Annotation of parser3/src/include/pa_string.h, revision 1.144.2.28.2.24

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.  4(paf      11:3): static const char* IDENT_STRING_H="$Date: 2003/03/24 10:21:28 $";
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) {}
          2(paf      54:3):     explicit StringBody(const char* str, size_t length): body(CORD_EMPTY) {
                     55:3):             append(str, length);
                     56:3):     }
          7(paf      57:3): 
                     58:3):     void clear() { body=CORD_EMPTY; }
                     59:3): 
                     60:3):     uint hash_code() const;
                     61:3): 
          0(paf      62:3):     const char* cstr() const { return CORD_to_const_char_star(body); }
          1(paf      63:3):     char* cstrm() const { return CORD_to_char_star(body); }
          0(paf      64:3): 
          7(paf      65:3):     size_t length() const { return CORD_len(body); }
                     66:3): 
                     67:3):     bool is_empty() const { return body==CORD_EMPTY; }
                     68:3): 
                     69:3):     void append(const char *str, size_t length) {
          2(paf      70:3):             body=CORD_cat_char_star(body, str, length);
          7(paf      71:3):     }
          2(paf      72:3):     void append(char c) { body=CORD_cat_char(body, c); }
                     73:3):     void append(StringBody src) { body=CORD_cat(body, src.body); }
          7(paf      74:3): 
                     75:3):     // could not figure out why this operator is needed [should do this chain: string->simple->==]
                     76:3):     bool operator < (const StringBody& src) const { return CORD_cmp(body, src.body)<0; }
                     77:3):     bool operator > (const StringBody& src) const { return CORD_cmp(body, src.body)>0; }
                     78:3):     bool operator <= (const StringBody& src) const { return CORD_cmp(body, src.body)<=0; }
                     79:3):     bool operator >= (const StringBody& src) const { return CORD_cmp(body, src.body)>=0; }
                     80:3):     bool operator != (const StringBody& src) const { return CORD_cmp(body, src.body)!=0; }
                     81:3):     bool operator == (const StringBody& src) const { return CORD_cmp(body, src.body)==0; }
                     82:3): 
                     83:3):     int ncmp(size_t x_begin, const StringBody y, size_t y_begin, size_t size) const {
                     84:3):             return CORD_ncmp(body, x_begin, y.body, y_begin, size);
                     85:3):     }
                     86:3): 
                     87:3):     char fetch(size_t index) const { return CORD_fetch(body, index); }
          1(paf      88:3):     StringBody mid(size_t index, size_t length) const { return CORD_substr(body, index, length); }
          3(paf      89:3):     size_t pos(const char* substr, size_t offset=0) const { return CORD_str(body, offset, substr); }
                     90:3):     size_t pos(const StringBody substr, size_t offset=0) const { return CORD_str(body, offset, substr.body); }
          1(paf      91:3): 
                     92:3):     template<typename I> void for_each(int (*callback)(const char* s, I), I info) const {
                     93:3):             CORD_iter5(body, 0, 0, (CORD_batched_iter_fn)callback, info);
                     94:3):     }
                     95:3): 
                     96:3):     void set_pos(CORD_pos& pos, size_t index) const { CORD_set_pos(pos, body, index); }
          7(paf      97:3): 
                     98:3): };
          (paf       99:): 
1.144.2.2  paf       100: /** 
                    101:        String which knows the language of all it's fragments.
1.41      paf       102: 
                    103:        All pieces remember 
                    104:        - whether they are tainted or not, 
                    105:          and the language which should be used to detaint them
                    106: */
1.144.2.28.2.  (paf      107:): class String: public PA_Object {
                    108:): 
          2(paf     109:3): //  friend class StringBody;
          7(paf     110:3): 
1.144.2.2  paf       111: public:
1.1       paf       112: 
1.106     parser    113:        /** piece is tainted or not. the language to use when detaint
                    114:                remember to change String_Untaint_lang_name @ untaint.C along
                    115:        */
1.144.2.28.2.  7(paf     116:3):     enum Language {
                    117:3):             L_UNSPECIFIED=0, ///< zero value handy for hash lookup @see untaint_lang_name2enum
                    118:3):             // these two must go before others, there are checks for >L_AS_IS
                    119:3):             L_CLEAN, ///< clean
                    120:3):             L_AS_IS,     ///< leave all characters intact
1.122     paf       121: 
1.144.2.28.2.  7(paf     122:3):             L_PASS_APPENDED,
1.41      paf       123:                        /**<
                    124:                                leave language built into string being appended.
                    125:                                just a flag, that value not stored
                    126:                        */
1.144.2.28.2.  7(paf     127:3):             L_TAINTED,  ///< tainted, untaint language as assigned later 
1.122     paf       128:                // untaint languages. assigned by ^untaint[lang]{...}
1.144.2.28.2.  7(paf     129:3):             L_FILE_SPEC, ///< file specification
                    130:3):             L_HTTP_HEADER,    ///< text in HTTP response header
                    131:3):             L_MAIL_HEADER,    ///< text in mail header
                    132:3):             L_URI,       ///< text in uri
                    133:3):             L_TABLE,     ///< ^table:set body
                    134:3):             L_SQL,       ///< ^table:sql body
                    135:3):             L_JS,        ///< JavaScript code
                    136:3):             L_XML,          ///< ^dom:set xml
                    137:3):             L_HTML,      ///< HTML code (for editing)
                    138:3):             L_OPTIMIZE_BIT = 0x8000  ///< flag, requiring cstr whitespace optimization
1.27      paf       139:        };
                    140: 
1.144.2.28.2.  (paf      141:):      struct Fragment { 
          7(paf     142:3):             Language lang; ///< untaint flag, later untaint language
          0(paf     143:3):             size_t length;  ///< length
          7(paf     144:3):             Fragment(Language alang, size_t asize): lang(alang), length(asize) {}
          (paf      145:):      };
                    146:): 
                    147:):      class ArrayFragment: public Array<Fragment> {
          6(paf     148:3):             void append(element_type src) {
          (paf      149:):                      *static_cast<Array<Fragment> *>(this)+=src;
                    150:):              }
          6(paf     151:3):             /// hiding from accidental USE, use append_positions
                    152:3):             void append(const ArrayFragment& src, int offset, int limit) { 
                    153:3):                     static_cast<Array<Fragment> *>(this)->append(src, offset, limit);
                    154:3):             }
          (paf      155:):      public:
                    156:):              ArrayFragment& operator += (element_type src) {
                    157:):                      if(count()) { // not empty?
                    158:):                              // try to join with last
                    159:):                              Fragment& last=get(count()-1);
                    160:):                              if(last.lang==src.lang) {
          0(paf     161:3):                                     last.length+=src.length;
          (paf      162:):                                      return *this;
                    163:):                              }
                    164:):                      }
          6(paf     165:3):                     append(src);
          (paf      166:):                      return *this;
                    167:):              }
          6(paf     168:3):             void append(const ArrayFragment& src) { append(src, 0, 0); }
                    169:3):             void append_positions(const ArrayFragment& src, size_t substr_begin, size_t substr_end);
          (paf      170:):      };
                    171:): 
                    172:):      struct C {
                    173:):              char *str;
          0(paf     174:3):             size_t length;
          (paf      175:):              operator char *() { return str; }
          0(paf     176:3):             C(char *astr, size_t asize): str(astr), length(asize) {}
          (paf      177:):      };
                    178:): 
                    179:): private:
                    180:): 
          7(paf     181:3):     StringBody body; ///< all characters of string
          0(paf     182:3):     ArrayFragment fragments; ///< fragment language+length info
          (paf      183:): 
1.8       paf       184: public:
                    185: 
1.144.2.28.2.  1(paf     186:3):     /// @todo check all places for length to be only HELPER length, and never be !=strlen(cstr)
          0(paf     187:3):     explicit String(const char* cstr=0, size_t helper_length=0, bool tainted=false);
1.14      paf       188:        String(const String& src);
1.144.2.28.2.  7(paf     189:3):     String(StringBody abody, Language alang): body(abody) {
                    190:3):             fragments+=Fragment(alang, abody.length());
                    191:3):     }
                    192:3): 
                    193:3):     /// for convinient hash lookup
          2(paf     194:3):     operator const StringBody() const { return body; }
          7(paf     195:3): 
                    196:3):     bool is_empty() const { return body.is_empty(); }
                    197:3):     size_t length() const { return body.length(); }
          (paf      198:): 
          2(paf     199:3):     /// convert to CORD. if 'lang' known, forcing 'lang' to it
          1(paf     200:3):     StringBody cstr_to_string_body(Language lang=L_AS_IS, 
          7(paf     201:3):             SQL_Connection* connection=0,
          (paf      202:):              const Request_charsets *charsets=0) const;
                    203:): 
          2(paf     204:3):     /// convert to constant C string. if 'lang' known, forcing 'lang' to it
          7(paf     205:3):     const char* cstr(Language lang=L_AS_IS, 
                    206:3):             SQL_Connection* connection=0,
1.144.2.14  paf       207:                const Request_charsets *charsets=0) const {
1.144.2.28.2.  1(paf     208:3):             return cstr_to_string_body(lang, connection, charsets).cstr();
          (paf      209:):      }
          2(paf     210:3):     /// convert to Modifiable C string. if 'lang' known, forcing 'lang' to it
          7(paf     211:3):     char *cstrm(Language lang=L_AS_IS, 
                    212:3):             SQL_Connection* connection=0,
          (paf      213:):              const Request_charsets *charsets=0) const {
          1(paf     214:3):             return cstr_to_string_body(lang, connection, charsets).cstrm();
1.144.2.9  paf       215:        }
1.108     parser    216:        /// puts pieces to buf
1.144.2.28.2.  (paf      217:):      C serialize(size_t prolog_size) const;
1.108     parser    218:        /// appends pieces from buf to self
1.144.2.28.2.  4(paf     219:3):     bool deserialize(size_t prolog_size, void *buf, size_t buf_size);
          6(paf     220:3):     /** append fragment, 
          9(paf     221:3):             @c length can be zero, it will be autocalced
          6(paf     222:3):             when length<strlen(str) makes heap copy of @c str piece
1.46      paf       223:        */
1.144.2.28.2.  9(paf     224:3):     String& append(const char* str, size_t length, Language lang);
          (paf      225:): 
          7(paf     226:3):     bool operator == (const char* y) const { return body==StringBody(y); }
          0(paf     227:3):     bool operator != (const char* y) const { return body!=StringBody(y); }
          (paf      228:): 
                    229:):      /// this starts with y
          7(paf     230:3):     bool starts_with(const char* y) const {
                    231:3):             return body.ncmp(0/*x_begin*/, StringBody(y), 0/*y_begin*/, strlen(y))==0;
1.80      paf       232:        }
1.144.2.28.2.  (paf      233:):      /// y starts with this
          7(paf     234:3):     bool this_starts(const char* y) const {
                    235:3):             return body.ncmp(0/*x_begin*/, StringBody(y), 0/*y_begin*/, strlen(y))==0;
          (paf      236:):      }
1.80      paf       237: 
1.144.2.28.2.  7(paf     238:3):     String& append_to(String& dest, Language lang, bool forced) const;
                    239:3):     String& append(const String& src, Language lang, bool forced=false) { 
1.144.2.11  paf       240:                return src.append_to(*this, lang, forced);
                    241:        }
1.144.2.28.2.  7(paf     242:3):     String& operator << (const String& src) { return append(src, L_PASS_APPENDED); }
                    243:3):     String& operator << (const char* src) { return append(src, 0, L_AS_IS); }
          9(paf     244:3):     String& operator << (const StringBody& src) { 
                    245:3):             body.append(src);
                    246:3):             fragments+=Fragment(L_AS_IS, src.length());
                    247:3):             return *this;
                    248:3):     }
1.100     parser    249: 
1.142     paf       250:        /// extracts first char of a string, if any
                    251:        char first_char() const {
1.144.2.28.2.  7(paf     252:3):             return is_empty()?0:body.fetch(0);
1.142     paf       253:        }
1.144.2.28.2.  8(paf     254:3): 
                    255:3):     bool operator < (const String& src) const { return body<src.body; }
                    256:3):     bool operator > (const String& src) const { return body>src.body; }
                    257:3):     bool operator <= (const String& src) const { return body<=src.body; }
                    258:3):     bool operator >= (const String& src) const { return body>=src.body; }
                    259:3):     bool operator != (const String& src) const { return body!=src.body; }
                    260:3):     bool operator == (const String& src) const { return body==src.body; }
1.54      paf       261: 
                    262:        /// extracts [start, finish) piece of string
1.144.2.28.2.  2(paf     263:3):     String& mid(size_t substr_begin, size_t substr_end) const;
          (paf      264:): 
                    265:):      /** 
          7(paf     266:3):             ignore lang if it's L_UNSPECIFIED
          (paf      267:):              but when specified: look for substring that lies in ONE fragment in THAT lang
                    268:):              @return position of substr in string, -1 means "not found" [const char* version]
                    269:):      */
          1(paf     270:3):     size_t pos(const StringBody substr, 
          7(paf     271:3):             size_t this_offset=0, Language lang=L_UNSPECIFIED) const;
                    272:3):     /// String version of @see pos(const char*, int, Language)
          (paf      273:):      size_t pos(const String& substr, 
          7(paf     274:3):             size_t this_offset=0, Language lang=L_UNSPECIFIED) const;
1.62      paf       275: 
1.144.2.22  paf       276:        void split(ArrayString& result, 
1.144.2.28.2.  2(paf     277:3):             size_t& pos_after,
          (paf      278:):              const char* delim, 
          2(paf     279:3):             Language lang=L_UNSPECIFIED, int limit=-1) const;
1.144.2.22  paf       280:        void split(ArrayString& result, 
1.144.2.28.2.  5(paf     281:3):             size_t& pos_after, 
1.62      paf       282:                const String& delim, 
1.144.2.28.2.  7(paf     283:3):             Language lang=L_UNSPECIFIED, int limit=-1) const;
1.62      paf       284: 
1.144.2.28.2.  (paf      285:):      typedef void (*Row_action)(Table* table, ArrayString* row, 
1.136     paf       286:                int prestart, int prefinish, 
                    287:                int poststart, int postfinish,
1.144.2.9  paf       288:                void *info);
1.87      parser    289:        /**
1.144.2.5  paf       290:                @return table of found items, if any.
1.87      parser    291:                table format is defined and fixed[can be used by others]: 
                    292:                @verbatim
                    293:                        prematch/match/postmatch/1/2/3/...
                    294:                @endverbatim
                    295:        */
1.144.2.28.2.  (paf      296:):      Table* match(Charset& source_charset,
1.64      paf       297:                const String& regexp, 
1.144.2.28.2.  (paf      298:):              const String& options,
1.99      parser    299:                Row_action row_action, void *info,
1.144.2.27  paf       300:                bool& just_matched) const;
1.87      parser    301:        enum Change_case_kind {
                    302:                CC_UPPER,
                    303:                CC_LOWER
                    304:        };
1.144.2.28.2.  (paf      305:):      String& change_case(Charset& source_charset,
1.144.2.17  paf       306:                Change_case_kind kind);
1.144.2.28.2.  (paf      307:):      const String& replace(const Dictionary& dict) const;
                    308:):      double as_double() const;
                    309:):      int as_int() const;
1.137     paf       310: 
1.7       paf       311: private: //disabled
                    312: 
1.12      paf       313:        String& operator = (const String&) { return *this; }
1.7       paf       314: 
1.1       paf       315: };
1.144.2.7  paf       316: 
                    317: /// simple hash code of string. used by Hash
1.144.2.28.2.  7(paf     318:3): inline uint hash_code(const StringBody& self) {
1.144.2.7  paf       319:        return self.hash_code();
                    320: }
1.1       paf       321: 
                    322: #endif

E-mail: