Annotation of parser3/src/main/pa_string.C, revision 1.260

1.45      paf         1: /** @file
1.174     paf         2:        Parser: string class. @see untalength_t.C.
1.46      paf         3: 
1.260   ! moko        4:        Copyright (c) 2001-2017 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: 
1.260   ! moko       15: volatile const char * IDENT_PA_STRING_C="$Id: pa_string.C,v 1.259 2016/12/29 15:24:49 moko Exp $" IDENT_PA_STRING_H;
1.240     moko       16: 
1.185     paf        17: const String String::Empty;
                     18: 
1.242     moko       19: // pa_atoui is based on Manuel Novoa III _strto_l for uClibc
                     20: 
1.249     moko       21: template<typename T> inline T pa_ato_any(const char *str, int base, const String* problem_source,const T max){
                     22:        T result = 0;
1.242     moko       23:        const char *pos = str;
                     24: 
                     25:        while (isspace(*pos)) /* skip leading whitespace */
                     26:                ++pos;
                     27: 
                     28:        if (base == 16 && *pos == '0') { /* handle option prefix */
                     29:                ++pos;
                     30:                if (*pos == 'x' || *pos == 'X') {
                     31:                        ++pos;
                     32:                }
                     33:        }
                     34: 
                     35:        if (base == 0) { /* dynamic base */
                     36:                base = 10; /* default is 10 */
                     37:                if (*pos == '0') {
                     38:                        ++pos;
1.245     moko       39:                        if (*pos == 'x' || *pos == 'X'){
1.242     moko       40:                                ++pos;
                     41:                                base=16;
1.245     moko       42:                        }
1.242     moko       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: 
1.249     moko       50:        T cutoff = max / base;
                     51:        int cutoff_digit = (int)(max - cutoff * base);
1.242     moko       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: 
1.249     moko       85: unsigned int pa_atoui(const char *str, int base, const String* problem_source){
1.254     moko       86:        return pa_ato_any<unsigned int>(str, base, problem_source, UINT_MAX);
1.249     moko       87: }
                     88: 
                     89: unsigned long long pa_atoul(const char *str, int base, const String* problem_source){
1.254     moko       90:        return pa_ato_any<unsigned long long int>(str, base, problem_source, ULLONG_MAX);
1.249     moko       91: }
                     92: 
1.193     paf        93: int pa_atoi(const char* str, const String* problem_source) {
                     94:        if(!str)
                     95:                return 0;
                     96: 
1.242     moko       97:        while(isspace(*str))
1.193     paf        98:                str++;
1.242     moko       99: 
1.193     paf       100:        if(!*str)
                    101:                return 0;
                    102: 
1.200     paf       103:        bool negative=false;
                    104:        if(str[0]=='-') {
                    105:                negative=true;
                    106:                str++;
                    107:        } else if(str[0]=='+') {
                    108:                str++;
                    109:        }
1.193     paf       110: 
1.242     moko      111:        unsigned int result=pa_atoui(str, 0, problem_source);
1.193     paf       112: 
1.242     moko      113:        if(negative && result <= ((unsigned int)(-(1+INT_MIN)))+1)
1.243     moko      114:                return -(int)result;
1.242     moko      115:        
                    116:        if(result<=INT_MAX)
1.243     moko      117:                return (int)result;
1.242     moko      118:        
                    119:        throw Exception("number.format", problem_source, problem_source ? "out of range (int)" : "'%s' is out of range (int)", str);
1.193     paf       120: }
                    121: 
                    122: double pa_atod(const char* str, const String* problem_source) {
                    123:        if(!str)
                    124:                return 0;
                    125: 
1.242     moko      126:        while(isspace(*str))
1.193     paf       127:                str++;
1.242     moko      128: 
1.193     paf       129:        if(!*str)
                    130:                return 0;
                    131: 
1.200     paf       132:        bool negative=false;
                    133:        if(str[0]=='-') {
                    134:                negative=true;
                    135:                str++;
                    136:        } else if(str[0]=='+') {
                    137:                str++;
                    138:        }
1.242     moko      139: 
                    140:        double result;
1.247     moko      141:        if(str[0]=='0') {
                    142:                if(str[1]=='x' || str[1]=='X') {
1.242     moko      143:                        // 0xABC
1.249     moko      144:                        result=(double)pa_atoul(str, 0, problem_source);
1.242     moko      145:                        return negative ? -result : result;
                    146:                } else {
1.200     paf       147:                         // skip leading 0000, to disable octal interpretation
1.242     moko      148:                        do str++; while(*str=='0');
1.200     paf       149:                }
1.247     moko      150:        }
1.242     moko      151: 
                    152:        char *error_pos;
                    153:        result=strtod(str, &error_pos);
1.193     paf       154: 
                    155:        while(char c=*error_pos++)
1.199     paf       156:                if(!isspace((unsigned char)c))
1.242     moko      157:                        throw Exception("number.format", problem_source, problem_source ? "invalid number (double)" : "'%s' is invalid number (double)", str);
1.193     paf       158: 
1.242     moko      159:        return negative ? -result : result;
1.193     paf       160: }
                    161: 
1.176     paf       162: // cord lib extension
                    163: 
                    164: #ifndef DOXYGEN
                    165: typedef struct {
1.254     moko      166:        ssize_t countdown;
                    167:        int target;     /* Character we're looking for  */
1.176     paf       168: } chr_data;
                    169: #endif
1.248     moko      170: 
1.176     paf       171: static int CORD_range_contains_chr_greater_then_proc(char c, size_t size, void* client_data)
                    172: {
1.254     moko      173:        register chr_data * d = (chr_data *)client_data;
                    174: 
                    175:        if (d -> countdown<=0) return(2);
                    176:        d -> countdown -= size;
                    177:        if (c > d -> target) return(1);
                    178:        return(0);
1.176     paf       179: }
1.248     moko      180: 
1.176     paf       181: int CORD_range_contains_chr_greater_then(CORD x, size_t i, size_t n, int c)
                    182: {
1.254     moko      183:        chr_data d;
1.176     paf       184: 
1.254     moko      185:        d.countdown = n;
                    186:        d.target = c;
                    187:        return(CORD_block_iter(x, i, CORD_range_contains_chr_greater_then_proc, &d) == 1/*alternatives: 0 normally ended, 2=struck 'n'*/);
1.176     paf       188: }
                    189: 
1.187     paf       190: static int CORD_block_count_proc(char /*c*/, size_t /*size*/, void* client_data)
1.178     paf       191: {
1.254     moko      192:        int* result=(int*)client_data;
                    193:        (*result)++;
                    194:        return(0); // 0=continue
1.178     paf       195: }
1.248     moko      196: 
1.178     paf       197: size_t CORD_block_count(CORD x)
                    198: {
                    199:        size_t result=0;
                    200:        CORD_block_iter(x, 0, CORD_block_count_proc, &result);
1.254     moko      201:        return result;
1.178     paf       202: }
                    203: 
1.174     paf       204: // helpers
1.139     paf       205: 
1.174     paf       206: /// String::match uses this as replace & global search table columns
1.139     paf       207: 
1.174     paf       208: const int MAX_MATCH_GROUPS=100;
1.139     paf       209: 
1.174     paf       210: class String_match_table_template_columns: public ArrayString {
                    211: public:
                    212:        String_match_table_template_columns() {
                    213:                *this+=new String("prematch");
                    214:                *this+=new String("match");
                    215:                *this+=new String("postmatch");
                    216:                for(int i=0; i<MAX_MATCH_GROUPS; i++) {
1.176     paf       217:                        *this+=new String(String::Body::Format(1+i), String::L_CLEAN);
1.174     paf       218:                }
                    219:        }
                    220: };
                    221: 
                    222: Table string_match_table_template(new String_match_table_template_columns);
                    223: 
1.176     paf       224: // String::Body methods
1.140     paf       225: 
1.176     paf       226: String::Body String::Body::Format(int value) {
1.174     paf       227:        char local[MAX_NUMBER];
                    228:        size_t length=snprintf(local, MAX_NUMBER, "%d", value);
1.224     misha     229:        return String::Body(pa_strdup(local, length));
1.120     paf       230: }
                    231: 
1.254     moko      232: String::Body String::Body::trim(String::Trim_kind kind, const char* chars, size_t* out_start, size_t* out_length, Charset* source_charset) const {
1.195     paf       233:        size_t our_length=length();
                    234:        if(!our_length)
                    235:                return *this;
1.229     misha     236: 
                    237:        // check if any UTF-8 in chars
                    238:        bool fast=true;
                    239:        if(chars && source_charset && source_charset->isUTF8()){
                    240:                const char* pos=chars;
                    241:                while(unsigned char c=*pos++)
                    242:                        if(c>127){
                    243:                                fast=false;
                    244:                                break;
                    245:                        }
                    246:        }
                    247: 
                    248:        size_t start=0;
                    249:        size_t end=our_length;
1.195     paf       250:        if(!chars)
                    251:                chars=" \t\n"; // white space
                    252: 
1.229     misha     253:        if(fast){
                    254:                // from left...
                    255:                if(kind!=TRIM_END) {
                    256:                        CORD_pos pos; set_pos(pos, 0);
                    257:                        while(true) {
                    258:                                char c=CORD_pos_fetch(pos);
                    259:                                if(strchr(chars, c)) {
                    260:                                        if(++start==our_length)
                    261:                                                return 0; // all chars are empty, just return empty string
                    262:                                } else
                    263:                                        break;                  
                    264: 
                    265:                                CORD_next(pos);
                    266:                        }
                    267:                }
                    268: 
                    269:                // from right..
                    270:                if(kind!=TRIM_START) {
                    271:                        CORD_pos pos; set_pos(pos, end-1);
                    272:                        while(true) {
                    273:                                char c=CORD_pos_fetch(pos);
                    274:                                if(strchr(chars, c)) {
                    275:                                        if(--end==0) // optimization: NO need to check for 'end>=start', that's(<) impossible
                    276:                                                return 0; // all chars are empty, just return empty string
                    277:                                } else
                    278:                                        break;                  
                    279: 
                    280:                                CORD_prev(pos);
                    281:                        }
                    282:                }
                    283:        } else {
1.234     misha     284:                const XMLByte* src_begin=(const XMLByte*)cstr();
1.229     misha     285:                const XMLByte* src_end=src_begin+our_length;
                    286: 
                    287:                // from left...
                    288:                if(kind!=TRIM_END) {
                    289:                        while(src_begin<src_end){
                    290:                                uint char_length=1;
                    291:                                const XMLByte* ptr=src_begin;
1.231     misha     292:                                // searching first UTF-8 byte: http://tools.ietf.org/html/rfc3629#section-3
                    293:                                while(++src_begin<=src_end && (*src_begin>127 && *src_begin<0xC0))
1.229     misha     294:                                        char_length++;
                    295: 
                    296:                                bool found=false;
                    297:                                for(const char* chars_byte=chars; chars_byte=strchr(chars_byte, *ptr); chars_byte++)
                    298:                                        if(strncmp(chars_byte, (const char*)ptr, char_length)==0){
                    299:                                                found=true;
                    300:                                                break;
                    301:                                        }
                    302: 
                    303:                                if(found){
                    304:                                        start+=char_length;
                    305:                                        if(start==our_length)
                    306:                                                return 0; // all chars are empty, just return empty string
                    307:                                } else
                    308:                                        break;
                    309:                        }
                    310:                }
1.196     paf       311: 
1.229     misha     312:                // from right..
                    313:                if(kind!=TRIM_START) {
                    314:                        while(src_begin<src_end){
                    315:                                uint char_length=1;
1.231     misha     316:                                // searching first UTF-8 byte: http://tools.ietf.org/html/rfc3629#section-3
                    317:                                while(src_begin<=--src_end && (*src_end>127 && *src_end<0xC0))
1.229     misha     318:                                        char_length++;
                    319: 
                    320:                                bool found=false;
                    321:                                for(const char* chars_byte=chars; chars_byte=strchr(chars_byte, *src_end); chars_byte++)
                    322:                                        if(strncmp(chars_byte, (const char*)src_end, char_length)==0){
                    323:                                                found=true;
                    324:                                                break;
                    325:                                        }
                    326: 
                    327:                                if(found){
                    328:                                        end-=char_length;
                    329:                                        if(end==0)
                    330:                                                return 0; // all chars are empty, just return empty string
                    331:                                } else
                    332:                                        break;
                    333:                        }
1.196     paf       334:                }
                    335:        }
1.195     paf       336: 
                    337:        if(start==0 && end==our_length) // nobody moved a thing
                    338:                return *this;
                    339: 
                    340:        if(out_start)
                    341:                *out_start=start;
                    342:        size_t new_length=end-start;
                    343:        if(out_length)
                    344:                *out_length=new_length;
                    345: 
                    346:        return mid(start, new_length);
                    347: }
                    348: 
1.174     paf       349: static int CORD_batched_iter_fn_generic_hash_code(char c, void * client_data) {
                    350:        uint& result=*static_cast<uint*>(client_data);
                    351:        generic_hash_code(result, c);
                    352:        return 0;
                    353: }
1.248     moko      354: 
1.174     paf       355: static int CORD_batched_iter_fn_generic_hash_code(const char*  s, void * client_data) {
                    356:        uint& result=*static_cast<uint*>(client_data);
                    357:        generic_hash_code(result, s);
                    358:        return 0;
1.248     moko      359: }
                    360: 
1.225     misha     361: uint String::Body::get_hash_code() const {
                    362: #ifdef HASH_CODE_CACHING
                    363:        if(hash_code)
                    364:                return hash_code;
                    365: #else
                    366:        uint hash_code=0;
                    367: #endif
1.220     misha     368:        if (body && CORD_IS_STRING(body)){
1.250     moko      369:                generic_hash_code(hash_code, (const char *)body);
1.220     misha     370:        } else {
                    371:                CORD_iter5(body, 0,
                    372:                        CORD_batched_iter_fn_generic_hash_code, 
1.225     misha     373:                        CORD_batched_iter_fn_generic_hash_code, &hash_code);
1.220     misha     374:        }
1.225     misha     375:        return hash_code;
1.94      parser    376: }
                    377: 
1.241     misha     378: struct CORD_pos_info {
                    379:        const char* chars;
                    380:        size_t left;
                    381:        size_t pos;
                    382: };
                    383: 
                    384: // can be called only for IS_FUNCTION(CORD) which is used in String::Body::strrpbrk
                    385: static int CORD_iter_fn_rpos(char c, CORD_pos_info* info) {
                    386:        if(info->pos < info->left){
                    387:                info->pos=STRING_NOT_FOUND;
                    388:                return 1;
                    389:        }
                    390:        if(strchr(info->chars, c))
                    391:                return 1;
                    392:        --(info->pos);
                    393:        return 0;
                    394: }
                    395: 
                    396: size_t String::Body::strrpbrk(const char* chars, size_t left, size_t right) const {
                    397:        if(is_empty() || !chars || !strlen(chars))
                    398:                return STRING_NOT_FOUND;
                    399:        CORD_pos_info info={chars, left, right};
                    400:        if(CORD_riter4(body, right, (CORD_iter_fn)CORD_iter_fn_rpos, &info))
                    401:                return info.pos;
                    402:        else
                    403:                return STRING_NOT_FOUND;
                    404: }
                    405: 
                    406: 
                    407: // can be called only for IS_FUNCTION(CORD) which is used in String::Body::rskipchars
                    408: static int CORD_iter_fn_rskip(char c, CORD_pos_info* info) {
                    409:        if(info->pos < info->left) {
                    410:                info->pos=STRING_NOT_FOUND;
                    411:                return 1;
                    412:        }
                    413:        if(!strchr(info->chars, c))
                    414:                return 1;
                    415:        --(info->pos);
                    416:        return 0;
                    417: }
                    418: 
                    419: size_t String::Body::rskipchars(const char* chars, size_t left, size_t right) const {
                    420:        if(is_empty() || !chars || !strlen(chars))
                    421:                return STRING_NOT_FOUND;
                    422:        CORD_pos_info info={chars, left, right};
                    423:        if(CORD_riter4(body, right, (CORD_iter_fn)CORD_iter_fn_rskip, &info))
                    424:                return info.pos;
                    425:        else
                    426:                return STRING_NOT_FOUND;
                    427: }
                    428: 
1.174     paf       429: // String methods
                    430: 
                    431: String& String::append_know_length(const char* str, size_t known_length, Language lang) {
                    432:        if(!known_length)
1.9       paf       433:                return *this;
1.122     paf       434: 
1.176     paf       435:        // first: langs
                    436:        langs.append(body, lang, known_length);
                    437:        // next: letters themselves
1.174     paf       438:        body.append_know_length(str, known_length);
1.1       paf       439: 
1.174     paf       440:        ASSERT_STRING_INVARIANT(*this);
1.1       paf       441:        return *this;
                    442: }
1.248     moko      443: 
1.174     paf       444: String& String::append_help_length(const char* str, size_t helper_length, Language lang) {
                    445:        if(!str)
                    446:                return *this;
                    447:        size_t known_length=helper_length?helper_length:strlen(str);
                    448:        if(!known_length)
                    449:                return *this;
1.1       paf       450: 
1.174     paf       451:        return append_know_length(str, known_length, lang);
1.5       paf       452: }
1.248     moko      453: 
1.244     moko      454: String::String(int value, const char *format) : langs(L_CLEAN){
1.226     misha     455:        char buf[MAX_NUMBER];
                    456:        body.append_strdup_know_length(buf, snprintf(buf, MAX_NUMBER, format, value));
                    457: }
1.248     moko      458: 
1.174     paf       459: String& String::append_strdup(const char* str, size_t helper_length, Language lang) {
                    460:        size_t known_length=helper_length?helper_length:strlen(str);
                    461:        if(!known_length)
                    462:                return *this;
1.5       paf       463: 
1.176     paf       464:        // first: langs
                    465:        langs.append(body, lang, known_length);
                    466:        // next: letters themselves
1.174     paf       467:        body.append_strdup_know_length(str, known_length);
1.33      paf       468: 
1.174     paf       469:        ASSERT_STRING_INVARIANT(*this);
                    470:        return *this;
1.5       paf       471: }
1.46      paf       472: 
1.234     misha     473: struct CORD_length_info {
                    474:        size_t len;
                    475:        size_t skip;
                    476: };
                    477: 
                    478: int CORD_batched_len(const char* s, CORD_length_info* info){
1.255     moko      479:        info->len += lengthUTF8( (const XMLByte *)s, (const XMLByte *)s+strlen(s));
                    480:        return 0;
1.221     misha     481: }
                    482: 
1.234     misha     483: // can be called only for IS_FUNCTION(CORD) which are used in large String::Body::mid
                    484: int CORD_batched_len(const char c, CORD_length_info* info){
                    485:        if (info->skip==0){
                    486:                info->len++;
                    487:                info->skip = lengthUTF8Char(c)-1;
                    488:        } else {
                    489:                info->skip--;
                    490:        }
1.220     misha     491:        return 0;
                    492: }
                    493: 
1.210     misha     494: size_t String::length(Charset& charset) const {
                    495:        if(charset.isUTF8()){
1.234     misha     496:                CORD_length_info info = {0, 0};
                    497:                body.for_each<CORD_length_info *>(CORD_batched_len, CORD_batched_len, &info);
                    498:                return info.len;
1.210     misha     499:        } else
                    500:                return body.length();
                    501: }
                    502: 
1.174     paf       503: /// @todo check in doc: whether it documents NOW bad situation "abc".mid(-1, 3) =were?="ab"
                    504: String& String::mid(size_t substr_begin, size_t substr_end) const {
                    505:        String& result=*new String;
                    506: 
                    507:        size_t self_length=length();
                    508:        substr_begin=min(substr_begin, self_length);
                    509:        substr_end=min(max(substr_end, substr_begin), self_length);
1.176     paf       510:        size_t substr_length=substr_end-substr_begin;
                    511:        if(!substr_length)
1.107     parser    512:                return result;
1.53      paf       513: 
1.176     paf       514:        // first: their langs
                    515:        result.langs.append(result.body, langs, substr_begin, substr_length);
                    516:        // next: letters themselves
                    517:        result.body=body.mid(substr_begin, substr_length);
1.174     paf       518: 
                    519:        ASSERT_STRING_INVARIANT(result);
1.53      paf       520:        return result;
1.54      paf       521: }
                    522: 
1.211     misha     523: // from, to and helper_length in characters, not in bytes (it's important for utf-8)
                    524: String& String::mid(Charset& charset, size_t from, size_t to, size_t helper_length) const {
1.210     misha     525:        String& result=*new String;
                    526: 
1.255     moko      527:        size_t self_length=helper_length ? helper_length : length(charset);
1.211     misha     528: 
                    529:        if(!self_length)
                    530:                return result;
                    531: 
                    532:        from=min(min(to, from), self_length);
1.210     misha     533:        to=min(max(to, from), self_length);
1.211     misha     534: 
1.210     misha     535:        size_t substr_length=to-from;
1.211     misha     536: 
1.210     misha     537:        if(!substr_length)
                    538:                return result;
                    539: 
                    540:        if(charset.isUTF8()){
1.234     misha     541:                const XMLByte* src_begin=(const XMLByte*)cstr();
1.230     misha     542:                const XMLByte* src_end=src_begin+body.length();
1.210     misha     543: 
1.212     misha     544:                // convert 'from' and 'substr_length' from 'characters' to 'bytes'
1.230     misha     545:                from=getUTF8BytePos(src_begin, src_end, from);
                    546:                substr_length=getUTF8BytePos(src_begin+from, src_end, substr_length);
1.210     misha     547:                if(!substr_length)
                    548:                        return result;
                    549:        }
                    550: 
                    551:        // first: their langs
                    552:        result.langs.append(result.body, langs, from, substr_length);
                    553:        // next: letters themselves
                    554:        result.body=body.mid(from, substr_length);
                    555: 
                    556:        ASSERT_STRING_INVARIANT(result);
                    557:        return result;
                    558: }
                    559: 
1.176     paf       560: size_t String::pos(const String::Body substr, size_t this_offset, Language lang) const {
1.183     paf       561:        size_t substr_length=substr.length();
                    562:        while(true) {
                    563:                size_t substr_begin=body.pos(substr, this_offset);
                    564:                
                    565:                if(substr_begin==CORD_NOT_FOUND)
                    566:                        return STRING_NOT_FOUND;
1.174     paf       567: 
1.183     paf       568:                if(langs.check_lang(lang, substr_begin, substr_length))
                    569:                        return substr_begin;
                    570: 
                    571:                this_offset=substr_begin+substr_length;
                    572:        }
1.58      paf       573: }
                    574: 
1.254     moko      575: size_t String::pos(const String& substr, size_t this_offset, Language lang) const {
1.174     paf       576:        return pos(substr.body, this_offset, lang);
1.60      paf       577: }
                    578: 
1.254     moko      579: size_t String::pos(Charset& charset, const String& substr, size_t this_offset, Language lang) const {
1.210     misha     580: 
                    581:        if(charset.isUTF8()){
1.234     misha     582:                const XMLByte* srcPtr=(const XMLByte*)cstr();
1.212     misha     583:                const XMLByte* srcEnd=srcPtr+body.length();
                    584: 
                    585:                // convert 'this_offset' from 'characters' to 'bytes'
                    586:                this_offset=getUTF8BytePos(srcPtr, srcEnd, this_offset);
                    587: 
1.229     misha     588:                size_t result=pos(substr.body, this_offset, lang);
                    589:                return (result==CORD_NOT_FOUND)
                    590:                        ? STRING_NOT_FOUND
                    591:                        : getUTF8CharPos(srcPtr, srcEnd, result); // convert 'result' from 'bytes' to 'characters'
1.212     misha     592:        } else {
1.229     misha     593:                size_t result=pos(substr.body, this_offset, lang);
                    594:                return (result==CORD_NOT_FOUND)
                    595:                        ? STRING_NOT_FOUND
                    596:                        : result;
1.210     misha     597:        }
                    598: }
                    599: 
1.256     moko      600: void String::split(ArrayString& result, size_t pos_after, const char* delim, Language lang) const {
1.237     misha     601:        if(is_empty())
                    602:                return;
1.174     paf       603:        size_t self_length=length();
1.237     misha     604:        if(size_t delim_length=strlen(delim)) {
1.186     paf       605:                size_t pos_before;
1.60      paf       606:                // while we have 'delim'...
1.256     moko      607:                while((pos_before=pos(delim, pos_after, lang))!=STRING_NOT_FOUND) {
1.69      paf       608:                        result+=&mid(pos_after, pos_before);
1.174     paf       609:                        pos_after=pos_before+delim_length;
1.60      paf       610:                }
                    611:                // last piece
1.256     moko      612:                if(pos_after<self_length)
1.174     paf       613:                        result+=&mid(pos_after, self_length);
1.60      paf       614:        } else { // empty delim
                    615:                result+=this;
                    616:        }
                    617: }
                    618: 
1.256     moko      619: void String::split(ArrayString& result, size_t pos_after, const String& delim, Language lang) const {
1.237     misha     620:        if(is_empty())
                    621:                return;
                    622:        if(!delim.is_empty()) {
1.186     paf       623:                size_t pos_before;
1.60      paf       624:                // while we have 'delim'...
1.256     moko      625:                while((pos_before=pos(delim, pos_after, lang))!=STRING_NOT_FOUND) {
1.69      paf       626:                        result+=&mid(pos_after, pos_before);
1.174     paf       627:                        pos_after=pos_before+delim.length();
1.60      paf       628:                }
                    629:                // last piece
1.256     moko      630:                if(pos_after<length())
1.174     paf       631:                        result+=&mid(pos_after, length());
1.60      paf       632:        } else { // empty delim
                    633:                result+=this;
                    634:        }
1.61      paf       635: }
                    636: 
1.254     moko      637: Table* String::match(VRegex* vregex, Row_action row_action, void *info, int& matches_count) const {
1.209     misha     638: 
1.222     misha     639:        // vregex->info(); // I have no idea what does it for?
1.63      paf       640: 
1.222     misha     641:        bool need_pre_post_match=vregex->is_pre_post_match_needed();
                    642:        bool global=vregex->is_global_search();
1.63      paf       643: 
1.174     paf       644:        const char* subject=cstr();
1.234     misha     645:        size_t subject_length=length();
1.222     misha     646:        const int ovector_size=(1/*match*/+MAX_MATCH_GROUPS)*3;
                    647:        int ovector[ovector_size];
1.155     paf       648: 
1.173     paf       649:        Table::Action_options table_options;
1.174     paf       650:        Table& table=*new Table(string_match_table_template, table_options);
1.63      paf       651: 
1.154     paf       652:        int prestart=0;
                    653:        int poststart=0;
1.174     paf       654:        int postfinish=length();
1.63      paf       655:        while(true) {
1.222     misha     656:                int exec_result=vregex->exec(subject, subject_length, ovector, ovector_size, prestart);
1.63      paf       657: 
1.222     misha     658:                if(exec_result<0) // only PCRE_ERROR_NOMATCH might be here, other negative results cause an exception
                    659:                        break;
1.63      paf       660: 
1.154     paf       661:                int prefinish=ovector[0];
                    662:                poststart=ovector[1];
1.236     moko      663: 
                    664:                if (prestart==poststart && subject[poststart]=='\n'){
                    665:                        prestart++;
                    666:                        continue;
                    667:                }
                    668: 
1.232     misha     669:                ArrayString* row=new ArrayString(3);
1.174     paf       670:                if(need_pre_post_match) {
                    671:                        *row+=&mid(0, prefinish); // .prematch column value
                    672:                        *row+=&mid(prefinish, poststart); // .match
                    673:                        *row+=&mid(poststart, postfinish); // .postmatch
                    674:                } else {
1.185     paf       675:                        *row+=&Empty; // .prematch column value
                    676:                        *row+=&Empty; // .match
                    677:                        *row+=&Empty; // .postmatch
1.174     paf       678:                }
1.63      paf       679:                
1.222     misha     680:                for(int i=1; i<exec_result; i++) {
1.69      paf       681:                        // -1:-1 case handled peacefully by mid() itself
1.232     misha     682:                        *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       683:                }
                    684:                
1.209     misha     685:                matches_count++;
1.174     paf       686:                row_action(table, row, prestart, prefinish, poststart, postfinish, info);
1.63      paf       687: 
1.222     misha     688:                if(!global || prestart==poststart) // last step
                    689:                        break;
                    690: 
1.154     paf       691:                prestart=poststart;
1.222     misha     692:        }
1.63      paf       693: 
1.222     misha     694:        row_action(table, 0/*last time, no raw*/, 0, 0, poststart, postfinish, info);
                    695:        return vregex->is_just_count() ? 0 : &table;
1.82      parser    696: }
                    697: 
1.174     paf       698: String& String::change_case(Charset& source_charset, Change_case_kind kind) const {
                    699:        String& result=*new String();
                    700:        if(is_empty())
                    701:                return result;
                    702: 
                    703:        char* new_cstr=cstrm();
1.216     misha     704: 
1.181     paf       705:        if(source_charset.isUTF8()) {
1.216     misha     706:                size_t new_cstr_len=length();
1.181     paf       707:                switch(kind) {
                    708:                case CC_UPPER:
1.192     paf       709:                        change_case_UTF8((const XMLByte*)new_cstr, new_cstr_len, (XMLByte*)new_cstr, new_cstr_len, UTF8CaseToUpper);
1.181     paf       710:                        break;
                    711:                case CC_LOWER:
1.192     paf       712:                        change_case_UTF8((const XMLByte*)new_cstr, new_cstr_len, (XMLByte*)new_cstr, new_cstr_len, UTF8CaseToLower);
1.181     paf       713:                        break;
                    714:                default:
                    715:                        assert(!"unknown change case kind");
                    716:                        break; // never
                    717:                }       
                    718:                
                    719:        } else {
                    720:                const unsigned char *tables=source_charset.pcre_tables;
1.82      parser    721: 
1.181     paf       722:                const unsigned char *a;
                    723:                const unsigned char *b;
                    724:                switch(kind) {
                    725:                case CC_UPPER:
                    726:                        a=tables+lcc_offset;
                    727:                        b=tables+fcc_offset;
                    728:                        break;
                    729:                case CC_LOWER:
                    730:                        a=tables+lcc_offset;
                    731:                        b=0;
                    732:                        break;
                    733:                default:
                    734:                        assert(!"unknown change case kind");
                    735:                        a=b=0; // calm, compiler
                    736:                        break; // never
                    737:                }       
                    738: 
1.192     paf       739:                char *dest=new_cstr;
1.181     paf       740:                unsigned char index;
1.190     paf       741:                for(const char* current=new_cstr; (index=(unsigned char)*current); current++) {
1.181     paf       742:                        unsigned char c=a[index];
                    743:                        if(b)
                    744:                                c=b[c];
                    745: 
                    746:                        *dest++=(char)c;
                    747:                }
1.174     paf       748:        }
1.176     paf       749:        result.langs=langs;
1.174     paf       750:        result.body=new_cstr;
1.89      parser    751: 
1.101     parser    752:        return result;
                    753: }
                    754: 
1.213     misha     755: const String& String::escape(Charset& source_charset) const {
                    756:        if(is_empty())
                    757:                return *this;
                    758: 
                    759:        return Charset::escape(*this, source_charset);
                    760: }
                    761: 
1.238     misha     762: #define STRING_APPEND(result, from_cstr, langs, langs_offset, length) \
                    763:                        result.langs.append(result.body, langs, langs_offset, length); \
                    764:                        result.body.append_strdup_know_length(from_cstr, length);
                    765: 
1.174     paf       766: const String& String::replace(const Dictionary& dict) const {
1.238     misha     767:        if(!dict.count() || is_empty())
                    768:                return *this;
                    769: 
1.174     paf       770:        String& result=*new String();
                    771:        const char* old_cstr=cstr();
                    772:        const char* prematch_begin=old_cstr;
                    773: 
1.238     misha     774:        if(dict.count()==1) {
                    775:                // optimized simple case
                    776: 
                    777:                Dictionary::Subst subst=dict.get(0);
1.239     moko      778:                while(const char* p=strstr(prematch_begin, subst.from)) {
1.174     paf       779:                        // prematch
1.238     misha     780:                        if(size_t prematch_length=p-prematch_begin) {
                    781:                                STRING_APPEND(result, prematch_begin, langs, prematch_begin-old_cstr, prematch_length)
1.101     parser    782:                        }
                    783: 
1.174     paf       784:                        // match
1.238     misha     785:                        prematch_begin=p+subst.from_length;
1.174     paf       786: 
1.184     paf       787:                        if(const String* b=subst.to) // are there any b?
1.174     paf       788:                                result<<*b;
1.238     misha     789:                }
                    790: 
                    791:        } else {
                    792: 
                    793:                const char* current=old_cstr;
                    794:                while(*current) {
                    795:                        if(Dictionary::Subst subst=dict.first_that_begins(current)) {
                    796:                                // prematch
                    797:                                if(size_t prematch_length=current-prematch_begin) {
                    798:                                        STRING_APPEND(result, prematch_begin, langs, prematch_begin-old_cstr, prematch_length)
                    799:                                }
                    800: 
                    801:                                // match
                    802:                                // skip 'a' in 'current'; move prematch_begin
                    803:                                current+=subst.from_length; prematch_begin=current;
                    804: 
                    805:                                if(const String* b=subst.to) // are there any b?
                    806:                                        result<<*b;
                    807:                        } else // simply advance
                    808:                                current++; 
                    809:                }
                    810: 
1.174     paf       811:        }
1.156     paf       812: 
1.238     misha     813:        if(prematch_begin==old_cstr) // not modified
                    814:                return *this;
                    815: 
1.174     paf       816:        // postmatch
1.238     misha     817:        if(size_t postmatch_length=old_cstr+length()-prematch_begin) {
                    818:                STRING_APPEND(result, prematch_begin, langs, prematch_begin-old_cstr, postmatch_length)
1.174     paf       819:        }
1.156     paf       820: 
1.174     paf       821:        ASSERT_STRING_INVARIANT(result);
1.82      parser    822:        return result;
1.61      paf       823: }
1.113     parser    824: 
1.180     paf       825: static int serialize_body_char(char c, char** cur) {
                    826:        *((*cur)++)=c;
                    827:        return 0; // 0=continue
1.248     moko      828: }
                    829: 
1.174     paf       830: static int serialize_body_piece(const char* s, char** cur) {
                    831:        size_t length=strlen(s);
                    832:        memcpy(*cur, s, length);  *cur+=length;
1.178     paf       833:        return 0; // 0=continue
1.248     moko      834: }
                    835: 
1.178     paf       836: static int serialize_lang_piece(char alang, size_t asize, char** cur) {
                    837:        // lang
1.191     paf       838:        **cur=alang; (*cur)++;
                    839:        // length [WARNING: not cast, addresses must be %4=0 on sparc]
1.178     paf       840:        memcpy(*cur, &asize, sizeof(asize));  *cur+=sizeof(asize);
                    841: 
                    842:        return 0; // 0=continue
                    843: }
1.248     moko      844: 
1.174     paf       845: String::Cm String::serialize(size_t prolog_length) const {
1.178     paf       846:        size_t fragments_count=langs.count();
1.202     paf       847:        size_t body_length=body.length();
1.174     paf       848:        size_t buf_length=
1.178     paf       849:                prolog_length //1
                    850:                +sizeof(size_t) //2
1.202     paf       851:                +body_length //3
                    852:                +1 // 4 for zero terminator used in deserialize
                    853:                +sizeof(size_t) //5
                    854:                +fragments_count*(sizeof(char)+sizeof(size_t)); //6
                    855: 
1.174     paf       856:        String::Cm result(new(PointerFreeGC) char[buf_length], buf_length);
                    857: 
                    858:        // 1: prolog
                    859:        char *cur=result.str+prolog_length;
1.202     paf       860:        // 2: chars.count [WARNING: not cast, addresses must be %4=0 on sparc]
                    861:        memcpy(cur, &body_length, sizeof(body_length));  cur+=sizeof(body_length);
                    862:        // 3: letters
                    863:        body.for_each(serialize_body_char, serialize_body_piece, &cur);
                    864:        // 4: zero terminator
                    865:        *cur++=0;
                    866:        // 5: langs.count [WARNING: not cast, addresses must be %4=0 on sparc]
1.174     paf       867:        memcpy(cur, &fragments_count, sizeof(fragments_count));  cur+=sizeof(fragments_count);
1.202     paf       868:        // 6: lang info
1.178     paf       869:        langs.for_each(body, serialize_lang_piece, &cur);
1.113     parser    870: 
1.174     paf       871:        return result;
1.113     parser    872: }
1.248     moko      873: 
1.202     paf       874: bool String::deserialize(size_t prolog_size, void *buf, size_t buf_size) {
                    875:        size_t in_buf=buf_size;
                    876:        if(in_buf<=prolog_size)
1.148     paf       877:                return false;
1.202     paf       878:        in_buf-=prolog_size;
1.135     paf       879: 
1.174     paf       880:        // 1: prolog
1.202     paf       881:        const char* cur=(const char* )buf+prolog_size;
1.113     parser    882: 
1.207     paf       883:        // 2: chars.count
1.202     paf       884:        size_t body_length;
                    885:        if(in_buf<sizeof(body_length)) // body.length don't fit?
                    886:                return false;
                    887:        // [WARNING: not cast, addresses must be %4=0 on sparc]
                    888:        memcpy(&body_length, cur, sizeof(body_length));  cur+=sizeof(body_length);
                    889:        in_buf-=sizeof(body_length);
                    890: 
                    891:        if(in_buf<body_length+1) // letters+terminator don't fit?
                    892:                return false;
                    893:        // 4: zero terminator
                    894:        if(cur[body_length] != 0) // in place?
                    895:                return false;
                    896:        // 3: letters
1.251     moko      897:        body=String::Body(String::C(cur, body_length));
1.202     paf       898:        cur+=body_length+1;
                    899:        in_buf-=body_length+1;
                    900: 
                    901:        // 5: langs.count
1.191     paf       902:        size_t fragments_count;
1.202     paf       903:        if(in_buf<sizeof(fragments_count)) // langs.count don't fit?
1.174     paf       904:                return false;
1.191     paf       905:        // [WARNING: not cast, addresses must be %4=0 on sparc]
                    906:        memcpy(&fragments_count, cur, sizeof(fragments_count));  cur+=sizeof(fragments_count);
1.202     paf       907:        in_buf-=sizeof(fragments_count);
1.174     paf       908:        
                    909:        if(fragments_count) {
1.202     paf       910:                // 6: lang info
1.174     paf       911:                size_t total_length=0;
                    912:                for(size_t f=0; f<fragments_count; f++) {
1.191     paf       913:                        char lang;
                    914:                        size_t fragment_length;
                    915:                        size_t piece_length=sizeof(lang)+sizeof(fragment_length);
1.202     paf       916:                        if(in_buf<piece_length) // lang+length
1.174     paf       917:                                return false;
                    918: 
1.191     paf       919:                        // lang
                    920:                        lang=*cur++;
                    921:                        // length [WARNING: not cast, addresses must be %4=0 on sparc]
                    922:                        memcpy(&fragment_length, cur, sizeof(fragment_length));  cur+=sizeof(fragment_length);
                    923: 
1.206     paf       924:                        size_t combined_length=total_length+fragment_length;
                    925:                        if(combined_length>body_length)
                    926:                                return false; // file curruption
1.191     paf       927:                        // uchar needed to prevent propagating 0x80 bit to upper bytes
                    928:                        langs.append(total_length, (String::Language)(uchar)lang, fragment_length);
1.206     paf       929:                        total_length=combined_length;
1.202     paf       930:                        in_buf-=piece_length;
1.174     paf       931:                }
1.128     paf       932: 
1.202     paf       933:                if(total_length!=body_length) // length(all language fragments) vs length(letters)
1.148     paf       934:                        return false;
1.174     paf       935:        }
1.202     paf       936:        if(in_buf!=0) // some strange extra bytes
                    937:                return false;
1.113     parser    938: 
1.174     paf       939:        ASSERT_STRING_INVARIANT(*this);
1.148     paf       940:        return true;
1.176     paf       941: }
                    942: 
1.201     paf       943: void String::Body::dump() const {
                    944:        CORD_dump(body);
                    945: }
                    946: 
1.257     moko      947: const char* String::Languages::visualize() const {
1.177     paf       948:        if(opt.is_not_just_lang)
1.233     misha     949:                return CORD_to_const_char_star(langs, 0);
1.176     paf       950:        else
1.257     moko      951:                return 0;
1.176     paf       952: }
1.248     moko      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: }
1.248     moko      960: 
1.257     moko      961: void String::dump() const {
                    962:        body.dump();
                    963:        langs.dump();
                    964: }
1.176     paf       965: 
1.257     moko      966: static char *n_chars(char c, size_t length){
                    967:        char *result=(char *)pa_malloc_atomic(length+1);
                    968:        memset(result, c, length);
                    969:        result[length] = '\0';
                    970:        return result;
1.113     parser    971: }
1.229     misha     972: 
1.257     moko      973: char* String::visualize_langs() const {
1.258     moko      974:        return is_not_just_lang() ? pa_strdup(langs.visualize()) : n_chars((char)just_lang(), length());
1.201     paf       975: }
1.229     misha     976: 
                    977: const String& String::trim(String::Trim_kind kind, const char* chars, Charset* source_charset) const {
1.223     misha     978:        if(is_empty())
1.195     paf       979:                return *this;
                    980: 
                    981:        size_t substr_begin, substr_length;
1.229     misha     982:        Body new_body=body.trim(kind, chars, &substr_begin, &substr_length, source_charset);
1.195     paf       983:        if(new_body==body) // we received unchanged pointer, do likewise
                    984:                return *this;
                    985:        // new_body differs from body, adjust langs along
                    986: 
                    987:        String& result=*new String;
                    988:        if(!new_body) // body.trim produced empty result
                    989:                return result;
                    990:        // body.trim produced nonempty result
                    991: 
                    992:        // first: their langs
                    993:        result.langs.append(result.body, langs, substr_begin, substr_length);
                    994:        // next: letters themselves
                    995:        result.body=new_body;
                    996: 
                    997:        ASSERT_STRING_INVARIANT(result);
                    998:        return result;
1.198     paf       999: }

E-mail: