Annotation of parser3/src/main/pa_string.C, revision 1.243

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: 
1.243   ! moko       15: volatile const char * IDENT_PA_STRING_C="$Id: pa_string.C,v 1.242 2012-05-28 10:33:18 moko Exp $" IDENT_PA_STRING_H;
1.240     moko       16: 
1.185     paf        17: const String String::Empty;
                     18: 
1.242     moko       19: 
                     20: // pa_atoui is based on Manuel Novoa III _strto_l for uClibc
                     21: 
                     22: unsigned int pa_atoui(const char *str, int base, const String* problem_source){
                     23:        unsigned int result = 0;
                     24:        const char *pos = str;
                     25: 
                     26:        while (isspace(*pos)) /* skip leading whitespace */
                     27:                ++pos;
                     28: 
                     29:        if (base == 16 && *pos == '0') { /* handle option prefix */
                     30:                ++pos;
                     31:                if (*pos == 'x' || *pos == 'X') {
                     32:                        ++pos;
                     33:                }
                     34:        }
                     35: 
                     36:        if (base == 0) { /* dynamic base */
                     37:                base = 10; /* default is 10 */
                     38:                if (*pos == '0') {
                     39:                        ++pos;
                     40:                        if (*pos == 'x' || *pos == 'X')
                     41:                                ++pos;
                     42:                                base=16;
                     43:                }
                     44:        }
                     45: 
                     46:        if (base < 2 || base > 16) { /* illegal base */
                     47:                throw Exception(PARSER_RUNTIME, 0, "base to must be an integer from 2 to 16");
                     48:        }
                     49: 
                     50:        unsigned int cutoff = UINT_MAX / base;
                     51:        int cutoff_digit = UINT_MAX - cutoff * base;
                     52: 
                     53:        while(true) {
                     54:                int digit;
                     55:                
                     56:                if ((*pos >= '0') && (*pos <= '9')) {
                     57:                        digit = (*pos - '0');
                     58:                } else if (*pos >= 'a') {
                     59:                        digit = (*pos - 'a' + 10);
                     60:                } else if (*pos >= 'A') {
                     61:                        digit = (*pos - 'A' + 10);
                     62:                } else break;
                     63: 
                     64:                if (digit >= base) {
                     65:                        break;
                     66:                }
                     67:                
                     68:                ++pos;
                     69:                
                     70:                /* adjust number, with overflow check */
                     71:                if ((result > cutoff) || ((result == cutoff) && (digit > cutoff_digit))) {
                     72:                        throw Exception("number.format", problem_source, problem_source ? "out of range (int)" : "'%s' is out of range (int)", str);
                     73:                } else {
                     74:                        result  = result * base + digit;
                     75:                }
                     76:        }
                     77: 
                     78:        while(char c=*pos++)
                     79:                if(!isspace(c))
                     80:                        throw Exception("number.format", problem_source, problem_source ? "invalid number (int)" : "'%s' is invalid number (int)", str);
                     81: 
                     82:        return result;
                     83: }
                     84: 
1.193     paf        85: int pa_atoi(const char* str, const String* problem_source) {
                     86:        if(!str)
                     87:                return 0;
                     88: 
1.242     moko       89:        while(isspace(*str))
1.193     paf        90:                str++;
1.242     moko       91: 
1.193     paf        92:        if(!*str)
                     93:                return 0;
                     94: 
1.200     paf        95:        bool negative=false;
                     96:        if(str[0]=='-') {
                     97:                negative=true;
                     98:                str++;
                     99:        } else if(str[0]=='+') {
                    100:                str++;
                    101:        }
1.193     paf       102: 
1.242     moko      103:        unsigned int result=pa_atoui(str, 0, problem_source);
1.193     paf       104: 
1.242     moko      105:        if(negative && result <= ((unsigned int)(-(1+INT_MIN)))+1)
1.243   ! moko      106:                return -(int)result;
1.242     moko      107:        
                    108:        if(result<=INT_MAX)
1.243   ! moko      109:                return (int)result;
1.242     moko      110:        
                    111:        throw Exception("number.format", problem_source, problem_source ? "out of range (int)" : "'%s' is out of range (int)", str);
1.193     paf       112: }
                    113: 
                    114: double pa_atod(const char* str, const String* problem_source) {
                    115:        if(!str)
                    116:                return 0;
                    117: 
1.242     moko      118:        while(isspace(*str))
1.193     paf       119:                str++;
1.242     moko      120: 
1.193     paf       121:        if(!*str)
                    122:                return 0;
                    123: 
1.200     paf       124:        bool negative=false;
                    125:        if(str[0]=='-') {
                    126:                negative=true;
                    127:                str++;
                    128:        } else if(str[0]=='+') {
                    129:                str++;
                    130:        }
1.242     moko      131: 
                    132:        double result;
1.193     paf       133:        if(str[0]=='0')
1.242     moko      134:                if(str[1]=='x' || str[1]=='X'){
                    135:                        // 0xABC
                    136:                        result=(double)pa_atoui(str, 0, problem_source);
                    137:                        return negative ? -result : result;
                    138:                } else {
1.200     paf       139:                         // skip leading 0000, to disable octal interpretation
1.242     moko      140:                        do str++; while(*str=='0');
1.200     paf       141:                }
1.242     moko      142: 
                    143:        char *error_pos;
                    144:        result=strtod(str, &error_pos);
1.193     paf       145: 
                    146:        while(char c=*error_pos++)
1.199     paf       147:                if(!isspace((unsigned char)c))
1.242     moko      148:                        throw Exception("number.format", problem_source, problem_source ? "invalid number (double)" : "'%s' is invalid number (double)", str);
1.193     paf       149: 
1.242     moko      150:        return negative ? -result : result;
1.193     paf       151: }
                    152: 
1.176     paf       153: // cord lib extension
                    154: 
                    155: #ifndef DOXYGEN
                    156: typedef struct {
                    157:     ssize_t countdown;
1.204     paf       158:     int target;        /* Character we're looking for  */
1.176     paf       159: } chr_data;
                    160: #endif
                    161: static int CORD_range_contains_chr_greater_then_proc(char c, size_t size, void* client_data)
                    162: {
                    163:     register chr_data * d = (chr_data *)client_data;
                    164:     
                    165:     if (d -> countdown<=0) return(2);
                    166:     d -> countdown -= size;
                    167:     if (c > d -> target) return(1);
                    168:     return(0);
                    169: }
                    170: int CORD_range_contains_chr_greater_then(CORD x, size_t i, size_t n, int c)
                    171: {
                    172:     chr_data d;
                    173: 
                    174:     d.countdown = n;
                    175:     d.target = c;
                    176:     return(CORD_block_iter(x, i, CORD_range_contains_chr_greater_then_proc, &d) == 1/*alternatives: 0 normally ended, 2=struck 'n'*/);
                    177: }
                    178: 
1.187     paf       179: static int CORD_block_count_proc(char /*c*/, size_t /*size*/, void* client_data)
1.178     paf       180: {
                    181:     int* result=(int*)client_data;
                    182:     (*result)++;
                    183:     return(0); // 0=continue
                    184: }
                    185: size_t CORD_block_count(CORD x)
                    186: {
                    187:        size_t result=0;
                    188:        CORD_block_iter(x, 0, CORD_block_count_proc, &result);
                    189:     return result;
                    190: }
                    191: 
1.174     paf       192: // helpers
1.139     paf       193: 
1.174     paf       194: /// String::match uses this as replace & global search table columns
1.139     paf       195: 
1.174     paf       196: const int MAX_MATCH_GROUPS=100;
1.139     paf       197: 
1.174     paf       198: class String_match_table_template_columns: public ArrayString {
                    199: public:
                    200:        String_match_table_template_columns() {
                    201:                *this+=new String("prematch");
                    202:                *this+=new String("match");
                    203:                *this+=new String("postmatch");
                    204:                for(int i=0; i<MAX_MATCH_GROUPS; i++) {
1.176     paf       205:                        *this+=new String(String::Body::Format(1+i), String::L_CLEAN);
1.174     paf       206:                }
                    207:        }
                    208: };
                    209: 
                    210: Table string_match_table_template(new String_match_table_template_columns);
                    211: 
1.176     paf       212: // String::Body methods
1.140     paf       213: 
1.176     paf       214: String::Body String::Body::Format(int value) {
1.174     paf       215:        char local[MAX_NUMBER];
                    216:        size_t length=snprintf(local, MAX_NUMBER, "%d", value);
1.224     misha     217:        return String::Body(pa_strdup(local, length));
1.120     paf       218: }
                    219: 
1.195     paf       220: String::Body String::Body::trim(String::Trim_kind kind, const char* chars, 
1.229     misha     221:                                                                size_t* out_start, size_t* out_length, Charset* source_charset) const {
1.195     paf       222:        size_t our_length=length();
                    223:        if(!our_length)
                    224:                return *this;
1.229     misha     225: 
                    226:        // check if any UTF-8 in chars
                    227:        bool fast=true;
                    228:        if(chars && source_charset && source_charset->isUTF8()){
                    229:                const char* pos=chars;
                    230:                while(unsigned char c=*pos++)
                    231:                        if(c>127){
                    232:                                fast=false;
                    233:                                break;
                    234:                        }
                    235:        }
                    236: 
                    237:        size_t start=0;
                    238:        size_t end=our_length;
1.195     paf       239:        if(!chars)
                    240:                chars=" \t\n"; // white space
                    241: 
1.229     misha     242:        if(fast){
                    243:                // from left...
                    244:                if(kind!=TRIM_END) {
                    245:                        CORD_pos pos; set_pos(pos, 0);
                    246:                        while(true) {
                    247:                                char c=CORD_pos_fetch(pos);
                    248:                                if(strchr(chars, c)) {
                    249:                                        if(++start==our_length)
                    250:                                                return 0; // all chars are empty, just return empty string
                    251:                                } else
                    252:                                        break;                  
                    253: 
                    254:                                CORD_next(pos);
                    255:                        }
                    256:                }
                    257: 
                    258:                // from right..
                    259:                if(kind!=TRIM_START) {
                    260:                        CORD_pos pos; set_pos(pos, end-1);
                    261:                        while(true) {
                    262:                                char c=CORD_pos_fetch(pos);
                    263:                                if(strchr(chars, c)) {
                    264:                                        if(--end==0) // optimization: NO need to check for 'end>=start', that's(<) impossible
                    265:                                                return 0; // all chars are empty, just return empty string
                    266:                                } else
                    267:                                        break;                  
                    268: 
                    269:                                CORD_prev(pos);
                    270:                        }
                    271:                }
                    272:        } else {
1.234     misha     273:                const XMLByte* src_begin=(const XMLByte*)cstr();
1.229     misha     274:                const XMLByte* src_end=src_begin+our_length;
                    275: 
                    276:                // from left...
                    277:                if(kind!=TRIM_END) {
                    278:                        while(src_begin<src_end){
                    279:                                uint char_length=1;
                    280:                                const XMLByte* ptr=src_begin;
1.231     misha     281:                                // searching first UTF-8 byte: http://tools.ietf.org/html/rfc3629#section-3
                    282:                                while(++src_begin<=src_end && (*src_begin>127 && *src_begin<0xC0))
1.229     misha     283:                                        char_length++;
                    284: 
                    285:                                bool found=false;
                    286:                                for(const char* chars_byte=chars; chars_byte=strchr(chars_byte, *ptr); chars_byte++)
                    287:                                        if(strncmp(chars_byte, (const char*)ptr, char_length)==0){
                    288:                                                found=true;
                    289:                                                break;
                    290:                                        }
                    291: 
                    292:                                if(found){
                    293:                                        start+=char_length;
                    294:                                        if(start==our_length)
                    295:                                                return 0; // all chars are empty, just return empty string
                    296:                                } else
                    297:                                        break;
                    298:                        }
                    299:                }
1.196     paf       300: 
1.229     misha     301:                // from right..
                    302:                if(kind!=TRIM_START) {
                    303:                        while(src_begin<src_end){
                    304:                                uint char_length=1;
1.231     misha     305:                                // searching first UTF-8 byte: http://tools.ietf.org/html/rfc3629#section-3
                    306:                                while(src_begin<=--src_end && (*src_end>127 && *src_end<0xC0))
1.229     misha     307:                                        char_length++;
                    308: 
                    309:                                bool found=false;
                    310:                                for(const char* chars_byte=chars; chars_byte=strchr(chars_byte, *src_end); chars_byte++)
                    311:                                        if(strncmp(chars_byte, (const char*)src_end, char_length)==0){
                    312:                                                found=true;
                    313:                                                break;
                    314:                                        }
                    315: 
                    316:                                if(found){
                    317:                                        end-=char_length;
                    318:                                        if(end==0)
                    319:                                                return 0; // all chars are empty, just return empty string
                    320:                                } else
                    321:                                        break;
                    322:                        }
1.196     paf       323:                }
                    324:        }
1.195     paf       325: 
                    326:        if(start==0 && end==our_length) // nobody moved a thing
                    327:                return *this;
                    328: 
                    329:        if(out_start)
                    330:                *out_start=start;
                    331:        size_t new_length=end-start;
                    332:        if(out_length)
                    333:                *out_length=new_length;
                    334: 
                    335:        return mid(start, new_length);
                    336: }
                    337: 
1.174     paf       338: static int CORD_batched_iter_fn_generic_hash_code(char c, void * client_data) {
                    339:        uint& result=*static_cast<uint*>(client_data);
                    340:        generic_hash_code(result, c);
                    341:        return 0;
                    342: }
                    343: static int CORD_batched_iter_fn_generic_hash_code(const char*  s, void * client_data) {
                    344:        uint& result=*static_cast<uint*>(client_data);
                    345:        generic_hash_code(result, s);
                    346:        return 0;
                    347: };
1.225     misha     348: uint String::Body::get_hash_code() const {
                    349: #ifdef HASH_CODE_CACHING
                    350:        if(hash_code)
                    351:                return hash_code;
                    352: #else
                    353:        uint hash_code=0;
                    354: #endif
1.220     misha     355:        if (body && CORD_IS_STRING(body)){
1.225     misha     356:                generic_hash_code(hash_code, body);
1.220     misha     357:        } else {
                    358:                CORD_iter5(body, 0,
                    359:                        CORD_batched_iter_fn_generic_hash_code, 
1.225     misha     360:                        CORD_batched_iter_fn_generic_hash_code, &hash_code);
1.220     misha     361:        }
1.225     misha     362:        return hash_code;
1.94      parser    363: }
                    364: 
1.241     misha     365: struct CORD_pos_info {
                    366:        const char* chars;
                    367:        size_t left;
                    368:        size_t pos;
                    369: };
                    370: 
                    371: // can be called only for IS_FUNCTION(CORD) which is used in String::Body::strrpbrk
                    372: static int CORD_iter_fn_rpos(char c, CORD_pos_info* info) {
                    373:        if(info->pos < info->left){
                    374:                info->pos=STRING_NOT_FOUND;
                    375:                return 1;
                    376:        }
                    377:        if(strchr(info->chars, c))
                    378:                return 1;
                    379:        --(info->pos);
                    380:        return 0;
                    381: }
                    382: 
                    383: size_t String::Body::strrpbrk(const char* chars, size_t left, size_t right) const {
                    384:        if(is_empty() || !chars || !strlen(chars))
                    385:                return STRING_NOT_FOUND;
                    386:        CORD_pos_info info={chars, left, right};
                    387:        if(CORD_riter4(body, right, (CORD_iter_fn)CORD_iter_fn_rpos, &info))
                    388:                return info.pos;
                    389:        else
                    390:                return STRING_NOT_FOUND;
                    391: }
                    392: 
                    393: 
                    394: // can be called only for IS_FUNCTION(CORD) which is used in String::Body::rskipchars
                    395: static int CORD_iter_fn_rskip(char c, CORD_pos_info* info) {
                    396:        if(info->pos < info->left) {
                    397:                info->pos=STRING_NOT_FOUND;
                    398:                return 1;
                    399:        }
                    400:        if(!strchr(info->chars, c))
                    401:                return 1;
                    402:        --(info->pos);
                    403:        return 0;
                    404: }
                    405: 
                    406: size_t String::Body::rskipchars(const char* chars, size_t left, size_t right) const {
                    407:        if(is_empty() || !chars || !strlen(chars))
                    408:                return STRING_NOT_FOUND;
                    409:        CORD_pos_info info={chars, left, right};
                    410:        if(CORD_riter4(body, right, (CORD_iter_fn)CORD_iter_fn_rskip, &info))
                    411:                return info.pos;
                    412:        else
                    413:                return STRING_NOT_FOUND;
                    414: }
                    415: 
1.174     paf       416: // String methods
                    417: 
                    418: String& String::append_know_length(const char* str, size_t known_length, Language lang) {
                    419:        if(!known_length)
1.9       paf       420:                return *this;
1.122     paf       421: 
1.176     paf       422:        // first: langs
                    423:        langs.append(body, lang, known_length);
                    424:        // next: letters themselves
1.174     paf       425:        body.append_know_length(str, known_length);
1.1       paf       426: 
1.174     paf       427:        ASSERT_STRING_INVARIANT(*this);
1.1       paf       428:        return *this;
                    429: }
1.174     paf       430: String& String::append_help_length(const char* str, size_t helper_length, Language lang) {
                    431:        if(!str)
                    432:                return *this;
                    433:        size_t known_length=helper_length?helper_length:strlen(str);
                    434:        if(!known_length)
                    435:                return *this;
1.1       paf       436: 
1.174     paf       437:        return append_know_length(str, known_length, lang);
1.5       paf       438: }
1.226     misha     439: String::String(int value, char *format) : langs(L_CLEAN){
                    440:        char buf[MAX_NUMBER];
                    441:        body.append_strdup_know_length(buf, snprintf(buf, MAX_NUMBER, format, value));
                    442: }
1.174     paf       443: String& String::append_strdup(const char* str, size_t helper_length, Language lang) {
                    444:        size_t known_length=helper_length?helper_length:strlen(str);
                    445:        if(!known_length)
                    446:                return *this;
1.5       paf       447: 
1.176     paf       448:        // first: langs
                    449:        langs.append(body, lang, known_length);
                    450:        // next: letters themselves
1.174     paf       451:        body.append_strdup_know_length(str, known_length);
1.33      paf       452: 
1.174     paf       453:        ASSERT_STRING_INVARIANT(*this);
                    454:        return *this;
1.5       paf       455: }
1.46      paf       456: 
1.234     misha     457: struct CORD_length_info {
                    458:        size_t len;
                    459:        size_t skip;
                    460: };
                    461: 
                    462: int CORD_batched_len(const char* s, CORD_length_info* info){
                    463:        info->len += lengthUTF8( (const XMLByte *)s, (const XMLByte *)s+strlen(s));     return 0;
1.221     misha     464: }
                    465: 
1.234     misha     466: // can be called only for IS_FUNCTION(CORD) which are used in large String::Body::mid
                    467: int CORD_batched_len(const char c, CORD_length_info* info){
                    468:        if (info->skip==0){
                    469:                info->len++;
                    470:                info->skip = lengthUTF8Char(c)-1;
                    471:        } else {
                    472:                info->skip--;
                    473:        }
1.220     misha     474:        return 0;
                    475: }
                    476: 
1.210     misha     477: size_t String::length(Charset& charset) const {
                    478:        if(charset.isUTF8()){
1.234     misha     479:                CORD_length_info info = {0, 0};
                    480:                body.for_each<CORD_length_info *>(CORD_batched_len, CORD_batched_len, &info);
                    481:                return info.len;
1.210     misha     482:        } else
                    483:                return body.length();
                    484: }
                    485: 
1.174     paf       486: /// @todo check in doc: whether it documents NOW bad situation "abc".mid(-1, 3) =were?="ab"
                    487: String& String::mid(size_t substr_begin, size_t substr_end) const {
                    488:        String& result=*new String;
                    489: 
                    490:        size_t self_length=length();
                    491:        substr_begin=min(substr_begin, self_length);
                    492:        substr_end=min(max(substr_end, substr_begin), self_length);
1.176     paf       493:        size_t substr_length=substr_end-substr_begin;
                    494:        if(!substr_length)
1.107     parser    495:                return result;
1.53      paf       496: 
1.176     paf       497:        // first: their langs
                    498:        result.langs.append(result.body, langs, substr_begin, substr_length);
                    499:        // next: letters themselves
                    500:        result.body=body.mid(substr_begin, substr_length);
1.174     paf       501: 
                    502:        ASSERT_STRING_INVARIANT(result);
1.53      paf       503:        return result;
1.54      paf       504: }
                    505: 
1.211     misha     506: // from, to and helper_length in characters, not in bytes (it's important for utf-8)
                    507: String& String::mid(Charset& charset, size_t from, size_t to, size_t helper_length) const {
1.210     misha     508:        String& result=*new String;
                    509: 
1.211     misha     510:        size_t self_length=(helper_length)?helper_length:length(charset);
                    511: 
                    512:        if(!self_length)
                    513:                return result;
                    514: 
                    515:        from=min(min(to, from), self_length);
1.210     misha     516:        to=min(max(to, from), self_length);
1.211     misha     517: 
1.210     misha     518:        size_t substr_length=to-from;
1.211     misha     519: 
1.210     misha     520:        if(!substr_length)
                    521:                return result;
                    522: 
                    523:        if(charset.isUTF8()){
1.234     misha     524:                const XMLByte* src_begin=(const XMLByte*)cstr();
1.230     misha     525:                const XMLByte* src_end=src_begin+body.length();
1.210     misha     526: 
1.212     misha     527:                // convert 'from' and 'substr_length' from 'characters' to 'bytes'
1.230     misha     528:                from=getUTF8BytePos(src_begin, src_end, from);
                    529:                substr_length=getUTF8BytePos(src_begin+from, src_end, substr_length);
1.210     misha     530:                if(!substr_length)
                    531:                        return result;
                    532:        }
                    533: 
                    534:        // first: their langs
                    535:        result.langs.append(result.body, langs, from, substr_length);
                    536:        // next: letters themselves
                    537:        result.body=body.mid(from, substr_length);
                    538: 
                    539:        ASSERT_STRING_INVARIANT(result);
                    540:        return result;
                    541: }
                    542: 
1.176     paf       543: size_t String::pos(const String::Body substr, size_t this_offset, Language lang) const {
1.183     paf       544:        size_t substr_length=substr.length();
                    545:        while(true) {
                    546:                size_t substr_begin=body.pos(substr, this_offset);
                    547:                
                    548:                if(substr_begin==CORD_NOT_FOUND)
                    549:                        return STRING_NOT_FOUND;
1.174     paf       550: 
1.183     paf       551:                if(langs.check_lang(lang, substr_begin, substr_length))
                    552:                        return substr_begin;
                    553: 
                    554:                this_offset=substr_begin+substr_length;
                    555:        }
1.58      paf       556: }
                    557: 
1.174     paf       558: size_t String::pos(const String& substr, 
                    559:                                size_t this_offset, Language lang) const {
                    560:        return pos(substr.body, this_offset, lang);
1.60      paf       561: }
                    562: 
1.210     misha     563: size_t String::pos(Charset& charset, const String& substr, 
                    564:                                size_t this_offset, Language lang) const {
                    565: 
                    566:        if(charset.isUTF8()){
1.234     misha     567:                const XMLByte* srcPtr=(const XMLByte*)cstr();
1.212     misha     568:                const XMLByte* srcEnd=srcPtr+body.length();
                    569: 
                    570:                // convert 'this_offset' from 'characters' to 'bytes'
                    571:                this_offset=getUTF8BytePos(srcPtr, srcEnd, this_offset);
                    572: 
1.229     misha     573:                size_t result=pos(substr.body, this_offset, lang);
                    574:                return (result==CORD_NOT_FOUND)
                    575:                        ? STRING_NOT_FOUND
                    576:                        : getUTF8CharPos(srcPtr, srcEnd, result); // convert 'result' from 'bytes' to 'characters'
1.212     misha     577:        } else {
1.229     misha     578:                size_t result=pos(substr.body, this_offset, lang);
                    579:                return (result==CORD_NOT_FOUND)
                    580:                        ? STRING_NOT_FOUND
                    581:                        : result;
1.210     misha     582:        }
                    583: }
                    584: 
1.174     paf       585: void String::split(ArrayString& result, 
                    586:                   size_t& pos_after, 
                    587:                   const char* delim, 
                    588:                   Language lang, int limit) const {
1.237     misha     589:        if(is_empty())
                    590:                return;
1.174     paf       591:        size_t self_length=length();
1.237     misha     592:        if(size_t delim_length=strlen(delim)) {
1.186     paf       593:                size_t pos_before;
1.60      paf       594:                // while we have 'delim'...
1.174     paf       595:                for(; (pos_before=pos(delim, pos_after, lang))!=STRING_NOT_FOUND && limit; limit--) {
1.69      paf       596:                        result+=&mid(pos_after, pos_before);
1.174     paf       597:                        pos_after=pos_before+delim_length;
1.60      paf       598:                }
                    599:                // last piece
1.174     paf       600:                if(pos_after<self_length && limit) {
                    601:                        result+=&mid(pos_after, self_length);
                    602:                        pos_after=self_length;
1.60      paf       603:                }
                    604:        } else { // empty delim
                    605:                result+=this;
1.174     paf       606:                pos_after+=self_length;
1.60      paf       607:        }
                    608: }
                    609: 
1.174     paf       610: void String::split(ArrayString& result, 
                    611:                   size_t& pos_after, 
                    612:                   const String& delim, Language lang, 
                    613:                   int limit) const {
1.237     misha     614:        if(is_empty())
                    615:                return;
                    616:        if(!delim.is_empty()) {
1.186     paf       617:                size_t pos_before;
1.60      paf       618:                // while we have 'delim'...
1.174     paf       619:                for(; (pos_before=pos(delim, pos_after, lang))!=STRING_NOT_FOUND && limit; limit--) {
1.69      paf       620:                        result+=&mid(pos_after, pos_before);
1.174     paf       621:                        pos_after=pos_before+delim.length();
1.60      paf       622:                }
                    623:                // last piece
1.174     paf       624:                if(pos_after<length() && limit) {
                    625:                        result+=&mid(pos_after, length());
                    626:                        pos_after=length();
1.60      paf       627:                }
                    628:        } else { // empty delim
                    629:                result+=this;
1.174     paf       630:                pos_after+=length();
1.60      paf       631:        }
1.61      paf       632: }
                    633: 
1.222     misha     634: Table* String::match(VRegex* vregex,
                    635:                        Row_action row_action, void *info,
                    636:                        int& matches_count) const { 
1.209     misha     637: 
1.222     misha     638:        // vregex->info(); // I have no idea what does it for?
1.63      paf       639: 
1.222     misha     640:        bool need_pre_post_match=vregex->is_pre_post_match_needed();
                    641:        bool global=vregex->is_global_search();
1.63      paf       642: 
1.174     paf       643:        const char* subject=cstr();
1.234     misha     644:        size_t subject_length=length();
1.222     misha     645:        const int ovector_size=(1/*match*/+MAX_MATCH_GROUPS)*3;
                    646:        int ovector[ovector_size];
1.155     paf       647: 
1.173     paf       648:        Table::Action_options table_options;
1.174     paf       649:        Table& table=*new Table(string_match_table_template, table_options);
1.63      paf       650: 
1.154     paf       651:        int prestart=0;
                    652:        int poststart=0;
1.174     paf       653:        int postfinish=length();
1.63      paf       654:        while(true) {
1.222     misha     655:                int exec_result=vregex->exec(subject, subject_length, ovector, ovector_size, prestart);
1.63      paf       656: 
1.222     misha     657:                if(exec_result<0) // only PCRE_ERROR_NOMATCH might be here, other negative results cause an exception
                    658:                        break;
1.63      paf       659: 
1.154     paf       660:                int prefinish=ovector[0];
                    661:                poststart=ovector[1];
1.236     moko      662: 
                    663:                if (prestart==poststart && subject[poststart]=='\n'){
                    664:                        prestart++;
                    665:                        continue;
                    666:                }
                    667: 
1.232     misha     668:                ArrayString* row=new ArrayString(3);
1.174     paf       669:                if(need_pre_post_match) {
                    670:                        *row+=&mid(0, prefinish); // .prematch column value
                    671:                        *row+=&mid(prefinish, poststart); // .match
                    672:                        *row+=&mid(poststart, postfinish); // .postmatch
                    673:                } else {
1.185     paf       674:                        *row+=&Empty; // .prematch column value
                    675:                        *row+=&Empty; // .match
                    676:                        *row+=&Empty; // .postmatch
1.174     paf       677:                }
1.63      paf       678:                
1.222     misha     679:                for(int i=1; i<exec_result; i++) {
1.69      paf       680:                        // -1:-1 case handled peacefully by mid() itself
1.232     misha     681:                        *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       682:                }
                    683:                
1.209     misha     684:                matches_count++;
1.174     paf       685:                row_action(table, row, prestart, prefinish, poststart, postfinish, info);
1.63      paf       686: 
1.222     misha     687:                if(!global || prestart==poststart) // last step
                    688:                        break;
                    689: 
1.154     paf       690:                prestart=poststart;
1.222     misha     691:        }
1.63      paf       692: 
1.222     misha     693:        row_action(table, 0/*last time, no raw*/, 0, 0, poststart, postfinish, info);
                    694:        return vregex->is_just_count() ? 0 : &table;
1.82      parser    695: }
                    696: 
1.174     paf       697: String& String::change_case(Charset& source_charset, Change_case_kind kind) const {
                    698:        String& result=*new String();
                    699:        if(is_empty())
                    700:                return result;
                    701: 
                    702:        char* new_cstr=cstrm();
1.216     misha     703: 
1.181     paf       704:        if(source_charset.isUTF8()) {
1.216     misha     705:                size_t new_cstr_len=length();
1.181     paf       706:                switch(kind) {
                    707:                case CC_UPPER:
1.192     paf       708:                        change_case_UTF8((const XMLByte*)new_cstr, new_cstr_len, (XMLByte*)new_cstr, new_cstr_len, UTF8CaseToUpper);
1.181     paf       709:                        break;
                    710:                case CC_LOWER:
1.192     paf       711:                        change_case_UTF8((const XMLByte*)new_cstr, new_cstr_len, (XMLByte*)new_cstr, new_cstr_len, UTF8CaseToLower);
1.181     paf       712:                        break;
                    713:                default:
                    714:                        assert(!"unknown change case kind");
                    715:                        break; // never
                    716:                }       
                    717:                
                    718:        } else {
                    719:                const unsigned char *tables=source_charset.pcre_tables;
1.82      parser    720: 
1.181     paf       721:                const unsigned char *a;
                    722:                const unsigned char *b;
                    723:                switch(kind) {
                    724:                case CC_UPPER:
                    725:                        a=tables+lcc_offset;
                    726:                        b=tables+fcc_offset;
                    727:                        break;
                    728:                case CC_LOWER:
                    729:                        a=tables+lcc_offset;
                    730:                        b=0;
                    731:                        break;
                    732:                default:
                    733:                        assert(!"unknown change case kind");
                    734:                        a=b=0; // calm, compiler
                    735:                        break; // never
                    736:                }       
                    737: 
1.192     paf       738:                char *dest=new_cstr;
1.181     paf       739:                unsigned char index;
1.190     paf       740:                for(const char* current=new_cstr; (index=(unsigned char)*current); current++) {
1.181     paf       741:                        unsigned char c=a[index];
                    742:                        if(b)
                    743:                                c=b[c];
                    744: 
                    745:                        *dest++=(char)c;
                    746:                }
1.174     paf       747:        }
1.176     paf       748:        result.langs=langs;
1.174     paf       749:        result.body=new_cstr;
1.89      parser    750: 
1.101     parser    751:        return result;
                    752: }
                    753: 
1.213     misha     754: const String& String::escape(Charset& source_charset) const {
                    755:        if(is_empty())
                    756:                return *this;
                    757: 
                    758:        return Charset::escape(*this, source_charset);
                    759: }
                    760: 
1.238     misha     761: #define STRING_APPEND(result, from_cstr, langs, langs_offset, length) \
                    762:                        result.langs.append(result.body, langs, langs_offset, length); \
                    763:                        result.body.append_strdup_know_length(from_cstr, length);
                    764: 
1.174     paf       765: const String& String::replace(const Dictionary& dict) const {
1.238     misha     766:        if(!dict.count() || is_empty())
                    767:                return *this;
                    768: 
1.174     paf       769:        String& result=*new String();
                    770:        const char* old_cstr=cstr();
                    771:        const char* prematch_begin=old_cstr;
                    772: 
1.238     misha     773:        if(dict.count()==1) {
                    774:                // optimized simple case
                    775: 
                    776:                Dictionary::Subst subst=dict.get(0);
1.239     moko      777:                while(const char* p=strstr(prematch_begin, subst.from)) {
1.174     paf       778:                        // prematch
1.238     misha     779:                        if(size_t prematch_length=p-prematch_begin) {
                    780:                                STRING_APPEND(result, prematch_begin, langs, prematch_begin-old_cstr, prematch_length)
1.101     parser    781:                        }
                    782: 
1.174     paf       783:                        // match
1.238     misha     784:                        prematch_begin=p+subst.from_length;
1.174     paf       785: 
1.184     paf       786:                        if(const String* b=subst.to) // are there any b?
1.174     paf       787:                                result<<*b;
1.238     misha     788:                }
                    789: 
                    790:        } else {
                    791: 
                    792:                const char* current=old_cstr;
                    793:                while(*current) {
                    794:                        if(Dictionary::Subst subst=dict.first_that_begins(current)) {
                    795:                                // prematch
                    796:                                if(size_t prematch_length=current-prematch_begin) {
                    797:                                        STRING_APPEND(result, prematch_begin, langs, prematch_begin-old_cstr, prematch_length)
                    798:                                }
                    799: 
                    800:                                // match
                    801:                                // skip 'a' in 'current'; move prematch_begin
                    802:                                current+=subst.from_length; prematch_begin=current;
                    803: 
                    804:                                if(const String* b=subst.to) // are there any b?
                    805:                                        result<<*b;
                    806:                        } else // simply advance
                    807:                                current++; 
                    808:                }
                    809: 
1.174     paf       810:        }
1.156     paf       811: 
1.238     misha     812:        if(prematch_begin==old_cstr) // not modified
                    813:                return *this;
                    814: 
1.174     paf       815:        // postmatch
1.238     misha     816:        if(size_t postmatch_length=old_cstr+length()-prematch_begin) {
                    817:                STRING_APPEND(result, prematch_begin, langs, prematch_begin-old_cstr, postmatch_length)
1.174     paf       818:        }
1.156     paf       819: 
1.174     paf       820:        ASSERT_STRING_INVARIANT(result);
1.82      parser    821:        return result;
1.61      paf       822: }
1.113     parser    823: 
1.180     paf       824: static int serialize_body_char(char c, char** cur) {
                    825:        *((*cur)++)=c;
                    826:        return 0; // 0=continue
                    827: };
1.174     paf       828: static int serialize_body_piece(const char* s, char** cur) {
                    829:        size_t length=strlen(s);
                    830:        memcpy(*cur, s, length);  *cur+=length;
1.178     paf       831:        return 0; // 0=continue
1.174     paf       832: };
1.178     paf       833: static int serialize_lang_piece(char alang, size_t asize, char** cur) {
                    834:        // lang
1.191     paf       835:        **cur=alang; (*cur)++;
                    836:        // length [WARNING: not cast, addresses must be %4=0 on sparc]
1.178     paf       837:        memcpy(*cur, &asize, sizeof(asize));  *cur+=sizeof(asize);
                    838: 
                    839:        return 0; // 0=continue
                    840: }
1.174     paf       841: String::Cm String::serialize(size_t prolog_length) const {
1.178     paf       842:        size_t fragments_count=langs.count();
1.202     paf       843:        size_t body_length=body.length();
1.174     paf       844:        size_t buf_length=
1.178     paf       845:                prolog_length //1
                    846:                +sizeof(size_t) //2
1.202     paf       847:                +body_length //3
                    848:                +1 // 4 for zero terminator used in deserialize
                    849:                +sizeof(size_t) //5
                    850:                +fragments_count*(sizeof(char)+sizeof(size_t)); //6
                    851: 
1.174     paf       852:        String::Cm result(new(PointerFreeGC) char[buf_length], buf_length);
                    853: 
                    854:        // 1: prolog
                    855:        char *cur=result.str+prolog_length;
1.202     paf       856:        // 2: chars.count [WARNING: not cast, addresses must be %4=0 on sparc]
                    857:        memcpy(cur, &body_length, sizeof(body_length));  cur+=sizeof(body_length);
                    858:        // 3: letters
                    859:        body.for_each(serialize_body_char, serialize_body_piece, &cur);
                    860:        // 4: zero terminator
                    861:        *cur++=0;
                    862:        // 5: langs.count [WARNING: not cast, addresses must be %4=0 on sparc]
1.174     paf       863:        memcpy(cur, &fragments_count, sizeof(fragments_count));  cur+=sizeof(fragments_count);
1.202     paf       864:        // 6: lang info
1.178     paf       865:        langs.for_each(body, serialize_lang_piece, &cur);
1.113     parser    866: 
1.174     paf       867:        return result;
1.113     parser    868: }
1.202     paf       869: bool String::deserialize(size_t prolog_size, void *buf, size_t buf_size) {
                    870:        size_t in_buf=buf_size;
                    871:        if(in_buf<=prolog_size)
1.148     paf       872:                return false;
1.202     paf       873:        in_buf-=prolog_size;
1.135     paf       874: 
1.174     paf       875:        // 1: prolog
1.202     paf       876:        const char* cur=(const char* )buf+prolog_size;
1.113     parser    877: 
1.207     paf       878:        // 2: chars.count
1.202     paf       879:        size_t body_length;
                    880:        if(in_buf<sizeof(body_length)) // body.length don't fit?
                    881:                return false;
                    882:        // [WARNING: not cast, addresses must be %4=0 on sparc]
                    883:        memcpy(&body_length, cur, sizeof(body_length));  cur+=sizeof(body_length);
                    884:        in_buf-=sizeof(body_length);
                    885: 
                    886:        if(in_buf<body_length+1) // letters+terminator don't fit?
                    887:                return false;
                    888:        // 4: zero terminator
                    889:        if(cur[body_length] != 0) // in place?
                    890:                return false;
                    891:        // 3: letters
1.227     misha     892:        body=String::Body(*cur?cur:0);
1.229     misha     893: #ifdef STRING_LENGTH_CACHING
                    894:        body.set_length(body_length);
                    895: #endif
1.202     paf       896:        cur+=body_length+1;
                    897:        in_buf-=body_length+1;
                    898: 
                    899:        // 5: langs.count
1.191     paf       900:        size_t fragments_count;
1.202     paf       901:        if(in_buf<sizeof(fragments_count)) // langs.count don't fit?
1.174     paf       902:                return false;
1.191     paf       903:        // [WARNING: not cast, addresses must be %4=0 on sparc]
                    904:        memcpy(&fragments_count, cur, sizeof(fragments_count));  cur+=sizeof(fragments_count);
1.202     paf       905:        in_buf-=sizeof(fragments_count);
1.174     paf       906:        
                    907:        if(fragments_count) {
1.202     paf       908:                // 6: lang info
1.174     paf       909:                size_t total_length=0;
                    910:                for(size_t f=0; f<fragments_count; f++) {
1.191     paf       911:                        char lang;
                    912:                        size_t fragment_length;
                    913:                        size_t piece_length=sizeof(lang)+sizeof(fragment_length);
1.202     paf       914:                        if(in_buf<piece_length) // lang+length
1.174     paf       915:                                return false;
                    916: 
1.191     paf       917:                        // lang
                    918:                        lang=*cur++;
                    919:                        // length [WARNING: not cast, addresses must be %4=0 on sparc]
                    920:                        memcpy(&fragment_length, cur, sizeof(fragment_length));  cur+=sizeof(fragment_length);
                    921: 
1.206     paf       922:                        size_t combined_length=total_length+fragment_length;
                    923:                        if(combined_length>body_length)
                    924:                                return false; // file curruption
1.191     paf       925:                        // uchar needed to prevent propagating 0x80 bit to upper bytes
                    926:                        langs.append(total_length, (String::Language)(uchar)lang, fragment_length);
1.206     paf       927:                        total_length=combined_length;
1.202     paf       928:                        in_buf-=piece_length;
1.174     paf       929:                }
1.128     paf       930: 
1.202     paf       931:                if(total_length!=body_length) // length(all language fragments) vs length(letters)
1.148     paf       932:                        return false;
1.174     paf       933:        }
1.202     paf       934:        if(in_buf!=0) // some strange extra bytes
                    935:                return false;
1.113     parser    936: 
1.174     paf       937:        ASSERT_STRING_INVARIANT(*this);
1.148     paf       938:        return true;
1.176     paf       939: }
                    940: 
                    941: const char* String::Body::v() const {
1.233     misha     942:        return CORD_to_const_char_star(body, length());
1.176     paf       943: }
1.201     paf       944: void String::Body::dump() const {
                    945:        CORD_dump(body);
                    946: }
                    947: 
1.176     paf       948: const char* String::Languages::v() const {
1.177     paf       949:        if(opt.is_not_just_lang)
1.233     misha     950:                return CORD_to_const_char_star(langs, 0);
1.176     paf       951:        else
                    952:                return (const char*)&langs;
                    953: }
1.201     paf       954: void String::Languages::dump() const {
                    955:        if(opt.is_not_just_lang)
                    956:                CORD_dump(langs);
                    957:        else
                    958:                puts((const char*)&langs);
                    959: }
1.176     paf       960: const char* String::v() const {
1.198     paf       961:        const uint LIMIT_VIEW=20;
1.176     paf       962:        char* buf=(char*)malloc(MAX_STRING);
                    963:        const char*body_view=body.v();
                    964:        const char*langs_view=langs.v();
                    965:        snprintf(buf, MAX_STRING, 
1.178     paf       966:                "%d:%.*s%s}   "
1.176     paf       967:                "{%d:%s",
1.178     paf       968:                langs.count(), LIMIT_VIEW, langs_view, strlen(langs_view)>LIMIT_VIEW?"...":"",
1.176     paf       969:                strlen(body_view), body_view
                    970:        );
                    971: 
                    972:        return buf;
1.113     parser    973: }
1.229     misha     974: 
1.201     paf       975: void String::dump() const {
                    976:        body.dump();
                    977:        langs.dump();
                    978: }
1.229     misha     979: 
                    980: const String& String::trim(String::Trim_kind kind, const char* chars, Charset* source_charset) const {
1.223     misha     981:        if(is_empty())
1.195     paf       982:                return *this;
                    983: 
                    984:        size_t substr_begin, substr_length;
1.229     misha     985:        Body new_body=body.trim(kind, chars, &substr_begin, &substr_length, source_charset);
1.195     paf       986:        if(new_body==body) // we received unchanged pointer, do likewise
                    987:                return *this;
                    988:        // new_body differs from body, adjust langs along
                    989: 
                    990:        String& result=*new String;
                    991:        if(!new_body) // body.trim produced empty result
                    992:                return result;
                    993:        // body.trim produced nonempty result
                    994: 
                    995:        // first: their langs
                    996:        result.langs.append(result.body, langs, substr_begin, substr_length);
                    997:        // next: letters themselves
                    998:        result.body=new_body;
                    999: 
                   1000:        ASSERT_STRING_INVARIANT(result);
                   1001:        return result;
1.198     paf      1002: }

E-mail: