[BACK]Return to pa_string.C CVS log [TXT] [DIR] Up to [parser3project] / parser3 / src / main

Diff for /parser3/src/main/pa_string.C between versions 1.2 and 1.184

version 1.2, 2001/01/26 15:28:39 version 1.184, 2003/10/03 09:40:57
Line 1 Line 1
 #include <string.h>  /** @file
           Parser: string class. @see untalength_t.C.
   
 #include "pa_pool.h"          Copyright (c) 2001-2003 ArtLebedev Group (http://www.artlebedev.com)
           Author: Alexandr Petrosian <paf@design.ru> (http://paf.design.ru)
   */
   
   static const char* IDENT_STRING_C="$Date$";
   
   #include "pcre.h"
   
   #include "pa_string.h"
   #include "pa_exception.h"
   #include "pa_table.h"
   #include "pa_dictionary.h"
   #include "pa_charset.h"
   
   // cord lib extension
   
   #ifndef DOXYGEN
   typedef struct {
       ssize_t countdown;
       char target;        /* Character we're looking for  */
   } chr_data;
   #endif
   static int CORD_range_contains_chr_greater_then_proc(char c, size_t size, void* client_data)
   {
       register chr_data * d = (chr_data *)client_data;
       
       if (d -> countdown<=0) return(2);
       d -> countdown -= size;
       if (c > d -> target) return(1);
       return(0);
   }
   int CORD_range_contains_chr_greater_then(CORD x, size_t i, size_t n, int c)
   {
       chr_data d;
   
       d.countdown = n;
       d.target = c;
       return(CORD_block_iter(x, i, CORD_range_contains_chr_greater_then_proc, &d) == 1/*alternatives: 0 normally ended, 2=struck 'n'*/);
   }
   
 void *String::operator new(size_t size, Pool *apool) {  static int CORD_block_count_proc(char c, size_t size, void* client_data)
         return apool->alloc(size);  {
       int* result=(int*)client_data;
       (*result)++;
       return(0); // 0=continue
   }
   size_t CORD_block_count(CORD x)
   {
           size_t result=0;
           CORD_block_iter(x, 0, CORD_block_count_proc, &result);
       return result;
 }  }
   
 void String::construct(Pool *apool) {  // helpers
         pool=apool;  
         head.count=curr_chunk_rows=CR_PREALLOCATED_COUNT;  /// String::match uses this as replace & global search table columns
         append_here=head.first;  
         head.preallocated_link=0;  const int MAX_MATCH_GROUPS=100;
         link_row=&head.first[curr_chunk_rows];  
   class String_match_table_template_columns: public ArrayString {
   public:
           String_match_table_template_columns() {
                   *this+=new String("prematch");
                   *this+=new String("match");
                   *this+=new String("postmatch");
                   for(int i=0; i<MAX_MATCH_GROUPS; i++) {
                           *this+=new String(String::Body::Format(1+i), String::L_CLEAN);
                   }
           }
   };
   
   Table string_match_table_template(new String_match_table_template_columns);
   
   // String::Body methods
   
   String::Body String::Body::Format(int value) {
           char local[MAX_NUMBER];
           size_t length=snprintf(local, MAX_NUMBER, "%d", value);
           return String::Body(pa_strdup(local, length), length);
 }  }
   
 void String::expand() {  static int CORD_batched_iter_fn_generic_hash_code(char c, void * client_data) {
         curr_chunk_rows=curr_chunk_rows*100/CR_GROW_PERCENT;          uint& result=*static_cast<uint*>(client_data);
         Chunk *chunk=static_cast<Chunk *>(          generic_hash_code(result, c);
                 pool->calloc(sizeof(Chunk::Row)*curr_chunk_rows+sizeof(Chunk *)));          return 0;
         chunk->count=curr_chunk_rows;  
         link_row->link=chunk;  
         append_here=chunk->first;  
         link_row=&chunk->first[curr_chunk_rows];  
 }  }
   static int CORD_batched_iter_fn_generic_hash_code(const char*  s, void * client_data) {
           uint& result=*static_cast<uint*>(client_data);
           generic_hash_code(result, s);
           return 0;
   };
   uint String::Body::hash_code() const {
           uint result=0;
           CORD_iter5(body, 0,
                   CORD_batched_iter_fn_generic_hash_code, 
                   CORD_batched_iter_fn_generic_hash_code, &result);
           return result;
   }
   
   // String methods
   
 String& String::operator += (char *src) {  String::String(const char* cstr, size_t helper_length, bool tainted): body(CORD_EMPTY) {
         if(chunk_is_full())          append_help_length(cstr, helper_length, tainted?L_TAINTED:L_CLEAN);
                 expand();  }
   String::String(const String::C cstr, bool tainted): body(CORD_EMPTY) {
           append_know_length(cstr.str, cstr.length, tainted?L_TAINTED:L_CLEAN);
   }
   
   String& String::append_know_length(const char* str, size_t known_length, Language lang) {
           if(!known_length)
                   return *this;
   
           // first: langs
           langs.append(body, lang, known_length);
           // next: letters themselves
           body.append_know_length(str, known_length);
   
           ASSERT_STRING_INVARIANT(*this);
           return *this;
   }
   String& String::append_help_length(const char* str, size_t helper_length, Language lang) {
           if(!str)
                   return *this;
           size_t known_length=helper_length?helper_length:strlen(str);
           if(!known_length)
                   return *this;
   
         append_here->item.ptr=src;          return append_know_length(str, known_length, lang);
         append_here->item.size=strlen(src);  }
         append_here++;  String& String::append_strdup(const char* str, size_t helper_length, Language lang) {
           size_t known_length=helper_length?helper_length:strlen(str);
           if(!known_length)
                   return *this;
   
           // first: langs
           langs.append(body, lang, known_length);
           // next: letters themselves
           body.append_strdup_know_length(str, known_length);
   
           ASSERT_STRING_INVARIANT(*this);
         return *this;          return *this;
 }  }
   
 size_t String::size() {  /// @todo check in doc: whether it documents NOW bad situation "abc".mid(-1, 3) =were?="ab"
         int result=0;  String& String::mid(size_t substr_begin, size_t substr_end) const {
         Chunk *chunk=&head;           String& result=*new String;
         do {  
                 Chunk::Row *row=chunk->first;          size_t self_length=length();
                 for(int i=0; i<chunk->count; i++) {          substr_begin=min(substr_begin, self_length);
                         if(row==append_here)          substr_end=min(max(substr_end, substr_begin), self_length);
                                 goto break2;          size_t substr_length=substr_end-substr_begin;
           if(!substr_length)
                         result+=row->item.size;                  return result;
                         row++;  
                 }          // first: their langs
                 chunk=row->link;          result.langs.append(result.body, langs, substr_begin, substr_length);
         } while(chunk);          // next: letters themselves
 break2:          result.body=body.mid(substr_begin, substr_length);
   
   //      SAPI::log("piece of '%s' from %d to %d is '%s'",
                   //cstr(), substr_begin, substr_end, result.cstr());
           ASSERT_STRING_INVARIANT(result);
           return result;
   }
   
   size_t String::pos(const String::Body substr, size_t this_offset, Language lang) const {
           size_t substr_length=substr.length();
           while(true) {
                   size_t substr_begin=body.pos(substr, this_offset);
                   
                   if(substr_begin==CORD_NOT_FOUND)
                           return STRING_NOT_FOUND;
   
                   if(langs.check_lang(lang, substr_begin, substr_length))
                           return substr_begin;
   
                   this_offset=substr_begin+substr_length;
           }
   }
   
   size_t String::pos(const String& substr, 
                                   size_t this_offset, Language lang) const {
           return pos(substr.body, this_offset, lang);
   }
   
   void String::split(ArrayString& result, 
                      size_t& pos_after, 
                      const char* delim, 
                      Language lang, int limit) const {
           size_t self_length=length();
           if(size_t delim_length=strlen(delim)) {
                   int pos_before;
                   // while we have 'delim'...
                   for(; (pos_before=pos(delim, pos_after, lang))!=STRING_NOT_FOUND && limit; limit--) {
                           result+=&mid(pos_after, pos_before);
                           pos_after=pos_before+delim_length;
                   }
                   // last piece
                   if(pos_after<self_length && limit) {
                           result+=&mid(pos_after, self_length);
                           pos_after=self_length;
                   }
           } else { // empty delim
                   result+=this;
                   pos_after+=self_length;
           }
   }
   
   void String::split(ArrayString& result, 
                      size_t& pos_after, 
                      const String& delim, Language lang, 
                      int limit) const {
           if(!delim.is_empty()) {
                   int pos_before;
                   // while we have 'delim'...
                   for(; (pos_before=pos(delim, pos_after, lang))!=STRING_NOT_FOUND && limit; limit--) {
                           result+=&mid(pos_after, pos_before);
                           pos_after=pos_before+delim.length();
                   }
                   // last piece
                   if(pos_after<length() && limit) {
                           result+=&mid(pos_after, length());
                           pos_after=length();
                   }
           } else { // empty delim
                   result+=this;
                   pos_after+=length();
           }
   }
   
   static void regex_options(const String* options, int *result, bool& need_pre_post_match){
       struct Regex_option {
                   const char* keyL;
                   const char* keyU;
                   int clear, set;
                   int *result;
                   bool *flag;
       } regex_option[]={
                   {"i", "I", 0, PCRE_CASELESS, result}, // a=A
                   {"s", "S", 0, PCRE_DOTALL, result}, // \n\n$ [default]
                   {"x", "U", 0, PCRE_EXTENDED, result}, // whitespace in regex ignored
                   {"m", "M", PCRE_DOTALL, PCRE_MULTILINE, result}, // ^aaa\n$^bbb\n$
                   {"g", "G", 0, true, result+1}, // many rows
                   {"'", 0, 0, 0, 0, &need_pre_post_match},
                   {0}
       };
           result[0]=PCRE_EXTRA | PCRE_DOTALL | PCRE_DOLLAR_ENDONLY;
           result[1]=0;
   
       if(options && !options->is_empty()) 
                   for(Regex_option *o=regex_option; o->keyL; o++) 
                           if(options->pos(o->keyL)!=STRING_NOT_FOUND
                                   || (o->keyU && options->pos(o->keyU)!=STRING_NOT_FOUND)) {
                                   if(o->flag)
                                           *o->flag=true;
                                   else { // result
                                           *o->result &= ~o->clear;
                                           *o->result |= o->set;
                                   }
                           }
   }
   
   Table* String::match(Charset& source_charset,
                        const String& regexp, 
                        const String* options,
                        Row_action row_action, void *info,
                        bool& just_matched) const { 
           if(regexp.is_empty())
                   throw Exception(0,
                           0,
                           "regexp is empty");
   
           const char* pattern=regexp.cstr();
           const char* errptr;
           int erroffset;
           bool need_pre_post_match=false;
           int option_bits[2]={0};  regex_options(options, option_bits, need_pre_post_match);
           bool global=option_bits[1]!=0;
           pcre *code=pcre_compile(pattern, option_bits[0], 
                   &errptr, &erroffset,
                   source_charset.pcre_tables);
   
           if(!code)
                   throw Exception(0,
                           &regexp.mid(erroffset, regexp.length()),
                           "regular expression syntax error - %s", errptr);
           
           int subpatterns=pcre_info(code, 0, 0);
           if(subpatterns<0) {
                   pcre_free(code);
                   throw Exception(0,
                           &regexp,
                           "pcre_info error (%d)", 
                                   subpatterns);
           }
   
           const char* subject=cstr();
           size_t subject_length=strlen(subject);
           const int oveclength=(1/*match*/+MAX_MATCH_GROUPS)*3;
           int ovector[oveclength];
   
           // create table
           Table::Action_options table_options;
           Table& table=*new Table(string_match_table_template, table_options);
   
           int exec_option_bits=0;
           int prestart=0;
           int poststart=0;
           int postfinish=length();
           while(true) {
                   int exec_substrings=pcre_exec(code, 0,
                           subject, subject_length, prestart,
                           exec_option_bits, ovector, oveclength);
                   
                   if(exec_substrings==PCRE_ERROR_NOMATCH) {
                           pcre_free(code);
                           row_action(table, 0/*last time, no raw*/, 0, 0, poststart, postfinish, info);
                           if(global || subpatterns)
                                   return &table; // global or with subpatterns=true+result
                           else {
                                   just_matched=false; return 0; // not global=no result
                           }
                   }
   
                   if(exec_substrings<0) {
                           pcre_free(code);
                           throw Exception(0,
                                   &regexp,
                                   "regular expression execute error (%d)", 
                                           exec_substrings);
                   }
   
                   int prefinish=ovector[0];
                   poststart=ovector[1];
                   ArrayString* row=new ArrayString;
                   if(need_pre_post_match) {
                           *row+=&mid(0, prefinish); // .prematch column value
                           *row+=&mid(prefinish, poststart); // .match
                           *row+=&mid(poststart, postfinish); // .postmatch
                   } else {
                           *row+=0; // .prematch column value
                           *row+=0; // .match
                           *row+=0; // .postmatch
                   }
                   
                   for(int i=1; i<exec_substrings; i++) {
                           // -1:-1 case handled peacefully by mid() itself
                           *row+=&mid(ovector[i*2+0], ovector[i*2+1]); // .i column value
                   }
                   
                   row_action(table, row, prestart, prefinish, poststart, postfinish, info);
   
                   if(!global || prestart==poststart) { // not global | going to hang
                           pcre_free(code);
                           row_action(table, 0/*last time, no row*/, 0, 0, poststart, postfinish, info);
                           return &table;
                   }
                   prestart=poststart;
   
   /*
                   if(option_bits[0] & PCRE_MULTILINE)
                           exec_option_bits|=PCRE_NOTBOL; // start of subject+startoffset not BOL
   */
           }
   }
   
   String& String::change_case(Charset& source_charset, Change_case_kind kind) const {
           String& result=*new String();
           if(is_empty())
                   return result;
   
           char* new_cstr=cstrm();
           char *dest=new_cstr;
           if(source_charset.isUTF8()) {
                   switch(kind) {
                   case CC_UPPER:
                           change_case_UTF8((const XMLByte*)new_cstr, (XMLByte*)new_cstr, UTF8CaseToUpper);
                           break;
                   case CC_LOWER:
                           change_case_UTF8((const XMLByte*)new_cstr, (XMLByte*)new_cstr, UTF8CaseToLower);
                           break;
                   default:
                           assert(!"unknown change case kind");
                           break; // never
                   }       
                   
           } else {
                   const unsigned char *tables=source_charset.pcre_tables;
   
                   const unsigned char *a;
                   const unsigned char *b;
                   switch(kind) {
                   case CC_UPPER:
                           a=tables+lcc_offset;
                           b=tables+fcc_offset;
                           break;
                   case CC_LOWER:
                           a=tables+lcc_offset;
                           b=0;
                           break;
                   default:
                           assert(!"unknown change case kind");
                           a=b=0; // calm, compiler
                           break; // never
                   }       
   
                   unsigned char index;
                   for(const char* current=new_cstr; index=(unsigned char)*current; current++) {
                           unsigned char c=a[index];
                           if(b)
                                   c=b[c];
   
                           *dest++=(char)c;
                   }
           }
           result.langs=langs;
           result.body=new_cstr;
   
           return result;
   }
   
   const String& String::replace(const Dictionary& dict) const {
           String& result=*new String();
           const char* old_cstr=cstr();
           const char* prematch_begin=old_cstr;
   
           const char* current=old_cstr;
           while(*current) {
                   if(Dictionary::Subst subst=dict.first_that_begins(current)) {
                           // prematch
                           if(size_t prematch_length=current-prematch_begin) {
                                   result.langs.append(result.body, langs, prematch_begin-old_cstr, prematch_length);
                                   result.body.append_strdup_know_length(prematch_begin, prematch_length);
                           }
   
                           // match
                           // skip 'a' in 'current'; move prematch_begin
                           current+=subst.from_length; prematch_begin=current;
   
                           if(const String* b=subst.to) // are there any b?
                                   result<<*b;
                   } else // simply advance
                           current++; 
           }
   
           // postmatch
           if(size_t postmatch_length=current-prematch_begin) {
                   result.langs.append(result.body, langs, prematch_begin-old_cstr, postmatch_length);
                   result.body.append_strdup_know_length(prematch_begin, postmatch_length);
           }
   
           ASSERT_STRING_INVARIANT(result);
           return result;
   }
   
   double String::as_double() const { 
           double result;
           const char *str=cstr();
   
           while(*str && isspace(*str))
                   str++;
           if(!*str)
                   return 0;
   
           char *error_pos;
           // 0xABC
           if(str[0]=='0')
                   if(str[1]=='x' || str[1]=='X')
                           result=(double)(unsigned long)strtol(str, &error_pos, 0);
                   else
                           result=(double)strtod(str+1/*skip leading 0*/, &error_pos);
           else
                   result=(double)strtod(str, &error_pos);
   
           while(char c=*error_pos++)
                   if(!isspace(c))
                           throw Exception("number.format",
                                   this,
                                   "invalid number (double)");
   
           return result;
   }
   int String::as_int() const { 
           int result;
           const char *str=cstr();
   
           while(*str && isspace(*str))
                   str++;
           if(!*str)
                   return 0;
   
           char *error_pos;
           // 0xABC
           if(str[0]=='0')
                   if(str[1]=='x' || str[1]=='X')
                           result=(int)(unsigned long)strtol(str, &error_pos, 0);
                   else
                           result=(int)strtol(str+1/*skip leading 0*/, &error_pos, 0);
           else
                   result=(int)strtol(str, &error_pos, 0);
   
           while(char c=*error_pos++)
                   if(!isspace(c))
                           throw Exception("number.format",
                                   this,
                                   "invalid number (int)");
   
         return result;          return result;
 }  }
   
 char *String::c_str() {  static int serialize_body_char(char c, char** cur) {
         char *result=static_cast<char *>(pool->alloc(size()+1));          *((*cur)++)=c;
           return 0; // 0=continue
         char *copy_here=result;  };
         Chunk *chunk=&head;   static int serialize_body_piece(const char* s, char** cur) {
         do {          size_t length=strlen(s);
                 Chunk::Row *row=chunk->first;          memcpy(*cur, s, length);  *cur+=length;
                 for(int i=0; i<chunk->count; i++) {          return 0; // 0=continue
                         if(row==append_here)  };
                                 goto break2;  static int serialize_lang_piece(char alang, size_t asize, char** cur) {
           // lang
                         memcpy(copy_here, row->item.ptr, row->item.size);          memcpy(*cur, &alang, sizeof(alang));  *cur+=sizeof(alang);
                         copy_here+=row->item.size;          // length
                         row++;          memcpy(*cur, &asize, sizeof(asize));  *cur+=sizeof(asize);
                 }  
                 chunk=row->link;          return 0; // 0=continue
         } while(chunk);  }
 break2:  String::Cm String::serialize(size_t prolog_length) const {
         *copy_here=0;          size_t fragments_count=langs.count();
           size_t buf_length=
                   prolog_length //1
                   +sizeof(size_t) //2
                   +fragments_count*(sizeof(char)+sizeof(size_t)) //3
                   +body.length() //4
                   +1; // for zero terminator used in deserialize
           String::Cm result(new(PointerFreeGC) char[buf_length], buf_length);
   
           // 1: prolog
           char *cur=result.str+prolog_length;
           // 2: langs.count
           memcpy(cur, &fragments_count, sizeof(fragments_count));  cur+=sizeof(fragments_count);
           // 3: lang info
           langs.for_each(body, serialize_lang_piece, &cur);
           // 4: letters
           body.for_each(serialize_body_char, serialize_body_piece, &cur);
           // 5: zero terminator
           *cur=0;
   
         return result;          return result;
 }  }
   bool String::deserialize(size_t prolog_length, void *buf, size_t buf_length) {
           if(buf_length<=prolog_length)
                   return false;
           buf_length-=prolog_length;
           buf_length-=1; // 5: zero terminator
   
           // 1: prolog
           const char* cur=(const char* )buf+prolog_length;
   
           // 2: langs.count
           if(buf_length<sizeof(size_t)) // langs.count don't fit?
                   return false;
           size_t fragments_count=*reinterpret_cast<const size_t*>(cur);  cur+=sizeof(size_t);
           buf_length-=sizeof(size_t);
           
           if(fragments_count) {
                   // 3: lang info
                   size_t total_length=0;
                   for(size_t f=0; f<fragments_count; f++) {
                           size_t piece_length=sizeof(char)+sizeof(size_t);
                           if(buf_length<piece_length) // lang+length
                                   return false;
   
                           Language lang=*reinterpret_cast<const Language *>(cur);  cur+=sizeof(char);
                           size_t fragment_length=*reinterpret_cast<const size_t*>(cur);  cur+=sizeof(size_t);
                           langs.append(total_length, lang, fragment_length);
                           total_length+=fragment_length;
   
                           buf_length-=piece_length;
                   }
   
                   // 4: letters
                   if(buf_length!=total_length)
                           return false;
   
                   // serialize wrote extra zero byte there, we can rely on that
                   body=String::Body(cur, buf_length);
           }
   
           ASSERT_STRING_INVARIANT(*this);
           return true;
   }
   
   const char* String::Body::v() const {
           return CORD_to_const_char_star(body);
   }
   const char* String::Languages::v() const {
           if(opt.is_not_just_lang)
                   return CORD_to_const_char_star(langs);
           else
                   return (const char*)&langs;
   }
   const char* String::v() const {
   #define LIMIT_VIEW 20
           char* buf=(char*)malloc(MAX_STRING);
           const char*body_view=body.v();
           const char*langs_view=langs.v();
           snprintf(buf, MAX_STRING, 
                   "%d:%.*s%s}   "
                   "{%d:%s",
                   langs.count(), LIMIT_VIEW, langs_view, strlen(langs_view)>LIMIT_VIEW?"...":"",
                   strlen(body_view), body_view
           );
   
           return buf;
   #undef LIMIT_VIEW
   }
Removed from v.1.2  
changed lines
  Added in v.1.184

E-mail: