Annotation of parser3/src/include/pa_string.h, revision 1.144.2.28.2.33

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.  3(paf      11:3): static const char* IDENT_STRING_H="$Date: 2003/03/24 17:12:33 $";
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):     }
          3(paf      57:3):     explicit StringBody(int value);
          7(paf      58:3): 
                     59:3):     void clear() { body=CORD_EMPTY; }
                     60:3): 
                     61:3):     bool operator! () const { return is_empty(); }
                     62:3): 
                     63:3):     uint hash_code() const;
                     64:3): 
          0(paf      65:3):     const char* cstr() const { return CORD_to_const_char_star(body); }
          1(paf      66:3):     char* cstrm() const { return CORD_to_char_star(body); }
          0(paf      67:3): 
          7(paf      68:3):     size_t length() const { return CORD_len(body); }
                     69:3): 
                     70:3):     bool is_empty() const { return body==CORD_EMPTY; }
                     71:3): 
                     72:3):     void append(const char *str, size_t length) {
          2(paf      73:3):             body=CORD_cat_char_star(body, str, length);
          7(paf      74:3):     }
          2(paf      75:3):     void append(char c) { body=CORD_cat_char(body, c); }
                     76:3):     void append(StringBody src) { body=CORD_cat(body, src.body); }
          7(paf      77:3): 
                     78:3):     // could not figure out why this operator is needed [should do this chain: string->simple->==]
          8(paf      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):     bool operator >= (const StringBody src) const { return CORD_cmp(body, src.body)>=0; }
                     83:3):     bool operator != (const StringBody src) const { return CORD_cmp(body, src.body)!=0; }
                     84:3):     bool operator == (const StringBody src) const { return CORD_cmp(body, src.body)==0; }
          7(paf      85:3): 
                     86:3):     int ncmp(size_t x_begin, const StringBody y, size_t y_begin, size_t size) const {
                     87:3):             return CORD_ncmp(body, x_begin, y.body, y_begin, size);
                     88:3):     }
                     89:3): 
                     90:3):     char fetch(size_t index) const { return CORD_fetch(body, index); }
          1(paf      91:3):     StringBody mid(size_t index, size_t length) const { return CORD_substr(body, index, length); }
          3(paf      92:3):     size_t pos(const char* substr, size_t offset=0) const { return CORD_str(body, offset, substr); }
          1(paf      93:3):     size_t pos(const StringBody substr, size_t offset=0) const { 
                     94:3):             if(!substr.length())
                     95:3):                     return STRING_NOT_FOUND; // in this case CORD_str returns 0 [parser users got used to -1]
                     96:3):             return CORD_str(body, offset, substr.body); 
                     97:3):     }
          2(paf      98:3):     size_t pos(char c, 
                     99:3):             size_t offset=0) const {
                    100:3):             return CORD_chr(body, offset, c);
                    101:3):     }
          1(paf     102:3): 
                    103:3):     template<typename I> void for_each(int (*callback)(const char* s, I), I info) const {
                    104:3):             CORD_iter5(body, 0, 0, (CORD_batched_iter_fn)callback, info);
                    105:3):     }
                    106:3): 
                    107:3):     void set_pos(CORD_pos& pos, size_t index) const { CORD_set_pos(pos, body, index); }
          7(paf     108:3): 
                    109:3): };
          (paf      110:): 
1.144.2.2  paf       111: /** 
                    112:        String which knows the language of all it's fragments.
1.41      paf       113: 
                    114:        All pieces remember 
                    115:        - whether they are tainted or not, 
                    116:          and the language which should be used to detaint them
                    117: */
1.144.2.28.2.  (paf      118:): class String: public PA_Object {
                    119:): 
          2(paf     120:3): //  friend class StringBody;
          7(paf     121:3): 
1.144.2.2  paf       122: public:
1.1       paf       123: 
1.106     parser    124:        /** piece is tainted or not. the language to use when detaint
                    125:                remember to change String_Untaint_lang_name @ untaint.C along
                    126:        */
1.144.2.28.2.  7(paf     127:3):     enum Language {
                    128:3):             L_UNSPECIFIED=0, ///< zero value handy for hash lookup @see untaint_lang_name2enum
                    129:3):             // these two must go before others, there are checks for >L_AS_IS
                    130:3):             L_CLEAN, ///< clean
                    131:3):             L_AS_IS,     ///< leave all characters intact
1.122     paf       132: 
1.144.2.28.2.  7(paf     133:3):             L_PASS_APPENDED,
1.41      paf       134:                        /**<
                    135:                                leave language built into string being appended.
                    136:                                just a flag, that value not stored
                    137:                        */
1.144.2.28.2.  7(paf     138:3):             L_TAINTED,  ///< tainted, untaint language as assigned later 
1.122     paf       139:                // untaint languages. assigned by ^untaint[lang]{...}
1.144.2.28.2.  7(paf     140:3):             L_FILE_SPEC, ///< file specification
                    141:3):             L_HTTP_HEADER,    ///< text in HTTP response header
                    142:3):             L_MAIL_HEADER,    ///< text in mail header
                    143:3):             L_URI,       ///< text in uri
                    144:3):             L_TABLE,     ///< ^table:set body
                    145:3):             L_SQL,       ///< ^table:sql body
                    146:3):             L_JS,        ///< JavaScript code
                    147:3):             L_XML,          ///< ^dom:set xml
                    148:3):             L_HTML,      ///< HTML code (for editing)
                    149:3):             L_OPTIMIZE_BIT = 0x8000  ///< flag, requiring cstr whitespace optimization
1.27      paf       150:        };
                    151: 
1.144.2.28.2.  (paf      152:):      struct Fragment { 
          7(paf     153:3):             Language lang; ///< untaint flag, later untaint language
          0(paf     154:3):             size_t length;  ///< length
          9(paf     155:3):             Fragment(Language alang, size_t asize): lang(alang), length(asize) {
          0(paf     156:3): #ifdef _DEBUG
          9(paf     157:3):                     if(alang==L_UNSPECIFIED)
          0(paf     158:3):                             _asm int 3; // MUST NOT
                    159:3):                     if(asize==(size_t)-1)
                    160:3):                             _asm int 3; // MUST NOT
                    161:3): #endif
          9(paf     162:3):             }
          (paf      163:):      };
                    164:): 
                    165:):      class ArrayFragment: public Array<Fragment> {
          6(paf     166:3):             void append(element_type src) {
          (paf      167:):                      *static_cast<Array<Fragment> *>(this)+=src;
                    168:):              }
          6(paf     169:3):             /// hiding from accidental USE, use append_positions
                    170:3):             void append(const ArrayFragment& src, int offset, int limit) { 
                    171:3):                     static_cast<Array<Fragment> *>(this)->append(src, offset, limit);
                    172:3):             }
          (paf      173:):      public:
                    174:):              ArrayFragment& operator += (element_type src) {
                    175:):                      if(count()) { // not empty?
                    176:):                              // try to join with last
                    177:):                              Fragment& last=get(count()-1);
                    178:):                              if(last.lang==src.lang) {
          0(paf     179:3):                                     last.length+=src.length;
          (paf      180:):                                      return *this;
                    181:):                              }
                    182:):                      }
          6(paf     183:3):                     append(src);
          (paf      184:):                      return *this;
                    185:):              }
          6(paf     186:3):             void append(const ArrayFragment& src) { append(src, 0, 0); }
                    187:3):             void append_positions(const ArrayFragment& src, size_t substr_begin, size_t substr_end);
          (paf      188:):      };
                    189:): 
                    190:):      struct C {
                    191:):              char *str;
          0(paf     192:3):             size_t length;
          (paf      193:):              operator char *() { return str; }
          0(paf     194:3):             C(char *astr, size_t asize): str(astr), length(asize) {}
          (paf      195:):      };
                    196:): 
                    197:): private:
                    198:): 
          7(paf     199:3):     StringBody body; ///< all characters of string
          0(paf     200:3):     ArrayFragment fragments; ///< fragment language+length info
          (paf      201:): 
1.8       paf       202: public:
                    203: 
1.144.2.28.2.  1(paf     204:3):     /// @todo check all places for length to be only HELPER length, and never be !=strlen(cstr)
          0(paf     205:3):     explicit String(const char* cstr=0, size_t helper_length=0, bool tainted=false);
1.14      paf       206:        String(const String& src);
1.144.2.28.2.  7(paf     207:3):     String(StringBody abody, Language alang): body(abody) {
                    208:3):             fragments+=Fragment(alang, abody.length());
                    209:3):     }
                    210:3): 
                    211:3):     /// for convinient hash lookup
          2(paf     212:3):     operator const StringBody() const { return body; }
          7(paf     213:3): 
                    214:3):     bool is_empty() const { return body.is_empty(); }
                    215:3):     size_t length() const { return body.length(); }
          (paf      216:): 
          2(paf     217:3):     /// convert to CORD. if 'lang' known, forcing 'lang' to it
          1(paf     218:3):     StringBody cstr_to_string_body(Language lang=L_AS_IS, 
          7(paf     219:3):             SQL_Connection* connection=0,
          (paf      220:):              const Request_charsets *charsets=0) const;
                    221:): 
          2(paf     222:3):     /// convert to constant C string. if 'lang' known, forcing 'lang' to it
          7(paf     223:3):     const char* cstr(Language lang=L_AS_IS, 
                    224:3):             SQL_Connection* connection=0,
1.144.2.14  paf       225:                const Request_charsets *charsets=0) const {
1.144.2.28.2.  1(paf     226:3):             return cstr_to_string_body(lang, connection, charsets).cstr();
          (paf      227:):      }
          2(paf     228:3):     /// convert to Modifiable C string. if 'lang' known, forcing 'lang' to it
          7(paf     229:3):     char *cstrm(Language lang=L_AS_IS, 
                    230:3):             SQL_Connection* connection=0,
          (paf      231:):              const Request_charsets *charsets=0) const {
          1(paf     232:3):             return cstr_to_string_body(lang, connection, charsets).cstrm();
1.144.2.9  paf       233:        }
1.108     parser    234:        /// puts pieces to buf
1.144.2.28.2.  (paf      235:):      C serialize(size_t prolog_size) const;
1.108     parser    236:        /// appends pieces from buf to self
1.144.2.28.2.  4(paf     237:3):     bool deserialize(size_t prolog_size, void *buf, size_t buf_size);
          6(paf     238:3):     /** append fragment, 
          9(paf     239:3):             @c length can be zero, it will be autocalced
          6(paf     240:3):             when length<strlen(str) makes heap copy of @c str piece
1.46      paf       241:        */
1.144.2.28.2.  9(paf     242:3):     String& append(const char* str, size_t length, Language lang);
          (paf      243:): 
          7(paf     244:3):     bool operator == (const char* y) const { return body==StringBody(y); }
          0(paf     245:3):     bool operator != (const char* y) const { return body!=StringBody(y); }
          (paf      246:): 
                    247:):      /// this starts with y
          7(paf     248:3):     bool starts_with(const char* y) const {
                    249:3):             return body.ncmp(0/*x_begin*/, StringBody(y), 0/*y_begin*/, strlen(y))==0;
1.80      paf       250:        }
1.144.2.28.2.  9(paf     251:3):     /// x starts with this
                    252:3):     bool this_starts(const char* x) const {
                    253:3):             return StringBody(x).ncmp(0/*x_begin*/, body, 0/*y_begin*/, length())==0;
          (paf      254:):      }
1.80      paf       255: 
1.144.2.28.2.  7(paf     256:3):     String& append_to(String& dest, Language lang, bool forced) const;
                    257:3):     String& append(const String& src, Language lang, bool forced=false) { 
1.144.2.11  paf       258:                return src.append_to(*this, lang, forced);
                    259:        }
1.144.2.28.2.  7(paf     260:3):     String& operator << (const String& src) { return append(src, L_PASS_APPENDED); }
                    261:3):     String& operator << (const char* src) { return append(src, 0, L_AS_IS); }
          8(paf     262:3):     String& operator << (const StringBody src) { 
          9(paf     263:3):             body.append(src);
                    264:3):             fragments+=Fragment(L_AS_IS, src.length());
                    265:3):             return *this;
                    266:3):     }
1.100     parser    267: 
1.142     paf       268:        /// extracts first char of a string, if any
                    269:        char first_char() const {
1.144.2.28.2.  7(paf     270:3):             return is_empty()?0:body.fetch(0);
1.142     paf       271:        }
1.144.2.28.2.  8(paf     272:3): 
                    273:3):     bool operator < (const String& src) const { return body<src.body; }
                    274:3):     bool operator > (const String& src) const { return body>src.body; }
                    275:3):     bool operator <= (const String& src) const { return body<=src.body; }
                    276:3):     bool operator >= (const String& src) const { return body>=src.body; }
                    277:3):     bool operator != (const String& src) const { return body!=src.body; }
                    278:3):     bool operator == (const String& src) const { return body==src.body; }
1.54      paf       279: 
                    280:        /// extracts [start, finish) piece of string
1.144.2.28.2.  2(paf     281:3):     String& mid(size_t substr_begin, size_t substr_end) const;
          (paf      282:): 
                    283:):      /** 
          7(paf     284:3):             ignore lang if it's L_UNSPECIFIED
          (paf      285:):              but when specified: look for substring that lies in ONE fragment in THAT lang
                    286:):              @return position of substr in string, -1 means "not found" [const char* version]
                    287:):      */
          1(paf     288:3):     size_t pos(const StringBody substr, 
          7(paf     289:3):             size_t this_offset=0, Language lang=L_UNSPECIFIED) const;
                    290:3):     /// String version of @see pos(const char*, int, Language)
          (paf      291:):      size_t pos(const String& substr, 
          7(paf     292:3):             size_t this_offset=0, Language lang=L_UNSPECIFIED) const;
          2(paf     293:3):     size_t pos(char c, 
                    294:3):             size_t this_offset=0) const {
                    295:3):             return body.pos(c, this_offset);
                    296:3):     }
1.62      paf       297: 
1.144.2.22  paf       298:        void split(ArrayString& result, 
1.144.2.28.2.  2(paf     299:3):             size_t& pos_after,
          (paf      300:):              const char* delim, 
          2(paf     301:3):             Language lang=L_UNSPECIFIED, int limit=-1) const;
1.144.2.22  paf       302:        void split(ArrayString& result, 
1.144.2.28.2.  5(paf     303:3):             size_t& pos_after, 
1.62      paf       304:                const String& delim, 
1.144.2.28.2.  7(paf     305:3):             Language lang=L_UNSPECIFIED, int limit=-1) const;
1.62      paf       306: 
1.144.2.28.2.  6(paf     307:3):     typedef void (*Row_action)(Table& table, ArrayString* row, 
1.136     paf       308:                int prestart, int prefinish, 
                    309:                int poststart, int postfinish,
1.144.2.9  paf       310:                void *info);
1.87      parser    311:        /**
1.144.2.5  paf       312:                @return table of found items, if any.
1.87      parser    313:                table format is defined and fixed[can be used by others]: 
                    314:                @verbatim
                    315:                        prematch/match/postmatch/1/2/3/...
                    316:                @endverbatim
                    317:        */
1.144.2.28.2.  (paf      318:):      Table* match(Charset& source_charset,
1.64      paf       319:                const String& regexp, 
1.144.2.28.2.  5(paf     320:3):             const String* options,
1.99      parser    321:                Row_action row_action, void *info,
1.144.2.27  paf       322:                bool& just_matched) const;
1.87      parser    323:        enum Change_case_kind {
                    324:                CC_UPPER,
                    325:                CC_LOWER
                    326:        };
1.144.2.28.2.  (paf      327:):      String& change_case(Charset& source_charset,
          5(paf     328:3):             Change_case_kind kind) const;
          (paf      329:):      const String& replace(const Dictionary& dict) const;
                    330:):      double as_double() const;
                    331:):      int as_int() const;
1.137     paf       332: 
1.7       paf       333: private: //disabled
                    334: 
1.12      paf       335:        String& operator = (const String&) { return *this; }
1.7       paf       336: 
1.1       paf       337: };
1.144.2.7  paf       338: 
                    339: /// simple hash code of string. used by Hash
1.144.2.28.2.  8(paf     340:3): inline uint hash_code(const StringBody self) {
1.144.2.7  paf       341:        return self.hash_code();
                    342: }
1.1       paf       343: 
                    344: #endif

E-mail: