Annotation of parser3/src/main/pa_string.C, revision 1.232

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: 
1.232   ! misha       8: static const char * const IDENT_STRING_C="$Date: 2009-07-08 10:07:45 $";
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, 
1.229     misha     169:                                                                size_t* out_start, size_t* out_length, Charset* source_charset) const {
1.195     paf       170:        size_t our_length=length();
                    171:        if(!our_length)
                    172:                return *this;
1.229     misha     173: 
                    174:        // check if any UTF-8 in chars
                    175:        bool fast=true;
                    176:        if(chars && source_charset && source_charset->isUTF8()){
                    177:                const char* pos=chars;
                    178:                while(unsigned char c=*pos++)
                    179:                        if(c>127){
                    180:                                fast=false;
                    181:                                break;
                    182:                        }
                    183:        }
                    184: 
                    185:        size_t start=0;
                    186:        size_t end=our_length;
1.195     paf       187:        if(!chars)
                    188:                chars=" \t\n"; // white space
                    189: 
1.229     misha     190:        if(fast){
                    191:                // from left...
                    192:                if(kind!=TRIM_END) {
                    193:                        CORD_pos pos; set_pos(pos, 0);
                    194:                        while(true) {
                    195:                                char c=CORD_pos_fetch(pos);
                    196:                                if(strchr(chars, c)) {
                    197:                                        if(++start==our_length)
                    198:                                                return 0; // all chars are empty, just return empty string
                    199:                                } else
                    200:                                        break;                  
                    201: 
                    202:                                CORD_next(pos);
                    203:                        }
                    204:                }
                    205: 
                    206:                // from right..
                    207:                if(kind!=TRIM_START) {
                    208:                        CORD_pos pos; set_pos(pos, end-1);
                    209:                        while(true) {
                    210:                                char c=CORD_pos_fetch(pos);
                    211:                                if(strchr(chars, c)) {
                    212:                                        if(--end==0) // optimization: NO need to check for 'end>=start', that's(<) impossible
                    213:                                                return 0; // all chars are empty, just return empty string
                    214:                                } else
                    215:                                        break;                  
                    216: 
                    217:                                CORD_prev(pos);
                    218:                        }
                    219:                }
                    220:        } else {
                    221:                const XMLByte* src_begin=(const XMLByte*)cstrm();
                    222:                const XMLByte* src_end=src_begin+our_length;
                    223: 
                    224:                // from left...
                    225:                if(kind!=TRIM_END) {
                    226:                        while(src_begin<src_end){
                    227:                                uint char_length=1;
                    228:                                const XMLByte* ptr=src_begin;
1.231     misha     229:                                // searching first UTF-8 byte: http://tools.ietf.org/html/rfc3629#section-3
                    230:                                while(++src_begin<=src_end && (*src_begin>127 && *src_begin<0xC0))
1.229     misha     231:                                        char_length++;
                    232: 
                    233:                                bool found=false;
                    234:                                for(const char* chars_byte=chars; chars_byte=strchr(chars_byte, *ptr); chars_byte++)
                    235:                                        if(strncmp(chars_byte, (const char*)ptr, char_length)==0){
                    236:                                                found=true;
                    237:                                                break;
                    238:                                        }
                    239: 
                    240:                                if(found){
                    241:                                        start+=char_length;
                    242:                                        if(start==our_length)
                    243:                                                return 0; // all chars are empty, just return empty string
                    244:                                } else
                    245:                                        break;
                    246:                        }
                    247:                }
1.196     paf       248: 
1.229     misha     249:                // from right..
                    250:                if(kind!=TRIM_START) {
                    251:                        while(src_begin<src_end){
                    252:                                uint char_length=1;
1.231     misha     253:                                // searching first UTF-8 byte: http://tools.ietf.org/html/rfc3629#section-3
                    254:                                while(src_begin<=--src_end && (*src_end>127 && *src_end<0xC0))
1.229     misha     255:                                        char_length++;
                    256: 
                    257:                                bool found=false;
                    258:                                for(const char* chars_byte=chars; chars_byte=strchr(chars_byte, *src_end); chars_byte++)
                    259:                                        if(strncmp(chars_byte, (const char*)src_end, char_length)==0){
                    260:                                                found=true;
                    261:                                                break;
                    262:                                        }
                    263: 
                    264:                                if(found){
                    265:                                        end-=char_length;
                    266:                                        if(end==0)
                    267:                                                return 0; // all chars are empty, just return empty string
                    268:                                } else
                    269:                                        break;
                    270:                        }
1.196     paf       271:                }
                    272:        }
1.195     paf       273: 
                    274:        if(start==0 && end==our_length) // nobody moved a thing
                    275:                return *this;
                    276: 
                    277:        if(out_start)
                    278:                *out_start=start;
                    279:        size_t new_length=end-start;
                    280:        if(out_length)
                    281:                *out_length=new_length;
                    282: 
                    283:        return mid(start, new_length);
                    284: }
                    285: 
1.174     paf       286: static int CORD_batched_iter_fn_generic_hash_code(char c, void * client_data) {
                    287:        uint& result=*static_cast<uint*>(client_data);
                    288:        generic_hash_code(result, c);
                    289:        return 0;
                    290: }
                    291: static int CORD_batched_iter_fn_generic_hash_code(const char*  s, void * client_data) {
                    292:        uint& result=*static_cast<uint*>(client_data);
                    293:        generic_hash_code(result, s);
                    294:        return 0;
                    295: };
1.225     misha     296: uint String::Body::get_hash_code() const {
                    297: #ifdef HASH_CODE_CACHING
                    298:        if(hash_code)
                    299:                return hash_code;
                    300: #else
                    301:        uint hash_code=0;
                    302: #endif
1.220     misha     303:        if (body && CORD_IS_STRING(body)){
1.225     misha     304:                generic_hash_code(hash_code, body);
1.220     misha     305:        } else {
                    306:                CORD_iter5(body, 0,
                    307:                        CORD_batched_iter_fn_generic_hash_code, 
1.225     misha     308:                        CORD_batched_iter_fn_generic_hash_code, &hash_code);
1.220     misha     309:        }
1.225     misha     310:        return hash_code;
1.94      parser    311: }
                    312: 
1.174     paf       313: // String methods
                    314: 
                    315: String& String::append_know_length(const char* str, size_t known_length, Language lang) {
                    316:        if(!known_length)
1.9       paf       317:                return *this;
1.122     paf       318: 
1.176     paf       319:        // first: langs
                    320:        langs.append(body, lang, known_length);
                    321:        // next: letters themselves
1.174     paf       322:        body.append_know_length(str, known_length);
1.1       paf       323: 
1.174     paf       324:        ASSERT_STRING_INVARIANT(*this);
1.1       paf       325:        return *this;
                    326: }
1.174     paf       327: String& String::append_help_length(const char* str, size_t helper_length, Language lang) {
                    328:        if(!str)
                    329:                return *this;
                    330:        size_t known_length=helper_length?helper_length:strlen(str);
                    331:        if(!known_length)
                    332:                return *this;
1.1       paf       333: 
1.174     paf       334:        return append_know_length(str, known_length, lang);
1.5       paf       335: }
1.226     misha     336: String::String(int value, char *format) : langs(L_CLEAN){
                    337:        char buf[MAX_NUMBER];
                    338:        body.append_strdup_know_length(buf, snprintf(buf, MAX_NUMBER, format, value));
                    339: }
1.174     paf       340: String& String::append_strdup(const char* str, size_t helper_length, Language lang) {
                    341:        size_t known_length=helper_length?helper_length:strlen(str);
                    342:        if(!known_length)
                    343:                return *this;
1.5       paf       344: 
1.176     paf       345:        // first: langs
                    346:        langs.append(body, lang, known_length);
                    347:        // next: letters themselves
1.174     paf       348:        body.append_strdup_know_length(str, known_length);
1.33      paf       349: 
1.174     paf       350:        ASSERT_STRING_INVARIANT(*this);
                    351:        return *this;
1.5       paf       352: }
1.46      paf       353: 
1.221     misha     354: int CORD_batched_len(const char* s, size_t* len){
                    355:        (*len) += lengthUTF8( (const XMLByte *)s, (const XMLByte *)s+strlen(s));
                    356:        return 0;
                    357: }
                    358: 
                    359: // can be called only for IS_FUNCTION(CORD) which are used only in Lang
                    360: int CORD_batched_len(const char, size_t *len){
                    361:        (*len)++;
1.220     misha     362:        return 0;
                    363: }
                    364: 
1.210     misha     365: size_t String::length(Charset& charset) const {
                    366:        if(charset.isUTF8()){
1.220     misha     367:                size_t len=0;
1.224     misha     368:                body.for_each<size_t *>(CORD_batched_len, CORD_batched_len, &len);
1.220     misha     369:                return len;
1.210     misha     370:        } else
                    371:                return body.length();
                    372: }
                    373: 
1.174     paf       374: /// @todo check in doc: whether it documents NOW bad situation "abc".mid(-1, 3) =were?="ab"
                    375: String& String::mid(size_t substr_begin, size_t substr_end) const {
                    376:        String& result=*new String;
                    377: 
                    378:        size_t self_length=length();
                    379:        substr_begin=min(substr_begin, self_length);
                    380:        substr_end=min(max(substr_end, substr_begin), self_length);
1.176     paf       381:        size_t substr_length=substr_end-substr_begin;
                    382:        if(!substr_length)
1.107     parser    383:                return result;
1.53      paf       384: 
1.176     paf       385:        // first: their langs
                    386:        result.langs.append(result.body, langs, substr_begin, substr_length);
                    387:        // next: letters themselves
                    388:        result.body=body.mid(substr_begin, substr_length);
1.174     paf       389: 
                    390:        ASSERT_STRING_INVARIANT(result);
1.53      paf       391:        return result;
1.54      paf       392: }
                    393: 
1.211     misha     394: // from, to and helper_length in characters, not in bytes (it's important for utf-8)
                    395: String& String::mid(Charset& charset, size_t from, size_t to, size_t helper_length) const {
1.210     misha     396:        String& result=*new String;
                    397: 
1.211     misha     398:        size_t self_length=(helper_length)?helper_length:length(charset);
                    399: 
                    400:        if(!self_length)
                    401:                return result;
                    402: 
                    403:        from=min(min(to, from), self_length);
1.210     misha     404:        to=min(max(to, from), self_length);
1.211     misha     405: 
1.210     misha     406:        size_t substr_length=to-from;
1.211     misha     407: 
1.210     misha     408:        if(!substr_length)
                    409:                return result;
                    410: 
                    411:        if(charset.isUTF8()){
1.230     misha     412:                const XMLByte* src_begin=(const XMLByte*)cstrm();
                    413:                const XMLByte* src_end=src_begin+body.length();
1.210     misha     414: 
1.212     misha     415:                // convert 'from' and 'substr_length' from 'characters' to 'bytes'
1.230     misha     416:                from=getUTF8BytePos(src_begin, src_end, from);
                    417:                substr_length=getUTF8BytePos(src_begin+from, src_end, substr_length);
1.210     misha     418:                if(!substr_length)
                    419:                        return result;
                    420:        }
                    421: 
                    422:        // first: their langs
                    423:        result.langs.append(result.body, langs, from, substr_length);
                    424:        // next: letters themselves
                    425:        result.body=body.mid(from, substr_length);
                    426: 
                    427:        ASSERT_STRING_INVARIANT(result);
                    428:        return result;
                    429: }
                    430: 
1.176     paf       431: size_t String::pos(const String::Body substr, size_t this_offset, Language lang) const {
1.183     paf       432:        size_t substr_length=substr.length();
                    433:        while(true) {
                    434:                size_t substr_begin=body.pos(substr, this_offset);
                    435:                
                    436:                if(substr_begin==CORD_NOT_FOUND)
                    437:                        return STRING_NOT_FOUND;
1.174     paf       438: 
1.183     paf       439:                if(langs.check_lang(lang, substr_begin, substr_length))
                    440:                        return substr_begin;
                    441: 
                    442:                this_offset=substr_begin+substr_length;
                    443:        }
1.58      paf       444: }
                    445: 
1.174     paf       446: size_t String::pos(const String& substr, 
                    447:                                size_t this_offset, Language lang) const {
                    448:        return pos(substr.body, this_offset, lang);
1.60      paf       449: }
                    450: 
1.210     misha     451: size_t String::pos(Charset& charset, const String& substr, 
                    452:                                size_t this_offset, Language lang) const {
                    453: 
                    454:        if(charset.isUTF8()){
                    455:                const XMLByte* srcPtr=(const XMLByte*)cstrm();
1.212     misha     456:                const XMLByte* srcEnd=srcPtr+body.length();
                    457: 
                    458:                // convert 'this_offset' from 'characters' to 'bytes'
                    459:                this_offset=getUTF8BytePos(srcPtr, srcEnd, this_offset);
                    460: 
1.229     misha     461:                size_t result=pos(substr.body, this_offset, lang);
                    462:                return (result==CORD_NOT_FOUND)
                    463:                        ? STRING_NOT_FOUND
                    464:                        : getUTF8CharPos(srcPtr, srcEnd, result); // convert 'result' from 'bytes' to 'characters'
1.212     misha     465:        } else {
1.229     misha     466:                size_t result=pos(substr.body, this_offset, lang);
                    467:                return (result==CORD_NOT_FOUND)
                    468:                        ? STRING_NOT_FOUND
                    469:                        : result;
1.210     misha     470:        }
                    471: }
                    472: 
1.174     paf       473: void String::split(ArrayString& result, 
                    474:                   size_t& pos_after, 
                    475:                   const char* delim, 
                    476:                   Language lang, int limit) const {
                    477:        size_t self_length=length();
                    478:        if(size_t delim_length=strlen(delim)) {
1.186     paf       479:                size_t pos_before;
1.60      paf       480:                // while we have 'delim'...
1.174     paf       481:                for(; (pos_before=pos(delim, pos_after, lang))!=STRING_NOT_FOUND && limit; limit--) {
1.69      paf       482:                        result+=&mid(pos_after, pos_before);
1.174     paf       483:                        pos_after=pos_before+delim_length;
1.60      paf       484:                }
                    485:                // last piece
1.174     paf       486:                if(pos_after<self_length && limit) {
                    487:                        result+=&mid(pos_after, self_length);
                    488:                        pos_after=self_length;
1.60      paf       489:                }
                    490:        } else { // empty delim
                    491:                result+=this;
1.174     paf       492:                pos_after+=self_length;
1.60      paf       493:        }
                    494: }
                    495: 
1.174     paf       496: void String::split(ArrayString& result, 
                    497:                   size_t& pos_after, 
                    498:                   const String& delim, Language lang, 
                    499:                   int limit) const {
1.140     paf       500:        if(!delim.is_empty()) {
1.186     paf       501:                size_t pos_before;
1.60      paf       502:                // while we have 'delim'...
1.174     paf       503:                for(; (pos_before=pos(delim, pos_after, lang))!=STRING_NOT_FOUND && limit; limit--) {
1.69      paf       504:                        result+=&mid(pos_after, pos_before);
1.174     paf       505:                        pos_after=pos_before+delim.length();
1.60      paf       506:                }
                    507:                // last piece
1.174     paf       508:                if(pos_after<length() && limit) {
                    509:                        result+=&mid(pos_after, length());
                    510:                        pos_after=length();
1.60      paf       511:                }
                    512:        } else { // empty delim
                    513:                result+=this;
1.174     paf       514:                pos_after+=length();
1.60      paf       515:        }
1.61      paf       516: }
                    517: 
1.222     misha     518: Table* String::match(VRegex* vregex,
                    519:                        Row_action row_action, void *info,
                    520:                        int& matches_count) const { 
1.209     misha     521: 
1.222     misha     522:        // vregex->info(); // I have no idea what does it for?
1.63      paf       523: 
1.222     misha     524:        bool need_pre_post_match=vregex->is_pre_post_match_needed();
                    525:        bool global=vregex->is_global_search();
1.63      paf       526: 
1.174     paf       527:        const char* subject=cstr();
                    528:        size_t subject_length=strlen(subject);
1.222     misha     529:        const int ovector_size=(1/*match*/+MAX_MATCH_GROUPS)*3;
                    530:        int ovector[ovector_size];
1.155     paf       531: 
1.173     paf       532:        Table::Action_options table_options;
1.174     paf       533:        Table& table=*new Table(string_match_table_template, table_options);
1.63      paf       534: 
1.154     paf       535:        int prestart=0;
                    536:        int poststart=0;
1.174     paf       537:        int postfinish=length();
1.63      paf       538:        while(true) {
1.222     misha     539:                int exec_result=vregex->exec(subject, subject_length, ovector, ovector_size, prestart);
1.63      paf       540: 
1.222     misha     541:                if(exec_result<0) // only PCRE_ERROR_NOMATCH might be here, other negative results cause an exception
                    542:                        break;
1.63      paf       543: 
1.154     paf       544:                int prefinish=ovector[0];
                    545:                poststart=ovector[1];
1.232   ! misha     546:                ArrayString* row=new ArrayString(3);
1.174     paf       547:                if(need_pre_post_match) {
                    548:                        *row+=&mid(0, prefinish); // .prematch column value
                    549:                        *row+=&mid(prefinish, poststart); // .match
                    550:                        *row+=&mid(poststart, postfinish); // .postmatch
                    551:                } else {
1.185     paf       552:                        *row+=&Empty; // .prematch column value
                    553:                        *row+=&Empty; // .match
                    554:                        *row+=&Empty; // .postmatch
1.174     paf       555:                }
1.63      paf       556:                
1.222     misha     557:                for(int i=1; i<exec_result; i++) {
1.69      paf       558:                        // -1:-1 case handled peacefully by mid() itself
1.232   ! misha     559:                        *row+=(ovector[i*2+0]>=0 && ovector[i*2+1]>0)?&mid(ovector[i*2+0], ovector[i*2+1]):new String; // .i column value
1.63      paf       560:                }
                    561:                
1.209     misha     562:                matches_count++;
1.174     paf       563:                row_action(table, row, prestart, prefinish, poststart, postfinish, info);
1.63      paf       564: 
1.222     misha     565:                if(!global || prestart==poststart) // last step
                    566:                        break;
                    567: 
1.154     paf       568:                prestart=poststart;
1.222     misha     569:        }
1.63      paf       570: 
1.222     misha     571:        row_action(table, 0/*last time, no raw*/, 0, 0, poststart, postfinish, info);
                    572:        return vregex->is_just_count() ? 0 : &table;
1.82      parser    573: }
                    574: 
1.174     paf       575: String& String::change_case(Charset& source_charset, Change_case_kind kind) const {
                    576:        String& result=*new String();
                    577:        if(is_empty())
                    578:                return result;
                    579: 
                    580:        char* new_cstr=cstrm();
1.216     misha     581: 
1.181     paf       582:        if(source_charset.isUTF8()) {
1.216     misha     583:                size_t new_cstr_len=length();
1.181     paf       584:                switch(kind) {
                    585:                case CC_UPPER:
1.192     paf       586:                        change_case_UTF8((const XMLByte*)new_cstr, new_cstr_len, (XMLByte*)new_cstr, new_cstr_len, UTF8CaseToUpper);
1.181     paf       587:                        break;
                    588:                case CC_LOWER:
1.192     paf       589:                        change_case_UTF8((const XMLByte*)new_cstr, new_cstr_len, (XMLByte*)new_cstr, new_cstr_len, UTF8CaseToLower);
1.181     paf       590:                        break;
                    591:                default:
                    592:                        assert(!"unknown change case kind");
                    593:                        break; // never
                    594:                }       
                    595:                
                    596:        } else {
                    597:                const unsigned char *tables=source_charset.pcre_tables;
1.82      parser    598: 
1.181     paf       599:                const unsigned char *a;
                    600:                const unsigned char *b;
                    601:                switch(kind) {
                    602:                case CC_UPPER:
                    603:                        a=tables+lcc_offset;
                    604:                        b=tables+fcc_offset;
                    605:                        break;
                    606:                case CC_LOWER:
                    607:                        a=tables+lcc_offset;
                    608:                        b=0;
                    609:                        break;
                    610:                default:
                    611:                        assert(!"unknown change case kind");
                    612:                        a=b=0; // calm, compiler
                    613:                        break; // never
                    614:                }       
                    615: 
1.192     paf       616:                char *dest=new_cstr;
1.181     paf       617:                unsigned char index;
1.190     paf       618:                for(const char* current=new_cstr; (index=(unsigned char)*current); current++) {
1.181     paf       619:                        unsigned char c=a[index];
                    620:                        if(b)
                    621:                                c=b[c];
                    622: 
                    623:                        *dest++=(char)c;
                    624:                }
1.174     paf       625:        }
1.176     paf       626:        result.langs=langs;
1.174     paf       627:        result.body=new_cstr;
1.89      parser    628: 
1.101     parser    629:        return result;
                    630: }
                    631: 
1.213     misha     632: const String& String::escape(Charset& source_charset) const {
                    633:        if(is_empty())
                    634:                return *this;
                    635: 
                    636:        return Charset::escape(*this, source_charset);
                    637: }
                    638: 
1.174     paf       639: const String& String::replace(const Dictionary& dict) const {
                    640:        String& result=*new String();
                    641:        const char* old_cstr=cstr();
                    642:        const char* prematch_begin=old_cstr;
                    643: 
                    644:        const char* current=old_cstr;
                    645:        while(*current) {
1.184     paf       646:                if(Dictionary::Subst subst=dict.first_that_begins(current)) {
1.174     paf       647:                        // prematch
                    648:                        if(size_t prematch_length=current-prematch_begin) {
1.179     paf       649:                                result.langs.append(result.body, langs, prematch_begin-old_cstr, prematch_length);
1.174     paf       650:                                result.body.append_strdup_know_length(prematch_begin, prematch_length);
1.101     parser    651:                        }
                    652: 
1.174     paf       653:                        // match
                    654:                        // skip 'a' in 'current'; move prematch_begin
1.184     paf       655:                        current+=subst.from_length; prematch_begin=current;
1.174     paf       656: 
1.184     paf       657:                        if(const String* b=subst.to) // are there any b?
1.174     paf       658:                                result<<*b;
                    659:                } else // simply advance
                    660:                        current++; 
                    661:        }
1.156     paf       662: 
1.174     paf       663:        // postmatch
                    664:        if(size_t postmatch_length=current-prematch_begin) {
1.179     paf       665:                result.langs.append(result.body, langs, prematch_begin-old_cstr, postmatch_length);
1.174     paf       666:                result.body.append_strdup_know_length(prematch_begin, postmatch_length);
                    667:        }
1.156     paf       668: 
1.174     paf       669:        ASSERT_STRING_INVARIANT(result);
1.82      parser    670:        return result;
1.61      paf       671: }
1.113     parser    672: 
1.180     paf       673: static int serialize_body_char(char c, char** cur) {
                    674:        *((*cur)++)=c;
                    675:        return 0; // 0=continue
                    676: };
1.174     paf       677: static int serialize_body_piece(const char* s, char** cur) {
                    678:        size_t length=strlen(s);
                    679:        memcpy(*cur, s, length);  *cur+=length;
1.178     paf       680:        return 0; // 0=continue
1.174     paf       681: };
1.178     paf       682: static int serialize_lang_piece(char alang, size_t asize, char** cur) {
                    683:        // lang
1.191     paf       684:        **cur=alang; (*cur)++;
                    685:        // length [WARNING: not cast, addresses must be %4=0 on sparc]
1.178     paf       686:        memcpy(*cur, &asize, sizeof(asize));  *cur+=sizeof(asize);
                    687: 
                    688:        return 0; // 0=continue
                    689: }
1.174     paf       690: String::Cm String::serialize(size_t prolog_length) const {
1.178     paf       691:        size_t fragments_count=langs.count();
1.202     paf       692:        size_t body_length=body.length();
1.174     paf       693:        size_t buf_length=
1.178     paf       694:                prolog_length //1
                    695:                +sizeof(size_t) //2
1.202     paf       696:                +body_length //3
                    697:                +1 // 4 for zero terminator used in deserialize
                    698:                +sizeof(size_t) //5
                    699:                +fragments_count*(sizeof(char)+sizeof(size_t)); //6
                    700: 
1.174     paf       701:        String::Cm result(new(PointerFreeGC) char[buf_length], buf_length);
                    702: 
                    703:        // 1: prolog
                    704:        char *cur=result.str+prolog_length;
1.202     paf       705:        // 2: chars.count [WARNING: not cast, addresses must be %4=0 on sparc]
                    706:        memcpy(cur, &body_length, sizeof(body_length));  cur+=sizeof(body_length);
                    707:        // 3: letters
                    708:        body.for_each(serialize_body_char, serialize_body_piece, &cur);
                    709:        // 4: zero terminator
                    710:        *cur++=0;
                    711:        // 5: langs.count [WARNING: not cast, addresses must be %4=0 on sparc]
1.174     paf       712:        memcpy(cur, &fragments_count, sizeof(fragments_count));  cur+=sizeof(fragments_count);
1.202     paf       713:        // 6: lang info
1.178     paf       714:        langs.for_each(body, serialize_lang_piece, &cur);
1.113     parser    715: 
1.174     paf       716:        return result;
1.113     parser    717: }
1.202     paf       718: bool String::deserialize(size_t prolog_size, void *buf, size_t buf_size) {
                    719:        size_t in_buf=buf_size;
                    720:        if(in_buf<=prolog_size)
1.148     paf       721:                return false;
1.202     paf       722:        in_buf-=prolog_size;
1.135     paf       723: 
1.174     paf       724:        // 1: prolog
1.202     paf       725:        const char* cur=(const char* )buf+prolog_size;
1.113     parser    726: 
1.207     paf       727:        // 2: chars.count
1.202     paf       728:        size_t body_length;
                    729:        if(in_buf<sizeof(body_length)) // body.length don't fit?
                    730:                return false;
                    731:        // [WARNING: not cast, addresses must be %4=0 on sparc]
                    732:        memcpy(&body_length, cur, sizeof(body_length));  cur+=sizeof(body_length);
                    733:        in_buf-=sizeof(body_length);
                    734: 
                    735:        if(in_buf<body_length+1) // letters+terminator don't fit?
                    736:                return false;
                    737:        // 4: zero terminator
                    738:        if(cur[body_length] != 0) // in place?
                    739:                return false;
                    740:        // 3: letters
1.227     misha     741:        body=String::Body(*cur?cur:0);
1.229     misha     742: #ifdef STRING_LENGTH_CACHING
                    743:        body.set_length(body_length);
                    744: #endif
1.202     paf       745:        cur+=body_length+1;
                    746:        in_buf-=body_length+1;
                    747: 
                    748:        // 5: langs.count
1.191     paf       749:        size_t fragments_count;
1.202     paf       750:        if(in_buf<sizeof(fragments_count)) // langs.count don't fit?
1.174     paf       751:                return false;
1.191     paf       752:        // [WARNING: not cast, addresses must be %4=0 on sparc]
                    753:        memcpy(&fragments_count, cur, sizeof(fragments_count));  cur+=sizeof(fragments_count);
1.202     paf       754:        in_buf-=sizeof(fragments_count);
1.174     paf       755:        
                    756:        if(fragments_count) {
1.202     paf       757:                // 6: lang info
1.174     paf       758:                size_t total_length=0;
                    759:                for(size_t f=0; f<fragments_count; f++) {
1.191     paf       760:                        char lang;
                    761:                        size_t fragment_length;
                    762:                        size_t piece_length=sizeof(lang)+sizeof(fragment_length);
1.202     paf       763:                        if(in_buf<piece_length) // lang+length
1.174     paf       764:                                return false;
                    765: 
1.191     paf       766:                        // lang
                    767:                        lang=*cur++;
                    768:                        // length [WARNING: not cast, addresses must be %4=0 on sparc]
                    769:                        memcpy(&fragment_length, cur, sizeof(fragment_length));  cur+=sizeof(fragment_length);
                    770: 
1.206     paf       771:                        size_t combined_length=total_length+fragment_length;
                    772:                        if(combined_length>body_length)
                    773:                                return false; // file curruption
1.191     paf       774:                        // uchar needed to prevent propagating 0x80 bit to upper bytes
                    775:                        langs.append(total_length, (String::Language)(uchar)lang, fragment_length);
1.206     paf       776:                        total_length=combined_length;
1.202     paf       777:                        in_buf-=piece_length;
1.174     paf       778:                }
1.128     paf       779: 
1.202     paf       780:                if(total_length!=body_length) // length(all language fragments) vs length(letters)
1.148     paf       781:                        return false;
1.174     paf       782:        }
1.202     paf       783:        if(in_buf!=0) // some strange extra bytes
                    784:                return false;
1.113     parser    785: 
1.174     paf       786:        ASSERT_STRING_INVARIANT(*this);
1.148     paf       787:        return true;
1.176     paf       788: }
                    789: 
                    790: const char* String::Body::v() const {
                    791:        return CORD_to_const_char_star(body);
                    792: }
1.201     paf       793: void String::Body::dump() const {
                    794:        CORD_dump(body);
                    795: }
                    796: 
1.176     paf       797: const char* String::Languages::v() const {
1.177     paf       798:        if(opt.is_not_just_lang)
1.176     paf       799:                return CORD_to_const_char_star(langs);
                    800:        else
                    801:                return (const char*)&langs;
                    802: }
1.201     paf       803: void String::Languages::dump() const {
                    804:        if(opt.is_not_just_lang)
                    805:                CORD_dump(langs);
                    806:        else
                    807:                puts((const char*)&langs);
                    808: }
1.176     paf       809: const char* String::v() const {
1.198     paf       810:        const uint LIMIT_VIEW=20;
1.176     paf       811:        char* buf=(char*)malloc(MAX_STRING);
                    812:        const char*body_view=body.v();
                    813:        const char*langs_view=langs.v();
                    814:        snprintf(buf, MAX_STRING, 
1.178     paf       815:                "%d:%.*s%s}   "
1.176     paf       816:                "{%d:%s",
1.178     paf       817:                langs.count(), LIMIT_VIEW, langs_view, strlen(langs_view)>LIMIT_VIEW?"...":"",
1.176     paf       818:                strlen(body_view), body_view
                    819:        );
                    820: 
                    821:        return buf;
1.113     parser    822: }
1.229     misha     823: 
1.201     paf       824: void String::dump() const {
                    825:        body.dump();
                    826:        langs.dump();
                    827: }
1.229     misha     828: 
                    829: const String& String::trim(String::Trim_kind kind, const char* chars, Charset* source_charset) const {
1.223     misha     830:        if(is_empty())
1.195     paf       831:                return *this;
                    832: 
                    833:        size_t substr_begin, substr_length;
1.229     misha     834:        Body new_body=body.trim(kind, chars, &substr_begin, &substr_length, source_charset);
1.195     paf       835:        if(new_body==body) // we received unchanged pointer, do likewise
                    836:                return *this;
                    837:        // new_body differs from body, adjust langs along
                    838: 
                    839:        String& result=*new String;
                    840:        if(!new_body) // body.trim produced empty result
                    841:                return result;
                    842:        // body.trim produced nonempty result
                    843: 
                    844:        // first: their langs
                    845:        result.langs.append(result.body, langs, substr_begin, substr_length);
                    846:        // next: letters themselves
                    847:        result.body=new_body;
                    848: 
                    849:        ASSERT_STRING_INVARIANT(result);
                    850:        return result;
1.198     paf       851: }

E-mail: