[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 1.37 and 1.219

version 1.37, 2001/03/11 08:16:35 version 1.219, 2009/04/10 11:33:16
Line 1 Line 1
 /*  /** @file
         Parser          Parser: string class. @see untalength_t.C.
         Copyright (c) 2001 ArtLebedev Group (http://www.artlebedev.com)  
         Author: Alexander Petrosyan <paf@design.ru> (http://design.ru/paf)  
   
         $Id$          Copyright (c) 2001-2009 ArtLebedev Group (http://www.artlebedev.com)
           Author: Alexandr Petrosian <paf@design.ru> (http://paf.design.ru)
 */  */
   
 #include <string.h>  static const char * const IDENT_STRING_C="$Date$";
   
 #include "pa_pool.h"  
 #include "pa_string.h"  #include "pa_string.h"
 #include "pa_hash.h"  
 #include "pa_exception.h"  #include "pa_exception.h"
   #include "pa_table.h"
   #include "pa_dictionary.h"
   #include "pa_charset.h"
   
   #include "pcre.h"
   
   const String String::Empty;
   
   int pa_atoi(const char* str, const String* problem_source) {
           if(!str)
                   return 0;
   
           while(*str && isspace((unsigned char)*str))
                   str++;
           if(!*str)
                   return 0;
   
 // String          int result;
           char *error_pos;
           bool negative=false;
           if(str[0]=='-') {
                   negative=true;
                   str++;
           } else if(str[0]=='+') {
                   str++;
           }
           // 0xABC
           if(str[0]=='0')
                   if(str[1]=='x' || str[1]=='X')
                           result=(int)(unsigned long)strtol(str, &error_pos, 0);
                   else {
                            // skip leading 0000, to disable octal interpretation
                           do str++; while(*str=='0');                             
                           result=(int)strtol(str, &error_pos, 0);
                   }
           else
                   result=(int)strtol(str, &error_pos, 0);
           if(negative)
                   result=-result;
   
           while(char c=*error_pos++)
                   if(!isspace((unsigned char)c))
                           throw Exception("number.format",
                                   problem_source,
                                   problem_source?"invalid number (int)": "'%s' is invalid number (int)", str);
   
 String::String(Pool& apool) :          return result;
         Pooled(apool) {  }
         last_chunk=&head;  
         head.count=CR_PREALLOCATED_COUNT;  double pa_atod(const char* str, const String* problem_source) {
         append_here=head.rows;          if(!str)
         head.preallocated_link=0;                  return 0;
         link_row=&head.rows[head.count];  
         fused_rows=fsize=0;          while(*str && isspace((unsigned char)*str))
 }                  str++;
           if(!*str)
 void String::expand() {                  return 0;
         int new_chunk_count=last_chunk->count+last_chunk->count*CR_GROW_PERCENT/100;  
         last_chunk=static_cast<Chunk *>(          double result;
                 malloc(sizeof(int)+sizeof(Chunk::Row)*new_chunk_count+sizeof(Chunk *)));          char *error_pos;
         last_chunk->count=new_chunk_count;          bool negative=false;
         link_row->link=last_chunk;          if(str[0]=='-') {
         append_here=last_chunk->rows;                  negative=true;
         link_row=&last_chunk->rows[last_chunk->count];                  str++;
         link_row->link=0;          } else if(str[0]=='+') {
 }                  str++;
           }
 String::String(const String& src) :          // 0xABC
         Pooled(src.pool()) {          if(str[0]=='0')
         head.count=CR_PREALLOCATED_COUNT;                  if(str[1]=='x' || str[1]=='X')
                                   result=(double)(unsigned long)strtol(str, &error_pos, 0);
         int src_used_rows=src.used_rows();                  else {
         if(src_used_rows<=head.count) {                           // skip leading 0000, to disable octal interpretation
                 // all new rows fit into preallocated area                          do str++; while(*str=='0');                             
                 int curr_chunk_rows=head.count;                          result=(double)strtod(str, &error_pos);
                 memcpy(head.rows, src.head.rows, sizeof(Chunk::Row)*src_used_rows);                  }
                 append_here=&head.rows[src_used_rows];          else
                 link_row=&head.rows[curr_chunk_rows];                  result=(double)strtod(str, &error_pos);
         } else {          if(negative)
                 // warning:                   result=-result;
                 //   heavily relies on the fact   
                 //   "preallocated area is the same for all strings"          while(char c=*error_pos++)
                 //                  if(!isspace((unsigned char)c))
                 // info:                          throw Exception("number.format",
                 //   allocating only enough mem to fit src string rows                                  problem_source,
                 //   next append would allocate a new chunk                                  problem_source?"invalid number (double)": "'%s' is invalid number (double)", str);
                 //  
                 // new rows don't fit into preallocated area: splitting into two chunks          return result;
                 // preallocated chunk src to constructing head  }
                 memcpy(head.rows, src.head.rows, sizeof(Chunk::Row)*head.count);  
                 // remaining rows into new_chunk  // cord lib extension
                 int curr_chunk_rows=src_used_rows-head.count;  
                 Chunk *new_chunk=static_cast<Chunk *>(  #ifndef DOXYGEN
                         malloc(sizeof(int)+sizeof(Chunk::Row)*curr_chunk_rows+sizeof(Chunk *)));  typedef struct {
                 new_chunk->count=curr_chunk_rows;      ssize_t countdown;
                 head.preallocated_link=new_chunk;      int target; /* Character we're looking for  */
                 append_here=link_row=&new_chunk->rows[new_chunk->count];  } chr_data;
   #endif
                 Chunk *old_chunk=src.head.preallocated_link;   static int CORD_range_contains_chr_greater_then_proc(char c, size_t size, void* client_data)
                 Chunk::Row *new_rows=new_chunk->rows;  {
                 int rows_left_to_copy=new_chunk->count;      register chr_data * d = (chr_data *)client_data;
                 while(true) {      
                         int old_count=old_chunk->count;      if (d -> countdown<=0) return(2);
                         Chunk *next_chunk=old_chunk->rows[old_count].link;      d -> countdown -= size;
                         if(next_chunk) {      if (c > d -> target) return(1);
                                 // not last source chunk      return(0);
                                 // taking it all  }
                                 memcpy(new_rows, old_chunk->rows, sizeof(Chunk::Row)*old_count);  int CORD_range_contains_chr_greater_then(CORD x, size_t i, size_t n, int c)
                                 new_rows+=old_count;  {
                                 rows_left_to_copy-=old_count;      chr_data d;
   
                                 old_chunk=next_chunk;      d.countdown = n;
                         } else {      d.target = c;
                                 // the last source chunk      return(CORD_block_iter(x, i, CORD_range_contains_chr_greater_then_proc, &d) == 1/*alternatives: 0 normally ended, 2=struck 'n'*/);
                                 // taking only those rows of chunk that _left_to_copy  }
                                 memcpy(new_rows, old_chunk->rows, sizeof(Chunk::Row)*rows_left_to_copy);  
                                 break;  static int CORD_block_count_proc(char /*c*/, size_t /*size*/, void* client_data)
                         }  {
       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;
   }
   
   // helpers
   
   /// String::match uses this as replace & global search table columns
   
   const int MAX_MATCH_GROUPS=100;
   
   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);
                 }                  }
         }          }
         link_row->link=0;  };
         fused_rows=src_used_rows;  
         fsize=src.fsize;  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);
 }  }
   
 String& String::append(const String& src, Untaint_lang lang) {  String::Body String::Body::trim(String::Trim_kind kind, const char* chars, 
         int src_used_rows=src.used_rows();                                                                  size_t* out_start, size_t* out_length) const {
         int dst_free_rows=link_row-append_here;          size_t our_length=length();
                   if(!our_length)
         if(src_used_rows<=dst_free_rows) {                  return *this;
                 // all new rows fit into last chunk          if(!chars)
                 memcpy(append_here, src.head.rows, sizeof(Chunk::Row)*src_used_rows);                  chars=" \t\n"; // white space
                 set_lang(append_here, lang, src_used_rows);  
                 append_here+=src_used_rows;          size_t start=0;
         } else {          size_t end=our_length;
                 // not all new rows fit into last chunk: shrinking it to used part,          // from left...
                 int used_rows=last_chunk->count-dst_free_rows;          if(kind!=TRIM_END) {
                 //int *countp=append_here                  CORD_pos pos; set_pos(pos, 0);
                 link_row=&last_chunk->rows[last_chunk->count=used_rows];  
                 //   allocating only enough mem to fit src string rows  
                 //   next append would allocate a new chunk  
                 last_chunk=static_cast<Chunk *>(  
                         malloc(sizeof(int)+sizeof(Chunk::Row)*src_used_rows+sizeof(Chunk *)));  
                 last_chunk->count=src_used_rows;  
                 link_row->link=last_chunk;  
                 append_here=link_row=&last_chunk->rows[src_used_rows];  
   
                 const Chunk *old_chunk=&src.head;   
                 Chunk::Row *new_rows=last_chunk->rows;  
                 int rows_left_to_copy=src_used_rows;  
                 while(true) {                  while(true) {
                         int old_count=old_chunk->count;                          char c=CORD_pos_fetch(pos);
                         Chunk *next_chunk=old_chunk->rows[old_count].link;                          if(strchr(chars, c)) {
                         if(next_chunk) {                                  if(++start==our_length)
                                 // not last source chunk                                          return 0; // all chars are empty, just return empty string
                                 // taking it all                          } else
                                 memcpy(new_rows, old_chunk->rows, sizeof(Chunk::Row)*old_count);                                  break;                  
                                 set_lang(new_rows, lang, old_count);  
                                 new_rows+=old_count;                          CORD_next(pos);
                                 rows_left_to_copy-=old_count;  
   
                                 old_chunk=next_chunk;  
                         } else {  
                                 // the last source chunk  
                                 // taking only those rows of chunk that _left_to_copy  
                                 memcpy(new_rows, old_chunk->rows, sizeof(Chunk::Row)*rows_left_to_copy);  
                                 set_lang(new_rows, lang, rows_left_to_copy);  
                                 break;  
                         }  
                 }                  }
                 link_row->link=0;  
         }          }
         fused_rows+=src_used_rows;          // from right..
         fsize+=src.fsize;          if(kind!=TRIM_START) {
                   CORD_pos pos; set_pos(pos, end-1);
                   while(true) {
                           char c=CORD_pos_fetch(pos);
                           if(strchr(chars, c)) {
                                   if(--end==0) // optimization: NO need to check for 'end>=start', that's(<) impossible
                                           return 0; // all chars are empty, just return empty string
                           } else
                                   break;                  
   
         return *this;                          CORD_prev(pos);
                   }
           }
   
           if(start==0 && end==our_length) // nobody moved a thing
                   return *this;
   
           if(out_start)
                   *out_start=start;
           size_t new_length=end-start;
           if(out_length)
                   *out_length=new_length;
   
           return mid(start, new_length);
 }  }
 void String::set_lang(Chunk::Row *row, Untaint_lang lang, size_t size) {  
         if(lang==PASS_APPENDED)  
                 return;  
   
         while(size--) {  static int CORD_batched_iter_fn_generic_hash_code(char c, void * client_data) {
                 Untaint_lang& item_lang=(row++)->item.lang;          uint& result=*static_cast<uint*>(client_data);
                 if(item_lang==YES) // tainted? need untaint language assignment          generic_hash_code(result, c);
                         item_lang=lang;  // assign untaint language          return 0;
         }  }
   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(const char* cstr, size_t helper_length, bool tainted): body(CORD_EMPTY) {
           append_help_length(cstr, helper_length, tainted?L_TAINTED:L_CLEAN);
   }
   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::real_append(STRING_APPEND_PARAMS) {  String& String::append_know_length(const char* str, size_t known_length, Language lang) {
         if(!src)          if(!known_length)
                 return *this;                  return *this;
         if(!size)  
                 size=strlen(src);          // first: langs
         if(!size)          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;                  return *this;
   
         if(chunk_is_full())          return append_know_length(str, known_length, lang);
                 expand();  }
   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;
   
         append_here->item.ptr=src;          // first: langs
         fsize+=append_here->item.size=size;          langs.append(body, lang, known_length);
         append_here->item.lang=tainted?/*Untaint_lang::*/YES:Untaint_lang::NO;          // next: letters themselves
 #ifndef NO_STRING_ORIGIN          body.append_strdup_know_length(str, known_length);
         append_here->item.origin.file=file;  
         append_here->item.origin.line=line;  
 #endif  
         append_here++; fused_rows++;  
   
           ASSERT_STRING_INVARIANT(*this);
         return *this;          return *this;
 }  }
   
 char *String::cstr() const {  size_t String::length(Charset& charset) const {
         char *result=static_cast<char *>(malloc(size()+1));          if(charset.isUTF8()){
                   const XMLByte* srcPtr=(const XMLByte*)cstrm();
                   return lengthUTF8(srcPtr, srcPtr+body.length());
           } else
                   return body.length();
   }
   
         char *copy_here=result;  /// @todo check in doc: whether it documents NOW bad situation "abc".mid(-1, 3) =were?="ab"
         const Chunk *chunk=&head;   String& String::mid(size_t substr_begin, size_t substr_end) const {
         do {          String& result=*new String;
                 const Chunk::Row *row=chunk->rows;  
                 for(int i=0; i<chunk->count; i++) {          size_t self_length=length();
                         if(row==append_here)          substr_begin=min(substr_begin, self_length);
                                 goto break2;          substr_end=min(max(substr_end, substr_begin), self_length);
           size_t substr_length=substr_end-substr_begin;
                         switch(row->item.lang) {          if(!substr_length)
                         case NO:                  return result;
                         case YES: // for VString.get_double of tainted values  
                         case AS_IS:           // first: their langs
                                 memcpy(copy_here, row->item.ptr, row->item.size);           result.langs.append(result.body, langs, substr_begin, substr_length);
                                 break;          // next: letters themselves
                         case HTML_TYPO:           result.body=body.mid(substr_begin, substr_length);
                                 memset(copy_here, '?', row->item.size);   
                                 break;          ASSERT_STRING_INVARIANT(result);
                         default:  
                                 THROW(0,0,  
                                         this,  
                                         "unknown untaint language #%d of %d piece",   
                                                 static_cast<int>(row->item.lang),  
                                                 i);  
                         }  
                         copy_here+=row->item.size;  
                         row++;  
                 }  
                 chunk=row->link;  
         } while(chunk);  
 break2:  
         *copy_here=0;  
         return result;          return result;
 }  }
   
 uint String::hash_code() const {  // from, to and helper_length in characters, not in bytes (it's important for utf-8)
         uint result=0;  String& String::mid(Charset& charset, size_t from, size_t to, size_t helper_length) const {
           String& result=*new String;
   
           size_t self_length=(helper_length)?helper_length:length(charset);
   
         const Chunk *chunk=&head;           if(!self_length)
         do {                  return result;
                 const Chunk::Row *row=chunk->rows;  
                 for(int i=0; i<chunk->count; i++) {          from=min(min(to, from), self_length);
                         if(row==append_here)          to=min(max(to, from), self_length);
                                 goto break2;  
           size_t substr_length=to-from;
                         result=Hash::generic_code(result, row->item.ptr, row->item.size);  
                         row++;          if(!substr_length)
                 }                  return result;
                 chunk=row->link;  
         } while(chunk);          if(charset.isUTF8()){
 break2:                  const XMLByte* srcPtr=(const XMLByte*)cstrm();
                   const XMLByte* srcEnd=srcPtr+body.length();
   
                   // convert 'from' and 'substr_length' from 'characters' to 'bytes'
                   from=getUTF8BytePos(srcPtr, srcEnd, from);
                   substr_length=getUTF8BytePos(srcPtr+from, srcEnd, substr_length);
                   if(!substr_length)
                           return result;
           }
   
           // first: their langs
           result.langs.append(result.body, langs, from, substr_length);
           // next: letters themselves
           result.body=body.mid(from, substr_length);
   
           ASSERT_STRING_INVARIANT(result);
         return result;          return result;
 }  }
   
 int String::cmp(const String& src) const {  size_t String::pos(const String::Body substr, size_t this_offset, Language lang) const {
         const Chunk *a_chunk=&head;          size_t substr_length=substr.length();
         const Chunk *b_chunk=&src.head;  
         const Chunk::Row *a_row=a_chunk->rows;  
         const Chunk::Row *b_row=b_chunk->rows;  
         int a_offset=0;  
         int b_offset=0;  
         Chunk::Row *a_end=append_here;  
         Chunk::Row *b_end=src.append_here;  
         int a_countdown=a_chunk->count;  
         int b_countdown=b_chunk->count;  
         bool a_break=false;  
         bool b_break=false;  
         int result;  
         while(true) {          while(true) {
                 a_break=a_row==a_end;                  size_t substr_begin=body.pos(substr, this_offset);
                 b_break=b_row==b_end;                  
                 if(a_break || b_break)                  if(substr_begin==CORD_NOT_FOUND)
                         break;                          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);
   }
   
   size_t String::pos(Charset& charset, const String& substr, 
                                   size_t this_offset, Language lang) const {
   
           size_t result;
           if(charset.isUTF8()){
                   const XMLByte* srcPtr=(const XMLByte*)cstrm();
                   const XMLByte* srcEnd=srcPtr+body.length();
   
                   // convert 'this_offset' from 'characters' to 'bytes'
                   this_offset=getUTF8BytePos(srcPtr, srcEnd, this_offset);
   
                   result=pos(substr.body, this_offset, lang);
                   if(result==CORD_NOT_FOUND)
                           return STRING_NOT_FOUND;
   
                   // convert 'result' from 'bytes' to 'characters'
                   result=getUTF8CharPos(srcPtr, srcEnd, result);
           } else {
                   result=pos(substr.body, this_offset, lang);
                   if(result==CORD_NOT_FOUND)
                           return STRING_NOT_FOUND;
           }
   
                 int size_diff=  
                         (a_row->item.size-a_offset)-  
                         (b_row->item.size-b_offset);  
   
                 if(size_diff==0) { // a has same size as b  
                         result=memcmp(a_row->item.ptr+a_offset, b_row->item.ptr+b_offset, a_row->item.size-a_offset);  
                         if(result)  
                                 return result;  
                         a_row++; a_countdown--; a_offset=0;  
                         b_row++; b_countdown--; b_offset=0;  
                 } else if (size_diff>0) { // a longer  
                         result=memcmp(a_row->item.ptr+a_offset, b_row->item.ptr+b_offset, b_row->item.size-b_offset);  
                         if(result)  
                                 return result;  
                         a_offset+=b_row->item.size-b_offset;  
                         b_row++; b_countdown--; b_offset=0;  
                 } else { // b longer  
                         result=memcmp(a_row->item.ptr+a_offset, b_row->item.ptr+b_offset, a_row->item.size-a_offset);  
                         if(result)  
                                 return result;  
                         b_offset+=a_row->item.size-a_offset;  
                         a_row++; a_countdown--; a_offset=0;  
                 }  
   
                 if(!a_countdown) {  
                         a_chunk=a_row->link;  
                         a_row=a_chunk->rows;  
                         a_countdown=a_chunk->count;  
                 }  
                 if(!b_countdown) {  
                         b_chunk=b_row->link;  
                         b_row=b_chunk->rows;  
                         b_countdown=b_chunk->count;  
                 }  
         }  
         if(a_break==b_break) // ended simultaneously  
                 result=0;  
         else if(a_break) // first bytes equal, but a ended before b  
                 result=-1;  
         else  
                 result=+1;  
         return result;          return result;
 }  }
   
 bool String::operator == (char* b_ptr) const {  void String::split(ArrayString& result, 
         size_t b_size=b_ptr?strlen(b_ptr):0;                     size_t& pos_after, 
         if(size() != b_size)                     const char* delim, 
                 return false;                     Language lang, int limit) const {
           size_t self_length=length();
           if(size_t delim_length=strlen(delim)) {
                   size_t 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()) {
                   size_t 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();
           }
   }
   
   enum Match_feature {
           MF_NEED_PRE_POST_MATCH = 0x01,
           MF_JUST_COUNT_MATCHES = 0x02
   };
   
   static void regex_options(const String* options, int* result, int* match_features){
       struct Regex_option {
                   const char* key;
                   const char* keyAlt;
                   int clear;
                   int set;
                   int *result;
                   int flag;
       } regex_option[]={
                   {"i", "I", 0, PCRE_CASELESS, result, 0}, // a=A
                   {"s", "S", 0, PCRE_DOTALL, result, 0}, // ^\n\n$ [default]
                   {"m", "M", PCRE_DOTALL, PCRE_MULTILINE, result, 0}, // ^aaa\n$^bbb\n$
                   {"x", 0, 0, PCRE_EXTENDED, result, 0}, // whitespace in regex ignored
                   {"U", 0, 0, PCRE_UNGREEDY, result, 0}, // ungreedy patterns (greedy by default)
                   {"g", "G", 0, 1, result+1, 0}, // many rows
                   {"'", 0, 0, 0, 0, MF_NEED_PRE_POST_MATCH},
                   {"n", 0, 0, 0, 0, MF_JUST_COUNT_MATCHES},
                   {0, 0, 0, 0, 0, 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->key; o++) 
                           if(
                                   options->pos(o->key)!=STRING_NOT_FOUND
                                   || (o->keyAlt && options->pos(o->keyAlt)!=STRING_NOT_FOUND)
                           ){
                                   if(o->flag){
                                           (*match_features) |= o->flag;
                                   } else {
                                           *o->result &= ~o->clear;
                                           *o->result |= o->set;
                                   }
                           }
   }
   
         const Chunk *a_chunk=&head;  Table* String::match(Charset& source_charset,
         const Chunk::Row *a_row=a_chunk->rows;                       const String& regexp, 
         int a_offset=0;                       const String* options,
         int b_offset=0;                       Row_action row_action, void *info,
         Chunk::Row *a_end=append_here;                       int& matches_count) const { 
         int a_countdown=a_chunk->count;          if(regexp.is_empty())
         bool a_break=false;                  throw Exception(PARSER_RUNTIME,
         bool b_break=false;                          0,
                           "regexp is empty");
   
           const char* pattern=regexp.cstr(String::L_UNSPECIFIED); // fix any tainted with L_REGEX
           const char* errptr;
           int erroffset;
           int option_bits[2]={0};
           int match_features=0;
           regex_options(options, option_bits, &match_features);
           bool need_pre_post_match=(match_features & MF_NEED_PRE_POST_MATCH) != 0;
           bool just_count_matches=(match_features & MF_JUST_COUNT_MATCHES) != 0;
           bool global=option_bits[1]!=0;
   
           if(source_charset.isUTF8()){
                   // @todo (for UTF-8): check string & pattern and use PCRE_NO_UTF8_CHECK option 
                   option_bits[0]|=PCRE_UTF8;
           }
   
           pcre *code=pcre_compile(pattern, option_bits[0], 
                   &errptr, &erroffset,
                   source_charset.pcre_tables);
   
           if(!code)
                   throw Exception(PCRE_EXCEPTION_TYPE,
                           &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(PCRE_EXCEPTION_TYPE,
                           &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) {          while(true) {
                 int size_diff=                  int exec_substrings=pcre_exec(code, 0,
                         (a_row->item.size-a_offset)-                          subject, subject_length, prestart,
                         (b_size-b_offset);                          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);
                           return just_count_matches ? 0 : &table;
                   }
   
                 if(size_diff==0) { // a has same size as b                  if(exec_substrings<0) {
                         if(memcmp(a_row->item.ptr+a_offset, b_ptr+b_offset, a_row->item.size-a_offset)!=0)                          pcre_free(code);
                                 return false;                          throw Exception(PCRE_EXCEPTION_TYPE,
                         a_row++; a_countdown--; a_offset=0;                                  &regexp,
                         b_break=true;                                  print_pcre_exec_error_text(exec_substrings),
                 } else if (size_diff>0) { // a longer                                          exec_substrings);
                         if(memcmp(a_row->item.ptr+a_offset, b_ptr+b_offset, b_size-b_offset)!=0)                  }
                                 return false;  
                         a_offset+=b_size-b_offset;                  int prefinish=ovector[0];
                         b_break=true;                  poststart=ovector[1];
                 } else { // b longer                  ArrayString* row=new ArrayString;
                         if(memcmp(a_row->item.ptr+a_offset, b_ptr+b_offset, a_row->item.size-a_offset)!=0)                  if(need_pre_post_match) {
                                 return false;                          *row+=&mid(0, prefinish); // .prematch column value
                         b_offset+=a_row->item.size-a_offset;                          *row+=&mid(prefinish, poststart); // .match
                         a_row++; a_countdown--; a_offset=0;                          *row+=&mid(poststart, postfinish); // .postmatch
                   } else {
                           *row+=&Empty; // .prematch column value
                           *row+=&Empty; // .match
                           *row+=&Empty; // .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
                   }
                   
                   matches_count++;
                   row_action(table, row, prestart, prefinish, poststart, postfinish, info);
   
                   if(!global || prestart==poststart) { // last step
                           pcre_free(code);
                           row_action(table, 0/*last time, no row*/, 0, 0, poststart, postfinish, info);
                           return just_count_matches ? 0 : &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();
   
           if(source_charset.isUTF8()) {
                   size_t new_cstr_len=length();
                   switch(kind) {
                   case CC_UPPER:
                           change_case_UTF8((const XMLByte*)new_cstr, new_cstr_len, (XMLByte*)new_cstr, new_cstr_len, UTF8CaseToUpper);
                           break;
                   case CC_LOWER:
                           change_case_UTF8((const XMLByte*)new_cstr, new_cstr_len, (XMLByte*)new_cstr, new_cstr_len, UTF8CaseToLower);
                           break;
                   default:
                           assert(!"unknown change case kind");
                           break; // never
                   }       
                   
           } else {
                   const unsigned char *tables=source_charset.pcre_tables;
   
                 a_break=a_row==a_end;                  const unsigned char *a;
                 if(a_break || b_break)                  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;                          break;
                   default:
                           assert(!"unknown change case kind");
                           a=b=0; // calm, compiler
                           break; // never
                   }       
   
                   char *dest=new_cstr;
                   unsigned char index;
                   for(const char* current=new_cstr; (index=(unsigned char)*current); current++) {
                           unsigned char c=a[index];
                           if(b)
                                   c=b[c];
   
                 if(!a_countdown) {                          *dest++=(char)c;
                         a_chunk=a_row->link;  
                         a_row=a_chunk->rows;  
                         a_countdown=a_chunk->count;  
                 }                  }
         }          }
         return a_break==b_break;          result.langs=langs;
           result.body=new_cstr;
   
           return result;
   }
   
   const String& String::escape(Charset& source_charset) const {
           if(is_empty())
                   return *this;
   
           return Charset::escape(*this, source_charset);
   }
   
   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;
   }
   
   static int serialize_body_char(char c, char** cur) {
           *((*cur)++)=c;
           return 0; // 0=continue
   };
   static int serialize_body_piece(const char* s, char** cur) {
           size_t length=strlen(s);
           memcpy(*cur, s, length);  *cur+=length;
           return 0; // 0=continue
   };
   static int serialize_lang_piece(char alang, size_t asize, char** cur) {
           // lang
           **cur=alang; (*cur)++;
           // length [WARNING: not cast, addresses must be %4=0 on sparc]
           memcpy(*cur, &asize, sizeof(asize));  *cur+=sizeof(asize);
   
           return 0; // 0=continue
   }
   String::Cm String::serialize(size_t prolog_length) const {
           size_t fragments_count=langs.count();
           size_t body_length=body.length();
           size_t buf_length=
                   prolog_length //1
                   +sizeof(size_t) //2
                   +body_length //3
                   +1 // 4 for zero terminator used in deserialize
                   +sizeof(size_t) //5
                   +fragments_count*(sizeof(char)+sizeof(size_t)); //6
   
           String::Cm result(new(PointerFreeGC) char[buf_length], buf_length);
   
           // 1: prolog
           char *cur=result.str+prolog_length;
           // 2: chars.count [WARNING: not cast, addresses must be %4=0 on sparc]
           memcpy(cur, &body_length, sizeof(body_length));  cur+=sizeof(body_length);
           // 3: letters
           body.for_each(serialize_body_char, serialize_body_piece, &cur);
           // 4: zero terminator
           *cur++=0;
           // 5: langs.count [WARNING: not cast, addresses must be %4=0 on sparc]
           memcpy(cur, &fragments_count, sizeof(fragments_count));  cur+=sizeof(fragments_count);
           // 6: lang info
           langs.for_each(body, serialize_lang_piece, &cur);
   
           return result;
   }
   bool String::deserialize(size_t prolog_size, void *buf, size_t buf_size) {
           size_t in_buf=buf_size;
           if(in_buf<=prolog_size)
                   return false;
           in_buf-=prolog_size;
   
           // 1: prolog
           const char* cur=(const char* )buf+prolog_size;
   
           // 2: chars.count
           size_t body_length;
           if(in_buf<sizeof(body_length)) // body.length don't fit?
                   return false;
           // [WARNING: not cast, addresses must be %4=0 on sparc]
           memcpy(&body_length, cur, sizeof(body_length));  cur+=sizeof(body_length);
           in_buf-=sizeof(body_length);
   
           if(in_buf<body_length+1) // letters+terminator don't fit?
                   return false;
           // 4: zero terminator
           if(cur[body_length] != 0) // in place?
                   return false;
           // 3: letters
           body=String::Body(cur, body_length);  
           cur+=body_length+1;
           in_buf-=body_length+1;
   
           // 5: langs.count
           size_t fragments_count;
           if(in_buf<sizeof(fragments_count)) // langs.count don't fit?
                   return false;
           // [WARNING: not cast, addresses must be %4=0 on sparc]
           memcpy(&fragments_count, cur, sizeof(fragments_count));  cur+=sizeof(fragments_count);
           in_buf-=sizeof(fragments_count);
           
           if(fragments_count) {
                   // 6: lang info
                   size_t total_length=0;
                   for(size_t f=0; f<fragments_count; f++) {
                           char lang;
                           size_t fragment_length;
                           size_t piece_length=sizeof(lang)+sizeof(fragment_length);
                           if(in_buf<piece_length) // lang+length
                                   return false;
   
                           // lang
                           lang=*cur++;
                           // length [WARNING: not cast, addresses must be %4=0 on sparc]
                           memcpy(&fragment_length, cur, sizeof(fragment_length));  cur+=sizeof(fragment_length);
   
                           size_t combined_length=total_length+fragment_length;
                           if(combined_length>body_length)
                                   return false; // file curruption
                           // uchar needed to prevent propagating 0x80 bit to upper bytes
                           langs.append(total_length, (String::Language)(uchar)lang, fragment_length);
                           total_length=combined_length;
                           in_buf-=piece_length;
                   }
   
                   if(total_length!=body_length) // length(all language fragments) vs length(letters)
                           return false;
           }
           if(in_buf!=0) // some strange extra bytes
                   return false;
   
           ASSERT_STRING_INVARIANT(*this);
           return true;
   }
   
   const char* String::Body::v() const {
           return CORD_to_const_char_star(body);
   }
   void String::Body::dump() const {
           CORD_dump(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;
   }
   void String::Languages::dump() const {
           if(opt.is_not_just_lang)
                   CORD_dump(langs);
           else
                   puts((const char*)&langs);
   }
   const char* String::v() const {
           const uint 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;
   }
   void String::dump() const {
           body.dump();
           langs.dump();
   }
   const String& String::trim(String::Trim_kind kind, const char* chars) const {
           if(!length())
                   return *this;
   
           size_t substr_begin, substr_length;
           Body new_body=body.trim(kind, chars, &substr_begin, &substr_length);
           if(new_body==body) // we received unchanged pointer, do likewise
                   return *this;
           // new_body differs from body, adjust langs along
   
           String& result=*new String;
           if(!new_body) // body.trim produced empty result
                   return result;
           // body.trim produced nonempty result
   
           // first: their langs
           result.langs.append(result.body, langs, substr_begin, substr_length);
           // next: letters themselves
           result.body=new_body;
   
           ASSERT_STRING_INVARIANT(result);
           return result;
 }  }
Removed from v.1.37  
changed lines
  Added in v.1.219

E-mail: