Annotation of parser3/src/main/pa_string.C, revision 1.225

1.45      paf         1: /** @file
1.174     paf         2:        Parser: string class. @see untalength_t.C.
1.46      paf         3: 
1.219     misha       4:        Copyright (c) 2001-2009 ArtLebedev Group (http://www.artlebedev.com)
1.138     paf         5:        Author: Alexandr Petrosian <paf@design.ru> (http://paf.design.ru)
1.164     paf         6: */
1.46      paf         7: 
1.225   ! misha       8: static const char * const IDENT_STRING_C="$Date: 2009-05-13 07:35:42 $";
1.70      paf         9: 
1.12      paf        10: #include "pa_string.h"
1.22      paf        11: #include "pa_exception.h"
1.61      paf        12: #include "pa_table.h"
1.101     parser     13: #include "pa_dictionary.h"
1.132     paf        14: #include "pa_charset.h"
1.222     misha      15: #include "pa_vregex.h"
1.215     misha      16: 
1.185     paf        17: const String String::Empty;
                     18: 
1.193     paf        19: int pa_atoi(const char* str, const String* problem_source) {
                     20:        if(!str)
                     21:                return 0;
                     22: 
1.199     paf        23:        while(*str && isspace((unsigned char)*str))
1.193     paf        24:                str++;
                     25:        if(!*str)
                     26:                return 0;
                     27: 
                     28:        int result;
                     29:        char *error_pos;
1.200     paf        30:        bool negative=false;
                     31:        if(str[0]=='-') {
                     32:                negative=true;
                     33:                str++;
                     34:        } else if(str[0]=='+') {
                     35:                str++;
                     36:        }
1.193     paf        37:        // 0xABC
                     38:        if(str[0]=='0')
                     39:                if(str[1]=='x' || str[1]=='X')
                     40:                        result=(int)(unsigned long)strtol(str, &error_pos, 0);
1.197     paf        41:                else {
                     42:                         // skip leading 0000, to disable octal interpretation
                     43:                        do str++; while(*str=='0');                             
                     44:                        result=(int)strtol(str, &error_pos, 0);
                     45:                }
1.193     paf        46:        else
                     47:                result=(int)strtol(str, &error_pos, 0);
1.200     paf        48:        if(negative)
                     49:                result=-result;
1.193     paf        50: 
                     51:        while(char c=*error_pos++)
1.199     paf        52:                if(!isspace((unsigned char)c))
1.193     paf        53:                        throw Exception("number.format",
                     54:                                problem_source,
                     55:                                problem_source?"invalid number (int)": "'%s' is invalid number (int)", str);
                     56: 
                     57:        return result;
                     58: }
                     59: 
                     60: double pa_atod(const char* str, const String* problem_source) {
                     61:        if(!str)
                     62:                return 0;
                     63: 
1.199     paf        64:        while(*str && isspace((unsigned char)*str))
1.193     paf        65:                str++;
                     66:        if(!*str)
                     67:                return 0;
                     68: 
                     69:        double result;
                     70:        char *error_pos;
1.200     paf        71:        bool negative=false;
                     72:        if(str[0]=='-') {
                     73:                negative=true;
                     74:                str++;
                     75:        } else if(str[0]=='+') {
                     76:                str++;
                     77:        }
1.193     paf        78:        // 0xABC
                     79:        if(str[0]=='0')
                     80:                if(str[1]=='x' || str[1]=='X')
                     81:                        result=(double)(unsigned long)strtol(str, &error_pos, 0);
1.200     paf        82:                else {
                     83:                         // skip leading 0000, to disable octal interpretation
                     84:                        do str++; while(*str=='0');                             
                     85:                        result=(double)strtod(str, &error_pos);
                     86:                }
1.193     paf        87:        else
                     88:                result=(double)strtod(str, &error_pos);
1.200     paf        89:        if(negative)
                     90:                result=-result;
1.193     paf        91: 
                     92:        while(char c=*error_pos++)
1.199     paf        93:                if(!isspace((unsigned char)c))
1.193     paf        94:                        throw Exception("number.format",
                     95:                                problem_source,
                     96:                                problem_source?"invalid number (double)": "'%s' is invalid number (double)", str);
                     97: 
                     98:        return result;
                     99: }
                    100: 
1.176     paf       101: // cord lib extension
                    102: 
                    103: #ifndef DOXYGEN
                    104: typedef struct {
                    105:     ssize_t countdown;
1.204     paf       106:     int target;        /* Character we're looking for  */
1.176     paf       107: } chr_data;
                    108: #endif
                    109: static int CORD_range_contains_chr_greater_then_proc(char c, size_t size, void* client_data)
                    110: {
                    111:     register chr_data * d = (chr_data *)client_data;
                    112:     
                    113:     if (d -> countdown<=0) return(2);
                    114:     d -> countdown -= size;
                    115:     if (c > d -> target) return(1);
                    116:     return(0);
                    117: }
                    118: int CORD_range_contains_chr_greater_then(CORD x, size_t i, size_t n, int c)
                    119: {
                    120:     chr_data d;
                    121: 
                    122:     d.countdown = n;
                    123:     d.target = c;
                    124:     return(CORD_block_iter(x, i, CORD_range_contains_chr_greater_then_proc, &d) == 1/*alternatives: 0 normally ended, 2=struck 'n'*/);
                    125: }
                    126: 
1.187     paf       127: static int CORD_block_count_proc(char /*c*/, size_t /*size*/, void* client_data)
1.178     paf       128: {
                    129:     int* result=(int*)client_data;
                    130:     (*result)++;
                    131:     return(0); // 0=continue
                    132: }
                    133: size_t CORD_block_count(CORD x)
                    134: {
                    135:        size_t result=0;
                    136:        CORD_block_iter(x, 0, CORD_block_count_proc, &result);
                    137:     return result;
                    138: }
                    139: 
1.174     paf       140: // helpers
1.139     paf       141: 
1.174     paf       142: /// String::match uses this as replace & global search table columns
1.139     paf       143: 
1.174     paf       144: const int MAX_MATCH_GROUPS=100;
1.139     paf       145: 
1.174     paf       146: class String_match_table_template_columns: public ArrayString {
                    147: public:
                    148:        String_match_table_template_columns() {
                    149:                *this+=new String("prematch");
                    150:                *this+=new String("match");
                    151:                *this+=new String("postmatch");
                    152:                for(int i=0; i<MAX_MATCH_GROUPS; i++) {
1.176     paf       153:                        *this+=new String(String::Body::Format(1+i), String::L_CLEAN);
1.174     paf       154:                }
                    155:        }
                    156: };
                    157: 
                    158: Table string_match_table_template(new String_match_table_template_columns);
                    159: 
1.176     paf       160: // String::Body methods
1.140     paf       161: 
1.176     paf       162: String::Body String::Body::Format(int value) {
1.174     paf       163:        char local[MAX_NUMBER];
                    164:        size_t length=snprintf(local, MAX_NUMBER, "%d", value);
1.224     misha     165:        return String::Body(pa_strdup(local, length));
1.120     paf       166: }
                    167: 
1.195     paf       168: String::Body String::Body::trim(String::Trim_kind kind, const char* chars, 
                    169:                                                                size_t* out_start, size_t* out_length) const {
                    170:        size_t our_length=length();
                    171:        if(!our_length)
                    172:                return *this;
                    173:        if(!chars)
                    174:                chars=" \t\n"; // white space
                    175: 
                    176:        size_t start=0;
                    177:        size_t end=our_length;
1.196     paf       178:        // from left...
                    179:        if(kind!=TRIM_END) {
1.195     paf       180:                CORD_pos pos; set_pos(pos, 0);
                    181:                while(true) {
                    182:                        char c=CORD_pos_fetch(pos);
                    183:                        if(strchr(chars, c)) {
                    184:                                if(++start==our_length)
                    185:                                        return 0; // all chars are empty, just return empty string
                    186:                        } else
                    187:                                break;                  
                    188: 
                    189:                        CORD_next(pos);
                    190:                }
                    191:        }
1.196     paf       192:        // from right..
                    193:        if(kind!=TRIM_START) {
                    194:                CORD_pos pos; set_pos(pos, end-1);
                    195:                while(true) {
                    196:                        char c=CORD_pos_fetch(pos);
                    197:                        if(strchr(chars, c)) {
                    198:                                if(--end==0) // optimization: NO need to check for 'end>=start', that's(<) impossible
                    199:                                        return 0; // all chars are empty, just return empty string
                    200:                        } else
                    201:                                break;                  
                    202: 
                    203:                        CORD_prev(pos);
                    204:                }
                    205:        }
1.195     paf       206: 
                    207:        if(start==0 && end==our_length) // nobody moved a thing
                    208:                return *this;
                    209: 
                    210:        if(out_start)
                    211:                *out_start=start;
                    212:        size_t new_length=end-start;
                    213:        if(out_length)
                    214:                *out_length=new_length;
                    215: 
                    216:        return mid(start, new_length);
                    217: }
                    218: 
1.174     paf       219: static int CORD_batched_iter_fn_generic_hash_code(char c, void * client_data) {
                    220:        uint& result=*static_cast<uint*>(client_data);
                    221:        generic_hash_code(result, c);
                    222:        return 0;
                    223: }
                    224: static int CORD_batched_iter_fn_generic_hash_code(const char*  s, void * client_data) {
                    225:        uint& result=*static_cast<uint*>(client_data);
                    226:        generic_hash_code(result, s);
                    227:        return 0;
                    228: };
1.225   ! misha     229: uint String::Body::get_hash_code() const {
        !           230: #ifdef HASH_CODE_CACHING
        !           231:        if(hash_code)
        !           232:                return hash_code;
        !           233: #else
        !           234:        uint hash_code=0;
        !           235: #endif
1.220     misha     236:        if (body && CORD_IS_STRING(body)){
1.225   ! misha     237:                generic_hash_code(hash_code, body);
1.220     misha     238:        } else {
                    239:                CORD_iter5(body, 0,
                    240:                        CORD_batched_iter_fn_generic_hash_code, 
1.225   ! misha     241:                        CORD_batched_iter_fn_generic_hash_code, &hash_code);
1.220     misha     242:        }
1.225   ! misha     243:        return hash_code;
1.94      parser    244: }
                    245: 
1.174     paf       246: // String methods
                    247: 
                    248: String& String::append_know_length(const char* str, size_t known_length, Language lang) {
                    249:        if(!known_length)
1.9       paf       250:                return *this;
1.122     paf       251: 
1.176     paf       252:        // first: langs
                    253:        langs.append(body, lang, known_length);
                    254:        // next: letters themselves
1.174     paf       255:        body.append_know_length(str, known_length);
1.1       paf       256: 
1.174     paf       257:        ASSERT_STRING_INVARIANT(*this);
1.1       paf       258:        return *this;
                    259: }
1.174     paf       260: String& String::append_help_length(const char* str, size_t helper_length, Language lang) {
                    261:        if(!str)
                    262:                return *this;
                    263:        size_t known_length=helper_length?helper_length:strlen(str);
                    264:        if(!known_length)
                    265:                return *this;
1.1       paf       266: 
1.174     paf       267:        return append_know_length(str, known_length, lang);
1.5       paf       268: }
1.174     paf       269: String& String::append_strdup(const char* str, size_t helper_length, Language lang) {
                    270:        size_t known_length=helper_length?helper_length:strlen(str);
                    271:        if(!known_length)
                    272:                return *this;
1.5       paf       273: 
1.176     paf       274:        // first: langs
                    275:        langs.append(body, lang, known_length);
                    276:        // next: letters themselves
1.174     paf       277:        body.append_strdup_know_length(str, known_length);
1.33      paf       278: 
1.174     paf       279:        ASSERT_STRING_INVARIANT(*this);
                    280:        return *this;
1.5       paf       281: }
1.46      paf       282: 
1.221     misha     283: int CORD_batched_len(const char* s, size_t* len){
                    284:        (*len) += lengthUTF8( (const XMLByte *)s, (const XMLByte *)s+strlen(s));
                    285:        return 0;
                    286: }
                    287: 
                    288: // can be called only for IS_FUNCTION(CORD) which are used only in Lang
                    289: int CORD_batched_len(const char, size_t *len){
                    290:        (*len)++;
1.220     misha     291:        return 0;
                    292: }
                    293: 
1.210     misha     294: size_t String::length(Charset& charset) const {
                    295:        if(charset.isUTF8()){
1.220     misha     296:                size_t len=0;
1.224     misha     297:                body.for_each<size_t *>(CORD_batched_len, CORD_batched_len, &len);
1.220     misha     298:                return len;
1.210     misha     299:        } else
                    300:                return body.length();
                    301: }
                    302: 
1.174     paf       303: /// @todo check in doc: whether it documents NOW bad situation "abc".mid(-1, 3) =were?="ab"
                    304: String& String::mid(size_t substr_begin, size_t substr_end) const {
                    305:        String& result=*new String;
                    306: 
                    307:        size_t self_length=length();
                    308:        substr_begin=min(substr_begin, self_length);
                    309:        substr_end=min(max(substr_end, substr_begin), self_length);
1.176     paf       310:        size_t substr_length=substr_end-substr_begin;
                    311:        if(!substr_length)
1.107     parser    312:                return result;
1.53      paf       313: 
1.176     paf       314:        // first: their langs
                    315:        result.langs.append(result.body, langs, substr_begin, substr_length);
                    316:        // next: letters themselves
                    317:        result.body=body.mid(substr_begin, substr_length);
1.174     paf       318: 
                    319:        ASSERT_STRING_INVARIANT(result);
1.53      paf       320:        return result;
1.54      paf       321: }
                    322: 
1.211     misha     323: // from, to and helper_length in characters, not in bytes (it's important for utf-8)
                    324: String& String::mid(Charset& charset, size_t from, size_t to, size_t helper_length) const {
1.210     misha     325:        String& result=*new String;
                    326: 
1.211     misha     327:        size_t self_length=(helper_length)?helper_length:length(charset);
                    328: 
                    329:        if(!self_length)
                    330:                return result;
                    331: 
                    332:        from=min(min(to, from), self_length);
1.210     misha     333:        to=min(max(to, from), self_length);
1.211     misha     334: 
1.210     misha     335:        size_t substr_length=to-from;
1.211     misha     336: 
1.210     misha     337:        if(!substr_length)
                    338:                return result;
                    339: 
                    340:        if(charset.isUTF8()){
                    341:                const XMLByte* srcPtr=(const XMLByte*)cstrm();
1.211     misha     342:                const XMLByte* srcEnd=srcPtr+body.length();
1.210     misha     343: 
1.212     misha     344:                // convert 'from' and 'substr_length' from 'characters' to 'bytes'
1.210     misha     345:                from=getUTF8BytePos(srcPtr, srcEnd, from);
                    346:                substr_length=getUTF8BytePos(srcPtr+from, srcEnd, substr_length);
                    347:                if(!substr_length)
                    348:                        return result;
                    349:        }
                    350: 
                    351:        // first: their langs
                    352:        result.langs.append(result.body, langs, from, substr_length);
                    353:        // next: letters themselves
                    354:        result.body=body.mid(from, substr_length);
                    355: 
                    356:        ASSERT_STRING_INVARIANT(result);
                    357:        return result;
                    358: }
                    359: 
1.176     paf       360: size_t String::pos(const String::Body substr, size_t this_offset, Language lang) const {
1.183     paf       361:        size_t substr_length=substr.length();
                    362:        while(true) {
                    363:                size_t substr_begin=body.pos(substr, this_offset);
                    364:                
                    365:                if(substr_begin==CORD_NOT_FOUND)
                    366:                        return STRING_NOT_FOUND;
1.174     paf       367: 
1.183     paf       368:                if(langs.check_lang(lang, substr_begin, substr_length))
                    369:                        return substr_begin;
                    370: 
                    371:                this_offset=substr_begin+substr_length;
                    372:        }
1.58      paf       373: }
                    374: 
1.174     paf       375: size_t String::pos(const String& substr, 
                    376:                                size_t this_offset, Language lang) const {
                    377:        return pos(substr.body, this_offset, lang);
1.60      paf       378: }
                    379: 
1.210     misha     380: size_t String::pos(Charset& charset, const String& substr, 
                    381:                                size_t this_offset, Language lang) const {
                    382: 
1.212     misha     383:        size_t result;
1.210     misha     384:        if(charset.isUTF8()){
                    385:                const XMLByte* srcPtr=(const XMLByte*)cstrm();
1.212     misha     386:                const XMLByte* srcEnd=srcPtr+body.length();
                    387: 
                    388:                // convert 'this_offset' from 'characters' to 'bytes'
                    389:                this_offset=getUTF8BytePos(srcPtr, srcEnd, this_offset);
                    390: 
                    391:                result=pos(substr.body, this_offset, lang);
                    392:                if(result==CORD_NOT_FOUND)
                    393:                        return STRING_NOT_FOUND;
                    394: 
                    395:                // convert 'result' from 'bytes' to 'characters'
                    396:                result=getUTF8CharPos(srcPtr, srcEnd, result);
                    397:        } else {
                    398:                result=pos(substr.body, this_offset, lang);
                    399:                if(result==CORD_NOT_FOUND)
                    400:                        return STRING_NOT_FOUND;
1.210     misha     401:        }
                    402: 
                    403:        return result;
                    404: }
                    405: 
1.174     paf       406: void String::split(ArrayString& result, 
                    407:                   size_t& pos_after, 
                    408:                   const char* delim, 
                    409:                   Language lang, int limit) const {
                    410:        size_t self_length=length();
                    411:        if(size_t delim_length=strlen(delim)) {
1.186     paf       412:                size_t pos_before;
1.60      paf       413:                // while we have 'delim'...
1.174     paf       414:                for(; (pos_before=pos(delim, pos_after, lang))!=STRING_NOT_FOUND && limit; limit--) {
1.69      paf       415:                        result+=&mid(pos_after, pos_before);
1.174     paf       416:                        pos_after=pos_before+delim_length;
1.60      paf       417:                }
                    418:                // last piece
1.174     paf       419:                if(pos_after<self_length && limit) {
                    420:                        result+=&mid(pos_after, self_length);
                    421:                        pos_after=self_length;
1.60      paf       422:                }
                    423:        } else { // empty delim
                    424:                result+=this;
1.174     paf       425:                pos_after+=self_length;
1.60      paf       426:        }
                    427: }
                    428: 
1.174     paf       429: void String::split(ArrayString& result, 
                    430:                   size_t& pos_after, 
                    431:                   const String& delim, Language lang, 
                    432:                   int limit) const {
1.140     paf       433:        if(!delim.is_empty()) {
1.186     paf       434:                size_t pos_before;
1.60      paf       435:                // while we have 'delim'...
1.174     paf       436:                for(; (pos_before=pos(delim, pos_after, lang))!=STRING_NOT_FOUND && limit; limit--) {
1.69      paf       437:                        result+=&mid(pos_after, pos_before);
1.174     paf       438:                        pos_after=pos_before+delim.length();
1.60      paf       439:                }
                    440:                // last piece
1.174     paf       441:                if(pos_after<length() && limit) {
                    442:                        result+=&mid(pos_after, length());
                    443:                        pos_after=length();
1.60      paf       444:                }
                    445:        } else { // empty delim
                    446:                result+=this;
1.174     paf       447:                pos_after+=length();
1.60      paf       448:        }
1.61      paf       449: }
                    450: 
1.222     misha     451: Table* String::match(VRegex* vregex,
                    452:                        Row_action row_action, void *info,
                    453:                        int& matches_count) const { 
1.209     misha     454: 
1.222     misha     455:        // vregex->info(); // I have no idea what does it for?
1.63      paf       456: 
1.222     misha     457:        bool need_pre_post_match=vregex->is_pre_post_match_needed();
                    458:        bool global=vregex->is_global_search();
1.63      paf       459: 
1.174     paf       460:        const char* subject=cstr();
                    461:        size_t subject_length=strlen(subject);
1.222     misha     462:        const int ovector_size=(1/*match*/+MAX_MATCH_GROUPS)*3;
                    463:        int ovector[ovector_size];
1.155     paf       464: 
1.173     paf       465:        Table::Action_options table_options;
1.174     paf       466:        Table& table=*new Table(string_match_table_template, table_options);
1.63      paf       467: 
1.154     paf       468:        int prestart=0;
                    469:        int poststart=0;
1.174     paf       470:        int postfinish=length();
1.63      paf       471:        while(true) {
1.222     misha     472:                int exec_result=vregex->exec(subject, subject_length, ovector, ovector_size, prestart);
1.63      paf       473: 
1.222     misha     474:                if(exec_result<0) // only PCRE_ERROR_NOMATCH might be here, other negative results cause an exception
                    475:                        break;
1.63      paf       476: 
1.154     paf       477:                int prefinish=ovector[0];
                    478:                poststart=ovector[1];
1.174     paf       479:                ArrayString* row=new ArrayString;
                    480:                if(need_pre_post_match) {
                    481:                        *row+=&mid(0, prefinish); // .prematch column value
                    482:                        *row+=&mid(prefinish, poststart); // .match
                    483:                        *row+=&mid(poststart, postfinish); // .postmatch
                    484:                } else {
1.185     paf       485:                        *row+=&Empty; // .prematch column value
                    486:                        *row+=&Empty; // .match
                    487:                        *row+=&Empty; // .postmatch
1.174     paf       488:                }
1.63      paf       489:                
1.222     misha     490:                for(int i=1; i<exec_result; i++) {
1.69      paf       491:                        // -1:-1 case handled peacefully by mid() itself
1.174     paf       492:                        *row+=&mid(ovector[i*2+0], ovector[i*2+1]); // .i column value
1.63      paf       493:                }
                    494:                
1.209     misha     495:                matches_count++;
1.174     paf       496:                row_action(table, row, prestart, prefinish, poststart, postfinish, info);
1.63      paf       497: 
1.222     misha     498:                if(!global || prestart==poststart) // last step
                    499:                        break;
                    500: 
1.154     paf       501:                prestart=poststart;
1.222     misha     502:        }
1.63      paf       503: 
1.222     misha     504:        row_action(table, 0/*last time, no raw*/, 0, 0, poststart, postfinish, info);
                    505:        return vregex->is_just_count() ? 0 : &table;
1.82      parser    506: }
                    507: 
1.174     paf       508: String& String::change_case(Charset& source_charset, Change_case_kind kind) const {
                    509:        String& result=*new String();
                    510:        if(is_empty())
                    511:                return result;
                    512: 
                    513:        char* new_cstr=cstrm();
1.216     misha     514: 
1.181     paf       515:        if(source_charset.isUTF8()) {
1.216     misha     516:                size_t new_cstr_len=length();
1.181     paf       517:                switch(kind) {
                    518:                case CC_UPPER:
1.192     paf       519:                        change_case_UTF8((const XMLByte*)new_cstr, new_cstr_len, (XMLByte*)new_cstr, new_cstr_len, UTF8CaseToUpper);
1.181     paf       520:                        break;
                    521:                case CC_LOWER:
1.192     paf       522:                        change_case_UTF8((const XMLByte*)new_cstr, new_cstr_len, (XMLByte*)new_cstr, new_cstr_len, UTF8CaseToLower);
1.181     paf       523:                        break;
                    524:                default:
                    525:                        assert(!"unknown change case kind");
                    526:                        break; // never
                    527:                }       
                    528:                
                    529:        } else {
                    530:                const unsigned char *tables=source_charset.pcre_tables;
1.82      parser    531: 
1.181     paf       532:                const unsigned char *a;
                    533:                const unsigned char *b;
                    534:                switch(kind) {
                    535:                case CC_UPPER:
                    536:                        a=tables+lcc_offset;
                    537:                        b=tables+fcc_offset;
                    538:                        break;
                    539:                case CC_LOWER:
                    540:                        a=tables+lcc_offset;
                    541:                        b=0;
                    542:                        break;
                    543:                default:
                    544:                        assert(!"unknown change case kind");
                    545:                        a=b=0; // calm, compiler
                    546:                        break; // never
                    547:                }       
                    548: 
1.192     paf       549:                char *dest=new_cstr;
1.181     paf       550:                unsigned char index;
1.190     paf       551:                for(const char* current=new_cstr; (index=(unsigned char)*current); current++) {
1.181     paf       552:                        unsigned char c=a[index];
                    553:                        if(b)
                    554:                                c=b[c];
                    555: 
                    556:                        *dest++=(char)c;
                    557:                }
1.174     paf       558:        }
1.176     paf       559:        result.langs=langs;
1.174     paf       560:        result.body=new_cstr;
1.89      parser    561: 
1.101     parser    562:        return result;
                    563: }
                    564: 
1.213     misha     565: const String& String::escape(Charset& source_charset) const {
                    566:        if(is_empty())
                    567:                return *this;
                    568: 
                    569:        return Charset::escape(*this, source_charset);
                    570: }
                    571: 
1.174     paf       572: const String& String::replace(const Dictionary& dict) const {
                    573:        String& result=*new String();
                    574:        const char* old_cstr=cstr();
                    575:        const char* prematch_begin=old_cstr;
                    576: 
                    577:        const char* current=old_cstr;
                    578:        while(*current) {
1.184     paf       579:                if(Dictionary::Subst subst=dict.first_that_begins(current)) {
1.174     paf       580:                        // prematch
                    581:                        if(size_t prematch_length=current-prematch_begin) {
1.179     paf       582:                                result.langs.append(result.body, langs, prematch_begin-old_cstr, prematch_length);
1.174     paf       583:                                result.body.append_strdup_know_length(prematch_begin, prematch_length);
1.101     parser    584:                        }
                    585: 
1.174     paf       586:                        // match
                    587:                        // skip 'a' in 'current'; move prematch_begin
1.184     paf       588:                        current+=subst.from_length; prematch_begin=current;
1.174     paf       589: 
1.184     paf       590:                        if(const String* b=subst.to) // are there any b?
1.174     paf       591:                                result<<*b;
                    592:                } else // simply advance
                    593:                        current++; 
                    594:        }
1.156     paf       595: 
1.174     paf       596:        // postmatch
                    597:        if(size_t postmatch_length=current-prematch_begin) {
1.179     paf       598:                result.langs.append(result.body, langs, prematch_begin-old_cstr, postmatch_length);
1.174     paf       599:                result.body.append_strdup_know_length(prematch_begin, postmatch_length);
                    600:        }
1.156     paf       601: 
1.174     paf       602:        ASSERT_STRING_INVARIANT(result);
1.82      parser    603:        return result;
1.61      paf       604: }
1.113     parser    605: 
1.180     paf       606: static int serialize_body_char(char c, char** cur) {
                    607:        *((*cur)++)=c;
                    608:        return 0; // 0=continue
                    609: };
1.174     paf       610: static int serialize_body_piece(const char* s, char** cur) {
                    611:        size_t length=strlen(s);
                    612:        memcpy(*cur, s, length);  *cur+=length;
1.178     paf       613:        return 0; // 0=continue
1.174     paf       614: };
1.178     paf       615: static int serialize_lang_piece(char alang, size_t asize, char** cur) {
                    616:        // lang
1.191     paf       617:        **cur=alang; (*cur)++;
                    618:        // length [WARNING: not cast, addresses must be %4=0 on sparc]
1.178     paf       619:        memcpy(*cur, &asize, sizeof(asize));  *cur+=sizeof(asize);
                    620: 
                    621:        return 0; // 0=continue
                    622: }
1.174     paf       623: String::Cm String::serialize(size_t prolog_length) const {
1.178     paf       624:        size_t fragments_count=langs.count();
1.202     paf       625:        size_t body_length=body.length();
1.174     paf       626:        size_t buf_length=
1.178     paf       627:                prolog_length //1
                    628:                +sizeof(size_t) //2
1.202     paf       629:                +body_length //3
                    630:                +1 // 4 for zero terminator used in deserialize
                    631:                +sizeof(size_t) //5
                    632:                +fragments_count*(sizeof(char)+sizeof(size_t)); //6
                    633: 
1.174     paf       634:        String::Cm result(new(PointerFreeGC) char[buf_length], buf_length);
                    635: 
                    636:        // 1: prolog
                    637:        char *cur=result.str+prolog_length;
1.202     paf       638:        // 2: chars.count [WARNING: not cast, addresses must be %4=0 on sparc]
                    639:        memcpy(cur, &body_length, sizeof(body_length));  cur+=sizeof(body_length);
                    640:        // 3: letters
                    641:        body.for_each(serialize_body_char, serialize_body_piece, &cur);
                    642:        // 4: zero terminator
                    643:        *cur++=0;
                    644:        // 5: langs.count [WARNING: not cast, addresses must be %4=0 on sparc]
1.174     paf       645:        memcpy(cur, &fragments_count, sizeof(fragments_count));  cur+=sizeof(fragments_count);
1.202     paf       646:        // 6: lang info
1.178     paf       647:        langs.for_each(body, serialize_lang_piece, &cur);
1.113     parser    648: 
1.174     paf       649:        return result;
1.113     parser    650: }
1.202     paf       651: bool String::deserialize(size_t prolog_size, void *buf, size_t buf_size) {
                    652:        size_t in_buf=buf_size;
                    653:        if(in_buf<=prolog_size)
1.148     paf       654:                return false;
1.202     paf       655:        in_buf-=prolog_size;
1.135     paf       656: 
1.174     paf       657:        // 1: prolog
1.202     paf       658:        const char* cur=(const char* )buf+prolog_size;
1.113     parser    659: 
1.207     paf       660:        // 2: chars.count
1.202     paf       661:        size_t body_length;
                    662:        if(in_buf<sizeof(body_length)) // body.length don't fit?
                    663:                return false;
                    664:        // [WARNING: not cast, addresses must be %4=0 on sparc]
                    665:        memcpy(&body_length, cur, sizeof(body_length));  cur+=sizeof(body_length);
                    666:        in_buf-=sizeof(body_length);
                    667: 
                    668:        if(in_buf<body_length+1) // letters+terminator don't fit?
                    669:                return false;
                    670:        // 4: zero terminator
                    671:        if(cur[body_length] != 0) // in place?
                    672:                return false;
                    673:        // 3: letters
1.224     misha     674:        body=String::Body(cur);
1.202     paf       675:        cur+=body_length+1;
                    676:        in_buf-=body_length+1;
                    677: 
                    678:        // 5: langs.count
1.191     paf       679:        size_t fragments_count;
1.202     paf       680:        if(in_buf<sizeof(fragments_count)) // langs.count don't fit?
1.174     paf       681:                return false;
1.191     paf       682:        // [WARNING: not cast, addresses must be %4=0 on sparc]
                    683:        memcpy(&fragments_count, cur, sizeof(fragments_count));  cur+=sizeof(fragments_count);
1.202     paf       684:        in_buf-=sizeof(fragments_count);
1.174     paf       685:        
                    686:        if(fragments_count) {
1.202     paf       687:                // 6: lang info
1.174     paf       688:                size_t total_length=0;
                    689:                for(size_t f=0; f<fragments_count; f++) {
1.191     paf       690:                        char lang;
                    691:                        size_t fragment_length;
                    692:                        size_t piece_length=sizeof(lang)+sizeof(fragment_length);
1.202     paf       693:                        if(in_buf<piece_length) // lang+length
1.174     paf       694:                                return false;
                    695: 
1.191     paf       696:                        // lang
                    697:                        lang=*cur++;
                    698:                        // length [WARNING: not cast, addresses must be %4=0 on sparc]
                    699:                        memcpy(&fragment_length, cur, sizeof(fragment_length));  cur+=sizeof(fragment_length);
                    700: 
1.206     paf       701:                        size_t combined_length=total_length+fragment_length;
                    702:                        if(combined_length>body_length)
                    703:                                return false; // file curruption
1.191     paf       704:                        // uchar needed to prevent propagating 0x80 bit to upper bytes
                    705:                        langs.append(total_length, (String::Language)(uchar)lang, fragment_length);
1.206     paf       706:                        total_length=combined_length;
1.202     paf       707:                        in_buf-=piece_length;
1.174     paf       708:                }
1.128     paf       709: 
1.202     paf       710:                if(total_length!=body_length) // length(all language fragments) vs length(letters)
1.148     paf       711:                        return false;
1.174     paf       712:        }
1.202     paf       713:        if(in_buf!=0) // some strange extra bytes
                    714:                return false;
1.113     parser    715: 
1.174     paf       716:        ASSERT_STRING_INVARIANT(*this);
1.148     paf       717:        return true;
1.176     paf       718: }
                    719: 
                    720: const char* String::Body::v() const {
                    721:        return CORD_to_const_char_star(body);
                    722: }
1.201     paf       723: void String::Body::dump() const {
                    724:        CORD_dump(body);
                    725: }
                    726: 
1.176     paf       727: const char* String::Languages::v() const {
1.177     paf       728:        if(opt.is_not_just_lang)
1.176     paf       729:                return CORD_to_const_char_star(langs);
                    730:        else
                    731:                return (const char*)&langs;
                    732: }
1.201     paf       733: void String::Languages::dump() const {
                    734:        if(opt.is_not_just_lang)
                    735:                CORD_dump(langs);
                    736:        else
                    737:                puts((const char*)&langs);
                    738: }
1.176     paf       739: const char* String::v() const {
1.198     paf       740:        const uint LIMIT_VIEW=20;
1.176     paf       741:        char* buf=(char*)malloc(MAX_STRING);
                    742:        const char*body_view=body.v();
                    743:        const char*langs_view=langs.v();
                    744:        snprintf(buf, MAX_STRING, 
1.178     paf       745:                "%d:%.*s%s}   "
1.176     paf       746:                "{%d:%s",
1.178     paf       747:                langs.count(), LIMIT_VIEW, langs_view, strlen(langs_view)>LIMIT_VIEW?"...":"",
1.176     paf       748:                strlen(body_view), body_view
                    749:        );
                    750: 
                    751:        return buf;
1.113     parser    752: }
1.201     paf       753: void String::dump() const {
                    754:        body.dump();
                    755:        langs.dump();
                    756: }
1.195     paf       757: const String& String::trim(String::Trim_kind kind, const char* chars) const {
1.223     misha     758:        if(is_empty())
1.195     paf       759:                return *this;
                    760: 
                    761:        size_t substr_begin, substr_length;
                    762:        Body new_body=body.trim(kind, chars, &substr_begin, &substr_length);
                    763:        if(new_body==body) // we received unchanged pointer, do likewise
                    764:                return *this;
                    765:        // new_body differs from body, adjust langs along
                    766: 
                    767:        String& result=*new String;
                    768:        if(!new_body) // body.trim produced empty result
                    769:                return result;
                    770:        // body.trim produced nonempty result
                    771: 
                    772:        // first: their langs
                    773:        result.langs.append(result.body, langs, substr_begin, substr_length);
                    774:        // next: letters themselves
                    775:        result.body=new_body;
                    776: 
                    777:        ASSERT_STRING_INVARIANT(result);
                    778:        return result;
1.198     paf       779: }

E-mail: