Annotation of parser3/src/include/pa_string.h, revision 1.144.2.28.2.17

1.41      paf         1: /** @file
1.43      paf         2:        Parser: string class decl.
                      3: 
1.144.2.18  paf         4:        Copyright (c) 2001-2003 ArtLebedev Group (http://www.artlebedev.com)
1.124     paf         5:        Author: Alexandr Petrosian <paf@design.ru> (http://paf.design.ru)
1.1       paf         6: */
                      7: 
                      8: #ifndef PA_STRING_H
                      9: #define PA_STRING_H
1.140     paf        10: 
1.144.2.28.2.  7(paf      11:3): static const char* IDENT_STRING_H="$Date: 2003/03/20 16:57:43 $";
1.144.2.10  paf        12: 
                     13: // includes
1.1       paf        14: 
1.144.2.12  paf        15: #include "pa_types.h"
                     16: #include "pa_array.h"
1.4       paf        17: 
1.144.2.28.2.  (paf       18:): extern "C" { // cord's author forgot to do that
                     19:): #include "cord.h"
                     20:): };
                     21:): 
1.144.2.12  paf        22: // forwards
1.144.2.10  paf        23: 
1.144.2.28  paf        24: class Charset;
1.144.2.28.2.  (paf       25:): class Table;
1.144.2.5  paf        26: class SQL_Connection;
                     27: class Dictionary;
1.144.2.15  paf        28: class Request_charsets;
1.144.2.28.2.  (paf       29:): class String;
          7(paf      30:3): typedef Array<const String*> ArrayString;
1.144.2.5  paf        31: 
                     32: // helpers
1.144.2.28.2.  0(paf      33:3): /*
          (paf       34:): /// appends clean piece to String @see String::append
          7(paf      35:3): #define APPEND_CLEAN(src, length) append(src, length, String::L_CLEAN)
          (paf       36:): /// appends piece to String as-is @see String::append
          7(paf      37:3): #define APPEND_AS_IS(src, length) append(src, length, String::L_AS_IS)
          (paf       38:): /// appends tainted piece to String  @see String::append
          7(paf      39:3): #define APPEND_TAINTED(src, length) append(src, length, String::L_TAINTED)
          (paf       40:): /// handy: appends const char* piece to String  @see String::append
                     41:): #define      APPEND_CONST(src) APPEND_AS_IS(src, 0)
          0(paf      42:3): */
          (paf       43:): /// this is result of pos functions which mean that substr were not found
                     44:): #define STRING_NOT_FOUND ((size_t)-1)
                     45:): 
          7(paf      46:3): class StringBody {
                     47:3): 
                     48:3):     CORD body;
                     49:3): 
                     50:3): public:
                     51:3): 
                     52:3):     StringBody(): body(CORD_EMPTY) {}
                     53:3):     StringBody(CORD abody): body(abody) {}
                     54:3): 
                     55:3):     void clear() { body=CORD_EMPTY; }
                     56:3): 
                     57:3):     uint hash_code() const;
                     58:3): 
                     59:3):     size_t length() const { return CORD_len(body); }
                     60:3): 
                     61:3):     bool is_empty() const { return body==CORD_EMPTY; }
                     62:3): 
                     63:3):     void append(const char *str, size_t length) {
                     64:3):             CORD_cat_char_star(body, str, length);
                     65:3):     }
                     66:3):     void append(char c) { CORD_cat_char(body, c); }
                     67:3): 
                     68:3):     // could not figure out why this operator is needed [should do this chain: string->simple->==]
                     69:3):     bool operator < (const StringBody& src) const { return CORD_cmp(body, src.body)<0; }
                     70:3):     bool operator > (const StringBody& src) const { return CORD_cmp(body, src.body)>0; }
                     71:3):     bool operator <= (const StringBody& src) const { return CORD_cmp(body, src.body)<=0; }
                     72:3):     bool operator >= (const StringBody& src) const { return CORD_cmp(body, src.body)>=0; }
                     73:3):     bool operator != (const StringBody& src) const { return CORD_cmp(body, src.body)!=0; }
                     74:3):     bool operator == (const StringBody& src) const { return CORD_cmp(body, src.body)==0; }
                     75:3): 
                     76:3): //  bool operator == (const char* y) const { return CORD_cmp(body, y)==0; }
                     77:3): //  bool operator != (const char* y) const { return CORD_cmp(body, y)!=0; }
                     78:3): 
                     79:3):     int ncmp(size_t x_begin, const StringBody y, size_t y_begin, size_t size) const {
                     80:3):             return CORD_ncmp(body, x_begin, y.body, y_begin, size);
                     81:3):     }
                     82:3): 
                     83:3):     char fetch(size_t index) const { return CORD_fetch(body, index); }
                     84:3): 
                     85:3): };
          (paf       86:): 
1.144.2.2  paf        87: /** 
                     88:        String which knows the language of all it's fragments.
1.41      paf        89: 
                     90:        All pieces remember 
                     91:        - whether they are tainted or not, 
                     92:          and the language which should be used to detaint them
                     93: */
1.144.2.28.2.  (paf       94:): class String: public PA_Object {
                     95:): 
          7(paf      96:3):     friend class StringBody;
                     97:3): 
1.144.2.2  paf        98: public:
1.1       paf        99: 
1.106     parser    100:        /** piece is tainted or not. the language to use when detaint
                    101:                remember to change String_Untaint_lang_name @ untaint.C along
                    102:        */
1.144.2.28.2.  7(paf     103:3):     enum Language {
                    104:3):             L_UNSPECIFIED=0, ///< zero value handy for hash lookup @see untaint_lang_name2enum
                    105:3):             // these two must go before others, there are checks for >L_AS_IS
                    106:3):             L_CLEAN, ///< clean
                    107:3):             L_AS_IS,     ///< leave all characters intact
1.122     paf       108: 
1.144.2.28.2.  7(paf     109:3):             L_PASS_APPENDED,
1.41      paf       110:                        /**<
                    111:                                leave language built into string being appended.
                    112:                                just a flag, that value not stored
                    113:                        */
1.144.2.28.2.  7(paf     114:3):             L_TAINTED,  ///< tainted, untaint language as assigned later 
1.122     paf       115:                // untaint languages. assigned by ^untaint[lang]{...}
1.144.2.28.2.  7(paf     116:3):             L_FILE_SPEC, ///< file specification
                    117:3):             L_HTTP_HEADER,    ///< text in HTTP response header
                    118:3):             L_MAIL_HEADER,    ///< text in mail header
                    119:3):             L_URI,       ///< text in uri
                    120:3):             L_TABLE,     ///< ^table:set body
                    121:3):             L_SQL,       ///< ^table:sql body
                    122:3):             L_JS,        ///< JavaScript code
                    123:3):             L_XML,          ///< ^dom:set xml
                    124:3):             L_HTML,      ///< HTML code (for editing)
                    125:3):             L_OPTIMIZE_BIT = 0x8000  ///< flag, requiring cstr whitespace optimization
1.27      paf       126:        };
                    127: 
1.144.2.28.2.  (paf      128:):      struct Fragment { 
          7(paf     129:3):             Language lang; ///< untaint flag, later untaint language
          0(paf     130:3):             size_t length;  ///< length
          7(paf     131:3):             Fragment(Language alang, size_t asize): lang(alang), length(asize) {}
          (paf      132:):      };
                    133:): 
                    134:):      class ArrayFragment: public Array<Fragment> {
          6(paf     135:3):             void append(element_type src) {
          (paf      136:):                      *static_cast<Array<Fragment> *>(this)+=src;
                    137:):              }
          6(paf     138:3):             /// hiding from accidental USE, use append_positions
                    139:3):             void append(const ArrayFragment& src, int offset, int limit) { 
                    140:3):                     static_cast<Array<Fragment> *>(this)->append(src, offset, limit);
                    141:3):             }
          (paf      142:):      public:
                    143:):              ArrayFragment& operator += (element_type src) {
                    144:):                      if(count()) { // not empty?
                    145:):                              // try to join with last
                    146:):                              Fragment& last=get(count()-1);
                    147:):                              if(last.lang==src.lang) {
          0(paf     148:3):                                     last.length+=src.length;
          (paf      149:):                                      return *this;
                    150:):                              }
                    151:):                      }
          6(paf     152:3):                     append(src);
          (paf      153:):                      return *this;
                    154:):              }
          6(paf     155:3):             void append(const ArrayFragment& src) { append(src, 0, 0); }
                    156:3):             void append_positions(const ArrayFragment& src, size_t substr_begin, size_t substr_end);
          (paf      157:):      };
                    158:): 
                    159:):      struct C {
                    160:):              char *str;
          0(paf     161:3):             size_t length;
          (paf      162:):              operator char *() { return str; }
          0(paf     163:3):             C(char *astr, size_t asize): str(astr), length(asize) {}
          (paf      164:):      };
                    165:): 
                    166:): private:
                    167:): 
          7(paf     168:3):     StringBody body; ///< all characters of string
          0(paf     169:3):     ArrayFragment fragments; ///< fragment language+length info
          (paf      170:): 
1.8       paf       171: public:
                    172: 
1.144.2.28.2.  1(paf     173:3):     /// @todo check all places for length to be only HELPER length, and never be !=strlen(cstr)
          0(paf     174:3):     explicit String(const char* cstr=0, size_t helper_length=0, bool tainted=false);
1.14      paf       175:        String(const String& src);
1.144.2.28.2.  7(paf     176:3):     String(StringBody abody, Language alang): body(abody) {
                    177:3):             fragments+=Fragment(alang, abody.length());
                    178:3):     }
                    179:3): 
                    180:3):     /// for convinient hash lookup
                    181:3):     operator StringBody() const { return body; }
                    182:3): 
                    183:3):     bool is_empty() const { return body.is_empty(); }
                    184:3):     size_t length() const { return body.length(); }
          (paf      185:): 
          2(paf     186:3):     /// convert to CORD. if 'lang' known, forcing 'lang' to it
          7(paf     187:3):     CORD cstr_to_cord(Language lang=L_AS_IS, 
                    188:3):             SQL_Connection* connection=0,
          (paf      189:):              const Request_charsets *charsets=0) const;
                    190:): 
          2(paf     191:3):     /// convert to constant C string. if 'lang' known, forcing 'lang' to it
          7(paf     192:3):     const char* cstr(Language lang=L_AS_IS, 
                    193:3):             SQL_Connection* connection=0,
1.144.2.14  paf       194:                const Request_charsets *charsets=0) const {
1.144.2.28.2.  (paf      195:):              return CORD_to_const_char_star(cstr_to_cord(lang, connection, charsets));
                    196:):      }
          2(paf     197:3):     /// convert to Modifiable C string. if 'lang' known, forcing 'lang' to it
          7(paf     198:3):     char *cstrm(Language lang=L_AS_IS, 
                    199:3):             SQL_Connection* connection=0,
          (paf      200:):              const Request_charsets *charsets=0) const {
                    201:):              return CORD_to_char_star(cstr_to_cord(lang, connection, charsets));
1.144.2.9  paf       202:        }
1.108     parser    203:        /// puts pieces to buf
1.144.2.28.2.  (paf      204:):      C serialize(size_t prolog_size) const;
1.108     parser    205:        /// appends pieces from buf to self
1.144.2.18  paf       206:        bool deserialize(size_t prolog_size, void *buf, size_t buf_size, const char* file);
1.144.2.28.2.  6(paf     207:3):     /** append fragment, 
                    208:3):             @c helper_length can be zero, it will be autocalced
                    209:3):             when length<strlen(str) makes heap copy of @c str piece
1.46      paf       210:        */
1.144.2.28.2.  7(paf     211:3):     String& append(const char* str, size_t helper_length, Language lang);
          (paf      212:): 
          7(paf     213:3):     bool operator == (const char* y) const { return body==StringBody(y); }
          (paf      214:): 
                    215:):      /// this starts with y
          7(paf     216:3):     bool starts_with(const char* y) const {
                    217:3):             return body.ncmp(0/*x_begin*/, StringBody(y), 0/*y_begin*/, strlen(y))==0;
1.80      paf       218:        }
1.144.2.28.2.  (paf      219:):      /// y starts with this
          7(paf     220:3):     bool this_starts(const char* y) const {
                    221:3):             return body.ncmp(0/*x_begin*/, StringBody(y), 0/*y_begin*/, strlen(y))==0;
          (paf      222:):      }
1.80      paf       223: 
1.144.2.28.2.  7(paf     224:3):     String& append_to(String& dest, Language lang, bool forced) const;
                    225:3):     String& append(const String& src, Language lang, bool forced=false) { 
1.144.2.11  paf       226:                return src.append_to(*this, lang, forced);
                    227:        }
1.144.2.28.2.  7(paf     228:3):     String& operator << (const String& src) { return append(src, L_PASS_APPENDED); }
                    229:3):     String& operator << (const char* src) { return append(src, 0, L_AS_IS); }
1.100     parser    230: 
1.142     paf       231:        /// extracts first char of a string, if any
                    232:        char first_char() const {
1.144.2.28.2.  7(paf     233:3):             return is_empty()?0:body.fetch(0);
1.142     paf       234:        }
1.54      paf       235: 
                    236:        /// extracts [start, finish) piece of string
1.144.2.28.2.  4(paf     237:3):     const String& mid(size_t substr_begin, size_t substr_end) const;
          (paf      238:): 
                    239:):      /** 
          7(paf     240:3):             ignore lang if it's L_UNSPECIFIED
          (paf      241:):              but when specified: look for substring that lies in ONE fragment in THAT lang
                    242:):              @return position of substr in string, -1 means "not found" [const char* version]
                    243:):      */
                    244:):      size_t pos(CORD substr, 
          7(paf     245:3):             size_t this_offset=0, Language lang=L_UNSPECIFIED) const;
                    246:3):     /// String version of @see pos(const char*, int, Language)
          (paf      247:):      size_t pos(const String& substr, 
          7(paf     248:3):             size_t this_offset=0, Language lang=L_UNSPECIFIED) const;
1.62      paf       249: 
1.144.2.22  paf       250:        void split(ArrayString& result, 
1.144.2.28.2.  5(paf     251:3):             size_t& pos_after, 
          (paf      252:):              const char* delim, 
          7(paf     253:3):             Language lang=L_UNSPECIFIED, int limit=-1);
1.144.2.22  paf       254:        void split(ArrayString& result, 
1.144.2.28.2.  5(paf     255:3):             size_t& pos_after, 
1.62      paf       256:                const String& delim, 
1.144.2.28.2.  7(paf     257:3):             Language lang=L_UNSPECIFIED, int limit=-1) const;
1.62      paf       258: 
1.144.2.28.2.  (paf      259:):      typedef void (*Row_action)(Table* table, ArrayString* row, 
1.136     paf       260:                int prestart, int prefinish, 
                    261:                int poststart, int postfinish,
1.144.2.9  paf       262:                void *info);
1.87      parser    263:        /**
1.144.2.5  paf       264:                @return table of found items, if any.
1.87      parser    265:                table format is defined and fixed[can be used by others]: 
                    266:                @verbatim
                    267:                        prematch/match/postmatch/1/2/3/...
                    268:                @endverbatim
                    269:        */
1.144.2.28.2.  (paf      270:):      Table* match(Charset& source_charset,
1.64      paf       271:                const String& regexp, 
1.144.2.28.2.  (paf      272:):              const String& options,
1.99      parser    273:                Row_action row_action, void *info,
1.144.2.27  paf       274:                bool& just_matched) const;
1.87      parser    275:        enum Change_case_kind {
                    276:                CC_UPPER,
                    277:                CC_LOWER
                    278:        };
1.144.2.28.2.  (paf      279:):      String& change_case(Charset& source_charset,
1.144.2.17  paf       280:                Change_case_kind kind);
1.144.2.28.2.  (paf      281:):      const String& replace(const Dictionary& dict) const;
                    282:):      double as_double() const;
                    283:):      int as_int() const;
1.137     paf       284: 
1.7       paf       285: private: //disabled
                    286: 
1.12      paf       287:        String& operator = (const String&) { return *this; }
1.7       paf       288: 
1.1       paf       289: };
1.144.2.7  paf       290: 
                    291: /// simple hash code of string. used by Hash
1.144.2.28.2.  7(paf     292:3): inline uint hash_code(const StringBody& self) {
1.144.2.7  paf       293:        return self.hash_code();
                    294: }
1.1       paf       295: 
                    296: #endif

E-mail: