Annotation of parser3/src/main/pa_string.C, revision 1.252

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: 
1.252   ! moko       15: #ifndef ULLONG_MAX
        !            16: #define ULLONG_MAX 18446744073709551615ULL
        !            17: #endif
        !            18: 
        !            19: volatile const char * IDENT_PA_STRING_C="$Id: pa_string.C,v 1.251 2015/10/09 11:42:39 moko Exp $" IDENT_PA_STRING_H;
1.240     moko       20: 
1.185     paf        21: const String String::Empty;
                     22: 
1.242     moko       23: // pa_atoui is based on Manuel Novoa III _strto_l for uClibc
                     24: 
1.249     moko       25: template<typename T> inline T pa_ato_any(const char *str, int base, const String* problem_source,const T max){
                     26:        T result = 0;
1.242     moko       27:        const char *pos = str;
                     28: 
                     29:        while (isspace(*pos)) /* skip leading whitespace */
                     30:                ++pos;
                     31: 
                     32:        if (base == 16 && *pos == '0') { /* handle option prefix */
                     33:                ++pos;
                     34:                if (*pos == 'x' || *pos == 'X') {
                     35:                        ++pos;
                     36:                }
                     37:        }
                     38: 
                     39:        if (base == 0) { /* dynamic base */
                     40:                base = 10; /* default is 10 */
                     41:                if (*pos == '0') {
                     42:                        ++pos;
1.245     moko       43:                        if (*pos == 'x' || *pos == 'X'){
1.242     moko       44:                                ++pos;
                     45:                                base=16;
1.245     moko       46:                        }
1.242     moko       47:                }
                     48:        }
                     49: 
                     50:        if (base < 2 || base > 16) { /* illegal base */
                     51:                throw Exception(PARSER_RUNTIME, 0, "base to must be an integer from 2 to 16");
                     52:        }
                     53: 
1.249     moko       54:        T cutoff = max / base;
                     55:        int cutoff_digit = (int)(max - cutoff * base);
1.242     moko       56: 
                     57:        while(true) {
                     58:                int digit;
                     59:                
                     60:                if ((*pos >= '0') && (*pos <= '9')) {
                     61:                        digit = (*pos - '0');
                     62:                } else if (*pos >= 'a') {
                     63:                        digit = (*pos - 'a' + 10);
                     64:                } else if (*pos >= 'A') {
                     65:                        digit = (*pos - 'A' + 10);
                     66:                } else break;
                     67: 
                     68:                if (digit >= base) {
                     69:                        break;
                     70:                }
                     71:                
                     72:                ++pos;
                     73:                
                     74:                /* adjust number, with overflow check */
                     75:                if ((result > cutoff) || ((result == cutoff) && (digit > cutoff_digit))) {
                     76:                        throw Exception("number.format", problem_source, problem_source ? "out of range (int)" : "'%s' is out of range (int)", str);
                     77:                } else {
                     78:                        result  = result * base + digit;
                     79:                }
                     80:        }
                     81: 
                     82:        while(char c=*pos++)
                     83:                if(!isspace(c))
                     84:                        throw Exception("number.format", problem_source, problem_source ? "invalid number (int)" : "'%s' is invalid number (int)", str);
                     85: 
                     86:        return result;
                     87: }
                     88: 
1.249     moko       89: unsigned int pa_atoui(const char *str, int base, const String* problem_source){
                     90:     return pa_ato_any<unsigned int>(str, base, problem_source, UINT_MAX);
                     91: }
                     92: 
                     93: unsigned long long pa_atoul(const char *str, int base, const String* problem_source){
                     94:     return pa_ato_any<unsigned long long int>(str, base, problem_source, ULLONG_MAX);
                     95: }
                     96: 
1.193     paf        97: int pa_atoi(const char* str, const String* problem_source) {
                     98:        if(!str)
                     99:                return 0;
                    100: 
1.242     moko      101:        while(isspace(*str))
1.193     paf       102:                str++;
1.242     moko      103: 
1.193     paf       104:        if(!*str)
                    105:                return 0;
                    106: 
1.200     paf       107:        bool negative=false;
                    108:        if(str[0]=='-') {
                    109:                negative=true;
                    110:                str++;
                    111:        } else if(str[0]=='+') {
                    112:                str++;
                    113:        }
1.193     paf       114: 
1.242     moko      115:        unsigned int result=pa_atoui(str, 0, problem_source);
1.193     paf       116: 
1.242     moko      117:        if(negative && result <= ((unsigned int)(-(1+INT_MIN)))+1)
1.243     moko      118:                return -(int)result;
1.242     moko      119:        
                    120:        if(result<=INT_MAX)
1.243     moko      121:                return (int)result;
1.242     moko      122:        
                    123:        throw Exception("number.format", problem_source, problem_source ? "out of range (int)" : "'%s' is out of range (int)", str);
1.193     paf       124: }
                    125: 
                    126: double pa_atod(const char* str, const String* problem_source) {
                    127:        if(!str)
                    128:                return 0;
                    129: 
1.242     moko      130:        while(isspace(*str))
1.193     paf       131:                str++;
1.242     moko      132: 
1.193     paf       133:        if(!*str)
                    134:                return 0;
                    135: 
1.200     paf       136:        bool negative=false;
                    137:        if(str[0]=='-') {
                    138:                negative=true;
                    139:                str++;
                    140:        } else if(str[0]=='+') {
                    141:                str++;
                    142:        }
1.242     moko      143: 
                    144:        double result;
1.247     moko      145:        if(str[0]=='0') {
                    146:                if(str[1]=='x' || str[1]=='X') {
1.242     moko      147:                        // 0xABC
1.249     moko      148:                        result=(double)pa_atoul(str, 0, problem_source);
1.242     moko      149:                        return negative ? -result : result;
                    150:                } else {
1.200     paf       151:                         // skip leading 0000, to disable octal interpretation
1.242     moko      152:                        do str++; while(*str=='0');
1.200     paf       153:                }
1.247     moko      154:        }
1.242     moko      155: 
                    156:        char *error_pos;
                    157:        result=strtod(str, &error_pos);
1.193     paf       158: 
                    159:        while(char c=*error_pos++)
1.199     paf       160:                if(!isspace((unsigned char)c))
1.242     moko      161:                        throw Exception("number.format", problem_source, problem_source ? "invalid number (double)" : "'%s' is invalid number (double)", str);
1.193     paf       162: 
1.242     moko      163:        return negative ? -result : result;
1.193     paf       164: }
                    165: 
1.176     paf       166: // cord lib extension
                    167: 
                    168: #ifndef DOXYGEN
                    169: typedef struct {
                    170:     ssize_t countdown;
1.204     paf       171:     int target;        /* Character we're looking for  */
1.176     paf       172: } chr_data;
                    173: #endif
1.248     moko      174: 
1.176     paf       175: static int CORD_range_contains_chr_greater_then_proc(char c, size_t size, void* client_data)
                    176: {
                    177:     register chr_data * d = (chr_data *)client_data;
                    178:     
                    179:     if (d -> countdown<=0) return(2);
                    180:     d -> countdown -= size;
                    181:     if (c > d -> target) return(1);
                    182:     return(0);
                    183: }
1.248     moko      184: 
1.176     paf       185: int CORD_range_contains_chr_greater_then(CORD x, size_t i, size_t n, int c)
                    186: {
                    187:     chr_data d;
                    188: 
                    189:     d.countdown = n;
                    190:     d.target = c;
                    191:     return(CORD_block_iter(x, i, CORD_range_contains_chr_greater_then_proc, &d) == 1/*alternatives: 0 normally ended, 2=struck 'n'*/);
                    192: }
                    193: 
1.187     paf       194: static int CORD_block_count_proc(char /*c*/, size_t /*size*/, void* client_data)
1.178     paf       195: {
                    196:     int* result=(int*)client_data;
                    197:     (*result)++;
                    198:     return(0); // 0=continue
                    199: }
1.248     moko      200: 
1.178     paf       201: size_t CORD_block_count(CORD x)
                    202: {
                    203:        size_t result=0;
                    204:        CORD_block_iter(x, 0, CORD_block_count_proc, &result);
                    205:     return result;
                    206: }
                    207: 
1.174     paf       208: // helpers
1.139     paf       209: 
1.174     paf       210: /// String::match uses this as replace & global search table columns
1.139     paf       211: 
1.174     paf       212: const int MAX_MATCH_GROUPS=100;
1.139     paf       213: 
1.174     paf       214: class String_match_table_template_columns: public ArrayString {
                    215: public:
                    216:        String_match_table_template_columns() {
                    217:                *this+=new String("prematch");
                    218:                *this+=new String("match");
                    219:                *this+=new String("postmatch");
                    220:                for(int i=0; i<MAX_MATCH_GROUPS; i++) {
1.176     paf       221:                        *this+=new String(String::Body::Format(1+i), String::L_CLEAN);
1.174     paf       222:                }
                    223:        }
                    224: };
                    225: 
                    226: Table string_match_table_template(new String_match_table_template_columns);
                    227: 
1.176     paf       228: // String::Body methods
1.140     paf       229: 
1.176     paf       230: String::Body String::Body::Format(int value) {
1.174     paf       231:        char local[MAX_NUMBER];
                    232:        size_t length=snprintf(local, MAX_NUMBER, "%d", value);
1.224     misha     233:        return String::Body(pa_strdup(local, length));
1.120     paf       234: }
                    235: 
1.195     paf       236: String::Body String::Body::trim(String::Trim_kind kind, const char* chars, 
1.229     misha     237:                                                                size_t* out_start, size_t* out_length, Charset* source_charset) const {
1.195     paf       238:        size_t our_length=length();
                    239:        if(!our_length)
                    240:                return *this;
1.229     misha     241: 
                    242:        // check if any UTF-8 in chars
                    243:        bool fast=true;
                    244:        if(chars && source_charset && source_charset->isUTF8()){
                    245:                const char* pos=chars;
                    246:                while(unsigned char c=*pos++)
                    247:                        if(c>127){
                    248:                                fast=false;
                    249:                                break;
                    250:                        }
                    251:        }
                    252: 
                    253:        size_t start=0;
                    254:        size_t end=our_length;
1.195     paf       255:        if(!chars)
                    256:                chars=" \t\n"; // white space
                    257: 
1.229     misha     258:        if(fast){
                    259:                // from left...
                    260:                if(kind!=TRIM_END) {
                    261:                        CORD_pos pos; set_pos(pos, 0);
                    262:                        while(true) {
                    263:                                char c=CORD_pos_fetch(pos);
                    264:                                if(strchr(chars, c)) {
                    265:                                        if(++start==our_length)
                    266:                                                return 0; // all chars are empty, just return empty string
                    267:                                } else
                    268:                                        break;                  
                    269: 
                    270:                                CORD_next(pos);
                    271:                        }
                    272:                }
                    273: 
                    274:                // from right..
                    275:                if(kind!=TRIM_START) {
                    276:                        CORD_pos pos; set_pos(pos, end-1);
                    277:                        while(true) {
                    278:                                char c=CORD_pos_fetch(pos);
                    279:                                if(strchr(chars, c)) {
                    280:                                        if(--end==0) // optimization: NO need to check for 'end>=start', that's(<) impossible
                    281:                                                return 0; // all chars are empty, just return empty string
                    282:                                } else
                    283:                                        break;                  
                    284: 
                    285:                                CORD_prev(pos);
                    286:                        }
                    287:                }
                    288:        } else {
1.234     misha     289:                const XMLByte* src_begin=(const XMLByte*)cstr();
1.229     misha     290:                const XMLByte* src_end=src_begin+our_length;
                    291: 
                    292:                // from left...
                    293:                if(kind!=TRIM_END) {
                    294:                        while(src_begin<src_end){
                    295:                                uint char_length=1;
                    296:                                const XMLByte* ptr=src_begin;
1.231     misha     297:                                // searching first UTF-8 byte: http://tools.ietf.org/html/rfc3629#section-3
                    298:                                while(++src_begin<=src_end && (*src_begin>127 && *src_begin<0xC0))
1.229     misha     299:                                        char_length++;
                    300: 
                    301:                                bool found=false;
                    302:                                for(const char* chars_byte=chars; chars_byte=strchr(chars_byte, *ptr); chars_byte++)
                    303:                                        if(strncmp(chars_byte, (const char*)ptr, char_length)==0){
                    304:                                                found=true;
                    305:                                                break;
                    306:                                        }
                    307: 
                    308:                                if(found){
                    309:                                        start+=char_length;
                    310:                                        if(start==our_length)
                    311:                                                return 0; // all chars are empty, just return empty string
                    312:                                } else
                    313:                                        break;
                    314:                        }
                    315:                }
1.196     paf       316: 
1.229     misha     317:                // from right..
                    318:                if(kind!=TRIM_START) {
                    319:                        while(src_begin<src_end){
                    320:                                uint char_length=1;
1.231     misha     321:                                // searching first UTF-8 byte: http://tools.ietf.org/html/rfc3629#section-3
                    322:                                while(src_begin<=--src_end && (*src_end>127 && *src_end<0xC0))
1.229     misha     323:                                        char_length++;
                    324: 
                    325:                                bool found=false;
                    326:                                for(const char* chars_byte=chars; chars_byte=strchr(chars_byte, *src_end); chars_byte++)
                    327:                                        if(strncmp(chars_byte, (const char*)src_end, char_length)==0){
                    328:                                                found=true;
                    329:                                                break;
                    330:                                        }
                    331: 
                    332:                                if(found){
                    333:                                        end-=char_length;
                    334:                                        if(end==0)
                    335:                                                return 0; // all chars are empty, just return empty string
                    336:                                } else
                    337:                                        break;
                    338:                        }
1.196     paf       339:                }
                    340:        }
1.195     paf       341: 
                    342:        if(start==0 && end==our_length) // nobody moved a thing
                    343:                return *this;
                    344: 
                    345:        if(out_start)
                    346:                *out_start=start;
                    347:        size_t new_length=end-start;
                    348:        if(out_length)
                    349:                *out_length=new_length;
                    350: 
                    351:        return mid(start, new_length);
                    352: }
                    353: 
1.174     paf       354: static int CORD_batched_iter_fn_generic_hash_code(char c, void * client_data) {
                    355:        uint& result=*static_cast<uint*>(client_data);
                    356:        generic_hash_code(result, c);
                    357:        return 0;
                    358: }
1.248     moko      359: 
1.174     paf       360: static int CORD_batched_iter_fn_generic_hash_code(const char*  s, void * client_data) {
                    361:        uint& result=*static_cast<uint*>(client_data);
                    362:        generic_hash_code(result, s);
                    363:        return 0;
1.248     moko      364: }
                    365: 
1.225     misha     366: uint String::Body::get_hash_code() const {
                    367: #ifdef HASH_CODE_CACHING
                    368:        if(hash_code)
                    369:                return hash_code;
                    370: #else
                    371:        uint hash_code=0;
                    372: #endif
1.220     misha     373:        if (body && CORD_IS_STRING(body)){
1.250     moko      374:                generic_hash_code(hash_code, (const char *)body);
1.220     misha     375:        } else {
                    376:                CORD_iter5(body, 0,
                    377:                        CORD_batched_iter_fn_generic_hash_code, 
1.225     misha     378:                        CORD_batched_iter_fn_generic_hash_code, &hash_code);
1.220     misha     379:        }
1.225     misha     380:        return hash_code;
1.94      parser    381: }
                    382: 
1.241     misha     383: struct CORD_pos_info {
                    384:        const char* chars;
                    385:        size_t left;
                    386:        size_t pos;
                    387: };
                    388: 
                    389: // can be called only for IS_FUNCTION(CORD) which is used in String::Body::strrpbrk
                    390: static int CORD_iter_fn_rpos(char c, CORD_pos_info* info) {
                    391:        if(info->pos < info->left){
                    392:                info->pos=STRING_NOT_FOUND;
                    393:                return 1;
                    394:        }
                    395:        if(strchr(info->chars, c))
                    396:                return 1;
                    397:        --(info->pos);
                    398:        return 0;
                    399: }
                    400: 
                    401: size_t String::Body::strrpbrk(const char* chars, size_t left, size_t right) const {
                    402:        if(is_empty() || !chars || !strlen(chars))
                    403:                return STRING_NOT_FOUND;
                    404:        CORD_pos_info info={chars, left, right};
                    405:        if(CORD_riter4(body, right, (CORD_iter_fn)CORD_iter_fn_rpos, &info))
                    406:                return info.pos;
                    407:        else
                    408:                return STRING_NOT_FOUND;
                    409: }
                    410: 
                    411: 
                    412: // can be called only for IS_FUNCTION(CORD) which is used in String::Body::rskipchars
                    413: static int CORD_iter_fn_rskip(char c, CORD_pos_info* info) {
                    414:        if(info->pos < info->left) {
                    415:                info->pos=STRING_NOT_FOUND;
                    416:                return 1;
                    417:        }
                    418:        if(!strchr(info->chars, c))
                    419:                return 1;
                    420:        --(info->pos);
                    421:        return 0;
                    422: }
                    423: 
                    424: size_t String::Body::rskipchars(const char* chars, size_t left, size_t right) const {
                    425:        if(is_empty() || !chars || !strlen(chars))
                    426:                return STRING_NOT_FOUND;
                    427:        CORD_pos_info info={chars, left, right};
                    428:        if(CORD_riter4(body, right, (CORD_iter_fn)CORD_iter_fn_rskip, &info))
                    429:                return info.pos;
                    430:        else
                    431:                return STRING_NOT_FOUND;
                    432: }
                    433: 
1.174     paf       434: // String methods
                    435: 
                    436: String& String::append_know_length(const char* str, size_t known_length, Language lang) {
                    437:        if(!known_length)
1.9       paf       438:                return *this;
1.122     paf       439: 
1.176     paf       440:        // first: langs
                    441:        langs.append(body, lang, known_length);
                    442:        // next: letters themselves
1.174     paf       443:        body.append_know_length(str, known_length);
1.1       paf       444: 
1.174     paf       445:        ASSERT_STRING_INVARIANT(*this);
1.1       paf       446:        return *this;
                    447: }
1.248     moko      448: 
1.174     paf       449: String& String::append_help_length(const char* str, size_t helper_length, Language lang) {
                    450:        if(!str)
                    451:                return *this;
                    452:        size_t known_length=helper_length?helper_length:strlen(str);
                    453:        if(!known_length)
                    454:                return *this;
1.1       paf       455: 
1.174     paf       456:        return append_know_length(str, known_length, lang);
1.5       paf       457: }
1.248     moko      458: 
1.244     moko      459: String::String(int value, const char *format) : langs(L_CLEAN){
1.226     misha     460:        char buf[MAX_NUMBER];
                    461:        body.append_strdup_know_length(buf, snprintf(buf, MAX_NUMBER, format, value));
                    462: }
1.248     moko      463: 
1.174     paf       464: String& String::append_strdup(const char* str, size_t helper_length, Language lang) {
                    465:        size_t known_length=helper_length?helper_length:strlen(str);
                    466:        if(!known_length)
                    467:                return *this;
1.5       paf       468: 
1.176     paf       469:        // first: langs
                    470:        langs.append(body, lang, known_length);
                    471:        // next: letters themselves
1.174     paf       472:        body.append_strdup_know_length(str, known_length);
1.33      paf       473: 
1.174     paf       474:        ASSERT_STRING_INVARIANT(*this);
                    475:        return *this;
1.5       paf       476: }
1.46      paf       477: 
1.234     misha     478: struct CORD_length_info {
                    479:        size_t len;
                    480:        size_t skip;
                    481: };
                    482: 
                    483: int CORD_batched_len(const char* s, CORD_length_info* info){
                    484:        info->len += lengthUTF8( (const XMLByte *)s, (const XMLByte *)s+strlen(s));     return 0;
1.221     misha     485: }
                    486: 
1.234     misha     487: // can be called only for IS_FUNCTION(CORD) which are used in large String::Body::mid
                    488: int CORD_batched_len(const char c, CORD_length_info* info){
                    489:        if (info->skip==0){
                    490:                info->len++;
                    491:                info->skip = lengthUTF8Char(c)-1;
                    492:        } else {
                    493:                info->skip--;
                    494:        }
1.220     misha     495:        return 0;
                    496: }
                    497: 
1.210     misha     498: size_t String::length(Charset& charset) const {
                    499:        if(charset.isUTF8()){
1.234     misha     500:                CORD_length_info info = {0, 0};
                    501:                body.for_each<CORD_length_info *>(CORD_batched_len, CORD_batched_len, &info);
                    502:                return info.len;
1.210     misha     503:        } else
                    504:                return body.length();
                    505: }
                    506: 
1.174     paf       507: /// @todo check in doc: whether it documents NOW bad situation "abc".mid(-1, 3) =were?="ab"
                    508: String& String::mid(size_t substr_begin, size_t substr_end) const {
                    509:        String& result=*new String;
                    510: 
                    511:        size_t self_length=length();
                    512:        substr_begin=min(substr_begin, self_length);
                    513:        substr_end=min(max(substr_end, substr_begin), self_length);
1.176     paf       514:        size_t substr_length=substr_end-substr_begin;
                    515:        if(!substr_length)
1.107     parser    516:                return result;
1.53      paf       517: 
1.176     paf       518:        // first: their langs
                    519:        result.langs.append(result.body, langs, substr_begin, substr_length);
                    520:        // next: letters themselves
                    521:        result.body=body.mid(substr_begin, substr_length);
1.174     paf       522: 
                    523:        ASSERT_STRING_INVARIANT(result);
1.53      paf       524:        return result;
1.54      paf       525: }
                    526: 
1.211     misha     527: // from, to and helper_length in characters, not in bytes (it's important for utf-8)
                    528: String& String::mid(Charset& charset, size_t from, size_t to, size_t helper_length) const {
1.210     misha     529:        String& result=*new String;
                    530: 
1.211     misha     531:        size_t self_length=(helper_length)?helper_length:length(charset);
                    532: 
                    533:        if(!self_length)
                    534:                return result;
                    535: 
                    536:        from=min(min(to, from), self_length);
1.210     misha     537:        to=min(max(to, from), self_length);
1.211     misha     538: 
1.210     misha     539:        size_t substr_length=to-from;
1.211     misha     540: 
1.210     misha     541:        if(!substr_length)
                    542:                return result;
                    543: 
                    544:        if(charset.isUTF8()){
1.234     misha     545:                const XMLByte* src_begin=(const XMLByte*)cstr();
1.230     misha     546:                const XMLByte* src_end=src_begin+body.length();
1.210     misha     547: 
1.212     misha     548:                // convert 'from' and 'substr_length' from 'characters' to 'bytes'
1.230     misha     549:                from=getUTF8BytePos(src_begin, src_end, from);
                    550:                substr_length=getUTF8BytePos(src_begin+from, src_end, substr_length);
1.210     misha     551:                if(!substr_length)
                    552:                        return result;
                    553:        }
                    554: 
                    555:        // first: their langs
                    556:        result.langs.append(result.body, langs, from, substr_length);
                    557:        // next: letters themselves
                    558:        result.body=body.mid(from, substr_length);
                    559: 
                    560:        ASSERT_STRING_INVARIANT(result);
                    561:        return result;
                    562: }
                    563: 
1.176     paf       564: size_t String::pos(const String::Body substr, size_t this_offset, Language lang) const {
1.183     paf       565:        size_t substr_length=substr.length();
                    566:        while(true) {
                    567:                size_t substr_begin=body.pos(substr, this_offset);
                    568:                
                    569:                if(substr_begin==CORD_NOT_FOUND)
                    570:                        return STRING_NOT_FOUND;
1.174     paf       571: 
1.183     paf       572:                if(langs.check_lang(lang, substr_begin, substr_length))
                    573:                        return substr_begin;
                    574: 
                    575:                this_offset=substr_begin+substr_length;
                    576:        }
1.58      paf       577: }
                    578: 
1.174     paf       579: size_t String::pos(const String& substr, 
                    580:                                size_t this_offset, Language lang) const {
                    581:        return pos(substr.body, this_offset, lang);
1.60      paf       582: }
                    583: 
1.210     misha     584: size_t String::pos(Charset& charset, const String& substr, 
                    585:                                size_t this_offset, Language lang) const {
                    586: 
                    587:        if(charset.isUTF8()){
1.234     misha     588:                const XMLByte* srcPtr=(const XMLByte*)cstr();
1.212     misha     589:                const XMLByte* srcEnd=srcPtr+body.length();
                    590: 
                    591:                // convert 'this_offset' from 'characters' to 'bytes'
                    592:                this_offset=getUTF8BytePos(srcPtr, srcEnd, this_offset);
                    593: 
1.229     misha     594:                size_t result=pos(substr.body, this_offset, lang);
                    595:                return (result==CORD_NOT_FOUND)
                    596:                        ? STRING_NOT_FOUND
                    597:                        : getUTF8CharPos(srcPtr, srcEnd, result); // convert 'result' from 'bytes' to 'characters'
1.212     misha     598:        } else {
1.229     misha     599:                size_t result=pos(substr.body, this_offset, lang);
                    600:                return (result==CORD_NOT_FOUND)
                    601:                        ? STRING_NOT_FOUND
                    602:                        : result;
1.210     misha     603:        }
                    604: }
                    605: 
1.174     paf       606: void String::split(ArrayString& result, 
                    607:                   size_t& pos_after, 
                    608:                   const char* delim, 
                    609:                   Language lang, int limit) const {
1.237     misha     610:        if(is_empty())
                    611:                return;
1.174     paf       612:        size_t self_length=length();
1.237     misha     613:        if(size_t delim_length=strlen(delim)) {
1.186     paf       614:                size_t pos_before;
1.60      paf       615:                // while we have 'delim'...
1.174     paf       616:                for(; (pos_before=pos(delim, pos_after, lang))!=STRING_NOT_FOUND && limit; limit--) {
1.69      paf       617:                        result+=&mid(pos_after, pos_before);
1.174     paf       618:                        pos_after=pos_before+delim_length;
1.60      paf       619:                }
                    620:                // last piece
1.174     paf       621:                if(pos_after<self_length && limit) {
                    622:                        result+=&mid(pos_after, self_length);
                    623:                        pos_after=self_length;
1.60      paf       624:                }
                    625:        } else { // empty delim
                    626:                result+=this;
1.174     paf       627:                pos_after+=self_length;
1.60      paf       628:        }
                    629: }
                    630: 
1.174     paf       631: void String::split(ArrayString& result, 
                    632:                   size_t& pos_after, 
                    633:                   const String& delim, Language lang, 
                    634:                   int limit) const {
1.237     misha     635:        if(is_empty())
                    636:                return;
                    637:        if(!delim.is_empty()) {
1.186     paf       638:                size_t pos_before;
1.60      paf       639:                // while we have 'delim'...
1.174     paf       640:                for(; (pos_before=pos(delim, pos_after, lang))!=STRING_NOT_FOUND && limit; limit--) {
1.69      paf       641:                        result+=&mid(pos_after, pos_before);
1.174     paf       642:                        pos_after=pos_before+delim.length();
1.60      paf       643:                }
                    644:                // last piece
1.174     paf       645:                if(pos_after<length() && limit) {
                    646:                        result+=&mid(pos_after, length());
                    647:                        pos_after=length();
1.60      paf       648:                }
                    649:        } else { // empty delim
                    650:                result+=this;
1.174     paf       651:                pos_after+=length();
1.60      paf       652:        }
1.61      paf       653: }
                    654: 
1.222     misha     655: Table* String::match(VRegex* vregex,
                    656:                        Row_action row_action, void *info,
                    657:                        int& matches_count) const { 
1.209     misha     658: 
1.222     misha     659:        // vregex->info(); // I have no idea what does it for?
1.63      paf       660: 
1.222     misha     661:        bool need_pre_post_match=vregex->is_pre_post_match_needed();
                    662:        bool global=vregex->is_global_search();
1.63      paf       663: 
1.174     paf       664:        const char* subject=cstr();
1.234     misha     665:        size_t subject_length=length();
1.222     misha     666:        const int ovector_size=(1/*match*/+MAX_MATCH_GROUPS)*3;
                    667:        int ovector[ovector_size];
1.155     paf       668: 
1.173     paf       669:        Table::Action_options table_options;
1.174     paf       670:        Table& table=*new Table(string_match_table_template, table_options);
1.63      paf       671: 
1.154     paf       672:        int prestart=0;
                    673:        int poststart=0;
1.174     paf       674:        int postfinish=length();
1.63      paf       675:        while(true) {
1.222     misha     676:                int exec_result=vregex->exec(subject, subject_length, ovector, ovector_size, prestart);
1.63      paf       677: 
1.222     misha     678:                if(exec_result<0) // only PCRE_ERROR_NOMATCH might be here, other negative results cause an exception
                    679:                        break;
1.63      paf       680: 
1.154     paf       681:                int prefinish=ovector[0];
                    682:                poststart=ovector[1];
1.236     moko      683: 
                    684:                if (prestart==poststart && subject[poststart]=='\n'){
                    685:                        prestart++;
                    686:                        continue;
                    687:                }
                    688: 
1.232     misha     689:                ArrayString* row=new ArrayString(3);
1.174     paf       690:                if(need_pre_post_match) {
                    691:                        *row+=&mid(0, prefinish); // .prematch column value
                    692:                        *row+=&mid(prefinish, poststart); // .match
                    693:                        *row+=&mid(poststart, postfinish); // .postmatch
                    694:                } else {
1.185     paf       695:                        *row+=&Empty; // .prematch column value
                    696:                        *row+=&Empty; // .match
                    697:                        *row+=&Empty; // .postmatch
1.174     paf       698:                }
1.63      paf       699:                
1.222     misha     700:                for(int i=1; i<exec_result; i++) {
1.69      paf       701:                        // -1:-1 case handled peacefully by mid() itself
1.232     misha     702:                        *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       703:                }
                    704:                
1.209     misha     705:                matches_count++;
1.174     paf       706:                row_action(table, row, prestart, prefinish, poststart, postfinish, info);
1.63      paf       707: 
1.222     misha     708:                if(!global || prestart==poststart) // last step
                    709:                        break;
                    710: 
1.154     paf       711:                prestart=poststart;
1.222     misha     712:        }
1.63      paf       713: 
1.222     misha     714:        row_action(table, 0/*last time, no raw*/, 0, 0, poststart, postfinish, info);
                    715:        return vregex->is_just_count() ? 0 : &table;
1.82      parser    716: }
                    717: 
1.174     paf       718: String& String::change_case(Charset& source_charset, Change_case_kind kind) const {
                    719:        String& result=*new String();
                    720:        if(is_empty())
                    721:                return result;
                    722: 
                    723:        char* new_cstr=cstrm();
1.216     misha     724: 
1.181     paf       725:        if(source_charset.isUTF8()) {
1.216     misha     726:                size_t new_cstr_len=length();
1.181     paf       727:                switch(kind) {
                    728:                case CC_UPPER:
1.192     paf       729:                        change_case_UTF8((const XMLByte*)new_cstr, new_cstr_len, (XMLByte*)new_cstr, new_cstr_len, UTF8CaseToUpper);
1.181     paf       730:                        break;
                    731:                case CC_LOWER:
1.192     paf       732:                        change_case_UTF8((const XMLByte*)new_cstr, new_cstr_len, (XMLByte*)new_cstr, new_cstr_len, UTF8CaseToLower);
1.181     paf       733:                        break;
                    734:                default:
                    735:                        assert(!"unknown change case kind");
                    736:                        break; // never
                    737:                }       
                    738:                
                    739:        } else {
                    740:                const unsigned char *tables=source_charset.pcre_tables;
1.82      parser    741: 
1.181     paf       742:                const unsigned char *a;
                    743:                const unsigned char *b;
                    744:                switch(kind) {
                    745:                case CC_UPPER:
                    746:                        a=tables+lcc_offset;
                    747:                        b=tables+fcc_offset;
                    748:                        break;
                    749:                case CC_LOWER:
                    750:                        a=tables+lcc_offset;
                    751:                        b=0;
                    752:                        break;
                    753:                default:
                    754:                        assert(!"unknown change case kind");
                    755:                        a=b=0; // calm, compiler
                    756:                        break; // never
                    757:                }       
                    758: 
1.192     paf       759:                char *dest=new_cstr;
1.181     paf       760:                unsigned char index;
1.190     paf       761:                for(const char* current=new_cstr; (index=(unsigned char)*current); current++) {
1.181     paf       762:                        unsigned char c=a[index];
                    763:                        if(b)
                    764:                                c=b[c];
                    765: 
                    766:                        *dest++=(char)c;
                    767:                }
1.174     paf       768:        }
1.176     paf       769:        result.langs=langs;
1.174     paf       770:        result.body=new_cstr;
1.89      parser    771: 
1.101     parser    772:        return result;
                    773: }
                    774: 
1.213     misha     775: const String& String::escape(Charset& source_charset) const {
                    776:        if(is_empty())
                    777:                return *this;
                    778: 
                    779:        return Charset::escape(*this, source_charset);
                    780: }
                    781: 
1.238     misha     782: #define STRING_APPEND(result, from_cstr, langs, langs_offset, length) \
                    783:                        result.langs.append(result.body, langs, langs_offset, length); \
                    784:                        result.body.append_strdup_know_length(from_cstr, length);
                    785: 
1.174     paf       786: const String& String::replace(const Dictionary& dict) const {
1.238     misha     787:        if(!dict.count() || is_empty())
                    788:                return *this;
                    789: 
1.174     paf       790:        String& result=*new String();
                    791:        const char* old_cstr=cstr();
                    792:        const char* prematch_begin=old_cstr;
                    793: 
1.238     misha     794:        if(dict.count()==1) {
                    795:                // optimized simple case
                    796: 
                    797:                Dictionary::Subst subst=dict.get(0);
1.239     moko      798:                while(const char* p=strstr(prematch_begin, subst.from)) {
1.174     paf       799:                        // prematch
1.238     misha     800:                        if(size_t prematch_length=p-prematch_begin) {
                    801:                                STRING_APPEND(result, prematch_begin, langs, prematch_begin-old_cstr, prematch_length)
1.101     parser    802:                        }
                    803: 
1.174     paf       804:                        // match
1.238     misha     805:                        prematch_begin=p+subst.from_length;
1.174     paf       806: 
1.184     paf       807:                        if(const String* b=subst.to) // are there any b?
1.174     paf       808:                                result<<*b;
1.238     misha     809:                }
                    810: 
                    811:        } else {
                    812: 
                    813:                const char* current=old_cstr;
                    814:                while(*current) {
                    815:                        if(Dictionary::Subst subst=dict.first_that_begins(current)) {
                    816:                                // prematch
                    817:                                if(size_t prematch_length=current-prematch_begin) {
                    818:                                        STRING_APPEND(result, prematch_begin, langs, prematch_begin-old_cstr, prematch_length)
                    819:                                }
                    820: 
                    821:                                // match
                    822:                                // skip 'a' in 'current'; move prematch_begin
                    823:                                current+=subst.from_length; prematch_begin=current;
                    824: 
                    825:                                if(const String* b=subst.to) // are there any b?
                    826:                                        result<<*b;
                    827:                        } else // simply advance
                    828:                                current++; 
                    829:                }
                    830: 
1.174     paf       831:        }
1.156     paf       832: 
1.238     misha     833:        if(prematch_begin==old_cstr) // not modified
                    834:                return *this;
                    835: 
1.174     paf       836:        // postmatch
1.238     misha     837:        if(size_t postmatch_length=old_cstr+length()-prematch_begin) {
                    838:                STRING_APPEND(result, prematch_begin, langs, prematch_begin-old_cstr, postmatch_length)
1.174     paf       839:        }
1.156     paf       840: 
1.174     paf       841:        ASSERT_STRING_INVARIANT(result);
1.82      parser    842:        return result;
1.61      paf       843: }
1.113     parser    844: 
1.180     paf       845: static int serialize_body_char(char c, char** cur) {
                    846:        *((*cur)++)=c;
                    847:        return 0; // 0=continue
1.248     moko      848: }
                    849: 
1.174     paf       850: static int serialize_body_piece(const char* s, char** cur) {
                    851:        size_t length=strlen(s);
                    852:        memcpy(*cur, s, length);  *cur+=length;
1.178     paf       853:        return 0; // 0=continue
1.248     moko      854: }
                    855: 
1.178     paf       856: static int serialize_lang_piece(char alang, size_t asize, char** cur) {
                    857:        // lang
1.191     paf       858:        **cur=alang; (*cur)++;
                    859:        // length [WARNING: not cast, addresses must be %4=0 on sparc]
1.178     paf       860:        memcpy(*cur, &asize, sizeof(asize));  *cur+=sizeof(asize);
                    861: 
                    862:        return 0; // 0=continue
                    863: }
1.248     moko      864: 
1.174     paf       865: String::Cm String::serialize(size_t prolog_length) const {
1.178     paf       866:        size_t fragments_count=langs.count();
1.202     paf       867:        size_t body_length=body.length();
1.174     paf       868:        size_t buf_length=
1.178     paf       869:                prolog_length //1
                    870:                +sizeof(size_t) //2
1.202     paf       871:                +body_length //3
                    872:                +1 // 4 for zero terminator used in deserialize
                    873:                +sizeof(size_t) //5
                    874:                +fragments_count*(sizeof(char)+sizeof(size_t)); //6
                    875: 
1.174     paf       876:        String::Cm result(new(PointerFreeGC) char[buf_length], buf_length);
                    877: 
                    878:        // 1: prolog
                    879:        char *cur=result.str+prolog_length;
1.202     paf       880:        // 2: chars.count [WARNING: not cast, addresses must be %4=0 on sparc]
                    881:        memcpy(cur, &body_length, sizeof(body_length));  cur+=sizeof(body_length);
                    882:        // 3: letters
                    883:        body.for_each(serialize_body_char, serialize_body_piece, &cur);
                    884:        // 4: zero terminator
                    885:        *cur++=0;
                    886:        // 5: langs.count [WARNING: not cast, addresses must be %4=0 on sparc]
1.174     paf       887:        memcpy(cur, &fragments_count, sizeof(fragments_count));  cur+=sizeof(fragments_count);
1.202     paf       888:        // 6: lang info
1.178     paf       889:        langs.for_each(body, serialize_lang_piece, &cur);
1.113     parser    890: 
1.174     paf       891:        return result;
1.113     parser    892: }
1.248     moko      893: 
1.202     paf       894: bool String::deserialize(size_t prolog_size, void *buf, size_t buf_size) {
                    895:        size_t in_buf=buf_size;
                    896:        if(in_buf<=prolog_size)
1.148     paf       897:                return false;
1.202     paf       898:        in_buf-=prolog_size;
1.135     paf       899: 
1.174     paf       900:        // 1: prolog
1.202     paf       901:        const char* cur=(const char* )buf+prolog_size;
1.113     parser    902: 
1.207     paf       903:        // 2: chars.count
1.202     paf       904:        size_t body_length;
                    905:        if(in_buf<sizeof(body_length)) // body.length don't fit?
                    906:                return false;
                    907:        // [WARNING: not cast, addresses must be %4=0 on sparc]
                    908:        memcpy(&body_length, cur, sizeof(body_length));  cur+=sizeof(body_length);
                    909:        in_buf-=sizeof(body_length);
                    910: 
                    911:        if(in_buf<body_length+1) // letters+terminator don't fit?
                    912:                return false;
                    913:        // 4: zero terminator
                    914:        if(cur[body_length] != 0) // in place?
                    915:                return false;
                    916:        // 3: letters
1.251     moko      917:        body=String::Body(String::C(cur, body_length));
1.202     paf       918:        cur+=body_length+1;
                    919:        in_buf-=body_length+1;
                    920: 
                    921:        // 5: langs.count
1.191     paf       922:        size_t fragments_count;
1.202     paf       923:        if(in_buf<sizeof(fragments_count)) // langs.count don't fit?
1.174     paf       924:                return false;
1.191     paf       925:        // [WARNING: not cast, addresses must be %4=0 on sparc]
                    926:        memcpy(&fragments_count, cur, sizeof(fragments_count));  cur+=sizeof(fragments_count);
1.202     paf       927:        in_buf-=sizeof(fragments_count);
1.174     paf       928:        
                    929:        if(fragments_count) {
1.202     paf       930:                // 6: lang info
1.174     paf       931:                size_t total_length=0;
                    932:                for(size_t f=0; f<fragments_count; f++) {
1.191     paf       933:                        char lang;
                    934:                        size_t fragment_length;
                    935:                        size_t piece_length=sizeof(lang)+sizeof(fragment_length);
1.202     paf       936:                        if(in_buf<piece_length) // lang+length
1.174     paf       937:                                return false;
                    938: 
1.191     paf       939:                        // lang
                    940:                        lang=*cur++;
                    941:                        // length [WARNING: not cast, addresses must be %4=0 on sparc]
                    942:                        memcpy(&fragment_length, cur, sizeof(fragment_length));  cur+=sizeof(fragment_length);
                    943: 
1.206     paf       944:                        size_t combined_length=total_length+fragment_length;
                    945:                        if(combined_length>body_length)
                    946:                                return false; // file curruption
1.191     paf       947:                        // uchar needed to prevent propagating 0x80 bit to upper bytes
                    948:                        langs.append(total_length, (String::Language)(uchar)lang, fragment_length);
1.206     paf       949:                        total_length=combined_length;
1.202     paf       950:                        in_buf-=piece_length;
1.174     paf       951:                }
1.128     paf       952: 
1.202     paf       953:                if(total_length!=body_length) // length(all language fragments) vs length(letters)
1.148     paf       954:                        return false;
1.174     paf       955:        }
1.202     paf       956:        if(in_buf!=0) // some strange extra bytes
                    957:                return false;
1.113     parser    958: 
1.174     paf       959:        ASSERT_STRING_INVARIANT(*this);
1.148     paf       960:        return true;
1.176     paf       961: }
                    962: 
                    963: const char* String::Body::v() const {
1.233     misha     964:        return CORD_to_const_char_star(body, length());
1.176     paf       965: }
1.248     moko      966: 
1.201     paf       967: void String::Body::dump() const {
                    968:        CORD_dump(body);
                    969: }
                    970: 
1.176     paf       971: const char* String::Languages::v() const {
1.177     paf       972:        if(opt.is_not_just_lang)
1.233     misha     973:                return CORD_to_const_char_star(langs, 0);
1.176     paf       974:        else
                    975:                return (const char*)&langs;
                    976: }
1.248     moko      977: 
1.201     paf       978: void String::Languages::dump() const {
                    979:        if(opt.is_not_just_lang)
                    980:                CORD_dump(langs);
                    981:        else
                    982:                puts((const char*)&langs);
                    983: }
1.248     moko      984: 
1.176     paf       985: const char* String::v() const {
1.198     paf       986:        const uint LIMIT_VIEW=20;
1.246     moko      987:        char* buf=(char*)pa_malloc(MAX_STRING);
1.176     paf       988:        const char*body_view=body.v();
                    989:        const char*langs_view=langs.v();
                    990:        snprintf(buf, MAX_STRING, 
1.178     paf       991:                "%d:%.*s%s}   "
1.176     paf       992:                "{%d:%s",
1.178     paf       993:                langs.count(), LIMIT_VIEW, langs_view, strlen(langs_view)>LIMIT_VIEW?"...":"",
1.176     paf       994:                strlen(body_view), body_view
                    995:        );
                    996: 
                    997:        return buf;
1.113     parser    998: }
1.229     misha     999: 
1.201     paf      1000: void String::dump() const {
                   1001:        body.dump();
                   1002:        langs.dump();
                   1003: }
1.229     misha    1004: 
                   1005: const String& String::trim(String::Trim_kind kind, const char* chars, Charset* source_charset) const {
1.223     misha    1006:        if(is_empty())
1.195     paf      1007:                return *this;
                   1008: 
                   1009:        size_t substr_begin, substr_length;
1.229     misha    1010:        Body new_body=body.trim(kind, chars, &substr_begin, &substr_length, source_charset);
1.195     paf      1011:        if(new_body==body) // we received unchanged pointer, do likewise
                   1012:                return *this;
                   1013:        // new_body differs from body, adjust langs along
                   1014: 
                   1015:        String& result=*new String;
                   1016:        if(!new_body) // body.trim produced empty result
                   1017:                return result;
                   1018:        // body.trim produced nonempty result
                   1019: 
                   1020:        // first: their langs
                   1021:        result.langs.append(result.body, langs, substr_begin, substr_length);
                   1022:        // next: letters themselves
                   1023:        result.body=new_body;
                   1024: 
                   1025:        ASSERT_STRING_INVARIANT(result);
                   1026:        return result;
1.198     paf      1027: }

E-mail: