Annotation of parser3/src/include/pa_string.h, revision 1.144.2.28.2.18

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.  8(paf      11:3): static const char* IDENT_STRING_H="$Date: 2003/03/21 13:42:29 $";
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):     int ncmp(size_t x_begin, const StringBody y, size_t y_begin, size_t size) const {
                     77:3):             return CORD_ncmp(body, x_begin, y.body, y_begin, size);
                     78:3):     }
                     79:3): 
                     80:3):     char fetch(size_t index) const { return CORD_fetch(body, index); }
                     81:3): 
                     82:3): };
          (paf       83:): 
1.144.2.2  paf        84: /** 
                     85:        String which knows the language of all it's fragments.
1.41      paf        86: 
                     87:        All pieces remember 
                     88:        - whether they are tainted or not, 
                     89:          and the language which should be used to detaint them
                     90: */
1.144.2.28.2.  (paf       91:): class String: public PA_Object {
                     92:): 
          7(paf      93:3):     friend class StringBody;
                     94:3): 
1.144.2.2  paf        95: public:
1.1       paf        96: 
1.106     parser     97:        /** piece is tainted or not. the language to use when detaint
                     98:                remember to change String_Untaint_lang_name @ untaint.C along
                     99:        */
1.144.2.28.2.  7(paf     100:3):     enum Language {
                    101:3):             L_UNSPECIFIED=0, ///< zero value handy for hash lookup @see untaint_lang_name2enum
                    102:3):             // these two must go before others, there are checks for >L_AS_IS
                    103:3):             L_CLEAN, ///< clean
                    104:3):             L_AS_IS,     ///< leave all characters intact
1.122     paf       105: 
1.144.2.28.2.  7(paf     106:3):             L_PASS_APPENDED,
1.41      paf       107:                        /**<
                    108:                                leave language built into string being appended.
                    109:                                just a flag, that value not stored
                    110:                        */
1.144.2.28.2.  7(paf     111:3):             L_TAINTED,  ///< tainted, untaint language as assigned later 
1.122     paf       112:                // untaint languages. assigned by ^untaint[lang]{...}
1.144.2.28.2.  7(paf     113:3):             L_FILE_SPEC, ///< file specification
                    114:3):             L_HTTP_HEADER,    ///< text in HTTP response header
                    115:3):             L_MAIL_HEADER,    ///< text in mail header
                    116:3):             L_URI,       ///< text in uri
                    117:3):             L_TABLE,     ///< ^table:set body
                    118:3):             L_SQL,       ///< ^table:sql body
                    119:3):             L_JS,        ///< JavaScript code
                    120:3):             L_XML,          ///< ^dom:set xml
                    121:3):             L_HTML,      ///< HTML code (for editing)
                    122:3):             L_OPTIMIZE_BIT = 0x8000  ///< flag, requiring cstr whitespace optimization
1.27      paf       123:        };
                    124: 
1.144.2.28.2.  (paf      125:):      struct Fragment { 
          7(paf     126:3):             Language lang; ///< untaint flag, later untaint language
          0(paf     127:3):             size_t length;  ///< length
          7(paf     128:3):             Fragment(Language alang, size_t asize): lang(alang), length(asize) {}
          (paf      129:):      };
                    130:): 
                    131:):      class ArrayFragment: public Array<Fragment> {
          6(paf     132:3):             void append(element_type src) {
          (paf      133:):                      *static_cast<Array<Fragment> *>(this)+=src;
                    134:):              }
          6(paf     135:3):             /// hiding from accidental USE, use append_positions
                    136:3):             void append(const ArrayFragment& src, int offset, int limit) { 
                    137:3):                     static_cast<Array<Fragment> *>(this)->append(src, offset, limit);
                    138:3):             }
          (paf      139:):      public:
                    140:):              ArrayFragment& operator += (element_type src) {
                    141:):                      if(count()) { // not empty?
                    142:):                              // try to join with last
                    143:):                              Fragment& last=get(count()-1);
                    144:):                              if(last.lang==src.lang) {
          0(paf     145:3):                                     last.length+=src.length;
          (paf      146:):                                      return *this;
                    147:):                              }
                    148:):                      }
          6(paf     149:3):                     append(src);
          (paf      150:):                      return *this;
                    151:):              }
          6(paf     152:3):             void append(const ArrayFragment& src) { append(src, 0, 0); }
                    153:3):             void append_positions(const ArrayFragment& src, size_t substr_begin, size_t substr_end);
          (paf      154:):      };
                    155:): 
                    156:):      struct C {
                    157:):              char *str;
          0(paf     158:3):             size_t length;
          (paf      159:):              operator char *() { return str; }
          0(paf     160:3):             C(char *astr, size_t asize): str(astr), length(asize) {}
          (paf      161:):      };
                    162:): 
                    163:): private:
                    164:): 
          7(paf     165:3):     StringBody body; ///< all characters of string
          0(paf     166:3):     ArrayFragment fragments; ///< fragment language+length info
          (paf      167:): 
1.8       paf       168: public:
                    169: 
1.144.2.28.2.  1(paf     170:3):     /// @todo check all places for length to be only HELPER length, and never be !=strlen(cstr)
          0(paf     171:3):     explicit String(const char* cstr=0, size_t helper_length=0, bool tainted=false);
1.14      paf       172:        String(const String& src);
1.144.2.28.2.  7(paf     173:3):     String(StringBody abody, Language alang): body(abody) {
                    174:3):             fragments+=Fragment(alang, abody.length());
                    175:3):     }
                    176:3): 
                    177:3):     /// for convinient hash lookup
                    178:3):     operator StringBody() const { return body; }
                    179:3): 
                    180:3):     bool is_empty() const { return body.is_empty(); }
                    181:3):     size_t length() const { return body.length(); }
          (paf      182:): 
          2(paf     183:3):     /// convert to CORD. if 'lang' known, forcing 'lang' to it
          7(paf     184:3):     CORD cstr_to_cord(Language lang=L_AS_IS, 
                    185:3):             SQL_Connection* connection=0,
          (paf      186:):              const Request_charsets *charsets=0) const;
                    187:): 
          2(paf     188:3):     /// convert to constant C string. if 'lang' known, forcing 'lang' to it
          7(paf     189:3):     const char* cstr(Language lang=L_AS_IS, 
                    190:3):             SQL_Connection* connection=0,
1.144.2.14  paf       191:                const Request_charsets *charsets=0) const {
1.144.2.28.2.  (paf      192:):              return CORD_to_const_char_star(cstr_to_cord(lang, connection, charsets));
                    193:):      }
          2(paf     194:3):     /// convert to Modifiable C string. if 'lang' known, forcing 'lang' to it
          7(paf     195:3):     char *cstrm(Language lang=L_AS_IS, 
                    196:3):             SQL_Connection* connection=0,
          (paf      197:):              const Request_charsets *charsets=0) const {
                    198:):              return CORD_to_char_star(cstr_to_cord(lang, connection, charsets));
1.144.2.9  paf       199:        }
1.108     parser    200:        /// puts pieces to buf
1.144.2.28.2.  (paf      201:):      C serialize(size_t prolog_size) const;
1.108     parser    202:        /// appends pieces from buf to self
1.144.2.18  paf       203:        bool deserialize(size_t prolog_size, void *buf, size_t buf_size, const char* file);
1.144.2.28.2.  6(paf     204:3):     /** append fragment, 
                    205:3):             @c helper_length can be zero, it will be autocalced
                    206:3):             when length<strlen(str) makes heap copy of @c str piece
1.46      paf       207:        */
1.144.2.28.2.  7(paf     208:3):     String& append(const char* str, size_t helper_length, Language lang);
          (paf      209:): 
          7(paf     210:3):     bool operator == (const char* y) const { return body==StringBody(y); }
          (paf      211:): 
                    212:):      /// this starts with y
          7(paf     213:3):     bool starts_with(const char* y) const {
                    214:3):             return body.ncmp(0/*x_begin*/, StringBody(y), 0/*y_begin*/, strlen(y))==0;
1.80      paf       215:        }
1.144.2.28.2.  (paf      216:):      /// y starts with this
          7(paf     217:3):     bool this_starts(const char* y) const {
                    218:3):             return body.ncmp(0/*x_begin*/, StringBody(y), 0/*y_begin*/, strlen(y))==0;
          (paf      219:):      }
1.80      paf       220: 
1.144.2.28.2.  7(paf     221:3):     String& append_to(String& dest, Language lang, bool forced) const;
                    222:3):     String& append(const String& src, Language lang, bool forced=false) { 
1.144.2.11  paf       223:                return src.append_to(*this, lang, forced);
                    224:        }
1.144.2.28.2.  7(paf     225:3):     String& operator << (const String& src) { return append(src, L_PASS_APPENDED); }
                    226:3):     String& operator << (const char* src) { return append(src, 0, L_AS_IS); }
1.100     parser    227: 
1.142     paf       228:        /// extracts first char of a string, if any
                    229:        char first_char() const {
1.144.2.28.2.  7(paf     230:3):             return is_empty()?0:body.fetch(0);
1.142     paf       231:        }
1.144.2.28.2.  8(paf     232:3): 
                    233:3):     bool operator < (const String& src) const { return body<src.body; }
                    234:3):     bool operator > (const String& src) const { return body>src.body; }
                    235:3):     bool operator <= (const String& src) const { return body<=src.body; }
                    236:3):     bool operator >= (const String& src) const { return body>=src.body; }
                    237:3):     bool operator != (const String& src) const { return body!=src.body; }
                    238:3):     bool operator == (const String& src) const { return body==src.body; }
1.54      paf       239: 
                    240:        /// extracts [start, finish) piece of string
1.144.2.28.2.  4(paf     241:3):     const String& mid(size_t substr_begin, size_t substr_end) const;
          (paf      242:): 
                    243:):      /** 
          7(paf     244:3):             ignore lang if it's L_UNSPECIFIED
          (paf      245:):              but when specified: look for substring that lies in ONE fragment in THAT lang
                    246:):              @return position of substr in string, -1 means "not found" [const char* version]
                    247:):      */
                    248:):      size_t pos(CORD substr, 
          7(paf     249:3):             size_t this_offset=0, Language lang=L_UNSPECIFIED) const;
                    250:3):     /// String version of @see pos(const char*, int, Language)
          (paf      251:):      size_t pos(const String& substr, 
          7(paf     252:3):             size_t this_offset=0, Language lang=L_UNSPECIFIED) const;
1.62      paf       253: 
1.144.2.22  paf       254:        void split(ArrayString& result, 
1.144.2.28.2.  5(paf     255:3):             size_t& pos_after, 
          (paf      256:):              const char* delim, 
          7(paf     257:3):             Language lang=L_UNSPECIFIED, int limit=-1);
1.144.2.22  paf       258:        void split(ArrayString& result, 
1.144.2.28.2.  5(paf     259:3):             size_t& pos_after, 
1.62      paf       260:                const String& delim, 
1.144.2.28.2.  7(paf     261:3):             Language lang=L_UNSPECIFIED, int limit=-1) const;
1.62      paf       262: 
1.144.2.28.2.  (paf      263:):      typedef void (*Row_action)(Table* table, ArrayString* row, 
1.136     paf       264:                int prestart, int prefinish, 
                    265:                int poststart, int postfinish,
1.144.2.9  paf       266:                void *info);
1.87      parser    267:        /**
1.144.2.5  paf       268:                @return table of found items, if any.
1.87      parser    269:                table format is defined and fixed[can be used by others]: 
                    270:                @verbatim
                    271:                        prematch/match/postmatch/1/2/3/...
                    272:                @endverbatim
                    273:        */
1.144.2.28.2.  (paf      274:):      Table* match(Charset& source_charset,
1.64      paf       275:                const String& regexp, 
1.144.2.28.2.  (paf      276:):              const String& options,
1.99      parser    277:                Row_action row_action, void *info,
1.144.2.27  paf       278:                bool& just_matched) const;
1.87      parser    279:        enum Change_case_kind {
                    280:                CC_UPPER,
                    281:                CC_LOWER
                    282:        };
1.144.2.28.2.  (paf      283:):      String& change_case(Charset& source_charset,
1.144.2.17  paf       284:                Change_case_kind kind);
1.144.2.28.2.  (paf      285:):      const String& replace(const Dictionary& dict) const;
                    286:):      double as_double() const;
                    287:):      int as_int() const;
1.137     paf       288: 
1.7       paf       289: private: //disabled
                    290: 
1.12      paf       291:        String& operator = (const String&) { return *this; }
1.7       paf       292: 
1.1       paf       293: };
1.144.2.7  paf       294: 
                    295: /// simple hash code of string. used by Hash
1.144.2.28.2.  7(paf     296:3): inline uint hash_code(const StringBody& self) {
1.144.2.7  paf       297:        return self.hash_code();
                    298: }
1.1       paf       299: 
                    300: #endif

E-mail: