Annotation of parser3/src/main/pa_string.C, revision 1.230

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: 
1.230   ! misha       8: static const char * const IDENT_STRING_C="$Date: 2009-06-23 10:05:16 $";
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"
1.222     misha      15: #include "pa_vregex.h"
1.215     misha      16: 
1.185     paf        17: const String String::Empty;
                     18: 
1.193     paf        19: int pa_atoi(const char* str, const String* problem_source) {
                     20:        if(!str)
                     21:                return 0;
                     22: 
1.199     paf        23:        while(*str && isspace((unsigned char)*str))
1.193     paf        24:                str++;
                     25:        if(!*str)
                     26:                return 0;
                     27: 
                     28:        int result;
                     29:        char *error_pos;
1.200     paf        30:        bool negative=false;
                     31:        if(str[0]=='-') {
                     32:                negative=true;
                     33:                str++;
                     34:        } else if(str[0]=='+') {
                     35:                str++;
                     36:        }
1.193     paf        37:        // 0xABC
                     38:        if(str[0]=='0')
                     39:                if(str[1]=='x' || str[1]=='X')
                     40:                        result=(int)(unsigned long)strtol(str, &error_pos, 0);
1.197     paf        41:                else {
                     42:                         // skip leading 0000, to disable octal interpretation
                     43:                        do str++; while(*str=='0');                             
                     44:                        result=(int)strtol(str, &error_pos, 0);
                     45:                }
1.193     paf        46:        else
                     47:                result=(int)strtol(str, &error_pos, 0);
1.200     paf        48:        if(negative)
                     49:                result=-result;
1.193     paf        50: 
                     51:        while(char c=*error_pos++)
1.199     paf        52:                if(!isspace((unsigned char)c))
1.193     paf        53:                        throw Exception("number.format",
                     54:                                problem_source,
                     55:                                problem_source?"invalid number (int)": "'%s' is invalid number (int)", str);
                     56: 
                     57:        return result;
                     58: }
                     59: 
                     60: double pa_atod(const char* str, const String* problem_source) {
                     61:        if(!str)
                     62:                return 0;
                     63: 
1.199     paf        64:        while(*str && isspace((unsigned char)*str))
1.193     paf        65:                str++;
                     66:        if(!*str)
                     67:                return 0;
                     68: 
                     69:        double result;
                     70:        char *error_pos;
1.200     paf        71:        bool negative=false;
                     72:        if(str[0]=='-') {
                     73:                negative=true;
                     74:                str++;
                     75:        } else if(str[0]=='+') {
                     76:                str++;
                     77:        }
1.193     paf        78:        // 0xABC
                     79:        if(str[0]=='0')
                     80:                if(str[1]=='x' || str[1]=='X')
                     81:                        result=(double)(unsigned long)strtol(str, &error_pos, 0);
1.200     paf        82:                else {
                     83:                         // skip leading 0000, to disable octal interpretation
                     84:                        do str++; while(*str=='0');                             
                     85:                        result=(double)strtod(str, &error_pos);
                     86:                }
1.193     paf        87:        else
                     88:                result=(double)strtod(str, &error_pos);
1.200     paf        89:        if(negative)
                     90:                result=-result;
1.193     paf        91: 
                     92:        while(char c=*error_pos++)
1.199     paf        93:                if(!isspace((unsigned char)c))
1.193     paf        94:                        throw Exception("number.format",
                     95:                                problem_source,
                     96:                                problem_source?"invalid number (double)": "'%s' is invalid number (double)", str);
                     97: 
                     98:        return result;
                     99: }
                    100: 
1.176     paf       101: // cord lib extension
                    102: 
                    103: #ifndef DOXYGEN
                    104: typedef struct {
                    105:     ssize_t countdown;
1.204     paf       106:     int target;        /* Character we're looking for  */
1.176     paf       107: } chr_data;
                    108: #endif
                    109: static int CORD_range_contains_chr_greater_then_proc(char c, size_t size, void* client_data)
                    110: {
                    111:     register chr_data * d = (chr_data *)client_data;
                    112:     
                    113:     if (d -> countdown<=0) return(2);
                    114:     d -> countdown -= size;
                    115:     if (c > d -> target) return(1);
                    116:     return(0);
                    117: }
                    118: int CORD_range_contains_chr_greater_then(CORD x, size_t i, size_t n, int c)
                    119: {
                    120:     chr_data d;
                    121: 
                    122:     d.countdown = n;
                    123:     d.target = c;
                    124:     return(CORD_block_iter(x, i, CORD_range_contains_chr_greater_then_proc, &d) == 1/*alternatives: 0 normally ended, 2=struck 'n'*/);
                    125: }
                    126: 
1.187     paf       127: static int CORD_block_count_proc(char /*c*/, size_t /*size*/, void* client_data)
1.178     paf       128: {
                    129:     int* result=(int*)client_data;
                    130:     (*result)++;
                    131:     return(0); // 0=continue
                    132: }
                    133: size_t CORD_block_count(CORD x)
                    134: {
                    135:        size_t result=0;
                    136:        CORD_block_iter(x, 0, CORD_block_count_proc, &result);
                    137:     return result;
                    138: }
                    139: 
1.174     paf       140: // helpers
1.139     paf       141: 
1.174     paf       142: /// String::match uses this as replace & global search table columns
1.139     paf       143: 
1.174     paf       144: const int MAX_MATCH_GROUPS=100;
1.139     paf       145: 
1.174     paf       146: class String_match_table_template_columns: public ArrayString {
                    147: public:
                    148:        String_match_table_template_columns() {
                    149:                *this+=new String("prematch");
                    150:                *this+=new String("match");
                    151:                *this+=new String("postmatch");
                    152:                for(int i=0; i<MAX_MATCH_GROUPS; i++) {
1.176     paf       153:                        *this+=new String(String::Body::Format(1+i), String::L_CLEAN);
1.174     paf       154:                }
                    155:        }
                    156: };
                    157: 
                    158: Table string_match_table_template(new String_match_table_template_columns);
                    159: 
1.176     paf       160: // String::Body methods
1.140     paf       161: 
1.176     paf       162: String::Body String::Body::Format(int value) {
1.174     paf       163:        char local[MAX_NUMBER];
                    164:        size_t length=snprintf(local, MAX_NUMBER, "%d", value);
1.224     misha     165:        return String::Body(pa_strdup(local, length));
1.120     paf       166: }
                    167: 
1.195     paf       168: String::Body String::Body::trim(String::Trim_kind kind, const char* chars, 
1.229     misha     169:                                                                size_t* out_start, size_t* out_length, Charset* source_charset) const {
1.195     paf       170:        size_t our_length=length();
                    171:        if(!our_length)
                    172:                return *this;
1.229     misha     173: 
                    174:        // check if any UTF-8 in chars
                    175:        bool fast=true;
                    176:        if(chars && source_charset && source_charset->isUTF8()){
                    177:                const char* pos=chars;
                    178:                while(unsigned char c=*pos++)
                    179:                        if(c>127){
                    180:                                fast=false;
                    181:                                break;
                    182:                        }
                    183:        }
                    184: 
                    185:        size_t start=0;
                    186:        size_t end=our_length;
1.195     paf       187:        if(!chars)
                    188:                chars=" \t\n"; // white space
                    189: 
1.229     misha     190:        if(fast){
                    191:                // from left...
                    192:                if(kind!=TRIM_END) {
                    193:                        CORD_pos pos; set_pos(pos, 0);
                    194:                        while(true) {
                    195:                                char c=CORD_pos_fetch(pos);
                    196:                                if(strchr(chars, c)) {
                    197:                                        if(++start==our_length)
                    198:                                                return 0; // all chars are empty, just return empty string
                    199:                                } else
                    200:                                        break;                  
                    201: 
                    202:                                CORD_next(pos);
                    203:                        }
                    204:                }
                    205: 
                    206:                // from right..
                    207:                if(kind!=TRIM_START) {
                    208:                        CORD_pos pos; set_pos(pos, end-1);
                    209:                        while(true) {
                    210:                                char c=CORD_pos_fetch(pos);
                    211:                                if(strchr(chars, c)) {
                    212:                                        if(--end==0) // optimization: NO need to check for 'end>=start', that's(<) impossible
                    213:                                                return 0; // all chars are empty, just return empty string
                    214:                                } else
                    215:                                        break;                  
                    216: 
                    217:                                CORD_prev(pos);
                    218:                        }
                    219:                }
                    220:        } else {
                    221:                const XMLByte* src_begin=(const XMLByte*)cstrm();
                    222:                const XMLByte* src_end=src_begin+our_length;
                    223: 
                    224:                // from left...
                    225:                if(kind!=TRIM_END) {
                    226:                        while(src_begin<src_end){
                    227:                                uint char_length=1;
                    228:                                const XMLByte* ptr=src_begin;
                    229:                                while(++src_begin<=src_end && (*src_begin>127 && *src_begin<0xC0)/* searching first UTF-8 byte */)
                    230:                                        char_length++;
                    231: 
                    232:                                bool found=false;
                    233:                                for(const char* chars_byte=chars; chars_byte=strchr(chars_byte, *ptr); chars_byte++)
                    234:                                        if(strncmp(chars_byte, (const char*)ptr, char_length)==0){
                    235:                                                found=true;
                    236:                                                break;
                    237:                                        }
                    238: 
                    239:                                if(found){
                    240:                                        start+=char_length;
                    241:                                        if(start==our_length)
                    242:                                                return 0; // all chars are empty, just return empty string
                    243:                                } else
                    244:                                        break;
                    245:                        }
                    246:                }
1.196     paf       247: 
1.229     misha     248:                // from right..
                    249:                if(kind!=TRIM_START) {
                    250:                        while(src_begin<src_end){
                    251:                                uint char_length=1;
                    252:                                while(src_begin<=--src_end && (*src_end>127 && *src_end<0xC0)/* searching first UTF-8 byte */)
                    253:                                        char_length++;
                    254: 
                    255:                                bool found=false;
                    256:                                for(const char* chars_byte=chars; chars_byte=strchr(chars_byte, *src_end); chars_byte++)
                    257:                                        if(strncmp(chars_byte, (const char*)src_end, char_length)==0){
                    258:                                                found=true;
                    259:                                                break;
                    260:                                        }
                    261: 
                    262:                                if(found){
                    263:                                        end-=char_length;
                    264:                                        if(end==0)
                    265:                                                return 0; // all chars are empty, just return empty string
                    266:                                } else
                    267:                                        break;
                    268:                        }
1.196     paf       269:                }
                    270:        }
1.195     paf       271: 
                    272:        if(start==0 && end==our_length) // nobody moved a thing
                    273:                return *this;
                    274: 
                    275:        if(out_start)
                    276:                *out_start=start;
                    277:        size_t new_length=end-start;
                    278:        if(out_length)
                    279:                *out_length=new_length;
                    280: 
                    281:        return mid(start, new_length);
                    282: }
                    283: 
1.174     paf       284: static int CORD_batched_iter_fn_generic_hash_code(char c, void * client_data) {
                    285:        uint& result=*static_cast<uint*>(client_data);
                    286:        generic_hash_code(result, c);
                    287:        return 0;
                    288: }
                    289: static int CORD_batched_iter_fn_generic_hash_code(const char*  s, void * client_data) {
                    290:        uint& result=*static_cast<uint*>(client_data);
                    291:        generic_hash_code(result, s);
                    292:        return 0;
                    293: };
1.225     misha     294: uint String::Body::get_hash_code() const {
                    295: #ifdef HASH_CODE_CACHING
                    296:        if(hash_code)
                    297:                return hash_code;
                    298: #else
                    299:        uint hash_code=0;
                    300: #endif
1.220     misha     301:        if (body && CORD_IS_STRING(body)){
1.225     misha     302:                generic_hash_code(hash_code, body);
1.220     misha     303:        } else {
                    304:                CORD_iter5(body, 0,
                    305:                        CORD_batched_iter_fn_generic_hash_code, 
1.225     misha     306:                        CORD_batched_iter_fn_generic_hash_code, &hash_code);
1.220     misha     307:        }
1.225     misha     308:        return hash_code;
1.94      parser    309: }
                    310: 
1.174     paf       311: // String methods
                    312: 
                    313: String& String::append_know_length(const char* str, size_t known_length, Language lang) {
                    314:        if(!known_length)
1.9       paf       315:                return *this;
1.122     paf       316: 
1.176     paf       317:        // first: langs
                    318:        langs.append(body, lang, known_length);
                    319:        // next: letters themselves
1.174     paf       320:        body.append_know_length(str, known_length);
1.1       paf       321: 
1.174     paf       322:        ASSERT_STRING_INVARIANT(*this);
1.1       paf       323:        return *this;
                    324: }
1.174     paf       325: String& String::append_help_length(const char* str, size_t helper_length, Language lang) {
                    326:        if(!str)
                    327:                return *this;
                    328:        size_t known_length=helper_length?helper_length:strlen(str);
                    329:        if(!known_length)
                    330:                return *this;
1.1       paf       331: 
1.174     paf       332:        return append_know_length(str, known_length, lang);
1.5       paf       333: }
1.226     misha     334: String::String(int value, char *format) : langs(L_CLEAN){
                    335:        char buf[MAX_NUMBER];
                    336:        body.append_strdup_know_length(buf, snprintf(buf, MAX_NUMBER, format, value));
                    337: }
1.174     paf       338: String& String::append_strdup(const char* str, size_t helper_length, Language lang) {
                    339:        size_t known_length=helper_length?helper_length:strlen(str);
                    340:        if(!known_length)
                    341:                return *this;
1.5       paf       342: 
1.176     paf       343:        // first: langs
                    344:        langs.append(body, lang, known_length);
                    345:        // next: letters themselves
1.174     paf       346:        body.append_strdup_know_length(str, known_length);
1.33      paf       347: 
1.174     paf       348:        ASSERT_STRING_INVARIANT(*this);
                    349:        return *this;
1.5       paf       350: }
1.46      paf       351: 
1.221     misha     352: int CORD_batched_len(const char* s, size_t* len){
                    353:        (*len) += lengthUTF8( (const XMLByte *)s, (const XMLByte *)s+strlen(s));
                    354:        return 0;
                    355: }
                    356: 
                    357: // can be called only for IS_FUNCTION(CORD) which are used only in Lang
                    358: int CORD_batched_len(const char, size_t *len){
                    359:        (*len)++;
1.220     misha     360:        return 0;
                    361: }
                    362: 
1.210     misha     363: size_t String::length(Charset& charset) const {
                    364:        if(charset.isUTF8()){
1.220     misha     365:                size_t len=0;
1.224     misha     366:                body.for_each<size_t *>(CORD_batched_len, CORD_batched_len, &len);
1.220     misha     367:                return len;
1.210     misha     368:        } else
                    369:                return body.length();
                    370: }
                    371: 
1.174     paf       372: /// @todo check in doc: whether it documents NOW bad situation "abc".mid(-1, 3) =were?="ab"
                    373: String& String::mid(size_t substr_begin, size_t substr_end) const {
                    374:        String& result=*new String;
                    375: 
                    376:        size_t self_length=length();
                    377:        substr_begin=min(substr_begin, self_length);
                    378:        substr_end=min(max(substr_end, substr_begin), self_length);
1.176     paf       379:        size_t substr_length=substr_end-substr_begin;
                    380:        if(!substr_length)
1.107     parser    381:                return result;
1.53      paf       382: 
1.176     paf       383:        // first: their langs
                    384:        result.langs.append(result.body, langs, substr_begin, substr_length);
                    385:        // next: letters themselves
                    386:        result.body=body.mid(substr_begin, substr_length);
1.174     paf       387: 
                    388:        ASSERT_STRING_INVARIANT(result);
1.53      paf       389:        return result;
1.54      paf       390: }
                    391: 
1.211     misha     392: // from, to and helper_length in characters, not in bytes (it's important for utf-8)
                    393: String& String::mid(Charset& charset, size_t from, size_t to, size_t helper_length) const {
1.210     misha     394:        String& result=*new String;
                    395: 
1.211     misha     396:        size_t self_length=(helper_length)?helper_length:length(charset);
                    397: 
                    398:        if(!self_length)
                    399:                return result;
                    400: 
                    401:        from=min(min(to, from), self_length);
1.210     misha     402:        to=min(max(to, from), self_length);
1.211     misha     403: 
1.210     misha     404:        size_t substr_length=to-from;
1.211     misha     405: 
1.210     misha     406:        if(!substr_length)
                    407:                return result;
                    408: 
                    409:        if(charset.isUTF8()){
1.230   ! misha     410:                const XMLByte* src_begin=(const XMLByte*)cstrm();
        !           411:                const XMLByte* src_end=src_begin+body.length();
1.210     misha     412: 
1.212     misha     413:                // convert 'from' and 'substr_length' from 'characters' to 'bytes'
1.230   ! misha     414:                from=getUTF8BytePos(src_begin, src_end, from);
        !           415:                substr_length=getUTF8BytePos(src_begin+from, src_end, substr_length);
1.210     misha     416:                if(!substr_length)
                    417:                        return result;
                    418:        }
                    419: 
                    420:        // first: their langs
                    421:        result.langs.append(result.body, langs, from, substr_length);
                    422:        // next: letters themselves
                    423:        result.body=body.mid(from, substr_length);
                    424: 
                    425:        ASSERT_STRING_INVARIANT(result);
                    426:        return result;
                    427: }
                    428: 
1.176     paf       429: size_t String::pos(const String::Body substr, size_t this_offset, Language lang) const {
1.183     paf       430:        size_t substr_length=substr.length();
                    431:        while(true) {
                    432:                size_t substr_begin=body.pos(substr, this_offset);
                    433:                
                    434:                if(substr_begin==CORD_NOT_FOUND)
                    435:                        return STRING_NOT_FOUND;
1.174     paf       436: 
1.183     paf       437:                if(langs.check_lang(lang, substr_begin, substr_length))
                    438:                        return substr_begin;
                    439: 
                    440:                this_offset=substr_begin+substr_length;
                    441:        }
1.58      paf       442: }
                    443: 
1.174     paf       444: size_t String::pos(const String& substr, 
                    445:                                size_t this_offset, Language lang) const {
                    446:        return pos(substr.body, this_offset, lang);
1.60      paf       447: }
                    448: 
1.210     misha     449: size_t String::pos(Charset& charset, const String& substr, 
                    450:                                size_t this_offset, Language lang) const {
                    451: 
                    452:        if(charset.isUTF8()){
                    453:                const XMLByte* srcPtr=(const XMLByte*)cstrm();
1.212     misha     454:                const XMLByte* srcEnd=srcPtr+body.length();
                    455: 
                    456:                // convert 'this_offset' from 'characters' to 'bytes'
                    457:                this_offset=getUTF8BytePos(srcPtr, srcEnd, this_offset);
                    458: 
1.229     misha     459:                size_t result=pos(substr.body, this_offset, lang);
                    460:                return (result==CORD_NOT_FOUND)
                    461:                        ? STRING_NOT_FOUND
                    462:                        : getUTF8CharPos(srcPtr, srcEnd, result); // convert 'result' from 'bytes' to 'characters'
1.212     misha     463:        } else {
1.229     misha     464:                size_t result=pos(substr.body, this_offset, lang);
                    465:                return (result==CORD_NOT_FOUND)
                    466:                        ? STRING_NOT_FOUND
                    467:                        : result;
1.210     misha     468:        }
                    469: }
                    470: 
1.174     paf       471: void String::split(ArrayString& result, 
                    472:                   size_t& pos_after, 
                    473:                   const char* delim, 
                    474:                   Language lang, int limit) const {
                    475:        size_t self_length=length();
                    476:        if(size_t delim_length=strlen(delim)) {
1.186     paf       477:                size_t pos_before;
1.60      paf       478:                // while we have 'delim'...
1.174     paf       479:                for(; (pos_before=pos(delim, pos_after, lang))!=STRING_NOT_FOUND && limit; limit--) {
1.69      paf       480:                        result+=&mid(pos_after, pos_before);
1.174     paf       481:                        pos_after=pos_before+delim_length;
1.60      paf       482:                }
                    483:                // last piece
1.174     paf       484:                if(pos_after<self_length && limit) {
                    485:                        result+=&mid(pos_after, self_length);
                    486:                        pos_after=self_length;
1.60      paf       487:                }
                    488:        } else { // empty delim
                    489:                result+=this;
1.174     paf       490:                pos_after+=self_length;
1.60      paf       491:        }
                    492: }
                    493: 
1.174     paf       494: void String::split(ArrayString& result, 
                    495:                   size_t& pos_after, 
                    496:                   const String& delim, Language lang, 
                    497:                   int limit) const {
1.140     paf       498:        if(!delim.is_empty()) {
1.186     paf       499:                size_t pos_before;
1.60      paf       500:                // while we have 'delim'...
1.174     paf       501:                for(; (pos_before=pos(delim, pos_after, lang))!=STRING_NOT_FOUND && limit; limit--) {
1.69      paf       502:                        result+=&mid(pos_after, pos_before);
1.174     paf       503:                        pos_after=pos_before+delim.length();
1.60      paf       504:                }
                    505:                // last piece
1.174     paf       506:                if(pos_after<length() && limit) {
                    507:                        result+=&mid(pos_after, length());
                    508:                        pos_after=length();
1.60      paf       509:                }
                    510:        } else { // empty delim
                    511:                result+=this;
1.174     paf       512:                pos_after+=length();
1.60      paf       513:        }
1.61      paf       514: }
                    515: 
1.222     misha     516: Table* String::match(VRegex* vregex,
                    517:                        Row_action row_action, void *info,
                    518:                        int& matches_count) const { 
1.209     misha     519: 
1.222     misha     520:        // vregex->info(); // I have no idea what does it for?
1.63      paf       521: 
1.222     misha     522:        bool need_pre_post_match=vregex->is_pre_post_match_needed();
                    523:        bool global=vregex->is_global_search();
1.63      paf       524: 
1.174     paf       525:        const char* subject=cstr();
                    526:        size_t subject_length=strlen(subject);
1.222     misha     527:        const int ovector_size=(1/*match*/+MAX_MATCH_GROUPS)*3;
                    528:        int ovector[ovector_size];
1.155     paf       529: 
1.173     paf       530:        Table::Action_options table_options;
1.174     paf       531:        Table& table=*new Table(string_match_table_template, table_options);
1.63      paf       532: 
1.154     paf       533:        int prestart=0;
                    534:        int poststart=0;
1.174     paf       535:        int postfinish=length();
1.63      paf       536:        while(true) {
1.222     misha     537:                int exec_result=vregex->exec(subject, subject_length, ovector, ovector_size, prestart);
1.63      paf       538: 
1.222     misha     539:                if(exec_result<0) // only PCRE_ERROR_NOMATCH might be here, other negative results cause an exception
                    540:                        break;
1.63      paf       541: 
1.154     paf       542:                int prefinish=ovector[0];
                    543:                poststart=ovector[1];
1.174     paf       544:                ArrayString* row=new ArrayString;
                    545:                if(need_pre_post_match) {
                    546:                        *row+=&mid(0, prefinish); // .prematch column value
                    547:                        *row+=&mid(prefinish, poststart); // .match
                    548:                        *row+=&mid(poststart, postfinish); // .postmatch
                    549:                } else {
1.185     paf       550:                        *row+=&Empty; // .prematch column value
                    551:                        *row+=&Empty; // .match
                    552:                        *row+=&Empty; // .postmatch
1.174     paf       553:                }
1.63      paf       554:                
1.222     misha     555:                for(int i=1; i<exec_result; i++) {
1.69      paf       556:                        // -1:-1 case handled peacefully by mid() itself
1.174     paf       557:                        *row+=&mid(ovector[i*2+0], ovector[i*2+1]); // .i column value
1.63      paf       558:                }
                    559:                
1.209     misha     560:                matches_count++;
1.174     paf       561:                row_action(table, row, prestart, prefinish, poststart, postfinish, info);
1.63      paf       562: 
1.222     misha     563:                if(!global || prestart==poststart) // last step
                    564:                        break;
                    565: 
1.154     paf       566:                prestart=poststart;
1.222     misha     567:        }
1.63      paf       568: 
1.222     misha     569:        row_action(table, 0/*last time, no raw*/, 0, 0, poststart, postfinish, info);
                    570:        return vregex->is_just_count() ? 0 : &table;
1.82      parser    571: }
                    572: 
1.174     paf       573: String& String::change_case(Charset& source_charset, Change_case_kind kind) const {
                    574:        String& result=*new String();
                    575:        if(is_empty())
                    576:                return result;
                    577: 
                    578:        char* new_cstr=cstrm();
1.216     misha     579: 
1.181     paf       580:        if(source_charset.isUTF8()) {
1.216     misha     581:                size_t new_cstr_len=length();
1.181     paf       582:                switch(kind) {
                    583:                case CC_UPPER:
1.192     paf       584:                        change_case_UTF8((const XMLByte*)new_cstr, new_cstr_len, (XMLByte*)new_cstr, new_cstr_len, UTF8CaseToUpper);
1.181     paf       585:                        break;
                    586:                case CC_LOWER:
1.192     paf       587:                        change_case_UTF8((const XMLByte*)new_cstr, new_cstr_len, (XMLByte*)new_cstr, new_cstr_len, UTF8CaseToLower);
1.181     paf       588:                        break;
                    589:                default:
                    590:                        assert(!"unknown change case kind");
                    591:                        break; // never
                    592:                }       
                    593:                
                    594:        } else {
                    595:                const unsigned char *tables=source_charset.pcre_tables;
1.82      parser    596: 
1.181     paf       597:                const unsigned char *a;
                    598:                const unsigned char *b;
                    599:                switch(kind) {
                    600:                case CC_UPPER:
                    601:                        a=tables+lcc_offset;
                    602:                        b=tables+fcc_offset;
                    603:                        break;
                    604:                case CC_LOWER:
                    605:                        a=tables+lcc_offset;
                    606:                        b=0;
                    607:                        break;
                    608:                default:
                    609:                        assert(!"unknown change case kind");
                    610:                        a=b=0; // calm, compiler
                    611:                        break; // never
                    612:                }       
                    613: 
1.192     paf       614:                char *dest=new_cstr;
1.181     paf       615:                unsigned char index;
1.190     paf       616:                for(const char* current=new_cstr; (index=(unsigned char)*current); current++) {
1.181     paf       617:                        unsigned char c=a[index];
                    618:                        if(b)
                    619:                                c=b[c];
                    620: 
                    621:                        *dest++=(char)c;
                    622:                }
1.174     paf       623:        }
1.176     paf       624:        result.langs=langs;
1.174     paf       625:        result.body=new_cstr;
1.89      parser    626: 
1.101     parser    627:        return result;
                    628: }
                    629: 
1.213     misha     630: const String& String::escape(Charset& source_charset) const {
                    631:        if(is_empty())
                    632:                return *this;
                    633: 
                    634:        return Charset::escape(*this, source_charset);
                    635: }
                    636: 
1.174     paf       637: const String& String::replace(const Dictionary& dict) const {
                    638:        String& result=*new String();
                    639:        const char* old_cstr=cstr();
                    640:        const char* prematch_begin=old_cstr;
                    641: 
                    642:        const char* current=old_cstr;
                    643:        while(*current) {
1.184     paf       644:                if(Dictionary::Subst subst=dict.first_that_begins(current)) {
1.174     paf       645:                        // prematch
                    646:                        if(size_t prematch_length=current-prematch_begin) {
1.179     paf       647:                                result.langs.append(result.body, langs, prematch_begin-old_cstr, prematch_length);
1.174     paf       648:                                result.body.append_strdup_know_length(prematch_begin, prematch_length);
1.101     parser    649:                        }
                    650: 
1.174     paf       651:                        // match
                    652:                        // skip 'a' in 'current'; move prematch_begin
1.184     paf       653:                        current+=subst.from_length; prematch_begin=current;
1.174     paf       654: 
1.184     paf       655:                        if(const String* b=subst.to) // are there any b?
1.174     paf       656:                                result<<*b;
                    657:                } else // simply advance
                    658:                        current++; 
                    659:        }
1.156     paf       660: 
1.174     paf       661:        // postmatch
                    662:        if(size_t postmatch_length=current-prematch_begin) {
1.179     paf       663:                result.langs.append(result.body, langs, prematch_begin-old_cstr, postmatch_length);
1.174     paf       664:                result.body.append_strdup_know_length(prematch_begin, postmatch_length);
                    665:        }
1.156     paf       666: 
1.174     paf       667:        ASSERT_STRING_INVARIANT(result);
1.82      parser    668:        return result;
1.61      paf       669: }
1.113     parser    670: 
1.180     paf       671: static int serialize_body_char(char c, char** cur) {
                    672:        *((*cur)++)=c;
                    673:        return 0; // 0=continue
                    674: };
1.174     paf       675: static int serialize_body_piece(const char* s, char** cur) {
                    676:        size_t length=strlen(s);
                    677:        memcpy(*cur, s, length);  *cur+=length;
1.178     paf       678:        return 0; // 0=continue
1.174     paf       679: };
1.178     paf       680: static int serialize_lang_piece(char alang, size_t asize, char** cur) {
                    681:        // lang
1.191     paf       682:        **cur=alang; (*cur)++;
                    683:        // length [WARNING: not cast, addresses must be %4=0 on sparc]
1.178     paf       684:        memcpy(*cur, &asize, sizeof(asize));  *cur+=sizeof(asize);
                    685: 
                    686:        return 0; // 0=continue
                    687: }
1.174     paf       688: String::Cm String::serialize(size_t prolog_length) const {
1.178     paf       689:        size_t fragments_count=langs.count();
1.202     paf       690:        size_t body_length=body.length();
1.174     paf       691:        size_t buf_length=
1.178     paf       692:                prolog_length //1
                    693:                +sizeof(size_t) //2
1.202     paf       694:                +body_length //3
                    695:                +1 // 4 for zero terminator used in deserialize
                    696:                +sizeof(size_t) //5
                    697:                +fragments_count*(sizeof(char)+sizeof(size_t)); //6
                    698: 
1.174     paf       699:        String::Cm result(new(PointerFreeGC) char[buf_length], buf_length);
                    700: 
                    701:        // 1: prolog
                    702:        char *cur=result.str+prolog_length;
1.202     paf       703:        // 2: chars.count [WARNING: not cast, addresses must be %4=0 on sparc]
                    704:        memcpy(cur, &body_length, sizeof(body_length));  cur+=sizeof(body_length);
                    705:        // 3: letters
                    706:        body.for_each(serialize_body_char, serialize_body_piece, &cur);
                    707:        // 4: zero terminator
                    708:        *cur++=0;
                    709:        // 5: langs.count [WARNING: not cast, addresses must be %4=0 on sparc]
1.174     paf       710:        memcpy(cur, &fragments_count, sizeof(fragments_count));  cur+=sizeof(fragments_count);
1.202     paf       711:        // 6: lang info
1.178     paf       712:        langs.for_each(body, serialize_lang_piece, &cur);
1.113     parser    713: 
1.174     paf       714:        return result;
1.113     parser    715: }
1.202     paf       716: bool String::deserialize(size_t prolog_size, void *buf, size_t buf_size) {
                    717:        size_t in_buf=buf_size;
                    718:        if(in_buf<=prolog_size)
1.148     paf       719:                return false;
1.202     paf       720:        in_buf-=prolog_size;
1.135     paf       721: 
1.174     paf       722:        // 1: prolog
1.202     paf       723:        const char* cur=(const char* )buf+prolog_size;
1.113     parser    724: 
1.207     paf       725:        // 2: chars.count
1.202     paf       726:        size_t body_length;
                    727:        if(in_buf<sizeof(body_length)) // body.length don't fit?
                    728:                return false;
                    729:        // [WARNING: not cast, addresses must be %4=0 on sparc]
                    730:        memcpy(&body_length, cur, sizeof(body_length));  cur+=sizeof(body_length);
                    731:        in_buf-=sizeof(body_length);
                    732: 
                    733:        if(in_buf<body_length+1) // letters+terminator don't fit?
                    734:                return false;
                    735:        // 4: zero terminator
                    736:        if(cur[body_length] != 0) // in place?
                    737:                return false;
                    738:        // 3: letters
1.227     misha     739:        body=String::Body(*cur?cur:0);
1.229     misha     740: #ifdef STRING_LENGTH_CACHING
                    741:        body.set_length(body_length);
                    742: #endif
1.202     paf       743:        cur+=body_length+1;
                    744:        in_buf-=body_length+1;
                    745: 
                    746:        // 5: langs.count
1.191     paf       747:        size_t fragments_count;
1.202     paf       748:        if(in_buf<sizeof(fragments_count)) // langs.count don't fit?
1.174     paf       749:                return false;
1.191     paf       750:        // [WARNING: not cast, addresses must be %4=0 on sparc]
                    751:        memcpy(&fragments_count, cur, sizeof(fragments_count));  cur+=sizeof(fragments_count);
1.202     paf       752:        in_buf-=sizeof(fragments_count);
1.174     paf       753:        
                    754:        if(fragments_count) {
1.202     paf       755:                // 6: lang info
1.174     paf       756:                size_t total_length=0;
                    757:                for(size_t f=0; f<fragments_count; f++) {
1.191     paf       758:                        char lang;
                    759:                        size_t fragment_length;
                    760:                        size_t piece_length=sizeof(lang)+sizeof(fragment_length);
1.202     paf       761:                        if(in_buf<piece_length) // lang+length
1.174     paf       762:                                return false;
                    763: 
1.191     paf       764:                        // lang
                    765:                        lang=*cur++;
                    766:                        // length [WARNING: not cast, addresses must be %4=0 on sparc]
                    767:                        memcpy(&fragment_length, cur, sizeof(fragment_length));  cur+=sizeof(fragment_length);
                    768: 
1.206     paf       769:                        size_t combined_length=total_length+fragment_length;
                    770:                        if(combined_length>body_length)
                    771:                                return false; // file curruption
1.191     paf       772:                        // uchar needed to prevent propagating 0x80 bit to upper bytes
                    773:                        langs.append(total_length, (String::Language)(uchar)lang, fragment_length);
1.206     paf       774:                        total_length=combined_length;
1.202     paf       775:                        in_buf-=piece_length;
1.174     paf       776:                }
1.128     paf       777: 
1.202     paf       778:                if(total_length!=body_length) // length(all language fragments) vs length(letters)
1.148     paf       779:                        return false;
1.174     paf       780:        }
1.202     paf       781:        if(in_buf!=0) // some strange extra bytes
                    782:                return false;
1.113     parser    783: 
1.174     paf       784:        ASSERT_STRING_INVARIANT(*this);
1.148     paf       785:        return true;
1.176     paf       786: }
                    787: 
                    788: const char* String::Body::v() const {
                    789:        return CORD_to_const_char_star(body);
                    790: }
1.201     paf       791: void String::Body::dump() const {
                    792:        CORD_dump(body);
                    793: }
                    794: 
1.176     paf       795: const char* String::Languages::v() const {
1.177     paf       796:        if(opt.is_not_just_lang)
1.176     paf       797:                return CORD_to_const_char_star(langs);
                    798:        else
                    799:                return (const char*)&langs;
                    800: }
1.201     paf       801: void String::Languages::dump() const {
                    802:        if(opt.is_not_just_lang)
                    803:                CORD_dump(langs);
                    804:        else
                    805:                puts((const char*)&langs);
                    806: }
1.176     paf       807: const char* String::v() const {
1.198     paf       808:        const uint LIMIT_VIEW=20;
1.176     paf       809:        char* buf=(char*)malloc(MAX_STRING);
                    810:        const char*body_view=body.v();
                    811:        const char*langs_view=langs.v();
                    812:        snprintf(buf, MAX_STRING, 
1.178     paf       813:                "%d:%.*s%s}   "
1.176     paf       814:                "{%d:%s",
1.178     paf       815:                langs.count(), LIMIT_VIEW, langs_view, strlen(langs_view)>LIMIT_VIEW?"...":"",
1.176     paf       816:                strlen(body_view), body_view
                    817:        );
                    818: 
                    819:        return buf;
1.113     parser    820: }
1.229     misha     821: 
1.201     paf       822: void String::dump() const {
                    823:        body.dump();
                    824:        langs.dump();
                    825: }
1.229     misha     826: 
                    827: const String& String::trim(String::Trim_kind kind, const char* chars, Charset* source_charset) const {
1.223     misha     828:        if(is_empty())
1.195     paf       829:                return *this;
                    830: 
                    831:        size_t substr_begin, substr_length;
1.229     misha     832:        Body new_body=body.trim(kind, chars, &substr_begin, &substr_length, source_charset);
1.195     paf       833:        if(new_body==body) // we received unchanged pointer, do likewise
                    834:                return *this;
                    835:        // new_body differs from body, adjust langs along
                    836: 
                    837:        String& result=*new String;
                    838:        if(!new_body) // body.trim produced empty result
                    839:                return result;
                    840:        // body.trim produced nonempty result
                    841: 
                    842:        // first: their langs
                    843:        result.langs.append(result.body, langs, substr_begin, substr_length);
                    844:        // next: letters themselves
                    845:        result.body=new_body;
                    846: 
                    847:        ASSERT_STRING_INVARIANT(result);
                    848:        return result;
1.198     paf       849: }

E-mail: