Annotation of parser3/src/include/pa_string.h, revision 1.144.2.28.2.39

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.  9(paf      11:3): static const char* IDENT_STRING_H="$Date: 2003/03/26 18:52:49 $";
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
          7(paf      19:3): #define CORD_NO_IO
          (paf       20:): #include "cord.h"
                     21:): };
                     22:): 
1.144.2.12  paf        23: // forwards
1.144.2.10  paf        24: 
1.144.2.28  paf        25: class Charset;
1.144.2.28.2.  (paf       26:): class Table;
1.144.2.5  paf        27: class SQL_Connection;
                     28: class Dictionary;
1.144.2.15  paf        29: class Request_charsets;
1.144.2.28.2.  (paf       30:): class String;
          7(paf      31:3): typedef Array<const String*> ArrayString;
1.144.2.5  paf        32: 
                     33: // helpers
1.144.2.28.2.  0(paf      34:3): /*
          (paf       35:): /// appends clean piece to String @see String::append
          7(paf      36:3): #define APPEND_CLEAN(src, length) append(src, length, String::L_CLEAN)
          (paf       37:): /// appends piece to String as-is @see String::append
          7(paf      38:3): #define APPEND_AS_IS(src, length) append(src, length, String::L_AS_IS)
          (paf       39:): /// appends tainted piece to String  @see String::append
          7(paf      40:3): #define APPEND_TAINTED(src, length) append(src, length, String::L_TAINTED)
          (paf       41:): /// handy: appends const char* piece to String  @see String::append
                     42:): #define      APPEND_CONST(src) APPEND_AS_IS(src, 0)
          0(paf      43:3): */
          (paf       44:): /// this is result of pos functions which mean that substr were not found
                     45:): #define STRING_NOT_FOUND ((size_t)-1)
                     46:): 
          7(paf      47:3): class StringBody {
                     48:3): 
                     49:3):     CORD body;
                     50:3): 
                     51:3): public:
                     52:3): 
                     53:3):     StringBody(): body(CORD_EMPTY) {}
          5(paf      54:3):     StringBody(CORD abody): body(abody) {
                     55:3): #ifdef _DEBUG
                     56:3):             if(body && !*body)
                     57:3):                     switch(*(char*)(body+1)) {
                     58:3):                     case 1: case 4: case 6: break;
                     59:3):                     default: _asm int 3; break;
                     60:3):                     }
                     61:3): #endif
                     62:3):     }
                     63:3):     StringBody(const char* str, size_t length): body(CORD_EMPTY) {
          2(paf      64:3):             append(str, length);
                     65:3):     }
          4(paf      66:3):     static StringBody Format(int value);
          7(paf      67:3): 
                     68:3):     void clear() { body=CORD_EMPTY; }
                     69:3): 
                     70:3):     bool operator! () const { return is_empty(); }
                     71:3): 
                     72:3):     uint hash_code() const;
                     73:3): 
          0(paf      74:3):     const char* cstr() const { return CORD_to_const_char_star(body); }
          1(paf      75:3):     char* cstrm() const { return CORD_to_char_star(body); }
          0(paf      76:3): 
          7(paf      77:3):     size_t length() const { return CORD_len(body); }
                     78:3): 
                     79:3):     bool is_empty() const { return body==CORD_EMPTY; }
                     80:3): 
                     81:3):     void append(const char *str, size_t length) {
          5(paf      82:3): #ifdef _DEBUG
                     83:3):             if(!*str)
                     84:3):                     _asm int 3;
                     85:3):             bool were_empty=cstr==CORD_EMPTY;
                     86:3): #endif
          2(paf      87:3):             body=CORD_cat_char_star(body, str, length);
          5(paf      88:3): #ifdef _DEBUG
                     89:3):             if(were_empty && !*str)
                     90:3):                     _asm int 3;
                     91:3): #endif
          7(paf      92:3):     }
          2(paf      93:3):     void append(char c) { body=CORD_cat_char(body, c); }
          6(paf      94:3):     StringBody& operator << (const StringBody src) { body=CORD_cat(body, src.body); return *this; }
                     95:3):     StringBody& operator << (const char* str) { body=CORD_cat_char_star(body, str, strlen(str)); return *this; }
          7(paf      96:3): 
                     97:3):     // could not figure out why this operator is needed [should do this chain: string->simple->==]
          8(paf      98:3):     bool operator < (const StringBody src) const { return CORD_cmp(body, src.body)<0; }
                     99:3):     bool operator > (const StringBody src) const { return CORD_cmp(body, src.body)>0; }
                    100:3):     bool operator <= (const StringBody src) const { return CORD_cmp(body, src.body)<=0; }
                    101:3):     bool operator >= (const StringBody src) const { return CORD_cmp(body, src.body)>=0; }
                    102:3):     bool operator != (const StringBody src) const { return CORD_cmp(body, src.body)!=0; }
                    103:3):     bool operator == (const StringBody src) const { return CORD_cmp(body, src.body)==0; }
          7(paf     104:3): 
                    105:3):     int ncmp(size_t x_begin, const StringBody y, size_t y_begin, size_t size) const {
                    106:3):             return CORD_ncmp(body, x_begin, y.body, y_begin, size);
                    107:3):     }
                    108:3): 
                    109:3):     char fetch(size_t index) const { return CORD_fetch(body, index); }
          1(paf     110:3):     StringBody mid(size_t index, size_t length) const { return CORD_substr(body, index, length); }
          3(paf     111:3):     size_t pos(const char* substr, size_t offset=0) const { return CORD_str(body, offset, substr); }
          1(paf     112:3):     size_t pos(const StringBody substr, size_t offset=0) const { 
                    113:3):             if(!substr.length())
                    114:3):                     return STRING_NOT_FOUND; // in this case CORD_str returns 0 [parser users got used to -1]
                    115:3):             return CORD_str(body, offset, substr.body); 
                    116:3):     }
          2(paf     117:3):     size_t pos(char c, 
                    118:3):             size_t offset=0) const {
                    119:3):             return CORD_chr(body, offset, c);
                    120:3):     }
          1(paf     121:3): 
                    122:3):     template<typename I> void for_each(int (*callback)(const char* s, I), I info) const {
                    123:3):             CORD_iter5(body, 0, 0, (CORD_batched_iter_fn)callback, info);
                    124:3):     }
                    125:3): 
                    126:3):     void set_pos(CORD_pos& pos, size_t index) const { CORD_set_pos(pos, body, index); }
          7(paf     127:3): 
                    128:3): };
          (paf      129:): 
1.144.2.2  paf       130: /** 
                    131:        String which knows the language of all it's fragments.
1.41      paf       132: 
                    133:        All pieces remember 
                    134:        - whether they are tainted or not, 
                    135:          and the language which should be used to detaint them
                    136: */
1.144.2.28.2.  (paf      137:): class String: public PA_Object {
                    138:): 
          2(paf     139:3): //  friend class StringBody;
          7(paf     140:3): 
1.144.2.2  paf       141: public:
1.1       paf       142: 
1.106     parser    143:        /** piece is tainted or not. the language to use when detaint
                    144:                remember to change String_Untaint_lang_name @ untaint.C along
                    145:        */
1.144.2.28.2.  7(paf     146:3):     enum Language {
                    147:3):             L_UNSPECIFIED=0, ///< zero value handy for hash lookup @see untaint_lang_name2enum
                    148:3):             // these two must go before others, there are checks for >L_AS_IS
                    149:3):             L_CLEAN, ///< clean
                    150:3):             L_AS_IS,     ///< leave all characters intact
1.122     paf       151: 
1.144.2.28.2.  7(paf     152:3):             L_PASS_APPENDED,
1.41      paf       153:                        /**<
                    154:                                leave language built into string being appended.
                    155:                                just a flag, that value not stored
                    156:                        */
1.144.2.28.2.  7(paf     157:3):             L_TAINTED,  ///< tainted, untaint language as assigned later 
1.122     paf       158:                // untaint languages. assigned by ^untaint[lang]{...}
1.144.2.28.2.  7(paf     159:3):             L_FILE_SPEC, ///< file specification
                    160:3):             L_HTTP_HEADER,    ///< text in HTTP response header
                    161:3):             L_MAIL_HEADER,    ///< text in mail header
                    162:3):             L_URI,       ///< text in uri
                    163:3):             L_TABLE,     ///< ^table:set body
                    164:3):             L_SQL,       ///< ^table:sql body
                    165:3):             L_JS,        ///< JavaScript code
                    166:3):             L_XML,          ///< ^dom:set xml
                    167:3):             L_HTML,      ///< HTML code (for editing)
                    168:3):             L_OPTIMIZE_BIT = 0x8000  ///< flag, requiring cstr whitespace optimization
1.27      paf       169:        };
                    170: 
1.144.2.28.2.  (paf      171:):      struct Fragment { 
          7(paf     172:3):             Language lang; ///< untaint flag, later untaint language
          0(paf     173:3):             size_t length;  ///< length
          9(paf     174:3):             Fragment(Language alang, size_t asize): lang(alang), length(asize) {
          0(paf     175:3): #ifdef _DEBUG
          9(paf     176:3):                     if(alang==L_UNSPECIFIED)
          0(paf     177:3):                             _asm int 3; // MUST NOT
                    178:3):                     if(asize==(size_t)-1)
                    179:3):                             _asm int 3; // MUST NOT
                    180:3): #endif
          9(paf     181:3):             }
          (paf      182:):      };
                    183:): 
                    184:):      class ArrayFragment: public Array<Fragment> {
          6(paf     185:3):             void append(element_type src) {
          (paf      186:):                      *static_cast<Array<Fragment> *>(this)+=src;
                    187:):              }
          6(paf     188:3):             /// hiding from accidental USE, use append_positions
                    189:3):             void append(const ArrayFragment& src, int offset, int limit) { 
                    190:3):                     static_cast<Array<Fragment> *>(this)->append(src, offset, limit);
                    191:3):             }
          (paf      192:):      public:
                    193:):              ArrayFragment& operator += (element_type src) {
          8(paf     194:3):                     if(size_t lcount=count()) { // not empty?
          (paf      195:):                              // try to join with last
          8(paf     196:3):                             Fragment& last=unchecked_get(lcount-1);
          (paf      197:):                              if(last.lang==src.lang) {
          0(paf     198:3):                                     last.length+=src.length;
          (paf      199:):                                      return *this;
                    200:):                              }
                    201:):                      }
          6(paf     202:3):                     append(src);
          (paf      203:):                      return *this;
                    204:):              }
          6(paf     205:3):             void append(const ArrayFragment& src) { append(src, 0, 0); }
                    206:3):             void append_positions(const ArrayFragment& src, size_t substr_begin, size_t substr_end);
          (paf      207:):      };
                    208:): 
                    209:):      struct C {
                    210:):              char *str;
          0(paf     211:3):             size_t length;
          (paf      212:):              operator char *() { return str; }
          0(paf     213:3):             C(char *astr, size_t asize): str(astr), length(asize) {}
          (paf      214:):      };
                    215:): 
                    216:): private:
                    217:): 
          7(paf     218:3):     StringBody body; ///< all characters of string
          0(paf     219:3):     ArrayFragment fragments; ///< fragment language+length info
          (paf      220:): 
1.8       paf       221: public:
                    222: 
1.144.2.28.2.  9(paf     223:3):     explicit String(const char* cstr=0, size_t length=0, bool tainted=false);
1.14      paf       224:        String(const String& src);
1.144.2.28.2.  7(paf     225:3):     String(StringBody abody, Language alang): body(abody) {
                    226:3):             fragments+=Fragment(alang, abody.length());
                    227:3):     }
                    228:3): 
                    229:3):     /// for convinient hash lookup
          2(paf     230:3):     operator const StringBody() const { return body; }
          7(paf     231:3): 
                    232:3):     bool is_empty() const { return body.is_empty(); }
                    233:3):     size_t length() const { return body.length(); }
          (paf      234:): 
          2(paf     235:3):     /// convert to CORD. if 'lang' known, forcing 'lang' to it
          1(paf     236:3):     StringBody cstr_to_string_body(Language lang=L_AS_IS, 
          7(paf     237:3):             SQL_Connection* connection=0,
          (paf      238:):              const Request_charsets *charsets=0) const;
                    239:): 
          2(paf     240:3):     /// convert to constant C string. if 'lang' known, forcing 'lang' to it
          7(paf     241:3):     const char* cstr(Language lang=L_AS_IS, 
                    242:3):             SQL_Connection* connection=0,
1.144.2.14  paf       243:                const Request_charsets *charsets=0) const {
1.144.2.28.2.  1(paf     244:3):             return cstr_to_string_body(lang, connection, charsets).cstr();
          (paf      245:):      }
          2(paf     246:3):     /// convert to Modifiable C string. if 'lang' known, forcing 'lang' to it
          7(paf     247:3):     char *cstrm(Language lang=L_AS_IS, 
                    248:3):             SQL_Connection* connection=0,
          (paf      249:):              const Request_charsets *charsets=0) const {
          1(paf     250:3):             return cstr_to_string_body(lang, connection, charsets).cstrm();
1.144.2.9  paf       251:        }
1.108     parser    252:        /// puts pieces to buf
1.144.2.28.2.  (paf      253:):      C serialize(size_t prolog_size) const;
1.108     parser    254:        /// appends pieces from buf to self
1.144.2.28.2.  4(paf     255:3):     bool deserialize(size_t prolog_size, void *buf, size_t buf_size);
          6(paf     256:3):     /** append fragment, 
          9(paf     257:3):             @c length can be zero, it will be autocalced
          6(paf     258:3):             when length<strlen(str) makes heap copy of @c str piece
1.46      paf       259:        */
1.144.2.28.2.  9(paf     260:3):     String& append(const char* str, size_t length, Language lang);
          (paf      261:): 
          7(paf     262:3):     bool operator == (const char* y) const { return body==StringBody(y); }
          0(paf     263:3):     bool operator != (const char* y) const { return body!=StringBody(y); }
          (paf      264:): 
                    265:):      /// this starts with y
          7(paf     266:3):     bool starts_with(const char* y) const {
                    267:3):             return body.ncmp(0/*x_begin*/, StringBody(y), 0/*y_begin*/, strlen(y))==0;
1.80      paf       268:        }
1.144.2.28.2.  9(paf     269:3):     /// x starts with this
                    270:3):     bool this_starts(const char* x) const {
                    271:3):             return StringBody(x).ncmp(0/*x_begin*/, body, 0/*y_begin*/, length())==0;
          (paf      272:):      }
1.80      paf       273: 
1.144.2.28.2.  7(paf     274:3):     String& append_to(String& dest, Language lang, bool forced) const;
                    275:3):     String& append(const String& src, Language lang, bool forced=false) { 
1.144.2.11  paf       276:                return src.append_to(*this, lang, forced);
                    277:        }
1.144.2.28.2.  7(paf     278:3):     String& operator << (const String& src) { return append(src, L_PASS_APPENDED); }
                    279:3):     String& operator << (const char* src) { return append(src, 0, L_AS_IS); }
          8(paf     280:3):     String& operator << (const StringBody src) { 
          6(paf     281:3):             body<<src;
          9(paf     282:3):             fragments+=Fragment(L_AS_IS, src.length());
                    283:3):             return *this;
                    284:3):     }
1.100     parser    285: 
1.142     paf       286:        /// extracts first char of a string, if any
                    287:        char first_char() const {
1.144.2.28.2.  7(paf     288:3):             return is_empty()?0:body.fetch(0);
1.142     paf       289:        }
1.144.2.28.2.  8(paf     290:3): 
                    291:3):     bool operator < (const String& src) const { return body<src.body; }
                    292:3):     bool operator > (const String& src) const { return body>src.body; }
                    293:3):     bool operator <= (const String& src) const { return body<=src.body; }
                    294:3):     bool operator >= (const String& src) const { return body>=src.body; }
                    295:3):     bool operator != (const String& src) const { return body!=src.body; }
                    296:3):     bool operator == (const String& src) const { return body==src.body; }
1.54      paf       297: 
                    298:        /// extracts [start, finish) piece of string
1.144.2.28.2.  2(paf     299:3):     String& mid(size_t substr_begin, size_t substr_end) const;
          (paf      300:): 
                    301:):      /** 
          7(paf     302:3):             ignore lang if it's L_UNSPECIFIED
          (paf      303:):              but when specified: look for substring that lies in ONE fragment in THAT lang
                    304:):              @return position of substr in string, -1 means "not found" [const char* version]
                    305:):      */
          1(paf     306:3):     size_t pos(const StringBody substr, 
          7(paf     307:3):             size_t this_offset=0, Language lang=L_UNSPECIFIED) const;
                    308:3):     /// String version of @see pos(const char*, int, Language)
          (paf      309:):      size_t pos(const String& substr, 
          7(paf     310:3):             size_t this_offset=0, Language lang=L_UNSPECIFIED) const;
          2(paf     311:3):     size_t pos(char c, 
                    312:3):             size_t this_offset=0) const {
                    313:3):             return body.pos(c, this_offset);
                    314:3):     }
1.62      paf       315: 
1.144.2.22  paf       316:        void split(ArrayString& result, 
1.144.2.28.2.  2(paf     317:3):             size_t& pos_after,
          (paf      318:):              const char* delim, 
          2(paf     319:3):             Language lang=L_UNSPECIFIED, int limit=-1) const;
1.144.2.22  paf       320:        void split(ArrayString& result, 
1.144.2.28.2.  5(paf     321:3):             size_t& pos_after, 
1.62      paf       322:                const String& delim, 
1.144.2.28.2.  7(paf     323:3):             Language lang=L_UNSPECIFIED, int limit=-1) const;
1.62      paf       324: 
1.144.2.28.2.  6(paf     325:3):     typedef void (*Row_action)(Table& table, ArrayString* row, 
1.136     paf       326:                int prestart, int prefinish, 
                    327:                int poststart, int postfinish,
1.144.2.9  paf       328:                void *info);
1.87      parser    329:        /**
1.144.2.5  paf       330:                @return table of found items, if any.
1.87      parser    331:                table format is defined and fixed[can be used by others]: 
                    332:                @verbatim
                    333:                        prematch/match/postmatch/1/2/3/...
                    334:                @endverbatim
                    335:        */
1.144.2.28.2.  (paf      336:):      Table* match(Charset& source_charset,
1.64      paf       337:                const String& regexp, 
1.144.2.28.2.  5(paf     338:3):             const String* options,
1.99      parser    339:                Row_action row_action, void *info,
1.144.2.27  paf       340:                bool& just_matched) const;
1.87      parser    341:        enum Change_case_kind {
                    342:                CC_UPPER,
                    343:                CC_LOWER
                    344:        };
1.144.2.28.2.  (paf      345:):      String& change_case(Charset& source_charset,
          5(paf     346:3):             Change_case_kind kind) const;
          (paf      347:):      const String& replace(const Dictionary& dict) const;
                    348:):      double as_double() const;
                    349:):      int as_int() const;
1.137     paf       350: 
1.7       paf       351: private: //disabled
                    352: 
1.12      paf       353:        String& operator = (const String&) { return *this; }
1.7       paf       354: 
1.1       paf       355: };
1.144.2.7  paf       356: 
                    357: /// simple hash code of string. used by Hash
1.144.2.28.2.  8(paf     358:3): inline uint hash_code(const StringBody self) {
1.144.2.7  paf       359:        return self.hash_code();
                    360: }
1.1       paf       361: 
                    362: #endif

E-mail: