Annotation of parser3/src/main/pa_string.C, revision 1.247

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: 
1.247   ! moko       15: volatile const char * IDENT_PA_STRING_C="$Id: pa_string.C,v 1.246 2015/04/06 22:27:26 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;
1.247   ! moko      134:        if(str[0]=='0') {
        !           135:                if(str[1]=='x' || str[1]=='X') {
1.242     moko      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:                }
1.247   ! moko      143:        }
1.242     moko      144: 
                    145:        char *error_pos;
                    146:        result=strtod(str, &error_pos);
1.193     paf       147: 
                    148:        while(char c=*error_pos++)
1.199     paf       149:                if(!isspace((unsigned char)c))
1.242     moko      150:                        throw Exception("number.format", problem_source, problem_source ? "invalid number (double)" : "'%s' is invalid number (double)", str);
1.193     paf       151: 
1.242     moko      152:        return negative ? -result : result;
1.193     paf       153: }
                    154: 
1.176     paf       155: // cord lib extension
                    156: 
                    157: #ifndef DOXYGEN
                    158: typedef struct {
                    159:     ssize_t countdown;
1.204     paf       160:     int target;        /* Character we're looking for  */
1.176     paf       161: } chr_data;
                    162: #endif
                    163: static int CORD_range_contains_chr_greater_then_proc(char c, size_t size, void* client_data)
                    164: {
                    165:     register chr_data * d = (chr_data *)client_data;
                    166:     
                    167:     if (d -> countdown<=0) return(2);
                    168:     d -> countdown -= size;
                    169:     if (c > d -> target) return(1);
                    170:     return(0);
                    171: }
                    172: int CORD_range_contains_chr_greater_then(CORD x, size_t i, size_t n, int c)
                    173: {
                    174:     chr_data d;
                    175: 
                    176:     d.countdown = n;
                    177:     d.target = c;
                    178:     return(CORD_block_iter(x, i, CORD_range_contains_chr_greater_then_proc, &d) == 1/*alternatives: 0 normally ended, 2=struck 'n'*/);
                    179: }
                    180: 
1.187     paf       181: static int CORD_block_count_proc(char /*c*/, size_t /*size*/, void* client_data)
1.178     paf       182: {
                    183:     int* result=(int*)client_data;
                    184:     (*result)++;
                    185:     return(0); // 0=continue
                    186: }
                    187: size_t CORD_block_count(CORD x)
                    188: {
                    189:        size_t result=0;
                    190:        CORD_block_iter(x, 0, CORD_block_count_proc, &result);
                    191:     return result;
                    192: }
                    193: 
1.174     paf       194: // helpers
1.139     paf       195: 
1.174     paf       196: /// String::match uses this as replace & global search table columns
1.139     paf       197: 
1.174     paf       198: const int MAX_MATCH_GROUPS=100;
1.139     paf       199: 
1.174     paf       200: class String_match_table_template_columns: public ArrayString {
                    201: public:
                    202:        String_match_table_template_columns() {
                    203:                *this+=new String("prematch");
                    204:                *this+=new String("match");
                    205:                *this+=new String("postmatch");
                    206:                for(int i=0; i<MAX_MATCH_GROUPS; i++) {
1.176     paf       207:                        *this+=new String(String::Body::Format(1+i), String::L_CLEAN);
1.174     paf       208:                }
                    209:        }
                    210: };
                    211: 
                    212: Table string_match_table_template(new String_match_table_template_columns);
                    213: 
1.176     paf       214: // String::Body methods
1.140     paf       215: 
1.176     paf       216: String::Body String::Body::Format(int value) {
1.174     paf       217:        char local[MAX_NUMBER];
                    218:        size_t length=snprintf(local, MAX_NUMBER, "%d", value);
1.224     misha     219:        return String::Body(pa_strdup(local, length));
1.120     paf       220: }
                    221: 
1.195     paf       222: String::Body String::Body::trim(String::Trim_kind kind, const char* chars, 
1.229     misha     223:                                                                size_t* out_start, size_t* out_length, Charset* source_charset) const {
1.195     paf       224:        size_t our_length=length();
                    225:        if(!our_length)
                    226:                return *this;
1.229     misha     227: 
                    228:        // check if any UTF-8 in chars
                    229:        bool fast=true;
                    230:        if(chars && source_charset && source_charset->isUTF8()){
                    231:                const char* pos=chars;
                    232:                while(unsigned char c=*pos++)
                    233:                        if(c>127){
                    234:                                fast=false;
                    235:                                break;
                    236:                        }
                    237:        }
                    238: 
                    239:        size_t start=0;
                    240:        size_t end=our_length;
1.195     paf       241:        if(!chars)
                    242:                chars=" \t\n"; // white space
                    243: 
1.229     misha     244:        if(fast){
                    245:                // from left...
                    246:                if(kind!=TRIM_END) {
                    247:                        CORD_pos pos; set_pos(pos, 0);
                    248:                        while(true) {
                    249:                                char c=CORD_pos_fetch(pos);
                    250:                                if(strchr(chars, c)) {
                    251:                                        if(++start==our_length)
                    252:                                                return 0; // all chars are empty, just return empty string
                    253:                                } else
                    254:                                        break;                  
                    255: 
                    256:                                CORD_next(pos);
                    257:                        }
                    258:                }
                    259: 
                    260:                // from right..
                    261:                if(kind!=TRIM_START) {
                    262:                        CORD_pos pos; set_pos(pos, end-1);
                    263:                        while(true) {
                    264:                                char c=CORD_pos_fetch(pos);
                    265:                                if(strchr(chars, c)) {
                    266:                                        if(--end==0) // optimization: NO need to check for 'end>=start', that's(<) impossible
                    267:                                                return 0; // all chars are empty, just return empty string
                    268:                                } else
                    269:                                        break;                  
                    270: 
                    271:                                CORD_prev(pos);
                    272:                        }
                    273:                }
                    274:        } else {
1.234     misha     275:                const XMLByte* src_begin=(const XMLByte*)cstr();
1.229     misha     276:                const XMLByte* src_end=src_begin+our_length;
                    277: 
                    278:                // from left...
                    279:                if(kind!=TRIM_END) {
                    280:                        while(src_begin<src_end){
                    281:                                uint char_length=1;
                    282:                                const XMLByte* ptr=src_begin;
1.231     misha     283:                                // searching first UTF-8 byte: http://tools.ietf.org/html/rfc3629#section-3
                    284:                                while(++src_begin<=src_end && (*src_begin>127 && *src_begin<0xC0))
1.229     misha     285:                                        char_length++;
                    286: 
                    287:                                bool found=false;
                    288:                                for(const char* chars_byte=chars; chars_byte=strchr(chars_byte, *ptr); chars_byte++)
                    289:                                        if(strncmp(chars_byte, (const char*)ptr, char_length)==0){
                    290:                                                found=true;
                    291:                                                break;
                    292:                                        }
                    293: 
                    294:                                if(found){
                    295:                                        start+=char_length;
                    296:                                        if(start==our_length)
                    297:                                                return 0; // all chars are empty, just return empty string
                    298:                                } else
                    299:                                        break;
                    300:                        }
                    301:                }
1.196     paf       302: 
1.229     misha     303:                // from right..
                    304:                if(kind!=TRIM_START) {
                    305:                        while(src_begin<src_end){
                    306:                                uint char_length=1;
1.231     misha     307:                                // searching first UTF-8 byte: http://tools.ietf.org/html/rfc3629#section-3
                    308:                                while(src_begin<=--src_end && (*src_end>127 && *src_end<0xC0))
1.229     misha     309:                                        char_length++;
                    310: 
                    311:                                bool found=false;
                    312:                                for(const char* chars_byte=chars; chars_byte=strchr(chars_byte, *src_end); chars_byte++)
                    313:                                        if(strncmp(chars_byte, (const char*)src_end, char_length)==0){
                    314:                                                found=true;
                    315:                                                break;
                    316:                                        }
                    317: 
                    318:                                if(found){
                    319:                                        end-=char_length;
                    320:                                        if(end==0)
                    321:                                                return 0; // all chars are empty, just return empty string
                    322:                                } else
                    323:                                        break;
                    324:                        }
1.196     paf       325:                }
                    326:        }
1.195     paf       327: 
                    328:        if(start==0 && end==our_length) // nobody moved a thing
                    329:                return *this;
                    330: 
                    331:        if(out_start)
                    332:                *out_start=start;
                    333:        size_t new_length=end-start;
                    334:        if(out_length)
                    335:                *out_length=new_length;
                    336: 
                    337:        return mid(start, new_length);
                    338: }
                    339: 
1.174     paf       340: static int CORD_batched_iter_fn_generic_hash_code(char c, void * client_data) {
                    341:        uint& result=*static_cast<uint*>(client_data);
                    342:        generic_hash_code(result, c);
                    343:        return 0;
                    344: }
                    345: static int CORD_batched_iter_fn_generic_hash_code(const char*  s, void * client_data) {
                    346:        uint& result=*static_cast<uint*>(client_data);
                    347:        generic_hash_code(result, s);
                    348:        return 0;
                    349: };
1.225     misha     350: uint String::Body::get_hash_code() const {
                    351: #ifdef HASH_CODE_CACHING
                    352:        if(hash_code)
                    353:                return hash_code;
                    354: #else
                    355:        uint hash_code=0;
                    356: #endif
1.220     misha     357:        if (body && CORD_IS_STRING(body)){
1.225     misha     358:                generic_hash_code(hash_code, body);
1.220     misha     359:        } else {
                    360:                CORD_iter5(body, 0,
                    361:                        CORD_batched_iter_fn_generic_hash_code, 
1.225     misha     362:                        CORD_batched_iter_fn_generic_hash_code, &hash_code);
1.220     misha     363:        }
1.225     misha     364:        return hash_code;
1.94      parser    365: }
                    366: 
1.241     misha     367: struct CORD_pos_info {
                    368:        const char* chars;
                    369:        size_t left;
                    370:        size_t pos;
                    371: };
                    372: 
                    373: // can be called only for IS_FUNCTION(CORD) which is used in String::Body::strrpbrk
                    374: static int CORD_iter_fn_rpos(char c, CORD_pos_info* info) {
                    375:        if(info->pos < info->left){
                    376:                info->pos=STRING_NOT_FOUND;
                    377:                return 1;
                    378:        }
                    379:        if(strchr(info->chars, c))
                    380:                return 1;
                    381:        --(info->pos);
                    382:        return 0;
                    383: }
                    384: 
                    385: size_t String::Body::strrpbrk(const char* chars, size_t left, size_t right) const {
                    386:        if(is_empty() || !chars || !strlen(chars))
                    387:                return STRING_NOT_FOUND;
                    388:        CORD_pos_info info={chars, left, right};
                    389:        if(CORD_riter4(body, right, (CORD_iter_fn)CORD_iter_fn_rpos, &info))
                    390:                return info.pos;
                    391:        else
                    392:                return STRING_NOT_FOUND;
                    393: }
                    394: 
                    395: 
                    396: // can be called only for IS_FUNCTION(CORD) which is used in String::Body::rskipchars
                    397: static int CORD_iter_fn_rskip(char c, CORD_pos_info* info) {
                    398:        if(info->pos < info->left) {
                    399:                info->pos=STRING_NOT_FOUND;
                    400:                return 1;
                    401:        }
                    402:        if(!strchr(info->chars, c))
                    403:                return 1;
                    404:        --(info->pos);
                    405:        return 0;
                    406: }
                    407: 
                    408: size_t String::Body::rskipchars(const char* chars, size_t left, size_t right) const {
                    409:        if(is_empty() || !chars || !strlen(chars))
                    410:                return STRING_NOT_FOUND;
                    411:        CORD_pos_info info={chars, left, right};
                    412:        if(CORD_riter4(body, right, (CORD_iter_fn)CORD_iter_fn_rskip, &info))
                    413:                return info.pos;
                    414:        else
                    415:                return STRING_NOT_FOUND;
                    416: }
                    417: 
1.174     paf       418: // String methods
                    419: 
                    420: String& String::append_know_length(const char* str, size_t known_length, Language lang) {
                    421:        if(!known_length)
1.9       paf       422:                return *this;
1.122     paf       423: 
1.176     paf       424:        // first: langs
                    425:        langs.append(body, lang, known_length);
                    426:        // next: letters themselves
1.174     paf       427:        body.append_know_length(str, known_length);
1.1       paf       428: 
1.174     paf       429:        ASSERT_STRING_INVARIANT(*this);
1.1       paf       430:        return *this;
                    431: }
1.174     paf       432: String& String::append_help_length(const char* str, size_t helper_length, Language lang) {
                    433:        if(!str)
                    434:                return *this;
                    435:        size_t known_length=helper_length?helper_length:strlen(str);
                    436:        if(!known_length)
                    437:                return *this;
1.1       paf       438: 
1.174     paf       439:        return append_know_length(str, known_length, lang);
1.5       paf       440: }
1.244     moko      441: String::String(int value, const char *format) : langs(L_CLEAN){
1.226     misha     442:        char buf[MAX_NUMBER];
                    443:        body.append_strdup_know_length(buf, snprintf(buf, MAX_NUMBER, format, value));
                    444: }
1.174     paf       445: String& String::append_strdup(const char* str, size_t helper_length, Language lang) {
                    446:        size_t known_length=helper_length?helper_length:strlen(str);
                    447:        if(!known_length)
                    448:                return *this;
1.5       paf       449: 
1.176     paf       450:        // first: langs
                    451:        langs.append(body, lang, known_length);
                    452:        // next: letters themselves
1.174     paf       453:        body.append_strdup_know_length(str, known_length);
1.33      paf       454: 
1.174     paf       455:        ASSERT_STRING_INVARIANT(*this);
                    456:        return *this;
1.5       paf       457: }
1.46      paf       458: 
1.234     misha     459: struct CORD_length_info {
                    460:        size_t len;
                    461:        size_t skip;
                    462: };
                    463: 
                    464: int CORD_batched_len(const char* s, CORD_length_info* info){
                    465:        info->len += lengthUTF8( (const XMLByte *)s, (const XMLByte *)s+strlen(s));     return 0;
1.221     misha     466: }
                    467: 
1.234     misha     468: // can be called only for IS_FUNCTION(CORD) which are used in large String::Body::mid
                    469: int CORD_batched_len(const char c, CORD_length_info* info){
                    470:        if (info->skip==0){
                    471:                info->len++;
                    472:                info->skip = lengthUTF8Char(c)-1;
                    473:        } else {
                    474:                info->skip--;
                    475:        }
1.220     misha     476:        return 0;
                    477: }
                    478: 
1.210     misha     479: size_t String::length(Charset& charset) const {
                    480:        if(charset.isUTF8()){
1.234     misha     481:                CORD_length_info info = {0, 0};
                    482:                body.for_each<CORD_length_info *>(CORD_batched_len, CORD_batched_len, &info);
                    483:                return info.len;
1.210     misha     484:        } else
                    485:                return body.length();
                    486: }
                    487: 
1.174     paf       488: /// @todo check in doc: whether it documents NOW bad situation "abc".mid(-1, 3) =were?="ab"
                    489: String& String::mid(size_t substr_begin, size_t substr_end) const {
                    490:        String& result=*new String;
                    491: 
                    492:        size_t self_length=length();
                    493:        substr_begin=min(substr_begin, self_length);
                    494:        substr_end=min(max(substr_end, substr_begin), self_length);
1.176     paf       495:        size_t substr_length=substr_end-substr_begin;
                    496:        if(!substr_length)
1.107     parser    497:                return result;
1.53      paf       498: 
1.176     paf       499:        // first: their langs
                    500:        result.langs.append(result.body, langs, substr_begin, substr_length);
                    501:        // next: letters themselves
                    502:        result.body=body.mid(substr_begin, substr_length);
1.174     paf       503: 
                    504:        ASSERT_STRING_INVARIANT(result);
1.53      paf       505:        return result;
1.54      paf       506: }
                    507: 
1.211     misha     508: // from, to and helper_length in characters, not in bytes (it's important for utf-8)
                    509: String& String::mid(Charset& charset, size_t from, size_t to, size_t helper_length) const {
1.210     misha     510:        String& result=*new String;
                    511: 
1.211     misha     512:        size_t self_length=(helper_length)?helper_length:length(charset);
                    513: 
                    514:        if(!self_length)
                    515:                return result;
                    516: 
                    517:        from=min(min(to, from), self_length);
1.210     misha     518:        to=min(max(to, from), self_length);
1.211     misha     519: 
1.210     misha     520:        size_t substr_length=to-from;
1.211     misha     521: 
1.210     misha     522:        if(!substr_length)
                    523:                return result;
                    524: 
                    525:        if(charset.isUTF8()){
1.234     misha     526:                const XMLByte* src_begin=(const XMLByte*)cstr();
1.230     misha     527:                const XMLByte* src_end=src_begin+body.length();
1.210     misha     528: 
1.212     misha     529:                // convert 'from' and 'substr_length' from 'characters' to 'bytes'
1.230     misha     530:                from=getUTF8BytePos(src_begin, src_end, from);
                    531:                substr_length=getUTF8BytePos(src_begin+from, src_end, substr_length);
1.210     misha     532:                if(!substr_length)
                    533:                        return result;
                    534:        }
                    535: 
                    536:        // first: their langs
                    537:        result.langs.append(result.body, langs, from, substr_length);
                    538:        // next: letters themselves
                    539:        result.body=body.mid(from, substr_length);
                    540: 
                    541:        ASSERT_STRING_INVARIANT(result);
                    542:        return result;
                    543: }
                    544: 
1.176     paf       545: size_t String::pos(const String::Body substr, size_t this_offset, Language lang) const {
1.183     paf       546:        size_t substr_length=substr.length();
                    547:        while(true) {
                    548:                size_t substr_begin=body.pos(substr, this_offset);
                    549:                
                    550:                if(substr_begin==CORD_NOT_FOUND)
                    551:                        return STRING_NOT_FOUND;
1.174     paf       552: 
1.183     paf       553:                if(langs.check_lang(lang, substr_begin, substr_length))
                    554:                        return substr_begin;
                    555: 
                    556:                this_offset=substr_begin+substr_length;
                    557:        }
1.58      paf       558: }
                    559: 
1.174     paf       560: size_t String::pos(const String& substr, 
                    561:                                size_t this_offset, Language lang) const {
                    562:        return pos(substr.body, this_offset, lang);
1.60      paf       563: }
                    564: 
1.210     misha     565: size_t String::pos(Charset& charset, const String& substr, 
                    566:                                size_t this_offset, Language lang) const {
                    567: 
                    568:        if(charset.isUTF8()){
1.234     misha     569:                const XMLByte* srcPtr=(const XMLByte*)cstr();
1.212     misha     570:                const XMLByte* srcEnd=srcPtr+body.length();
                    571: 
                    572:                // convert 'this_offset' from 'characters' to 'bytes'
                    573:                this_offset=getUTF8BytePos(srcPtr, srcEnd, this_offset);
                    574: 
1.229     misha     575:                size_t result=pos(substr.body, this_offset, lang);
                    576:                return (result==CORD_NOT_FOUND)
                    577:                        ? STRING_NOT_FOUND
                    578:                        : getUTF8CharPos(srcPtr, srcEnd, result); // convert 'result' from 'bytes' to 'characters'
1.212     misha     579:        } else {
1.229     misha     580:                size_t result=pos(substr.body, this_offset, lang);
                    581:                return (result==CORD_NOT_FOUND)
                    582:                        ? STRING_NOT_FOUND
                    583:                        : result;
1.210     misha     584:        }
                    585: }
                    586: 
1.174     paf       587: void String::split(ArrayString& result, 
                    588:                   size_t& pos_after, 
                    589:                   const char* delim, 
                    590:                   Language lang, int limit) const {
1.237     misha     591:        if(is_empty())
                    592:                return;
1.174     paf       593:        size_t self_length=length();
1.237     misha     594:        if(size_t delim_length=strlen(delim)) {
1.186     paf       595:                size_t pos_before;
1.60      paf       596:                // while we have 'delim'...
1.174     paf       597:                for(; (pos_before=pos(delim, pos_after, lang))!=STRING_NOT_FOUND && limit; limit--) {
1.69      paf       598:                        result+=&mid(pos_after, pos_before);
1.174     paf       599:                        pos_after=pos_before+delim_length;
1.60      paf       600:                }
                    601:                // last piece
1.174     paf       602:                if(pos_after<self_length && limit) {
                    603:                        result+=&mid(pos_after, self_length);
                    604:                        pos_after=self_length;
1.60      paf       605:                }
                    606:        } else { // empty delim
                    607:                result+=this;
1.174     paf       608:                pos_after+=self_length;
1.60      paf       609:        }
                    610: }
                    611: 
1.174     paf       612: void String::split(ArrayString& result, 
                    613:                   size_t& pos_after, 
                    614:                   const String& delim, Language lang, 
                    615:                   int limit) const {
1.237     misha     616:        if(is_empty())
                    617:                return;
                    618:        if(!delim.is_empty()) {
1.186     paf       619:                size_t pos_before;
1.60      paf       620:                // while we have 'delim'...
1.174     paf       621:                for(; (pos_before=pos(delim, pos_after, lang))!=STRING_NOT_FOUND && limit; limit--) {
1.69      paf       622:                        result+=&mid(pos_after, pos_before);
1.174     paf       623:                        pos_after=pos_before+delim.length();
1.60      paf       624:                }
                    625:                // last piece
1.174     paf       626:                if(pos_after<length() && limit) {
                    627:                        result+=&mid(pos_after, length());
                    628:                        pos_after=length();
1.60      paf       629:                }
                    630:        } else { // empty delim
                    631:                result+=this;
1.174     paf       632:                pos_after+=length();
1.60      paf       633:        }
1.61      paf       634: }
                    635: 
1.222     misha     636: Table* String::match(VRegex* vregex,
                    637:                        Row_action row_action, void *info,
                    638:                        int& matches_count) const { 
1.209     misha     639: 
1.222     misha     640:        // vregex->info(); // I have no idea what does it for?
1.63      paf       641: 
1.222     misha     642:        bool need_pre_post_match=vregex->is_pre_post_match_needed();
                    643:        bool global=vregex->is_global_search();
1.63      paf       644: 
1.174     paf       645:        const char* subject=cstr();
1.234     misha     646:        size_t subject_length=length();
1.222     misha     647:        const int ovector_size=(1/*match*/+MAX_MATCH_GROUPS)*3;
                    648:        int ovector[ovector_size];
1.155     paf       649: 
1.173     paf       650:        Table::Action_options table_options;
1.174     paf       651:        Table& table=*new Table(string_match_table_template, table_options);
1.63      paf       652: 
1.154     paf       653:        int prestart=0;
                    654:        int poststart=0;
1.174     paf       655:        int postfinish=length();
1.63      paf       656:        while(true) {
1.222     misha     657:                int exec_result=vregex->exec(subject, subject_length, ovector, ovector_size, prestart);
1.63      paf       658: 
1.222     misha     659:                if(exec_result<0) // only PCRE_ERROR_NOMATCH might be here, other negative results cause an exception
                    660:                        break;
1.63      paf       661: 
1.154     paf       662:                int prefinish=ovector[0];
                    663:                poststart=ovector[1];
1.236     moko      664: 
                    665:                if (prestart==poststart && subject[poststart]=='\n'){
                    666:                        prestart++;
                    667:                        continue;
                    668:                }
                    669: 
1.232     misha     670:                ArrayString* row=new ArrayString(3);
1.174     paf       671:                if(need_pre_post_match) {
                    672:                        *row+=&mid(0, prefinish); // .prematch column value
                    673:                        *row+=&mid(prefinish, poststart); // .match
                    674:                        *row+=&mid(poststart, postfinish); // .postmatch
                    675:                } else {
1.185     paf       676:                        *row+=&Empty; // .prematch column value
                    677:                        *row+=&Empty; // .match
                    678:                        *row+=&Empty; // .postmatch
1.174     paf       679:                }
1.63      paf       680:                
1.222     misha     681:                for(int i=1; i<exec_result; i++) {
1.69      paf       682:                        // -1:-1 case handled peacefully by mid() itself
1.232     misha     683:                        *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       684:                }
                    685:                
1.209     misha     686:                matches_count++;
1.174     paf       687:                row_action(table, row, prestart, prefinish, poststart, postfinish, info);
1.63      paf       688: 
1.222     misha     689:                if(!global || prestart==poststart) // last step
                    690:                        break;
                    691: 
1.154     paf       692:                prestart=poststart;
1.222     misha     693:        }
1.63      paf       694: 
1.222     misha     695:        row_action(table, 0/*last time, no raw*/, 0, 0, poststart, postfinish, info);
                    696:        return vregex->is_just_count() ? 0 : &table;
1.82      parser    697: }
                    698: 
1.174     paf       699: String& String::change_case(Charset& source_charset, Change_case_kind kind) const {
                    700:        String& result=*new String();
                    701:        if(is_empty())
                    702:                return result;
                    703: 
                    704:        char* new_cstr=cstrm();
1.216     misha     705: 
1.181     paf       706:        if(source_charset.isUTF8()) {
1.216     misha     707:                size_t new_cstr_len=length();
1.181     paf       708:                switch(kind) {
                    709:                case CC_UPPER:
1.192     paf       710:                        change_case_UTF8((const XMLByte*)new_cstr, new_cstr_len, (XMLByte*)new_cstr, new_cstr_len, UTF8CaseToUpper);
1.181     paf       711:                        break;
                    712:                case CC_LOWER:
1.192     paf       713:                        change_case_UTF8((const XMLByte*)new_cstr, new_cstr_len, (XMLByte*)new_cstr, new_cstr_len, UTF8CaseToLower);
1.181     paf       714:                        break;
                    715:                default:
                    716:                        assert(!"unknown change case kind");
                    717:                        break; // never
                    718:                }       
                    719:                
                    720:        } else {
                    721:                const unsigned char *tables=source_charset.pcre_tables;
1.82      parser    722: 
1.181     paf       723:                const unsigned char *a;
                    724:                const unsigned char *b;
                    725:                switch(kind) {
                    726:                case CC_UPPER:
                    727:                        a=tables+lcc_offset;
                    728:                        b=tables+fcc_offset;
                    729:                        break;
                    730:                case CC_LOWER:
                    731:                        a=tables+lcc_offset;
                    732:                        b=0;
                    733:                        break;
                    734:                default:
                    735:                        assert(!"unknown change case kind");
                    736:                        a=b=0; // calm, compiler
                    737:                        break; // never
                    738:                }       
                    739: 
1.192     paf       740:                char *dest=new_cstr;
1.181     paf       741:                unsigned char index;
1.190     paf       742:                for(const char* current=new_cstr; (index=(unsigned char)*current); current++) {
1.181     paf       743:                        unsigned char c=a[index];
                    744:                        if(b)
                    745:                                c=b[c];
                    746: 
                    747:                        *dest++=(char)c;
                    748:                }
1.174     paf       749:        }
1.176     paf       750:        result.langs=langs;
1.174     paf       751:        result.body=new_cstr;
1.89      parser    752: 
1.101     parser    753:        return result;
                    754: }
                    755: 
1.213     misha     756: const String& String::escape(Charset& source_charset) const {
                    757:        if(is_empty())
                    758:                return *this;
                    759: 
                    760:        return Charset::escape(*this, source_charset);
                    761: }
                    762: 
1.238     misha     763: #define STRING_APPEND(result, from_cstr, langs, langs_offset, length) \
                    764:                        result.langs.append(result.body, langs, langs_offset, length); \
                    765:                        result.body.append_strdup_know_length(from_cstr, length);
                    766: 
1.174     paf       767: const String& String::replace(const Dictionary& dict) const {
1.238     misha     768:        if(!dict.count() || is_empty())
                    769:                return *this;
                    770: 
1.174     paf       771:        String& result=*new String();
                    772:        const char* old_cstr=cstr();
                    773:        const char* prematch_begin=old_cstr;
                    774: 
1.238     misha     775:        if(dict.count()==1) {
                    776:                // optimized simple case
                    777: 
                    778:                Dictionary::Subst subst=dict.get(0);
1.239     moko      779:                while(const char* p=strstr(prematch_begin, subst.from)) {
1.174     paf       780:                        // prematch
1.238     misha     781:                        if(size_t prematch_length=p-prematch_begin) {
                    782:                                STRING_APPEND(result, prematch_begin, langs, prematch_begin-old_cstr, prematch_length)
1.101     parser    783:                        }
                    784: 
1.174     paf       785:                        // match
1.238     misha     786:                        prematch_begin=p+subst.from_length;
1.174     paf       787: 
1.184     paf       788:                        if(const String* b=subst.to) // are there any b?
1.174     paf       789:                                result<<*b;
1.238     misha     790:                }
                    791: 
                    792:        } else {
                    793: 
                    794:                const char* current=old_cstr;
                    795:                while(*current) {
                    796:                        if(Dictionary::Subst subst=dict.first_that_begins(current)) {
                    797:                                // prematch
                    798:                                if(size_t prematch_length=current-prematch_begin) {
                    799:                                        STRING_APPEND(result, prematch_begin, langs, prematch_begin-old_cstr, prematch_length)
                    800:                                }
                    801: 
                    802:                                // match
                    803:                                // skip 'a' in 'current'; move prematch_begin
                    804:                                current+=subst.from_length; prematch_begin=current;
                    805: 
                    806:                                if(const String* b=subst.to) // are there any b?
                    807:                                        result<<*b;
                    808:                        } else // simply advance
                    809:                                current++; 
                    810:                }
                    811: 
1.174     paf       812:        }
1.156     paf       813: 
1.238     misha     814:        if(prematch_begin==old_cstr) // not modified
                    815:                return *this;
                    816: 
1.174     paf       817:        // postmatch
1.238     misha     818:        if(size_t postmatch_length=old_cstr+length()-prematch_begin) {
                    819:                STRING_APPEND(result, prematch_begin, langs, prematch_begin-old_cstr, postmatch_length)
1.174     paf       820:        }
1.156     paf       821: 
1.174     paf       822:        ASSERT_STRING_INVARIANT(result);
1.82      parser    823:        return result;
1.61      paf       824: }
1.113     parser    825: 
1.180     paf       826: static int serialize_body_char(char c, char** cur) {
                    827:        *((*cur)++)=c;
                    828:        return 0; // 0=continue
                    829: };
1.174     paf       830: static int serialize_body_piece(const char* s, char** cur) {
                    831:        size_t length=strlen(s);
                    832:        memcpy(*cur, s, length);  *cur+=length;
1.178     paf       833:        return 0; // 0=continue
1.174     paf       834: };
1.178     paf       835: static int serialize_lang_piece(char alang, size_t asize, char** cur) {
                    836:        // lang
1.191     paf       837:        **cur=alang; (*cur)++;
                    838:        // length [WARNING: not cast, addresses must be %4=0 on sparc]
1.178     paf       839:        memcpy(*cur, &asize, sizeof(asize));  *cur+=sizeof(asize);
                    840: 
                    841:        return 0; // 0=continue
                    842: }
1.174     paf       843: String::Cm String::serialize(size_t prolog_length) const {
1.178     paf       844:        size_t fragments_count=langs.count();
1.202     paf       845:        size_t body_length=body.length();
1.174     paf       846:        size_t buf_length=
1.178     paf       847:                prolog_length //1
                    848:                +sizeof(size_t) //2
1.202     paf       849:                +body_length //3
                    850:                +1 // 4 for zero terminator used in deserialize
                    851:                +sizeof(size_t) //5
                    852:                +fragments_count*(sizeof(char)+sizeof(size_t)); //6
                    853: 
1.174     paf       854:        String::Cm result(new(PointerFreeGC) char[buf_length], buf_length);
                    855: 
                    856:        // 1: prolog
                    857:        char *cur=result.str+prolog_length;
1.202     paf       858:        // 2: chars.count [WARNING: not cast, addresses must be %4=0 on sparc]
                    859:        memcpy(cur, &body_length, sizeof(body_length));  cur+=sizeof(body_length);
                    860:        // 3: letters
                    861:        body.for_each(serialize_body_char, serialize_body_piece, &cur);
                    862:        // 4: zero terminator
                    863:        *cur++=0;
                    864:        // 5: langs.count [WARNING: not cast, addresses must be %4=0 on sparc]
1.174     paf       865:        memcpy(cur, &fragments_count, sizeof(fragments_count));  cur+=sizeof(fragments_count);
1.202     paf       866:        // 6: lang info
1.178     paf       867:        langs.for_each(body, serialize_lang_piece, &cur);
1.113     parser    868: 
1.174     paf       869:        return result;
1.113     parser    870: }
1.202     paf       871: bool String::deserialize(size_t prolog_size, void *buf, size_t buf_size) {
                    872:        size_t in_buf=buf_size;
                    873:        if(in_buf<=prolog_size)
1.148     paf       874:                return false;
1.202     paf       875:        in_buf-=prolog_size;
1.135     paf       876: 
1.174     paf       877:        // 1: prolog
1.202     paf       878:        const char* cur=(const char* )buf+prolog_size;
1.113     parser    879: 
1.207     paf       880:        // 2: chars.count
1.202     paf       881:        size_t body_length;
                    882:        if(in_buf<sizeof(body_length)) // body.length don't fit?
                    883:                return false;
                    884:        // [WARNING: not cast, addresses must be %4=0 on sparc]
                    885:        memcpy(&body_length, cur, sizeof(body_length));  cur+=sizeof(body_length);
                    886:        in_buf-=sizeof(body_length);
                    887: 
                    888:        if(in_buf<body_length+1) // letters+terminator don't fit?
                    889:                return false;
                    890:        // 4: zero terminator
                    891:        if(cur[body_length] != 0) // in place?
                    892:                return false;
                    893:        // 3: letters
1.227     misha     894:        body=String::Body(*cur?cur:0);
1.229     misha     895: #ifdef STRING_LENGTH_CACHING
                    896:        body.set_length(body_length);
                    897: #endif
1.202     paf       898:        cur+=body_length+1;
                    899:        in_buf-=body_length+1;
                    900: 
                    901:        // 5: langs.count
1.191     paf       902:        size_t fragments_count;
1.202     paf       903:        if(in_buf<sizeof(fragments_count)) // langs.count don't fit?
1.174     paf       904:                return false;
1.191     paf       905:        // [WARNING: not cast, addresses must be %4=0 on sparc]
                    906:        memcpy(&fragments_count, cur, sizeof(fragments_count));  cur+=sizeof(fragments_count);
1.202     paf       907:        in_buf-=sizeof(fragments_count);
1.174     paf       908:        
                    909:        if(fragments_count) {
1.202     paf       910:                // 6: lang info
1.174     paf       911:                size_t total_length=0;
                    912:                for(size_t f=0; f<fragments_count; f++) {
1.191     paf       913:                        char lang;
                    914:                        size_t fragment_length;
                    915:                        size_t piece_length=sizeof(lang)+sizeof(fragment_length);
1.202     paf       916:                        if(in_buf<piece_length) // lang+length
1.174     paf       917:                                return false;
                    918: 
1.191     paf       919:                        // lang
                    920:                        lang=*cur++;
                    921:                        // length [WARNING: not cast, addresses must be %4=0 on sparc]
                    922:                        memcpy(&fragment_length, cur, sizeof(fragment_length));  cur+=sizeof(fragment_length);
                    923: 
1.206     paf       924:                        size_t combined_length=total_length+fragment_length;
                    925:                        if(combined_length>body_length)
                    926:                                return false; // file curruption
1.191     paf       927:                        // uchar needed to prevent propagating 0x80 bit to upper bytes
                    928:                        langs.append(total_length, (String::Language)(uchar)lang, fragment_length);
1.206     paf       929:                        total_length=combined_length;
1.202     paf       930:                        in_buf-=piece_length;
1.174     paf       931:                }
1.128     paf       932: 
1.202     paf       933:                if(total_length!=body_length) // length(all language fragments) vs length(letters)
1.148     paf       934:                        return false;
1.174     paf       935:        }
1.202     paf       936:        if(in_buf!=0) // some strange extra bytes
                    937:                return false;
1.113     parser    938: 
1.174     paf       939:        ASSERT_STRING_INVARIANT(*this);
1.148     paf       940:        return true;
1.176     paf       941: }
                    942: 
                    943: const char* String::Body::v() const {
1.233     misha     944:        return CORD_to_const_char_star(body, length());
1.176     paf       945: }
1.201     paf       946: void String::Body::dump() const {
                    947:        CORD_dump(body);
                    948: }
                    949: 
1.176     paf       950: const char* String::Languages::v() const {
1.177     paf       951:        if(opt.is_not_just_lang)
1.233     misha     952:                return CORD_to_const_char_star(langs, 0);
1.176     paf       953:        else
                    954:                return (const char*)&langs;
                    955: }
1.201     paf       956: void String::Languages::dump() const {
                    957:        if(opt.is_not_just_lang)
                    958:                CORD_dump(langs);
                    959:        else
                    960:                puts((const char*)&langs);
                    961: }
1.176     paf       962: const char* String::v() const {
1.198     paf       963:        const uint LIMIT_VIEW=20;
1.246     moko      964:        char* buf=(char*)pa_malloc(MAX_STRING);
1.176     paf       965:        const char*body_view=body.v();
                    966:        const char*langs_view=langs.v();
                    967:        snprintf(buf, MAX_STRING, 
1.178     paf       968:                "%d:%.*s%s}   "
1.176     paf       969:                "{%d:%s",
1.178     paf       970:                langs.count(), LIMIT_VIEW, langs_view, strlen(langs_view)>LIMIT_VIEW?"...":"",
1.176     paf       971:                strlen(body_view), body_view
                    972:        );
                    973: 
                    974:        return buf;
1.113     parser    975: }
1.229     misha     976: 
1.201     paf       977: void String::dump() const {
                    978:        body.dump();
                    979:        langs.dump();
                    980: }
1.229     misha     981: 
                    982: const String& String::trim(String::Trim_kind kind, const char* chars, Charset* source_charset) const {
1.223     misha     983:        if(is_empty())
1.195     paf       984:                return *this;
                    985: 
                    986:        size_t substr_begin, substr_length;
1.229     misha     987:        Body new_body=body.trim(kind, chars, &substr_begin, &substr_length, source_charset);
1.195     paf       988:        if(new_body==body) // we received unchanged pointer, do likewise
                    989:                return *this;
                    990:        // new_body differs from body, adjust langs along
                    991: 
                    992:        String& result=*new String;
                    993:        if(!new_body) // body.trim produced empty result
                    994:                return result;
                    995:        // body.trim produced nonempty result
                    996: 
                    997:        // first: their langs
                    998:        result.langs.append(result.body, langs, substr_begin, substr_length);
                    999:        // next: letters themselves
                   1000:        result.body=new_body;
                   1001: 
                   1002:        ASSERT_STRING_INVARIANT(result);
                   1003:        return result;
1.198     paf      1004: }

E-mail: