Annotation of parser3/src/main/pa_string.C, revision 1.221

1.45      paf         1: /** @file
1.174     paf         2:        Parser: string class. @see untalength_t.C.
1.46      paf         3: 
1.219     misha       4:        Copyright (c) 2001-2009 ArtLebedev Group (http://www.artlebedev.com)
1.138     paf         5:        Author: Alexandr Petrosian <paf@design.ru> (http://paf.design.ru)
1.164     paf         6: */
1.46      paf         7: 
1.221   ! misha       8: static const char * const IDENT_STRING_C="$Date: 2009-04-15 07:44:25 $";
1.70      paf         9: 
1.12      paf        10: #include "pa_string.h"
1.22      paf        11: #include "pa_exception.h"
1.61      paf        12: #include "pa_table.h"
1.101     parser     13: #include "pa_dictionary.h"
1.132     paf        14: #include "pa_charset.h"
1.60      paf        15: 
1.215     misha      16: #include "pcre.h"
                     17: 
1.185     paf        18: const String String::Empty;
                     19: 
1.193     paf        20: int pa_atoi(const char* str, const String* problem_source) {
                     21:        if(!str)
                     22:                return 0;
                     23: 
1.199     paf        24:        while(*str && isspace((unsigned char)*str))
1.193     paf        25:                str++;
                     26:        if(!*str)
                     27:                return 0;
                     28: 
                     29:        int result;
                     30:        char *error_pos;
1.200     paf        31:        bool negative=false;
                     32:        if(str[0]=='-') {
                     33:                negative=true;
                     34:                str++;
                     35:        } else if(str[0]=='+') {
                     36:                str++;
                     37:        }
1.193     paf        38:        // 0xABC
                     39:        if(str[0]=='0')
                     40:                if(str[1]=='x' || str[1]=='X')
                     41:                        result=(int)(unsigned long)strtol(str, &error_pos, 0);
1.197     paf        42:                else {
                     43:                         // skip leading 0000, to disable octal interpretation
                     44:                        do str++; while(*str=='0');                             
                     45:                        result=(int)strtol(str, &error_pos, 0);
                     46:                }
1.193     paf        47:        else
                     48:                result=(int)strtol(str, &error_pos, 0);
1.200     paf        49:        if(negative)
                     50:                result=-result;
1.193     paf        51: 
                     52:        while(char c=*error_pos++)
1.199     paf        53:                if(!isspace((unsigned char)c))
1.193     paf        54:                        throw Exception("number.format",
                     55:                                problem_source,
                     56:                                problem_source?"invalid number (int)": "'%s' is invalid number (int)", str);
                     57: 
                     58:        return result;
                     59: }
                     60: 
                     61: double pa_atod(const char* str, const String* problem_source) {
                     62:        if(!str)
                     63:                return 0;
                     64: 
1.199     paf        65:        while(*str && isspace((unsigned char)*str))
1.193     paf        66:                str++;
                     67:        if(!*str)
                     68:                return 0;
                     69: 
                     70:        double result;
                     71:        char *error_pos;
1.200     paf        72:        bool negative=false;
                     73:        if(str[0]=='-') {
                     74:                negative=true;
                     75:                str++;
                     76:        } else if(str[0]=='+') {
                     77:                str++;
                     78:        }
1.193     paf        79:        // 0xABC
                     80:        if(str[0]=='0')
                     81:                if(str[1]=='x' || str[1]=='X')
                     82:                        result=(double)(unsigned long)strtol(str, &error_pos, 0);
1.200     paf        83:                else {
                     84:                         // skip leading 0000, to disable octal interpretation
                     85:                        do str++; while(*str=='0');                             
                     86:                        result=(double)strtod(str, &error_pos);
                     87:                }
1.193     paf        88:        else
                     89:                result=(double)strtod(str, &error_pos);
1.200     paf        90:        if(negative)
                     91:                result=-result;
1.193     paf        92: 
                     93:        while(char c=*error_pos++)
1.199     paf        94:                if(!isspace((unsigned char)c))
1.193     paf        95:                        throw Exception("number.format",
                     96:                                problem_source,
                     97:                                problem_source?"invalid number (double)": "'%s' is invalid number (double)", str);
                     98: 
                     99:        return result;
                    100: }
                    101: 
1.176     paf       102: // cord lib extension
                    103: 
                    104: #ifndef DOXYGEN
                    105: typedef struct {
                    106:     ssize_t countdown;
1.204     paf       107:     int target;        /* Character we're looking for  */
1.176     paf       108: } chr_data;
                    109: #endif
                    110: static int CORD_range_contains_chr_greater_then_proc(char c, size_t size, void* client_data)
                    111: {
                    112:     register chr_data * d = (chr_data *)client_data;
                    113:     
                    114:     if (d -> countdown<=0) return(2);
                    115:     d -> countdown -= size;
                    116:     if (c > d -> target) return(1);
                    117:     return(0);
                    118: }
                    119: int CORD_range_contains_chr_greater_then(CORD x, size_t i, size_t n, int c)
                    120: {
                    121:     chr_data d;
                    122: 
                    123:     d.countdown = n;
                    124:     d.target = c;
                    125:     return(CORD_block_iter(x, i, CORD_range_contains_chr_greater_then_proc, &d) == 1/*alternatives: 0 normally ended, 2=struck 'n'*/);
                    126: }
                    127: 
1.187     paf       128: static int CORD_block_count_proc(char /*c*/, size_t /*size*/, void* client_data)
1.178     paf       129: {
                    130:     int* result=(int*)client_data;
                    131:     (*result)++;
                    132:     return(0); // 0=continue
                    133: }
                    134: size_t CORD_block_count(CORD x)
                    135: {
                    136:        size_t result=0;
                    137:        CORD_block_iter(x, 0, CORD_block_count_proc, &result);
                    138:     return result;
                    139: }
                    140: 
1.174     paf       141: // helpers
1.139     paf       142: 
1.174     paf       143: /// String::match uses this as replace & global search table columns
1.139     paf       144: 
1.174     paf       145: const int MAX_MATCH_GROUPS=100;
1.139     paf       146: 
1.174     paf       147: class String_match_table_template_columns: public ArrayString {
                    148: public:
                    149:        String_match_table_template_columns() {
                    150:                *this+=new String("prematch");
                    151:                *this+=new String("match");
                    152:                *this+=new String("postmatch");
                    153:                for(int i=0; i<MAX_MATCH_GROUPS; i++) {
1.176     paf       154:                        *this+=new String(String::Body::Format(1+i), String::L_CLEAN);
1.174     paf       155:                }
                    156:        }
                    157: };
                    158: 
                    159: Table string_match_table_template(new String_match_table_template_columns);
                    160: 
1.176     paf       161: // String::Body methods
1.140     paf       162: 
1.176     paf       163: String::Body String::Body::Format(int value) {
1.174     paf       164:        char local[MAX_NUMBER];
                    165:        size_t length=snprintf(local, MAX_NUMBER, "%d", value);
1.176     paf       166:        return String::Body(pa_strdup(local, length), length);
1.120     paf       167: }
                    168: 
1.195     paf       169: String::Body String::Body::trim(String::Trim_kind kind, const char* chars, 
                    170:                                                                size_t* out_start, size_t* out_length) const {
                    171:        size_t our_length=length();
                    172:        if(!our_length)
                    173:                return *this;
                    174:        if(!chars)
                    175:                chars=" \t\n"; // white space
                    176: 
                    177:        size_t start=0;
                    178:        size_t end=our_length;
1.196     paf       179:        // from left...
                    180:        if(kind!=TRIM_END) {
1.195     paf       181:                CORD_pos pos; set_pos(pos, 0);
                    182:                while(true) {
                    183:                        char c=CORD_pos_fetch(pos);
                    184:                        if(strchr(chars, c)) {
                    185:                                if(++start==our_length)
                    186:                                        return 0; // all chars are empty, just return empty string
                    187:                        } else
                    188:                                break;                  
                    189: 
                    190:                        CORD_next(pos);
                    191:                }
                    192:        }
1.196     paf       193:        // from right..
                    194:        if(kind!=TRIM_START) {
                    195:                CORD_pos pos; set_pos(pos, end-1);
                    196:                while(true) {
                    197:                        char c=CORD_pos_fetch(pos);
                    198:                        if(strchr(chars, c)) {
                    199:                                if(--end==0) // optimization: NO need to check for 'end>=start', that's(<) impossible
                    200:                                        return 0; // all chars are empty, just return empty string
                    201:                        } else
                    202:                                break;                  
                    203: 
                    204:                        CORD_prev(pos);
                    205:                }
                    206:        }
1.195     paf       207: 
                    208:        if(start==0 && end==our_length) // nobody moved a thing
                    209:                return *this;
                    210: 
                    211:        if(out_start)
                    212:                *out_start=start;
                    213:        size_t new_length=end-start;
                    214:        if(out_length)
                    215:                *out_length=new_length;
                    216: 
                    217:        return mid(start, new_length);
                    218: }
                    219: 
1.174     paf       220: static int CORD_batched_iter_fn_generic_hash_code(char c, void * client_data) {
                    221:        uint& result=*static_cast<uint*>(client_data);
                    222:        generic_hash_code(result, c);
                    223:        return 0;
                    224: }
                    225: static int CORD_batched_iter_fn_generic_hash_code(const char*  s, void * client_data) {
                    226:        uint& result=*static_cast<uint*>(client_data);
                    227:        generic_hash_code(result, s);
                    228:        return 0;
                    229: };
1.176     paf       230: uint String::Body::hash_code() const {
1.174     paf       231:        uint result=0;
1.220     misha     232:        if (body && CORD_IS_STRING(body)){
                    233:                generic_hash_code(result, body);
                    234:        } else {
                    235:                CORD_iter5(body, 0,
                    236:                        CORD_batched_iter_fn_generic_hash_code, 
                    237:                        CORD_batched_iter_fn_generic_hash_code, &result);
                    238:        }
1.120     paf       239:        return result;
1.94      parser    240: }
                    241: 
1.174     paf       242: // String methods
                    243: 
                    244: String::String(const char* cstr, size_t helper_length, bool tainted): body(CORD_EMPTY) {
                    245:        append_help_length(cstr, helper_length, tainted?L_TAINTED:L_CLEAN);
1.115     paf       246: }
1.174     paf       247: String::String(const String::C cstr, bool tainted): body(CORD_EMPTY) {
                    248:        append_know_length(cstr.str, cstr.length, tainted?L_TAINTED:L_CLEAN);
1.5       paf       249: }
1.28      paf       250: 
1.174     paf       251: String& String::append_know_length(const char* str, size_t known_length, Language lang) {
                    252:        if(!known_length)
1.9       paf       253:                return *this;
1.122     paf       254: 
1.176     paf       255:        // first: langs
                    256:        langs.append(body, lang, known_length);
                    257:        // next: letters themselves
1.174     paf       258:        body.append_know_length(str, known_length);
1.1       paf       259: 
1.174     paf       260:        ASSERT_STRING_INVARIANT(*this);
1.1       paf       261:        return *this;
                    262: }
1.174     paf       263: String& String::append_help_length(const char* str, size_t helper_length, Language lang) {
                    264:        if(!str)
                    265:                return *this;
                    266:        size_t known_length=helper_length?helper_length:strlen(str);
                    267:        if(!known_length)
                    268:                return *this;
1.1       paf       269: 
1.174     paf       270:        return append_know_length(str, known_length, lang);
1.5       paf       271: }
1.174     paf       272: String& String::append_strdup(const char* str, size_t helper_length, Language lang) {
                    273:        size_t known_length=helper_length?helper_length:strlen(str);
                    274:        if(!known_length)
                    275:                return *this;
1.5       paf       276: 
1.176     paf       277:        // first: langs
                    278:        langs.append(body, lang, known_length);
                    279:        // next: letters themselves
1.174     paf       280:        body.append_strdup_know_length(str, known_length);
1.33      paf       281: 
1.174     paf       282:        ASSERT_STRING_INVARIANT(*this);
                    283:        return *this;
1.5       paf       284: }
1.46      paf       285: 
1.221   ! misha     286: int CORD_batched_len(const char* s, size_t* len){
        !           287:        (*len) += lengthUTF8( (const XMLByte *)s, (const XMLByte *)s+strlen(s));
        !           288:        return 0;
        !           289: }
        !           290: 
        !           291: // can be called only for IS_FUNCTION(CORD) which are used only in Lang
        !           292: int CORD_batched_len(const char, size_t *len){
        !           293:        (*len)++;
1.220     misha     294:        return 0;
                    295: }
                    296: 
1.210     misha     297: size_t String::length(Charset& charset) const {
                    298:        if(charset.isUTF8()){
1.220     misha     299:                size_t len=0;
1.221   ! misha     300:                body.for_each(CORD_batched_len, CORD_batched_len, &len);
1.220     misha     301:                return len;
1.210     misha     302:        } else
                    303:                return body.length();
                    304: }
                    305: 
1.174     paf       306: /// @todo check in doc: whether it documents NOW bad situation "abc".mid(-1, 3) =were?="ab"
                    307: String& String::mid(size_t substr_begin, size_t substr_end) const {
                    308:        String& result=*new String;
                    309: 
                    310:        size_t self_length=length();
                    311:        substr_begin=min(substr_begin, self_length);
                    312:        substr_end=min(max(substr_end, substr_begin), self_length);
1.176     paf       313:        size_t substr_length=substr_end-substr_begin;
                    314:        if(!substr_length)
1.107     parser    315:                return result;
1.53      paf       316: 
1.176     paf       317:        // first: their langs
                    318:        result.langs.append(result.body, langs, substr_begin, substr_length);
                    319:        // next: letters themselves
                    320:        result.body=body.mid(substr_begin, substr_length);
1.174     paf       321: 
                    322:        ASSERT_STRING_INVARIANT(result);
1.53      paf       323:        return result;
1.54      paf       324: }
                    325: 
1.211     misha     326: // from, to and helper_length in characters, not in bytes (it's important for utf-8)
                    327: String& String::mid(Charset& charset, size_t from, size_t to, size_t helper_length) const {
1.210     misha     328:        String& result=*new String;
                    329: 
1.211     misha     330:        size_t self_length=(helper_length)?helper_length:length(charset);
                    331: 
                    332:        if(!self_length)
                    333:                return result;
                    334: 
                    335:        from=min(min(to, from), self_length);
1.210     misha     336:        to=min(max(to, from), self_length);
1.211     misha     337: 
1.210     misha     338:        size_t substr_length=to-from;
1.211     misha     339: 
1.210     misha     340:        if(!substr_length)
                    341:                return result;
                    342: 
                    343:        if(charset.isUTF8()){
                    344:                const XMLByte* srcPtr=(const XMLByte*)cstrm();
1.211     misha     345:                const XMLByte* srcEnd=srcPtr+body.length();
1.210     misha     346: 
1.212     misha     347:                // convert 'from' and 'substr_length' from 'characters' to 'bytes'
1.210     misha     348:                from=getUTF8BytePos(srcPtr, srcEnd, from);
                    349:                substr_length=getUTF8BytePos(srcPtr+from, srcEnd, substr_length);
                    350:                if(!substr_length)
                    351:                        return result;
                    352:        }
                    353: 
                    354:        // first: their langs
                    355:        result.langs.append(result.body, langs, from, substr_length);
                    356:        // next: letters themselves
                    357:        result.body=body.mid(from, substr_length);
                    358: 
                    359:        ASSERT_STRING_INVARIANT(result);
                    360:        return result;
                    361: }
                    362: 
1.176     paf       363: size_t String::pos(const String::Body substr, size_t this_offset, Language lang) const {
1.183     paf       364:        size_t substr_length=substr.length();
                    365:        while(true) {
                    366:                size_t substr_begin=body.pos(substr, this_offset);
                    367:                
                    368:                if(substr_begin==CORD_NOT_FOUND)
                    369:                        return STRING_NOT_FOUND;
1.174     paf       370: 
1.183     paf       371:                if(langs.check_lang(lang, substr_begin, substr_length))
                    372:                        return substr_begin;
                    373: 
                    374:                this_offset=substr_begin+substr_length;
                    375:        }
1.58      paf       376: }
                    377: 
1.174     paf       378: size_t String::pos(const String& substr, 
                    379:                                size_t this_offset, Language lang) const {
                    380:        return pos(substr.body, this_offset, lang);
1.60      paf       381: }
                    382: 
1.210     misha     383: size_t String::pos(Charset& charset, const String& substr, 
                    384:                                size_t this_offset, Language lang) const {
                    385: 
1.212     misha     386:        size_t result;
1.210     misha     387:        if(charset.isUTF8()){
                    388:                const XMLByte* srcPtr=(const XMLByte*)cstrm();
1.212     misha     389:                const XMLByte* srcEnd=srcPtr+body.length();
                    390: 
                    391:                // convert 'this_offset' from 'characters' to 'bytes'
                    392:                this_offset=getUTF8BytePos(srcPtr, srcEnd, this_offset);
                    393: 
                    394:                result=pos(substr.body, this_offset, lang);
                    395:                if(result==CORD_NOT_FOUND)
                    396:                        return STRING_NOT_FOUND;
                    397: 
                    398:                // convert 'result' from 'bytes' to 'characters'
                    399:                result=getUTF8CharPos(srcPtr, srcEnd, result);
                    400:        } else {
                    401:                result=pos(substr.body, this_offset, lang);
                    402:                if(result==CORD_NOT_FOUND)
                    403:                        return STRING_NOT_FOUND;
1.210     misha     404:        }
                    405: 
                    406:        return result;
                    407: }
                    408: 
1.174     paf       409: void String::split(ArrayString& result, 
                    410:                   size_t& pos_after, 
                    411:                   const char* delim, 
                    412:                   Language lang, int limit) const {
                    413:        size_t self_length=length();
                    414:        if(size_t delim_length=strlen(delim)) {
1.186     paf       415:                size_t pos_before;
1.60      paf       416:                // while we have 'delim'...
1.174     paf       417:                for(; (pos_before=pos(delim, pos_after, lang))!=STRING_NOT_FOUND && limit; limit--) {
1.69      paf       418:                        result+=&mid(pos_after, pos_before);
1.174     paf       419:                        pos_after=pos_before+delim_length;
1.60      paf       420:                }
                    421:                // last piece
1.174     paf       422:                if(pos_after<self_length && limit) {
                    423:                        result+=&mid(pos_after, self_length);
                    424:                        pos_after=self_length;
1.60      paf       425:                }
                    426:        } else { // empty delim
                    427:                result+=this;
1.174     paf       428:                pos_after+=self_length;
1.60      paf       429:        }
                    430: }
                    431: 
1.174     paf       432: void String::split(ArrayString& result, 
                    433:                   size_t& pos_after, 
                    434:                   const String& delim, Language lang, 
                    435:                   int limit) const {
1.140     paf       436:        if(!delim.is_empty()) {
1.186     paf       437:                size_t pos_before;
1.60      paf       438:                // while we have 'delim'...
1.174     paf       439:                for(; (pos_before=pos(delim, pos_after, lang))!=STRING_NOT_FOUND && limit; limit--) {
1.69      paf       440:                        result+=&mid(pos_after, pos_before);
1.174     paf       441:                        pos_after=pos_before+delim.length();
1.60      paf       442:                }
                    443:                // last piece
1.174     paf       444:                if(pos_after<length() && limit) {
                    445:                        result+=&mid(pos_after, length());
                    446:                        pos_after=length();
1.60      paf       447:                }
                    448:        } else { // empty delim
                    449:                result+=this;
1.174     paf       450:                pos_after+=length();
1.60      paf       451:        }
1.61      paf       452: }
                    453: 
1.209     misha     454: enum Match_feature {
                    455:        MF_NEED_PRE_POST_MATCH = 0x01,
                    456:        MF_JUST_COUNT_MATCHES = 0x02
                    457: };
                    458: 
                    459: static void regex_options(const String* options, int* result, int* match_features){
1.63      paf       460:     struct Regex_option {
1.216     misha     461:                const char* key;
                    462:                const char* keyAlt;
1.209     misha     463:                int clear;
                    464:                int set;
1.63      paf       465:                int *result;
1.209     misha     466:                int flag;
1.63      paf       467:     } regex_option[]={
1.189     paf       468:                {"i", "I", 0, PCRE_CASELESS, result, 0}, // a=A
1.216     misha     469:                {"s", "S", 0, PCRE_DOTALL, result, 0}, // ^\n\n$ [default]
1.189     paf       470:                {"m", "M", PCRE_DOTALL, PCRE_MULTILINE, result, 0}, // ^aaa\n$^bbb\n$
1.216     misha     471:                {"x", 0, 0, PCRE_EXTENDED, result, 0}, // whitespace in regex ignored
                    472:                {"U", 0, 0, PCRE_UNGREEDY, result, 0}, // ungreedy patterns (greedy by default)
1.189     paf       473:                {"g", "G", 0, 1, result+1, 0}, // many rows
1.209     misha     474:                {"'", 0, 0, 0, 0, MF_NEED_PRE_POST_MATCH},
1.216     misha     475:                {"n", 0, 0, 0, 0, MF_JUST_COUNT_MATCHES},
1.189     paf       476:                {0, 0, 0, 0, 0, 0}
1.63      paf       477:     };
1.171     paf       478:        result[0]=PCRE_EXTRA | PCRE_DOTALL | PCRE_DOLLAR_ENDONLY;
1.63      paf       479:        result[1]=0;
                    480: 
1.174     paf       481:     if(options && !options->is_empty()) 
1.216     misha     482:                for(Regex_option *o=regex_option; o->key; o++) 
1.209     misha     483:                        if(
1.216     misha     484:                                options->pos(o->key)!=STRING_NOT_FOUND
                    485:                                || (o->keyAlt && options->pos(o->keyAlt)!=STRING_NOT_FOUND)
1.209     misha     486:                        ){
                    487:                                if(o->flag){
                    488:                                        (*match_features) |= o->flag;
                    489:                                } else {
1.154     paf       490:                                        *o->result &= ~o->clear;
                    491:                                        *o->result |= o->set;
                    492:                                }
1.63      paf       493:                        }
                    494: }
                    495: 
1.174     paf       496: Table* String::match(Charset& source_charset,
                    497:                     const String& regexp, 
                    498:                     const String* options,
                    499:                     Row_action row_action, void *info,
1.209     misha     500:                     int& matches_count) const { 
1.140     paf       501:        if(regexp.is_empty())
1.218     misha     502:                throw Exception(PARSER_RUNTIME,
1.174     paf       503:                        0,
1.73      paf       504:                        "regexp is empty");
1.154     paf       505: 
1.205     paf       506:        const char* pattern=regexp.cstr(String::L_UNSPECIFIED); // fix any tainted with L_REGEX
1.174     paf       507:        const char* errptr;
1.62      paf       508:        int erroffset;
1.209     misha     509:        int option_bits[2]={0};
                    510:        int match_features=0;
                    511:        regex_options(options, option_bits, &match_features);
                    512:        bool need_pre_post_match=(match_features & MF_NEED_PRE_POST_MATCH) != 0;
                    513:        bool just_count_matches=(match_features & MF_JUST_COUNT_MATCHES) != 0;
1.174     paf       514:        bool global=option_bits[1]!=0;
1.215     misha     515: 
1.219     misha     516:        if(source_charset.isUTF8()){
                    517:                // @todo (for UTF-8): check string & pattern and use PCRE_NO_UTF8_CHECK option 
                    518:                option_bits[0]|=PCRE_UTF8;
                    519:        }
1.215     misha     520: 
                    521:        pcre *code=pcre_compile(pattern, option_bits[0], 
1.62      paf       522:                &errptr, &erroffset,
1.174     paf       523:                source_charset.pcre_tables);
1.62      paf       524: 
1.67      paf       525:        if(!code)
1.218     misha     526:                throw Exception(PCRE_EXCEPTION_TYPE,
1.174     paf       527:                        &regexp.mid(erroffset, regexp.length()),
1.74      paf       528:                        "regular expression syntax error - %s", errptr);
1.62      paf       529:        
1.215     misha     530:        int subpatterns=pcre_info(code, 0, 0);
1.174     paf       531:        if(subpatterns<0) {
1.215     misha     532:                pcre_free(code);
1.218     misha     533:                throw Exception(PCRE_EXCEPTION_TYPE,
1.174     paf       534:                        &regexp,
1.76      paf       535:                        "pcre_info error (%d)", 
1.174     paf       536:                                subpatterns);
1.63      paf       537:        }
                    538: 
1.174     paf       539:        const char* subject=cstr();
                    540:        size_t subject_length=strlen(subject);
                    541:        const int oveclength=(1/*match*/+MAX_MATCH_GROUPS)*3;
                    542:        int ovector[oveclength];
1.155     paf       543: 
                    544:        // create table
1.173     paf       545:        Table::Action_options table_options;
1.174     paf       546:        Table& table=*new Table(string_match_table_template, table_options);
1.63      paf       547: 
1.64      paf       548:        int exec_option_bits=0;
1.154     paf       549:        int prestart=0;
                    550:        int poststart=0;
1.174     paf       551:        int postfinish=length();
1.63      paf       552:        while(true) {
1.215     misha     553:                int exec_substrings=pcre_exec(code, 0,
1.174     paf       554:                        subject, subject_length, prestart,
                    555:                        exec_option_bits, ovector, oveclength);
1.63      paf       556:                
                    557:                if(exec_substrings==PCRE_ERROR_NOMATCH) {
1.215     misha     558:                        pcre_free(code);
1.174     paf       559:                        row_action(table, 0/*last time, no raw*/, 0, 0, poststart, postfinish, info);
1.209     misha     560:                        return just_count_matches ? 0 : &table;
1.63      paf       561:                }
                    562: 
                    563:                if(exec_substrings<0) {
1.215     misha     564:                        pcre_free(code);
1.218     misha     565:                        throw Exception(PCRE_EXCEPTION_TYPE,
1.174     paf       566:                                &regexp,
1.217     misha     567:                                print_pcre_exec_error_text(exec_substrings),
1.63      paf       568:                                        exec_substrings);
                    569:                }
                    570: 
1.154     paf       571:                int prefinish=ovector[0];
                    572:                poststart=ovector[1];
1.174     paf       573:                ArrayString* row=new ArrayString;
                    574:                if(need_pre_post_match) {
                    575:                        *row+=&mid(0, prefinish); // .prematch column value
                    576:                        *row+=&mid(prefinish, poststart); // .match
                    577:                        *row+=&mid(poststart, postfinish); // .postmatch
                    578:                } else {
1.185     paf       579:                        *row+=&Empty; // .prematch column value
                    580:                        *row+=&Empty; // .match
                    581:                        *row+=&Empty; // .postmatch
1.174     paf       582:                }
1.63      paf       583:                
                    584:                for(int i=1; i<exec_substrings; i++) {
1.69      paf       585:                        // -1:-1 case handled peacefully by mid() itself
1.174     paf       586:                        *row+=&mid(ovector[i*2+0], ovector[i*2+1]); // .i column value
1.63      paf       587:                }
                    588:                
1.209     misha     589:                matches_count++;
1.174     paf       590:                row_action(table, row, prestart, prefinish, poststart, postfinish, info);
1.63      paf       591: 
1.219     misha     592:                if(!global || prestart==poststart) { // last step
1.215     misha     593:                        pcre_free(code);
1.174     paf       594:                        row_action(table, 0/*last time, no row*/, 0, 0, poststart, postfinish, info);
1.209     misha     595:                        return just_count_matches ? 0 : &table;
1.63      paf       596:                }
1.154     paf       597:                prestart=poststart;
1.63      paf       598: 
                    599: /*
                    600:                if(option_bits[0] & PCRE_MULTILINE)
1.64      paf       601:                        exec_option_bits|=PCRE_NOTBOL; // start of subject+startoffset not BOL
1.63      paf       602: */
                    603:        }
1.82      parser    604: }
                    605: 
1.174     paf       606: String& String::change_case(Charset& source_charset, Change_case_kind kind) const {
                    607:        String& result=*new String();
                    608:        if(is_empty())
                    609:                return result;
                    610: 
                    611:        char* new_cstr=cstrm();
1.216     misha     612: 
1.181     paf       613:        if(source_charset.isUTF8()) {
1.216     misha     614:                size_t new_cstr_len=length();
1.181     paf       615:                switch(kind) {
                    616:                case CC_UPPER:
1.192     paf       617:                        change_case_UTF8((const XMLByte*)new_cstr, new_cstr_len, (XMLByte*)new_cstr, new_cstr_len, UTF8CaseToUpper);
1.181     paf       618:                        break;
                    619:                case CC_LOWER:
1.192     paf       620:                        change_case_UTF8((const XMLByte*)new_cstr, new_cstr_len, (XMLByte*)new_cstr, new_cstr_len, UTF8CaseToLower);
1.181     paf       621:                        break;
                    622:                default:
                    623:                        assert(!"unknown change case kind");
                    624:                        break; // never
                    625:                }       
                    626:                
                    627:        } else {
                    628:                const unsigned char *tables=source_charset.pcre_tables;
1.82      parser    629: 
1.181     paf       630:                const unsigned char *a;
                    631:                const unsigned char *b;
                    632:                switch(kind) {
                    633:                case CC_UPPER:
                    634:                        a=tables+lcc_offset;
                    635:                        b=tables+fcc_offset;
                    636:                        break;
                    637:                case CC_LOWER:
                    638:                        a=tables+lcc_offset;
                    639:                        b=0;
                    640:                        break;
                    641:                default:
                    642:                        assert(!"unknown change case kind");
                    643:                        a=b=0; // calm, compiler
                    644:                        break; // never
                    645:                }       
                    646: 
1.192     paf       647:                char *dest=new_cstr;
1.181     paf       648:                unsigned char index;
1.190     paf       649:                for(const char* current=new_cstr; (index=(unsigned char)*current); current++) {
1.181     paf       650:                        unsigned char c=a[index];
                    651:                        if(b)
                    652:                                c=b[c];
                    653: 
                    654:                        *dest++=(char)c;
                    655:                }
1.174     paf       656:        }
1.176     paf       657:        result.langs=langs;
1.174     paf       658:        result.body=new_cstr;
1.89      parser    659: 
1.101     parser    660:        return result;
                    661: }
                    662: 
1.213     misha     663: const String& String::escape(Charset& source_charset) const {
                    664:        if(is_empty())
                    665:                return *this;
                    666: 
                    667:        return Charset::escape(*this, source_charset);
                    668: }
                    669: 
1.174     paf       670: const String& String::replace(const Dictionary& dict) const {
                    671:        String& result=*new String();
                    672:        const char* old_cstr=cstr();
                    673:        const char* prematch_begin=old_cstr;
                    674: 
                    675:        const char* current=old_cstr;
                    676:        while(*current) {
1.184     paf       677:                if(Dictionary::Subst subst=dict.first_that_begins(current)) {
1.174     paf       678:                        // prematch
                    679:                        if(size_t prematch_length=current-prematch_begin) {
1.179     paf       680:                                result.langs.append(result.body, langs, prematch_begin-old_cstr, prematch_length);
1.174     paf       681:                                result.body.append_strdup_know_length(prematch_begin, prematch_length);
1.101     parser    682:                        }
                    683: 
1.174     paf       684:                        // match
                    685:                        // skip 'a' in 'current'; move prematch_begin
1.184     paf       686:                        current+=subst.from_length; prematch_begin=current;
1.174     paf       687: 
1.184     paf       688:                        if(const String* b=subst.to) // are there any b?
1.174     paf       689:                                result<<*b;
                    690:                } else // simply advance
                    691:                        current++; 
                    692:        }
1.156     paf       693: 
1.174     paf       694:        // postmatch
                    695:        if(size_t postmatch_length=current-prematch_begin) {
1.179     paf       696:                result.langs.append(result.body, langs, prematch_begin-old_cstr, postmatch_length);
1.174     paf       697:                result.body.append_strdup_know_length(prematch_begin, postmatch_length);
                    698:        }
1.156     paf       699: 
1.174     paf       700:        ASSERT_STRING_INVARIANT(result);
1.82      parser    701:        return result;
1.61      paf       702: }
1.113     parser    703: 
1.180     paf       704: static int serialize_body_char(char c, char** cur) {
                    705:        *((*cur)++)=c;
                    706:        return 0; // 0=continue
                    707: };
1.174     paf       708: static int serialize_body_piece(const char* s, char** cur) {
                    709:        size_t length=strlen(s);
                    710:        memcpy(*cur, s, length);  *cur+=length;
1.178     paf       711:        return 0; // 0=continue
1.174     paf       712: };
1.178     paf       713: static int serialize_lang_piece(char alang, size_t asize, char** cur) {
                    714:        // lang
1.191     paf       715:        **cur=alang; (*cur)++;
                    716:        // length [WARNING: not cast, addresses must be %4=0 on sparc]
1.178     paf       717:        memcpy(*cur, &asize, sizeof(asize));  *cur+=sizeof(asize);
                    718: 
                    719:        return 0; // 0=continue
                    720: }
1.174     paf       721: String::Cm String::serialize(size_t prolog_length) const {
1.178     paf       722:        size_t fragments_count=langs.count();
1.202     paf       723:        size_t body_length=body.length();
1.174     paf       724:        size_t buf_length=
1.178     paf       725:                prolog_length //1
                    726:                +sizeof(size_t) //2
1.202     paf       727:                +body_length //3
                    728:                +1 // 4 for zero terminator used in deserialize
                    729:                +sizeof(size_t) //5
                    730:                +fragments_count*(sizeof(char)+sizeof(size_t)); //6
                    731: 
1.174     paf       732:        String::Cm result(new(PointerFreeGC) char[buf_length], buf_length);
                    733: 
                    734:        // 1: prolog
                    735:        char *cur=result.str+prolog_length;
1.202     paf       736:        // 2: chars.count [WARNING: not cast, addresses must be %4=0 on sparc]
                    737:        memcpy(cur, &body_length, sizeof(body_length));  cur+=sizeof(body_length);
                    738:        // 3: letters
                    739:        body.for_each(serialize_body_char, serialize_body_piece, &cur);
                    740:        // 4: zero terminator
                    741:        *cur++=0;
                    742:        // 5: langs.count [WARNING: not cast, addresses must be %4=0 on sparc]
1.174     paf       743:        memcpy(cur, &fragments_count, sizeof(fragments_count));  cur+=sizeof(fragments_count);
1.202     paf       744:        // 6: lang info
1.178     paf       745:        langs.for_each(body, serialize_lang_piece, &cur);
1.113     parser    746: 
1.174     paf       747:        return result;
1.113     parser    748: }
1.202     paf       749: bool String::deserialize(size_t prolog_size, void *buf, size_t buf_size) {
                    750:        size_t in_buf=buf_size;
                    751:        if(in_buf<=prolog_size)
1.148     paf       752:                return false;
1.202     paf       753:        in_buf-=prolog_size;
1.135     paf       754: 
1.174     paf       755:        // 1: prolog
1.202     paf       756:        const char* cur=(const char* )buf+prolog_size;
1.113     parser    757: 
1.207     paf       758:        // 2: chars.count
1.202     paf       759:        size_t body_length;
                    760:        if(in_buf<sizeof(body_length)) // body.length don't fit?
                    761:                return false;
                    762:        // [WARNING: not cast, addresses must be %4=0 on sparc]
                    763:        memcpy(&body_length, cur, sizeof(body_length));  cur+=sizeof(body_length);
                    764:        in_buf-=sizeof(body_length);
                    765: 
                    766:        if(in_buf<body_length+1) // letters+terminator don't fit?
                    767:                return false;
                    768:        // 4: zero terminator
                    769:        if(cur[body_length] != 0) // in place?
                    770:                return false;
                    771:        // 3: letters
                    772:        body=String::Body(cur, body_length);  
                    773:        cur+=body_length+1;
                    774:        in_buf-=body_length+1;
                    775: 
                    776:        // 5: langs.count
1.191     paf       777:        size_t fragments_count;
1.202     paf       778:        if(in_buf<sizeof(fragments_count)) // langs.count don't fit?
1.174     paf       779:                return false;
1.191     paf       780:        // [WARNING: not cast, addresses must be %4=0 on sparc]
                    781:        memcpy(&fragments_count, cur, sizeof(fragments_count));  cur+=sizeof(fragments_count);
1.202     paf       782:        in_buf-=sizeof(fragments_count);
1.174     paf       783:        
                    784:        if(fragments_count) {
1.202     paf       785:                // 6: lang info
1.174     paf       786:                size_t total_length=0;
                    787:                for(size_t f=0; f<fragments_count; f++) {
1.191     paf       788:                        char lang;
                    789:                        size_t fragment_length;
                    790:                        size_t piece_length=sizeof(lang)+sizeof(fragment_length);
1.202     paf       791:                        if(in_buf<piece_length) // lang+length
1.174     paf       792:                                return false;
                    793: 
1.191     paf       794:                        // lang
                    795:                        lang=*cur++;
                    796:                        // length [WARNING: not cast, addresses must be %4=0 on sparc]
                    797:                        memcpy(&fragment_length, cur, sizeof(fragment_length));  cur+=sizeof(fragment_length);
                    798: 
1.206     paf       799:                        size_t combined_length=total_length+fragment_length;
                    800:                        if(combined_length>body_length)
                    801:                                return false; // file curruption
1.191     paf       802:                        // uchar needed to prevent propagating 0x80 bit to upper bytes
                    803:                        langs.append(total_length, (String::Language)(uchar)lang, fragment_length);
1.206     paf       804:                        total_length=combined_length;
1.202     paf       805:                        in_buf-=piece_length;
1.174     paf       806:                }
1.128     paf       807: 
1.202     paf       808:                if(total_length!=body_length) // length(all language fragments) vs length(letters)
1.148     paf       809:                        return false;
1.174     paf       810:        }
1.202     paf       811:        if(in_buf!=0) // some strange extra bytes
                    812:                return false;
1.113     parser    813: 
1.174     paf       814:        ASSERT_STRING_INVARIANT(*this);
1.148     paf       815:        return true;
1.176     paf       816: }
                    817: 
                    818: const char* String::Body::v() const {
                    819:        return CORD_to_const_char_star(body);
                    820: }
1.201     paf       821: void String::Body::dump() const {
                    822:        CORD_dump(body);
                    823: }
                    824: 
1.176     paf       825: const char* String::Languages::v() const {
1.177     paf       826:        if(opt.is_not_just_lang)
1.176     paf       827:                return CORD_to_const_char_star(langs);
                    828:        else
                    829:                return (const char*)&langs;
                    830: }
1.201     paf       831: void String::Languages::dump() const {
                    832:        if(opt.is_not_just_lang)
                    833:                CORD_dump(langs);
                    834:        else
                    835:                puts((const char*)&langs);
                    836: }
1.176     paf       837: const char* String::v() const {
1.198     paf       838:        const uint LIMIT_VIEW=20;
1.176     paf       839:        char* buf=(char*)malloc(MAX_STRING);
                    840:        const char*body_view=body.v();
                    841:        const char*langs_view=langs.v();
                    842:        snprintf(buf, MAX_STRING, 
1.178     paf       843:                "%d:%.*s%s}   "
1.176     paf       844:                "{%d:%s",
1.178     paf       845:                langs.count(), LIMIT_VIEW, langs_view, strlen(langs_view)>LIMIT_VIEW?"...":"",
1.176     paf       846:                strlen(body_view), body_view
                    847:        );
                    848: 
                    849:        return buf;
1.113     parser    850: }
1.201     paf       851: void String::dump() const {
                    852:        body.dump();
                    853:        langs.dump();
                    854: }
1.195     paf       855: const String& String::trim(String::Trim_kind kind, const char* chars) const {
                    856:        if(!length())
                    857:                return *this;
                    858: 
                    859:        size_t substr_begin, substr_length;
                    860:        Body new_body=body.trim(kind, chars, &substr_begin, &substr_length);
                    861:        if(new_body==body) // we received unchanged pointer, do likewise
                    862:                return *this;
                    863:        // new_body differs from body, adjust langs along
                    864: 
                    865:        String& result=*new String;
                    866:        if(!new_body) // body.trim produced empty result
                    867:                return result;
                    868:        // body.trim produced nonempty result
                    869: 
                    870:        // first: their langs
                    871:        result.langs.append(result.body, langs, substr_begin, substr_length);
                    872:        // next: letters themselves
                    873:        result.body=new_body;
                    874: 
                    875:        ASSERT_STRING_INVARIANT(result);
                    876:        return result;
1.198     paf       877: }

E-mail: