Annotation of parser3/src/main/pa_string.C, revision 1.241

1.45      paf         1: /** @file
1.174     paf         2:        Parser: string class. @see untalength_t.C.
1.46      paf         3: 
1.240     moko        4:        Copyright (c) 2001-2012 Art. Lebedev Studio (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: 
1.12      paf         8: #include "pa_string.h"
1.22      paf         9: #include "pa_exception.h"
1.61      paf        10: #include "pa_table.h"
1.101     parser     11: #include "pa_dictionary.h"
1.132     paf        12: #include "pa_charset.h"
1.222     misha      13: #include "pa_vregex.h"
1.215     misha      14: 
1.241   ! misha      15: volatile const char * IDENT_PA_STRING_C="$Id: pa_string.C,v 1.240 2012-03-16 09:24:14 moko Exp $" IDENT_PA_STRING_H;
1.240     moko       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 {
1.234     misha     221:                const XMLByte* src_begin=(const XMLByte*)cstr();
1.229     misha     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;
1.231     misha     229:                                // searching first UTF-8 byte: http://tools.ietf.org/html/rfc3629#section-3
                    230:                                while(++src_begin<=src_end && (*src_begin>127 && *src_begin<0xC0))
1.229     misha     231:                                        char_length++;
                    232: 
                    233:                                bool found=false;
                    234:                                for(const char* chars_byte=chars; chars_byte=strchr(chars_byte, *ptr); chars_byte++)
                    235:                                        if(strncmp(chars_byte, (const char*)ptr, char_length)==0){
                    236:                                                found=true;
                    237:                                                break;
                    238:                                        }
                    239: 
                    240:                                if(found){
                    241:                                        start+=char_length;
                    242:                                        if(start==our_length)
                    243:                                                return 0; // all chars are empty, just return empty string
                    244:                                } else
                    245:                                        break;
                    246:                        }
                    247:                }
1.196     paf       248: 
1.229     misha     249:                // from right..
                    250:                if(kind!=TRIM_START) {
                    251:                        while(src_begin<src_end){
                    252:                                uint char_length=1;
1.231     misha     253:                                // searching first UTF-8 byte: http://tools.ietf.org/html/rfc3629#section-3
                    254:                                while(src_begin<=--src_end && (*src_end>127 && *src_end<0xC0))
1.229     misha     255:                                        char_length++;
                    256: 
                    257:                                bool found=false;
                    258:                                for(const char* chars_byte=chars; chars_byte=strchr(chars_byte, *src_end); chars_byte++)
                    259:                                        if(strncmp(chars_byte, (const char*)src_end, char_length)==0){
                    260:                                                found=true;
                    261:                                                break;
                    262:                                        }
                    263: 
                    264:                                if(found){
                    265:                                        end-=char_length;
                    266:                                        if(end==0)
                    267:                                                return 0; // all chars are empty, just return empty string
                    268:                                } else
                    269:                                        break;
                    270:                        }
1.196     paf       271:                }
                    272:        }
1.195     paf       273: 
                    274:        if(start==0 && end==our_length) // nobody moved a thing
                    275:                return *this;
                    276: 
                    277:        if(out_start)
                    278:                *out_start=start;
                    279:        size_t new_length=end-start;
                    280:        if(out_length)
                    281:                *out_length=new_length;
                    282: 
                    283:        return mid(start, new_length);
                    284: }
                    285: 
1.174     paf       286: static int CORD_batched_iter_fn_generic_hash_code(char c, void * client_data) {
                    287:        uint& result=*static_cast<uint*>(client_data);
                    288:        generic_hash_code(result, c);
                    289:        return 0;
                    290: }
                    291: static int CORD_batched_iter_fn_generic_hash_code(const char*  s, void * client_data) {
                    292:        uint& result=*static_cast<uint*>(client_data);
                    293:        generic_hash_code(result, s);
                    294:        return 0;
                    295: };
1.225     misha     296: uint String::Body::get_hash_code() const {
                    297: #ifdef HASH_CODE_CACHING
                    298:        if(hash_code)
                    299:                return hash_code;
                    300: #else
                    301:        uint hash_code=0;
                    302: #endif
1.220     misha     303:        if (body && CORD_IS_STRING(body)){
1.225     misha     304:                generic_hash_code(hash_code, body);
1.220     misha     305:        } else {
                    306:                CORD_iter5(body, 0,
                    307:                        CORD_batched_iter_fn_generic_hash_code, 
1.225     misha     308:                        CORD_batched_iter_fn_generic_hash_code, &hash_code);
1.220     misha     309:        }
1.225     misha     310:        return hash_code;
1.94      parser    311: }
                    312: 
1.241   ! misha     313: struct CORD_pos_info {
        !           314:        const char* chars;
        !           315:        size_t left;
        !           316:        size_t pos;
        !           317: };
        !           318: 
        !           319: // can be called only for IS_FUNCTION(CORD) which is used in String::Body::strrpbrk
        !           320: static int CORD_iter_fn_rpos(char c, CORD_pos_info* info) {
        !           321:        if(info->pos < info->left){
        !           322:                info->pos=STRING_NOT_FOUND;
        !           323:                return 1;
        !           324:        }
        !           325:        if(strchr(info->chars, c))
        !           326:                return 1;
        !           327:        --(info->pos);
        !           328:        return 0;
        !           329: }
        !           330: 
        !           331: size_t String::Body::strrpbrk(const char* chars, size_t left, size_t right) const {
        !           332:        if(is_empty() || !chars || !strlen(chars))
        !           333:                return STRING_NOT_FOUND;
        !           334:        CORD_pos_info info={chars, left, right};
        !           335:        if(CORD_riter4(body, right, (CORD_iter_fn)CORD_iter_fn_rpos, &info))
        !           336:                return info.pos;
        !           337:        else
        !           338:                return STRING_NOT_FOUND;
        !           339: }
        !           340: 
        !           341: 
        !           342: // can be called only for IS_FUNCTION(CORD) which is used in String::Body::rskipchars
        !           343: static int CORD_iter_fn_rskip(char c, CORD_pos_info* info) {
        !           344:        if(info->pos < info->left) {
        !           345:                info->pos=STRING_NOT_FOUND;
        !           346:                return 1;
        !           347:        }
        !           348:        if(!strchr(info->chars, c))
        !           349:                return 1;
        !           350:        --(info->pos);
        !           351:        return 0;
        !           352: }
        !           353: 
        !           354: size_t String::Body::rskipchars(const char* chars, size_t left, size_t right) const {
        !           355:        if(is_empty() || !chars || !strlen(chars))
        !           356:                return STRING_NOT_FOUND;
        !           357:        CORD_pos_info info={chars, left, right};
        !           358:        if(CORD_riter4(body, right, (CORD_iter_fn)CORD_iter_fn_rskip, &info))
        !           359:                return info.pos;
        !           360:        else
        !           361:                return STRING_NOT_FOUND;
        !           362: }
        !           363: 
1.174     paf       364: // String methods
                    365: 
                    366: String& String::append_know_length(const char* str, size_t known_length, Language lang) {
                    367:        if(!known_length)
1.9       paf       368:                return *this;
1.122     paf       369: 
1.176     paf       370:        // first: langs
                    371:        langs.append(body, lang, known_length);
                    372:        // next: letters themselves
1.174     paf       373:        body.append_know_length(str, known_length);
1.1       paf       374: 
1.174     paf       375:        ASSERT_STRING_INVARIANT(*this);
1.1       paf       376:        return *this;
                    377: }
1.174     paf       378: String& String::append_help_length(const char* str, size_t helper_length, Language lang) {
                    379:        if(!str)
                    380:                return *this;
                    381:        size_t known_length=helper_length?helper_length:strlen(str);
                    382:        if(!known_length)
                    383:                return *this;
1.1       paf       384: 
1.174     paf       385:        return append_know_length(str, known_length, lang);
1.5       paf       386: }
1.226     misha     387: String::String(int value, char *format) : langs(L_CLEAN){
                    388:        char buf[MAX_NUMBER];
                    389:        body.append_strdup_know_length(buf, snprintf(buf, MAX_NUMBER, format, value));
                    390: }
1.174     paf       391: String& String::append_strdup(const char* str, size_t helper_length, Language lang) {
                    392:        size_t known_length=helper_length?helper_length:strlen(str);
                    393:        if(!known_length)
                    394:                return *this;
1.5       paf       395: 
1.176     paf       396:        // first: langs
                    397:        langs.append(body, lang, known_length);
                    398:        // next: letters themselves
1.174     paf       399:        body.append_strdup_know_length(str, known_length);
1.33      paf       400: 
1.174     paf       401:        ASSERT_STRING_INVARIANT(*this);
                    402:        return *this;
1.5       paf       403: }
1.46      paf       404: 
1.234     misha     405: struct CORD_length_info {
                    406:        size_t len;
                    407:        size_t skip;
                    408: };
                    409: 
                    410: int CORD_batched_len(const char* s, CORD_length_info* info){
                    411:        info->len += lengthUTF8( (const XMLByte *)s, (const XMLByte *)s+strlen(s));     return 0;
1.221     misha     412: }
                    413: 
1.234     misha     414: // can be called only for IS_FUNCTION(CORD) which are used in large String::Body::mid
                    415: int CORD_batched_len(const char c, CORD_length_info* info){
                    416:        if (info->skip==0){
                    417:                info->len++;
                    418:                info->skip = lengthUTF8Char(c)-1;
                    419:        } else {
                    420:                info->skip--;
                    421:        }
1.220     misha     422:        return 0;
                    423: }
                    424: 
1.210     misha     425: size_t String::length(Charset& charset) const {
                    426:        if(charset.isUTF8()){
1.234     misha     427:                CORD_length_info info = {0, 0};
                    428:                body.for_each<CORD_length_info *>(CORD_batched_len, CORD_batched_len, &info);
                    429:                return info.len;
1.210     misha     430:        } else
                    431:                return body.length();
                    432: }
                    433: 
1.174     paf       434: /// @todo check in doc: whether it documents NOW bad situation "abc".mid(-1, 3) =were?="ab"
                    435: String& String::mid(size_t substr_begin, size_t substr_end) const {
                    436:        String& result=*new String;
                    437: 
                    438:        size_t self_length=length();
                    439:        substr_begin=min(substr_begin, self_length);
                    440:        substr_end=min(max(substr_end, substr_begin), self_length);
1.176     paf       441:        size_t substr_length=substr_end-substr_begin;
                    442:        if(!substr_length)
1.107     parser    443:                return result;
1.53      paf       444: 
1.176     paf       445:        // first: their langs
                    446:        result.langs.append(result.body, langs, substr_begin, substr_length);
                    447:        // next: letters themselves
                    448:        result.body=body.mid(substr_begin, substr_length);
1.174     paf       449: 
                    450:        ASSERT_STRING_INVARIANT(result);
1.53      paf       451:        return result;
1.54      paf       452: }
                    453: 
1.211     misha     454: // from, to and helper_length in characters, not in bytes (it's important for utf-8)
                    455: String& String::mid(Charset& charset, size_t from, size_t to, size_t helper_length) const {
1.210     misha     456:        String& result=*new String;
                    457: 
1.211     misha     458:        size_t self_length=(helper_length)?helper_length:length(charset);
                    459: 
                    460:        if(!self_length)
                    461:                return result;
                    462: 
                    463:        from=min(min(to, from), self_length);
1.210     misha     464:        to=min(max(to, from), self_length);
1.211     misha     465: 
1.210     misha     466:        size_t substr_length=to-from;
1.211     misha     467: 
1.210     misha     468:        if(!substr_length)
                    469:                return result;
                    470: 
                    471:        if(charset.isUTF8()){
1.234     misha     472:                const XMLByte* src_begin=(const XMLByte*)cstr();
1.230     misha     473:                const XMLByte* src_end=src_begin+body.length();
1.210     misha     474: 
1.212     misha     475:                // convert 'from' and 'substr_length' from 'characters' to 'bytes'
1.230     misha     476:                from=getUTF8BytePos(src_begin, src_end, from);
                    477:                substr_length=getUTF8BytePos(src_begin+from, src_end, substr_length);
1.210     misha     478:                if(!substr_length)
                    479:                        return result;
                    480:        }
                    481: 
                    482:        // first: their langs
                    483:        result.langs.append(result.body, langs, from, substr_length);
                    484:        // next: letters themselves
                    485:        result.body=body.mid(from, substr_length);
                    486: 
                    487:        ASSERT_STRING_INVARIANT(result);
                    488:        return result;
                    489: }
                    490: 
1.176     paf       491: size_t String::pos(const String::Body substr, size_t this_offset, Language lang) const {
1.183     paf       492:        size_t substr_length=substr.length();
                    493:        while(true) {
                    494:                size_t substr_begin=body.pos(substr, this_offset);
                    495:                
                    496:                if(substr_begin==CORD_NOT_FOUND)
                    497:                        return STRING_NOT_FOUND;
1.174     paf       498: 
1.183     paf       499:                if(langs.check_lang(lang, substr_begin, substr_length))
                    500:                        return substr_begin;
                    501: 
                    502:                this_offset=substr_begin+substr_length;
                    503:        }
1.58      paf       504: }
                    505: 
1.174     paf       506: size_t String::pos(const String& substr, 
                    507:                                size_t this_offset, Language lang) const {
                    508:        return pos(substr.body, this_offset, lang);
1.60      paf       509: }
                    510: 
1.210     misha     511: size_t String::pos(Charset& charset, const String& substr, 
                    512:                                size_t this_offset, Language lang) const {
                    513: 
                    514:        if(charset.isUTF8()){
1.234     misha     515:                const XMLByte* srcPtr=(const XMLByte*)cstr();
1.212     misha     516:                const XMLByte* srcEnd=srcPtr+body.length();
                    517: 
                    518:                // convert 'this_offset' from 'characters' to 'bytes'
                    519:                this_offset=getUTF8BytePos(srcPtr, srcEnd, this_offset);
                    520: 
1.229     misha     521:                size_t result=pos(substr.body, this_offset, lang);
                    522:                return (result==CORD_NOT_FOUND)
                    523:                        ? STRING_NOT_FOUND
                    524:                        : getUTF8CharPos(srcPtr, srcEnd, result); // convert 'result' from 'bytes' to 'characters'
1.212     misha     525:        } else {
1.229     misha     526:                size_t result=pos(substr.body, this_offset, lang);
                    527:                return (result==CORD_NOT_FOUND)
                    528:                        ? STRING_NOT_FOUND
                    529:                        : result;
1.210     misha     530:        }
                    531: }
                    532: 
1.174     paf       533: void String::split(ArrayString& result, 
                    534:                   size_t& pos_after, 
                    535:                   const char* delim, 
                    536:                   Language lang, int limit) const {
1.237     misha     537:        if(is_empty())
                    538:                return;
1.174     paf       539:        size_t self_length=length();
1.237     misha     540:        if(size_t delim_length=strlen(delim)) {
1.186     paf       541:                size_t pos_before;
1.60      paf       542:                // while we have 'delim'...
1.174     paf       543:                for(; (pos_before=pos(delim, pos_after, lang))!=STRING_NOT_FOUND && limit; limit--) {
1.69      paf       544:                        result+=&mid(pos_after, pos_before);
1.174     paf       545:                        pos_after=pos_before+delim_length;
1.60      paf       546:                }
                    547:                // last piece
1.174     paf       548:                if(pos_after<self_length && limit) {
                    549:                        result+=&mid(pos_after, self_length);
                    550:                        pos_after=self_length;
1.60      paf       551:                }
                    552:        } else { // empty delim
                    553:                result+=this;
1.174     paf       554:                pos_after+=self_length;
1.60      paf       555:        }
                    556: }
                    557: 
1.174     paf       558: void String::split(ArrayString& result, 
                    559:                   size_t& pos_after, 
                    560:                   const String& delim, Language lang, 
                    561:                   int limit) const {
1.237     misha     562:        if(is_empty())
                    563:                return;
                    564:        if(!delim.is_empty()) {
1.186     paf       565:                size_t pos_before;
1.60      paf       566:                // while we have 'delim'...
1.174     paf       567:                for(; (pos_before=pos(delim, pos_after, lang))!=STRING_NOT_FOUND && limit; limit--) {
1.69      paf       568:                        result+=&mid(pos_after, pos_before);
1.174     paf       569:                        pos_after=pos_before+delim.length();
1.60      paf       570:                }
                    571:                // last piece
1.174     paf       572:                if(pos_after<length() && limit) {
                    573:                        result+=&mid(pos_after, length());
                    574:                        pos_after=length();
1.60      paf       575:                }
                    576:        } else { // empty delim
                    577:                result+=this;
1.174     paf       578:                pos_after+=length();
1.60      paf       579:        }
1.61      paf       580: }
                    581: 
1.222     misha     582: Table* String::match(VRegex* vregex,
                    583:                        Row_action row_action, void *info,
                    584:                        int& matches_count) const { 
1.209     misha     585: 
1.222     misha     586:        // vregex->info(); // I have no idea what does it for?
1.63      paf       587: 
1.222     misha     588:        bool need_pre_post_match=vregex->is_pre_post_match_needed();
                    589:        bool global=vregex->is_global_search();
1.63      paf       590: 
1.174     paf       591:        const char* subject=cstr();
1.234     misha     592:        size_t subject_length=length();
1.222     misha     593:        const int ovector_size=(1/*match*/+MAX_MATCH_GROUPS)*3;
                    594:        int ovector[ovector_size];
1.155     paf       595: 
1.173     paf       596:        Table::Action_options table_options;
1.174     paf       597:        Table& table=*new Table(string_match_table_template, table_options);
1.63      paf       598: 
1.154     paf       599:        int prestart=0;
                    600:        int poststart=0;
1.174     paf       601:        int postfinish=length();
1.63      paf       602:        while(true) {
1.222     misha     603:                int exec_result=vregex->exec(subject, subject_length, ovector, ovector_size, prestart);
1.63      paf       604: 
1.222     misha     605:                if(exec_result<0) // only PCRE_ERROR_NOMATCH might be here, other negative results cause an exception
                    606:                        break;
1.63      paf       607: 
1.154     paf       608:                int prefinish=ovector[0];
                    609:                poststart=ovector[1];
1.236     moko      610: 
                    611:                if (prestart==poststart && subject[poststart]=='\n'){
                    612:                        prestart++;
                    613:                        continue;
                    614:                }
                    615: 
1.232     misha     616:                ArrayString* row=new ArrayString(3);
1.174     paf       617:                if(need_pre_post_match) {
                    618:                        *row+=&mid(0, prefinish); // .prematch column value
                    619:                        *row+=&mid(prefinish, poststart); // .match
                    620:                        *row+=&mid(poststart, postfinish); // .postmatch
                    621:                } else {
1.185     paf       622:                        *row+=&Empty; // .prematch column value
                    623:                        *row+=&Empty; // .match
                    624:                        *row+=&Empty; // .postmatch
1.174     paf       625:                }
1.63      paf       626:                
1.222     misha     627:                for(int i=1; i<exec_result; i++) {
1.69      paf       628:                        // -1:-1 case handled peacefully by mid() itself
1.232     misha     629:                        *row+=(ovector[i*2+0]>=0 && ovector[i*2+1]>0)?&mid(ovector[i*2+0], ovector[i*2+1]):new String; // .i column value
1.63      paf       630:                }
                    631:                
1.209     misha     632:                matches_count++;
1.174     paf       633:                row_action(table, row, prestart, prefinish, poststart, postfinish, info);
1.63      paf       634: 
1.222     misha     635:                if(!global || prestart==poststart) // last step
                    636:                        break;
                    637: 
1.154     paf       638:                prestart=poststart;
1.222     misha     639:        }
1.63      paf       640: 
1.222     misha     641:        row_action(table, 0/*last time, no raw*/, 0, 0, poststart, postfinish, info);
                    642:        return vregex->is_just_count() ? 0 : &table;
1.82      parser    643: }
                    644: 
1.174     paf       645: String& String::change_case(Charset& source_charset, Change_case_kind kind) const {
                    646:        String& result=*new String();
                    647:        if(is_empty())
                    648:                return result;
                    649: 
                    650:        char* new_cstr=cstrm();
1.216     misha     651: 
1.181     paf       652:        if(source_charset.isUTF8()) {
1.216     misha     653:                size_t new_cstr_len=length();
1.181     paf       654:                switch(kind) {
                    655:                case CC_UPPER:
1.192     paf       656:                        change_case_UTF8((const XMLByte*)new_cstr, new_cstr_len, (XMLByte*)new_cstr, new_cstr_len, UTF8CaseToUpper);
1.181     paf       657:                        break;
                    658:                case CC_LOWER:
1.192     paf       659:                        change_case_UTF8((const XMLByte*)new_cstr, new_cstr_len, (XMLByte*)new_cstr, new_cstr_len, UTF8CaseToLower);
1.181     paf       660:                        break;
                    661:                default:
                    662:                        assert(!"unknown change case kind");
                    663:                        break; // never
                    664:                }       
                    665:                
                    666:        } else {
                    667:                const unsigned char *tables=source_charset.pcre_tables;
1.82      parser    668: 
1.181     paf       669:                const unsigned char *a;
                    670:                const unsigned char *b;
                    671:                switch(kind) {
                    672:                case CC_UPPER:
                    673:                        a=tables+lcc_offset;
                    674:                        b=tables+fcc_offset;
                    675:                        break;
                    676:                case CC_LOWER:
                    677:                        a=tables+lcc_offset;
                    678:                        b=0;
                    679:                        break;
                    680:                default:
                    681:                        assert(!"unknown change case kind");
                    682:                        a=b=0; // calm, compiler
                    683:                        break; // never
                    684:                }       
                    685: 
1.192     paf       686:                char *dest=new_cstr;
1.181     paf       687:                unsigned char index;
1.190     paf       688:                for(const char* current=new_cstr; (index=(unsigned char)*current); current++) {
1.181     paf       689:                        unsigned char c=a[index];
                    690:                        if(b)
                    691:                                c=b[c];
                    692: 
                    693:                        *dest++=(char)c;
                    694:                }
1.174     paf       695:        }
1.176     paf       696:        result.langs=langs;
1.174     paf       697:        result.body=new_cstr;
1.89      parser    698: 
1.101     parser    699:        return result;
                    700: }
                    701: 
1.213     misha     702: const String& String::escape(Charset& source_charset) const {
                    703:        if(is_empty())
                    704:                return *this;
                    705: 
                    706:        return Charset::escape(*this, source_charset);
                    707: }
                    708: 
1.238     misha     709: #define STRING_APPEND(result, from_cstr, langs, langs_offset, length) \
                    710:                        result.langs.append(result.body, langs, langs_offset, length); \
                    711:                        result.body.append_strdup_know_length(from_cstr, length);
                    712: 
1.174     paf       713: const String& String::replace(const Dictionary& dict) const {
1.238     misha     714:        if(!dict.count() || is_empty())
                    715:                return *this;
                    716: 
1.174     paf       717:        String& result=*new String();
                    718:        const char* old_cstr=cstr();
                    719:        const char* prematch_begin=old_cstr;
                    720: 
1.238     misha     721:        if(dict.count()==1) {
                    722:                // optimized simple case
                    723: 
                    724:                Dictionary::Subst subst=dict.get(0);
1.239     moko      725:                while(const char* p=strstr(prematch_begin, subst.from)) {
1.174     paf       726:                        // prematch
1.238     misha     727:                        if(size_t prematch_length=p-prematch_begin) {
                    728:                                STRING_APPEND(result, prematch_begin, langs, prematch_begin-old_cstr, prematch_length)
1.101     parser    729:                        }
                    730: 
1.174     paf       731:                        // match
1.238     misha     732:                        prematch_begin=p+subst.from_length;
1.174     paf       733: 
1.184     paf       734:                        if(const String* b=subst.to) // are there any b?
1.174     paf       735:                                result<<*b;
1.238     misha     736:                }
                    737: 
                    738:        } else {
                    739: 
                    740:                const char* current=old_cstr;
                    741:                while(*current) {
                    742:                        if(Dictionary::Subst subst=dict.first_that_begins(current)) {
                    743:                                // prematch
                    744:                                if(size_t prematch_length=current-prematch_begin) {
                    745:                                        STRING_APPEND(result, prematch_begin, langs, prematch_begin-old_cstr, prematch_length)
                    746:                                }
                    747: 
                    748:                                // match
                    749:                                // skip 'a' in 'current'; move prematch_begin
                    750:                                current+=subst.from_length; prematch_begin=current;
                    751: 
                    752:                                if(const String* b=subst.to) // are there any b?
                    753:                                        result<<*b;
                    754:                        } else // simply advance
                    755:                                current++; 
                    756:                }
                    757: 
1.174     paf       758:        }
1.156     paf       759: 
1.238     misha     760:        if(prematch_begin==old_cstr) // not modified
                    761:                return *this;
                    762: 
1.174     paf       763:        // postmatch
1.238     misha     764:        if(size_t postmatch_length=old_cstr+length()-prematch_begin) {
                    765:                STRING_APPEND(result, prematch_begin, langs, prematch_begin-old_cstr, postmatch_length)
1.174     paf       766:        }
1.156     paf       767: 
1.174     paf       768:        ASSERT_STRING_INVARIANT(result);
1.82      parser    769:        return result;
1.61      paf       770: }
1.113     parser    771: 
1.180     paf       772: static int serialize_body_char(char c, char** cur) {
                    773:        *((*cur)++)=c;
                    774:        return 0; // 0=continue
                    775: };
1.174     paf       776: static int serialize_body_piece(const char* s, char** cur) {
                    777:        size_t length=strlen(s);
                    778:        memcpy(*cur, s, length);  *cur+=length;
1.178     paf       779:        return 0; // 0=continue
1.174     paf       780: };
1.178     paf       781: static int serialize_lang_piece(char alang, size_t asize, char** cur) {
                    782:        // lang
1.191     paf       783:        **cur=alang; (*cur)++;
                    784:        // length [WARNING: not cast, addresses must be %4=0 on sparc]
1.178     paf       785:        memcpy(*cur, &asize, sizeof(asize));  *cur+=sizeof(asize);
                    786: 
                    787:        return 0; // 0=continue
                    788: }
1.174     paf       789: String::Cm String::serialize(size_t prolog_length) const {
1.178     paf       790:        size_t fragments_count=langs.count();
1.202     paf       791:        size_t body_length=body.length();
1.174     paf       792:        size_t buf_length=
1.178     paf       793:                prolog_length //1
                    794:                +sizeof(size_t) //2
1.202     paf       795:                +body_length //3
                    796:                +1 // 4 for zero terminator used in deserialize
                    797:                +sizeof(size_t) //5
                    798:                +fragments_count*(sizeof(char)+sizeof(size_t)); //6
                    799: 
1.174     paf       800:        String::Cm result(new(PointerFreeGC) char[buf_length], buf_length);
                    801: 
                    802:        // 1: prolog
                    803:        char *cur=result.str+prolog_length;
1.202     paf       804:        // 2: chars.count [WARNING: not cast, addresses must be %4=0 on sparc]
                    805:        memcpy(cur, &body_length, sizeof(body_length));  cur+=sizeof(body_length);
                    806:        // 3: letters
                    807:        body.for_each(serialize_body_char, serialize_body_piece, &cur);
                    808:        // 4: zero terminator
                    809:        *cur++=0;
                    810:        // 5: langs.count [WARNING: not cast, addresses must be %4=0 on sparc]
1.174     paf       811:        memcpy(cur, &fragments_count, sizeof(fragments_count));  cur+=sizeof(fragments_count);
1.202     paf       812:        // 6: lang info
1.178     paf       813:        langs.for_each(body, serialize_lang_piece, &cur);
1.113     parser    814: 
1.174     paf       815:        return result;
1.113     parser    816: }
1.202     paf       817: bool String::deserialize(size_t prolog_size, void *buf, size_t buf_size) {
                    818:        size_t in_buf=buf_size;
                    819:        if(in_buf<=prolog_size)
1.148     paf       820:                return false;
1.202     paf       821:        in_buf-=prolog_size;
1.135     paf       822: 
1.174     paf       823:        // 1: prolog
1.202     paf       824:        const char* cur=(const char* )buf+prolog_size;
1.113     parser    825: 
1.207     paf       826:        // 2: chars.count
1.202     paf       827:        size_t body_length;
                    828:        if(in_buf<sizeof(body_length)) // body.length don't fit?
                    829:                return false;
                    830:        // [WARNING: not cast, addresses must be %4=0 on sparc]
                    831:        memcpy(&body_length, cur, sizeof(body_length));  cur+=sizeof(body_length);
                    832:        in_buf-=sizeof(body_length);
                    833: 
                    834:        if(in_buf<body_length+1) // letters+terminator don't fit?
                    835:                return false;
                    836:        // 4: zero terminator
                    837:        if(cur[body_length] != 0) // in place?
                    838:                return false;
                    839:        // 3: letters
1.227     misha     840:        body=String::Body(*cur?cur:0);
1.229     misha     841: #ifdef STRING_LENGTH_CACHING
                    842:        body.set_length(body_length);
                    843: #endif
1.202     paf       844:        cur+=body_length+1;
                    845:        in_buf-=body_length+1;
                    846: 
                    847:        // 5: langs.count
1.191     paf       848:        size_t fragments_count;
1.202     paf       849:        if(in_buf<sizeof(fragments_count)) // langs.count don't fit?
1.174     paf       850:                return false;
1.191     paf       851:        // [WARNING: not cast, addresses must be %4=0 on sparc]
                    852:        memcpy(&fragments_count, cur, sizeof(fragments_count));  cur+=sizeof(fragments_count);
1.202     paf       853:        in_buf-=sizeof(fragments_count);
1.174     paf       854:        
                    855:        if(fragments_count) {
1.202     paf       856:                // 6: lang info
1.174     paf       857:                size_t total_length=0;
                    858:                for(size_t f=0; f<fragments_count; f++) {
1.191     paf       859:                        char lang;
                    860:                        size_t fragment_length;
                    861:                        size_t piece_length=sizeof(lang)+sizeof(fragment_length);
1.202     paf       862:                        if(in_buf<piece_length) // lang+length
1.174     paf       863:                                return false;
                    864: 
1.191     paf       865:                        // lang
                    866:                        lang=*cur++;
                    867:                        // length [WARNING: not cast, addresses must be %4=0 on sparc]
                    868:                        memcpy(&fragment_length, cur, sizeof(fragment_length));  cur+=sizeof(fragment_length);
                    869: 
1.206     paf       870:                        size_t combined_length=total_length+fragment_length;
                    871:                        if(combined_length>body_length)
                    872:                                return false; // file curruption
1.191     paf       873:                        // uchar needed to prevent propagating 0x80 bit to upper bytes
                    874:                        langs.append(total_length, (String::Language)(uchar)lang, fragment_length);
1.206     paf       875:                        total_length=combined_length;
1.202     paf       876:                        in_buf-=piece_length;
1.174     paf       877:                }
1.128     paf       878: 
1.202     paf       879:                if(total_length!=body_length) // length(all language fragments) vs length(letters)
1.148     paf       880:                        return false;
1.174     paf       881:        }
1.202     paf       882:        if(in_buf!=0) // some strange extra bytes
                    883:                return false;
1.113     parser    884: 
1.174     paf       885:        ASSERT_STRING_INVARIANT(*this);
1.148     paf       886:        return true;
1.176     paf       887: }
                    888: 
                    889: const char* String::Body::v() const {
1.233     misha     890:        return CORD_to_const_char_star(body, length());
1.176     paf       891: }
1.201     paf       892: void String::Body::dump() const {
                    893:        CORD_dump(body);
                    894: }
                    895: 
1.176     paf       896: const char* String::Languages::v() const {
1.177     paf       897:        if(opt.is_not_just_lang)
1.233     misha     898:                return CORD_to_const_char_star(langs, 0);
1.176     paf       899:        else
                    900:                return (const char*)&langs;
                    901: }
1.201     paf       902: void String::Languages::dump() const {
                    903:        if(opt.is_not_just_lang)
                    904:                CORD_dump(langs);
                    905:        else
                    906:                puts((const char*)&langs);
                    907: }
1.176     paf       908: const char* String::v() const {
1.198     paf       909:        const uint LIMIT_VIEW=20;
1.176     paf       910:        char* buf=(char*)malloc(MAX_STRING);
                    911:        const char*body_view=body.v();
                    912:        const char*langs_view=langs.v();
                    913:        snprintf(buf, MAX_STRING, 
1.178     paf       914:                "%d:%.*s%s}   "
1.176     paf       915:                "{%d:%s",
1.178     paf       916:                langs.count(), LIMIT_VIEW, langs_view, strlen(langs_view)>LIMIT_VIEW?"...":"",
1.176     paf       917:                strlen(body_view), body_view
                    918:        );
                    919: 
                    920:        return buf;
1.113     parser    921: }
1.229     misha     922: 
1.201     paf       923: void String::dump() const {
                    924:        body.dump();
                    925:        langs.dump();
                    926: }
1.229     misha     927: 
                    928: const String& String::trim(String::Trim_kind kind, const char* chars, Charset* source_charset) const {
1.223     misha     929:        if(is_empty())
1.195     paf       930:                return *this;
                    931: 
                    932:        size_t substr_begin, substr_length;
1.229     misha     933:        Body new_body=body.trim(kind, chars, &substr_begin, &substr_length, source_charset);
1.195     paf       934:        if(new_body==body) // we received unchanged pointer, do likewise
                    935:                return *this;
                    936:        // new_body differs from body, adjust langs along
                    937: 
                    938:        String& result=*new String;
                    939:        if(!new_body) // body.trim produced empty result
                    940:                return result;
                    941:        // body.trim produced nonempty result
                    942: 
                    943:        // first: their langs
                    944:        result.langs.append(result.body, langs, substr_begin, substr_length);
                    945:        // next: letters themselves
                    946:        result.body=new_body;
                    947: 
                    948:        ASSERT_STRING_INVARIANT(result);
                    949:        return result;
1.198     paf       950: }

E-mail: