after, pos_before);                          result+=&mid(pos_after, pos_before);
                         pos_after=pos_before+delim.size();                          pos_after=pos_before+delim.length();
                 }                  }
                 // last piece                  // last piece
                 if(pos_after<size() && limit) {                  if(pos_after<length() && limit) {
                         result+=&piece(pos_after, size());                          result+=&mid(pos_after, length());
                         pos_after=size();                          pos_after=length();
                 }                  }
                 if(pos_after_ref)  
                         *pos_after_ref=pos_after;  
         } else { // empty delim          } else { // empty delim
                 result+=this;                  result+=this;
                 if(pos_after_ref)                  pos_after+=length();
                         *pos_after_ref+=size();  
         }          }
 }  }
   
 Table& String::match(const String *aorigin,  Table* String::match(VRegex* vregex,
                                          const String& regexp, const String& options) const {                          Row_action row_action, void *info,
         Array *columns=0;                          int& matches_count) const { 
         Table& result=*NEW Table(pool(), aorigin, columns);  
           // vregex->info(); // I have no idea what does it for?
   
           bool need_pre_post_match=vregex->is_pre_post_match_needed();
           bool global=vregex->is_global_search();
   
           const char* subject=cstr();
           size_t subject_length=length();
           const int ovector_size=(1/*match*/+MAX_MATCH_GROUPS)*3;
           int ovector[ovector_size];
   
           Table::Action_options table_options;
           Table& table=*new Table(string_match_table_template, table_options);
   
           int prestart=0;
           int poststart=0;
           int postfinish=length();
           while(true) {
                   int exec_result=vregex->exec(subject, subject_length, ovector, ovector_size, prestart);
   
                   if(exec_result<0) // only PCRE_ERROR_NOMATCH might be here, other negative results cause an exception
                           break;
   
                   int prefinish=ovector[0];
                   poststart=ovector[1];
   
                   if (prestart==poststart && subject[poststart]=='\n'){
                           prestart++;
                           continue;
                   }
   
                   ArrayString* row=new ArrayString(3);
                   if(need_pre_post_match) {
                           *row+=&mid(0, prefinish); // .prematch column value
                           *row+=&mid(prefinish, poststart); // .match
                           *row+=&mid(poststart, postfinish); // .postmatch
                   } else {
                           *row+=&Empty; // .prematch column value
                           *row+=&Empty; // .match
                           *row+=&Empty; // .postmatch
                   }
                   
                   for(int i=1; i<exec_result; i++) {
                           // -1:-1 case handled peacefully by mid() itself
                           *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
                   }
                   
                   matches_count++;
                   row_action(table, row, prestart, prefinish, poststart, postfinish, info);
   
                   if(!global || prestart==poststart) // last step
                           break;
   
                   prestart=poststart;
           }
   
           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& result=*new String();
           if(is_empty())
                   return result;
   
           char* new_cstr=cstrm();
   
           if(source_charset.isUTF8()) {
                   size_t new_cstr_len=length();
                   switch(kind) {
                   case CC_UPPER:
                           change_case_UTF8((const XMLByte*)new_cstr, new_cstr_len, (XMLByte*)new_cstr, new_cstr_len, UTF8CaseToUpper);
                           break;
                   case CC_LOWER:
                           change_case_UTF8((const XMLByte*)new_cstr, new_cstr_len, (XMLByte*)new_cstr, new_cstr_len, UTF8CaseToLower);
                           break;
                   default:
                           assert(!"unknown change case kind");
                           break; // never
                   }       
                   
           } else {
                   const unsigned char *tables=source_charset.pcre_tables;
   
                   const unsigned char *a;
                   const unsigned char *b;
                   switch(kind) {
                   case CC_UPPER:
                           a=tables+lcc_offset;
                           b=tables+fcc_offset;
                           break;
                   case CC_LOWER:
                           a=tables+lcc_offset;
                           b=0;
                           break;
                   default:
                           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;
                   }
           }
           result.langs=langs;
           result.body=new_cstr;
   
           return result;
   }
   
   const String& String::escape(Charset& source_charset) const {
           if(is_empty())
                   return *this;
   
           return Charset::escape(*this, source_charset);
   }
   
   const String& String::replace(const Dictionary& dict) const {
           String& result=*new String();
           const char* old_cstr=cstr();
           const char* prematch_begin=old_cstr;
   
           const char* current=old_cstr;
           while(*current) {
                   if(Dictionary::Subst subst=dict.first_that_begins(current)) {
                           // prematch
                           if(size_t prematch_length=current-prematch_begin) {
                                   result.langs.append(result.body, langs, prematch_begin-old_cstr, prematch_length);
                                   result.body.append_strdup_know_length(prematch_begin, 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++; 
           }
   
           // postmatch
           if(size_t postmatch_length=current-prematch_begin) {
                   result.langs.append(result.body, langs, prematch_begin-old_cstr, postmatch_length);
                   result.body.append_strdup_know_length(prematch_begin, postmatch_length);
           }
   
           ASSERT_STRING_INVARIANT(result);
           return result;
   }
   
   static int serialize_body_char(char c, char** cur) {
           *((*cur)++)=c;
           return 0; // 0=continue
   };
   static int serialize_body_piece(const char* s, char** cur) {
           size_t length=strlen(s);
           memcpy(*cur, s, length);  *cur+=length;
           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 {
           size_t fragments_count=langs.count();
           size_t body_length=body.length();
           size_t buf_length=
                   prolog_length //1
                   +sizeof(size_t) //2
                   +body_length //3
                   +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);
   
           // 1: prolog
           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);
           // 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);
           // 6: lang info
           langs.for_each(body, serialize_lang_piece, &cur);
   
           return result;
   }
   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;
           in_buf-=prolog_size;
   
           // 1: prolog
           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(*cur?cur:0);
   #ifdef STRING_LENGTH_CACHING
           body.set_length(body_length);
   #endif
           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) {
                   // 6: lang info
                   size_t total_length=0;
                   for(size_t f=0; f<fragments_count; f++) {
                           char lang;
                           size_t fragment_length;
                           size_t piece_length=sizeof(lang)+sizeof(fragment_length);
                           if(in_buf<piece_length) // lang+length
                                   return false;
   
                           // lang
                           lang=*cur++;
                           // length [WARNING: not cast, addresses must be %4=0 on sparc]
                           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
                           langs.append(total_length, (String::Language)(uchar)lang, fragment_length);
                           total_length=combined_length;
                           in_buf-=piece_length;
                   }
   
                   if(total_length!=body_length) // length(all language fragments) vs length(letters)
                           return false;
           }
           if(in_buf!=0) // some strange extra bytes
                   return false;
   
           ASSERT_STRING_INVARIANT(*this);
           return true;
   }
   
   const char* String::Body::v() const {
           return CORD_to_const_char_star(body, length());
   }
   void String::Body::dump() const {
           CORD_dump(body);
   }
   
   const char* String::Languages::v() const {
           if(opt.is_not_just_lang)
                   return CORD_to_const_char_star(langs, 0);
           else
                   return (const char*)&langs;
   }
   void String::Languages::dump() const {
           if(opt.is_not_just_lang)
                   CORD_dump(langs);
           else
                   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 {
           body.dump();
           langs.dump();
   }
   
   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;          return result;
 }  }
Removed from v.1.61  
changed lines
  Added in v.1.237

E-mail: