Annotation of parser3/src/main/pa_string.C, revision 1.245

1.45      paf         1: /** @file
1.174     paf         2:        Parser: string class. @see untalength_t.C.
1.46      paf         3: 
1.240     moko        4:        Copyright (c) 2001-2012 Art. Lebedev Studio (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: 
1.12      paf         8: #include "pa_string.h"
1.22      paf         9: #include "pa_exception.h"
1.61      paf        10: #include "pa_table.h"
1.101     parser     11: #include "pa_dictionary.h"
1.132     paf        12: #include "pa_charset.h"
1.222     misha      13: #include "pa_vregex.h"
1.215     misha      14: 
1.245   ! moko       15: volatile const char * IDENT_PA_STRING_C="$Id: pa_string.C,v 1.244 2013/07/16 15:21:06 moko Exp $" IDENT_PA_STRING_H;
1.240     moko       16: 
1.185     paf        17: const String String::Empty;
                     18: 
1.242     moko       19: 
                     20: // pa_atoui is based on Manuel Novoa III _strto_l for uClibc
                     21: 
                     22: unsigned int pa_atoui(const char *str, int base, const String* problem_source){
                     23:        unsigned int result = 0;
                     24:        const char *pos = str;
                     25: 
                     26:        while (isspace(*pos)) /* skip leading whitespace */
                     27:                ++pos;
                     28: 
                     29:        if (base == 16 && *pos == '0') { /* handle option prefix */
                     30:                ++pos;
                     31:                if (*pos == 'x' || *pos == 'X') {
                     32:                        ++pos;
                     33:                }
                     34:        }
                     35: 
                     36:        if (base == 0) { /* dynamic base */
                     37:                base = 10; /* default is 10 */
                     38:                if (*pos == '0') {
                     39:                        ++pos;
1.245   ! moko       40:                        if (*pos == 'x' || *pos == 'X'){
1.242     moko       41:                                ++pos;
                     42:                                base=16;
1.245   ! moko       43:                        }
1.242     moko       44:                }
                     45:        }
                     46: 
                     47:        if (base < 2 || base > 16) { /* illegal base */
                     48:                throw Exception(PARSER_RUNTIME, 0, "base to must be an integer from 2 to 16");
                     49:        }
                     50: 
                     51:        unsigned int cutoff = UINT_MAX / base;
                     52:        int cutoff_digit = UINT_MAX - cutoff * base;
                     53: 
                     54:        while(true) {
                     55:                int digit;
                     56:                
                     57:                if ((*pos >= '0') && (*pos <= '9')) {
                     58:                        digit = (*pos - '0');
                     59:                } else if (*pos >= 'a') {
                     60:                        digit = (*pos - 'a' + 10);
                     61:                } else if (*pos >= 'A') {
                     62:                        digit = (*pos - 'A' + 10);
                     63:                } else break;
                     64: 
                     65:                if (digit >= base) {
                     66:                        break;
                     67:                }
                     68:                
                     69:                ++pos;
                     70:                
                     71:                /* adjust number, with overflow check */
                     72:                if ((result > cutoff) || ((result == cutoff) && (digit > cutoff_digit))) {
                     73:                        throw Exception("number.format", problem_source, problem_source ? "out of range (int)" : "'%s' is out of range (int)", str);
                     74:                } else {
                     75:                        result  = result * base + digit;
                     76:                }
                     77:        }
                     78: 
                     79:        while(char c=*pos++)
                     80:                if(!isspace(c))
                     81:                        throw Exception("number.format", problem_source, problem_source ? "invalid number (int)" : "'%s' is invalid number (int)", str);
                     82: 
                     83:        return result;
                     84: }
                     85: 
1.193     paf        86: int pa_atoi(const char* str, const String* problem_source) {
                     87:        if(!str)
                     88:                return 0;
                     89: 
1.242     moko       90:        while(isspace(*str))
1.193     paf        91:                str++;
1.242     moko       92: 
1.193     paf        93:        if(!*str)
                     94:                return 0;
                     95: 
1.200     paf        96:        bool negative=false;
                     97:        if(str[0]=='-') {
                     98:                negative=true;
                     99:                str++;
                    100:        } else if(str[0]=='+') {
                    101:                str++;
                    102:        }
1.193     paf       103: 
1.242     moko      104:        unsigned int result=pa_atoui(str, 0, problem_source);
1.193     paf       105: 
1.242     moko      106:        if(negative && result <= ((unsigned int)(-(1+INT_MIN)))+1)
1.243     moko      107:                return -(int)result;
1.242     moko      108:        
                    109:        if(result<=INT_MAX)
1.243     moko      110:                return (int)result;
1.242     moko      111:        
                    112:        throw Exception("number.format", problem_source, problem_source ? "out of range (int)" : "'%s' is out of range (int)", str);
1.193     paf       113: }
                    114: 
                    115: double pa_atod(const char* str, const String* problem_source) {
                    116:        if(!str)
                    117:                return 0;
                    118: 
1.242     moko      119:        while(isspace(*str))
1.193     paf       120:                str++;
1.242     moko      121: 
1.193     paf       122:        if(!*str)
                    123:                return 0;
                    124: 
1.200     paf       125:        bool negative=false;
                    126:        if(str[0]=='-') {
                    127:                negative=true;
                    128:                str++;
                    129:        } else if(str[0]=='+') {
                    130:                str++;
                    131:        }
1.242     moko      132: 
                    133:        double result;
1.193     paf       134:        if(str[0]=='0')
1.242     moko      135:                if(str[1]=='x' || str[1]=='X'){
                    136:                        // 0xABC
                    137:                        result=(double)pa_atoui(str, 0, problem_source);
                    138:                        return negative ? -result : result;
                    139:                } else {
1.200     paf       140:                         // skip leading 0000, to disable octal interpretation
1.242     moko      141:                        do str++; while(*str=='0');
1.200     paf       142:                }
1.242     moko      143: 
                    144:        char *error_pos;
                    145:        result=strtod(str, &error_pos);
1.193     paf       146: 
                    147:        while(char c=*error_pos++)
1.199     paf       148:                if(!isspace((unsigned char)c))
1.242     moko      149:                        throw Exception("number.format", problem_source, problem_source ? "invalid number (double)" : "'%s' is invalid number (double)", str);
1.193     paf       150: 
1.242     moko      151:        return negative ? -result : result;
1.193     paf       152: }
                    153: 
1.176     paf       154: // cord lib extension
                    155: 
                    156: #ifndef DOXYGEN
                    157: typedef struct {
                    158:     ssize_t countdown;
1.204     paf       159:     int target;        /* Character we're looking for  */
1.176     paf       160: } chr_data;
                    161: #endif
                    162: static int CORD_range_contains_chr_greater_then_proc(char c, size_t size, void* client_data)
                    163: {
                    164:     register chr_data * d = (chr_data *)client_data;
                    165:     
                    166:     if (d -> countdown<=0) return(2);
                    167:     d -> countdown -= size;
                    168:     if (c > d -> target) return(1);
                    169:     return(0);
                    170: }
                    171: int CORD_range_contains_chr_greater_then(CORD x, size_t i, size_t n, int c)
                    172: {
                    173:     chr_data d;
                    174: 
                    175:     d.countdown = n;
                    176:     d.target = c;
                    177:     return(CORD_block_iter(x, i, CORD_range_contains_chr_greater_then_proc, &d) == 1/*alternatives: 0 normally ended, 2=struck 'n'*/);
                    178: }
                    179: 
1.187     paf       180: static int CORD_block_count_proc(char /*c*/, size_t /*size*/, void* client_data)
1.178     paf       181: {
                    182:     int* result=(int*)client_data;
                    183:     (*result)++;
                    184:     return(0); // 0=continue
                    185: }
                    186: size_t CORD_block_count(CORD x)
                    187: {
                    188:        size_t result=0;
                    189:        CORD_block_iter(x, 0, CORD_block_count_proc, &result);
                    190:     return result;
                    191: }
                    192: 
1.174     paf       193: // helpers
1.139     paf       194: 
1.174     paf       195: /// String::match uses this as replace & global search table columns
1.139     paf       196: 
1.174     paf       197: const int MAX_MATCH_GROUPS=100;
1.139     paf       198: 
1.174     paf       199: class String_match_table_template_columns: public ArrayString {
                    200: public:
                    201:        String_match_table_template_columns() {
                    202:                *this+=new String("prematch");
                    203:                *this+=new String("match");
                    204:                *this+=new String("postmatch");
                    205:                for(int i=0; i<MAX_MATCH_GROUPS; i++) {
1.176     paf       206:                        *this+=new String(String::Body::Format(1+i), String::L_CLEAN);
1.174     paf       207:                }
                    208:        }
                    209: };
                    210: 
                    211: Table string_match_table_template(new String_match_table_template_columns);
                    212: 
1.176     paf       213: // String::Body methods
1.140     paf       214: 
1.176     paf       215: String::Body String::Body::Format(int value) {
1.174     paf       216:        char local[MAX_NUMBER];
                    217:        size_t length=snprintf(local, MAX_NUMBER, "%d", value);
1.224     misha     218:        return String::Body(pa_strdup(local, length));
1.120     paf       219: }
                    220: 
1.195     paf       221: String::Body String::Body::trim(String::Trim_kind kind, const char* chars, 
1.229     misha     222:                                                                size_t* out_start, size_t* out_length, Charset* source_charset) const {
1.195     paf       223:        size_t our_length=length();
                    224:        if(!our_length)
                    225:                return *this;
1.229     misha     226: 
                    227:        // check if any UTF-8 in chars
                    228:        bool fast=true;
                    229:        if(chars && source_charset && source_charset->isUTF8()){
                    230:                const char* pos=chars;
                    231:                while(unsigned char c=*pos++)
                    232:                        if(c>127){
                    233:                                fast=false;
                    234:                                break;
                    235:                        }
                    236:        }
                    237: 
                    238:        size_t start=0;
                    239:        size_t end=our_length;
1.195     paf       240:        if(!chars)
                    241:                chars=" \t\n"; // white space
                    242: 
1.229     misha     243:        if(fast){
                    244:                // from left...
                    245:                if(kind!=TRIM_END) {
                    246:                        CORD_pos pos; set_pos(pos, 0);
                    247:                        while(true) {
                    248:                                char c=CORD_pos_fetch(pos);
                    249:                                if(strchr(chars, c)) {
                    250:                                        if(++start==our_length)
                    251:                                                return 0; // all chars are empty, just return empty string
                    252:                                } else
                    253:                                        break;                  
                    254: 
                    255:                                CORD_next(pos);
                    256:                        }
                    257:                }
                    258: 
                    259:                // from right..
                    260:                if(kind!=TRIM_START) {
                    261:                        CORD_pos pos; set_pos(pos, end-1);
                    262:                        while(true) {
                    263:                                char c=CORD_pos_fetch(pos);
                    264:                                if(strchr(chars, c)) {
                    265:                                        if(--end==0) // optimization: NO need to check for 'end>=start', that's(<) impossible
                    266:                                                return 0; // all chars are empty, just return empty string
                    267:                                } else
                    268:                                        break;                  
                    269: 
                    270:                                CORD_prev(pos);
                    271:                        }
                    272:                }
                    273:        } else {
1.234     misha     274:                const XMLByte* src_begin=(const XMLByte*)cstr();
1.229     misha     275:                const XMLByte* src_end=src_begin+our_length;
                    276: 
                    277:                // from left...
                    278:                if(kind!=TRIM_END) {
                    279:                        while(src_begin<src_end){
                    280:                                uint char_length=1;
                    281:                                const XMLByte* ptr=src_begin;
1.231     misha     282:                                // searching first UTF-8 byte: http://tools.ietf.org/html/rfc3629#section-3
                    283:                                while(++src_begin<=src_end && (*src_begin>127 && *src_begin<0xC0))
1.229     misha     284:                                        char_length++;
                    285: 
                    286:                                bool found=false;
                    287:                                for(const char* chars_byte=chars; chars_byte=strchr(chars_byte, *ptr); chars_byte++)
                    288:                                        if(strncmp(chars_byte, (const char*)ptr, char_length)==0){
                    289:                                                found=true;
                    290:                                                break;
                    291:                                        }
                    292: 
                    293:                                if(found){
                    294:                                        start+=char_length;
                    295:                                        if(start==our_length)
                    296:                                                return 0; // all chars are empty, just return empty string
                    297:                                } else
                    298:                                        break;
                    299:                        }
                    300:                }
1.196     paf       301: 
1.229     misha     302:                // from right..
                    303:                if(kind!=TRIM_START) {
                    304:                        while(src_begin<src_end){
                    305:                                uint char_length=1;
1.231     misha     306:                                // searching first UTF-8 byte: http://tools.ietf.org/html/rfc3629#section-3
                    307:                                while(src_begin<=--src_end && (*src_end>127 && *src_end<0xC0))
1.229     misha     308:                                        char_length++;
                    309: 
                    310:                                bool found=false;
                    311:                                for(const char* chars_byte=chars; chars_byte=strchr(chars_byte, *src_end); chars_byte++)
                    312:                                        if(strncmp(chars_byte, (const char*)src_end, char_length)==0){
                    313:                                                found=true;
                    314:                                                break;
                    315:                                        }
                    316: 
                    317:                                if(found){
                    318:                                        end-=char_length;
                    319:                                        if(end==0)
                    320:                                                return 0; // all chars are empty, just return empty string
                    321:                                } else
                    322:                                        break;
                    323:                        }
1.196     paf       324:                }
                    325:        }
1.195     paf       326: 
                    327:        if(start==0 && end==our_length) // nobody moved a thing
                    328:                return *this;
                    329: 
                    330:        if(out_start)
                    331:                *out_start=start;
                    332:        size_t new_length=end-start;
                    333:        if(out_length)
                    334:                *out_length=new_length;
                    335: 
                    336:        return mid(start, new_length);
                    337: }
                    338: 
1.174     paf       339: static int CORD_batched_iter_fn_generic_hash_code(char c, void * client_data) {
                    340:        uint& result=*static_cast<uint*>(client_data);
                    341:        generic_hash_code(result, c);
                    342:        return 0;
                    343: }
                    344: static int CORD_batched_iter_fn_generic_hash_code(const char*  s, void * client_data) {
                    345:        uint& result=*static_cast<uint*>(client_data);
                    346:        generic_hash_code(result, s);
                    347:        return 0;
                    348: };
1.225     misha     349: uint String::Body::get_hash_code() const {
                    350: #ifdef HASH_CODE_CACHING
                    351:        if(hash_code)
                    352:                return hash_code;
                    353: #else
                    354:        uint hash_code=0;
                    355: #endif
1.220     misha     356:        if (body && CORD_IS_STRING(body)){
1.225     misha     357:                generic_hash_code(hash_code, body);
1.220     misha     358:        } else {
                    359:                CORD_iter5(body, 0,
                    360:                        CORD_batched_iter_fn_generic_hash_code, 
1.225     misha     361:                        CORD_batched_iter_fn_generic_hash_code, &hash_code);
1.220     misha     362:        }
1.225     misha     363:        return hash_code;
1.94      parser    364: }
                    365: 
1.241     misha     366: struct CORD_pos_info {
                    367:        const char* chars;
                    368:        size_t left;
                    369:        size_t pos;
                    370: };
                    371: 
                    372: // can be called only for IS_FUNCTION(CORD) which is used in String::Body::strrpbrk
                    373: static int CORD_iter_fn_rpos(char c, CORD_pos_info* info) {
                    374:        if(info->pos < info->left){
                    375:                info->pos=STRING_NOT_FOUND;
                    376:                return 1;
                    377:        }
                    378:        if(strchr(info->chars, c))
                    379:                return 1;
                    380:        --(info->pos);
                    381:        return 0;
                    382: }
                    383: 
                    384: size_t String::Body::strrpbrk(const char* chars, size_t left, size_t right) const {
                    385:        if(is_empty() || !chars || !strlen(chars))
                    386:                return STRING_NOT_FOUND;
                    387:        CORD_pos_info info={chars, left, right};
                    388:        if(CORD_riter4(body, right, (CORD_iter_fn)CORD_iter_fn_rpos, &info))
                    389:                return info.pos;
                    390:        else
                    391:                return STRING_NOT_FOUND;
                    392: }
                    393: 
                    394: 
                    395: // can be called only for IS_FUNCTION(CORD) which is used in String::Body::rskipchars
                    396: static int CORD_iter_fn_rskip(char c, CORD_pos_info* info) {
                    397:        if(info->pos < info->left) {
                    398:                info->pos=STRING_NOT_FOUND;
                    399:                return 1;
                    400:        }
                    401:        if(!strchr(info->chars, c))
                    402:                return 1;
                    403:        --(info->pos);
                    404:        return 0;
                    405: }
                    406: 
                    407: size_t String::Body::rskipchars(const char* chars, size_t left, size_t right) const {
                    408:        if(is_empty() || !chars || !strlen(chars))
                    409:                return STRING_NOT_FOUND;
                    410:        CORD_pos_info info={chars, left, right};
                    411:        if(CORD_riter4(body, right, (CORD_iter_fn)CORD_iter_fn_rskip, &info))
                    412:                return info.pos;
                    413:        else
                    414:                return STRING_NOT_FOUND;
                    415: }
                    416: 
1.174     paf       417: // String methods
                    418: 
                    419: String& String::append_know_length(const char* str, size_t known_length, Language lang) {
                    420:        if(!known_length)
1.9       paf       421:                return *this;
1.122     paf       422: 
1.176     paf       423:        // first: langs
                    424:        langs.append(body, lang, known_length);
                    425:        // next: letters themselves
1.174     paf       426:        body.append_know_length(str, known_length);
1.1       paf       427: 
1.174     paf       428:        ASSERT_STRING_INVARIANT(*this);
1.1       paf       429:        return *this;
                    430: }
1.174     paf       431: String& String::append_help_length(const char* str, size_t helper_length, Language lang) {
                    432:        if(!str)
                    433:                return *this;
                    434:        size_t known_length=helper_length?helper_length:strlen(str);
                    435:        if(!known_length)
                    436:                return *this;
1.1       paf       437: 
1.174     paf       438:        return append_know_length(str, known_length, lang);
1.5       paf       439: }
1.244     moko      440: String::String(int value, const char *format) : langs(L_CLEAN){
1.226     misha     441:        char buf[MAX_NUMBER];
                    442:        body.append_strdup_know_length(buf, snprintf(buf, MAX_NUMBER, format, value));
                    443: }
1.174     paf       444: String& String::append_strdup(const char* str, size_t helper_length, Language lang) {
                    445:        size_t known_length=helper_length?helper_length:strlen(str);
                    446:        if(!known_length)
                    447:                return *this;
1.5       paf       448: 
1.176     paf       449:        // first: langs
                    450:        langs.append(body, lang, known_length);
                    451:        // next: letters themselves
1.174     paf       452:        body.append_strdup_know_length(str, known_length);
1.33      paf       453: 
1.174     paf       454:        ASSERT_STRING_INVARIANT(*this);
                    455:        return *this;
1.5       paf       456: }
1.46      paf       457: 
1.234     misha     458: struct CORD_length_info {
                    459:        size_t len;
                    460:        size_t skip;
                    461: };
                    462: 
                    463: int CORD_batched_len(const char* s, CORD_length_info* info){
                    464:        info->len += lengthUTF8( (const XMLByte *)s, (const XMLByte *)s+strlen(s));     return 0;
1.221     misha     465: }
                    466: 
1.234     misha     467: // can be called only for IS_FUNCTION(CORD) which are used in large String::Body::mid
                    468: int CORD_batched_len(const char c, CORD_length_info* info){
                    469:        if (info->skip==0){
                    470:                info->len++;
                    471:                info->skip = lengthUTF8Char(c)-1;
                    472:        } else {
                    473:                info->skip--;
                    474:        }
1.220     misha     475:        return 0;
                    476: }
                    477: 
1.210     misha     478: size_t String::length(Charset& charset) const {
                    479:        if(charset.isUTF8()){
1.234     misha     480:                CORD_length_info info = {0, 0};
                    481:                body.for_each<CORD_length_info *>(CORD_batched_len, CORD_batched_len, &info);
                    482:                return info.len;
1.210     misha     483:        } else
                    484:                return body.length();
                    485: }
                    486: 
1.174     paf       487: /// @todo check in doc: whether it documents NOW bad situation "abc".mid(-1, 3) =were?="ab"
                    488: String& String::mid(size_t substr_begin, size_t substr_end) const {
                    489:        String& result=*new String;
                    490: 
                    491:        size_t self_length=length();
                    492:        substr_begin=min(substr_begin, self_length);
                    493:        substr_end=min(max(substr_end, substr_begin), self_length);
1.176     paf       494:        size_t substr_length=substr_end-substr_begin;
                    495:        if(!substr_length)
1.107     parser    496:                return result;
1.53      paf       497: 
1.176     paf       498:        // first: their langs
                    499:        result.langs.append(result.body, langs, substr_begin, substr_length);
                    500:        // next: letters themselves
                    501:        result.body=body.mid(substr_begin, substr_length);
1.174     paf       502: 
                    503:        ASSERT_STRING_INVARIANT(result);
1.53      paf       504:        return result;
1.54      paf       505: }
                    506: 
1.211     misha     507: // from, to and helper_length in characters, not in bytes (it's important for utf-8)
                    508: String& String::mid(Charset& charset, size_t from, size_t to, size_t helper_length) const {
1.210     misha     509:        String& result=*new String;
                    510: 
1.211     misha     511:        size_t self_length=(helper_length)?helper_length:length(charset);
                    512: 
                    513:        if(!self_length)
                    514:                return result;
                    515: 
                    516:        from=min(min(to, from), self_length);
1.210     misha     517:        to=min(max(to, from), self_length);
1.211     misha     518: 
1.210     misha     519:        size_t substr_length=to-from;
1.211     misha     520: 
1.210     misha     521:        if(!substr_length)
                    522:                return result;
                    523: 
                    524:        if(charset.isUTF8()){
1.234     misha     525:                const XMLByte* src_begin=(const XMLByte*)cstr();
1.230     misha     526:                const XMLByte* src_end=src_begin+body.length();
1.210     misha     527: 
1.212     misha     528:                // convert 'from' and 'substr_length' from 'characters' to 'bytes'
1.230     misha     529:                from=getUTF8BytePos(src_begin, src_end, from);
                    530:                substr_length=getUTF8BytePos(src_begin+from, src_end, substr_length);
1.210     misha     531:                if(!substr_length)
                    532:                        return result;
                    533:        }
                    534: 
                    535:        // first: their langs
                    536:        result.langs.append(result.body, langs, from, substr_length);
                    537:        // next: letters themselves
                    538:        result.body=body.mid(from, substr_length);
                    539: 
                    540:        ASSERT_STRING_INVARIANT(result);
                    541:        return result;
                    542: }
                    543: 
1.176     paf       544: size_t String::pos(const String::Body substr, size_t this_offset, Language lang) const {
1.183     paf       545:        size_t substr_length=substr.length();
                    546:        while(true) {
                    547:                size_t substr_begin=body.pos(substr, this_offset);
                    548:                
                    549:                if(substr_begin==CORD_NOT_FOUND)
                    550:                        return STRING_NOT_FOUND;
1.174     paf       551: 
1.183     paf       552:                if(langs.check_lang(lang, substr_begin, substr_length))
                    553:                        return substr_begin;
                    554: 
                    555:                this_offset=substr_begin+substr_length;
                    556:        }
1.58      paf       557: }
                    558: 
1.174     paf       559: size_t String::pos(const String& substr, 
                    560:                                size_t this_offset, Language lang) const {
                    561:        return pos(substr.body, this_offset, lang);
1.60      paf       562: }
                    563: 
1.210     misha     564: size_t String::pos(Charset& charset, const String& substr, 
                    565:                                size_t this_offset, Language lang) const {
                    566: 
                    567:        if(charset.isUTF8()){
1.234     misha     568:                const XMLByte* srcPtr=(const XMLByte*)cstr();
1.212     misha     569:                const XMLByte* srcEnd=srcPtr+body.length();
                    570: 
                    571:                // convert 'this_offset' from 'characters' to 'bytes'
                    572:                this_offset=getUTF8BytePos(srcPtr, srcEnd, this_offset);
                    573: 
1.229     misha     574:                size_t result=pos(substr.body, this_offset, lang);
                    575:                return (result==CORD_NOT_FOUND)
                    576:                        ? STRING_NOT_FOUND
                    577:                        : getUTF8CharPos(srcPtr, srcEnd, result); // convert 'result' from 'bytes' to 'characters'
1.212     misha     578:        } else {
1.229     misha     579:                size_t result=pos(substr.body, this_offset, lang);
                    580:                return (result==CORD_NOT_FOUND)
                    581:                        ? STRING_NOT_FOUND
                    582:                        : result;
1.210     misha     583:        }
                    584: }
                    585: 
1.174     paf       586: void String::split(ArrayString& result, 
                    587:                   size_t& pos_after, 
                    588:                   const char* delim, 
                    589:                   Language lang, int limit) const {
1.237     misha     590:        if(is_empty())
                    591:                return;
1.174     paf       592:        size_t self_length=length();
1.237     misha     593:        if(size_t delim_length=strlen(delim)) {
1.186     paf       594:                size_t pos_before;
1.60      paf       595:                // while we have 'delim'...
1.174     paf       596:                for(; (pos_before=pos(delim, pos_after, lang))!=STRING_NOT_FOUND && limit; limit--) {
1.69      paf       597:                        result+=&mid(pos_after, pos_before);
1.174     paf       598:                        pos_after=pos_before+delim_length;
1.60      paf       599:                }
                    600:                // last piece
1.174     paf       601:                if(pos_after<self_length && limit) {
                    602:                        result+=&mid(pos_after, self_length);
                    603:                        pos_after=self_length;
1.60      paf       604:                }
                    605:        } else { // empty delim
                    606:                result+=this;
1.174     paf       607:                pos_after+=self_length;
1.60      paf       608:        }
                    609: }
                    610: 
1.174     paf       611: void String::split(ArrayString& result, 
                    612:                   size_t& pos_after, 
                    613:                   const String& delim, Language lang, 
                    614:                   int limit) const {
1.237     misha     615:        if(is_empty())
                    616:                return;
                    617:        if(!delim.is_empty()) {
1.186     paf       618:                size_t pos_before;
1.60      paf       619:                // while we have 'delim'...
1.174     paf       620:                for(; (pos_before=pos(delim, pos_after, lang))!=STRING_NOT_FOUND && limit; limit--) {
1.69      paf       621:                        result+=&mid(pos_after, pos_before);
1.174     paf       622:                        pos_after=pos_before+delim.length();
1.60      paf       623:                }
                    624:                // last piece
1.174     paf       625:                if(pos_after<length() && limit) {
                    626:                        result+=&mid(pos_after, length());
                    627:                        pos_after=length();
1.60      paf       628:                }
                    629:        } else { // empty delim
                    630:                result+=this;
1.174     paf       631:                pos_after+=length();
1.60      paf       632:        }
1.61      paf       633: }
                    634: 
1.222     misha     635: Table* String::match(VRegex* vregex,
                    636:                        Row_action row_action, void *info,
                    637:                        int& matches_count) const { 
1.209     misha     638: 
1.222     misha     639:        // vregex->info(); // I have no idea what does it for?
1.63      paf       640: 
1.222     misha     641:        bool need_pre_post_match=vregex->is_pre_post_match_needed();
                    642:        bool global=vregex->is_global_search();
1.63      paf       643: 
1.174     paf       644:        const char* subject=cstr();
1.234     misha     645:        size_t subject_length=length();
1.222     misha     646:        const int ovector_size=(1/*match*/+MAX_MATCH_GROUPS)*3;
                    647:        int ovector[ovector_size];
1.155     paf       648: 
1.173     paf       649:        Table::Action_options table_options;
1.174     paf       650:        Table& table=*new Table(string_match_table_template, table_options);
1.63      paf       651: 
1.154     paf       652:        int prestart=0;
                    653:        int poststart=0;
1.174     paf       654:        int postfinish=length();
1.63      paf       655:        while(true) {
1.222     misha     656:                int exec_result=vregex->exec(subject, subject_length, ovector, ovector_size, prestart);
1.63      paf       657: 
1.222     misha     658:                if(exec_result<0) // only PCRE_ERROR_NOMATCH might be here, other negative results cause an exception
                    659:                        break;
1.63      paf       660: 
1.154     paf       661:                int prefinish=ovector[0];
                    662:                poststart=ovector[1];
1.236     moko      663: 
                    664:                if (prestart==poststart && subject[poststart]=='\n'){
                    665:                        prestart++;
                    666:                        continue;
                    667:                }
                    668: 
1.232     misha     669:                ArrayString* row=new ArrayString(3);
1.174     paf       670:                if(need_pre_post_match) {
                    671:                        *row+=&mid(0, prefinish); // .prematch column value
                    672:                        *row+=&mid(prefinish, poststart); // .match
                    673:                        *row+=&mid(poststart, postfinish); // .postmatch
                    674:                } else {
1.185     paf       675:                        *row+=&Empty; // .prematch column value
                    676:                        *row+=&Empty; // .match
                    677:                        *row+=&Empty; // .postmatch
1.174     paf       678:                }
1.63      paf       679:                
1.222     misha     680:                for(int i=1; i<exec_result; i++) {
1.69      paf       681:                        // -1:-1 case handled peacefully by mid() itself
1.232     misha     682:                        *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       683:                }
                    684:                
1.209     misha     685:                matches_count++;
1.174     paf       686:                row_action(table, row, prestart, prefinish, poststart, postfinish, info);
1.63      paf       687: 
1.222     misha     688:                if(!global || prestart==poststart) // last step
                    689:                        break;
                    690: 
1.154     paf       691:                prestart=poststart;
1.222     misha     692:        }
1.63      paf       693: 
1.222     misha     694:        row_action(table, 0/*last time, no raw*/, 0, 0, poststart, postfinish, info);
                    695:        return vregex->is_just_count() ? 0 : &table;
1.82      parser    696: }
                    697: 
1.174     paf       698: String& String::change_case(Charset& source_charset, Change_case_kind kind) const {
                    699:        String& result=*new String();
                    700:        if(is_empty())
                    701:                return result;
                    702: 
                    703:        char* new_cstr=cstrm();
1.216     misha     704: 
1.181     paf       705:        if(source_charset.isUTF8()) {
1.216     misha     706:                size_t new_cstr_len=length();
1.181     paf       707:                switch(kind) {
                    708:                case CC_UPPER:
1.192     paf       709:                        change_case_UTF8((const XMLByte*)new_cstr, new_cstr_len, (XMLByte*)new_cstr, new_cstr_len, UTF8CaseToUpper);
1.181     paf       710:                        break;
                    711:                case CC_LOWER:
1.192     paf       712:                        change_case_UTF8((const XMLByte*)new_cstr, new_cstr_len, (XMLByte*)new_cstr, new_cstr_len, UTF8CaseToLower);
1.181     paf       713:                        break;
                    714:                default:
                    715:                        assert(!"unknown change case kind");
                    716:                        break; // never
                    717:                }       
                    718:                
                    719:        } else {
                    720:                const unsigned char *tables=source_charset.pcre_tables;
1.82      parser    721: 
1.181     paf       722:                const unsigned char *a;
                    723:                const unsigned char *b;
                    724:                switch(kind) {
                    725:                case CC_UPPER:
                    726:                        a=tables+lcc_offset;
                    727:                        b=tables+fcc_offset;
                    728:                        break;
                    729:                case CC_LOWER:
                    730:                        a=tables+lcc_offset;
                    731:                        b=0;
                    732:                        break;
                    733:                default:
                    734:                        assert(!"unknown change case kind");
                    735:                        a=b=0; // calm, compiler
                    736:                        break; // never
                    737:                }       
                    738: 
1.192     paf       739:                char *dest=new_cstr;
1.181     paf       740:                unsigned char index;
1.190     paf       741:                for(const char* current=new_cstr; (index=(unsigned char)*current); current++) {
1.181     paf       742:                        unsigned char c=a[index];
                    743:                        if(b)
                    744:                                c=b[c];
                    745: 
                    746:                        *dest++=(char)c;
                    747:                }
1.174     paf       748:        }
1.176     paf       749:        result.langs=langs;
1.174     paf       750:        result.body=new_cstr;
1.89      parser    751: 
1.101     parser    752:        return result;
                    753: }
                    754: 
1.213     misha     755: const String& String::escape(Charset& source_charset) const {
                    756:        if(is_empty())
                    757:                return *this;
                    758: 
                    759:        return Charset::escape(*this, source_charset);
                    760: }
                    761: 
1.238     misha     762: #define STRING_APPEND(result, from_cstr, langs, langs_offset, length) \
                    763:                        result.langs.append(result.body, langs, langs_offset, length); \
                    764:                        result.body.append_strdup_know_length(from_cstr, length);
                    765: 
1.174     paf       766: const String& String::replace(const Dictionary& dict) const {
1.238     misha     767:        if(!dict.count() || is_empty())
                    768:                return *this;
                    769: 
1.174     paf       770:        String& result=*new String();
                    771:        const char* old_cstr=cstr();
                    772:        const char* prematch_begin=old_cstr;
                    773: 
1.238     misha     774:        if(dict.count()==1) {
                    775:                // optimized simple case
                    776: 
                    777:                Dictionary::Subst subst=dict.get(0);
1.239     moko      778:                while(const char* p=strstr(prematch_begin, subst.from)) {
1.174     paf       779:                        // prematch
1.238     misha     780:                        if(size_t prematch_length=p-prematch_begin) {
                    781:                                STRING_APPEND(result, prematch_begin, langs, prematch_begin-old_cstr, prematch_length)
1.101     parser    782:                        }
                    783: 
1.174     paf       784:                        // match
1.238     misha     785:                        prematch_begin=p+subst.from_length;
1.174     paf       786: 
1.184     paf       787:                        if(const String* b=subst.to) // are there any b?
1.174     paf       788:                                result<<*b;
1.238     misha     789:                }
                    790: 
                    791:        } else {
                    792: 
                    793:                const char* current=old_cstr;
                    794:                while(*current) {
                    795:                        if(Dictionary::Subst subst=dict.first_that_begins(current)) {
                    796:                                // prematch
                    797:                                if(size_t prematch_length=current-prematch_begin) {
                    798:                                        STRING_APPEND(result, prematch_begin, langs, prematch_begin-old_cstr, prematch_length)
                    799:                                }
                    800: 
                    801:                                // match
                    802:                                // skip 'a' in 'current'; move prematch_begin
                    803:                                current+=subst.from_length; prematch_begin=current;
                    804: 
                    805:                                if(const String* b=subst.to) // are there any b?
                    806:                                        result<<*b;
                    807:                        } else // simply advance
                    808:                                current++; 
                    809:                }
                    810: 
1.174     paf       811:        }
1.156     paf       812: 
1.238     misha     813:        if(prematch_begin==old_cstr) // not modified
                    814:                return *this;
                    815: 
1.174     paf       816:        // postmatch
1.238     misha     817:        if(size_t postmatch_length=old_cstr+length()-prematch_begin) {
                    818:                STRING_APPEND(result, prematch_begin, langs, prematch_begin-old_cstr, postmatch_length)
1.174     paf       819:        }
1.156     paf       820: 
1.174     paf       821:        ASSERT_STRING_INVARIANT(result);
1.82      parser    822:        return result;
1.61      paf       823: }
1.113     parser    824: 
1.180     paf       825: static int serialize_body_char(char c, char** cur) {
                    826:        *((*cur)++)=c;
                    827:        return 0; // 0=continue
                    828: };
1.174     paf       829: static int serialize_body_piece(const char* s, char** cur) {
                    830:        size_t length=strlen(s);
                    831:        memcpy(*cur, s, length);  *cur+=length;
1.178     paf       832:        return 0; // 0=continue
1.174     paf       833: };
1.178     paf       834: static int serialize_lang_piece(char alang, size_t asize, char** cur) {
                    835:        // lang
1.191     paf       836:        **cur=alang; (*cur)++;
                    837:        // length [WARNING: not cast, addresses must be %4=0 on sparc]
1.178     paf       838:        memcpy(*cur, &asize, sizeof(asize));  *cur+=sizeof(asize);
                    839: 
                    840:        return 0; // 0=continue
                    841: }
1.174     paf       842: String::Cm String::serialize(size_t prolog_length) const {
1.178     paf       843:        size_t fragments_count=langs.count();
1.202     paf       844:        size_t body_length=body.length();
1.174     paf       845:        size_t buf_length=
1.178     paf       846:                prolog_length //1
                    847:                +sizeof(size_t) //2
1.202     paf       848:                +body_length //3
                    849:                +1 // 4 for zero terminator used in deserialize
                    850:                +sizeof(size_t) //5
                    851:                +fragments_count*(sizeof(char)+sizeof(size_t)); //6
                    852: 
1.174     paf       853:        String::Cm result(new(PointerFreeGC) char[buf_length], buf_length);
                    854: 
                    855:        // 1: prolog
                    856:        char *cur=result.str+prolog_length;
1.202     paf       857:        // 2: chars.count [WARNING: not cast, addresses must be %4=0 on sparc]
                    858:        memcpy(cur, &body_length, sizeof(body_length));  cur+=sizeof(body_length);
                    859:        // 3: letters
                    860:        body.for_each(serialize_body_char, serialize_body_piece, &cur);
                    861:        // 4: zero terminator
                    862:        *cur++=0;
                    863:        // 5: langs.count [WARNING: not cast, addresses must be %4=0 on sparc]
1.174     paf       864:        memcpy(cur, &fragments_count, sizeof(fragments_count));  cur+=sizeof(fragments_count);
1.202     paf       865:        // 6: lang info
1.178     paf       866:        langs.for_each(body, serialize_lang_piece, &cur);
1.113     parser    867: 
1.174     paf       868:        return result;
1.113     parser    869: }
1.202     paf       870: bool String::deserialize(size_t prolog_size, void *buf, size_t buf_size) {
                    871:        size_t in_buf=buf_size;
                    872:        if(in_buf<=prolog_size)
1.148     paf       873:                return false;
1.202     paf       874:        in_buf-=prolog_size;
1.135     paf       875: 
1.174     paf       876:        // 1: prolog
1.202     paf       877:        const char* cur=(const char* )buf+prolog_size;
1.113     parser    878: 
1.207     paf       879:        // 2: chars.count
1.202     paf       880:        size_t body_length;
                    881:        if(in_buf<sizeof(body_length)) // body.length don't fit?
                    882:                return false;
                    883:        // [WARNING: not cast, addresses must be %4=0 on sparc]
                    884:        memcpy(&body_length, cur, sizeof(body_length));  cur+=sizeof(body_length);
                    885:        in_buf-=sizeof(body_length);
                    886: 
                    887:        if(in_buf<body_length+1) // letters+terminator don't fit?
                    888:                return false;
                    889:        // 4: zero terminator
                    890:        if(cur[body_length] != 0) // in place?
                    891:                return false;
                    892:        // 3: letters
1.227     misha     893:        body=String::Body(*cur?cur:0);
1.229     misha     894: #ifdef STRING_LENGTH_CACHING
                    895:        body.set_length(body_length);
                    896: #endif
1.202     paf       897:        cur+=body_length+1;
                    898:        in_buf-=body_length+1;
                    899: 
                    900:        // 5: langs.count
1.191     paf       901:        size_t fragments_count;
1.202     paf       902:        if(in_buf<sizeof(fragments_count)) // langs.count don't fit?
1.174     paf       903:                return false;
1.191     paf       904:        // [WARNING: not cast, addresses must be %4=0 on sparc]
                    905:        memcpy(&fragments_count, cur, sizeof(fragments_count));  cur+=sizeof(fragments_count);
1.202     paf       906:        in_buf-=sizeof(fragments_count);
1.174     paf       907:        
                    908:        if(fragments_count) {
1.202     paf       909:                // 6: lang info
1.174     paf       910:                size_t total_length=0;
                    911:                for(size_t f=0; f<fragments_count; f++) {
1.191     paf       912:                        char lang;
                    913:                        size_t fragment_length;
                    914:                        size_t piece_length=sizeof(lang)+sizeof(fragment_length);
1.202     paf       915:                        if(in_buf<piece_length) // lang+length
1.174     paf       916:                                return false;
                    917: 
1.191     paf       918:                        // lang
                    919:                        lang=*cur++;
                    920:                        // length [WARNING: not cast, addresses must be %4=0 on sparc]
                    921:                        memcpy(&fragment_length, cur, sizeof(fragment_length));  cur+=sizeof(fragment_length);
                    922: 
1.206     paf       923:                        size_t combined_length=total_length+fragment_length;
                    924:                        if(combined_length>body_length)
                    925:                                return false; // file curruption
1.191     paf       926:                        // uchar needed to prevent propagating 0x80 bit to upper bytes
                    927:                        langs.append(total_length, (String::Language)(uchar)lang, fragment_length);
1.206     paf       928:                        total_length=combined_length;
1.202     paf       929:                        in_buf-=piece_length;
1.174     paf       930:                }
1.128     paf       931: 
1.202     paf       932:                if(total_length!=body_length) // length(all language fragments) vs length(letters)
1.148     paf       933:                        return false;
1.174     paf       934:        }
1.202     paf       935:        if(in_buf!=0) // some strange extra bytes
                    936:                return false;
1.113     parser    937: 
1.174     paf       938:        ASSERT_STRING_INVARIANT(*this);
1.148     paf       939:        return true;
1.176     paf       940: }
                    941: 
                    942: const char* String::Body::v() const {
1.233     misha     943:        return CORD_to_const_char_star(body, length());
1.176     paf       944: }
1.201     paf       945: void String::Body::dump() const {
                    946:        CORD_dump(body);
                    947: }
                    948: 
1.176     paf       949: const char* String::Languages::v() const {
1.177     paf       950:        if(opt.is_not_just_lang)
1.233     misha     951:                return CORD_to_const_char_star(langs, 0);
1.176     paf       952:        else
                    953:                return (const char*)&langs;
                    954: }
1.201     paf       955: void String::Languages::dump() const {
                    956:        if(opt.is_not_just_lang)
                    957:                CORD_dump(langs);
                    958:        else
                    959:                puts((const char*)&langs);
                    960: }
1.176     paf       961: const char* String::v() const {
1.198     paf       962:        const uint LIMIT_VIEW=20;
1.176     paf       963:        char* buf=(char*)malloc(MAX_STRING);
                    964:        const char*body_view=body.v();
                    965:        const char*langs_view=langs.v();
                    966:        snprintf(buf, MAX_STRING, 
1.178     paf       967:                "%d:%.*s%s}   "
1.176     paf       968:                "{%d:%s",
1.178     paf       969:                langs.count(), LIMIT_VIEW, langs_view, strlen(langs_view)>LIMIT_VIEW?"...":"",
1.176     paf       970:                strlen(body_view), body_view
                    971:        );
                    972: 
                    973:        return buf;
1.113     parser    974: }
1.229     misha     975: 
1.201     paf       976: void String::dump() const {
                    977:        body.dump();
                    978:        langs.dump();
                    979: }
1.229     misha     980: 
                    981: const String& String::trim(String::Trim_kind kind, const char* chars, Charset* source_charset) const {
1.223     misha     982:        if(is_empty())
1.195     paf       983:                return *this;
                    984: 
                    985:        size_t substr_begin, substr_length;
1.229     misha     986:        Body new_body=body.trim(kind, chars, &substr_begin, &substr_length, source_charset);
1.195     paf       987:        if(new_body==body) // we received unchanged pointer, do likewise
                    988:                return *this;
                    989:        // new_body differs from body, adjust langs along
                    990: 
                    991:        String& result=*new String;
                    992:        if(!new_body) // body.trim produced empty result
                    993:                return result;
                    994:        // body.trim produced nonempty result
                    995: 
                    996:        // first: their langs
                    997:        result.langs.append(result.body, langs, substr_begin, substr_length);
                    998:        // next: letters themselves
                    999:        result.body=new_body;
                   1000: 
                   1001:        ASSERT_STRING_INVARIANT(result);
                   1002:        return result;
1.198     paf      1003: }

E-mail: