Annotation of parser3/src/main/pa_string.C, revision 1.284

1.45      paf         1: /** @file
1.174     paf         2:        Parser: string class. @see untalength_t.C.
1.46      paf         3: 
1.277     moko        4:        Copyright (c) 2001-2024 Art. Lebedev Studio (http://www.artlebedev.com)
1.269     moko        5:        Authors: Konstantin Morshnev <moko@design.ru>, Alexandr Petrosian <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: 
1.284   ! moko       15: volatile const char * IDENT_PA_STRING_C="$Id: pa_string.C,v 1.283 2025/05/26 00:52:15 moko Exp $" IDENT_PA_STRING_H;
1.240     moko       16: 
1.185     paf        17: const String String::Empty;
                     18: 
1.262     moko       19: #define COMPILE_ASSERT(x) extern int assert_checker[(x) ? 1 : -1]
1.261     moko       20: COMPILE_ASSERT(sizeof(String::Languages) == sizeof(CORD));
                     21: 
1.176     paf        22: // cord lib extension
                     23: 
                     24: #ifndef DOXYGEN
                     25: typedef struct {
1.254     moko       26:        ssize_t countdown;
                     27:        int target;     /* Character we're looking for  */
1.176     paf        28: } chr_data;
                     29: #endif
1.248     moko       30: 
1.176     paf        31: static int CORD_range_contains_chr_greater_then_proc(char c, size_t size, void* client_data)
                     32: {
1.272     moko       33:        chr_data * d = (chr_data *)client_data;
1.254     moko       34: 
                     35:        if (d -> countdown<=0) return(2);
                     36:        d -> countdown -= size;
                     37:        if (c > d -> target) return(1);
                     38:        return(0);
1.176     paf        39: }
1.248     moko       40: 
1.176     paf        41: int CORD_range_contains_chr_greater_then(CORD x, size_t i, size_t n, int c)
                     42: {
1.254     moko       43:        chr_data d;
1.176     paf        44: 
1.254     moko       45:        d.countdown = n;
                     46:        d.target = c;
                     47:        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        48: }
                     49: 
1.187     paf        50: static int CORD_block_count_proc(char /*c*/, size_t /*size*/, void* client_data)
1.178     paf        51: {
1.254     moko       52:        int* result=(int*)client_data;
                     53:        (*result)++;
                     54:        return(0); // 0=continue
1.178     paf        55: }
1.248     moko       56: 
1.178     paf        57: size_t CORD_block_count(CORD x)
                     58: {
                     59:        size_t result=0;
                     60:        CORD_block_iter(x, 0, CORD_block_count_proc, &result);
1.254     moko       61:        return result;
1.178     paf        62: }
                     63: 
1.174     paf        64: // helpers
1.139     paf        65: 
1.174     paf        66: /// String::match uses this as replace & global search table columns
1.139     paf        67: 
1.174     paf        68: const int MAX_MATCH_GROUPS=100;
1.139     paf        69: 
1.174     paf        70: class String_match_table_template_columns: public ArrayString {
                     71: public:
                     72:        String_match_table_template_columns() {
                     73:                *this+=new String("prematch");
                     74:                *this+=new String("match");
                     75:                *this+=new String("postmatch");
                     76:                for(int i=0; i<MAX_MATCH_GROUPS; i++) {
1.282     moko       77:                        *this+=new String(String::Body::uitoa(1+i), String::L_CLEAN);
1.174     paf        78:                }
                     79:        }
                     80: };
                     81: 
1.278     moko       82: static Table &string_match_table_template(){
                     83:        static Table *singleton=NULL;
1.280     moko       84:        if(!singleton)
1.278     moko       85:                singleton=new Table(new String_match_table_template_columns);
                     86:        return *singleton;
                     87: }
1.174     paf        88: 
1.176     paf        89: // String::Body methods
1.140     paf        90: 
1.282     moko       91: String::Body String::Body::uitoa(size_t aindex) {
                     92:        static const size_t CACHE_SIZE=256;
                     93:        static String::Body cache[CACHE_SIZE];
                     94:        if (aindex < CACHE_SIZE)
                     95:                return !cache[aindex] ? (cache[aindex]=Body(pa_uitoa(aindex))) : cache[aindex];
                     96:        else
                     97:                return Body(pa_uitoa(aindex));
                     98: }
                     99: 
1.254     moko      100: 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       101:        size_t our_length=length();
                    102:        if(!our_length)
                    103:                return *this;
1.229     misha     104: 
                    105:        // check if any UTF-8 in chars
                    106:        bool fast=true;
                    107:        if(chars && source_charset && source_charset->isUTF8()){
                    108:                const char* pos=chars;
                    109:                while(unsigned char c=*pos++)
                    110:                        if(c>127){
                    111:                                fast=false;
                    112:                                break;
                    113:                        }
                    114:        }
                    115: 
                    116:        size_t start=0;
                    117:        size_t end=our_length;
1.195     paf       118:        if(!chars)
1.281     moko      119:                chars=" \t\r\n"; // white space
1.195     paf       120: 
1.229     misha     121:        if(fast){
                    122:                // from left...
                    123:                if(kind!=TRIM_END) {
                    124:                        CORD_pos pos; set_pos(pos, 0);
                    125:                        while(true) {
                    126:                                char c=CORD_pos_fetch(pos);
                    127:                                if(strchr(chars, c)) {
                    128:                                        if(++start==our_length)
1.283     moko      129:                                                return String::Body(); // all chars are empty, just return empty string
1.229     misha     130:                                } else
1.281     moko      131:                                        break;
1.229     misha     132: 
                    133:                                CORD_next(pos);
                    134:                        }
                    135:                }
                    136: 
                    137:                // from right..
                    138:                if(kind!=TRIM_START) {
                    139:                        CORD_pos pos; set_pos(pos, end-1);
                    140:                        while(true) {
                    141:                                char c=CORD_pos_fetch(pos);
                    142:                                if(strchr(chars, c)) {
                    143:                                        if(--end==0) // optimization: NO need to check for 'end>=start', that's(<) impossible
1.283     moko      144:                                                return String::Body(); // all chars are empty, just return empty string
1.229     misha     145:                                } else
1.281     moko      146:                                        break;
1.229     misha     147: 
                    148:                                CORD_prev(pos);
                    149:                        }
                    150:                }
                    151:        } else {
1.234     misha     152:                const XMLByte* src_begin=(const XMLByte*)cstr();
1.229     misha     153:                const XMLByte* src_end=src_begin+our_length;
                    154: 
                    155:                // from left...
                    156:                if(kind!=TRIM_END) {
                    157:                        while(src_begin<src_end){
                    158:                                uint char_length=1;
                    159:                                const XMLByte* ptr=src_begin;
1.231     misha     160:                                // searching first UTF-8 byte: http://tools.ietf.org/html/rfc3629#section-3
                    161:                                while(++src_begin<=src_end && (*src_begin>127 && *src_begin<0xC0))
1.229     misha     162:                                        char_length++;
                    163: 
                    164:                                bool found=false;
                    165:                                for(const char* chars_byte=chars; chars_byte=strchr(chars_byte, *ptr); chars_byte++)
                    166:                                        if(strncmp(chars_byte, (const char*)ptr, char_length)==0){
                    167:                                                found=true;
                    168:                                                break;
                    169:                                        }
                    170: 
                    171:                                if(found){
                    172:                                        start+=char_length;
                    173:                                        if(start==our_length)
1.283     moko      174:                                                return String::Body(); // all chars are empty, just return empty string
1.229     misha     175:                                } else
                    176:                                        break;
                    177:                        }
                    178:                }
1.196     paf       179: 
1.229     misha     180:                // from right..
                    181:                if(kind!=TRIM_START) {
                    182:                        while(src_begin<src_end){
                    183:                                uint char_length=1;
1.231     misha     184:                                // searching first UTF-8 byte: http://tools.ietf.org/html/rfc3629#section-3
                    185:                                while(src_begin<=--src_end && (*src_end>127 && *src_end<0xC0))
1.229     misha     186:                                        char_length++;
                    187: 
                    188:                                bool found=false;
                    189:                                for(const char* chars_byte=chars; chars_byte=strchr(chars_byte, *src_end); chars_byte++)
                    190:                                        if(strncmp(chars_byte, (const char*)src_end, char_length)==0){
                    191:                                                found=true;
                    192:                                                break;
                    193:                                        }
                    194: 
                    195:                                if(found){
                    196:                                        end-=char_length;
                    197:                                        if(end==0)
1.283     moko      198:                                                return String::Body(); // all chars are empty, just return empty string
1.229     misha     199:                                } else
                    200:                                        break;
                    201:                        }
1.196     paf       202:                }
                    203:        }
1.195     paf       204: 
                    205:        if(start==0 && end==our_length) // nobody moved a thing
                    206:                return *this;
                    207: 
                    208:        if(out_start)
                    209:                *out_start=start;
                    210:        size_t new_length=end-start;
                    211:        if(out_length)
                    212:                *out_length=new_length;
                    213: 
                    214:        return mid(start, new_length);
                    215: }
                    216: 
1.174     paf       217: static int CORD_batched_iter_fn_generic_hash_code(char c, void * client_data) {
                    218:        uint& result=*static_cast<uint*>(client_data);
                    219:        generic_hash_code(result, c);
                    220:        return 0;
                    221: }
1.248     moko      222: 
1.174     paf       223: static int CORD_batched_iter_fn_generic_hash_code(const char*  s, void * client_data) {
                    224:        uint& result=*static_cast<uint*>(client_data);
                    225:        generic_hash_code(result, s);
                    226:        return 0;
1.248     moko      227: }
                    228: 
1.225     misha     229: uint String::Body::get_hash_code() const {
                    230: #ifdef HASH_CODE_CACHING
                    231:        if(hash_code)
                    232:                return hash_code;
                    233: #else
                    234:        uint hash_code=0;
                    235: #endif
1.220     misha     236:        if (body && CORD_IS_STRING(body)){
1.250     moko      237:                generic_hash_code(hash_code, (const char *)body);
1.220     misha     238:        } else {
                    239:                CORD_iter5(body, 0,
                    240:                        CORD_batched_iter_fn_generic_hash_code, 
1.225     misha     241:                        CORD_batched_iter_fn_generic_hash_code, &hash_code);
1.220     misha     242:        }
1.225     misha     243:        return hash_code;
1.94      parser    244: }
                    245: 
1.241     misha     246: struct CORD_pos_info {
                    247:        const char* chars;
                    248:        size_t left;
                    249:        size_t pos;
                    250: };
                    251: 
                    252: // can be called only for IS_FUNCTION(CORD) which is used in String::Body::strrpbrk
                    253: static int CORD_iter_fn_rpos(char c, CORD_pos_info* info) {
                    254:        if(info->pos < info->left){
                    255:                info->pos=STRING_NOT_FOUND;
                    256:                return 1;
                    257:        }
                    258:        if(strchr(info->chars, c))
                    259:                return 1;
                    260:        --(info->pos);
                    261:        return 0;
                    262: }
                    263: 
                    264: size_t String::Body::strrpbrk(const char* chars, size_t left, size_t right) const {
                    265:        if(is_empty() || !chars || !strlen(chars))
                    266:                return STRING_NOT_FOUND;
                    267:        CORD_pos_info info={chars, left, right};
                    268:        if(CORD_riter4(body, right, (CORD_iter_fn)CORD_iter_fn_rpos, &info))
                    269:                return info.pos;
                    270:        else
                    271:                return STRING_NOT_FOUND;
                    272: }
                    273: 
                    274: 
                    275: // can be called only for IS_FUNCTION(CORD) which is used in String::Body::rskipchars
                    276: static int CORD_iter_fn_rskip(char c, CORD_pos_info* info) {
                    277:        if(info->pos < info->left) {
                    278:                info->pos=STRING_NOT_FOUND;
                    279:                return 1;
                    280:        }
                    281:        if(!strchr(info->chars, c))
                    282:                return 1;
                    283:        --(info->pos);
                    284:        return 0;
                    285: }
                    286: 
                    287: size_t String::Body::rskipchars(const char* chars, size_t left, size_t right) const {
                    288:        if(is_empty() || !chars || !strlen(chars))
                    289:                return STRING_NOT_FOUND;
                    290:        CORD_pos_info info={chars, left, right};
                    291:        if(CORD_riter4(body, right, (CORD_iter_fn)CORD_iter_fn_rskip, &info))
                    292:                return info.pos;
                    293:        else
                    294:                return STRING_NOT_FOUND;
                    295: }
                    296: 
1.174     paf       297: // String methods
                    298: 
                    299: String& String::append_know_length(const char* str, size_t known_length, Language lang) {
                    300:        if(!known_length)
1.9       paf       301:                return *this;
1.122     paf       302: 
1.176     paf       303:        // first: langs
                    304:        langs.append(body, lang, known_length);
                    305:        // next: letters themselves
1.174     paf       306:        body.append_know_length(str, known_length);
1.1       paf       307: 
1.174     paf       308:        ASSERT_STRING_INVARIANT(*this);
1.1       paf       309:        return *this;
                    310: }
1.248     moko      311: 
1.174     paf       312: String& String::append_help_length(const char* str, size_t helper_length, Language lang) {
                    313:        if(!str)
                    314:                return *this;
                    315:        size_t known_length=helper_length?helper_length:strlen(str);
                    316:        if(!known_length)
                    317:                return *this;
1.1       paf       318: 
1.174     paf       319:        return append_know_length(str, known_length, lang);
1.5       paf       320: }
1.248     moko      321: 
1.244     moko      322: String::String(int value, const char *format) : langs(L_CLEAN){
1.226     misha     323:        char buf[MAX_NUMBER];
                    324:        body.append_strdup_know_length(buf, snprintf(buf, MAX_NUMBER, format, value));
                    325: }
1.248     moko      326: 
1.174     paf       327: String& String::append_strdup(const char* str, size_t helper_length, Language lang) {
                    328:        size_t known_length=helper_length?helper_length:strlen(str);
                    329:        if(!known_length)
                    330:                return *this;
1.5       paf       331: 
1.176     paf       332:        // first: langs
                    333:        langs.append(body, lang, known_length);
                    334:        // next: letters themselves
1.174     paf       335:        body.append_strdup_know_length(str, known_length);
1.33      paf       336: 
1.174     paf       337:        ASSERT_STRING_INVARIANT(*this);
                    338:        return *this;
1.5       paf       339: }
1.46      paf       340: 
1.234     misha     341: struct CORD_length_info {
                    342:        size_t len;
                    343:        size_t skip;
                    344: };
                    345: 
                    346: int CORD_batched_len(const char* s, CORD_length_info* info){
1.255     moko      347:        info->len += lengthUTF8( (const XMLByte *)s, (const XMLByte *)s+strlen(s));
                    348:        return 0;
1.221     misha     349: }
                    350: 
1.234     misha     351: // can be called only for IS_FUNCTION(CORD) which are used in large String::Body::mid
                    352: int CORD_batched_len(const char c, CORD_length_info* info){
                    353:        if (info->skip==0){
                    354:                info->len++;
                    355:                info->skip = lengthUTF8Char(c)-1;
                    356:        } else {
                    357:                info->skip--;
                    358:        }
1.220     misha     359:        return 0;
                    360: }
                    361: 
1.210     misha     362: size_t String::length(Charset& charset) const {
                    363:        if(charset.isUTF8()){
1.234     misha     364:                CORD_length_info info = {0, 0};
                    365:                body.for_each<CORD_length_info *>(CORD_batched_len, CORD_batched_len, &info);
                    366:                return info.len;
1.210     misha     367:        } else
                    368:                return body.length();
                    369: }
                    370: 
1.174     paf       371: /// @todo check in doc: whether it documents NOW bad situation "abc".mid(-1, 3) =were?="ab"
                    372: String& String::mid(size_t substr_begin, size_t substr_end) const {
                    373:        String& result=*new String;
                    374: 
                    375:        size_t self_length=length();
                    376:        substr_begin=min(substr_begin, self_length);
                    377:        substr_end=min(max(substr_end, substr_begin), self_length);
1.176     paf       378:        size_t substr_length=substr_end-substr_begin;
                    379:        if(!substr_length)
1.107     parser    380:                return result;
1.53      paf       381: 
1.176     paf       382:        // first: their langs
                    383:        result.langs.append(result.body, langs, substr_begin, substr_length);
                    384:        // next: letters themselves
                    385:        result.body=body.mid(substr_begin, substr_length);
1.174     paf       386: 
                    387:        ASSERT_STRING_INVARIANT(result);
1.53      paf       388:        return result;
1.54      paf       389: }
                    390: 
1.211     misha     391: // from, to and helper_length in characters, not in bytes (it's important for utf-8)
                    392: String& String::mid(Charset& charset, size_t from, size_t to, size_t helper_length) const {
1.210     misha     393:        String& result=*new String;
                    394: 
1.255     moko      395:        size_t self_length=helper_length ? helper_length : length(charset);
1.211     misha     396: 
                    397:        if(!self_length)
                    398:                return result;
                    399: 
                    400:        from=min(min(to, from), self_length);
1.210     misha     401:        to=min(max(to, from), self_length);
1.211     misha     402: 
1.210     misha     403:        size_t substr_length=to-from;
1.211     misha     404: 
1.210     misha     405:        if(!substr_length)
                    406:                return result;
                    407: 
                    408:        if(charset.isUTF8()){
1.234     misha     409:                const XMLByte* src_begin=(const XMLByte*)cstr();
1.230     misha     410:                const XMLByte* src_end=src_begin+body.length();
1.210     misha     411: 
1.212     misha     412:                // convert 'from' and 'substr_length' from 'characters' to 'bytes'
1.230     misha     413:                from=getUTF8BytePos(src_begin, src_end, from);
                    414:                substr_length=getUTF8BytePos(src_begin+from, src_end, substr_length);
1.210     misha     415:                if(!substr_length)
                    416:                        return result;
                    417:        }
                    418: 
                    419:        // first: their langs
                    420:        result.langs.append(result.body, langs, from, substr_length);
                    421:        // next: letters themselves
                    422:        result.body=body.mid(from, substr_length);
                    423: 
                    424:        ASSERT_STRING_INVARIANT(result);
                    425:        return result;
                    426: }
                    427: 
1.176     paf       428: size_t String::pos(const String::Body substr, size_t this_offset, Language lang) const {
1.183     paf       429:        size_t substr_length=substr.length();
                    430:        while(true) {
                    431:                size_t substr_begin=body.pos(substr, this_offset);
                    432:                
                    433:                if(substr_begin==CORD_NOT_FOUND)
                    434:                        return STRING_NOT_FOUND;
1.174     paf       435: 
1.183     paf       436:                if(langs.check_lang(lang, substr_begin, substr_length))
                    437:                        return substr_begin;
                    438: 
                    439:                this_offset=substr_begin+substr_length;
                    440:        }
1.58      paf       441: }
                    442: 
1.254     moko      443: size_t String::pos(const String& substr, size_t this_offset, Language lang) const {
1.174     paf       444:        return pos(substr.body, this_offset, lang);
1.60      paf       445: }
                    446: 
1.254     moko      447: size_t String::pos(Charset& charset, const String& substr, size_t this_offset, Language lang) const {
1.210     misha     448: 
                    449:        if(charset.isUTF8()){
1.234     misha     450:                const XMLByte* srcPtr=(const XMLByte*)cstr();
1.212     misha     451:                const XMLByte* srcEnd=srcPtr+body.length();
                    452: 
                    453:                // convert 'this_offset' from 'characters' to 'bytes'
                    454:                this_offset=getUTF8BytePos(srcPtr, srcEnd, this_offset);
                    455: 
1.229     misha     456:                size_t result=pos(substr.body, this_offset, lang);
                    457:                return (result==CORD_NOT_FOUND)
                    458:                        ? STRING_NOT_FOUND
                    459:                        : getUTF8CharPos(srcPtr, srcEnd, result); // convert 'result' from 'bytes' to 'characters'
1.212     misha     460:        } else {
1.229     misha     461:                size_t result=pos(substr.body, this_offset, lang);
                    462:                return (result==CORD_NOT_FOUND)
                    463:                        ? STRING_NOT_FOUND
                    464:                        : result;
1.210     misha     465:        }
                    466: }
                    467: 
1.256     moko      468: void String::split(ArrayString& result, size_t pos_after, const char* delim, Language lang) const {
1.237     misha     469:        if(is_empty())
                    470:                return;
1.174     paf       471:        size_t self_length=length();
1.237     misha     472:        if(size_t delim_length=strlen(delim)) {
1.186     paf       473:                size_t pos_before;
1.60      paf       474:                // while we have 'delim'...
1.283     moko      475:                while((pos_before=pos(String::Body(delim), pos_after, lang)) != STRING_NOT_FOUND) {
1.69      paf       476:                        result+=&mid(pos_after, pos_before);
1.174     paf       477:                        pos_after=pos_before+delim_length;
1.60      paf       478:                }
                    479:                // last piece
1.256     moko      480:                if(pos_after<self_length)
1.174     paf       481:                        result+=&mid(pos_after, self_length);
1.60      paf       482:        } else { // empty delim
                    483:                result+=this;
                    484:        }
                    485: }
                    486: 
1.256     moko      487: void String::split(ArrayString& result, size_t pos_after, const String& delim, Language lang) const {
1.237     misha     488:        if(is_empty())
                    489:                return;
                    490:        if(!delim.is_empty()) {
1.186     paf       491:                size_t pos_before;
1.60      paf       492:                // while we have 'delim'...
1.256     moko      493:                while((pos_before=pos(delim, pos_after, lang))!=STRING_NOT_FOUND) {
1.69      paf       494:                        result+=&mid(pos_after, pos_before);
1.174     paf       495:                        pos_after=pos_before+delim.length();
1.60      paf       496:                }
                    497:                // last piece
1.256     moko      498:                if(pos_after<length())
1.174     paf       499:                        result+=&mid(pos_after, length());
1.60      paf       500:        } else { // empty delim
                    501:                result+=this;
                    502:        }
1.61      paf       503: }
                    504: 
1.254     moko      505: Table* String::match(VRegex* vregex, Row_action row_action, void *info, int& matches_count) const {
1.209     misha     506: 
1.222     misha     507:        // vregex->info(); // I have no idea what does it for?
1.63      paf       508: 
1.222     misha     509:        bool need_pre_post_match=vregex->is_pre_post_match_needed();
                    510:        bool global=vregex->is_global_search();
1.63      paf       511: 
1.174     paf       512:        const char* subject=cstr();
1.234     misha     513:        size_t subject_length=length();
1.271     moko      514:        const int ovector_size=(1/*match*/+MAX_MATCH_GROUPS)*3; /* 1/3 is used as workspace by pcre_exec() */
1.222     misha     515:        int ovector[ovector_size];
1.155     paf       516: 
1.173     paf       517:        Table::Action_options table_options;
1.278     moko      518:        Table& table=*new Table(string_match_table_template(), table_options);
1.63      paf       519: 
1.154     paf       520:        int prestart=0;
                    521:        int poststart=0;
1.174     paf       522:        int postfinish=length();
1.267     moko      523:        int action_was_executed=-1;
1.63      paf       524:        while(true) {
1.222     misha     525:                int exec_result=vregex->exec(subject, subject_length, ovector, ovector_size, prestart);
1.63      paf       526: 
1.222     misha     527:                if(exec_result<0) // only PCRE_ERROR_NOMATCH might be here, other negative results cause an exception
                    528:                        break;
1.63      paf       529: 
1.154     paf       530:                int prefinish=ovector[0];
                    531:                poststart=ovector[1];
1.236     moko      532: 
1.267     moko      533:                if (prestart==poststart && action_was_executed==1){
1.236     moko      534:                        prestart++;
1.267     moko      535:                        action_was_executed=0;
1.236     moko      536:                        continue;
                    537:                }
                    538: 
1.232     misha     539:                ArrayString* row=new ArrayString(3);
1.174     paf       540:                if(need_pre_post_match) {
                    541:                        *row+=&mid(0, prefinish); // .prematch column value
                    542:                        *row+=&mid(prefinish, poststart); // .match
                    543:                        *row+=&mid(poststart, postfinish); // .postmatch
                    544:                } else {
1.185     paf       545:                        *row+=&Empty; // .prematch column value
                    546:                        *row+=&Empty; // .match
                    547:                        *row+=&Empty; // .postmatch
1.174     paf       548:                }
1.63      paf       549:                
1.222     misha     550:                for(int i=1; i<exec_result; i++) {
1.69      paf       551:                        // -1:-1 case handled peacefully by mid() itself
1.232     misha     552:                        *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       553:                }
                    554:                
1.209     misha     555:                matches_count++;
1.267     moko      556:                row_action(table, row, prestart - !action_was_executed, prefinish, poststart, postfinish, info);
1.63      paf       557: 
1.275     moko      558:                if(!global || (size_t)poststart>=subject_length) // last step, avoid prestart++ after last char
1.222     misha     559:                        break;
                    560: 
1.154     paf       561:                prestart=poststart;
1.267     moko      562:                action_was_executed=1;
1.222     misha     563:        }
1.63      paf       564: 
1.222     misha     565:        row_action(table, 0/*last time, no raw*/, 0, 0, poststart, postfinish, info);
                    566:        return vregex->is_just_count() ? 0 : &table;
1.82      parser    567: }
                    568: 
1.174     paf       569: String& String::change_case(Charset& source_charset, Change_case_kind kind) const {
                    570:        String& result=*new String();
                    571:        if(is_empty())
                    572:                return result;
                    573: 
                    574:        char* new_cstr=cstrm();
1.216     misha     575: 
1.181     paf       576:        if(source_charset.isUTF8()) {
1.216     misha     577:                size_t new_cstr_len=length();
1.181     paf       578:                switch(kind) {
                    579:                case CC_UPPER:
1.192     paf       580:                        change_case_UTF8((const XMLByte*)new_cstr, new_cstr_len, (XMLByte*)new_cstr, new_cstr_len, UTF8CaseToUpper);
1.181     paf       581:                        break;
                    582:                case CC_LOWER:
1.192     paf       583:                        change_case_UTF8((const XMLByte*)new_cstr, new_cstr_len, (XMLByte*)new_cstr, new_cstr_len, UTF8CaseToLower);
1.181     paf       584:                        break;
                    585:                default:
                    586:                        assert(!"unknown change case kind");
                    587:                        break; // never
                    588:                }       
                    589:                
                    590:        } else {
                    591:                const unsigned char *tables=source_charset.pcre_tables;
1.82      parser    592: 
1.181     paf       593:                const unsigned char *a;
                    594:                const unsigned char *b;
                    595:                switch(kind) {
                    596:                case CC_UPPER:
                    597:                        a=tables+lcc_offset;
                    598:                        b=tables+fcc_offset;
                    599:                        break;
                    600:                case CC_LOWER:
                    601:                        a=tables+lcc_offset;
                    602:                        b=0;
                    603:                        break;
                    604:                default:
                    605:                        assert(!"unknown change case kind");
                    606:                        a=b=0; // calm, compiler
                    607:                        break; // never
                    608:                }       
                    609: 
1.192     paf       610:                char *dest=new_cstr;
1.181     paf       611:                unsigned char index;
1.190     paf       612:                for(const char* current=new_cstr; (index=(unsigned char)*current); current++) {
1.181     paf       613:                        unsigned char c=a[index];
                    614:                        if(b)
                    615:                                c=b[c];
                    616: 
                    617:                        *dest++=(char)c;
                    618:                }
1.174     paf       619:        }
1.176     paf       620:        result.langs=langs;
1.283     moko      621:        result.body=String::Body(new_cstr);
1.89      parser    622: 
1.101     parser    623:        return result;
                    624: }
                    625: 
1.213     misha     626: const String& String::escape(Charset& source_charset) const {
                    627:        if(is_empty())
                    628:                return *this;
                    629: 
                    630:        return Charset::escape(*this, source_charset);
                    631: }
                    632: 
1.238     misha     633: #define STRING_APPEND(result, from_cstr, langs, langs_offset, length) \
                    634:                        result.langs.append(result.body, langs, langs_offset, length); \
                    635:                        result.body.append_strdup_know_length(from_cstr, length);
                    636: 
1.174     paf       637: const String& String::replace(const Dictionary& dict) const {
1.238     misha     638:        if(!dict.count() || is_empty())
                    639:                return *this;
                    640: 
1.174     paf       641:        String& result=*new String();
                    642:        const char* old_cstr=cstr();
                    643:        const char* prematch_begin=old_cstr;
                    644: 
1.238     misha     645:        if(dict.count()==1) {
                    646:                // optimized simple case
                    647: 
                    648:                Dictionary::Subst subst=dict.get(0);
1.239     moko      649:                while(const char* p=strstr(prematch_begin, subst.from)) {
1.174     paf       650:                        // prematch
1.238     misha     651:                        if(size_t prematch_length=p-prematch_begin) {
                    652:                                STRING_APPEND(result, prematch_begin, langs, prematch_begin-old_cstr, prematch_length)
1.101     parser    653:                        }
                    654: 
1.174     paf       655:                        // match
1.238     misha     656:                        prematch_begin=p+subst.from_length;
1.174     paf       657: 
1.184     paf       658:                        if(const String* b=subst.to) // are there any b?
1.174     paf       659:                                result<<*b;
1.238     misha     660:                }
                    661: 
                    662:        } else {
                    663: 
                    664:                const char* current=old_cstr;
                    665:                while(*current) {
                    666:                        if(Dictionary::Subst subst=dict.first_that_begins(current)) {
                    667:                                // prematch
                    668:                                if(size_t prematch_length=current-prematch_begin) {
                    669:                                        STRING_APPEND(result, prematch_begin, langs, prematch_begin-old_cstr, prematch_length)
                    670:                                }
                    671: 
                    672:                                // match
                    673:                                // skip 'a' in 'current'; move prematch_begin
                    674:                                current+=subst.from_length; prematch_begin=current;
                    675: 
                    676:                                if(const String* b=subst.to) // are there any b?
                    677:                                        result<<*b;
                    678:                        } else // simply advance
                    679:                                current++; 
                    680:                }
                    681: 
1.174     paf       682:        }
1.156     paf       683: 
1.238     misha     684:        if(prematch_begin==old_cstr) // not modified
                    685:                return *this;
                    686: 
1.174     paf       687:        // postmatch
1.238     misha     688:        if(size_t postmatch_length=old_cstr+length()-prematch_begin) {
                    689:                STRING_APPEND(result, prematch_begin, langs, prematch_begin-old_cstr, postmatch_length)
1.174     paf       690:        }
1.156     paf       691: 
1.174     paf       692:        ASSERT_STRING_INVARIANT(result);
1.82      parser    693:        return result;
1.61      paf       694: }
1.113     parser    695: 
1.180     paf       696: static int serialize_body_char(char c, char** cur) {
                    697:        *((*cur)++)=c;
                    698:        return 0; // 0=continue
1.248     moko      699: }
                    700: 
1.174     paf       701: static int serialize_body_piece(const char* s, char** cur) {
                    702:        size_t length=strlen(s);
                    703:        memcpy(*cur, s, length);  *cur+=length;
1.178     paf       704:        return 0; // 0=continue
1.248     moko      705: }
                    706: 
1.178     paf       707: static int serialize_lang_piece(char alang, size_t asize, char** cur) {
                    708:        // lang
1.191     paf       709:        **cur=alang; (*cur)++;
                    710:        // length [WARNING: not cast, addresses must be %4=0 on sparc]
1.178     paf       711:        memcpy(*cur, &asize, sizeof(asize));  *cur+=sizeof(asize);
                    712: 
                    713:        return 0; // 0=continue
                    714: }
1.248     moko      715: 
1.174     paf       716: String::Cm String::serialize(size_t prolog_length) const {
1.178     paf       717:        size_t fragments_count=langs.count();
1.202     paf       718:        size_t body_length=body.length();
1.174     paf       719:        size_t buf_length=
1.178     paf       720:                prolog_length //1
                    721:                +sizeof(size_t) //2
1.202     paf       722:                +body_length //3
                    723:                +1 // 4 for zero terminator used in deserialize
                    724:                +sizeof(size_t) //5
                    725:                +fragments_count*(sizeof(char)+sizeof(size_t)); //6
                    726: 
1.174     paf       727:        String::Cm result(new(PointerFreeGC) char[buf_length], buf_length);
                    728: 
                    729:        // 1: prolog
                    730:        char *cur=result.str+prolog_length;
1.202     paf       731:        // 2: chars.count [WARNING: not cast, addresses must be %4=0 on sparc]
                    732:        memcpy(cur, &body_length, sizeof(body_length));  cur+=sizeof(body_length);
                    733:        // 3: letters
                    734:        body.for_each(serialize_body_char, serialize_body_piece, &cur);
                    735:        // 4: zero terminator
                    736:        *cur++=0;
                    737:        // 5: langs.count [WARNING: not cast, addresses must be %4=0 on sparc]
1.174     paf       738:        memcpy(cur, &fragments_count, sizeof(fragments_count));  cur+=sizeof(fragments_count);
1.202     paf       739:        // 6: lang info
1.178     paf       740:        langs.for_each(body, serialize_lang_piece, &cur);
1.113     parser    741: 
1.174     paf       742:        return result;
1.113     parser    743: }
1.248     moko      744: 
1.202     paf       745: bool String::deserialize(size_t prolog_size, void *buf, size_t buf_size) {
                    746:        size_t in_buf=buf_size;
                    747:        if(in_buf<=prolog_size)
1.148     paf       748:                return false;
1.202     paf       749:        in_buf-=prolog_size;
1.135     paf       750: 
1.174     paf       751:        // 1: prolog
1.202     paf       752:        const char* cur=(const char* )buf+prolog_size;
1.113     parser    753: 
1.207     paf       754:        // 2: chars.count
1.202     paf       755:        size_t body_length;
                    756:        if(in_buf<sizeof(body_length)) // body.length don't fit?
                    757:                return false;
                    758:        // [WARNING: not cast, addresses must be %4=0 on sparc]
                    759:        memcpy(&body_length, cur, sizeof(body_length));  cur+=sizeof(body_length);
                    760:        in_buf-=sizeof(body_length);
                    761: 
                    762:        if(in_buf<body_length+1) // letters+terminator don't fit?
                    763:                return false;
                    764:        // 4: zero terminator
                    765:        if(cur[body_length] != 0) // in place?
                    766:                return false;
                    767:        // 3: letters
1.251     moko      768:        body=String::Body(String::C(cur, body_length));
1.202     paf       769:        cur+=body_length+1;
                    770:        in_buf-=body_length+1;
                    771: 
                    772:        // 5: langs.count
1.191     paf       773:        size_t fragments_count;
1.202     paf       774:        if(in_buf<sizeof(fragments_count)) // langs.count don't fit?
1.174     paf       775:                return false;
1.191     paf       776:        // [WARNING: not cast, addresses must be %4=0 on sparc]
                    777:        memcpy(&fragments_count, cur, sizeof(fragments_count));  cur+=sizeof(fragments_count);
1.202     paf       778:        in_buf-=sizeof(fragments_count);
1.174     paf       779:        
                    780:        if(fragments_count) {
1.202     paf       781:                // 6: lang info
1.174     paf       782:                size_t total_length=0;
                    783:                for(size_t f=0; f<fragments_count; f++) {
1.191     paf       784:                        char lang;
                    785:                        size_t fragment_length;
                    786:                        size_t piece_length=sizeof(lang)+sizeof(fragment_length);
1.202     paf       787:                        if(in_buf<piece_length) // lang+length
1.174     paf       788:                                return false;
                    789: 
1.191     paf       790:                        // lang
                    791:                        lang=*cur++;
                    792:                        // length [WARNING: not cast, addresses must be %4=0 on sparc]
                    793:                        memcpy(&fragment_length, cur, sizeof(fragment_length));  cur+=sizeof(fragment_length);
                    794: 
1.206     paf       795:                        size_t combined_length=total_length+fragment_length;
                    796:                        if(combined_length>body_length)
                    797:                                return false; // file curruption
1.191     paf       798:                        // uchar needed to prevent propagating 0x80 bit to upper bytes
                    799:                        langs.append(total_length, (String::Language)(uchar)lang, fragment_length);
1.206     paf       800:                        total_length=combined_length;
1.202     paf       801:                        in_buf-=piece_length;
1.174     paf       802:                }
1.128     paf       803: 
1.202     paf       804:                if(total_length!=body_length) // length(all language fragments) vs length(letters)
1.148     paf       805:                        return false;
1.174     paf       806:        }
1.202     paf       807:        if(in_buf!=0) // some strange extra bytes
                    808:                return false;
1.113     parser    809: 
1.174     paf       810:        ASSERT_STRING_INVARIANT(*this);
1.148     paf       811:        return true;
1.176     paf       812: }
                    813: 
1.201     paf       814: void String::Body::dump() const {
                    815:        CORD_dump(body);
                    816: }
                    817: 
1.257     moko      818: const char* String::Languages::visualize() const {
1.177     paf       819:        if(opt.is_not_just_lang)
1.233     misha     820:                return CORD_to_const_char_star(langs, 0);
1.176     paf       821:        else
1.257     moko      822:                return 0;
1.176     paf       823: }
1.248     moko      824: 
1.201     paf       825: void String::Languages::dump() const {
                    826:        if(opt.is_not_just_lang)
                    827:                CORD_dump(langs);
                    828:        else
                    829:                puts((const char*)&langs);
                    830: }
1.248     moko      831: 
1.257     moko      832: void String::dump() const {
                    833:        body.dump();
                    834:        langs.dump();
                    835: }
1.176     paf       836: 
1.257     moko      837: static char *n_chars(char c, size_t length){
                    838:        char *result=(char *)pa_malloc_atomic(length+1);
                    839:        memset(result, c, length);
                    840:        result[length] = '\0';
                    841:        return result;
1.113     parser    842: }
1.229     misha     843: 
1.257     moko      844: char* String::visualize_langs() const {
1.258     moko      845:        return is_not_just_lang() ? pa_strdup(langs.visualize()) : n_chars((char)just_lang(), length());
1.201     paf       846: }
1.229     misha     847: 
                    848: const String& String::trim(String::Trim_kind kind, const char* chars, Charset* source_charset) const {
1.223     misha     849:        if(is_empty())
1.195     paf       850:                return *this;
                    851: 
                    852:        size_t substr_begin, substr_length;
1.229     misha     853:        Body new_body=body.trim(kind, chars, &substr_begin, &substr_length, source_charset);
1.195     paf       854:        if(new_body==body) // we received unchanged pointer, do likewise
                    855:                return *this;
                    856:        // new_body differs from body, adjust langs along
                    857: 
                    858:        String& result=*new String;
                    859:        if(!new_body) // body.trim produced empty result
                    860:                return result;
                    861:        // body.trim produced nonempty result
                    862: 
                    863:        // first: their langs
                    864:        result.langs.append(result.body, langs, substr_begin, substr_length);
                    865:        // next: letters themselves
                    866:        result.body=new_body;
                    867: 
                    868:        ASSERT_STRING_INVARIANT(result);
                    869:        return result;
1.198     paf       870: }

E-mail: