[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 1.226 and 1.240

version 1.226, 2009/05/15 06:57:50 version 1.240, 2012/03/16 09:24:14
Line 1 Line 1
 /** @file  /** @file
         Parser: string class. @see untalength_t.C.          Parser: string class. @see untalength_t.C.
   
         Copyright (c) 2001-2009 ArtLebedev Group (http://www.artlebedev.com)          Copyright (c) 2001-2012 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 "pa_string.h"  #include "pa_string.h"
 #include "pa_exception.h"  #include "pa_exception.h"
 #include "pa_table.h"  #include "pa_table.h"
Line 14  static const char * const IDENT_STRING_C Line 12  static const char * const IDENT_STRING_C
 #include "pa_charset.h"  #include "pa_charset.h"
 #include "pa_vregex.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) {  int pa_atoi(const char* str, const String* problem_source) {
Line 166  String::Body String::Body::Format(int va Line 166  String::Body String::Body::Format(int va
 }  }
   
 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) const {                                                                  size_t* out_start, size_t* out_length, Charset* source_charset) 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);                                  CORD_prev(pos);
                           }
                   }
           } else {
                   const XMLByte* src_begin=(const XMLByte*)cstr();
                   const XMLByte* src_end=src_begin+our_length;
   
                   // from left...
                   if(kind!=TRIM_END) {
                           while(src_begin<src_end){
                                   uint char_length=1;
                                   const XMLByte* ptr=src_begin;
                                   // searching first UTF-8 byte: http://tools.ietf.org/html/rfc3629#section-3
                                   while(++src_begin<=src_end && (*src_begin>127 && *src_begin<0xC0))
                                           char_length++;
   
                                   bool found=false;
                                   for(const char* chars_byte=chars; chars_byte=strchr(chars_byte, *ptr); chars_byte++)
                                           if(strncmp(chars_byte, (const char*)ptr, char_length)==0){
                                                   found=true;
                                                   break;
                                           }
   
                                   if(found){
                                           start+=char_length;
                                           if(start==our_length)
                                                   return 0; // all chars are empty, just return empty string
                                   } else
                                           break;
                           }
                   }
   
                   // from right..
                   if(kind!=TRIM_START) {
                           while(src_begin<src_end){
                                   uint char_length=1;
                                   // searching first UTF-8 byte: http://tools.ietf.org/html/rfc3629#section-3
                                   while(src_begin<=--src_end && (*src_end>127 && *src_end<0xC0))
                                           char_length++;
   
                                   bool found=false;
                                   for(const char* chars_byte=chars; chars_byte=strchr(chars_byte, *src_end); chars_byte++)
                                           if(strncmp(chars_byte, (const char*)src_end, char_length)==0){
                                                   found=true;
                                                   break;
                                           }
   
                                   if(found){
                                           end-=char_length;
                                           if(end==0)
                                                   return 0; // all chars are empty, just return empty string
                                   } else
                                           break;
                           }
                 }                  }
         }          }
   
Line 284  String& String::append_strdup(const char Line 351  String& String::append_strdup(const char
         return *this;          return *this;
 }  }
   
 int CORD_batched_len(const char* s, size_t* len){  struct CORD_length_info {
         (*len) += lengthUTF8( (const XMLByte *)s, (const XMLByte *)s+strlen(s));          size_t len;
         return 0;          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 only in Lang  // can be called only for IS_FUNCTION(CORD) which are used in large String::Body::mid
 int CORD_batched_len(const char, size_t *len){  int CORD_batched_len(const char c, CORD_length_info* info){
         (*len)++;          if (info->skip==0){
                   info->len++;
                   info->skip = lengthUTF8Char(c)-1;
           } else {
                   info->skip--;
           }
         return 0;          return 0;
 }  }
   
 size_t String::length(Charset& charset) const {  size_t String::length(Charset& charset) const {
         if(charset.isUTF8()){          if(charset.isUTF8()){
                 size_t len=0;                  CORD_length_info info = {0, 0};
                 body.for_each<size_t *>(CORD_batched_len, CORD_batched_len, &len);                  body.for_each<CORD_length_info *>(CORD_batched_len, CORD_batched_len, &info);
                 return len;                  return info.len;
         } else          } else
                 return body.length();                  return body.length();
 }  }
Line 342  String& String::mid(Charset& charset, si Line 418  String& String::mid(Charset& charset, si
                 return result;                  return result;
   
         if(charset.isUTF8()){          if(charset.isUTF8()){
                 const XMLByte* srcPtr=(const XMLByte*)cstrm();                  const XMLByte* src_begin=(const XMLByte*)cstr();
                 const XMLByte* srcEnd=srcPtr+body.length();                  const XMLByte* src_end=src_begin+body.length();
   
                 // convert 'from' and 'substr_length' from 'characters' to 'bytes'                  // convert 'from' and 'substr_length' from 'characters' to 'bytes'
                 from=getUTF8BytePos(srcPtr, srcEnd, from);                  from=getUTF8BytePos(src_begin, src_end, from);
                 substr_length=getUTF8BytePos(srcPtr+from, srcEnd, substr_length);                  substr_length=getUTF8BytePos(src_begin+from, src_end, substr_length);
                 if(!substr_length)                  if(!substr_length)
                         return result;                          return result;
         }          }
Line 384  size_t String::pos(const String& substr, Line 460  size_t String::pos(const String& substr,
 size_t String::pos(Charset& charset, const String& substr,   size_t String::pos(Charset& charset, const String& substr, 
                                 size_t this_offset, Language lang) const {                                  size_t this_offset, Language lang) const {
   
         size_t result;  
         if(charset.isUTF8()){          if(charset.isUTF8()){
                 const XMLByte* srcPtr=(const XMLByte*)cstrm();                  const XMLByte* srcPtr=(const XMLByte*)cstr();
                 const XMLByte* srcEnd=srcPtr+body.length();                  const XMLByte* srcEnd=srcPtr+body.length();
   
                 // convert 'this_offset' from 'characters' to 'bytes'                  // convert 'this_offset' from 'characters' to 'bytes'
                 this_offset=getUTF8BytePos(srcPtr, srcEnd, this_offset);                  this_offset=getUTF8BytePos(srcPtr, srcEnd, this_offset);
   
                 result=pos(substr.body, this_offset, lang);                  size_t result=pos(substr.body, this_offset, lang);
                 if(result==CORD_NOT_FOUND)                  return (result==CORD_NOT_FOUND)
                         return STRING_NOT_FOUND;                          ? STRING_NOT_FOUND
                           : getUTF8CharPos(srcPtr, srcEnd, result); // convert 'result' from 'bytes' to 'characters'
                 // convert 'result' from 'bytes' to 'characters'  
                 result=getUTF8CharPos(srcPtr, srcEnd, result);  
         } else {          } else {
                 result=pos(substr.body, this_offset, lang);                  size_t result=pos(substr.body, this_offset, lang);
                 if(result==CORD_NOT_FOUND)                  return (result==CORD_NOT_FOUND)
                         return STRING_NOT_FOUND;                          ? STRING_NOT_FOUND
                           : result;
         }          }
   
         return result;  
 }  }
   
 void String::split(ArrayString& result,   void String::split(ArrayString& result, 
                    size_t& pos_after,                      size_t& pos_after, 
                    const char* delim,                      const char* delim, 
                    Language lang, int limit) const {                     Language lang, int limit) 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;
Line 434  void String::split(ArrayString& result, Line 508  void String::split(ArrayString& result,
                    size_t& pos_after,                      size_t& pos_after, 
                    const String& delim, Language lang,                      const String& delim, Language lang, 
                    int limit) const {                     int limit) const {
           if(is_empty())
                   return;
         if(!delim.is_empty()) {          if(!delim.is_empty()) {
                 size_t pos_before;                  size_t pos_before;
                 // while we have 'delim'...                  // while we have 'delim'...
Line 462  Table* String::match(VRegex* vregex, Line 538  Table* String::match(VRegex* vregex,
         bool global=vregex->is_global_search();          bool global=vregex->is_global_search();
   
         const char* subject=cstr();          const char* subject=cstr();
         size_t subject_length=strlen(subject);          size_t subject_length=length();
         const int ovector_size=(1/*match*/+MAX_MATCH_GROUPS)*3;          const int ovector_size=(1/*match*/+MAX_MATCH_GROUPS)*3;
         int ovector[ovector_size];          int ovector[ovector_size];
   
Line 480  Table* String::match(VRegex* vregex, Line 556  Table* String::match(VRegex* vregex,
   
                 int prefinish=ovector[0];                  int prefinish=ovector[0];
                 poststart=ovector[1];                  poststart=ovector[1];
                 ArrayString* row=new ArrayString;  
                   if (prestart==poststart && subject[poststart]=='\n'){
                           prestart++;
                           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 493  Table* String::match(VRegex* vregex, Line 575  Table* String::match(VRegex* vregex,
                                   
                 for(int i=1; i<exec_result; 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
                 }                  }
                                   
                 matches_count++;                  matches_count++;
Line 573  const String& String::escape(Charset& so Line 655  const String& String::escape(Charset& so
         return Charset::escape(*this, source_charset);          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 675  bool String::deserialize(size_t prolog_s Line 786  bool String::deserialize(size_t prolog_s
         if(cur[body_length] != 0) // in place?          if(cur[body_length] != 0) // in place?
                 return false;                  return false;
         // 3: letters          // 3: letters
         body=String::Body(cur);          body=String::Body(*cur?cur:0);
   #ifdef STRING_LENGTH_CACHING
           body.set_length(body_length);
   #endif
         cur+=body_length+1;          cur+=body_length+1;
         in_buf-=body_length+1;          in_buf-=body_length+1;
   
Line 722  bool String::deserialize(size_t prolog_s Line 836  bool String::deserialize(size_t prolog_s
 }  }
   
 const char* String::Body::v() const {  const char* String::Body::v() const {
         return CORD_to_const_char_star(body);          return CORD_to_const_char_star(body, length());
 }  }
 void String::Body::dump() const {  void String::Body::dump() const {
         CORD_dump(body);          CORD_dump(body);
Line 730  void String::Body::dump() const { Line 844  void String::Body::dump() const {
   
 const char* String::Languages::v() const {  const char* String::Languages::v() 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 (const char*)&langs;
 }  }
Line 754  const char* String::v() const { Line 868  const char* String::v() const {
   
         return buf;          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 {  
   const String& String::trim(String::Trim_kind kind, const char* chars, Charset* source_charset) const {
         if(is_empty())          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.1.226  
changed lines
  Added in v.1.240

E-mail: