Annotation of parser3/src/include/pa_string.h, revision 1.144.2.28.2.50

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.  0(paf      11:3): static const char* IDENT_STRING_H="$Date: 2003/04/10 11:35:10 $";
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: 
1.144.2.28.2.  (paf       33:): /// this is result of pos functions which mean that substr were not found
                     34:): #define STRING_NOT_FOUND ((size_t)-1)
                     35:): 
          7(paf      36:3): class StringBody {
                     37:3): 
                     38:3):     CORD body;
                     39:3): 
                     40:3): public:
                     41:3): 
                     42:3):     StringBody(): body(CORD_EMPTY) {}
          5(paf      43:3):     StringBody(CORD abody): body(abody) {
          3(paf      44:3):             assert(!body // no body
                     45:3):                     || *body // ordinary string
                     46:3):                     || body[1]==1 // CONCAT_HDR
                     47:3):                     || body[1]==4 // FN_HDR 
                     48:3):                     || body[1]==6 // SUBSTR_HDR 
                     49:3):                     );
          5(paf      50:3):     }
          1(paf      51:3):     /// WARNING: length is only HELPER length, str in ANY case should be zero-terminated
                     52:3):     StringBody(const char* str, size_t helper_length): body(CORD_EMPTY) {
          6(paf      53:3):             append_know_length(str, helper_length?helper_length:strlen(str));
          2(paf      54:3):     }
          4(paf      55:3):     static StringBody Format(int value);
          7(paf      56:3): 
                     57:3):     void clear() { body=CORD_EMPTY; }
                     58:3): 
                     59:3):     bool operator! () const { return is_empty(); }
                     60:3): 
                     61:3):     uint hash_code() const;
                     62:3): 
          0(paf      63:3):     const char* cstr() const { return CORD_to_const_char_star(body); }
          1(paf      64:3):     char* cstrm() const { return CORD_to_char_star(body); }
          0(paf      65:3): 
          7(paf      66:3):     size_t length() const { return CORD_len(body); }
                     67:3): 
                     68:3):     bool is_empty() const { return body==CORD_EMPTY; }
                     69:3): 
          6(paf      70:3):     void append_know_length(const char *str, size_t known_length) {
          9(paf      71:3):             if(known_length)
                     72:3):                     body=CORD_cat_char_star(body, str, known_length);
          7(paf      73:3):     }
          6(paf      74:3):     void append_strdup_know_length(const char* str, size_t known_length) {
          9(paf      75:3):             if(known_length)
                     76:3):                     append_know_length(pa_strdup(str, known_length), known_length);
          1(paf      77:3):     }
          2(paf      78:3):     void append(char c) { body=CORD_cat_char(body, c); }
          6(paf      79:3):     StringBody& operator << (const StringBody src) { body=CORD_cat(body, src.body); return *this; }
                     80:3):     StringBody& operator << (const char* str) { append_know_length(str, strlen(str)); return *this; }
          7(paf      81:3): 
                     82:3):     // could not figure out why this operator is needed [should do this chain: string->simple->==]
          8(paf      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; }
                     85:3):     bool operator <= (const StringBody src) const { return CORD_cmp(body, src.body)<=0; }
                     86:3):     bool operator >= (const StringBody src) const { return CORD_cmp(body, src.body)>=0; }
                     87:3):     bool operator != (const StringBody src) const { return CORD_cmp(body, src.body)!=0; }
                     88:3):     bool operator == (const StringBody src) const { return CORD_cmp(body, src.body)==0; }
          7(paf      89:3): 
                     90:3):     int ncmp(size_t x_begin, const StringBody y, size_t y_begin, size_t size) const {
                     91:3):             return CORD_ncmp(body, x_begin, y.body, y_begin, size);
                     92:3):     }
                     93:3): 
                     94:3):     char fetch(size_t index) const { return CORD_fetch(body, index); }
          1(paf      95:3):     StringBody mid(size_t index, size_t length) const { return CORD_substr(body, index, length); }
          3(paf      96:3):     size_t pos(const char* substr, size_t offset=0) const { return CORD_str(body, offset, substr); }
          1(paf      97:3):     size_t pos(const StringBody substr, size_t offset=0) const { 
                     98:3):             if(!substr.length())
                     99:3):                     return STRING_NOT_FOUND; // in this case CORD_str returns 0 [parser users got used to -1]
                    100:3):             return CORD_str(body, offset, substr.body); 
                    101:3):     }
          2(paf     102:3):     size_t pos(char c, 
                    103:3):             size_t offset=0) const {
                    104:3):             return CORD_chr(body, offset, c);
                    105:3):     }
          1(paf     106:3): 
                    107:3):     template<typename I> void for_each(int (*callback)(const char* s, I), I info) const {
                    108:3):             CORD_iter5(body, 0, 0, (CORD_batched_iter_fn)callback, info);
                    109:3):     }
                    110:3): 
                    111:3):     void set_pos(CORD_pos& pos, size_t index) const { CORD_set_pos(pos, body, index); }
          7(paf     112:3): 
          5(paf     113:3):     StringBody normalize() const {
                    114:3):             return StringBody(CORD_balance(body));
                    115:3):     }
                    116:3): 
                    117:3):     void dump() const {
                    118:3):             CORD_dump(body);
                    119:3):     }
          7(paf     120:3): };
          (paf      121:): 
1.144.2.2  paf       122: /** 
                    123:        String which knows the language of all it's fragments.
1.41      paf       124: 
                    125:        All pieces remember 
                    126:        - whether they are tainted or not, 
                    127:          and the language which should be used to detaint them
                    128: */
1.144.2.28.2.  (paf      129:): class String: public PA_Object {
                    130:): 
          2(paf     131:3): //  friend class StringBody;
          7(paf     132:3): 
1.144.2.2  paf       133: public:
1.1       paf       134: 
1.106     parser    135:        /** piece is tainted or not. the language to use when detaint
                    136:                remember to change String_Untaint_lang_name @ untaint.C along
                    137:        */
1.144.2.28.2.  7(paf     138:3):     enum Language {
                    139:3):             L_UNSPECIFIED=0, ///< zero value handy for hash lookup @see untaint_lang_name2enum
                    140:3):             // these two must go before others, there are checks for >L_AS_IS
                    141:3):             L_CLEAN, ///< clean
                    142:3):             L_AS_IS,     ///< leave all characters intact
1.122     paf       143: 
1.144.2.28.2.  7(paf     144:3):             L_PASS_APPENDED,
1.41      paf       145:                        /**<
                    146:                                leave language built into string being appended.
                    147:                                just a flag, that value not stored
                    148:                        */
1.144.2.28.2.  7(paf     149:3):             L_TAINTED,  ///< tainted, untaint language as assigned later 
1.122     paf       150:                // untaint languages. assigned by ^untaint[lang]{...}
1.144.2.28.2.  7(paf     151:3):             L_FILE_SPEC, ///< file specification
                    152:3):             L_HTTP_HEADER,    ///< text in HTTP response header
                    153:3):             L_MAIL_HEADER,    ///< text in mail header
                    154:3):             L_URI,       ///< text in uri
                    155:3):             L_TABLE,     ///< ^table:set body
                    156:3):             L_SQL,       ///< ^table:sql body
                    157:3):             L_JS,        ///< JavaScript code
                    158:3):             L_XML,          ///< ^dom:set xml
                    159:3):             L_HTML,      ///< HTML code (for editing)
                    160:3):             L_OPTIMIZE_BIT = 0x8000  ///< flag, requiring cstr whitespace optimization
1.27      paf       161:        };
                    162: 
1.144.2.28.2.  (paf      163:):      struct Fragment { 
          7(paf     164:3):             Language lang; ///< untaint flag, later untaint language
          0(paf     165:3):             size_t length;  ///< length
          9(paf     166:3):             Fragment(Language alang, size_t asize): lang(alang), length(asize) {
          3(paf     167:3):                     assert(alang!=L_UNSPECIFIED);
                    168:3):                     assert(asize!=(size_t)-1);
          9(paf     169:3):             }
          (paf      170:):      };
                    171:): 
                    172:):      class ArrayFragment: public Array<Fragment> {
          6(paf     173:3):             void append(element_type src) {
          (paf      174:):                      *static_cast<Array<Fragment> *>(this)+=src;
                    175:):              }
          6(paf     176:3):             /// hiding from accidental USE, use append_positions
                    177:3):             void append(const ArrayFragment& src, int offset, int limit) { 
                    178:3):                     static_cast<Array<Fragment> *>(this)->append(src, offset, limit);
                    179:3):             }
          (paf      180:):      public:
                    181:):              ArrayFragment& operator += (element_type src) {
          8(paf     182:3):                     if(size_t lcount=count()) { // not empty?
          (paf      183:):                              // try to join with last
          4(paf     184:3):                             Fragment& last=get_ref(lcount-1);
          (paf      185:):                              if(last.lang==src.lang) {
          0(paf     186:3):                                     last.length+=src.length;
          (paf      187:):                                      return *this;
                    188:):                              }
                    189:):                      }
          6(paf     190:3):                     append(src);
          (paf      191:):                      return *this;
                    192:):              }
          0(paf     193:3):             void append(const ArrayFragment& src) { append(src, 0, ARRAY_OPTION_LIMIT_ALL); }
          6(paf     194:3):             void append_positions(const ArrayFragment& src, size_t substr_begin, size_t substr_end);
          7(paf     195:3): 
                    196:3):             size_t length() {
                    197:3):                     size_t result=0;
                    198:3):                     for(Array_iterator<element_type> i(*this); i.has_next(); ) {
                    199:3):                             const Fragment fragment=i.next();
                    200:3):                             result+=fragment.length;
                    201:3):                     }
                    202:3):                     return result;
                    203:3):             }
          (paf      204:):      };
                    205:): 
                    206:):      struct C {
          7(paf     207:3):             const char *str;
                    208:3):             size_t length;
                    209:3):             operator const char *() { return str; }
                    210:3):             C(const char *astr, size_t asize): str(astr), length(asize) {}
                    211:3):     };
                    212:3): 
                    213:3):     struct Cm {
          (paf      214:):              char *str;
          0(paf     215:3):             size_t length;
          7(paf     216:3):             //operator char *() { return str; }
                    217:3):             Cm(char *astr, size_t asize): str(astr), length(asize) {}
          (paf      218:):      };
                    219:): 
                    220:): private:
                    221:): 
          7(paf     222:3):     StringBody body; ///< all characters of string
          0(paf     223:3):     ArrayFragment fragments; ///< fragment language+length info
          (paf      224:): 
1.8       paf       225: public:
                    226: 
1.144.2.28.2.  6(paf     227:3):     explicit String(const char* cstr=0, size_t helper_length=0, bool tainted=false);
          8(paf     228:3):     explicit String(const C cstr, bool tainted=false);
1.14      paf       229:        String(const String& src);
1.144.2.28.2.  7(paf     230:3):     String(StringBody abody, Language alang): body(abody) {
                    231:3):             fragments+=Fragment(alang, abody.length());
                    232:3):     }
          8(paf     233:3): 
                    234:3): #define ASSERT_STRING_INVARIANT(string) \
                    235:3):     assert((string).body.length()==(string).fragments.length())
          7(paf     236:3): 
                    237:3):     /// for convinient hash lookup
          2(paf     238:3):     operator const StringBody() const { return body; }
          7(paf     239:3): 
                    240:3):     bool is_empty() const { return body.is_empty(); }
                    241:3):     size_t length() const { return body.length(); }
          (paf      242:): 
          2(paf     243:3):     /// convert to CORD. if 'lang' known, forcing 'lang' to it
          1(paf     244:3):     StringBody cstr_to_string_body(Language lang=L_AS_IS, 
          7(paf     245:3):             SQL_Connection* connection=0,
          (paf      246:):              const Request_charsets *charsets=0) const;
                    247:): 
          2(paf     248:3):     /// convert to constant C string. if 'lang' known, forcing 'lang' to it
          7(paf     249:3):     const char* cstr(Language lang=L_AS_IS, 
                    250:3):             SQL_Connection* connection=0,
1.144.2.14  paf       251:                const Request_charsets *charsets=0) const {
1.144.2.28.2.  1(paf     252:3):             return cstr_to_string_body(lang, connection, charsets).cstr();
          (paf      253:):      }
          2(paf     254:3):     /// convert to Modifiable C string. if 'lang' known, forcing 'lang' to it
          7(paf     255:3):     char *cstrm(Language lang=L_AS_IS, 
                    256:3):             SQL_Connection* connection=0,
          (paf      257:):              const Request_charsets *charsets=0) const {
          1(paf     258:3):             return cstr_to_string_body(lang, connection, charsets).cstrm();
1.144.2.9  paf       259:        }
1.108     parser    260:        /// puts pieces to buf
1.144.2.28.2.  7(paf     261:3):     Cm serialize(size_t prolog_size) const;
1.108     parser    262:        /// appends pieces from buf to self
1.144.2.28.2.  4(paf     263:3):     bool deserialize(size_t prolog_size, void *buf, size_t buf_size);
          7(paf     264:3):     /// @see StringBody::append_know_length
                    265:3):     String& append_know_length(const char* str, size_t known_length, Language lang);
          1(paf     266:3):     /// @see StringBody::append_help_length
                    267:3):     String& append_help_length(const char* str, size_t helper_length, Language lang);
          6(paf     268:3):     String& append_strdup(const char* str, size_t helper_length, Language lang);
          (paf      269:): 
          7(paf     270:3):     bool operator == (const char* y) const { return body==StringBody(y); }
          0(paf     271:3):     bool operator != (const char* y) const { return body!=StringBody(y); }
          (paf      272:): 
                    273:):      /// this starts with y
          7(paf     274:3):     bool starts_with(const char* y) const {
                    275:3):             return body.ncmp(0/*x_begin*/, StringBody(y), 0/*y_begin*/, strlen(y))==0;
1.80      paf       276:        }
1.144.2.28.2.  9(paf     277:3):     /// x starts with this
                    278:3):     bool this_starts(const char* x) const {
                    279:3):             return StringBody(x).ncmp(0/*x_begin*/, body, 0/*y_begin*/, length())==0;
          (paf      280:):      }
1.80      paf       281: 
1.144.2.28.2.  7(paf     282:3):     String& append_to(String& dest, Language lang, bool forced) const;
                    283:3):     String& append(const String& src, Language lang, bool forced=false) { 
1.144.2.11  paf       284:                return src.append_to(*this, lang, forced);
                    285:        }
1.144.2.28.2.  7(paf     286:3):     String& operator << (const String& src) { return append(src, L_PASS_APPENDED); }
          1(paf     287:3):     String& operator << (const char* src) { return append_help_length(src, 0, L_AS_IS); }
          8(paf     288:3):     String& operator << (const StringBody src) { 
          6(paf     289:3):             body<<src;
          9(paf     290:3):             fragments+=Fragment(L_AS_IS, src.length());
                    291:3):             return *this;
                    292:3):     }
1.100     parser    293: 
1.142     paf       294:        /// extracts first char of a string, if any
                    295:        char first_char() const {
1.144.2.28.2.  7(paf     296:3):             return is_empty()?0:body.fetch(0);
1.142     paf       297:        }
1.144.2.28.2.  8(paf     298:3): 
                    299:3):     bool operator < (const String& src) const { return body<src.body; }
                    300:3):     bool operator > (const String& src) const { return body>src.body; }
                    301:3):     bool operator <= (const String& src) const { return body<=src.body; }
                    302:3):     bool operator >= (const String& src) const { return body>=src.body; }
                    303:3):     bool operator != (const String& src) const { return body!=src.body; }
                    304:3):     bool operator == (const String& src) const { return body==src.body; }
1.54      paf       305: 
                    306:        /// extracts [start, finish) piece of string
1.144.2.28.2.  2(paf     307:3):     String& mid(size_t substr_begin, size_t substr_end) const;
          (paf      308:): 
                    309:):      /** 
          7(paf     310:3):             ignore lang if it's L_UNSPECIFIED
          (paf      311:):              but when specified: look for substring that lies in ONE fragment in THAT lang
                    312:):              @return position of substr in string, -1 means "not found" [const char* version]
                    313:):      */
          1(paf     314:3):     size_t pos(const StringBody substr, 
          7(paf     315:3):             size_t this_offset=0, Language lang=L_UNSPECIFIED) const;
                    316:3):     /// String version of @see pos(const char*, int, Language)
          (paf      317:):      size_t pos(const String& substr, 
          7(paf     318:3):             size_t this_offset=0, Language lang=L_UNSPECIFIED) const;
          2(paf     319:3):     size_t pos(char c, 
                    320:3):             size_t this_offset=0) const {
                    321:3):             return body.pos(c, this_offset);
                    322:3):     }
1.62      paf       323: 
1.144.2.22  paf       324:        void split(ArrayString& result, 
1.144.2.28.2.  2(paf     325:3):             size_t& pos_after,
          (paf      326:):              const char* delim, 
          2(paf     327:3):             Language lang=L_UNSPECIFIED, int limit=-1) const;
1.144.2.22  paf       328:        void split(ArrayString& result, 
1.144.2.28.2.  5(paf     329:3):             size_t& pos_after, 
1.62      paf       330:                const String& delim, 
1.144.2.28.2.  7(paf     331:3):             Language lang=L_UNSPECIFIED, int limit=-1) const;
1.62      paf       332: 
1.144.2.28.2.  6(paf     333:3):     typedef void (*Row_action)(Table& table, ArrayString* row, 
1.136     paf       334:                int prestart, int prefinish, 
                    335:                int poststart, int postfinish,
1.144.2.9  paf       336:                void *info);
1.87      parser    337:        /**
1.144.2.5  paf       338:                @return table of found items, if any.
1.87      parser    339:                table format is defined and fixed[can be used by others]: 
                    340:                @verbatim
                    341:                        prematch/match/postmatch/1/2/3/...
                    342:                @endverbatim
                    343:        */
1.144.2.28.2.  (paf      344:):      Table* match(Charset& source_charset,
1.64      paf       345:                const String& regexp, 
1.144.2.28.2.  5(paf     346:3):             const String* options,
1.99      parser    347:                Row_action row_action, void *info,
1.144.2.27  paf       348:                bool& just_matched) const;
1.87      parser    349:        enum Change_case_kind {
                    350:                CC_UPPER,
                    351:                CC_LOWER
                    352:        };
1.144.2.28.2.  (paf      353:):      String& change_case(Charset& source_charset,
          5(paf     354:3):             Change_case_kind kind) const;
          (paf      355:):      const String& replace(const Dictionary& dict) const;
                    356:):      double as_double() const;
                    357:):      int as_int() const;
1.137     paf       358: 
1.7       paf       359: private: //disabled
                    360: 
1.12      paf       361:        String& operator = (const String&) { return *this; }
1.7       paf       362: 
1.1       paf       363: };
1.144.2.7  paf       364: 
                    365: /// simple hash code of string. used by Hash
1.144.2.28.2.  8(paf     366:3): inline uint hash_code(const StringBody self) {
1.144.2.7  paf       367:        return self.hash_code();
                    368: }
1.1       paf       369: 
                    370: #endif

E-mail: