Annotation of parser3/src/main/pa_string.C, revision 1.256

1.45      paf         1: /** @file
1.174     paf         2:        Parser: string class. @see untalength_t.C.
1.46      paf         3: 
1.253     moko        4:        Copyright (c) 2001-2015 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: 
1.256   ! moko       19: volatile const char * IDENT_PA_STRING_C="$Id: pa_string.C,v 1.255 2016/09/05 22:06:13 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){
1.254     moko       90:        return pa_ato_any<unsigned int>(str, base, problem_source, UINT_MAX);
1.249     moko       91: }
                     92: 
                     93: unsigned long long pa_atoul(const char *str, int base, const String* problem_source){
1.254     moko       94:        return pa_ato_any<unsigned long long int>(str, base, problem_source, ULLONG_MAX);
1.249     moko       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 {
1.254     moko      170:        ssize_t countdown;
                    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: {
1.254     moko      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);
1.176     paf       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: {
1.254     moko      187:        chr_data d;
1.176     paf       188: 
1.254     moko      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'*/);
1.176     paf       192: }
                    193: 
1.187     paf       194: static int CORD_block_count_proc(char /*c*/, size_t /*size*/, void* client_data)
1.178     paf       195: {
1.254     moko      196:        int* result=(int*)client_data;
                    197:        (*result)++;
                    198:        return(0); // 0=continue
1.178     paf       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);
1.254     moko      205:        return result;
1.178     paf       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: 
1.254     moko      236: String::Body String::Body::trim(String::Trim_kind kind, const char* chars, size_t* out_start, size_t* out_length, Charset* source_charset) const {
1.195     paf       237:        size_t our_length=length();
                    238:        if(!our_length)
                    239:                return *this;
1.229     misha     240: 
                    241:        // check if any UTF-8 in chars
                    242:        bool fast=true;
                    243:        if(chars && source_charset && source_charset->isUTF8()){
                    244:                const char* pos=chars;
                    245:                while(unsigned char c=*pos++)
                    246:                        if(c>127){
                    247:                                fast=false;
                    248:                                break;
                    249:                        }
                    250:        }
                    251: 
                    252:        size_t start=0;
                    253:        size_t end=our_length;
1.195     paf       254:        if(!chars)
                    255:                chars=" \t\n"; // white space
                    256: 
1.229     misha     257:        if(fast){
                    258:                // from left...
                    259:                if(kind!=TRIM_END) {
                    260:                        CORD_pos pos; set_pos(pos, 0);
                    261:                        while(true) {
                    262:                                char c=CORD_pos_fetch(pos);
                    263:                                if(strchr(chars, c)) {
                    264:                                        if(++start==our_length)
                    265:                                                return 0; // all chars are empty, just return empty string
                    266:                                } else
                    267:                                        break;                  
                    268: 
                    269:                                CORD_next(pos);
                    270:                        }
                    271:                }
                    272: 
                    273:                // from right..
                    274:                if(kind!=TRIM_START) {
                    275:                        CORD_pos pos; set_pos(pos, end-1);
                    276:                        while(true) {
                    277:                                char c=CORD_pos_fetch(pos);
                    278:                                if(strchr(chars, c)) {
                    279:                                        if(--end==0) // optimization: NO need to check for 'end>=start', that's(<) impossible
                    280:                                                return 0; // all chars are empty, just return empty string
                    281:                                } else
                    282:                                        break;                  
                    283: 
                    284:                                CORD_prev(pos);
                    285:                        }
                    286:                }
                    287:        } else {
1.234     misha     288:                const XMLByte* src_begin=(const XMLByte*)cstr();
1.229     misha     289:                const XMLByte* src_end=src_begin+our_length;
                    290: 
                    291:                // from left...
                    292:                if(kind!=TRIM_END) {
                    293:                        while(src_begin<src_end){
                    294:                                uint char_length=1;
                    295:                                const XMLByte* ptr=src_begin;
1.231     misha     296:                                // searching first UTF-8 byte: http://tools.ietf.org/html/rfc3629#section-3
                    297:                                while(++src_begin<=src_end && (*src_begin>127 && *src_begin<0xC0))
1.229     misha     298:                                        char_length++;
                    299: 
                    300:                                bool found=false;
                    301:                                for(const char* chars_byte=chars; chars_byte=strchr(chars_byte, *ptr); chars_byte++)
                    302:                                        if(strncmp(chars_byte, (const char*)ptr, char_length)==0){
                    303:                                                found=true;
                    304:                                                break;
                    305:                                        }
                    306: 
                    307:                                if(found){
                    308:                                        start+=char_length;
                    309:                                        if(start==our_length)
                    310:                                                return 0; // all chars are empty, just return empty string
                    311:                                } else
                    312:                                        break;
                    313:                        }
                    314:                }
1.196     paf       315: 
1.229     misha     316:                // from right..
                    317:                if(kind!=TRIM_START) {
                    318:                        while(src_begin<src_end){
                    319:                                uint char_length=1;
1.231     misha     320:                                // searching first UTF-8 byte: http://tools.ietf.org/html/rfc3629#section-3
                    321:                                while(src_begin<=--src_end && (*src_end>127 && *src_end<0xC0))
1.229     misha     322:                                        char_length++;
                    323: 
                    324:                                bool found=false;
                    325:                                for(const char* chars_byte=chars; chars_byte=strchr(chars_byte, *src_end); chars_byte++)
                    326:                                        if(strncmp(chars_byte, (const char*)src_end, char_length)==0){
                    327:                                                found=true;
                    328:                                                break;
                    329:                                        }
                    330: 
                    331:                                if(found){
                    332:                                        end-=char_length;
                    333:                                        if(end==0)
                    334:                                                return 0; // all chars are empty, just return empty string
                    335:                                } else
                    336:                                        break;
                    337:                        }
1.196     paf       338:                }
                    339:        }
1.195     paf       340: 
                    341:        if(start==0 && end==our_length) // nobody moved a thing
                    342:                return *this;
                    343: 
                    344:        if(out_start)
                    345:                *out_start=start;
                    346:        size_t new_length=end-start;
                    347:        if(out_length)
                    348:                *out_length=new_length;
                    349: 
                    350:        return mid(start, new_length);
                    351: }
                    352: 
1.174     paf       353: static int CORD_batched_iter_fn_generic_hash_code(char c, void * client_data) {
                    354:        uint& result=*static_cast<uint*>(client_data);
                    355:        generic_hash_code(result, c);
                    356:        return 0;
                    357: }
1.248     moko      358: 
1.174     paf       359: static int CORD_batched_iter_fn_generic_hash_code(const char*  s, void * client_data) {
                    360:        uint& result=*static_cast<uint*>(client_data);
                    361:        generic_hash_code(result, s);
                    362:        return 0;
1.248     moko      363: }
                    364: 
1.225     misha     365: uint String::Body::get_hash_code() const {
                    366: #ifdef HASH_CODE_CACHING
                    367:        if(hash_code)
                    368:                return hash_code;
                    369: #else
                    370:        uint hash_code=0;
                    371: #endif
1.220     misha     372:        if (body && CORD_IS_STRING(body)){
1.250     moko      373:                generic_hash_code(hash_code, (const char *)body);
1.220     misha     374:        } else {
                    375:                CORD_iter5(body, 0,
                    376:                        CORD_batched_iter_fn_generic_hash_code, 
1.225     misha     377:                        CORD_batched_iter_fn_generic_hash_code, &hash_code);
1.220     misha     378:        }
1.225     misha     379:        return hash_code;
1.94      parser    380: }
                    381: 
1.241     misha     382: struct CORD_pos_info {
                    383:        const char* chars;
                    384:        size_t left;
                    385:        size_t pos;
                    386: };
                    387: 
                    388: // can be called only for IS_FUNCTION(CORD) which is used in String::Body::strrpbrk
                    389: static int CORD_iter_fn_rpos(char c, CORD_pos_info* info) {
                    390:        if(info->pos < info->left){
                    391:                info->pos=STRING_NOT_FOUND;
                    392:                return 1;
                    393:        }
                    394:        if(strchr(info->chars, c))
                    395:                return 1;
                    396:        --(info->pos);
                    397:        return 0;
                    398: }
                    399: 
                    400: size_t String::Body::strrpbrk(const char* chars, size_t left, size_t right) const {
                    401:        if(is_empty() || !chars || !strlen(chars))
                    402:                return STRING_NOT_FOUND;
                    403:        CORD_pos_info info={chars, left, right};
                    404:        if(CORD_riter4(body, right, (CORD_iter_fn)CORD_iter_fn_rpos, &info))
                    405:                return info.pos;
                    406:        else
                    407:                return STRING_NOT_FOUND;
                    408: }
                    409: 
                    410: 
                    411: // can be called only for IS_FUNCTION(CORD) which is used in String::Body::rskipchars
                    412: static int CORD_iter_fn_rskip(char c, CORD_pos_info* info) {
                    413:        if(info->pos < info->left) {
                    414:                info->pos=STRING_NOT_FOUND;
                    415:                return 1;
                    416:        }
                    417:        if(!strchr(info->chars, c))
                    418:                return 1;
                    419:        --(info->pos);
                    420:        return 0;
                    421: }
                    422: 
                    423: size_t String::Body::rskipchars(const char* chars, size_t left, size_t right) const {
                    424:        if(is_empty() || !chars || !strlen(chars))
                    425:                return STRING_NOT_FOUND;
                    426:        CORD_pos_info info={chars, left, right};
                    427:        if(CORD_riter4(body, right, (CORD_iter_fn)CORD_iter_fn_rskip, &info))
                    428:                return info.pos;
                    429:        else
                    430:                return STRING_NOT_FOUND;
                    431: }
                    432: 
1.174     paf       433: // String methods
                    434: 
                    435: String& String::append_know_length(const char* str, size_t known_length, Language lang) {
                    436:        if(!known_length)
1.9       paf       437:                return *this;
1.122     paf       438: 
1.176     paf       439:        // first: langs
                    440:        langs.append(body, lang, known_length);
                    441:        // next: letters themselves
1.174     paf       442:        body.append_know_length(str, known_length);
1.1       paf       443: 
1.174     paf       444:        ASSERT_STRING_INVARIANT(*this);
1.1       paf       445:        return *this;
                    446: }
1.248     moko      447: 
1.174     paf       448: String& String::append_help_length(const char* str, size_t helper_length, Language lang) {
                    449:        if(!str)
                    450:                return *this;
                    451:        size_t known_length=helper_length?helper_length:strlen(str);
                    452:        if(!known_length)
                    453:                return *this;
1.1       paf       454: 
1.174     paf       455:        return append_know_length(str, known_length, lang);
1.5       paf       456: }
1.248     moko      457: 
1.244     moko      458: String::String(int value, const char *format) : langs(L_CLEAN){
1.226     misha     459:        char buf[MAX_NUMBER];
                    460:        body.append_strdup_know_length(buf, snprintf(buf, MAX_NUMBER, format, value));
                    461: }
1.248     moko      462: 
1.174     paf       463: String& String::append_strdup(const char* str, size_t helper_length, Language lang) {
                    464:        size_t known_length=helper_length?helper_length:strlen(str);
                    465:        if(!known_length)
                    466:                return *this;
1.5       paf       467: 
1.176     paf       468:        // first: langs
                    469:        langs.append(body, lang, known_length);
                    470:        // next: letters themselves
1.174     paf       471:        body.append_strdup_know_length(str, known_length);
1.33      paf       472: 
1.174     paf       473:        ASSERT_STRING_INVARIANT(*this);
                    474:        return *this;
1.5       paf       475: }
1.46      paf       476: 
1.234     misha     477: struct CORD_length_info {
                    478:        size_t len;
                    479:        size_t skip;
                    480: };
                    481: 
                    482: int CORD_batched_len(const char* s, CORD_length_info* info){
1.255     moko      483:        info->len += lengthUTF8( (const XMLByte *)s, (const XMLByte *)s+strlen(s));
                    484:        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: 
1.255     moko      531:        size_t self_length=helper_length ? helper_length : length(charset);
1.211     misha     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: 
1.254     moko      579: size_t String::pos(const String& substr, size_t this_offset, Language lang) const {
1.174     paf       580:        return pos(substr.body, this_offset, lang);
1.60      paf       581: }
                    582: 
1.254     moko      583: size_t String::pos(Charset& charset, const String& substr, size_t this_offset, Language lang) const {
1.210     misha     584: 
                    585:        if(charset.isUTF8()){
1.234     misha     586:                const XMLByte* srcPtr=(const XMLByte*)cstr();
1.212     misha     587:                const XMLByte* srcEnd=srcPtr+body.length();
                    588: 
                    589:                // convert 'this_offset' from 'characters' to 'bytes'
                    590:                this_offset=getUTF8BytePos(srcPtr, srcEnd, this_offset);
                    591: 
1.229     misha     592:                size_t result=pos(substr.body, this_offset, lang);
                    593:                return (result==CORD_NOT_FOUND)
                    594:                        ? STRING_NOT_FOUND
                    595:                        : getUTF8CharPos(srcPtr, srcEnd, result); // convert 'result' from 'bytes' to 'characters'
1.212     misha     596:        } else {
1.229     misha     597:                size_t result=pos(substr.body, this_offset, lang);
                    598:                return (result==CORD_NOT_FOUND)
                    599:                        ? STRING_NOT_FOUND
                    600:                        : result;
1.210     misha     601:        }
                    602: }
                    603: 
1.256   ! moko      604: void String::split(ArrayString& result, size_t pos_after, const char* delim, Language lang) const {
1.237     misha     605:        if(is_empty())
                    606:                return;
1.174     paf       607:        size_t self_length=length();
1.237     misha     608:        if(size_t delim_length=strlen(delim)) {
1.186     paf       609:                size_t pos_before;
1.60      paf       610:                // while we have 'delim'...
1.256   ! moko      611:                while((pos_before=pos(delim, pos_after, lang))!=STRING_NOT_FOUND) {
1.69      paf       612:                        result+=&mid(pos_after, pos_before);
1.174     paf       613:                        pos_after=pos_before+delim_length;
1.60      paf       614:                }
                    615:                // last piece
1.256   ! moko      616:                if(pos_after<self_length)
1.174     paf       617:                        result+=&mid(pos_after, self_length);
1.60      paf       618:        } else { // empty delim
                    619:                result+=this;
                    620:        }
                    621: }
                    622: 
1.256   ! moko      623: void String::split(ArrayString& result, size_t pos_after, const String& delim, Language lang) const {
1.237     misha     624:        if(is_empty())
                    625:                return;
                    626:        if(!delim.is_empty()) {
1.186     paf       627:                size_t pos_before;
1.60      paf       628:                // while we have 'delim'...
1.256   ! moko      629:                while((pos_before=pos(delim, pos_after, lang))!=STRING_NOT_FOUND) {
1.69      paf       630:                        result+=&mid(pos_after, pos_before);
1.174     paf       631:                        pos_after=pos_before+delim.length();
1.60      paf       632:                }
                    633:                // last piece
1.256   ! moko      634:                if(pos_after<length())
1.174     paf       635:                        result+=&mid(pos_after, length());
1.60      paf       636:        } else { // empty delim
                    637:                result+=this;
                    638:        }
1.61      paf       639: }
                    640: 
1.254     moko      641: Table* String::match(VRegex* vregex, Row_action row_action, void *info, int& matches_count) const {
1.209     misha     642: 
1.222     misha     643:        // vregex->info(); // I have no idea what does it for?
1.63      paf       644: 
1.222     misha     645:        bool need_pre_post_match=vregex->is_pre_post_match_needed();
                    646:        bool global=vregex->is_global_search();
1.63      paf       647: 
1.174     paf       648:        const char* subject=cstr();
1.234     misha     649:        size_t subject_length=length();
1.222     misha     650:        const int ovector_size=(1/*match*/+MAX_MATCH_GROUPS)*3;
                    651:        int ovector[ovector_size];
1.155     paf       652: 
1.173     paf       653:        Table::Action_options table_options;
1.174     paf       654:        Table& table=*new Table(string_match_table_template, table_options);
1.63      paf       655: 
1.154     paf       656:        int prestart=0;
                    657:        int poststart=0;
1.174     paf       658:        int postfinish=length();
1.63      paf       659:        while(true) {
1.222     misha     660:                int exec_result=vregex->exec(subject, subject_length, ovector, ovector_size, prestart);
1.63      paf       661: 
1.222     misha     662:                if(exec_result<0) // only PCRE_ERROR_NOMATCH might be here, other negative results cause an exception
                    663:                        break;
1.63      paf       664: 
1.154     paf       665:                int prefinish=ovector[0];
                    666:                poststart=ovector[1];
1.236     moko      667: 
                    668:                if (prestart==poststart && subject[poststart]=='\n'){
                    669:                        prestart++;
                    670:                        continue;
                    671:                }
                    672: 
1.232     misha     673:                ArrayString* row=new ArrayString(3);
1.174     paf       674:                if(need_pre_post_match) {
                    675:                        *row+=&mid(0, prefinish); // .prematch column value
                    676:                        *row+=&mid(prefinish, poststart); // .match
                    677:                        *row+=&mid(poststart, postfinish); // .postmatch
                    678:                } else {
1.185     paf       679:                        *row+=&Empty; // .prematch column value
                    680:                        *row+=&Empty; // .match
                    681:                        *row+=&Empty; // .postmatch
1.174     paf       682:                }
1.63      paf       683:                
1.222     misha     684:                for(int i=1; i<exec_result; i++) {
1.69      paf       685:                        // -1:-1 case handled peacefully by mid() itself
1.232     misha     686:                        *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       687:                }
                    688:                
1.209     misha     689:                matches_count++;
1.174     paf       690:                row_action(table, row, prestart, prefinish, poststart, postfinish, info);
1.63      paf       691: 
1.222     misha     692:                if(!global || prestart==poststart) // last step
                    693:                        break;
                    694: 
1.154     paf       695:                prestart=poststart;
1.222     misha     696:        }
1.63      paf       697: 
1.222     misha     698:        row_action(table, 0/*last time, no raw*/, 0, 0, poststart, postfinish, info);
                    699:        return vregex->is_just_count() ? 0 : &table;
1.82      parser    700: }
                    701: 
1.174     paf       702: String& String::change_case(Charset& source_charset, Change_case_kind kind) const {
                    703:        String& result=*new String();
                    704:        if(is_empty())
                    705:                return result;
                    706: 
                    707:        char* new_cstr=cstrm();
1.216     misha     708: 
1.181     paf       709:        if(source_charset.isUTF8()) {
1.216     misha     710:                size_t new_cstr_len=length();
1.181     paf       711:                switch(kind) {
                    712:                case CC_UPPER:
1.192     paf       713:                        change_case_UTF8((const XMLByte*)new_cstr, new_cstr_len, (XMLByte*)new_cstr, new_cstr_len, UTF8CaseToUpper);
1.181     paf       714:                        break;
                    715:                case CC_LOWER:
1.192     paf       716:                        change_case_UTF8((const XMLByte*)new_cstr, new_cstr_len, (XMLByte*)new_cstr, new_cstr_len, UTF8CaseToLower);
1.181     paf       717:                        break;
                    718:                default:
                    719:                        assert(!"unknown change case kind");
                    720:                        break; // never
                    721:                }       
                    722:                
                    723:        } else {
                    724:                const unsigned char *tables=source_charset.pcre_tables;
1.82      parser    725: 
1.181     paf       726:                const unsigned char *a;
                    727:                const unsigned char *b;
                    728:                switch(kind) {
                    729:                case CC_UPPER:
                    730:                        a=tables+lcc_offset;
                    731:                        b=tables+fcc_offset;
                    732:                        break;
                    733:                case CC_LOWER:
                    734:                        a=tables+lcc_offset;
                    735:                        b=0;
                    736:                        break;
                    737:                default:
                    738:                        assert(!"unknown change case kind");
                    739:                        a=b=0; // calm, compiler
                    740:                        break; // never
                    741:                }       
                    742: 
1.192     paf       743:                char *dest=new_cstr;
1.181     paf       744:                unsigned char index;
1.190     paf       745:                for(const char* current=new_cstr; (index=(unsigned char)*current); current++) {
1.181     paf       746:                        unsigned char c=a[index];
                    747:                        if(b)
                    748:                                c=b[c];
                    749: 
                    750:                        *dest++=(char)c;
                    751:                }
1.174     paf       752:        }
1.176     paf       753:        result.langs=langs;
1.174     paf       754:        result.body=new_cstr;
1.89      parser    755: 
1.101     parser    756:        return result;
                    757: }
                    758: 
1.213     misha     759: const String& String::escape(Charset& source_charset) const {
                    760:        if(is_empty())
                    761:                return *this;
                    762: 
                    763:        return Charset::escape(*this, source_charset);
                    764: }
                    765: 
1.238     misha     766: #define STRING_APPEND(result, from_cstr, langs, langs_offset, length) \
                    767:                        result.langs.append(result.body, langs, langs_offset, length); \
                    768:                        result.body.append_strdup_know_length(from_cstr, length);
                    769: 
1.174     paf       770: const String& String::replace(const Dictionary& dict) const {
1.238     misha     771:        if(!dict.count() || is_empty())
                    772:                return *this;
                    773: 
1.174     paf       774:        String& result=*new String();
                    775:        const char* old_cstr=cstr();
                    776:        const char* prematch_begin=old_cstr;
                    777: 
1.238     misha     778:        if(dict.count()==1) {
                    779:                // optimized simple case
                    780: 
                    781:                Dictionary::Subst subst=dict.get(0);
1.239     moko      782:                while(const char* p=strstr(prematch_begin, subst.from)) {
1.174     paf       783:                        // prematch
1.238     misha     784:                        if(size_t prematch_length=p-prematch_begin) {
                    785:                                STRING_APPEND(result, prematch_begin, langs, prematch_begin-old_cstr, prematch_length)
1.101     parser    786:                        }
                    787: 
1.174     paf       788:                        // match
1.238     misha     789:                        prematch_begin=p+subst.from_length;
1.174     paf       790: 
1.184     paf       791:                        if(const String* b=subst.to) // are there any b?
1.174     paf       792:                                result<<*b;
1.238     misha     793:                }
                    794: 
                    795:        } else {
                    796: 
                    797:                const char* current=old_cstr;
                    798:                while(*current) {
                    799:                        if(Dictionary::Subst subst=dict.first_that_begins(current)) {
                    800:                                // prematch
                    801:                                if(size_t prematch_length=current-prematch_begin) {
                    802:                                        STRING_APPEND(result, prematch_begin, langs, prematch_begin-old_cstr, prematch_length)
                    803:                                }
                    804: 
                    805:                                // match
                    806:                                // skip 'a' in 'current'; move prematch_begin
                    807:                                current+=subst.from_length; prematch_begin=current;
                    808: 
                    809:                                if(const String* b=subst.to) // are there any b?
                    810:                                        result<<*b;
                    811:                        } else // simply advance
                    812:                                current++; 
                    813:                }
                    814: 
1.174     paf       815:        }
1.156     paf       816: 
1.238     misha     817:        if(prematch_begin==old_cstr) // not modified
                    818:                return *this;
                    819: 
1.174     paf       820:        // postmatch
1.238     misha     821:        if(size_t postmatch_length=old_cstr+length()-prematch_begin) {
                    822:                STRING_APPEND(result, prematch_begin, langs, prematch_begin-old_cstr, postmatch_length)
1.174     paf       823:        }
1.156     paf       824: 
1.174     paf       825:        ASSERT_STRING_INVARIANT(result);
1.82      parser    826:        return result;
1.61      paf       827: }
1.113     parser    828: 
1.180     paf       829: static int serialize_body_char(char c, char** cur) {
                    830:        *((*cur)++)=c;
                    831:        return 0; // 0=continue
1.248     moko      832: }
                    833: 
1.174     paf       834: static int serialize_body_piece(const char* s, char** cur) {
                    835:        size_t length=strlen(s);
                    836:        memcpy(*cur, s, length);  *cur+=length;
1.178     paf       837:        return 0; // 0=continue
1.248     moko      838: }
                    839: 
1.178     paf       840: static int serialize_lang_piece(char alang, size_t asize, char** cur) {
                    841:        // lang
1.191     paf       842:        **cur=alang; (*cur)++;
                    843:        // length [WARNING: not cast, addresses must be %4=0 on sparc]
1.178     paf       844:        memcpy(*cur, &asize, sizeof(asize));  *cur+=sizeof(asize);
                    845: 
                    846:        return 0; // 0=continue
                    847: }
1.248     moko      848: 
1.174     paf       849: String::Cm String::serialize(size_t prolog_length) const {
1.178     paf       850:        size_t fragments_count=langs.count();
1.202     paf       851:        size_t body_length=body.length();
1.174     paf       852:        size_t buf_length=
1.178     paf       853:                prolog_length //1
                    854:                +sizeof(size_t) //2
1.202     paf       855:                +body_length //3
                    856:                +1 // 4 for zero terminator used in deserialize
                    857:                +sizeof(size_t) //5
                    858:                +fragments_count*(sizeof(char)+sizeof(size_t)); //6
                    859: 
1.174     paf       860:        String::Cm result(new(PointerFreeGC) char[buf_length], buf_length);
                    861: 
                    862:        // 1: prolog
                    863:        char *cur=result.str+prolog_length;
1.202     paf       864:        // 2: chars.count [WARNING: not cast, addresses must be %4=0 on sparc]
                    865:        memcpy(cur, &body_length, sizeof(body_length));  cur+=sizeof(body_length);
                    866:        // 3: letters
                    867:        body.for_each(serialize_body_char, serialize_body_piece, &cur);
                    868:        // 4: zero terminator
                    869:        *cur++=0;
                    870:        // 5: langs.count [WARNING: not cast, addresses must be %4=0 on sparc]
1.174     paf       871:        memcpy(cur, &fragments_count, sizeof(fragments_count));  cur+=sizeof(fragments_count);
1.202     paf       872:        // 6: lang info
1.178     paf       873:        langs.for_each(body, serialize_lang_piece, &cur);
1.113     parser    874: 
1.174     paf       875:        return result;
1.113     parser    876: }
1.248     moko      877: 
1.202     paf       878: bool String::deserialize(size_t prolog_size, void *buf, size_t buf_size) {
                    879:        size_t in_buf=buf_size;
                    880:        if(in_buf<=prolog_size)
1.148     paf       881:                return false;
1.202     paf       882:        in_buf-=prolog_size;
1.135     paf       883: 
1.174     paf       884:        // 1: prolog
1.202     paf       885:        const char* cur=(const char* )buf+prolog_size;
1.113     parser    886: 
1.207     paf       887:        // 2: chars.count
1.202     paf       888:        size_t body_length;
                    889:        if(in_buf<sizeof(body_length)) // body.length don't fit?
                    890:                return false;
                    891:        // [WARNING: not cast, addresses must be %4=0 on sparc]
                    892:        memcpy(&body_length, cur, sizeof(body_length));  cur+=sizeof(body_length);
                    893:        in_buf-=sizeof(body_length);
                    894: 
                    895:        if(in_buf<body_length+1) // letters+terminator don't fit?
                    896:                return false;
                    897:        // 4: zero terminator
                    898:        if(cur[body_length] != 0) // in place?
                    899:                return false;
                    900:        // 3: letters
1.251     moko      901:        body=String::Body(String::C(cur, body_length));
1.202     paf       902:        cur+=body_length+1;
                    903:        in_buf-=body_length+1;
                    904: 
                    905:        // 5: langs.count
1.191     paf       906:        size_t fragments_count;
1.202     paf       907:        if(in_buf<sizeof(fragments_count)) // langs.count don't fit?
1.174     paf       908:                return false;
1.191     paf       909:        // [WARNING: not cast, addresses must be %4=0 on sparc]
                    910:        memcpy(&fragments_count, cur, sizeof(fragments_count));  cur+=sizeof(fragments_count);
1.202     paf       911:        in_buf-=sizeof(fragments_count);
1.174     paf       912:        
                    913:        if(fragments_count) {
1.202     paf       914:                // 6: lang info
1.174     paf       915:                size_t total_length=0;
                    916:                for(size_t f=0; f<fragments_count; f++) {
1.191     paf       917:                        char lang;
                    918:                        size_t fragment_length;
                    919:                        size_t piece_length=sizeof(lang)+sizeof(fragment_length);
1.202     paf       920:                        if(in_buf<piece_length) // lang+length
1.174     paf       921:                                return false;
                    922: 
1.191     paf       923:                        // lang
                    924:                        lang=*cur++;
                    925:                        // length [WARNING: not cast, addresses must be %4=0 on sparc]
                    926:                        memcpy(&fragment_length, cur, sizeof(fragment_length));  cur+=sizeof(fragment_length);
                    927: 
1.206     paf       928:                        size_t combined_length=total_length+fragment_length;
                    929:                        if(combined_length>body_length)
                    930:                                return false; // file curruption
1.191     paf       931:                        // uchar needed to prevent propagating 0x80 bit to upper bytes
                    932:                        langs.append(total_length, (String::Language)(uchar)lang, fragment_length);
1.206     paf       933:                        total_length=combined_length;
1.202     paf       934:                        in_buf-=piece_length;
1.174     paf       935:                }
1.128     paf       936: 
1.202     paf       937:                if(total_length!=body_length) // length(all language fragments) vs length(letters)
1.148     paf       938:                        return false;
1.174     paf       939:        }
1.202     paf       940:        if(in_buf!=0) // some strange extra bytes
                    941:                return false;
1.113     parser    942: 
1.174     paf       943:        ASSERT_STRING_INVARIANT(*this);
1.148     paf       944:        return true;
1.176     paf       945: }
                    946: 
                    947: const char* String::Body::v() const {
1.233     misha     948:        return CORD_to_const_char_star(body, length());
1.176     paf       949: }
1.248     moko      950: 
1.201     paf       951: void String::Body::dump() const {
                    952:        CORD_dump(body);
                    953: }
                    954: 
1.176     paf       955: const char* String::Languages::v() const {
1.177     paf       956:        if(opt.is_not_just_lang)
1.233     misha     957:                return CORD_to_const_char_star(langs, 0);
1.176     paf       958:        else
                    959:                return (const char*)&langs;
                    960: }
1.248     moko      961: 
1.201     paf       962: void String::Languages::dump() const {
                    963:        if(opt.is_not_just_lang)
                    964:                CORD_dump(langs);
                    965:        else
                    966:                puts((const char*)&langs);
                    967: }
1.248     moko      968: 
1.176     paf       969: const char* String::v() const {
1.198     paf       970:        const uint LIMIT_VIEW=20;
1.246     moko      971:        char* buf=(char*)pa_malloc(MAX_STRING);
1.176     paf       972:        const char*body_view=body.v();
                    973:        const char*langs_view=langs.v();
                    974:        snprintf(buf, MAX_STRING, 
1.178     paf       975:                "%d:%.*s%s}   "
1.176     paf       976:                "{%d:%s",
1.178     paf       977:                langs.count(), LIMIT_VIEW, langs_view, strlen(langs_view)>LIMIT_VIEW?"...":"",
1.176     paf       978:                strlen(body_view), body_view
                    979:        );
                    980: 
                    981:        return buf;
1.113     parser    982: }
1.229     misha     983: 
1.201     paf       984: void String::dump() const {
                    985:        body.dump();
                    986:        langs.dump();
                    987: }
1.229     misha     988: 
                    989: const String& String::trim(String::Trim_kind kind, const char* chars, Charset* source_charset) const {
1.223     misha     990:        if(is_empty())
1.195     paf       991:                return *this;
                    992: 
                    993:        size_t substr_begin, substr_length;
1.229     misha     994:        Body new_body=body.trim(kind, chars, &substr_begin, &substr_length, source_charset);
1.195     paf       995:        if(new_body==body) // we received unchanged pointer, do likewise
                    996:                return *this;
                    997:        // new_body differs from body, adjust langs along
                    998: 
                    999:        String& result=*new String;
                   1000:        if(!new_body) // body.trim produced empty result
                   1001:                return result;
                   1002:        // body.trim produced nonempty result
                   1003: 
                   1004:        // first: their langs
                   1005:        result.langs.append(result.body, langs, substr_begin, substr_length);
                   1006:        // next: letters themselves
                   1007:        result.body=new_body;
                   1008: 
                   1009:        ASSERT_STRING_INVARIANT(result);
                   1010:        return result;
1.198     paf      1011: }

E-mail: