Annotation of parser3/src/main/pa_string.C, revision 1.248

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: 
1.248   ! moko       15: volatile const char * IDENT_PA_STRING_C="$Id: pa_string.C,v 1.247 2015/04/08 18:08:53 moko Exp $" IDENT_PA_STRING_H;
1.240     moko       16: 
1.185     paf        17: const String String::Empty;
                     18: 
1.242     moko       19: // pa_atoui is based on Manuel Novoa III _strto_l for uClibc
                     20: 
                     21: unsigned int pa_atoui(const char *str, int base, const String* problem_source){
                     22:        unsigned int result = 0;
                     23:        const char *pos = str;
                     24: 
                     25:        while (isspace(*pos)) /* skip leading whitespace */
                     26:                ++pos;
                     27: 
                     28:        if (base == 16 && *pos == '0') { /* handle option prefix */
                     29:                ++pos;
                     30:                if (*pos == 'x' || *pos == 'X') {
                     31:                        ++pos;
                     32:                }
                     33:        }
                     34: 
                     35:        if (base == 0) { /* dynamic base */
                     36:                base = 10; /* default is 10 */
                     37:                if (*pos == '0') {
                     38:                        ++pos;
1.245     moko       39:                        if (*pos == 'x' || *pos == 'X'){
1.242     moko       40:                                ++pos;
                     41:                                base=16;
1.245     moko       42:                        }
1.242     moko       43:                }
                     44:        }
                     45: 
                     46:        if (base < 2 || base > 16) { /* illegal base */
                     47:                throw Exception(PARSER_RUNTIME, 0, "base to must be an integer from 2 to 16");
                     48:        }
                     49: 
                     50:        unsigned int cutoff = UINT_MAX / base;
                     51:        int cutoff_digit = UINT_MAX - cutoff * base;
                     52: 
                     53:        while(true) {
                     54:                int digit;
                     55:                
                     56:                if ((*pos >= '0') && (*pos <= '9')) {
                     57:                        digit = (*pos - '0');
                     58:                } else if (*pos >= 'a') {
                     59:                        digit = (*pos - 'a' + 10);
                     60:                } else if (*pos >= 'A') {
                     61:                        digit = (*pos - 'A' + 10);
                     62:                } else break;
                     63: 
                     64:                if (digit >= base) {
                     65:                        break;
                     66:                }
                     67:                
                     68:                ++pos;
                     69:                
                     70:                /* adjust number, with overflow check */
                     71:                if ((result > cutoff) || ((result == cutoff) && (digit > cutoff_digit))) {
                     72:                        throw Exception("number.format", problem_source, problem_source ? "out of range (int)" : "'%s' is out of range (int)", str);
                     73:                } else {
                     74:                        result  = result * base + digit;
                     75:                }
                     76:        }
                     77: 
                     78:        while(char c=*pos++)
                     79:                if(!isspace(c))
                     80:                        throw Exception("number.format", problem_source, problem_source ? "invalid number (int)" : "'%s' is invalid number (int)", str);
                     81: 
                     82:        return result;
                     83: }
                     84: 
1.193     paf        85: int pa_atoi(const char* str, const String* problem_source) {
                     86:        if(!str)
                     87:                return 0;
                     88: 
1.242     moko       89:        while(isspace(*str))
1.193     paf        90:                str++;
1.242     moko       91: 
1.193     paf        92:        if(!*str)
                     93:                return 0;
                     94: 
1.200     paf        95:        bool negative=false;
                     96:        if(str[0]=='-') {
                     97:                negative=true;
                     98:                str++;
                     99:        } else if(str[0]=='+') {
                    100:                str++;
                    101:        }
1.193     paf       102: 
1.242     moko      103:        unsigned int result=pa_atoui(str, 0, problem_source);
1.193     paf       104: 
1.242     moko      105:        if(negative && result <= ((unsigned int)(-(1+INT_MIN)))+1)
1.243     moko      106:                return -(int)result;
1.242     moko      107:        
                    108:        if(result<=INT_MAX)
1.243     moko      109:                return (int)result;
1.242     moko      110:        
                    111:        throw Exception("number.format", problem_source, problem_source ? "out of range (int)" : "'%s' is out of range (int)", str);
1.193     paf       112: }
                    113: 
                    114: double pa_atod(const char* str, const String* problem_source) {
                    115:        if(!str)
                    116:                return 0;
                    117: 
1.242     moko      118:        while(isspace(*str))
1.193     paf       119:                str++;
1.242     moko      120: 
1.193     paf       121:        if(!*str)
                    122:                return 0;
                    123: 
1.200     paf       124:        bool negative=false;
                    125:        if(str[0]=='-') {
                    126:                negative=true;
                    127:                str++;
                    128:        } else if(str[0]=='+') {
                    129:                str++;
                    130:        }
1.242     moko      131: 
                    132:        double result;
1.247     moko      133:        if(str[0]=='0') {
                    134:                if(str[1]=='x' || str[1]=='X') {
1.242     moko      135:                        // 0xABC
                    136:                        result=(double)pa_atoui(str, 0, problem_source);
                    137:                        return negative ? -result : result;
                    138:                } else {
1.200     paf       139:                         // skip leading 0000, to disable octal interpretation
1.242     moko      140:                        do str++; while(*str=='0');
1.200     paf       141:                }
1.247     moko      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
1.248   ! moko      162: 
1.176     paf       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: }
1.248   ! moko      172: 
1.176     paf       173: int CORD_range_contains_chr_greater_then(CORD x, size_t i, size_t n, int c)
                    174: {
                    175:     chr_data d;
                    176: 
                    177:     d.countdown = n;
                    178:     d.target = c;
                    179:     return(CORD_block_iter(x, i, CORD_range_contains_chr_greater_then_proc, &d) == 1/*alternatives: 0 normally ended, 2=struck 'n'*/);
                    180: }
                    181: 
1.187     paf       182: static int CORD_block_count_proc(char /*c*/, size_t /*size*/, void* client_data)
1.178     paf       183: {
                    184:     int* result=(int*)client_data;
                    185:     (*result)++;
                    186:     return(0); // 0=continue
                    187: }
1.248   ! moko      188: 
1.178     paf       189: size_t CORD_block_count(CORD x)
                    190: {
                    191:        size_t result=0;
                    192:        CORD_block_iter(x, 0, CORD_block_count_proc, &result);
                    193:     return result;
                    194: }
                    195: 
1.174     paf       196: // helpers
1.139     paf       197: 
1.174     paf       198: /// String::match uses this as replace & global search table columns
1.139     paf       199: 
1.174     paf       200: const int MAX_MATCH_GROUPS=100;
1.139     paf       201: 
1.174     paf       202: class String_match_table_template_columns: public ArrayString {
                    203: public:
                    204:        String_match_table_template_columns() {
                    205:                *this+=new String("prematch");
                    206:                *this+=new String("match");
                    207:                *this+=new String("postmatch");
                    208:                for(int i=0; i<MAX_MATCH_GROUPS; i++) {
1.176     paf       209:                        *this+=new String(String::Body::Format(1+i), String::L_CLEAN);
1.174     paf       210:                }
                    211:        }
                    212: };
                    213: 
                    214: Table string_match_table_template(new String_match_table_template_columns);
                    215: 
1.176     paf       216: // String::Body methods
1.140     paf       217: 
1.176     paf       218: String::Body String::Body::Format(int value) {
1.174     paf       219:        char local[MAX_NUMBER];
                    220:        size_t length=snprintf(local, MAX_NUMBER, "%d", value);
1.224     misha     221:        return String::Body(pa_strdup(local, length));
1.120     paf       222: }
                    223: 
1.195     paf       224: String::Body String::Body::trim(String::Trim_kind kind, const char* chars, 
1.229     misha     225:                                                                size_t* out_start, size_t* out_length, Charset* source_charset) const {
1.195     paf       226:        size_t our_length=length();
                    227:        if(!our_length)
                    228:                return *this;
1.229     misha     229: 
                    230:        // check if any UTF-8 in chars
                    231:        bool fast=true;
                    232:        if(chars && source_charset && source_charset->isUTF8()){
                    233:                const char* pos=chars;
                    234:                while(unsigned char c=*pos++)
                    235:                        if(c>127){
                    236:                                fast=false;
                    237:                                break;
                    238:                        }
                    239:        }
                    240: 
                    241:        size_t start=0;
                    242:        size_t end=our_length;
1.195     paf       243:        if(!chars)
                    244:                chars=" \t\n"; // white space
                    245: 
1.229     misha     246:        if(fast){
                    247:                // from left...
                    248:                if(kind!=TRIM_END) {
                    249:                        CORD_pos pos; set_pos(pos, 0);
                    250:                        while(true) {
                    251:                                char c=CORD_pos_fetch(pos);
                    252:                                if(strchr(chars, c)) {
                    253:                                        if(++start==our_length)
                    254:                                                return 0; // all chars are empty, just return empty string
                    255:                                } else
                    256:                                        break;                  
                    257: 
                    258:                                CORD_next(pos);
                    259:                        }
                    260:                }
                    261: 
                    262:                // from right..
                    263:                if(kind!=TRIM_START) {
                    264:                        CORD_pos pos; set_pos(pos, end-1);
                    265:                        while(true) {
                    266:                                char c=CORD_pos_fetch(pos);
                    267:                                if(strchr(chars, c)) {
                    268:                                        if(--end==0) // optimization: NO need to check for 'end>=start', that's(<) impossible
                    269:                                                return 0; // all chars are empty, just return empty string
                    270:                                } else
                    271:                                        break;                  
                    272: 
                    273:                                CORD_prev(pos);
                    274:                        }
                    275:                }
                    276:        } else {
1.234     misha     277:                const XMLByte* src_begin=(const XMLByte*)cstr();
1.229     misha     278:                const XMLByte* src_end=src_begin+our_length;
                    279: 
                    280:                // from left...
                    281:                if(kind!=TRIM_END) {
                    282:                        while(src_begin<src_end){
                    283:                                uint char_length=1;
                    284:                                const XMLByte* ptr=src_begin;
1.231     misha     285:                                // searching first UTF-8 byte: http://tools.ietf.org/html/rfc3629#section-3
                    286:                                while(++src_begin<=src_end && (*src_begin>127 && *src_begin<0xC0))
1.229     misha     287:                                        char_length++;
                    288: 
                    289:                                bool found=false;
                    290:                                for(const char* chars_byte=chars; chars_byte=strchr(chars_byte, *ptr); chars_byte++)
                    291:                                        if(strncmp(chars_byte, (const char*)ptr, char_length)==0){
                    292:                                                found=true;
                    293:                                                break;
                    294:                                        }
                    295: 
                    296:                                if(found){
                    297:                                        start+=char_length;
                    298:                                        if(start==our_length)
                    299:                                                return 0; // all chars are empty, just return empty string
                    300:                                } else
                    301:                                        break;
                    302:                        }
                    303:                }
1.196     paf       304: 
1.229     misha     305:                // from right..
                    306:                if(kind!=TRIM_START) {
                    307:                        while(src_begin<src_end){
                    308:                                uint char_length=1;
1.231     misha     309:                                // searching first UTF-8 byte: http://tools.ietf.org/html/rfc3629#section-3
                    310:                                while(src_begin<=--src_end && (*src_end>127 && *src_end<0xC0))
1.229     misha     311:                                        char_length++;
                    312: 
                    313:                                bool found=false;
                    314:                                for(const char* chars_byte=chars; chars_byte=strchr(chars_byte, *src_end); chars_byte++)
                    315:                                        if(strncmp(chars_byte, (const char*)src_end, char_length)==0){
                    316:                                                found=true;
                    317:                                                break;
                    318:                                        }
                    319: 
                    320:                                if(found){
                    321:                                        end-=char_length;
                    322:                                        if(end==0)
                    323:                                                return 0; // all chars are empty, just return empty string
                    324:                                } else
                    325:                                        break;
                    326:                        }
1.196     paf       327:                }
                    328:        }
1.195     paf       329: 
                    330:        if(start==0 && end==our_length) // nobody moved a thing
                    331:                return *this;
                    332: 
                    333:        if(out_start)
                    334:                *out_start=start;
                    335:        size_t new_length=end-start;
                    336:        if(out_length)
                    337:                *out_length=new_length;
                    338: 
                    339:        return mid(start, new_length);
                    340: }
                    341: 
1.174     paf       342: static int CORD_batched_iter_fn_generic_hash_code(char c, void * client_data) {
                    343:        uint& result=*static_cast<uint*>(client_data);
                    344:        generic_hash_code(result, c);
                    345:        return 0;
                    346: }
1.248   ! moko      347: 
1.174     paf       348: static int CORD_batched_iter_fn_generic_hash_code(const char*  s, void * client_data) {
                    349:        uint& result=*static_cast<uint*>(client_data);
                    350:        generic_hash_code(result, s);
                    351:        return 0;
1.248   ! moko      352: }
        !           353: 
1.225     misha     354: uint String::Body::get_hash_code() const {
                    355: #ifdef HASH_CODE_CACHING
                    356:        if(hash_code)
                    357:                return hash_code;
                    358: #else
                    359:        uint hash_code=0;
                    360: #endif
1.220     misha     361:        if (body && CORD_IS_STRING(body)){
1.225     misha     362:                generic_hash_code(hash_code, body);
1.220     misha     363:        } else {
                    364:                CORD_iter5(body, 0,
                    365:                        CORD_batched_iter_fn_generic_hash_code, 
1.225     misha     366:                        CORD_batched_iter_fn_generic_hash_code, &hash_code);
1.220     misha     367:        }
1.225     misha     368:        return hash_code;
1.94      parser    369: }
                    370: 
1.241     misha     371: struct CORD_pos_info {
                    372:        const char* chars;
                    373:        size_t left;
                    374:        size_t pos;
                    375: };
                    376: 
                    377: // can be called only for IS_FUNCTION(CORD) which is used in String::Body::strrpbrk
                    378: static int CORD_iter_fn_rpos(char c, CORD_pos_info* info) {
                    379:        if(info->pos < info->left){
                    380:                info->pos=STRING_NOT_FOUND;
                    381:                return 1;
                    382:        }
                    383:        if(strchr(info->chars, c))
                    384:                return 1;
                    385:        --(info->pos);
                    386:        return 0;
                    387: }
                    388: 
                    389: size_t String::Body::strrpbrk(const char* chars, size_t left, size_t right) const {
                    390:        if(is_empty() || !chars || !strlen(chars))
                    391:                return STRING_NOT_FOUND;
                    392:        CORD_pos_info info={chars, left, right};
                    393:        if(CORD_riter4(body, right, (CORD_iter_fn)CORD_iter_fn_rpos, &info))
                    394:                return info.pos;
                    395:        else
                    396:                return STRING_NOT_FOUND;
                    397: }
                    398: 
                    399: 
                    400: // can be called only for IS_FUNCTION(CORD) which is used in String::Body::rskipchars
                    401: static int CORD_iter_fn_rskip(char c, CORD_pos_info* info) {
                    402:        if(info->pos < info->left) {
                    403:                info->pos=STRING_NOT_FOUND;
                    404:                return 1;
                    405:        }
                    406:        if(!strchr(info->chars, c))
                    407:                return 1;
                    408:        --(info->pos);
                    409:        return 0;
                    410: }
                    411: 
                    412: size_t String::Body::rskipchars(const char* chars, size_t left, size_t right) const {
                    413:        if(is_empty() || !chars || !strlen(chars))
                    414:                return STRING_NOT_FOUND;
                    415:        CORD_pos_info info={chars, left, right};
                    416:        if(CORD_riter4(body, right, (CORD_iter_fn)CORD_iter_fn_rskip, &info))
                    417:                return info.pos;
                    418:        else
                    419:                return STRING_NOT_FOUND;
                    420: }
                    421: 
1.174     paf       422: // String methods
                    423: 
                    424: String& String::append_know_length(const char* str, size_t known_length, Language lang) {
                    425:        if(!known_length)
1.9       paf       426:                return *this;
1.122     paf       427: 
1.176     paf       428:        // first: langs
                    429:        langs.append(body, lang, known_length);
                    430:        // next: letters themselves
1.174     paf       431:        body.append_know_length(str, known_length);
1.1       paf       432: 
1.174     paf       433:        ASSERT_STRING_INVARIANT(*this);
1.1       paf       434:        return *this;
                    435: }
1.248   ! moko      436: 
1.174     paf       437: String& String::append_help_length(const char* str, size_t helper_length, Language lang) {
                    438:        if(!str)
                    439:                return *this;
                    440:        size_t known_length=helper_length?helper_length:strlen(str);
                    441:        if(!known_length)
                    442:                return *this;
1.1       paf       443: 
1.174     paf       444:        return append_know_length(str, known_length, lang);
1.5       paf       445: }
1.248   ! moko      446: 
1.244     moko      447: String::String(int value, const char *format) : langs(L_CLEAN){
1.226     misha     448:        char buf[MAX_NUMBER];
                    449:        body.append_strdup_know_length(buf, snprintf(buf, MAX_NUMBER, format, value));
                    450: }
1.248   ! moko      451: 
1.174     paf       452: String& String::append_strdup(const char* str, size_t helper_length, Language lang) {
                    453:        size_t known_length=helper_length?helper_length:strlen(str);
                    454:        if(!known_length)
                    455:                return *this;
1.5       paf       456: 
1.176     paf       457:        // first: langs
                    458:        langs.append(body, lang, known_length);
                    459:        // next: letters themselves
1.174     paf       460:        body.append_strdup_know_length(str, known_length);
1.33      paf       461: 
1.174     paf       462:        ASSERT_STRING_INVARIANT(*this);
                    463:        return *this;
1.5       paf       464: }
1.46      paf       465: 
1.234     misha     466: struct CORD_length_info {
                    467:        size_t len;
                    468:        size_t skip;
                    469: };
                    470: 
                    471: int CORD_batched_len(const char* s, CORD_length_info* info){
                    472:        info->len += lengthUTF8( (const XMLByte *)s, (const XMLByte *)s+strlen(s));     return 0;
1.221     misha     473: }
                    474: 
1.234     misha     475: // can be called only for IS_FUNCTION(CORD) which are used in large String::Body::mid
                    476: int CORD_batched_len(const char c, CORD_length_info* info){
                    477:        if (info->skip==0){
                    478:                info->len++;
                    479:                info->skip = lengthUTF8Char(c)-1;
                    480:        } else {
                    481:                info->skip--;
                    482:        }
1.220     misha     483:        return 0;
                    484: }
                    485: 
1.210     misha     486: size_t String::length(Charset& charset) const {
                    487:        if(charset.isUTF8()){
1.234     misha     488:                CORD_length_info info = {0, 0};
                    489:                body.for_each<CORD_length_info *>(CORD_batched_len, CORD_batched_len, &info);
                    490:                return info.len;
1.210     misha     491:        } else
                    492:                return body.length();
                    493: }
                    494: 
1.174     paf       495: /// @todo check in doc: whether it documents NOW bad situation "abc".mid(-1, 3) =were?="ab"
                    496: String& String::mid(size_t substr_begin, size_t substr_end) const {
                    497:        String& result=*new String;
                    498: 
                    499:        size_t self_length=length();
                    500:        substr_begin=min(substr_begin, self_length);
                    501:        substr_end=min(max(substr_end, substr_begin), self_length);
1.176     paf       502:        size_t substr_length=substr_end-substr_begin;
                    503:        if(!substr_length)
1.107     parser    504:                return result;
1.53      paf       505: 
1.176     paf       506:        // first: their langs
                    507:        result.langs.append(result.body, langs, substr_begin, substr_length);
                    508:        // next: letters themselves
                    509:        result.body=body.mid(substr_begin, substr_length);
1.174     paf       510: 
                    511:        ASSERT_STRING_INVARIANT(result);
1.53      paf       512:        return result;
1.54      paf       513: }
                    514: 
1.211     misha     515: // from, to and helper_length in characters, not in bytes (it's important for utf-8)
                    516: String& String::mid(Charset& charset, size_t from, size_t to, size_t helper_length) const {
1.210     misha     517:        String& result=*new String;
                    518: 
1.211     misha     519:        size_t self_length=(helper_length)?helper_length:length(charset);
                    520: 
                    521:        if(!self_length)
                    522:                return result;
                    523: 
                    524:        from=min(min(to, from), self_length);
1.210     misha     525:        to=min(max(to, from), self_length);
1.211     misha     526: 
1.210     misha     527:        size_t substr_length=to-from;
1.211     misha     528: 
1.210     misha     529:        if(!substr_length)
                    530:                return result;
                    531: 
                    532:        if(charset.isUTF8()){
1.234     misha     533:                const XMLByte* src_begin=(const XMLByte*)cstr();
1.230     misha     534:                const XMLByte* src_end=src_begin+body.length();
1.210     misha     535: 
1.212     misha     536:                // convert 'from' and 'substr_length' from 'characters' to 'bytes'
1.230     misha     537:                from=getUTF8BytePos(src_begin, src_end, from);
                    538:                substr_length=getUTF8BytePos(src_begin+from, src_end, substr_length);
1.210     misha     539:                if(!substr_length)
                    540:                        return result;
                    541:        }
                    542: 
                    543:        // first: their langs
                    544:        result.langs.append(result.body, langs, from, substr_length);
                    545:        // next: letters themselves
                    546:        result.body=body.mid(from, substr_length);
                    547: 
                    548:        ASSERT_STRING_INVARIANT(result);
                    549:        return result;
                    550: }
                    551: 
1.176     paf       552: size_t String::pos(const String::Body substr, size_t this_offset, Language lang) const {
1.183     paf       553:        size_t substr_length=substr.length();
                    554:        while(true) {
                    555:                size_t substr_begin=body.pos(substr, this_offset);
                    556:                
                    557:                if(substr_begin==CORD_NOT_FOUND)
                    558:                        return STRING_NOT_FOUND;
1.174     paf       559: 
1.183     paf       560:                if(langs.check_lang(lang, substr_begin, substr_length))
                    561:                        return substr_begin;
                    562: 
                    563:                this_offset=substr_begin+substr_length;
                    564:        }
1.58      paf       565: }
                    566: 
1.174     paf       567: size_t String::pos(const String& substr, 
                    568:                                size_t this_offset, Language lang) const {
                    569:        return pos(substr.body, this_offset, lang);
1.60      paf       570: }
                    571: 
1.210     misha     572: size_t String::pos(Charset& charset, const String& substr, 
                    573:                                size_t this_offset, Language lang) const {
                    574: 
                    575:        if(charset.isUTF8()){
1.234     misha     576:                const XMLByte* srcPtr=(const XMLByte*)cstr();
1.212     misha     577:                const XMLByte* srcEnd=srcPtr+body.length();
                    578: 
                    579:                // convert 'this_offset' from 'characters' to 'bytes'
                    580:                this_offset=getUTF8BytePos(srcPtr, srcEnd, this_offset);
                    581: 
1.229     misha     582:                size_t result=pos(substr.body, this_offset, lang);
                    583:                return (result==CORD_NOT_FOUND)
                    584:                        ? STRING_NOT_FOUND
                    585:                        : getUTF8CharPos(srcPtr, srcEnd, result); // convert 'result' from 'bytes' to 'characters'
1.212     misha     586:        } else {
1.229     misha     587:                size_t result=pos(substr.body, this_offset, lang);
                    588:                return (result==CORD_NOT_FOUND)
                    589:                        ? STRING_NOT_FOUND
                    590:                        : result;
1.210     misha     591:        }
                    592: }
                    593: 
1.174     paf       594: void String::split(ArrayString& result, 
                    595:                   size_t& pos_after, 
                    596:                   const char* delim, 
                    597:                   Language lang, int limit) const {
1.237     misha     598:        if(is_empty())
                    599:                return;
1.174     paf       600:        size_t self_length=length();
1.237     misha     601:        if(size_t delim_length=strlen(delim)) {
1.186     paf       602:                size_t pos_before;
1.60      paf       603:                // while we have 'delim'...
1.174     paf       604:                for(; (pos_before=pos(delim, pos_after, lang))!=STRING_NOT_FOUND && limit; limit--) {
1.69      paf       605:                        result+=&mid(pos_after, pos_before);
1.174     paf       606:                        pos_after=pos_before+delim_length;
1.60      paf       607:                }
                    608:                // last piece
1.174     paf       609:                if(pos_after<self_length && limit) {
                    610:                        result+=&mid(pos_after, self_length);
                    611:                        pos_after=self_length;
1.60      paf       612:                }
                    613:        } else { // empty delim
                    614:                result+=this;
1.174     paf       615:                pos_after+=self_length;
1.60      paf       616:        }
                    617: }
                    618: 
1.174     paf       619: void String::split(ArrayString& result, 
                    620:                   size_t& pos_after, 
                    621:                   const String& delim, Language lang, 
                    622:                   int limit) const {
1.237     misha     623:        if(is_empty())
                    624:                return;
                    625:        if(!delim.is_empty()) {
1.186     paf       626:                size_t pos_before;
1.60      paf       627:                // while we have 'delim'...
1.174     paf       628:                for(; (pos_before=pos(delim, pos_after, lang))!=STRING_NOT_FOUND && limit; limit--) {
1.69      paf       629:                        result+=&mid(pos_after, pos_before);
1.174     paf       630:                        pos_after=pos_before+delim.length();
1.60      paf       631:                }
                    632:                // last piece
1.174     paf       633:                if(pos_after<length() && limit) {
                    634:                        result+=&mid(pos_after, length());
                    635:                        pos_after=length();
1.60      paf       636:                }
                    637:        } else { // empty delim
                    638:                result+=this;
1.174     paf       639:                pos_after+=length();
1.60      paf       640:        }
1.61      paf       641: }
                    642: 
1.222     misha     643: Table* String::match(VRegex* vregex,
                    644:                        Row_action row_action, void *info,
                    645:                        int& matches_count) const { 
1.209     misha     646: 
1.222     misha     647:        // vregex->info(); // I have no idea what does it for?
1.63      paf       648: 
1.222     misha     649:        bool need_pre_post_match=vregex->is_pre_post_match_needed();
                    650:        bool global=vregex->is_global_search();
1.63      paf       651: 
1.174     paf       652:        const char* subject=cstr();
1.234     misha     653:        size_t subject_length=length();
1.222     misha     654:        const int ovector_size=(1/*match*/+MAX_MATCH_GROUPS)*3;
                    655:        int ovector[ovector_size];
1.155     paf       656: 
1.173     paf       657:        Table::Action_options table_options;
1.174     paf       658:        Table& table=*new Table(string_match_table_template, table_options);
1.63      paf       659: 
1.154     paf       660:        int prestart=0;
                    661:        int poststart=0;
1.174     paf       662:        int postfinish=length();
1.63      paf       663:        while(true) {
1.222     misha     664:                int exec_result=vregex->exec(subject, subject_length, ovector, ovector_size, prestart);
1.63      paf       665: 
1.222     misha     666:                if(exec_result<0) // only PCRE_ERROR_NOMATCH might be here, other negative results cause an exception
                    667:                        break;
1.63      paf       668: 
1.154     paf       669:                int prefinish=ovector[0];
                    670:                poststart=ovector[1];
1.236     moko      671: 
                    672:                if (prestart==poststart && subject[poststart]=='\n'){
                    673:                        prestart++;
                    674:                        continue;
                    675:                }
                    676: 
1.232     misha     677:                ArrayString* row=new ArrayString(3);
1.174     paf       678:                if(need_pre_post_match) {
                    679:                        *row+=&mid(0, prefinish); // .prematch column value
                    680:                        *row+=&mid(prefinish, poststart); // .match
                    681:                        *row+=&mid(poststart, postfinish); // .postmatch
                    682:                } else {
1.185     paf       683:                        *row+=&Empty; // .prematch column value
                    684:                        *row+=&Empty; // .match
                    685:                        *row+=&Empty; // .postmatch
1.174     paf       686:                }
1.63      paf       687:                
1.222     misha     688:                for(int i=1; i<exec_result; i++) {
1.69      paf       689:                        // -1:-1 case handled peacefully by mid() itself
1.232     misha     690:                        *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       691:                }
                    692:                
1.209     misha     693:                matches_count++;
1.174     paf       694:                row_action(table, row, prestart, prefinish, poststart, postfinish, info);
1.63      paf       695: 
1.222     misha     696:                if(!global || prestart==poststart) // last step
                    697:                        break;
                    698: 
1.154     paf       699:                prestart=poststart;
1.222     misha     700:        }
1.63      paf       701: 
1.222     misha     702:        row_action(table, 0/*last time, no raw*/, 0, 0, poststart, postfinish, info);
                    703:        return vregex->is_just_count() ? 0 : &table;
1.82      parser    704: }
                    705: 
1.174     paf       706: String& String::change_case(Charset& source_charset, Change_case_kind kind) const {
                    707:        String& result=*new String();
                    708:        if(is_empty())
                    709:                return result;
                    710: 
                    711:        char* new_cstr=cstrm();
1.216     misha     712: 
1.181     paf       713:        if(source_charset.isUTF8()) {
1.216     misha     714:                size_t new_cstr_len=length();
1.181     paf       715:                switch(kind) {
                    716:                case CC_UPPER:
1.192     paf       717:                        change_case_UTF8((const XMLByte*)new_cstr, new_cstr_len, (XMLByte*)new_cstr, new_cstr_len, UTF8CaseToUpper);
1.181     paf       718:                        break;
                    719:                case CC_LOWER:
1.192     paf       720:                        change_case_UTF8((const XMLByte*)new_cstr, new_cstr_len, (XMLByte*)new_cstr, new_cstr_len, UTF8CaseToLower);
1.181     paf       721:                        break;
                    722:                default:
                    723:                        assert(!"unknown change case kind");
                    724:                        break; // never
                    725:                }       
                    726:                
                    727:        } else {
                    728:                const unsigned char *tables=source_charset.pcre_tables;
1.82      parser    729: 
1.181     paf       730:                const unsigned char *a;
                    731:                const unsigned char *b;
                    732:                switch(kind) {
                    733:                case CC_UPPER:
                    734:                        a=tables+lcc_offset;
                    735:                        b=tables+fcc_offset;
                    736:                        break;
                    737:                case CC_LOWER:
                    738:                        a=tables+lcc_offset;
                    739:                        b=0;
                    740:                        break;
                    741:                default:
                    742:                        assert(!"unknown change case kind");
                    743:                        a=b=0; // calm, compiler
                    744:                        break; // never
                    745:                }       
                    746: 
1.192     paf       747:                char *dest=new_cstr;
1.181     paf       748:                unsigned char index;
1.190     paf       749:                for(const char* current=new_cstr; (index=(unsigned char)*current); current++) {
1.181     paf       750:                        unsigned char c=a[index];
                    751:                        if(b)
                    752:                                c=b[c];
                    753: 
                    754:                        *dest++=(char)c;
                    755:                }
1.174     paf       756:        }
1.176     paf       757:        result.langs=langs;
1.174     paf       758:        result.body=new_cstr;
1.89      parser    759: 
1.101     parser    760:        return result;
                    761: }
                    762: 
1.213     misha     763: const String& String::escape(Charset& source_charset) const {
                    764:        if(is_empty())
                    765:                return *this;
                    766: 
                    767:        return Charset::escape(*this, source_charset);
                    768: }
                    769: 
1.238     misha     770: #define STRING_APPEND(result, from_cstr, langs, langs_offset, length) \
                    771:                        result.langs.append(result.body, langs, langs_offset, length); \
                    772:                        result.body.append_strdup_know_length(from_cstr, length);
                    773: 
1.174     paf       774: const String& String::replace(const Dictionary& dict) const {
1.238     misha     775:        if(!dict.count() || is_empty())
                    776:                return *this;
                    777: 
1.174     paf       778:        String& result=*new String();
                    779:        const char* old_cstr=cstr();
                    780:        const char* prematch_begin=old_cstr;
                    781: 
1.238     misha     782:        if(dict.count()==1) {
                    783:                // optimized simple case
                    784: 
                    785:                Dictionary::Subst subst=dict.get(0);
1.239     moko      786:                while(const char* p=strstr(prematch_begin, subst.from)) {
1.174     paf       787:                        // prematch
1.238     misha     788:                        if(size_t prematch_length=p-prematch_begin) {
                    789:                                STRING_APPEND(result, prematch_begin, langs, prematch_begin-old_cstr, prematch_length)
1.101     parser    790:                        }
                    791: 
1.174     paf       792:                        // match
1.238     misha     793:                        prematch_begin=p+subst.from_length;
1.174     paf       794: 
1.184     paf       795:                        if(const String* b=subst.to) // are there any b?
1.174     paf       796:                                result<<*b;
1.238     misha     797:                }
                    798: 
                    799:        } else {
                    800: 
                    801:                const char* current=old_cstr;
                    802:                while(*current) {
                    803:                        if(Dictionary::Subst subst=dict.first_that_begins(current)) {
                    804:                                // prematch
                    805:                                if(size_t prematch_length=current-prematch_begin) {
                    806:                                        STRING_APPEND(result, prematch_begin, langs, prematch_begin-old_cstr, prematch_length)
                    807:                                }
                    808: 
                    809:                                // match
                    810:                                // skip 'a' in 'current'; move prematch_begin
                    811:                                current+=subst.from_length; prematch_begin=current;
                    812: 
                    813:                                if(const String* b=subst.to) // are there any b?
                    814:                                        result<<*b;
                    815:                        } else // simply advance
                    816:                                current++; 
                    817:                }
                    818: 
1.174     paf       819:        }
1.156     paf       820: 
1.238     misha     821:        if(prematch_begin==old_cstr) // not modified
                    822:                return *this;
                    823: 
1.174     paf       824:        // postmatch
1.238     misha     825:        if(size_t postmatch_length=old_cstr+length()-prematch_begin) {
                    826:                STRING_APPEND(result, prematch_begin, langs, prematch_begin-old_cstr, postmatch_length)
1.174     paf       827:        }
1.156     paf       828: 
1.174     paf       829:        ASSERT_STRING_INVARIANT(result);
1.82      parser    830:        return result;
1.61      paf       831: }
1.113     parser    832: 
1.180     paf       833: static int serialize_body_char(char c, char** cur) {
                    834:        *((*cur)++)=c;
                    835:        return 0; // 0=continue
1.248   ! moko      836: }
        !           837: 
1.174     paf       838: static int serialize_body_piece(const char* s, char** cur) {
                    839:        size_t length=strlen(s);
                    840:        memcpy(*cur, s, length);  *cur+=length;
1.178     paf       841:        return 0; // 0=continue
1.248   ! moko      842: }
        !           843: 
1.178     paf       844: static int serialize_lang_piece(char alang, size_t asize, char** cur) {
                    845:        // lang
1.191     paf       846:        **cur=alang; (*cur)++;
                    847:        // length [WARNING: not cast, addresses must be %4=0 on sparc]
1.178     paf       848:        memcpy(*cur, &asize, sizeof(asize));  *cur+=sizeof(asize);
                    849: 
                    850:        return 0; // 0=continue
                    851: }
1.248   ! moko      852: 
1.174     paf       853: String::Cm String::serialize(size_t prolog_length) const {
1.178     paf       854:        size_t fragments_count=langs.count();
1.202     paf       855:        size_t body_length=body.length();
1.174     paf       856:        size_t buf_length=
1.178     paf       857:                prolog_length //1
                    858:                +sizeof(size_t) //2
1.202     paf       859:                +body_length //3
                    860:                +1 // 4 for zero terminator used in deserialize
                    861:                +sizeof(size_t) //5
                    862:                +fragments_count*(sizeof(char)+sizeof(size_t)); //6
                    863: 
1.174     paf       864:        String::Cm result(new(PointerFreeGC) char[buf_length], buf_length);
                    865: 
                    866:        // 1: prolog
                    867:        char *cur=result.str+prolog_length;
1.202     paf       868:        // 2: chars.count [WARNING: not cast, addresses must be %4=0 on sparc]
                    869:        memcpy(cur, &body_length, sizeof(body_length));  cur+=sizeof(body_length);
                    870:        // 3: letters
                    871:        body.for_each(serialize_body_char, serialize_body_piece, &cur);
                    872:        // 4: zero terminator
                    873:        *cur++=0;
                    874:        // 5: langs.count [WARNING: not cast, addresses must be %4=0 on sparc]
1.174     paf       875:        memcpy(cur, &fragments_count, sizeof(fragments_count));  cur+=sizeof(fragments_count);
1.202     paf       876:        // 6: lang info
1.178     paf       877:        langs.for_each(body, serialize_lang_piece, &cur);
1.113     parser    878: 
1.174     paf       879:        return result;
1.113     parser    880: }
1.248   ! moko      881: 
1.202     paf       882: bool String::deserialize(size_t prolog_size, void *buf, size_t buf_size) {
                    883:        size_t in_buf=buf_size;
                    884:        if(in_buf<=prolog_size)
1.148     paf       885:                return false;
1.202     paf       886:        in_buf-=prolog_size;
1.135     paf       887: 
1.174     paf       888:        // 1: prolog
1.202     paf       889:        const char* cur=(const char* )buf+prolog_size;
1.113     parser    890: 
1.207     paf       891:        // 2: chars.count
1.202     paf       892:        size_t body_length;
                    893:        if(in_buf<sizeof(body_length)) // body.length don't fit?
                    894:                return false;
                    895:        // [WARNING: not cast, addresses must be %4=0 on sparc]
                    896:        memcpy(&body_length, cur, sizeof(body_length));  cur+=sizeof(body_length);
                    897:        in_buf-=sizeof(body_length);
                    898: 
                    899:        if(in_buf<body_length+1) // letters+terminator don't fit?
                    900:                return false;
                    901:        // 4: zero terminator
                    902:        if(cur[body_length] != 0) // in place?
                    903:                return false;
                    904:        // 3: letters
1.227     misha     905:        body=String::Body(*cur?cur:0);
1.229     misha     906: #ifdef STRING_LENGTH_CACHING
                    907:        body.set_length(body_length);
                    908: #endif
1.202     paf       909:        cur+=body_length+1;
                    910:        in_buf-=body_length+1;
                    911: 
                    912:        // 5: langs.count
1.191     paf       913:        size_t fragments_count;
1.202     paf       914:        if(in_buf<sizeof(fragments_count)) // langs.count don't fit?
1.174     paf       915:                return false;
1.191     paf       916:        // [WARNING: not cast, addresses must be %4=0 on sparc]
                    917:        memcpy(&fragments_count, cur, sizeof(fragments_count));  cur+=sizeof(fragments_count);
1.202     paf       918:        in_buf-=sizeof(fragments_count);
1.174     paf       919:        
                    920:        if(fragments_count) {
1.202     paf       921:                // 6: lang info
1.174     paf       922:                size_t total_length=0;
                    923:                for(size_t f=0; f<fragments_count; f++) {
1.191     paf       924:                        char lang;
                    925:                        size_t fragment_length;
                    926:                        size_t piece_length=sizeof(lang)+sizeof(fragment_length);
1.202     paf       927:                        if(in_buf<piece_length) // lang+length
1.174     paf       928:                                return false;
                    929: 
1.191     paf       930:                        // lang
                    931:                        lang=*cur++;
                    932:                        // length [WARNING: not cast, addresses must be %4=0 on sparc]
                    933:                        memcpy(&fragment_length, cur, sizeof(fragment_length));  cur+=sizeof(fragment_length);
                    934: 
1.206     paf       935:                        size_t combined_length=total_length+fragment_length;
                    936:                        if(combined_length>body_length)
                    937:                                return false; // file curruption
1.191     paf       938:                        // uchar needed to prevent propagating 0x80 bit to upper bytes
                    939:                        langs.append(total_length, (String::Language)(uchar)lang, fragment_length);
1.206     paf       940:                        total_length=combined_length;
1.202     paf       941:                        in_buf-=piece_length;
1.174     paf       942:                }
1.128     paf       943: 
1.202     paf       944:                if(total_length!=body_length) // length(all language fragments) vs length(letters)
1.148     paf       945:                        return false;
1.174     paf       946:        }
1.202     paf       947:        if(in_buf!=0) // some strange extra bytes
                    948:                return false;
1.113     parser    949: 
1.174     paf       950:        ASSERT_STRING_INVARIANT(*this);
1.148     paf       951:        return true;
1.176     paf       952: }
                    953: 
                    954: const char* String::Body::v() const {
1.233     misha     955:        return CORD_to_const_char_star(body, length());
1.176     paf       956: }
1.248   ! moko      957: 
1.201     paf       958: void String::Body::dump() const {
                    959:        CORD_dump(body);
                    960: }
                    961: 
1.176     paf       962: const char* String::Languages::v() const {
1.177     paf       963:        if(opt.is_not_just_lang)
1.233     misha     964:                return CORD_to_const_char_star(langs, 0);
1.176     paf       965:        else
                    966:                return (const char*)&langs;
                    967: }
1.248   ! moko      968: 
1.201     paf       969: void String::Languages::dump() const {
                    970:        if(opt.is_not_just_lang)
                    971:                CORD_dump(langs);
                    972:        else
                    973:                puts((const char*)&langs);
                    974: }
1.248   ! moko      975: 
1.176     paf       976: const char* String::v() const {
1.198     paf       977:        const uint LIMIT_VIEW=20;
1.246     moko      978:        char* buf=(char*)pa_malloc(MAX_STRING);
1.176     paf       979:        const char*body_view=body.v();
                    980:        const char*langs_view=langs.v();
                    981:        snprintf(buf, MAX_STRING, 
1.178     paf       982:                "%d:%.*s%s}   "
1.176     paf       983:                "{%d:%s",
1.178     paf       984:                langs.count(), LIMIT_VIEW, langs_view, strlen(langs_view)>LIMIT_VIEW?"...":"",
1.176     paf       985:                strlen(body_view), body_view
                    986:        );
                    987: 
                    988:        return buf;
1.113     parser    989: }
1.229     misha     990: 
1.201     paf       991: void String::dump() const {
                    992:        body.dump();
                    993:        langs.dump();
                    994: }
1.229     misha     995: 
                    996: const String& String::trim(String::Trim_kind kind, const char* chars, Charset* source_charset) const {
1.223     misha     997:        if(is_empty())
1.195     paf       998:                return *this;
                    999: 
                   1000:        size_t substr_begin, substr_length;
1.229     misha    1001:        Body new_body=body.trim(kind, chars, &substr_begin, &substr_length, source_charset);
1.195     paf      1002:        if(new_body==body) // we received unchanged pointer, do likewise
                   1003:                return *this;
                   1004:        // new_body differs from body, adjust langs along
                   1005: 
                   1006:        String& result=*new String;
                   1007:        if(!new_body) // body.trim produced empty result
                   1008:                return result;
                   1009:        // body.trim produced nonempty result
                   1010: 
                   1011:        // first: their langs
                   1012:        result.langs.append(result.body, langs, substr_begin, substr_length);
                   1013:        // next: letters themselves
                   1014:        result.body=new_body;
                   1015: 
                   1016:        ASSERT_STRING_INVARIANT(result);
                   1017:        return result;
1.198     paf      1018: }

E-mail: