Annotation of parser3/src/main/pa_string.C, revision 1.251

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: 
1.251   ! moko       15: volatile const char * IDENT_PA_STRING_C="$Id: pa_string.C,v 1.250 2015/10/08 18:29:16 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: 
1.249     moko       21: template<typename T> inline T pa_ato_any(const char *str, int base, const String* problem_source,const T max){
                     22:        T result = 0;
1.242     moko       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: 
1.249     moko       50:        T cutoff = max / base;
                     51:        int cutoff_digit = (int)(max - cutoff * base);
1.242     moko       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: 
1.249     moko       85: unsigned int pa_atoui(const char *str, int base, const String* problem_source){
                     86:     return pa_ato_any<unsigned int>(str, base, problem_source, UINT_MAX);
                     87: }
                     88: 
                     89: unsigned long long pa_atoul(const char *str, int base, const String* problem_source){
                     90:     return pa_ato_any<unsigned long long int>(str, base, problem_source, ULLONG_MAX);
                     91: }
                     92: 
1.193     paf        93: int pa_atoi(const char* str, const String* problem_source) {
                     94:        if(!str)
                     95:                return 0;
                     96: 
1.242     moko       97:        while(isspace(*str))
1.193     paf        98:                str++;
1.242     moko       99: 
1.193     paf       100:        if(!*str)
                    101:                return 0;
                    102: 
1.200     paf       103:        bool negative=false;
                    104:        if(str[0]=='-') {
                    105:                negative=true;
                    106:                str++;
                    107:        } else if(str[0]=='+') {
                    108:                str++;
                    109:        }
1.193     paf       110: 
1.242     moko      111:        unsigned int result=pa_atoui(str, 0, problem_source);
1.193     paf       112: 
1.242     moko      113:        if(negative && result <= ((unsigned int)(-(1+INT_MIN)))+1)
1.243     moko      114:                return -(int)result;
1.242     moko      115:        
                    116:        if(result<=INT_MAX)
1.243     moko      117:                return (int)result;
1.242     moko      118:        
                    119:        throw Exception("number.format", problem_source, problem_source ? "out of range (int)" : "'%s' is out of range (int)", str);
1.193     paf       120: }
                    121: 
                    122: double pa_atod(const char* str, const String* problem_source) {
                    123:        if(!str)
                    124:                return 0;
                    125: 
1.242     moko      126:        while(isspace(*str))
1.193     paf       127:                str++;
1.242     moko      128: 
1.193     paf       129:        if(!*str)
                    130:                return 0;
                    131: 
1.200     paf       132:        bool negative=false;
                    133:        if(str[0]=='-') {
                    134:                negative=true;
                    135:                str++;
                    136:        } else if(str[0]=='+') {
                    137:                str++;
                    138:        }
1.242     moko      139: 
                    140:        double result;
1.247     moko      141:        if(str[0]=='0') {
                    142:                if(str[1]=='x' || str[1]=='X') {
1.242     moko      143:                        // 0xABC
1.249     moko      144:                        result=(double)pa_atoul(str, 0, problem_source);
1.242     moko      145:                        return negative ? -result : result;
                    146:                } else {
1.200     paf       147:                         // skip leading 0000, to disable octal interpretation
1.242     moko      148:                        do str++; while(*str=='0');
1.200     paf       149:                }
1.247     moko      150:        }
1.242     moko      151: 
                    152:        char *error_pos;
                    153:        result=strtod(str, &error_pos);
1.193     paf       154: 
                    155:        while(char c=*error_pos++)
1.199     paf       156:                if(!isspace((unsigned char)c))
1.242     moko      157:                        throw Exception("number.format", problem_source, problem_source ? "invalid number (double)" : "'%s' is invalid number (double)", str);
1.193     paf       158: 
1.242     moko      159:        return negative ? -result : result;
1.193     paf       160: }
                    161: 
1.176     paf       162: // cord lib extension
                    163: 
                    164: #ifndef DOXYGEN
                    165: typedef struct {
                    166:     ssize_t countdown;
1.204     paf       167:     int target;        /* Character we're looking for  */
1.176     paf       168: } chr_data;
                    169: #endif
1.248     moko      170: 
1.176     paf       171: static int CORD_range_contains_chr_greater_then_proc(char c, size_t size, void* client_data)
                    172: {
                    173:     register chr_data * d = (chr_data *)client_data;
                    174:     
                    175:     if (d -> countdown<=0) return(2);
                    176:     d -> countdown -= size;
                    177:     if (c > d -> target) return(1);
                    178:     return(0);
                    179: }
1.248     moko      180: 
1.176     paf       181: int CORD_range_contains_chr_greater_then(CORD x, size_t i, size_t n, int c)
                    182: {
                    183:     chr_data d;
                    184: 
                    185:     d.countdown = n;
                    186:     d.target = c;
                    187:     return(CORD_block_iter(x, i, CORD_range_contains_chr_greater_then_proc, &d) == 1/*alternatives: 0 normally ended, 2=struck 'n'*/);
                    188: }
                    189: 
1.187     paf       190: static int CORD_block_count_proc(char /*c*/, size_t /*size*/, void* client_data)
1.178     paf       191: {
                    192:     int* result=(int*)client_data;
                    193:     (*result)++;
                    194:     return(0); // 0=continue
                    195: }
1.248     moko      196: 
1.178     paf       197: size_t CORD_block_count(CORD x)
                    198: {
                    199:        size_t result=0;
                    200:        CORD_block_iter(x, 0, CORD_block_count_proc, &result);
                    201:     return result;
                    202: }
                    203: 
1.174     paf       204: // helpers
1.139     paf       205: 
1.174     paf       206: /// String::match uses this as replace & global search table columns
1.139     paf       207: 
1.174     paf       208: const int MAX_MATCH_GROUPS=100;
1.139     paf       209: 
1.174     paf       210: class String_match_table_template_columns: public ArrayString {
                    211: public:
                    212:        String_match_table_template_columns() {
                    213:                *this+=new String("prematch");
                    214:                *this+=new String("match");
                    215:                *this+=new String("postmatch");
                    216:                for(int i=0; i<MAX_MATCH_GROUPS; i++) {
1.176     paf       217:                        *this+=new String(String::Body::Format(1+i), String::L_CLEAN);
1.174     paf       218:                }
                    219:        }
                    220: };
                    221: 
                    222: Table string_match_table_template(new String_match_table_template_columns);
                    223: 
1.176     paf       224: // String::Body methods
1.140     paf       225: 
1.176     paf       226: String::Body String::Body::Format(int value) {
1.174     paf       227:        char local[MAX_NUMBER];
                    228:        size_t length=snprintf(local, MAX_NUMBER, "%d", value);
1.224     misha     229:        return String::Body(pa_strdup(local, length));
1.120     paf       230: }
                    231: 
1.195     paf       232: String::Body String::Body::trim(String::Trim_kind kind, const char* chars, 
1.229     misha     233:                                                                size_t* out_start, size_t* out_length, Charset* source_charset) const {
1.195     paf       234:        size_t our_length=length();
                    235:        if(!our_length)
                    236:                return *this;
1.229     misha     237: 
                    238:        // check if any UTF-8 in chars
                    239:        bool fast=true;
                    240:        if(chars && source_charset && source_charset->isUTF8()){
                    241:                const char* pos=chars;
                    242:                while(unsigned char c=*pos++)
                    243:                        if(c>127){
                    244:                                fast=false;
                    245:                                break;
                    246:                        }
                    247:        }
                    248: 
                    249:        size_t start=0;
                    250:        size_t end=our_length;
1.195     paf       251:        if(!chars)
                    252:                chars=" \t\n"; // white space
                    253: 
1.229     misha     254:        if(fast){
                    255:                // from left...
                    256:                if(kind!=TRIM_END) {
                    257:                        CORD_pos pos; set_pos(pos, 0);
                    258:                        while(true) {
                    259:                                char c=CORD_pos_fetch(pos);
                    260:                                if(strchr(chars, c)) {
                    261:                                        if(++start==our_length)
                    262:                                                return 0; // all chars are empty, just return empty string
                    263:                                } else
                    264:                                        break;                  
                    265: 
                    266:                                CORD_next(pos);
                    267:                        }
                    268:                }
                    269: 
                    270:                // from right..
                    271:                if(kind!=TRIM_START) {
                    272:                        CORD_pos pos; set_pos(pos, end-1);
                    273:                        while(true) {
                    274:                                char c=CORD_pos_fetch(pos);
                    275:                                if(strchr(chars, c)) {
                    276:                                        if(--end==0) // optimization: NO need to check for 'end>=start', that's(<) impossible
                    277:                                                return 0; // all chars are empty, just return empty string
                    278:                                } else
                    279:                                        break;                  
                    280: 
                    281:                                CORD_prev(pos);
                    282:                        }
                    283:                }
                    284:        } else {
1.234     misha     285:                const XMLByte* src_begin=(const XMLByte*)cstr();
1.229     misha     286:                const XMLByte* src_end=src_begin+our_length;
                    287: 
                    288:                // from left...
                    289:                if(kind!=TRIM_END) {
                    290:                        while(src_begin<src_end){
                    291:                                uint char_length=1;
                    292:                                const XMLByte* ptr=src_begin;
1.231     misha     293:                                // searching first UTF-8 byte: http://tools.ietf.org/html/rfc3629#section-3
                    294:                                while(++src_begin<=src_end && (*src_begin>127 && *src_begin<0xC0))
1.229     misha     295:                                        char_length++;
                    296: 
                    297:                                bool found=false;
                    298:                                for(const char* chars_byte=chars; chars_byte=strchr(chars_byte, *ptr); chars_byte++)
                    299:                                        if(strncmp(chars_byte, (const char*)ptr, char_length)==0){
                    300:                                                found=true;
                    301:                                                break;
                    302:                                        }
                    303: 
                    304:                                if(found){
                    305:                                        start+=char_length;
                    306:                                        if(start==our_length)
                    307:                                                return 0; // all chars are empty, just return empty string
                    308:                                } else
                    309:                                        break;
                    310:                        }
                    311:                }
1.196     paf       312: 
1.229     misha     313:                // from right..
                    314:                if(kind!=TRIM_START) {
                    315:                        while(src_begin<src_end){
                    316:                                uint char_length=1;
1.231     misha     317:                                // searching first UTF-8 byte: http://tools.ietf.org/html/rfc3629#section-3
                    318:                                while(src_begin<=--src_end && (*src_end>127 && *src_end<0xC0))
1.229     misha     319:                                        char_length++;
                    320: 
                    321:                                bool found=false;
                    322:                                for(const char* chars_byte=chars; chars_byte=strchr(chars_byte, *src_end); chars_byte++)
                    323:                                        if(strncmp(chars_byte, (const char*)src_end, char_length)==0){
                    324:                                                found=true;
                    325:                                                break;
                    326:                                        }
                    327: 
                    328:                                if(found){
                    329:                                        end-=char_length;
                    330:                                        if(end==0)
                    331:                                                return 0; // all chars are empty, just return empty string
                    332:                                } else
                    333:                                        break;
                    334:                        }
1.196     paf       335:                }
                    336:        }
1.195     paf       337: 
                    338:        if(start==0 && end==our_length) // nobody moved a thing
                    339:                return *this;
                    340: 
                    341:        if(out_start)
                    342:                *out_start=start;
                    343:        size_t new_length=end-start;
                    344:        if(out_length)
                    345:                *out_length=new_length;
                    346: 
                    347:        return mid(start, new_length);
                    348: }
                    349: 
1.174     paf       350: static int CORD_batched_iter_fn_generic_hash_code(char c, void * client_data) {
                    351:        uint& result=*static_cast<uint*>(client_data);
                    352:        generic_hash_code(result, c);
                    353:        return 0;
                    354: }
1.248     moko      355: 
1.174     paf       356: static int CORD_batched_iter_fn_generic_hash_code(const char*  s, void * client_data) {
                    357:        uint& result=*static_cast<uint*>(client_data);
                    358:        generic_hash_code(result, s);
                    359:        return 0;
1.248     moko      360: }
                    361: 
1.225     misha     362: uint String::Body::get_hash_code() const {
                    363: #ifdef HASH_CODE_CACHING
                    364:        if(hash_code)
                    365:                return hash_code;
                    366: #else
                    367:        uint hash_code=0;
                    368: #endif
1.220     misha     369:        if (body && CORD_IS_STRING(body)){
1.250     moko      370:                generic_hash_code(hash_code, (const char *)body);
1.220     misha     371:        } else {
                    372:                CORD_iter5(body, 0,
                    373:                        CORD_batched_iter_fn_generic_hash_code, 
1.225     misha     374:                        CORD_batched_iter_fn_generic_hash_code, &hash_code);
1.220     misha     375:        }
1.225     misha     376:        return hash_code;
1.94      parser    377: }
                    378: 
1.241     misha     379: struct CORD_pos_info {
                    380:        const char* chars;
                    381:        size_t left;
                    382:        size_t pos;
                    383: };
                    384: 
                    385: // can be called only for IS_FUNCTION(CORD) which is used in String::Body::strrpbrk
                    386: static int CORD_iter_fn_rpos(char c, CORD_pos_info* info) {
                    387:        if(info->pos < info->left){
                    388:                info->pos=STRING_NOT_FOUND;
                    389:                return 1;
                    390:        }
                    391:        if(strchr(info->chars, c))
                    392:                return 1;
                    393:        --(info->pos);
                    394:        return 0;
                    395: }
                    396: 
                    397: size_t String::Body::strrpbrk(const char* chars, size_t left, size_t right) const {
                    398:        if(is_empty() || !chars || !strlen(chars))
                    399:                return STRING_NOT_FOUND;
                    400:        CORD_pos_info info={chars, left, right};
                    401:        if(CORD_riter4(body, right, (CORD_iter_fn)CORD_iter_fn_rpos, &info))
                    402:                return info.pos;
                    403:        else
                    404:                return STRING_NOT_FOUND;
                    405: }
                    406: 
                    407: 
                    408: // can be called only for IS_FUNCTION(CORD) which is used in String::Body::rskipchars
                    409: static int CORD_iter_fn_rskip(char c, CORD_pos_info* info) {
                    410:        if(info->pos < info->left) {
                    411:                info->pos=STRING_NOT_FOUND;
                    412:                return 1;
                    413:        }
                    414:        if(!strchr(info->chars, c))
                    415:                return 1;
                    416:        --(info->pos);
                    417:        return 0;
                    418: }
                    419: 
                    420: size_t String::Body::rskipchars(const char* chars, size_t left, size_t right) const {
                    421:        if(is_empty() || !chars || !strlen(chars))
                    422:                return STRING_NOT_FOUND;
                    423:        CORD_pos_info info={chars, left, right};
                    424:        if(CORD_riter4(body, right, (CORD_iter_fn)CORD_iter_fn_rskip, &info))
                    425:                return info.pos;
                    426:        else
                    427:                return STRING_NOT_FOUND;
                    428: }
                    429: 
1.174     paf       430: // String methods
                    431: 
                    432: String& String::append_know_length(const char* str, size_t known_length, Language lang) {
                    433:        if(!known_length)
1.9       paf       434:                return *this;
1.122     paf       435: 
1.176     paf       436:        // first: langs
                    437:        langs.append(body, lang, known_length);
                    438:        // next: letters themselves
1.174     paf       439:        body.append_know_length(str, known_length);
1.1       paf       440: 
1.174     paf       441:        ASSERT_STRING_INVARIANT(*this);
1.1       paf       442:        return *this;
                    443: }
1.248     moko      444: 
1.174     paf       445: String& String::append_help_length(const char* str, size_t helper_length, Language lang) {
                    446:        if(!str)
                    447:                return *this;
                    448:        size_t known_length=helper_length?helper_length:strlen(str);
                    449:        if(!known_length)
                    450:                return *this;
1.1       paf       451: 
1.174     paf       452:        return append_know_length(str, known_length, lang);
1.5       paf       453: }
1.248     moko      454: 
1.244     moko      455: String::String(int value, const char *format) : langs(L_CLEAN){
1.226     misha     456:        char buf[MAX_NUMBER];
                    457:        body.append_strdup_know_length(buf, snprintf(buf, MAX_NUMBER, format, value));
                    458: }
1.248     moko      459: 
1.174     paf       460: String& String::append_strdup(const char* str, size_t helper_length, Language lang) {
                    461:        size_t known_length=helper_length?helper_length:strlen(str);
                    462:        if(!known_length)
                    463:                return *this;
1.5       paf       464: 
1.176     paf       465:        // first: langs
                    466:        langs.append(body, lang, known_length);
                    467:        // next: letters themselves
1.174     paf       468:        body.append_strdup_know_length(str, known_length);
1.33      paf       469: 
1.174     paf       470:        ASSERT_STRING_INVARIANT(*this);
                    471:        return *this;
1.5       paf       472: }
1.46      paf       473: 
1.234     misha     474: struct CORD_length_info {
                    475:        size_t len;
                    476:        size_t skip;
                    477: };
                    478: 
                    479: int CORD_batched_len(const char* s, CORD_length_info* info){
                    480:        info->len += lengthUTF8( (const XMLByte *)s, (const XMLByte *)s+strlen(s));     return 0;
1.221     misha     481: }
                    482: 
1.234     misha     483: // can be called only for IS_FUNCTION(CORD) which are used in large String::Body::mid
                    484: int CORD_batched_len(const char c, CORD_length_info* info){
                    485:        if (info->skip==0){
                    486:                info->len++;
                    487:                info->skip = lengthUTF8Char(c)-1;
                    488:        } else {
                    489:                info->skip--;
                    490:        }
1.220     misha     491:        return 0;
                    492: }
                    493: 
1.210     misha     494: size_t String::length(Charset& charset) const {
                    495:        if(charset.isUTF8()){
1.234     misha     496:                CORD_length_info info = {0, 0};
                    497:                body.for_each<CORD_length_info *>(CORD_batched_len, CORD_batched_len, &info);
                    498:                return info.len;
1.210     misha     499:        } else
                    500:                return body.length();
                    501: }
                    502: 
1.174     paf       503: /// @todo check in doc: whether it documents NOW bad situation "abc".mid(-1, 3) =were?="ab"
                    504: String& String::mid(size_t substr_begin, size_t substr_end) const {
                    505:        String& result=*new String;
                    506: 
                    507:        size_t self_length=length();
                    508:        substr_begin=min(substr_begin, self_length);
                    509:        substr_end=min(max(substr_end, substr_begin), self_length);
1.176     paf       510:        size_t substr_length=substr_end-substr_begin;
                    511:        if(!substr_length)
1.107     parser    512:                return result;
1.53      paf       513: 
1.176     paf       514:        // first: their langs
                    515:        result.langs.append(result.body, langs, substr_begin, substr_length);
                    516:        // next: letters themselves
                    517:        result.body=body.mid(substr_begin, substr_length);
1.174     paf       518: 
                    519:        ASSERT_STRING_INVARIANT(result);
1.53      paf       520:        return result;
1.54      paf       521: }
                    522: 
1.211     misha     523: // from, to and helper_length in characters, not in bytes (it's important for utf-8)
                    524: String& String::mid(Charset& charset, size_t from, size_t to, size_t helper_length) const {
1.210     misha     525:        String& result=*new String;
                    526: 
1.211     misha     527:        size_t self_length=(helper_length)?helper_length:length(charset);
                    528: 
                    529:        if(!self_length)
                    530:                return result;
                    531: 
                    532:        from=min(min(to, from), self_length);
1.210     misha     533:        to=min(max(to, from), self_length);
1.211     misha     534: 
1.210     misha     535:        size_t substr_length=to-from;
1.211     misha     536: 
1.210     misha     537:        if(!substr_length)
                    538:                return result;
                    539: 
                    540:        if(charset.isUTF8()){
1.234     misha     541:                const XMLByte* src_begin=(const XMLByte*)cstr();
1.230     misha     542:                const XMLByte* src_end=src_begin+body.length();
1.210     misha     543: 
1.212     misha     544:                // convert 'from' and 'substr_length' from 'characters' to 'bytes'
1.230     misha     545:                from=getUTF8BytePos(src_begin, src_end, from);
                    546:                substr_length=getUTF8BytePos(src_begin+from, src_end, substr_length);
1.210     misha     547:                if(!substr_length)
                    548:                        return result;
                    549:        }
                    550: 
                    551:        // first: their langs
                    552:        result.langs.append(result.body, langs, from, substr_length);
                    553:        // next: letters themselves
                    554:        result.body=body.mid(from, substr_length);
                    555: 
                    556:        ASSERT_STRING_INVARIANT(result);
                    557:        return result;
                    558: }
                    559: 
1.176     paf       560: size_t String::pos(const String::Body substr, size_t this_offset, Language lang) const {
1.183     paf       561:        size_t substr_length=substr.length();
                    562:        while(true) {
                    563:                size_t substr_begin=body.pos(substr, this_offset);
                    564:                
                    565:                if(substr_begin==CORD_NOT_FOUND)
                    566:                        return STRING_NOT_FOUND;
1.174     paf       567: 
1.183     paf       568:                if(langs.check_lang(lang, substr_begin, substr_length))
                    569:                        return substr_begin;
                    570: 
                    571:                this_offset=substr_begin+substr_length;
                    572:        }
1.58      paf       573: }
                    574: 
1.174     paf       575: size_t String::pos(const String& substr, 
                    576:                                size_t this_offset, Language lang) const {
                    577:        return pos(substr.body, this_offset, lang);
1.60      paf       578: }
                    579: 
1.210     misha     580: size_t String::pos(Charset& charset, const String& substr, 
                    581:                                size_t this_offset, Language lang) const {
                    582: 
                    583:        if(charset.isUTF8()){
1.234     misha     584:                const XMLByte* srcPtr=(const XMLByte*)cstr();
1.212     misha     585:                const XMLByte* srcEnd=srcPtr+body.length();
                    586: 
                    587:                // convert 'this_offset' from 'characters' to 'bytes'
                    588:                this_offset=getUTF8BytePos(srcPtr, srcEnd, this_offset);
                    589: 
1.229     misha     590:                size_t result=pos(substr.body, this_offset, lang);
                    591:                return (result==CORD_NOT_FOUND)
                    592:                        ? STRING_NOT_FOUND
                    593:                        : getUTF8CharPos(srcPtr, srcEnd, result); // convert 'result' from 'bytes' to 'characters'
1.212     misha     594:        } else {
1.229     misha     595:                size_t result=pos(substr.body, this_offset, lang);
                    596:                return (result==CORD_NOT_FOUND)
                    597:                        ? STRING_NOT_FOUND
                    598:                        : result;
1.210     misha     599:        }
                    600: }
                    601: 
1.174     paf       602: void String::split(ArrayString& result, 
                    603:                   size_t& pos_after, 
                    604:                   const char* delim, 
                    605:                   Language lang, int limit) const {
1.237     misha     606:        if(is_empty())
                    607:                return;
1.174     paf       608:        size_t self_length=length();
1.237     misha     609:        if(size_t delim_length=strlen(delim)) {
1.186     paf       610:                size_t pos_before;
1.60      paf       611:                // while we have 'delim'...
1.174     paf       612:                for(; (pos_before=pos(delim, pos_after, lang))!=STRING_NOT_FOUND && limit; limit--) {
1.69      paf       613:                        result+=&mid(pos_after, pos_before);
1.174     paf       614:                        pos_after=pos_before+delim_length;
1.60      paf       615:                }
                    616:                // last piece
1.174     paf       617:                if(pos_after<self_length && limit) {
                    618:                        result+=&mid(pos_after, self_length);
                    619:                        pos_after=self_length;
1.60      paf       620:                }
                    621:        } else { // empty delim
                    622:                result+=this;
1.174     paf       623:                pos_after+=self_length;
1.60      paf       624:        }
                    625: }
                    626: 
1.174     paf       627: void String::split(ArrayString& result, 
                    628:                   size_t& pos_after, 
                    629:                   const String& delim, Language lang, 
                    630:                   int limit) const {
1.237     misha     631:        if(is_empty())
                    632:                return;
                    633:        if(!delim.is_empty()) {
1.186     paf       634:                size_t pos_before;
1.60      paf       635:                // while we have 'delim'...
1.174     paf       636:                for(; (pos_before=pos(delim, pos_after, lang))!=STRING_NOT_FOUND && limit; limit--) {
1.69      paf       637:                        result+=&mid(pos_after, pos_before);
1.174     paf       638:                        pos_after=pos_before+delim.length();
1.60      paf       639:                }
                    640:                // last piece
1.174     paf       641:                if(pos_after<length() && limit) {
                    642:                        result+=&mid(pos_after, length());
                    643:                        pos_after=length();
1.60      paf       644:                }
                    645:        } else { // empty delim
                    646:                result+=this;
1.174     paf       647:                pos_after+=length();
1.60      paf       648:        }
1.61      paf       649: }
                    650: 
1.222     misha     651: Table* String::match(VRegex* vregex,
                    652:                        Row_action row_action, void *info,
                    653:                        int& matches_count) const { 
1.209     misha     654: 
1.222     misha     655:        // vregex->info(); // I have no idea what does it for?
1.63      paf       656: 
1.222     misha     657:        bool need_pre_post_match=vregex->is_pre_post_match_needed();
                    658:        bool global=vregex->is_global_search();
1.63      paf       659: 
1.174     paf       660:        const char* subject=cstr();
1.234     misha     661:        size_t subject_length=length();
1.222     misha     662:        const int ovector_size=(1/*match*/+MAX_MATCH_GROUPS)*3;
                    663:        int ovector[ovector_size];
1.155     paf       664: 
1.173     paf       665:        Table::Action_options table_options;
1.174     paf       666:        Table& table=*new Table(string_match_table_template, table_options);
1.63      paf       667: 
1.154     paf       668:        int prestart=0;
                    669:        int poststart=0;
1.174     paf       670:        int postfinish=length();
1.63      paf       671:        while(true) {
1.222     misha     672:                int exec_result=vregex->exec(subject, subject_length, ovector, ovector_size, prestart);
1.63      paf       673: 
1.222     misha     674:                if(exec_result<0) // only PCRE_ERROR_NOMATCH might be here, other negative results cause an exception
                    675:                        break;
1.63      paf       676: 
1.154     paf       677:                int prefinish=ovector[0];
                    678:                poststart=ovector[1];
1.236     moko      679: 
                    680:                if (prestart==poststart && subject[poststart]=='\n'){
                    681:                        prestart++;
                    682:                        continue;
                    683:                }
                    684: 
1.232     misha     685:                ArrayString* row=new ArrayString(3);
1.174     paf       686:                if(need_pre_post_match) {
                    687:                        *row+=&mid(0, prefinish); // .prematch column value
                    688:                        *row+=&mid(prefinish, poststart); // .match
                    689:                        *row+=&mid(poststart, postfinish); // .postmatch
                    690:                } else {
1.185     paf       691:                        *row+=&Empty; // .prematch column value
                    692:                        *row+=&Empty; // .match
                    693:                        *row+=&Empty; // .postmatch
1.174     paf       694:                }
1.63      paf       695:                
1.222     misha     696:                for(int i=1; i<exec_result; i++) {
1.69      paf       697:                        // -1:-1 case handled peacefully by mid() itself
1.232     misha     698:                        *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       699:                }
                    700:                
1.209     misha     701:                matches_count++;
1.174     paf       702:                row_action(table, row, prestart, prefinish, poststart, postfinish, info);
1.63      paf       703: 
1.222     misha     704:                if(!global || prestart==poststart) // last step
                    705:                        break;
                    706: 
1.154     paf       707:                prestart=poststart;
1.222     misha     708:        }
1.63      paf       709: 
1.222     misha     710:        row_action(table, 0/*last time, no raw*/, 0, 0, poststart, postfinish, info);
                    711:        return vregex->is_just_count() ? 0 : &table;
1.82      parser    712: }
                    713: 
1.174     paf       714: String& String::change_case(Charset& source_charset, Change_case_kind kind) const {
                    715:        String& result=*new String();
                    716:        if(is_empty())
                    717:                return result;
                    718: 
                    719:        char* new_cstr=cstrm();
1.216     misha     720: 
1.181     paf       721:        if(source_charset.isUTF8()) {
1.216     misha     722:                size_t new_cstr_len=length();
1.181     paf       723:                switch(kind) {
                    724:                case CC_UPPER:
1.192     paf       725:                        change_case_UTF8((const XMLByte*)new_cstr, new_cstr_len, (XMLByte*)new_cstr, new_cstr_len, UTF8CaseToUpper);
1.181     paf       726:                        break;
                    727:                case CC_LOWER:
1.192     paf       728:                        change_case_UTF8((const XMLByte*)new_cstr, new_cstr_len, (XMLByte*)new_cstr, new_cstr_len, UTF8CaseToLower);
1.181     paf       729:                        break;
                    730:                default:
                    731:                        assert(!"unknown change case kind");
                    732:                        break; // never
                    733:                }       
                    734:                
                    735:        } else {
                    736:                const unsigned char *tables=source_charset.pcre_tables;
1.82      parser    737: 
1.181     paf       738:                const unsigned char *a;
                    739:                const unsigned char *b;
                    740:                switch(kind) {
                    741:                case CC_UPPER:
                    742:                        a=tables+lcc_offset;
                    743:                        b=tables+fcc_offset;
                    744:                        break;
                    745:                case CC_LOWER:
                    746:                        a=tables+lcc_offset;
                    747:                        b=0;
                    748:                        break;
                    749:                default:
                    750:                        assert(!"unknown change case kind");
                    751:                        a=b=0; // calm, compiler
                    752:                        break; // never
                    753:                }       
                    754: 
1.192     paf       755:                char *dest=new_cstr;
1.181     paf       756:                unsigned char index;
1.190     paf       757:                for(const char* current=new_cstr; (index=(unsigned char)*current); current++) {
1.181     paf       758:                        unsigned char c=a[index];
                    759:                        if(b)
                    760:                                c=b[c];
                    761: 
                    762:                        *dest++=(char)c;
                    763:                }
1.174     paf       764:        }
1.176     paf       765:        result.langs=langs;
1.174     paf       766:        result.body=new_cstr;
1.89      parser    767: 
1.101     parser    768:        return result;
                    769: }
                    770: 
1.213     misha     771: const String& String::escape(Charset& source_charset) const {
                    772:        if(is_empty())
                    773:                return *this;
                    774: 
                    775:        return Charset::escape(*this, source_charset);
                    776: }
                    777: 
1.238     misha     778: #define STRING_APPEND(result, from_cstr, langs, langs_offset, length) \
                    779:                        result.langs.append(result.body, langs, langs_offset, length); \
                    780:                        result.body.append_strdup_know_length(from_cstr, length);
                    781: 
1.174     paf       782: const String& String::replace(const Dictionary& dict) const {
1.238     misha     783:        if(!dict.count() || is_empty())
                    784:                return *this;
                    785: 
1.174     paf       786:        String& result=*new String();
                    787:        const char* old_cstr=cstr();
                    788:        const char* prematch_begin=old_cstr;
                    789: 
1.238     misha     790:        if(dict.count()==1) {
                    791:                // optimized simple case
                    792: 
                    793:                Dictionary::Subst subst=dict.get(0);
1.239     moko      794:                while(const char* p=strstr(prematch_begin, subst.from)) {
1.174     paf       795:                        // prematch
1.238     misha     796:                        if(size_t prematch_length=p-prematch_begin) {
                    797:                                STRING_APPEND(result, prematch_begin, langs, prematch_begin-old_cstr, prematch_length)
1.101     parser    798:                        }
                    799: 
1.174     paf       800:                        // match
1.238     misha     801:                        prematch_begin=p+subst.from_length;
1.174     paf       802: 
1.184     paf       803:                        if(const String* b=subst.to) // are there any b?
1.174     paf       804:                                result<<*b;
1.238     misha     805:                }
                    806: 
                    807:        } else {
                    808: 
                    809:                const char* current=old_cstr;
                    810:                while(*current) {
                    811:                        if(Dictionary::Subst subst=dict.first_that_begins(current)) {
                    812:                                // prematch
                    813:                                if(size_t prematch_length=current-prematch_begin) {
                    814:                                        STRING_APPEND(result, prematch_begin, langs, prematch_begin-old_cstr, prematch_length)
                    815:                                }
                    816: 
                    817:                                // match
                    818:                                // skip 'a' in 'current'; move prematch_begin
                    819:                                current+=subst.from_length; prematch_begin=current;
                    820: 
                    821:                                if(const String* b=subst.to) // are there any b?
                    822:                                        result<<*b;
                    823:                        } else // simply advance
                    824:                                current++; 
                    825:                }
                    826: 
1.174     paf       827:        }
1.156     paf       828: 
1.238     misha     829:        if(prematch_begin==old_cstr) // not modified
                    830:                return *this;
                    831: 
1.174     paf       832:        // postmatch
1.238     misha     833:        if(size_t postmatch_length=old_cstr+length()-prematch_begin) {
                    834:                STRING_APPEND(result, prematch_begin, langs, prematch_begin-old_cstr, postmatch_length)
1.174     paf       835:        }
1.156     paf       836: 
1.174     paf       837:        ASSERT_STRING_INVARIANT(result);
1.82      parser    838:        return result;
1.61      paf       839: }
1.113     parser    840: 
1.180     paf       841: static int serialize_body_char(char c, char** cur) {
                    842:        *((*cur)++)=c;
                    843:        return 0; // 0=continue
1.248     moko      844: }
                    845: 
1.174     paf       846: static int serialize_body_piece(const char* s, char** cur) {
                    847:        size_t length=strlen(s);
                    848:        memcpy(*cur, s, length);  *cur+=length;
1.178     paf       849:        return 0; // 0=continue
1.248     moko      850: }
                    851: 
1.178     paf       852: static int serialize_lang_piece(char alang, size_t asize, char** cur) {
                    853:        // lang
1.191     paf       854:        **cur=alang; (*cur)++;
                    855:        // length [WARNING: not cast, addresses must be %4=0 on sparc]
1.178     paf       856:        memcpy(*cur, &asize, sizeof(asize));  *cur+=sizeof(asize);
                    857: 
                    858:        return 0; // 0=continue
                    859: }
1.248     moko      860: 
1.174     paf       861: String::Cm String::serialize(size_t prolog_length) const {
1.178     paf       862:        size_t fragments_count=langs.count();
1.202     paf       863:        size_t body_length=body.length();
1.174     paf       864:        size_t buf_length=
1.178     paf       865:                prolog_length //1
                    866:                +sizeof(size_t) //2
1.202     paf       867:                +body_length //3
                    868:                +1 // 4 for zero terminator used in deserialize
                    869:                +sizeof(size_t) //5
                    870:                +fragments_count*(sizeof(char)+sizeof(size_t)); //6
                    871: 
1.174     paf       872:        String::Cm result(new(PointerFreeGC) char[buf_length], buf_length);
                    873: 
                    874:        // 1: prolog
                    875:        char *cur=result.str+prolog_length;
1.202     paf       876:        // 2: chars.count [WARNING: not cast, addresses must be %4=0 on sparc]
                    877:        memcpy(cur, &body_length, sizeof(body_length));  cur+=sizeof(body_length);
                    878:        // 3: letters
                    879:        body.for_each(serialize_body_char, serialize_body_piece, &cur);
                    880:        // 4: zero terminator
                    881:        *cur++=0;
                    882:        // 5: langs.count [WARNING: not cast, addresses must be %4=0 on sparc]
1.174     paf       883:        memcpy(cur, &fragments_count, sizeof(fragments_count));  cur+=sizeof(fragments_count);
1.202     paf       884:        // 6: lang info
1.178     paf       885:        langs.for_each(body, serialize_lang_piece, &cur);
1.113     parser    886: 
1.174     paf       887:        return result;
1.113     parser    888: }
1.248     moko      889: 
1.202     paf       890: bool String::deserialize(size_t prolog_size, void *buf, size_t buf_size) {
                    891:        size_t in_buf=buf_size;
                    892:        if(in_buf<=prolog_size)
1.148     paf       893:                return false;
1.202     paf       894:        in_buf-=prolog_size;
1.135     paf       895: 
1.174     paf       896:        // 1: prolog
1.202     paf       897:        const char* cur=(const char* )buf+prolog_size;
1.113     parser    898: 
1.207     paf       899:        // 2: chars.count
1.202     paf       900:        size_t body_length;
                    901:        if(in_buf<sizeof(body_length)) // body.length don't fit?
                    902:                return false;
                    903:        // [WARNING: not cast, addresses must be %4=0 on sparc]
                    904:        memcpy(&body_length, cur, sizeof(body_length));  cur+=sizeof(body_length);
                    905:        in_buf-=sizeof(body_length);
                    906: 
                    907:        if(in_buf<body_length+1) // letters+terminator don't fit?
                    908:                return false;
                    909:        // 4: zero terminator
                    910:        if(cur[body_length] != 0) // in place?
                    911:                return false;
                    912:        // 3: letters
1.251   ! moko      913:        body=String::Body(String::C(cur, body_length));
1.202     paf       914:        cur+=body_length+1;
                    915:        in_buf-=body_length+1;
                    916: 
                    917:        // 5: langs.count
1.191     paf       918:        size_t fragments_count;
1.202     paf       919:        if(in_buf<sizeof(fragments_count)) // langs.count don't fit?
1.174     paf       920:                return false;
1.191     paf       921:        // [WARNING: not cast, addresses must be %4=0 on sparc]
                    922:        memcpy(&fragments_count, cur, sizeof(fragments_count));  cur+=sizeof(fragments_count);
1.202     paf       923:        in_buf-=sizeof(fragments_count);
1.174     paf       924:        
                    925:        if(fragments_count) {
1.202     paf       926:                // 6: lang info
1.174     paf       927:                size_t total_length=0;
                    928:                for(size_t f=0; f<fragments_count; f++) {
1.191     paf       929:                        char lang;
                    930:                        size_t fragment_length;
                    931:                        size_t piece_length=sizeof(lang)+sizeof(fragment_length);
1.202     paf       932:                        if(in_buf<piece_length) // lang+length
1.174     paf       933:                                return false;
                    934: 
1.191     paf       935:                        // lang
                    936:                        lang=*cur++;
                    937:                        // length [WARNING: not cast, addresses must be %4=0 on sparc]
                    938:                        memcpy(&fragment_length, cur, sizeof(fragment_length));  cur+=sizeof(fragment_length);
                    939: 
1.206     paf       940:                        size_t combined_length=total_length+fragment_length;
                    941:                        if(combined_length>body_length)
                    942:                                return false; // file curruption
1.191     paf       943:                        // uchar needed to prevent propagating 0x80 bit to upper bytes
                    944:                        langs.append(total_length, (String::Language)(uchar)lang, fragment_length);
1.206     paf       945:                        total_length=combined_length;
1.202     paf       946:                        in_buf-=piece_length;
1.174     paf       947:                }
1.128     paf       948: 
1.202     paf       949:                if(total_length!=body_length) // length(all language fragments) vs length(letters)
1.148     paf       950:                        return false;
1.174     paf       951:        }
1.202     paf       952:        if(in_buf!=0) // some strange extra bytes
                    953:                return false;
1.113     parser    954: 
1.174     paf       955:        ASSERT_STRING_INVARIANT(*this);
1.148     paf       956:        return true;
1.176     paf       957: }
                    958: 
                    959: const char* String::Body::v() const {
1.233     misha     960:        return CORD_to_const_char_star(body, length());
1.176     paf       961: }
1.248     moko      962: 
1.201     paf       963: void String::Body::dump() const {
                    964:        CORD_dump(body);
                    965: }
                    966: 
1.176     paf       967: const char* String::Languages::v() const {
1.177     paf       968:        if(opt.is_not_just_lang)
1.233     misha     969:                return CORD_to_const_char_star(langs, 0);
1.176     paf       970:        else
                    971:                return (const char*)&langs;
                    972: }
1.248     moko      973: 
1.201     paf       974: void String::Languages::dump() const {
                    975:        if(opt.is_not_just_lang)
                    976:                CORD_dump(langs);
                    977:        else
                    978:                puts((const char*)&langs);
                    979: }
1.248     moko      980: 
1.176     paf       981: const char* String::v() const {
1.198     paf       982:        const uint LIMIT_VIEW=20;
1.246     moko      983:        char* buf=(char*)pa_malloc(MAX_STRING);
1.176     paf       984:        const char*body_view=body.v();
                    985:        const char*langs_view=langs.v();
                    986:        snprintf(buf, MAX_STRING, 
1.178     paf       987:                "%d:%.*s%s}   "
1.176     paf       988:                "{%d:%s",
1.178     paf       989:                langs.count(), LIMIT_VIEW, langs_view, strlen(langs_view)>LIMIT_VIEW?"...":"",
1.176     paf       990:                strlen(body_view), body_view
                    991:        );
                    992: 
                    993:        return buf;
1.113     parser    994: }
1.229     misha     995: 
1.201     paf       996: void String::dump() const {
                    997:        body.dump();
                    998:        langs.dump();
                    999: }
1.229     misha    1000: 
                   1001: const String& String::trim(String::Trim_kind kind, const char* chars, Charset* source_charset) const {
1.223     misha    1002:        if(is_empty())
1.195     paf      1003:                return *this;
                   1004: 
                   1005:        size_t substr_begin, substr_length;
1.229     misha    1006:        Body new_body=body.trim(kind, chars, &substr_begin, &substr_length, source_charset);
1.195     paf      1007:        if(new_body==body) // we received unchanged pointer, do likewise
                   1008:                return *this;
                   1009:        // new_body differs from body, adjust langs along
                   1010: 
                   1011:        String& result=*new String;
                   1012:        if(!new_body) // body.trim produced empty result
                   1013:                return result;
                   1014:        // body.trim produced nonempty result
                   1015: 
                   1016:        // first: their langs
                   1017:        result.langs.append(result.body, langs, substr_begin, substr_length);
                   1018:        // next: letters themselves
                   1019:        result.body=new_body;
                   1020: 
                   1021:        ASSERT_STRING_INVARIANT(result);
                   1022:        return result;
1.198     paf      1023: }

E-mail: