Annotation of parser3/src/main/pa_string.C, revision 1.261

1.45      paf         1: /** @file
1.174     paf         2:        Parser: string class. @see untalength_t.C.
1.46      paf         3: 
1.260     moko        4:        Copyright (c) 2001-2017 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: 
1.261   ! moko       15: volatile const char * IDENT_PA_STRING_C="$Id: pa_string.C,v 1.260 2017/02/07 22:00:44 moko Exp $" IDENT_PA_STRING_H;
1.240     moko       16: 
1.185     paf        17: const String String::Empty;
                     18: 
1.261   ! moko       19: #define COMPILE_ASSERT(x) extern int assert_checker[(int)(x) ? 1 : -1]
        !            20: COMPILE_ASSERT(sizeof(String::Languages) == sizeof(CORD));
        !            21: 
1.242     moko       22: // pa_atoui is based on Manuel Novoa III _strto_l for uClibc
                     23: 
1.249     moko       24: template<typename T> inline T pa_ato_any(const char *str, int base, const String* problem_source,const T max){
                     25:        T result = 0;
1.242     moko       26:        const char *pos = str;
                     27: 
                     28:        while (isspace(*pos)) /* skip leading whitespace */
                     29:                ++pos;
                     30: 
                     31:        if (base == 16 && *pos == '0') { /* handle option prefix */
                     32:                ++pos;
                     33:                if (*pos == 'x' || *pos == 'X') {
                     34:                        ++pos;
                     35:                }
                     36:        }
                     37: 
                     38:        if (base == 0) { /* dynamic base */
                     39:                base = 10; /* default is 10 */
                     40:                if (*pos == '0') {
                     41:                        ++pos;
1.245     moko       42:                        if (*pos == 'x' || *pos == 'X'){
1.242     moko       43:                                ++pos;
                     44:                                base=16;
1.245     moko       45:                        }
1.242     moko       46:                }
                     47:        }
                     48: 
                     49:        if (base < 2 || base > 16) { /* illegal base */
                     50:                throw Exception(PARSER_RUNTIME, 0, "base to must be an integer from 2 to 16");
                     51:        }
                     52: 
1.249     moko       53:        T cutoff = max / base;
                     54:        int cutoff_digit = (int)(max - cutoff * base);
1.242     moko       55: 
                     56:        while(true) {
                     57:                int digit;
                     58:                
                     59:                if ((*pos >= '0') && (*pos <= '9')) {
                     60:                        digit = (*pos - '0');
                     61:                } else if (*pos >= 'a') {
                     62:                        digit = (*pos - 'a' + 10);
                     63:                } else if (*pos >= 'A') {
                     64:                        digit = (*pos - 'A' + 10);
                     65:                } else break;
                     66: 
                     67:                if (digit >= base) {
                     68:                        break;
                     69:                }
                     70:                
                     71:                ++pos;
                     72:                
                     73:                /* adjust number, with overflow check */
                     74:                if ((result > cutoff) || ((result == cutoff) && (digit > cutoff_digit))) {
                     75:                        throw Exception("number.format", problem_source, problem_source ? "out of range (int)" : "'%s' is out of range (int)", str);
                     76:                } else {
                     77:                        result  = result * base + digit;
                     78:                }
                     79:        }
                     80: 
                     81:        while(char c=*pos++)
                     82:                if(!isspace(c))
                     83:                        throw Exception("number.format", problem_source, problem_source ? "invalid number (int)" : "'%s' is invalid number (int)", str);
                     84: 
                     85:        return result;
                     86: }
                     87: 
1.249     moko       88: unsigned int pa_atoui(const char *str, int base, const String* problem_source){
1.254     moko       89:        return pa_ato_any<unsigned int>(str, base, problem_source, UINT_MAX);
1.249     moko       90: }
                     91: 
                     92: unsigned long long pa_atoul(const char *str, int base, const String* problem_source){
1.254     moko       93:        return pa_ato_any<unsigned long long int>(str, base, problem_source, ULLONG_MAX);
1.249     moko       94: }
                     95: 
1.193     paf        96: int pa_atoi(const char* str, const String* problem_source) {
                     97:        if(!str)
                     98:                return 0;
                     99: 
1.242     moko      100:        while(isspace(*str))
1.193     paf       101:                str++;
1.242     moko      102: 
1.193     paf       103:        if(!*str)
                    104:                return 0;
                    105: 
1.200     paf       106:        bool negative=false;
                    107:        if(str[0]=='-') {
                    108:                negative=true;
                    109:                str++;
                    110:        } else if(str[0]=='+') {
                    111:                str++;
                    112:        }
1.193     paf       113: 
1.242     moko      114:        unsigned int result=pa_atoui(str, 0, problem_source);
1.193     paf       115: 
1.242     moko      116:        if(negative && result <= ((unsigned int)(-(1+INT_MIN)))+1)
1.243     moko      117:                return -(int)result;
1.242     moko      118:        
                    119:        if(result<=INT_MAX)
1.243     moko      120:                return (int)result;
1.242     moko      121:        
                    122:        throw Exception("number.format", problem_source, problem_source ? "out of range (int)" : "'%s' is out of range (int)", str);
1.193     paf       123: }
                    124: 
                    125: double pa_atod(const char* str, const String* problem_source) {
                    126:        if(!str)
                    127:                return 0;
                    128: 
1.242     moko      129:        while(isspace(*str))
1.193     paf       130:                str++;
1.242     moko      131: 
1.193     paf       132:        if(!*str)
                    133:                return 0;
                    134: 
1.200     paf       135:        bool negative=false;
                    136:        if(str[0]=='-') {
                    137:                negative=true;
                    138:                str++;
                    139:        } else if(str[0]=='+') {
                    140:                str++;
                    141:        }
1.242     moko      142: 
                    143:        double result;
1.247     moko      144:        if(str[0]=='0') {
                    145:                if(str[1]=='x' || str[1]=='X') {
1.242     moko      146:                        // 0xABC
1.249     moko      147:                        result=(double)pa_atoul(str, 0, problem_source);
1.242     moko      148:                        return negative ? -result : result;
                    149:                } else {
1.200     paf       150:                         // skip leading 0000, to disable octal interpretation
1.242     moko      151:                        do str++; while(*str=='0');
1.200     paf       152:                }
1.247     moko      153:        }
1.242     moko      154: 
                    155:        char *error_pos;
                    156:        result=strtod(str, &error_pos);
1.193     paf       157: 
                    158:        while(char c=*error_pos++)
1.199     paf       159:                if(!isspace((unsigned char)c))
1.242     moko      160:                        throw Exception("number.format", problem_source, problem_source ? "invalid number (double)" : "'%s' is invalid number (double)", str);
1.193     paf       161: 
1.242     moko      162:        return negative ? -result : result;
1.193     paf       163: }
                    164: 
1.176     paf       165: // cord lib extension
                    166: 
                    167: #ifndef DOXYGEN
                    168: typedef struct {
1.254     moko      169:        ssize_t countdown;
                    170:        int target;     /* Character we're looking for  */
1.176     paf       171: } chr_data;
                    172: #endif
1.248     moko      173: 
1.176     paf       174: static int CORD_range_contains_chr_greater_then_proc(char c, size_t size, void* client_data)
                    175: {
1.254     moko      176:        register chr_data * d = (chr_data *)client_data;
                    177: 
                    178:        if (d -> countdown<=0) return(2);
                    179:        d -> countdown -= size;
                    180:        if (c > d -> target) return(1);
                    181:        return(0);
1.176     paf       182: }
1.248     moko      183: 
1.176     paf       184: int CORD_range_contains_chr_greater_then(CORD x, size_t i, size_t n, int c)
                    185: {
1.254     moko      186:        chr_data d;
1.176     paf       187: 
1.254     moko      188:        d.countdown = n;
                    189:        d.target = c;
                    190:        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       191: }
                    192: 
1.187     paf       193: static int CORD_block_count_proc(char /*c*/, size_t /*size*/, void* client_data)
1.178     paf       194: {
1.254     moko      195:        int* result=(int*)client_data;
                    196:        (*result)++;
                    197:        return(0); // 0=continue
1.178     paf       198: }
1.248     moko      199: 
1.178     paf       200: size_t CORD_block_count(CORD x)
                    201: {
                    202:        size_t result=0;
                    203:        CORD_block_iter(x, 0, CORD_block_count_proc, &result);
1.254     moko      204:        return result;
1.178     paf       205: }
                    206: 
1.174     paf       207: // helpers
1.139     paf       208: 
1.174     paf       209: /// String::match uses this as replace & global search table columns
1.139     paf       210: 
1.174     paf       211: const int MAX_MATCH_GROUPS=100;
1.139     paf       212: 
1.174     paf       213: class String_match_table_template_columns: public ArrayString {
                    214: public:
                    215:        String_match_table_template_columns() {
                    216:                *this+=new String("prematch");
                    217:                *this+=new String("match");
                    218:                *this+=new String("postmatch");
                    219:                for(int i=0; i<MAX_MATCH_GROUPS; i++) {
1.176     paf       220:                        *this+=new String(String::Body::Format(1+i), String::L_CLEAN);
1.174     paf       221:                }
                    222:        }
                    223: };
                    224: 
                    225: Table string_match_table_template(new String_match_table_template_columns);
                    226: 
1.176     paf       227: // String::Body methods
1.140     paf       228: 
1.176     paf       229: String::Body String::Body::Format(int value) {
1.174     paf       230:        char local[MAX_NUMBER];
                    231:        size_t length=snprintf(local, MAX_NUMBER, "%d", value);
1.224     misha     232:        return String::Body(pa_strdup(local, length));
1.120     paf       233: }
                    234: 
1.254     moko      235: 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       236:        size_t our_length=length();
                    237:        if(!our_length)
                    238:                return *this;
1.229     misha     239: 
                    240:        // check if any UTF-8 in chars
                    241:        bool fast=true;
                    242:        if(chars && source_charset && source_charset->isUTF8()){
                    243:                const char* pos=chars;
                    244:                while(unsigned char c=*pos++)
                    245:                        if(c>127){
                    246:                                fast=false;
                    247:                                break;
                    248:                        }
                    249:        }
                    250: 
                    251:        size_t start=0;
                    252:        size_t end=our_length;
1.195     paf       253:        if(!chars)
                    254:                chars=" \t\n"; // white space
                    255: 
1.229     misha     256:        if(fast){
                    257:                // from left...
                    258:                if(kind!=TRIM_END) {
                    259:                        CORD_pos pos; set_pos(pos, 0);
                    260:                        while(true) {
                    261:                                char c=CORD_pos_fetch(pos);
                    262:                                if(strchr(chars, c)) {
                    263:                                        if(++start==our_length)
                    264:                                                return 0; // all chars are empty, just return empty string
                    265:                                } else
                    266:                                        break;                  
                    267: 
                    268:                                CORD_next(pos);
                    269:                        }
                    270:                }
                    271: 
                    272:                // from right..
                    273:                if(kind!=TRIM_START) {
                    274:                        CORD_pos pos; set_pos(pos, end-1);
                    275:                        while(true) {
                    276:                                char c=CORD_pos_fetch(pos);
                    277:                                if(strchr(chars, c)) {
                    278:                                        if(--end==0) // optimization: NO need to check for 'end>=start', that's(<) impossible
                    279:                                                return 0; // all chars are empty, just return empty string
                    280:                                } else
                    281:                                        break;                  
                    282: 
                    283:                                CORD_prev(pos);
                    284:                        }
                    285:                }
                    286:        } else {
1.234     misha     287:                const XMLByte* src_begin=(const XMLByte*)cstr();
1.229     misha     288:                const XMLByte* src_end=src_begin+our_length;
                    289: 
                    290:                // from left...
                    291:                if(kind!=TRIM_END) {
                    292:                        while(src_begin<src_end){
                    293:                                uint char_length=1;
                    294:                                const XMLByte* ptr=src_begin;
1.231     misha     295:                                // searching first UTF-8 byte: http://tools.ietf.org/html/rfc3629#section-3
                    296:                                while(++src_begin<=src_end && (*src_begin>127 && *src_begin<0xC0))
1.229     misha     297:                                        char_length++;
                    298: 
                    299:                                bool found=false;
                    300:                                for(const char* chars_byte=chars; chars_byte=strchr(chars_byte, *ptr); chars_byte++)
                    301:                                        if(strncmp(chars_byte, (const char*)ptr, char_length)==0){
                    302:                                                found=true;
                    303:                                                break;
                    304:                                        }
                    305: 
                    306:                                if(found){
                    307:                                        start+=char_length;
                    308:                                        if(start==our_length)
                    309:                                                return 0; // all chars are empty, just return empty string
                    310:                                } else
                    311:                                        break;
                    312:                        }
                    313:                }
1.196     paf       314: 
1.229     misha     315:                // from right..
                    316:                if(kind!=TRIM_START) {
                    317:                        while(src_begin<src_end){
                    318:                                uint char_length=1;
1.231     misha     319:                                // searching first UTF-8 byte: http://tools.ietf.org/html/rfc3629#section-3
                    320:                                while(src_begin<=--src_end && (*src_end>127 && *src_end<0xC0))
1.229     misha     321:                                        char_length++;
                    322: 
                    323:                                bool found=false;
                    324:                                for(const char* chars_byte=chars; chars_byte=strchr(chars_byte, *src_end); chars_byte++)
                    325:                                        if(strncmp(chars_byte, (const char*)src_end, char_length)==0){
                    326:                                                found=true;
                    327:                                                break;
                    328:                                        }
                    329: 
                    330:                                if(found){
                    331:                                        end-=char_length;
                    332:                                        if(end==0)
                    333:                                                return 0; // all chars are empty, just return empty string
                    334:                                } else
                    335:                                        break;
                    336:                        }
1.196     paf       337:                }
                    338:        }
1.195     paf       339: 
                    340:        if(start==0 && end==our_length) // nobody moved a thing
                    341:                return *this;
                    342: 
                    343:        if(out_start)
                    344:                *out_start=start;
                    345:        size_t new_length=end-start;
                    346:        if(out_length)
                    347:                *out_length=new_length;
                    348: 
                    349:        return mid(start, new_length);
                    350: }
                    351: 
1.174     paf       352: static int CORD_batched_iter_fn_generic_hash_code(char c, void * client_data) {
                    353:        uint& result=*static_cast<uint*>(client_data);
                    354:        generic_hash_code(result, c);
                    355:        return 0;
                    356: }
1.248     moko      357: 
1.174     paf       358: static int CORD_batched_iter_fn_generic_hash_code(const char*  s, void * client_data) {
                    359:        uint& result=*static_cast<uint*>(client_data);
                    360:        generic_hash_code(result, s);
                    361:        return 0;
1.248     moko      362: }
                    363: 
1.225     misha     364: uint String::Body::get_hash_code() const {
                    365: #ifdef HASH_CODE_CACHING
                    366:        if(hash_code)
                    367:                return hash_code;
                    368: #else
                    369:        uint hash_code=0;
                    370: #endif
1.220     misha     371:        if (body && CORD_IS_STRING(body)){
1.250     moko      372:                generic_hash_code(hash_code, (const char *)body);
1.220     misha     373:        } else {
                    374:                CORD_iter5(body, 0,
                    375:                        CORD_batched_iter_fn_generic_hash_code, 
1.225     misha     376:                        CORD_batched_iter_fn_generic_hash_code, &hash_code);
1.220     misha     377:        }
1.225     misha     378:        return hash_code;
1.94      parser    379: }
                    380: 
1.241     misha     381: struct CORD_pos_info {
                    382:        const char* chars;
                    383:        size_t left;
                    384:        size_t pos;
                    385: };
                    386: 
                    387: // can be called only for IS_FUNCTION(CORD) which is used in String::Body::strrpbrk
                    388: static int CORD_iter_fn_rpos(char c, CORD_pos_info* info) {
                    389:        if(info->pos < info->left){
                    390:                info->pos=STRING_NOT_FOUND;
                    391:                return 1;
                    392:        }
                    393:        if(strchr(info->chars, c))
                    394:                return 1;
                    395:        --(info->pos);
                    396:        return 0;
                    397: }
                    398: 
                    399: size_t String::Body::strrpbrk(const char* chars, size_t left, size_t right) const {
                    400:        if(is_empty() || !chars || !strlen(chars))
                    401:                return STRING_NOT_FOUND;
                    402:        CORD_pos_info info={chars, left, right};
                    403:        if(CORD_riter4(body, right, (CORD_iter_fn)CORD_iter_fn_rpos, &info))
                    404:                return info.pos;
                    405:        else
                    406:                return STRING_NOT_FOUND;
                    407: }
                    408: 
                    409: 
                    410: // can be called only for IS_FUNCTION(CORD) which is used in String::Body::rskipchars
                    411: static int CORD_iter_fn_rskip(char c, CORD_pos_info* info) {
                    412:        if(info->pos < info->left) {
                    413:                info->pos=STRING_NOT_FOUND;
                    414:                return 1;
                    415:        }
                    416:        if(!strchr(info->chars, c))
                    417:                return 1;
                    418:        --(info->pos);
                    419:        return 0;
                    420: }
                    421: 
                    422: size_t String::Body::rskipchars(const char* chars, size_t left, size_t right) const {
                    423:        if(is_empty() || !chars || !strlen(chars))
                    424:                return STRING_NOT_FOUND;
                    425:        CORD_pos_info info={chars, left, right};
                    426:        if(CORD_riter4(body, right, (CORD_iter_fn)CORD_iter_fn_rskip, &info))
                    427:                return info.pos;
                    428:        else
                    429:                return STRING_NOT_FOUND;
                    430: }
                    431: 
1.174     paf       432: // String methods
                    433: 
                    434: String& String::append_know_length(const char* str, size_t known_length, Language lang) {
                    435:        if(!known_length)
1.9       paf       436:                return *this;
1.122     paf       437: 
1.176     paf       438:        // first: langs
                    439:        langs.append(body, lang, known_length);
                    440:        // next: letters themselves
1.174     paf       441:        body.append_know_length(str, known_length);
1.1       paf       442: 
1.174     paf       443:        ASSERT_STRING_INVARIANT(*this);
1.1       paf       444:        return *this;
                    445: }
1.248     moko      446: 
1.174     paf       447: String& String::append_help_length(const char* str, size_t helper_length, Language lang) {
                    448:        if(!str)
                    449:                return *this;
                    450:        size_t known_length=helper_length?helper_length:strlen(str);
                    451:        if(!known_length)
                    452:                return *this;
1.1       paf       453: 
1.174     paf       454:        return append_know_length(str, known_length, lang);
1.5       paf       455: }
1.248     moko      456: 
1.244     moko      457: String::String(int value, const char *format) : langs(L_CLEAN){
1.226     misha     458:        char buf[MAX_NUMBER];
                    459:        body.append_strdup_know_length(buf, snprintf(buf, MAX_NUMBER, format, value));
                    460: }
1.248     moko      461: 
1.174     paf       462: String& String::append_strdup(const char* str, size_t helper_length, Language lang) {
                    463:        size_t known_length=helper_length?helper_length:strlen(str);
                    464:        if(!known_length)
                    465:                return *this;
1.5       paf       466: 
1.176     paf       467:        // first: langs
                    468:        langs.append(body, lang, known_length);
                    469:        // next: letters themselves
1.174     paf       470:        body.append_strdup_know_length(str, known_length);
1.33      paf       471: 
1.174     paf       472:        ASSERT_STRING_INVARIANT(*this);
                    473:        return *this;
1.5       paf       474: }
1.46      paf       475: 
1.234     misha     476: struct CORD_length_info {
                    477:        size_t len;
                    478:        size_t skip;
                    479: };
                    480: 
                    481: int CORD_batched_len(const char* s, CORD_length_info* info){
1.255     moko      482:        info->len += lengthUTF8( (const XMLByte *)s, (const XMLByte *)s+strlen(s));
                    483:        return 0;
1.221     misha     484: }
                    485: 
1.234     misha     486: // can be called only for IS_FUNCTION(CORD) which are used in large String::Body::mid
                    487: int CORD_batched_len(const char c, CORD_length_info* info){
                    488:        if (info->skip==0){
                    489:                info->len++;
                    490:                info->skip = lengthUTF8Char(c)-1;
                    491:        } else {
                    492:                info->skip--;
                    493:        }
1.220     misha     494:        return 0;
                    495: }
                    496: 
1.210     misha     497: size_t String::length(Charset& charset) const {
                    498:        if(charset.isUTF8()){
1.234     misha     499:                CORD_length_info info = {0, 0};
                    500:                body.for_each<CORD_length_info *>(CORD_batched_len, CORD_batched_len, &info);
                    501:                return info.len;
1.210     misha     502:        } else
                    503:                return body.length();
                    504: }
                    505: 
1.174     paf       506: /// @todo check in doc: whether it documents NOW bad situation "abc".mid(-1, 3) =were?="ab"
                    507: String& String::mid(size_t substr_begin, size_t substr_end) const {
                    508:        String& result=*new String;
                    509: 
                    510:        size_t self_length=length();
                    511:        substr_begin=min(substr_begin, self_length);
                    512:        substr_end=min(max(substr_end, substr_begin), self_length);
1.176     paf       513:        size_t substr_length=substr_end-substr_begin;
                    514:        if(!substr_length)
1.107     parser    515:                return result;
1.53      paf       516: 
1.176     paf       517:        // first: their langs
                    518:        result.langs.append(result.body, langs, substr_begin, substr_length);
                    519:        // next: letters themselves
                    520:        result.body=body.mid(substr_begin, substr_length);
1.174     paf       521: 
                    522:        ASSERT_STRING_INVARIANT(result);
1.53      paf       523:        return result;
1.54      paf       524: }
                    525: 
1.211     misha     526: // from, to and helper_length in characters, not in bytes (it's important for utf-8)
                    527: String& String::mid(Charset& charset, size_t from, size_t to, size_t helper_length) const {
1.210     misha     528:        String& result=*new String;
                    529: 
1.255     moko      530:        size_t self_length=helper_length ? helper_length : length(charset);
1.211     misha     531: 
                    532:        if(!self_length)
                    533:                return result;
                    534: 
                    535:        from=min(min(to, from), self_length);
1.210     misha     536:        to=min(max(to, from), self_length);
1.211     misha     537: 
1.210     misha     538:        size_t substr_length=to-from;
1.211     misha     539: 
1.210     misha     540:        if(!substr_length)
                    541:                return result;
                    542: 
                    543:        if(charset.isUTF8()){
1.234     misha     544:                const XMLByte* src_begin=(const XMLByte*)cstr();
1.230     misha     545:                const XMLByte* src_end=src_begin+body.length();
1.210     misha     546: 
1.212     misha     547:                // convert 'from' and 'substr_length' from 'characters' to 'bytes'
1.230     misha     548:                from=getUTF8BytePos(src_begin, src_end, from);
                    549:                substr_length=getUTF8BytePos(src_begin+from, src_end, substr_length);
1.210     misha     550:                if(!substr_length)
                    551:                        return result;
                    552:        }
                    553: 
                    554:        // first: their langs
                    555:        result.langs.append(result.body, langs, from, substr_length);
                    556:        // next: letters themselves
                    557:        result.body=body.mid(from, substr_length);
                    558: 
                    559:        ASSERT_STRING_INVARIANT(result);
                    560:        return result;
                    561: }
                    562: 
1.176     paf       563: size_t String::pos(const String::Body substr, size_t this_offset, Language lang) const {
1.183     paf       564:        size_t substr_length=substr.length();
                    565:        while(true) {
                    566:                size_t substr_begin=body.pos(substr, this_offset);
                    567:                
                    568:                if(substr_begin==CORD_NOT_FOUND)
                    569:                        return STRING_NOT_FOUND;
1.174     paf       570: 
1.183     paf       571:                if(langs.check_lang(lang, substr_begin, substr_length))
                    572:                        return substr_begin;
                    573: 
                    574:                this_offset=substr_begin+substr_length;
                    575:        }
1.58      paf       576: }
                    577: 
1.254     moko      578: size_t String::pos(const String& substr, size_t this_offset, Language lang) const {
1.174     paf       579:        return pos(substr.body, this_offset, lang);
1.60      paf       580: }
                    581: 
1.254     moko      582: size_t String::pos(Charset& charset, const String& substr, size_t this_offset, Language lang) const {
1.210     misha     583: 
                    584:        if(charset.isUTF8()){
1.234     misha     585:                const XMLByte* srcPtr=(const XMLByte*)cstr();
1.212     misha     586:                const XMLByte* srcEnd=srcPtr+body.length();
                    587: 
                    588:                // convert 'this_offset' from 'characters' to 'bytes'
                    589:                this_offset=getUTF8BytePos(srcPtr, srcEnd, this_offset);
                    590: 
1.229     misha     591:                size_t result=pos(substr.body, this_offset, lang);
                    592:                return (result==CORD_NOT_FOUND)
                    593:                        ? STRING_NOT_FOUND
                    594:                        : getUTF8CharPos(srcPtr, srcEnd, result); // convert 'result' from 'bytes' to 'characters'
1.212     misha     595:        } else {
1.229     misha     596:                size_t result=pos(substr.body, this_offset, lang);
                    597:                return (result==CORD_NOT_FOUND)
                    598:                        ? STRING_NOT_FOUND
                    599:                        : result;
1.210     misha     600:        }
                    601: }
                    602: 
1.256     moko      603: void String::split(ArrayString& result, size_t pos_after, const char* delim, Language lang) const {
1.237     misha     604:        if(is_empty())
                    605:                return;
1.174     paf       606:        size_t self_length=length();
1.237     misha     607:        if(size_t delim_length=strlen(delim)) {
1.186     paf       608:                size_t pos_before;
1.60      paf       609:                // while we have 'delim'...
1.256     moko      610:                while((pos_before=pos(delim, pos_after, lang))!=STRING_NOT_FOUND) {
1.69      paf       611:                        result+=&mid(pos_after, pos_before);
1.174     paf       612:                        pos_after=pos_before+delim_length;
1.60      paf       613:                }
                    614:                // last piece
1.256     moko      615:                if(pos_after<self_length)
1.174     paf       616:                        result+=&mid(pos_after, self_length);
1.60      paf       617:        } else { // empty delim
                    618:                result+=this;
                    619:        }
                    620: }
                    621: 
1.256     moko      622: void String::split(ArrayString& result, size_t pos_after, const String& delim, Language lang) const {
1.237     misha     623:        if(is_empty())
                    624:                return;
                    625:        if(!delim.is_empty()) {
1.186     paf       626:                size_t pos_before;
1.60      paf       627:                // while we have 'delim'...
1.256     moko      628:                while((pos_before=pos(delim, pos_after, lang))!=STRING_NOT_FOUND) {
1.69      paf       629:                        result+=&mid(pos_after, pos_before);
1.174     paf       630:                        pos_after=pos_before+delim.length();
1.60      paf       631:                }
                    632:                // last piece
1.256     moko      633:                if(pos_after<length())
1.174     paf       634:                        result+=&mid(pos_after, length());
1.60      paf       635:        } else { // empty delim
                    636:                result+=this;
                    637:        }
1.61      paf       638: }
                    639: 
1.254     moko      640: Table* String::match(VRegex* vregex, Row_action row_action, void *info, int& matches_count) const {
1.209     misha     641: 
1.222     misha     642:        // vregex->info(); // I have no idea what does it for?
1.63      paf       643: 
1.222     misha     644:        bool need_pre_post_match=vregex->is_pre_post_match_needed();
                    645:        bool global=vregex->is_global_search();
1.63      paf       646: 
1.174     paf       647:        const char* subject=cstr();
1.234     misha     648:        size_t subject_length=length();
1.222     misha     649:        const int ovector_size=(1/*match*/+MAX_MATCH_GROUPS)*3;
                    650:        int ovector[ovector_size];
1.155     paf       651: 
1.173     paf       652:        Table::Action_options table_options;
1.174     paf       653:        Table& table=*new Table(string_match_table_template, table_options);
1.63      paf       654: 
1.154     paf       655:        int prestart=0;
                    656:        int poststart=0;
1.174     paf       657:        int postfinish=length();
1.63      paf       658:        while(true) {
1.222     misha     659:                int exec_result=vregex->exec(subject, subject_length, ovector, ovector_size, prestart);
1.63      paf       660: 
1.222     misha     661:                if(exec_result<0) // only PCRE_ERROR_NOMATCH might be here, other negative results cause an exception
                    662:                        break;
1.63      paf       663: 
1.154     paf       664:                int prefinish=ovector[0];
                    665:                poststart=ovector[1];
1.236     moko      666: 
                    667:                if (prestart==poststart && subject[poststart]=='\n'){
                    668:                        prestart++;
                    669:                        continue;
                    670:                }
                    671: 
1.232     misha     672:                ArrayString* row=new ArrayString(3);
1.174     paf       673:                if(need_pre_post_match) {
                    674:                        *row+=&mid(0, prefinish); // .prematch column value
                    675:                        *row+=&mid(prefinish, poststart); // .match
                    676:                        *row+=&mid(poststart, postfinish); // .postmatch
                    677:                } else {
1.185     paf       678:                        *row+=&Empty; // .prematch column value
                    679:                        *row+=&Empty; // .match
                    680:                        *row+=&Empty; // .postmatch
1.174     paf       681:                }
1.63      paf       682:                
1.222     misha     683:                for(int i=1; i<exec_result; i++) {
1.69      paf       684:                        // -1:-1 case handled peacefully by mid() itself
1.232     misha     685:                        *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       686:                }
                    687:                
1.209     misha     688:                matches_count++;
1.174     paf       689:                row_action(table, row, prestart, prefinish, poststart, postfinish, info);
1.63      paf       690: 
1.222     misha     691:                if(!global || prestart==poststart) // last step
                    692:                        break;
                    693: 
1.154     paf       694:                prestart=poststart;
1.222     misha     695:        }
1.63      paf       696: 
1.222     misha     697:        row_action(table, 0/*last time, no raw*/, 0, 0, poststart, postfinish, info);
                    698:        return vregex->is_just_count() ? 0 : &table;
1.82      parser    699: }
                    700: 
1.174     paf       701: String& String::change_case(Charset& source_charset, Change_case_kind kind) const {
                    702:        String& result=*new String();
                    703:        if(is_empty())
                    704:                return result;
                    705: 
                    706:        char* new_cstr=cstrm();
1.216     misha     707: 
1.181     paf       708:        if(source_charset.isUTF8()) {
1.216     misha     709:                size_t new_cstr_len=length();
1.181     paf       710:                switch(kind) {
                    711:                case CC_UPPER:
1.192     paf       712:                        change_case_UTF8((const XMLByte*)new_cstr, new_cstr_len, (XMLByte*)new_cstr, new_cstr_len, UTF8CaseToUpper);
1.181     paf       713:                        break;
                    714:                case CC_LOWER:
1.192     paf       715:                        change_case_UTF8((const XMLByte*)new_cstr, new_cstr_len, (XMLByte*)new_cstr, new_cstr_len, UTF8CaseToLower);
1.181     paf       716:                        break;
                    717:                default:
                    718:                        assert(!"unknown change case kind");
                    719:                        break; // never
                    720:                }       
                    721:                
                    722:        } else {
                    723:                const unsigned char *tables=source_charset.pcre_tables;
1.82      parser    724: 
1.181     paf       725:                const unsigned char *a;
                    726:                const unsigned char *b;
                    727:                switch(kind) {
                    728:                case CC_UPPER:
                    729:                        a=tables+lcc_offset;
                    730:                        b=tables+fcc_offset;
                    731:                        break;
                    732:                case CC_LOWER:
                    733:                        a=tables+lcc_offset;
                    734:                        b=0;
                    735:                        break;
                    736:                default:
                    737:                        assert(!"unknown change case kind");
                    738:                        a=b=0; // calm, compiler
                    739:                        break; // never
                    740:                }       
                    741: 
1.192     paf       742:                char *dest=new_cstr;
1.181     paf       743:                unsigned char index;
1.190     paf       744:                for(const char* current=new_cstr; (index=(unsigned char)*current); current++) {
1.181     paf       745:                        unsigned char c=a[index];
                    746:                        if(b)
                    747:                                c=b[c];
                    748: 
                    749:                        *dest++=(char)c;
                    750:                }
1.174     paf       751:        }
1.176     paf       752:        result.langs=langs;
1.174     paf       753:        result.body=new_cstr;
1.89      parser    754: 
1.101     parser    755:        return result;
                    756: }
                    757: 
1.213     misha     758: const String& String::escape(Charset& source_charset) const {
                    759:        if(is_empty())
                    760:                return *this;
                    761: 
                    762:        return Charset::escape(*this, source_charset);
                    763: }
                    764: 
1.238     misha     765: #define STRING_APPEND(result, from_cstr, langs, langs_offset, length) \
                    766:                        result.langs.append(result.body, langs, langs_offset, length); \
                    767:                        result.body.append_strdup_know_length(from_cstr, length);
                    768: 
1.174     paf       769: const String& String::replace(const Dictionary& dict) const {
1.238     misha     770:        if(!dict.count() || is_empty())
                    771:                return *this;
                    772: 
1.174     paf       773:        String& result=*new String();
                    774:        const char* old_cstr=cstr();
                    775:        const char* prematch_begin=old_cstr;
                    776: 
1.238     misha     777:        if(dict.count()==1) {
                    778:                // optimized simple case
                    779: 
                    780:                Dictionary::Subst subst=dict.get(0);
1.239     moko      781:                while(const char* p=strstr(prematch_begin, subst.from)) {
1.174     paf       782:                        // prematch
1.238     misha     783:                        if(size_t prematch_length=p-prematch_begin) {
                    784:                                STRING_APPEND(result, prematch_begin, langs, prematch_begin-old_cstr, prematch_length)
1.101     parser    785:                        }
                    786: 
1.174     paf       787:                        // match
1.238     misha     788:                        prematch_begin=p+subst.from_length;
1.174     paf       789: 
1.184     paf       790:                        if(const String* b=subst.to) // are there any b?
1.174     paf       791:                                result<<*b;
1.238     misha     792:                }
                    793: 
                    794:        } else {
                    795: 
                    796:                const char* current=old_cstr;
                    797:                while(*current) {
                    798:                        if(Dictionary::Subst subst=dict.first_that_begins(current)) {
                    799:                                // prematch
                    800:                                if(size_t prematch_length=current-prematch_begin) {
                    801:                                        STRING_APPEND(result, prematch_begin, langs, prematch_begin-old_cstr, prematch_length)
                    802:                                }
                    803: 
                    804:                                // match
                    805:                                // skip 'a' in 'current'; move prematch_begin
                    806:                                current+=subst.from_length; prematch_begin=current;
                    807: 
                    808:                                if(const String* b=subst.to) // are there any b?
                    809:                                        result<<*b;
                    810:                        } else // simply advance
                    811:                                current++; 
                    812:                }
                    813: 
1.174     paf       814:        }
1.156     paf       815: 
1.238     misha     816:        if(prematch_begin==old_cstr) // not modified
                    817:                return *this;
                    818: 
1.174     paf       819:        // postmatch
1.238     misha     820:        if(size_t postmatch_length=old_cstr+length()-prematch_begin) {
                    821:                STRING_APPEND(result, prematch_begin, langs, prematch_begin-old_cstr, postmatch_length)
1.174     paf       822:        }
1.156     paf       823: 
1.174     paf       824:        ASSERT_STRING_INVARIANT(result);
1.82      parser    825:        return result;
1.61      paf       826: }
1.113     parser    827: 
1.180     paf       828: static int serialize_body_char(char c, char** cur) {
                    829:        *((*cur)++)=c;
                    830:        return 0; // 0=continue
1.248     moko      831: }
                    832: 
1.174     paf       833: static int serialize_body_piece(const char* s, char** cur) {
                    834:        size_t length=strlen(s);
                    835:        memcpy(*cur, s, length);  *cur+=length;
1.178     paf       836:        return 0; // 0=continue
1.248     moko      837: }
                    838: 
1.178     paf       839: static int serialize_lang_piece(char alang, size_t asize, char** cur) {
                    840:        // lang
1.191     paf       841:        **cur=alang; (*cur)++;
                    842:        // length [WARNING: not cast, addresses must be %4=0 on sparc]
1.178     paf       843:        memcpy(*cur, &asize, sizeof(asize));  *cur+=sizeof(asize);
                    844: 
                    845:        return 0; // 0=continue
                    846: }
1.248     moko      847: 
1.174     paf       848: String::Cm String::serialize(size_t prolog_length) const {
1.178     paf       849:        size_t fragments_count=langs.count();
1.202     paf       850:        size_t body_length=body.length();
1.174     paf       851:        size_t buf_length=
1.178     paf       852:                prolog_length //1
                    853:                +sizeof(size_t) //2
1.202     paf       854:                +body_length //3
                    855:                +1 // 4 for zero terminator used in deserialize
                    856:                +sizeof(size_t) //5
                    857:                +fragments_count*(sizeof(char)+sizeof(size_t)); //6
                    858: 
1.174     paf       859:        String::Cm result(new(PointerFreeGC) char[buf_length], buf_length);
                    860: 
                    861:        // 1: prolog
                    862:        char *cur=result.str+prolog_length;
1.202     paf       863:        // 2: chars.count [WARNING: not cast, addresses must be %4=0 on sparc]
                    864:        memcpy(cur, &body_length, sizeof(body_length));  cur+=sizeof(body_length);
                    865:        // 3: letters
                    866:        body.for_each(serialize_body_char, serialize_body_piece, &cur);
                    867:        // 4: zero terminator
                    868:        *cur++=0;
                    869:        // 5: langs.count [WARNING: not cast, addresses must be %4=0 on sparc]
1.174     paf       870:        memcpy(cur, &fragments_count, sizeof(fragments_count));  cur+=sizeof(fragments_count);
1.202     paf       871:        // 6: lang info
1.178     paf       872:        langs.for_each(body, serialize_lang_piece, &cur);
1.113     parser    873: 
1.174     paf       874:        return result;
1.113     parser    875: }
1.248     moko      876: 
1.202     paf       877: bool String::deserialize(size_t prolog_size, void *buf, size_t buf_size) {
                    878:        size_t in_buf=buf_size;
                    879:        if(in_buf<=prolog_size)
1.148     paf       880:                return false;
1.202     paf       881:        in_buf-=prolog_size;
1.135     paf       882: 
1.174     paf       883:        // 1: prolog
1.202     paf       884:        const char* cur=(const char* )buf+prolog_size;
1.113     parser    885: 
1.207     paf       886:        // 2: chars.count
1.202     paf       887:        size_t body_length;
                    888:        if(in_buf<sizeof(body_length)) // body.length don't fit?
                    889:                return false;
                    890:        // [WARNING: not cast, addresses must be %4=0 on sparc]
                    891:        memcpy(&body_length, cur, sizeof(body_length));  cur+=sizeof(body_length);
                    892:        in_buf-=sizeof(body_length);
                    893: 
                    894:        if(in_buf<body_length+1) // letters+terminator don't fit?
                    895:                return false;
                    896:        // 4: zero terminator
                    897:        if(cur[body_length] != 0) // in place?
                    898:                return false;
                    899:        // 3: letters
1.251     moko      900:        body=String::Body(String::C(cur, body_length));
1.202     paf       901:        cur+=body_length+1;
                    902:        in_buf-=body_length+1;
                    903: 
                    904:        // 5: langs.count
1.191     paf       905:        size_t fragments_count;
1.202     paf       906:        if(in_buf<sizeof(fragments_count)) // langs.count don't fit?
1.174     paf       907:                return false;
1.191     paf       908:        // [WARNING: not cast, addresses must be %4=0 on sparc]
                    909:        memcpy(&fragments_count, cur, sizeof(fragments_count));  cur+=sizeof(fragments_count);
1.202     paf       910:        in_buf-=sizeof(fragments_count);
1.174     paf       911:        
                    912:        if(fragments_count) {
1.202     paf       913:                // 6: lang info
1.174     paf       914:                size_t total_length=0;
                    915:                for(size_t f=0; f<fragments_count; f++) {
1.191     paf       916:                        char lang;
                    917:                        size_t fragment_length;
                    918:                        size_t piece_length=sizeof(lang)+sizeof(fragment_length);
1.202     paf       919:                        if(in_buf<piece_length) // lang+length
1.174     paf       920:                                return false;
                    921: 
1.191     paf       922:                        // lang
                    923:                        lang=*cur++;
                    924:                        // length [WARNING: not cast, addresses must be %4=0 on sparc]
                    925:                        memcpy(&fragment_length, cur, sizeof(fragment_length));  cur+=sizeof(fragment_length);
                    926: 
1.206     paf       927:                        size_t combined_length=total_length+fragment_length;
                    928:                        if(combined_length>body_length)
                    929:                                return false; // file curruption
1.191     paf       930:                        // uchar needed to prevent propagating 0x80 bit to upper bytes
                    931:                        langs.append(total_length, (String::Language)(uchar)lang, fragment_length);
1.206     paf       932:                        total_length=combined_length;
1.202     paf       933:                        in_buf-=piece_length;
1.174     paf       934:                }
1.128     paf       935: 
1.202     paf       936:                if(total_length!=body_length) // length(all language fragments) vs length(letters)
1.148     paf       937:                        return false;
1.174     paf       938:        }
1.202     paf       939:        if(in_buf!=0) // some strange extra bytes
                    940:                return false;
1.113     parser    941: 
1.174     paf       942:        ASSERT_STRING_INVARIANT(*this);
1.148     paf       943:        return true;
1.176     paf       944: }
                    945: 
1.201     paf       946: void String::Body::dump() const {
                    947:        CORD_dump(body);
                    948: }
                    949: 
1.257     moko      950: const char* String::Languages::visualize() const {
1.177     paf       951:        if(opt.is_not_just_lang)
1.233     misha     952:                return CORD_to_const_char_star(langs, 0);
1.176     paf       953:        else
1.257     moko      954:                return 0;
1.176     paf       955: }
1.248     moko      956: 
1.201     paf       957: void String::Languages::dump() const {
                    958:        if(opt.is_not_just_lang)
                    959:                CORD_dump(langs);
                    960:        else
                    961:                puts((const char*)&langs);
                    962: }
1.248     moko      963: 
1.257     moko      964: void String::dump() const {
                    965:        body.dump();
                    966:        langs.dump();
                    967: }
1.176     paf       968: 
1.257     moko      969: static char *n_chars(char c, size_t length){
                    970:        char *result=(char *)pa_malloc_atomic(length+1);
                    971:        memset(result, c, length);
                    972:        result[length] = '\0';
                    973:        return result;
1.113     parser    974: }
1.229     misha     975: 
1.257     moko      976: char* String::visualize_langs() const {
1.258     moko      977:        return is_not_just_lang() ? pa_strdup(langs.visualize()) : n_chars((char)just_lang(), length());
1.201     paf       978: }
1.229     misha     979: 
                    980: const String& String::trim(String::Trim_kind kind, const char* chars, Charset* source_charset) const {
1.223     misha     981:        if(is_empty())
1.195     paf       982:                return *this;
                    983: 
                    984:        size_t substr_begin, substr_length;
1.229     misha     985:        Body new_body=body.trim(kind, chars, &substr_begin, &substr_length, source_charset);
1.195     paf       986:        if(new_body==body) // we received unchanged pointer, do likewise
                    987:                return *this;
                    988:        // new_body differs from body, adjust langs along
                    989: 
                    990:        String& result=*new String;
                    991:        if(!new_body) // body.trim produced empty result
                    992:                return result;
                    993:        // body.trim produced nonempty result
                    994: 
                    995:        // first: their langs
                    996:        result.langs.append(result.body, langs, substr_begin, substr_length);
                    997:        // next: letters themselves
                    998:        result.body=new_body;
                    999: 
                   1000:        ASSERT_STRING_INVARIANT(result);
                   1001:        return result;
1.198     paf      1002: }

E-mail: