[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 1.36 and 1.283

version 1.36, 2001/03/10 16:34:39 version 1.283, 2025/05/26 00:52:15
Line 1 Line 1
 /*  /** @file
         Parser          Parser: string class. @see untalength_t.C.
         Copyright (c) 2001 ArtLebedev Group (http://www.artlebedev.com)  
         Author: Alexander Petrosyan <paf@design.ru>  
   
         $Id$          Copyright (c) 2001-2024 Art. Lebedev Studio (http://www.artlebedev.com)
           Authors: Konstantin Morshnev <moko@design.ru>, Alexandr Petrosian <paf@design.ru>
 */  */
   
 #include <string.h>  
   
 #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_table.h"
   #include "pa_dictionary.h"
   #include "pa_charset.h"
   #include "pa_vregex.h"
   
 // String  volatile const char * IDENT_PA_STRING_C="$Id$" IDENT_PA_STRING_H;
   
 String::String(Pool& apool) :  const String String::Empty;
         Pooled(apool) {  
         last_chunk=&head;  #define COMPILE_ASSERT(x) extern int assert_checker[(x) ? 1 : -1]
         head.count=CR_PREALLOCATED_COUNT;  COMPILE_ASSERT(sizeof(String::Languages) == sizeof(CORD));
         append_here=head.rows;  
         head.preallocated_link=0;  // pa_atoui is based on Manuel Novoa III _strto_l for uClibc
         link_row=&head.rows[head.count];  
         fused_rows=fsize=0;  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;
 void String::expand() {  
         int new_chunk_count=last_chunk->count+last_chunk->count*CR_GROW_PERCENT/100;          while (isspace(*pos)) /* skip leading whitespace */
         last_chunk=static_cast<Chunk *>(                  ++pos;
                 malloc(sizeof(int)+sizeof(Chunk::Row)*new_chunk_count+sizeof(Chunk *)));  
         last_chunk->count=new_chunk_count;          if (base == 16 && *pos == '0') { /* handle option prefix */
         link_row->link=last_chunk;                  ++pos;
         append_here=last_chunk->rows;                  if (*pos == 'x' || *pos == 'X') {
         link_row=&last_chunk->rows[last_chunk->count];                          ++pos;
         link_row->link=0;                  }
 }          }
   
 String::String(const String& src) :          if (base == 0) { /* dynamic base */
         Pooled(src.pool()) {                  base = 10; /* default is 10 */
         head.count=CR_PREALLOCATED_COUNT;                  if (*pos == '0') {
                                   ++pos;
         int src_used_rows=src.used_rows();                          if (*pos == 'x' || *pos == 'X'){
         if(src_used_rows<=head.count) {                                  ++pos;
                 // all new rows fit into preallocated area                                  base=16;
                 int curr_chunk_rows=head.count;  
                 memcpy(head.rows, src.head.rows, sizeof(Chunk::Row)*src_used_rows);  
                 append_here=&head.rows[src_used_rows];  
                 link_row=&head.rows[curr_chunk_rows];  
         } else {  
                 // warning:   
                 //   heavily relies on the fact   
                 //   "preallocated area is the same for all strings"  
                 //  
                 // info:  
                 //   allocating only enough mem to fit src string rows  
                 //   next append would allocate a new chunk  
                 //  
                 // new rows don't fit into preallocated area: splitting into two chunks  
                 // preallocated chunk src to constructing head  
                 memcpy(head.rows, src.head.rows, sizeof(Chunk::Row)*head.count);  
                 // remaining rows into new_chunk  
                 int curr_chunk_rows=src_used_rows-head.count;  
                 Chunk *new_chunk=static_cast<Chunk *>(  
                         malloc(sizeof(int)+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;  
                 int rows_left_to_copy=new_chunk->count;  
                 while(true) {  
                         int 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;  
         fused_rows=src_used_rows;          if (base < 2 || base > 16) /* illegal base */
         fsize=src.fsize;                  throw Exception(PARSER_RUNTIME, 0, "base to must be an integer from 2 to 16");
           if (*pos == '-')
                   throw Exception("number.format", problem_source, problem_source ? "out of range (negative)" : "'%s' is out if range (negative)", str);
   
           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 an invalid number (int)", str);
   
           return result;
 }  }
   
 String& String::append(const String& src, Untaint_lang lang) {  unsigned int pa_atoui(const char *str, int base, const String* problem_source){
         int src_used_rows=src.used_rows();          if(!str)
         int dst_free_rows=link_row-append_here;                  return 0;
   
           return pa_ato_any<unsigned int>(str, base, problem_source, UINT_MAX);
   }
   
   uint64_t pa_atoul(const char *str, int base, const String* problem_source){
           if(!str)
                   return 0;
   
           return pa_ato_any<uint64_t>(str, base, problem_source, ULLONG_MAX);
   }
   
   int pa_atoi(const char* str, int base, const String* problem_source) {
           if(!str)
                   return 0;
   
           while(isspace(*str))
                   str++;
   
           if(!*str)
                   return 0;
   
           const char *str_copy=str;
           bool negative=false;
           if(str[0]=='-') {
                   negative=true;
                   str++;
                   if(!*str || isspace(*str))
                           throw Exception("number.format", problem_source, problem_source ? "invalid number (int)" : "'%s' is an invalid number (int)", str_copy);
           } else if(str[0]=='+') {
                   str++;
                   if(!*str || isspace(*str))
                           throw Exception("number.format", problem_source, problem_source ? "invalid number (int)" : "'%s' is an invalid number (int)", str_copy);
           }
   
           unsigned int result=pa_atoui(str, base, problem_source);
   
           if(negative && result <= ((unsigned int)(-(1+INT_MIN)))+1)
                   return -(int)result;
                   
         if(src_used_rows<=dst_free_rows) {          if(result<=INT_MAX)
                 // all new rows fit into last chunk                  return (int)result;
                 memcpy(append_here, src.head.rows, sizeof(Chunk::Row)*src_used_rows);  
                 set_lang(append_here, lang, src_used_rows);          throw Exception("number.format", problem_source, problem_source ? "out of range (int)" : "'%s' is out of range (int)", str_copy);
                 append_here+=src_used_rows;  }
         } else {  
                 // not all new rows fit into last chunk: shrinking it to used part,  double pa_atod(const char* str, const String* problem_source /* never null */) {
                 int used_rows=last_chunk->count-dst_free_rows;          if(!str)
                 //int *countp=append_here                  return 0;
                 link_row=&last_chunk->rows[last_chunk->count=used_rows];  
                 //   allocating only enough mem to fit src string rows          while(isspace(*str))
                 //   next append would allocate a new chunk                  str++;
                 last_chunk=static_cast<Chunk *>(  
                         malloc(sizeof(int)+sizeof(Chunk::Row)*src_used_rows+sizeof(Chunk *)));          if(!*str)
                 last_chunk->count=src_used_rows;                  return 0;
                 link_row->link=last_chunk;  
                 append_here=link_row=&last_chunk->rows[src_used_rows];          bool negative=false;
           if(str[0]=='-') {
                 const Chunk *old_chunk=&src.head;                   negative=true;
                 Chunk::Row *new_rows=last_chunk->rows;                  str++;
                 int rows_left_to_copy=src_used_rows;                  if(!*str || isspace(*str))
                 while(true) {                          throw Exception("number.format", problem_source, "invalid number (double)");
                         int old_count=old_chunk->count;          } else if(str[0]=='+') {
                         Chunk *next_chunk=old_chunk->rows[old_count].link;                  str++;
                         if(next_chunk) {                  if(!*str || isspace(*str))
                                 // not last source chunk                          throw Exception("number.format", problem_source, "invalid number (double)");
                                 // taking it all          }
                                 memcpy(new_rows, old_chunk->rows, sizeof(Chunk::Row)*old_count);  
                                 set_lang(new_rows, lang, old_count);          double result;
                                 new_rows+=old_count;          if(str[0]=='0') {
                                 rows_left_to_copy-=old_count;                  if(str[1]=='x' || str[1]=='X') {
                           // 0xABC
                                 old_chunk=next_chunk;                          result=(double)pa_atoul(str, 0, problem_source);
                         } else {                          return negative ? -result : result;
                                 // the last source chunk                  } else {
                                 // taking only those rows of chunk that _left_to_copy                           // skip leading 0000, to disable octal interpretation
                                 memcpy(new_rows, old_chunk->rows, sizeof(Chunk::Row)*rows_left_to_copy);                          do str++; while(*str=='0');
                                 set_lang(new_rows, lang, rows_left_to_copy);                  }
           }
   
           char *error_pos;
           result=strtod(str, &error_pos);
   
           while(const char c=*error_pos++)
                   if(!isspace(c))
                           throw Exception("number.format", problem_source, "invalid number (double)");
   
           return negative ? -result : result;
   }
   
   // cord lib extension
   
   #ifndef DOXYGEN
   typedef struct {
           ssize_t countdown;
           int target;     /* Character we're looking for  */
   } chr_data;
   #endif
   
   static int CORD_range_contains_chr_greater_then_proc(char c, size_t size, void* client_data)
   {
           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::uitoa(1+i), String::L_CLEAN);
                   }
           }
   };
   
   static Table &string_match_table_template(){
           static Table *singleton=NULL;
           if(!singleton)
                   singleton=new Table(new String_match_table_template_columns);
           return *singleton;
   }
   
   // String::Body methods
   
   String::Body String::Body::uitoa(size_t aindex) {
           static const size_t CACHE_SIZE=256;
           static String::Body cache[CACHE_SIZE];
           if (aindex < CACHE_SIZE)
                   return !cache[aindex] ? (cache[aindex]=Body(pa_uitoa(aindex))) : cache[aindex];
           else
                   return Body(pa_uitoa(aindex));
   }
   
   String::Body String::Body::trim(String::Trim_kind kind, const char* chars, size_t* out_start, size_t* out_length, Charset* source_charset) const {
           size_t our_length=length();
           if(!our_length)
                   return *this;
   
           // check if any UTF-8 in chars
           bool fast=true;
           if(chars && source_charset && source_charset->isUTF8()){
                   const char* pos=chars;
                   while(unsigned char c=*pos++)
                           if(c>127){
                                   fast=false;
                                 break;                                  break;
                         }                          }
           }
   
           size_t start=0;
           size_t end=our_length;
           if(!chars)
                   chars=" \t\r\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 String::Body(); // all chars are empty, just return empty string
                                   } else
                                           break;
   
                                   CORD_next(pos);
                           }
                   }
   
                   // from right..
                   if(kind!=TRIM_START) {
                           CORD_pos pos; set_pos(pos, end-1);
                           while(true) {
                                   char c=CORD_pos_fetch(pos);
                                   if(strchr(chars, c)) {
                                           if(--end==0) // optimization: NO need to check for 'end>=start', that's(<) impossible
                                                   return String::Body(); // 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 String::Body(); // 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 String::Body(); // all chars are empty, just return empty string
                                   } else
                                           break;
                           }
                 }                  }
                 link_row->link=0;  
         }          }
         fused_rows+=src_used_rows;  
         fsize+=src.fsize;  
   
         return *this;          if(start==0 && end==our_length) // nobody moved a thing
                   return *this;
   
           if(out_start)
                   *out_start=start;
           size_t new_length=end-start;
           if(out_length)
                   *out_length=new_length;
   
           return mid(start, new_length);
   }
   
   static int CORD_batched_iter_fn_generic_hash_code(char c, void * client_data) {
           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, (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;
   };
   
   // can be called only for IS_FUNCTION(CORD) which is used in String::Body::strrpbrk
   static int CORD_iter_fn_rpos(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;
   }
   
   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;
 }  }
 void String::set_lang(Chunk::Row *row, Untaint_lang lang, size_t size) {  
         if(lang==PASS_APPENDED)  
                 return;  
   
         while(size--) {  
                 Untaint_lang& item_lang=(row++)->item.lang;  // can be called only for IS_FUNCTION(CORD) which is used in String::Body::rskipchars
                 if(item_lang==YES) // tainted? need untaint language assignment  static int CORD_iter_fn_rskip(char c, CORD_pos_info* info) {
                         item_lang=lang;  // assign untaint language          if(info->pos < info->left) {
                   info->pos=STRING_NOT_FOUND;
                   return 1;
         }          }
           if(!strchr(info->chars, c))
                   return 1;
           --(info->pos);
           return 0;
   }
   
   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& String::real_append(STRING_APPEND_PARAMS) {  // String methods
         if(!src)  
   String& String::append_know_length(const char* str, size_t known_length, Language lang) {
           if(!known_length)
                   return *this;
   
           // first: langs
           langs.append(body, lang, known_length);
           // next: letters themselves
           body.append_know_length(str, known_length);
   
           ASSERT_STRING_INVARIANT(*this);
           return *this;
   }
   
   String& String::append_help_length(const char* str, size_t helper_length, Language lang) {
           if(!str)
                 return *this;                  return *this;
         if(!size)          size_t known_length=helper_length?helper_length:strlen(str);
                 size=strlen(src);          if(!known_length)
         if(!size)  
                 return *this;                  return *this;
   
         if(chunk_is_full())          return append_know_length(str, known_length, lang);
                 expand();  }
   
   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));
   }
   
         append_here->item.ptr=src;  String& String::append_strdup(const char* str, size_t helper_length, Language lang) {
         fsize+=append_here->item.size=size;          size_t known_length=helper_length?helper_length:strlen(str);
         append_here->item.lang=tainted?/*Untaint_lang::*/YES:Untaint_lang::NO;          if(!known_length)
 #ifndef NO_STRING_ORIGIN                  return *this;
         append_here->item.origin.file=file;  
         append_here->item.origin.line=line;          // first: langs
 #endif          langs.append(body, lang, known_length);
         append_here++; fused_rows++;          // next: letters themselves
           body.append_strdup_know_length(str, known_length);
   
           ASSERT_STRING_INVARIANT(*this);
         return *this;          return *this;
 }  }
   
 char *String::cstr() const {  struct CORD_length_info {
         char *result=static_cast<char *>(malloc(size()+1));          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;
   }
   
         char *copy_here=result;  // can be called only for IS_FUNCTION(CORD) which are used in large String::Body::mid
         const Chunk *chunk=&head;   int CORD_batched_len(const char c, CORD_length_info* info){
         do {          if (info->skip==0){
                 const Chunk::Row *row=chunk->rows;                  info->len++;
                 for(int i=0; i<chunk->count; i++) {                  info->skip = lengthUTF8Char(c)-1;
                         if(row==append_here)          } else {
                                 goto break2;                  info->skip--;
           }
                         switch(row->item.lang) {          return 0;
                         case NO:  }
                         case YES: // for VString.get_double of tainted values  
                         case AS_IS:   size_t String::length(Charset& charset) const {
                                 memcpy(copy_here, row->item.ptr, row->item.size);           if(charset.isUTF8()){
                                 break;                  CORD_length_info info = {0, 0};
                         case HTML_TYPO:                   body.for_each<CORD_length_info *>(CORD_batched_len, CORD_batched_len, &info);
                                 memset(copy_here, '?', row->item.size);                   return info.len;
                                 break;          } else
                         default:                  return body.length();
                                 THROW(0,0,  }
                                         this,  
                                         "unknown untaint language #%d of %d piece",   /// @todo check in doc: whether it documents NOW bad situation "abc".mid(-1, 3) =were?="ab"
                                                 static_cast<int>(row->item.lang),  String& String::mid(size_t substr_begin, size_t substr_end) const {
                                                 i);          String& result=*new String;
                         }  
                         copy_here+=row->item.size;          size_t self_length=length();
                         row++;          substr_begin=min(substr_begin, self_length);
                 }          substr_end=min(max(substr_end, substr_begin), self_length);
                 chunk=row->link;          size_t substr_length=substr_end-substr_begin;
         } while(chunk);          if(!substr_length)
 break2:                  return result;
         *copy_here=0;  
           // 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;
 }  }
   
 uint String::hash_code() const {  // from, to and helper_length in characters, not in bytes (it's important for utf-8)
         uint result=0;  String& String::mid(Charset& charset, size_t from, size_t to, size_t helper_length) const {
           String& result=*new String;
   
         const Chunk *chunk=&head;           size_t self_length=helper_length ? helper_length : length(charset);
         do {  
                 const Chunk::Row *row=chunk->rows;          if(!self_length)
                 for(int i=0; i<chunk->count; i++) {                  return result;
                         if(row==append_here)  
                                 goto break2;          from=min(min(to, from), self_length);
           to=min(max(to, from), self_length);
                         result=Hash::generic_code(result, row->item.ptr, row->item.size);  
                         row++;          size_t substr_length=to-from;
                 }  
                 chunk=row->link;          if(!substr_length)
         } while(chunk);                  return result;
 break2:  
           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;          return result;
 }  }
   
 int String::cmp(const String& src) const {  size_t String::pos(const String::Body substr, size_t this_offset, Language lang) const {
         const Chunk *a_chunk=&head;          size_t substr_length=substr.length();
         const Chunk *b_chunk=&src.head;  
         const Chunk::Row *a_row=a_chunk->rows;  
         const Chunk::Row *b_row=b_chunk->rows;  
         int a_offset=0;  
         int b_offset=0;  
         Chunk::Row *a_end=append_here;  
         Chunk::Row *b_end=src.append_here;  
         int a_countdown=a_chunk->count;  
         int b_countdown=b_chunk->count;  
         bool a_break=false;  
         bool b_break=false;  
         int result;  
         while(true) {          while(true) {
                 a_break=a_row==a_end;                  size_t substr_begin=body.pos(substr, this_offset);
                 b_break=b_row==b_end;                  
                 if(a_break || b_break)                  if(substr_begin==CORD_NOT_FOUND)
                         break;                          return STRING_NOT_FOUND;
   
                 int size_diff=                  if(langs.check_lang(lang, substr_begin, substr_length))
                         (a_row->item.size-a_offset)-                          return substr_begin;
                         (b_row->item.size-b_offset);  
                   this_offset=substr_begin+substr_length;
                 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;  
                         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;  
                         a_row++; a_countdown--; a_offset=0;  
                 }  
   
                 if(!a_countdown) {  
                         a_chunk=a_row->link;  
                         a_row=a_chunk->rows;  
                         a_countdown=a_chunk->count;  
                 }  
                 if(!b_countdown) {  
                         b_chunk=b_row->link;  
                         b_row=b_chunk->rows;  
                         b_countdown=b_chunk->count;  
                 }  
         }  
         if(a_break==b_break) // ended simultaneously  
                 result=0;  
         else if(a_break) // first bytes equal, but a ended before b  
                 result=-1;  
         else  
                 result=+1;  
         return result;  
 }  }
   
 bool String::operator == (char* b_ptr) const {  size_t String::pos(const String& substr, size_t this_offset, Language lang) const {
         size_t b_size=b_ptr?strlen(b_ptr):0;          return pos(substr.body, this_offset, lang);
         if(size() != b_size)  }
                 return false;  
   size_t String::pos(Charset& charset, const String& substr, 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) 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((pos_before=pos(String::Body(delim), pos_after, lang)) != STRING_NOT_FOUND) {
                           result+=&mid(pos_after, pos_before);
                           pos_after=pos_before+delim_length;
                   }
                   // last piece
                   if(pos_after<self_length)
                           result+=&mid(pos_after, self_length);
           } else { // empty delim
                   result+=this;
           }
   }
   
   void String::split(ArrayString& result, size_t pos_after, const String& delim, Language lang) const {
           if(is_empty())
                   return;
           if(!delim.is_empty()) {
                   size_t pos_before;
                   // while we have 'delim'...
                   while((pos_before=pos(delim, pos_after, lang))!=STRING_NOT_FOUND) {
                           result+=&mid(pos_after, pos_before);
                           pos_after=pos_before+delim.length();
                   }
                   // last piece
                   if(pos_after<length())
                           result+=&mid(pos_after, length());
           } else { // empty delim
                   result+=this;
           }
   }
   
   Table* String::match(VRegex* vregex, Row_action row_action, void *info, int& matches_count) const {
   
           // 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 Chunk *a_chunk=&head;          const char* subject=cstr();
         const Chunk::Row *a_row=a_chunk->rows;          size_t subject_length=length();
         int a_offset=0;          const int ovector_size=(1/*match*/+MAX_MATCH_GROUPS)*3; /* 1/3 is used as workspace by pcre_exec() */
         int b_offset=0;          int ovector[ovector_size];
         Chunk::Row *a_end=append_here;  
         int a_countdown=a_chunk->count;          Table::Action_options table_options;
         bool a_break=false;          Table& table=*new Table(string_match_table_template(), table_options);
         bool b_break=false;  
           int prestart=0;
           int poststart=0;
           int postfinish=length();
           int action_was_executed=-1;
         while(true) {          while(true) {
                 int size_diff=                  int exec_result=vregex->exec(subject, subject_length, ovector, ovector_size, prestart);
                         (a_row->item.size-a_offset)-  
                         (b_size-b_offset);  
   
                 if(size_diff==0) { // a has same size as b                  if(exec_result<0) // only PCRE_ERROR_NOMATCH might be here, other negative results cause an exception
                         if(memcmp(a_row->item.ptr+a_offset, b_ptr+b_offset, a_row->item.size-a_offset)!=0)                          break;
                                 return false;  
                         a_row++; a_countdown--; a_offset=0;                  int prefinish=ovector[0];
                         b_break=true;                  poststart=ovector[1];
                 } else if (size_diff>0) { // a longer  
                         if(memcmp(a_row->item.ptr+a_offset, b_ptr+b_offset, b_size-b_offset)!=0)                  if (prestart==poststart && action_was_executed==1){
                                 return false;                          prestart++;
                         a_offset+=b_size-b_offset;                          action_was_executed=0;
                         b_break=true;                          continue;
                 } else { // b longer  
                         if(memcmp(a_row->item.ptr+a_offset, b_ptr+b_offset, a_row->item.size-a_offset)!=0)  
                                 return false;  
                         b_offset+=a_row->item.size-a_offset;  
                         a_row++; a_countdown--; a_offset=0;  
                 }                  }
   
                 a_break=a_row==a_end;                  ArrayString* row=new ArrayString(3);
                 if(a_break || b_break)                  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 - !action_was_executed, prefinish, poststart, postfinish, info);
   
                   if(!global || (size_t)poststart>=subject_length) // last step, avoid prestart++ after last char
                           break;
   
                   prestart=poststart;
                   action_was_executed=1;
           }
   
           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;                          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];
   
                 if(!a_countdown) {                          *dest++=(char)c;
                         a_chunk=a_row->link;  
                         a_row=a_chunk->rows;  
                         a_countdown=a_chunk->count;  
                 }                  }
         }          }
         return a_break==b_break;          result.langs=langs;
           result.body=String::Body(new_cstr);
   
           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 {
           if(!dict.count() || is_empty())
                   return *this;
   
           String& result=*new String();
           const char* old_cstr=cstr();
           const char* prematch_begin=old_cstr;
   
           if(dict.count()==1) {
                   // optimized simple case
   
                   Dictionary::Subst subst=dict.get(0);
                   while(const char* p=strstr(prematch_begin, subst.from)) {
                           // prematch
                           if(size_t prematch_length=p-prematch_begin) {
                                   STRING_APPEND(result, prematch_begin, langs, prematch_begin-old_cstr, prematch_length)
                           }
   
                           // match
                           prematch_begin=p+subst.from_length;
   
                           if(const String* b=subst.to) // are there any b?
                                   result<<*b;
                   }
   
           } 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
           if(size_t postmatch_length=old_cstr+length()-prematch_begin) {
                   STRING_APPEND(result, prematch_begin, langs, prematch_begin-old_cstr, 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(String::C(cur, body_length));
           cur+=body_length+1;
           in_buf-=body_length+1;
   
           // 5: langs.count
           size_t fragments_count;
           if(in_buf<sizeof(fragments_count)) // langs.count don't fit?
                   return false;
           // [WARNING: not cast, addresses must be %4=0 on sparc]
           memcpy(&fragments_count, cur, sizeof(fragments_count));  cur+=sizeof(fragments_count);
           in_buf-=sizeof(fragments_count);
           
           if(fragments_count) {
                   // 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;
   }
   
   void String::Body::dump() const {
           CORD_dump(body);
   }
   
   const char* String::Languages::visualize() const {
           if(opt.is_not_just_lang)
                   return CORD_to_const_char_star(langs, 0);
           else
                   return 0;
   }
   
   void String::Languages::dump() const {
           if(opt.is_not_just_lang)
                   CORD_dump(langs);
           else
                   puts((const char*)&langs);
   }
   
   void String::dump() const {
           body.dump();
           langs.dump();
   }
   
   static char *n_chars(char c, size_t length){
           char *result=(char *)pa_malloc_atomic(length+1);
           memset(result, c, length);
           result[length] = '\0';
           return result;
   }
   
   char* String::visualize_langs() const {
           return is_not_just_lang() ? pa_strdup(langs.visualize()) : n_chars((char)just_lang(), length());
   }
   
   const String& String::trim(String::Trim_kind kind, const char* chars, Charset* source_charset) const {
           if(is_empty())
                   return *this;
   
           size_t substr_begin, substr_length;
           Body new_body=body.trim(kind, chars, &substr_begin, &substr_length, source_charset);
           if(new_body==body) // we received unchanged pointer, do likewise
                   return *this;
           // new_body differs from body, adjust langs along
   
           String& result=*new String;
           if(!new_body) // body.trim produced empty result
                   return result;
           // body.trim produced nonempty result
   
           // first: their langs
           result.langs.append(result.body, langs, substr_begin, substr_length);
           // next: letters themselves
           result.body=new_body;
   
           ASSERT_STRING_INVARIANT(result);
           return result;
 }  }
Removed from v.1.36  
changed lines
  Added in v.1.283

E-mail: