Branch data Line data Source code
1 : : /*
2 : : * re_*comp and friends - compile REs
3 : : * This file #includes several others (see the bottom).
4 : : *
5 : : * Copyright (c) 1998, 1999 Henry Spencer. All rights reserved.
6 : : *
7 : : * Development of this software was funded, in part, by Cray Research Inc.,
8 : : * UUNET Communications Services Inc., Sun Microsystems Inc., and Scriptics
9 : : * Corporation, none of whom are responsible for the results. The author
10 : : * thanks all of them.
11 : : *
12 : : * Redistribution and use in source and binary forms -- with or without
13 : : * modification -- are permitted for any purpose, provided that
14 : : * redistributions in source form retain this entire copyright notice and
15 : : * indicate the origin and nature of any modifications.
16 : : *
17 : : * I'd appreciate being given credit for this package in the documentation
18 : : * of software which uses it, but that is not a requirement.
19 : : *
20 : : * THIS SOFTWARE IS PROVIDED ``AS IS'' AND ANY EXPRESS OR IMPLIED WARRANTIES,
21 : : * INCLUDING, BUT NOT LIMITED TO, THE IMPLIED WARRANTIES OF MERCHANTABILITY
22 : : * AND FITNESS FOR A PARTICULAR PURPOSE ARE DISCLAIMED. IN NO EVENT SHALL
23 : : * HENRY SPENCER BE LIABLE FOR ANY DIRECT, INDIRECT, INCIDENTAL, SPECIAL,
24 : : * EXEMPLARY, OR CONSEQUENTIAL DAMAGES (INCLUDING, BUT NOT LIMITED TO,
25 : : * PROCUREMENT OF SUBSTITUTE GOODS OR SERVICES; LOSS OF USE, DATA, OR PROFITS;
26 : : * OR BUSINESS INTERRUPTION) HOWEVER CAUSED AND ON ANY THEORY OF LIABILITY,
27 : : * WHETHER IN CONTRACT, STRICT LIABILITY, OR TORT (INCLUDING NEGLIGENCE OR
28 : : * OTHERWISE) ARISING IN ANY WAY OUT OF THE USE OF THIS SOFTWARE, EVEN IF
29 : : * ADVISED OF THE POSSIBILITY OF SUCH DAMAGE.
30 : : *
31 : : * src/backend/regex/regcomp.c
32 : : *
33 : : */
34 : :
35 : : #include "regex/regguts.h"
36 : :
37 : : /*
38 : : * forward declarations, up here so forward datatypes etc. are defined early
39 : : */
40 : : /* === regcomp.c === */
41 : : static void moresubs(struct vars *v, int wanted);
42 : : static int freev(struct vars *v, int err);
43 : : static void makesearch(struct vars *v, struct nfa *nfa);
44 : : static struct subre *parse(struct vars *v, int stopper, int type,
45 : : struct state *init, struct state *final);
46 : : static struct subre *parsebranch(struct vars *v, int stopper, int type,
47 : : struct state *left, struct state *right,
48 : : int partial);
49 : : static struct subre *parseqatom(struct vars *v, int stopper, int type,
50 : : struct state *lp, struct state *rp,
51 : : struct subre *top);
52 : : static void nonword(struct vars *v, int dir, struct state *lp,
53 : : struct state *rp);
54 : : static void word(struct vars *v, int dir, struct state *lp, struct state *rp);
55 : : static void charclass(struct vars *v, enum char_classes cls, struct state *lp,
56 : : struct state *rp);
57 : : static void charclasscomplement(struct vars *v, enum char_classes cls,
58 : : struct state *lp, struct state *rp);
59 : : static int scannum(struct vars *v);
60 : : static void repeat(struct vars *v, struct state *lp, struct state *rp,
61 : : int m, int n);
62 : : static void bracket(struct vars *v, struct state *lp, struct state *rp);
63 : : static void cbracket(struct vars *v, struct state *lp, struct state *rp);
64 : : static void brackpart(struct vars *v, struct state *lp, struct state *rp,
65 : : bool *have_cclassc);
66 : : static const chr *scanplain(struct vars *v);
67 : : static void onechr(struct vars *v, chr c, struct state *lp, struct state *rp);
68 : : static void optimizebracket(struct vars *v, struct state *lp, struct state *rp);
69 : : static void wordchrs(struct vars *v);
70 : : static void processlacon(struct vars *v, struct state *begin,
71 : : struct state *end, int latype,
72 : : struct state *lp, struct state *rp);
73 : : static struct subre *subre(struct vars *v, int op, int flags,
74 : : struct state *begin, struct state *end);
75 : : static void freesubre(struct vars *v, struct subre *sr);
76 : : static void freesubreandsiblings(struct vars *v, struct subre *sr);
77 : : static void freesrnode(struct vars *v, struct subre *sr);
78 : : static void removecaptures(struct vars *v, struct subre *t);
79 : : static int numst(struct subre *t, int start);
80 : : static void markst(struct subre *t);
81 : : static void cleanst(struct vars *v);
82 : : static long nfatree(struct vars *v, struct subre *t, FILE *f);
83 : : static long nfanode(struct vars *v, struct subre *t,
84 : : int converttosearch, FILE *f);
85 : : static int newlacon(struct vars *v, struct state *begin, struct state *end,
86 : : int latype);
87 : : static void freelacons(struct subre *subs, int n);
88 : : static void rfree(regex_t *re);
89 : : static int rstacktoodeep(void);
90 : :
91 : : #ifdef REG_DEBUG
92 : : static void dump(regex_t *re, FILE *f);
93 : : static void dumpst(struct subre *t, FILE *f, int nfapresent);
94 : : static void stdump(struct subre *t, FILE *f, int nfapresent);
95 : : static const char *stid(struct subre *t, char *buf, size_t bufsize);
96 : : #endif
97 : : /* === regc_lex.c === */
98 : : static void lexstart(struct vars *v);
99 : : static void prefixes(struct vars *v);
100 : : static int next(struct vars *v);
101 : : static int lexescape(struct vars *v);
102 : : static chr lexdigits(struct vars *v, int base, int minlen, int maxlen);
103 : : static int brenext(struct vars *v, chr c);
104 : : static void skip(struct vars *v);
105 : : static chr newline(void);
106 : : static chr chrnamed(struct vars *v, const chr *startp, const chr *endp,
107 : : chr lastresort);
108 : :
109 : : /* === regc_color.c === */
110 : : static void initcm(struct vars *v, struct colormap *cm);
111 : : static void freecm(struct colormap *cm);
112 : : static color maxcolor(struct colormap *cm);
113 : : static color newcolor(struct colormap *cm);
114 : : static void freecolor(struct colormap *cm, color co);
115 : : static color pseudocolor(struct colormap *cm);
116 : : static color subcolor(struct colormap *cm, chr c);
117 : : static color subcolorhi(struct colormap *cm, color *pco);
118 : : static color newsub(struct colormap *cm, color co);
119 : : static int newhicolorrow(struct colormap *cm, int oldrow);
120 : : static void newhicolorcols(struct colormap *cm);
121 : : static void subcolorcvec(struct vars *v, struct cvec *cv, struct state *lp,
122 : : struct state *rp);
123 : : static void subcoloronechr(struct vars *v, chr ch, struct state *lp,
124 : : struct state *rp, color *lastsubcolor);
125 : : static void subcoloronerange(struct vars *v, chr from, chr to,
126 : : struct state *lp, struct state *rp,
127 : : color *lastsubcolor);
128 : : static void subcoloronerow(struct vars *v, int rownum, struct state *lp,
129 : : struct state *rp, color *lastsubcolor);
130 : : static void okcolors(struct nfa *nfa, struct colormap *cm);
131 : : static void colorchain(struct colormap *cm, struct arc *a);
132 : : static void uncolorchain(struct colormap *cm, struct arc *a);
133 : : static void rainbow(struct nfa *nfa, struct colormap *cm, int type, color but,
134 : : struct state *from, struct state *to);
135 : : static void colorcomplement(struct nfa *nfa, struct colormap *cm, int type,
136 : : struct state *of, struct state *from,
137 : : struct state *to);
138 : :
139 : : #ifdef REG_DEBUG
140 : : static void dumpcolors(struct colormap *cm, FILE *f);
141 : : static void dumpchr(chr c, FILE *f);
142 : : #endif
143 : : /* === regc_nfa.c === */
144 : : static struct nfa *newnfa(struct vars *v, struct colormap *cm,
145 : : struct nfa *parent);
146 : : static void freenfa(struct nfa *nfa);
147 : : static struct state *newstate(struct nfa *nfa);
148 : : static struct state *newfstate(struct nfa *nfa, int flag);
149 : : static void dropstate(struct nfa *nfa, struct state *s);
150 : : static void freestate(struct nfa *nfa, struct state *s);
151 : : static void newarc(struct nfa *nfa, int t, color co,
152 : : struct state *from, struct state *to);
153 : : static void createarc(struct nfa *nfa, int t, color co,
154 : : struct state *from, struct state *to);
155 : : static struct arc *allocarc(struct nfa *nfa);
156 : : static void freearc(struct nfa *nfa, struct arc *victim);
157 : : static void changearcsource(struct arc *a, struct state *newfrom);
158 : : static void changearctarget(struct arc *a, struct state *newto);
159 : : static int hasnonemptyout(struct state *s);
160 : : static struct arc *findarc(struct state *s, int type, color co);
161 : : static void cparc(struct nfa *nfa, struct arc *oa,
162 : : struct state *from, struct state *to);
163 : : static void sortins(struct nfa *nfa, struct state *s);
164 : : static int sortins_cmp(const void *a, const void *b);
165 : : static void sortouts(struct nfa *nfa, struct state *s);
166 : : static int sortouts_cmp(const void *a, const void *b);
167 : : static void moveins(struct nfa *nfa, struct state *oldState,
168 : : struct state *newState);
169 : : static void copyins(struct nfa *nfa, struct state *oldState,
170 : : struct state *newState);
171 : : static void mergeins(struct nfa *nfa, struct state *s,
172 : : struct arc **arcarray, int arccount);
173 : : static void moveouts(struct nfa *nfa, struct state *oldState,
174 : : struct state *newState);
175 : : static void copyouts(struct nfa *nfa, struct state *oldState,
176 : : struct state *newState);
177 : : static void cloneouts(struct nfa *nfa, struct state *old, struct state *from,
178 : : struct state *to, int type);
179 : : static void delsub(struct nfa *nfa, struct state *lp, struct state *rp);
180 : : static void deltraverse(struct nfa *nfa, struct state *leftend,
181 : : struct state *s);
182 : : static void dupnfa(struct nfa *nfa, struct state *start, struct state *stop,
183 : : struct state *from, struct state *to);
184 : : static void duptraverse(struct nfa *nfa, struct state *s, struct state *stmp);
185 : : static void removeconstraints(struct nfa *nfa, struct state *start, struct state *stop);
186 : : static void removetraverse(struct nfa *nfa, struct state *s);
187 : : static void cleartraverse(struct nfa *nfa, struct state *s);
188 : : static struct state *single_color_transition(struct state *s1,
189 : : struct state *s2);
190 : : static void specialcolors(struct nfa *nfa);
191 : : static long optimize(struct nfa *nfa, FILE *f);
192 : : static void pullback(struct nfa *nfa, FILE *f);
193 : : static int pull(struct nfa *nfa, struct arc *con,
194 : : struct state **intermediates);
195 : : static void pushfwd(struct nfa *nfa, FILE *f);
196 : : static int push(struct nfa *nfa, struct arc *con,
197 : : struct state **intermediates);
198 : :
199 : : #define INCOMPATIBLE 1 /* destroys arc */
200 : : #define SATISFIED 2 /* constraint satisfied */
201 : : #define COMPATIBLE 3 /* compatible but not satisfied yet */
202 : : #define REPLACEARC 4 /* replace arc's color with constraint color */
203 : : static int combine(struct nfa *nfa, struct arc *con, struct arc *a);
204 : : static void fixempties(struct nfa *nfa, FILE *f);
205 : : static struct state *emptyreachable(struct nfa *nfa, struct state *s,
206 : : struct state *lastfound,
207 : : struct arc **inarcsorig);
208 : : static int isconstraintarc(struct arc *a);
209 : : static int hasconstraintout(struct state *s);
210 : : static void fixconstraintloops(struct nfa *nfa, FILE *f);
211 : : static int findconstraintloop(struct nfa *nfa, struct state *s);
212 : : static void breakconstraintloop(struct nfa *nfa, struct state *sinitial);
213 : : static void clonesuccessorstates(struct nfa *nfa, struct state *ssource,
214 : : struct state *sclone,
215 : : struct state *spredecessor,
216 : : struct arc *refarc, char *curdonemap,
217 : : char *outerdonemap, int nstates);
218 : : static void removecantmatch(struct nfa *nfa);
219 : : static void cleanup(struct nfa *nfa);
220 : : static void markreachable(struct nfa *nfa, struct state *s,
221 : : struct state *okay, struct state *mark);
222 : : static void markcanreach(struct nfa *nfa, struct state *s, struct state *okay,
223 : : struct state *mark);
224 : : static long analyze(struct nfa *nfa);
225 : : static void checkmatchall(struct nfa *nfa);
226 : : static bool checkmatchall_recurse(struct nfa *nfa, struct state *s,
227 : : bool **haspaths);
228 : : static bool check_out_colors_match(struct state *s, color co1, color co2);
229 : : static bool check_in_colors_match(struct state *s, color co1, color co2);
230 : : static void compact(struct nfa *nfa, struct cnfa *cnfa);
231 : : static void carcsort(struct carc *first, size_t n);
232 : : static int carc_cmp(const void *a, const void *b);
233 : : static void freecnfa(struct cnfa *cnfa);
234 : : static void dumpnfa(struct nfa *nfa, FILE *f);
235 : :
236 : : #ifdef REG_DEBUG
237 : : static void dumpstate(struct state *s, FILE *f);
238 : : static void dumparcs(struct state *s, FILE *f);
239 : : static void dumparc(struct arc *a, struct state *s, FILE *f);
240 : : static void dumpcnfa(struct cnfa *cnfa, FILE *f);
241 : : static void dumpcstate(int st, struct cnfa *cnfa, FILE *f);
242 : : #endif
243 : : /* === regc_cvec.c === */
244 : : static struct cvec *newcvec(int nchrs, int nranges);
245 : : static struct cvec *clearcvec(struct cvec *cv);
246 : : static void addchr(struct cvec *cv, chr c);
247 : : static void addrange(struct cvec *cv, chr from, chr to);
248 : : static struct cvec *getcvec(struct vars *v, int nchrs, int nranges);
249 : : static void freecvec(struct cvec *cv);
250 : :
251 : : /* === regc_pg_locale.c === */
252 : : static int regc_wc_isdigit(pg_wchar c);
253 : : static int regc_wc_isalpha(pg_wchar c);
254 : : static int regc_wc_isalnum(pg_wchar c);
255 : : static int regc_wc_isword(pg_wchar c);
256 : : static int regc_wc_isupper(pg_wchar c);
257 : : static int regc_wc_islower(pg_wchar c);
258 : : static int regc_wc_isgraph(pg_wchar c);
259 : : static int regc_wc_isprint(pg_wchar c);
260 : : static int regc_wc_ispunct(pg_wchar c);
261 : : static int regc_wc_isspace(pg_wchar c);
262 : : static pg_wchar regc_wc_toupper(pg_wchar c);
263 : : static pg_wchar regc_wc_tolower(pg_wchar c);
264 : :
265 : : /* === regc_locale.c === */
266 : : static chr element(struct vars *v, const chr *startp, const chr *endp);
267 : : static struct cvec *range(struct vars *v, chr a, chr b, int cases);
268 : : static int before(chr x, chr y);
269 : : static struct cvec *eclass(struct vars *v, chr c, int cases);
270 : : static enum char_classes lookupcclass(struct vars *v, const chr *startp,
271 : : const chr *endp);
272 : : static struct cvec *cclasscvec(struct vars *v, enum char_classes cclasscode,
273 : : int cases);
274 : : static int cclass_column_index(struct colormap *cm, chr c);
275 : : static struct cvec *allcases(struct vars *v, chr c);
276 : : static int cmp(const chr *x, const chr *y, size_t len);
277 : : static int casecmp(const chr *x, const chr *y, size_t len);
278 : :
279 : :
280 : : /* internal variables, bundled for easy passing around */
281 : : struct vars
282 : : {
283 : : regex_t *re;
284 : : const chr *now; /* scan pointer into string */
285 : : const chr *stop; /* end of string */
286 : : int err; /* error code (0 if none) */
287 : : int cflags; /* copy of compile flags */
288 : : int lasttype; /* type of previous token */
289 : : int nexttype; /* type of next token */
290 : : chr nextvalue; /* value (if any) of next token */
291 : : int lexcon; /* lexical context type (see regc_lex.c) */
292 : : int nsubexp; /* subexpression count */
293 : : struct subre **subs; /* subRE pointer vector */
294 : : size_t nsubs; /* length of vector */
295 : : struct subre *sub10[10]; /* initial vector, enough for most */
296 : : struct nfa *nfa; /* the NFA */
297 : : struct colormap *cm; /* character color map */
298 : : color nlcolor; /* color of newline */
299 : : struct state *wordchrs; /* state in nfa holding word-char outarcs */
300 : : struct subre *tree; /* subexpression tree */
301 : : struct subre *treechain; /* all tree nodes allocated */
302 : : struct subre *treefree; /* any free tree nodes */
303 : : int ntree; /* number of tree nodes, plus one */
304 : : struct cvec *cv; /* interface cvec */
305 : : struct cvec *cv2; /* utility cvec */
306 : : struct subre *lacons; /* lookaround-constraint vector */
307 : : int nlacons; /* size of lacons[]; note that only slots
308 : : * numbered 1 .. nlacons-1 are used */
309 : : size_t spaceused; /* approx. space used for compilation */
310 : : };
311 : :
312 : : /* parsing macros; most know that `v' is the struct vars pointer */
313 : : #define NEXT() (next(v)) /* advance by one token */
314 : : #define SEE(t) (v->nexttype == (t)) /* is next token this? */
315 : : #define EAT(t) (SEE(t) && next(v)) /* if next is this, swallow it */
316 : : #define VISERR(vv) ((vv)->err != 0) /* have we seen an error yet? */
317 : : #define ISERR() VISERR(v)
318 : : #define VERR(vv,e) ((vv)->nexttype = EOS, \
319 : : (vv)->err = ((vv)->err ? (vv)->err : (e)))
320 : : #define ERR(e) VERR(v, e) /* record an error */
321 : : #define NOERR() {if (ISERR()) return;} /* if error seen, return */
322 : : #define NOERRN() {if (ISERR()) return NULL;} /* NOERR with retval */
323 : : #define NOERRZ() {if (ISERR()) return 0;} /* NOERR with retval */
324 : : #define INSIST(c, e) do { if (!(c)) ERR(e); } while (0) /* error if c false */
325 : : #define NOTE(b) (v->re->re_info |= (b)) /* note visible condition */
326 : : #define EMPTYARC(x, y) newarc(v->nfa, EMPTY, 0, x, y)
327 : :
328 : : /* token type codes, some also used as NFA arc types */
329 : : #define EMPTY 'n' /* no token present */
330 : : #define EOS 'e' /* end of string */
331 : : #define PLAIN 'p' /* ordinary character */
332 : : #define DIGIT 'd' /* digit (in bound) */
333 : : #define BACKREF 'b' /* back reference */
334 : : #define COLLEL 'I' /* start of [. */
335 : : #define ECLASS 'E' /* start of [= */
336 : : #define CCLASS 'C' /* start of [: */
337 : : #define END 'X' /* end of [. [= [: */
338 : : #define CCLASSS 's' /* char class shorthand escape */
339 : : #define CCLASSC 'c' /* complement char class shorthand escape */
340 : : #define RANGE 'R' /* - within [] which might be range delim. */
341 : : #define LACON 'L' /* lookaround constraint subRE */
342 : : #define AHEAD 'a' /* color-lookahead arc */
343 : : #define BEHIND 'r' /* color-lookbehind arc */
344 : : #define WBDRY 'w' /* word boundary constraint */
345 : : #define NWBDRY 'W' /* non-word-boundary constraint */
346 : : #define CANTMATCH 'x' /* arc that cannot match anything */
347 : : #define SBEGIN 'A' /* beginning of string (even if not BOL) */
348 : : #define SEND 'Z' /* end of string (even if not EOL) */
349 : :
350 : : /* is an arc colored, and hence should belong to a color chain? */
351 : : /* the test on "co" eliminates RAINBOW arcs, which we don't bother to chain */
352 : : #define COLORED(a) \
353 : : ((a)->co >= 0 && \
354 : : ((a)->type == PLAIN || (a)->type == AHEAD || (a)->type == BEHIND))
355 : :
356 : :
357 : : /* static function list */
358 : : static const struct fns functions = {
359 : : rfree, /* regfree insides */
360 : : rstacktoodeep /* check for stack getting dangerously deep */
361 : : };
362 : :
363 : :
364 : :
365 : : /*
366 : : * pg_regcomp - compile regular expression
367 : : *
368 : : * Note: on failure, no resources remain allocated, so pg_regfree()
369 : : * need not be applied to re.
370 : : */
371 : : int
372 : 5146 : pg_regcomp(regex_t *re,
373 : : const chr *string,
374 : : size_t len,
375 : : int flags,
376 : : Oid collation)
377 : : {
378 : : struct vars var;
379 : 5146 : struct vars *v = &var;
380 : : struct guts *g;
381 : : int i;
382 : : size_t j;
383 : :
384 : : #ifdef REG_DEBUG
385 : : FILE *debug = (flags & REG_PROGRESS) ? stdout : (FILE *) NULL;
386 : : #else
387 : 5146 : FILE *debug = (FILE *) NULL;
388 : : #endif
389 : :
390 : : #define CNOERR() { if (ISERR()) return freev(v, v->err); }
391 : :
392 : : /* sanity checks */
393 : :
394 [ + - - + ]: 5146 : if (re == NULL || string == NULL)
395 : 0 : return REG_INVARG;
396 [ + + ]: 5146 : if ((flags & REG_QUOTE) &&
397 [ + + ]: 58 : (flags & (REG_ADVANCED | REG_EXPANDED | REG_NEWLINE)))
398 : 4 : return REG_INVARG;
399 [ + + + + ]: 5142 : if (!(flags & REG_EXTENDED) && (flags & REG_ADVF))
400 : 1 : return REG_INVARG;
401 : :
402 : : /* Initialize locale-dependent support */
403 : 5141 : pg_set_regex_collation(collation);
404 : :
405 : : /* initial setup (after which freev() is callable) */
406 : 5125 : v->re = re;
407 : 5125 : v->now = string;
408 : 5125 : v->stop = v->now + len;
409 : 5125 : v->err = 0;
410 : 5125 : v->cflags = flags;
411 : 5125 : v->nsubexp = 0;
412 : 5125 : v->subs = v->sub10;
413 : 5125 : v->nsubs = 10;
414 [ + + ]: 56375 : for (j = 0; j < v->nsubs; j++)
415 : 51250 : v->subs[j] = NULL;
416 : 5125 : v->nfa = NULL;
417 : 5125 : v->cm = NULL;
418 : 5125 : v->nlcolor = COLORLESS;
419 : 5125 : v->wordchrs = NULL;
420 : 5125 : v->tree = NULL;
421 : 5125 : v->treechain = NULL;
422 : 5125 : v->treefree = NULL;
423 : 5125 : v->cv = NULL;
424 : 5125 : v->cv2 = NULL;
425 : 5125 : v->lacons = NULL;
426 : 5125 : v->nlacons = 0;
427 : 5125 : v->spaceused = 0;
428 : 5125 : re->re_magic = REMAGIC;
429 : 5125 : re->re_info = 0; /* bits get set during parse */
430 : 5125 : re->re_csize = sizeof(chr);
431 : 5125 : re->re_collation = collation;
432 : 5125 : re->re_guts = NULL;
433 : 5125 : re->re_fns = VS(&functions);
434 : :
435 : : /* more complex setup, malloced things */
436 : 5125 : re->re_guts = VS(MALLOC(sizeof(struct guts)));
437 [ - + ]: 5125 : if (re->re_guts == NULL)
438 : 0 : return freev(v, REG_ESPACE);
439 : 5125 : g = (struct guts *) re->re_guts;
440 : 5125 : g->tree = NULL;
441 : 5125 : initcm(v, &g->cmap);
442 : 5125 : v->cm = &g->cmap;
443 : 5125 : g->lacons = NULL;
444 : 5125 : g->nlacons = 0;
445 : 5125 : ZAPCNFA(g->search);
446 : 5125 : v->nfa = newnfa(v, v->cm, (struct nfa *) NULL);
447 [ - + ]: 5125 : CNOERR();
448 : : /* set up a reasonably-sized transient cvec for getcvec usage */
449 : 5125 : v->cv = newcvec(100, 20);
450 [ - + ]: 5125 : if (v->cv == NULL)
451 : 0 : return freev(v, REG_ESPACE);
452 : :
453 : : /* parsing */
454 : 5125 : lexstart(v); /* also handles prefixes */
455 [ + + + + ]: 5125 : if ((v->cflags & REG_NLSTOP) || (v->cflags & REG_NLANCH))
456 : : {
457 : : /* assign newline a unique color */
458 : 382 : v->nlcolor = subcolor(v->cm, newline());
459 : 382 : okcolors(v->nfa, v->cm);
460 : : }
461 [ + + ]: 5125 : CNOERR();
462 : 5117 : v->tree = parse(v, EOS, PLAIN, v->nfa->init, v->nfa->final);
463 : : assert(SEE(EOS)); /* even if error; ISERR() => SEE(EOS) */
464 [ + + ]: 5117 : CNOERR();
465 : : assert(v->tree != NULL);
466 : :
467 : : /* finish setup of nfa and its subre tree */
468 : 5000 : specialcolors(v->nfa);
469 [ - + ]: 5000 : CNOERR();
470 : : #ifdef REG_DEBUG
471 : : if (debug != NULL)
472 : : {
473 : : fprintf(debug, "\n\n\n========= RAW ==========\n");
474 : : dumpnfa(v->nfa, debug);
475 : : dumpst(v->tree, debug, 1);
476 : : }
477 : : #endif
478 [ + + ]: 5000 : if (v->cflags & REG_NOSUB)
479 : 3894 : removecaptures(v, v->tree);
480 : 5000 : v->ntree = numst(v->tree, 1);
481 : 5000 : markst(v->tree);
482 : 5000 : cleanst(v);
483 : : #ifdef REG_DEBUG
484 : : if (debug != NULL)
485 : : {
486 : : fprintf(debug, "\n\n\n========= TREE FIXED ==========\n");
487 : : dumpst(v->tree, debug, 1);
488 : : }
489 : : #endif
490 : :
491 : : /* build compacted NFAs for tree and lacons */
492 : 5000 : re->re_info |= nfatree(v, v->tree, debug);
493 [ + + ]: 5000 : CNOERR();
494 : : assert(v->nlacons == 0 || v->lacons != NULL);
495 [ + + ]: 5046 : for (i = 1; i < v->nlacons; i++)
496 : : {
497 : 50 : struct subre *lasub = &v->lacons[i];
498 : :
499 : : #ifdef REG_DEBUG
500 : : if (debug != NULL)
501 : : fprintf(debug, "\n\n\n========= LA%d ==========\n", i);
502 : : #endif
503 : :
504 : : /* Prepend .* to pattern if it's a lookbehind LACON */
505 : 50 : nfanode(v, lasub, !LATYPE_IS_AHEAD(lasub->latype), debug);
506 : : }
507 [ - + ]: 4996 : CNOERR();
508 [ + + ]: 4996 : if (v->tree->flags & SHORTER)
509 : 86 : NOTE(REG_USHORTEST);
510 : :
511 : : /* build compacted NFAs for tree, lacons, fast search */
512 : : #ifdef REG_DEBUG
513 : : if (debug != NULL)
514 : : fprintf(debug, "\n\n\n========= SEARCH ==========\n");
515 : : #endif
516 : : /* can sacrifice main NFA now, so use it as work area */
517 : 4996 : (DISCARD) optimize(v->nfa, debug);
518 [ - + ]: 4996 : CNOERR();
519 : 4996 : makesearch(v, v->nfa);
520 [ - + ]: 4996 : CNOERR();
521 : 4996 : compact(v->nfa, &g->search);
522 [ - + ]: 4996 : CNOERR();
523 : :
524 : : /* looks okay, package it up */
525 : 4996 : re->re_nsub = v->nsubexp;
526 : 4996 : v->re = NULL; /* freev no longer frees re */
527 : 4996 : g->magic = GUTSMAGIC;
528 : 4996 : g->cflags = v->cflags;
529 : 4996 : g->info = re->re_info;
530 : 4996 : g->nsub = re->re_nsub;
531 : 4996 : g->tree = v->tree;
532 : 4996 : v->tree = NULL;
533 : 4996 : g->ntree = v->ntree;
534 [ + + ]: 4996 : g->compare = (v->cflags & REG_ICASE) ? casecmp : cmp;
535 : 4996 : g->lacons = v->lacons;
536 : 4996 : v->lacons = NULL;
537 : 4996 : g->nlacons = v->nlacons;
538 : :
539 : : #ifdef REG_DEBUG
540 : : if (flags & REG_DUMP)
541 : : {
542 : : dump(re, stdout);
543 : : fflush(stdout);
544 : : }
545 : : #endif
546 : :
547 : : assert(v->err == 0);
548 : 4996 : return freev(v, 0);
549 : : }
550 : :
551 : : /*
552 : : * moresubs - enlarge subRE vector
553 : : */
554 : : static void
555 : 12 : moresubs(struct vars *v,
556 : : int wanted) /* want enough room for this one */
557 : : {
558 : : struct subre **p;
559 : : size_t n;
560 : :
561 : : assert(wanted > 0 && (size_t) wanted >= v->nsubs);
562 : 12 : n = (size_t) wanted * 3 / 2 + 1;
563 : :
564 : : /* n is bounded by the number of states, so no chance of overflow here */
565 [ + + ]: 12 : if (v->subs == v->sub10)
566 : : {
567 : 6 : p = (struct subre **) MALLOC(n * sizeof(struct subre *));
568 [ + - ]: 6 : if (p != NULL)
569 : 6 : memcpy(VS(p), VS(v->subs),
570 : 6 : v->nsubs * sizeof(struct subre *));
571 : : }
572 : : else
573 : 6 : p = (struct subre **) REALLOC(v->subs, n * sizeof(struct subre *));
574 [ - + ]: 12 : if (p == NULL)
575 : : {
576 [ # # ]: 0 : ERR(REG_ESPACE);
577 : 0 : return;
578 : : }
579 : 12 : v->subs = p;
580 [ + + ]: 142 : for (p = &v->subs[v->nsubs]; v->nsubs < n; p++, v->nsubs++)
581 : 130 : *p = NULL;
582 : : assert(v->nsubs == n);
583 : : assert((size_t) wanted < v->nsubs);
584 : : }
585 : :
586 : : /*
587 : : * freev - free vars struct's substructures where necessary
588 : : *
589 : : * Optionally does error-number setting, and always returns error code
590 : : * (if any), to make error-handling code terser.
591 : : */
592 : : static int
593 : 5125 : freev(struct vars *v,
594 : : int err)
595 : : {
596 [ + + ]: 5125 : if (v->re != NULL)
597 : 129 : rfree(v->re);
598 [ + + ]: 5125 : if (v->subs != v->sub10)
599 : 6 : FREE(v->subs);
600 [ + - ]: 5125 : if (v->nfa != NULL)
601 : 5125 : freenfa(v->nfa);
602 [ + + ]: 5125 : if (v->tree != NULL)
603 : 4 : freesubre(v, v->tree);
604 [ + + ]: 5125 : if (v->treechain != NULL)
605 : 117 : cleanst(v);
606 [ + - ]: 5125 : if (v->cv != NULL)
607 : 5125 : freecvec(v->cv);
608 [ - + ]: 5125 : if (v->cv2 != NULL)
609 : 0 : freecvec(v->cv2);
610 [ - + ]: 5125 : if (v->lacons != NULL)
611 : 0 : freelacons(v->lacons, v->nlacons);
612 [ + + ]: 5125 : ERR(err); /* nop if err==0 */
613 : :
614 : 5125 : return v->err;
615 : : }
616 : :
617 : : /*
618 : : * makesearch - turn an NFA into a search NFA (implicit prepend of .*?)
619 : : * NFA must have been optimize()d already.
620 : : */
621 : : static void
622 : 5007 : makesearch(struct vars *v,
623 : : struct nfa *nfa)
624 : : {
625 : : struct arc *a;
626 : : struct arc *b;
627 : 5007 : struct state *pre = nfa->pre;
628 : : struct state *s;
629 : : struct state *s2;
630 : : struct state *slist;
631 : :
632 : : /* no loops are needed if it's anchored */
633 [ + + ]: 13953 : for (a = pre->outs; a != NULL; a = a->outchain)
634 : : {
635 : : assert(a->type == PLAIN);
636 [ + + + + ]: 10758 : if (a->co != nfa->bos[0] && a->co != nfa->bos[1])
637 : 1812 : break;
638 : : }
639 [ + + ]: 5007 : if (a != NULL)
640 : : {
641 : : /* add implicit .* in front */
642 : 1812 : rainbow(nfa, v->cm, PLAIN, COLORLESS, pre, pre);
643 : :
644 : : /* and ^* and \A* too -- not always necessary, but harmless */
645 : 1812 : newarc(nfa, PLAIN, nfa->bos[0], pre, pre);
646 : 1812 : newarc(nfa, PLAIN, nfa->bos[1], pre, pre);
647 : :
648 : : /*
649 : : * The pattern is still MATCHALL if it was before, but the max match
650 : : * length is now infinity.
651 : : */
652 [ + + ]: 1812 : if (nfa->flags & MATCHALL)
653 : 82 : nfa->maxmatchall = DUPINF;
654 : : }
655 : :
656 : : /*
657 : : * Now here's the subtle part. Because many REs have no lookback
658 : : * constraints, often knowing when you were in the pre state tells you
659 : : * little; it's the next state(s) that are informative. But some of them
660 : : * may have other inarcs, i.e. it may be possible to make actual progress
661 : : * and then return to one of them. We must de-optimize such cases,
662 : : * splitting each such state into progress and no-progress states.
663 : : */
664 : :
665 : : /* first, make a list of the states reachable from pre and elsewhere */
666 : 5007 : slist = NULL;
667 [ + + ]: 22422 : for (a = pre->outs; a != NULL; a = a->outchain)
668 : : {
669 : 17415 : s = a->to;
670 [ + + ]: 58842 : for (b = s->ins; b != NULL; b = b->inchain)
671 : : {
672 [ + + ]: 45909 : if (b->from != pre)
673 : 4482 : break;
674 : : }
675 : :
676 : : /*
677 : : * We want to mark states as being in the list already by having non
678 : : * NULL tmp fields, but we can't just store the old slist value in tmp
679 : : * because that doesn't work for the first such state. Instead, the
680 : : * first list entry gets its own address in tmp.
681 : : */
682 [ + + + + ]: 17415 : if (b != NULL && s->tmp == NULL)
683 : : {
684 [ + + ]: 1723 : s->tmp = (slist != NULL) ? slist : s;
685 : 1723 : slist = s;
686 : : }
687 : : }
688 : :
689 : : /* do the splits */
690 [ + + ]: 6730 : for (s = slist; s != NULL; s = s2)
691 : : {
692 : 1723 : s2 = newstate(nfa);
693 [ - + ]: 1723 : NOERR();
694 : 1723 : copyouts(nfa, s, s2);
695 [ - + ]: 1723 : NOERR();
696 [ + + ]: 233137 : for (a = s->ins; a != NULL; a = b)
697 : : {
698 : 231414 : b = a->inchain;
699 [ + + ]: 231414 : if (a->from != pre)
700 : : {
701 : 226932 : cparc(nfa, a, a->from, s2);
702 : 226932 : freearc(nfa, a);
703 : : }
704 : : }
705 [ + + ]: 1723 : s2 = (s->tmp != s) ? s->tmp : NULL;
706 : 1723 : s->tmp = NULL; /* clean up while we're at it */
707 : : }
708 : : }
709 : :
710 : : /*
711 : : * parse - parse an RE
712 : : *
713 : : * This is actually just the top level, which parses a bunch of branches
714 : : * tied together with '|'. If there's more than one, they appear in the
715 : : * tree as the children of a '|' subre.
716 : : */
717 : : static struct subre *
718 : 8720 : parse(struct vars *v,
719 : : int stopper, /* EOS or ')' */
720 : : int type, /* LACON (lookaround subRE) or PLAIN */
721 : : struct state *init, /* initial state */
722 : : struct state *final) /* final state */
723 : : {
724 : : struct subre *branches; /* top level */
725 : : struct subre *lastbranch; /* latest branch */
726 : :
727 : : assert(stopper == ')' || stopper == EOS);
728 : :
729 : 8720 : branches = subre(v, '|', LONGER, init, final);
730 [ - + ]: 8720 : NOERRN();
731 : 8720 : lastbranch = NULL;
732 : : do
733 : : { /* a branch */
734 : : struct subre *branch;
735 : : struct state *left; /* scaffolding for branch */
736 : : struct state *right;
737 : :
738 : 9087 : left = newstate(v->nfa);
739 : 9087 : right = newstate(v->nfa);
740 [ - + ]: 9087 : NOERRN();
741 : 9087 : EMPTYARC(init, left);
742 : 9087 : EMPTYARC(right, final);
743 [ - + ]: 9087 : NOERRN();
744 : 9087 : branch = parsebranch(v, stopper, type, left, right, 0);
745 [ + + ]: 9087 : NOERRN();
746 [ + + ]: 8941 : if (lastbranch)
747 : 367 : lastbranch->sibling = branch;
748 : : else
749 : 8574 : branches->child = branch;
750 : 8941 : branches->flags |= UP(branches->flags | branch->flags);
751 : 8941 : lastbranch = branch;
752 [ + + + - ]: 8941 : } while (EAT('|'));
753 : : assert(SEE(stopper) || SEE(EOS));
754 : :
755 [ + + ]: 8574 : if (!SEE(stopper))
756 : : {
757 : : assert(stopper == ')' && SEE(EOS));
758 [ - + ]: 10 : ERR(REG_EPAREN);
759 : : }
760 : :
761 : : /* optimize out simple cases */
762 [ + + ]: 8574 : if (lastbranch == branches->child)
763 : : { /* only one branch */
764 : : assert(lastbranch->sibling == NULL);
765 : 8347 : freesrnode(v, branches);
766 : 8347 : branches = lastbranch;
767 : : }
768 [ + + ]: 227 : else if (!MESSY(branches->flags))
769 : : { /* no interesting innards */
770 : 123 : freesubreandsiblings(v, branches->child);
771 : 123 : branches->child = NULL;
772 : 123 : branches->op = '=';
773 : : }
774 : :
775 : 8574 : return branches;
776 : : }
777 : :
778 : : /*
779 : : * parsebranch - parse one branch of an RE
780 : : *
781 : : * This mostly manages concatenation, working closely with parseqatom().
782 : : * Concatenated things are bundled up as much as possible, with separate
783 : : * '.' nodes introduced only when necessary due to substructure.
784 : : */
785 : : static struct subre *
786 : 11975 : parsebranch(struct vars *v,
787 : : int stopper, /* EOS or ')' */
788 : : int type, /* LACON (lookaround subRE) or PLAIN */
789 : : struct state *left, /* leftmost state */
790 : : struct state *right, /* rightmost state */
791 : : int partial) /* is this only part of a branch? */
792 : : {
793 : : struct state *lp; /* left end of current construct */
794 : : int seencontent; /* is there anything in this branch yet? */
795 : : struct subre *t;
796 : :
797 : 11975 : lp = left;
798 : 11975 : seencontent = 0;
799 : 11975 : t = subre(v, '=', 0, left, right); /* op '=' is tentative */
800 [ - + ]: 11975 : NOERRN();
801 [ + + + + : 78710 : while (!SEE('|') && !SEE(stopper) && !SEE(EOS))
+ + ]
802 : : {
803 [ + + ]: 66896 : if (seencontent)
804 : : { /* implicit concat operator */
805 : 55055 : lp = newstate(v->nfa);
806 [ - + ]: 55055 : NOERRN();
807 : 55055 : moveins(v->nfa, right, lp);
808 : : }
809 : 66896 : seencontent = 1;
810 : :
811 : : /* NB, recursion in parseqatom() may swallow rest of branch */
812 : 66896 : t = parseqatom(v, stopper, type, lp, right, t);
813 [ + + ]: 66896 : NOERRN();
814 : : }
815 : :
816 [ + + ]: 11814 : if (!seencontent)
817 : : { /* empty branch */
818 [ + - ]: 134 : if (!partial)
819 : 134 : NOTE(REG_UUNSPEC);
820 : : assert(lp == left);
821 : 134 : EMPTYARC(left, right);
822 : : }
823 : :
824 : 11814 : return t;
825 : : }
826 : :
827 : : /*
828 : : * parseqatom - parse one quantified atom or constraint of an RE
829 : : *
830 : : * The bookkeeping near the end cooperates very closely with parsebranch();
831 : : * in particular, it contains a recursion that can involve parsing the rest
832 : : * of the branch, making this function's name somewhat inaccurate.
833 : : *
834 : : * Usually, the return value is just "top", but in some cases where we
835 : : * have parsed the rest of the branch, we may deem "top" redundant and
836 : : * free it, returning some child subre instead.
837 : : */
838 : : static struct subre *
839 : 66896 : parseqatom(struct vars *v,
840 : : int stopper, /* EOS or ')' */
841 : : int type, /* LACON (lookaround subRE) or PLAIN */
842 : : struct state *lp, /* left state to hang it on */
843 : : struct state *rp, /* right state to hang it on */
844 : : struct subre *top) /* subtree top */
845 : : {
846 : : struct state *s; /* temporaries for new states */
847 : : struct state *s2;
848 : :
849 : : #define ARCV(t, val) newarc(v->nfa, t, val, lp, rp)
850 : : int m,
851 : : n;
852 : : struct subre *atom; /* atom's subtree */
853 : : struct subre *t;
854 : : int cap; /* capturing parens? */
855 : : int latype; /* lookaround constraint type */
856 : : int subno; /* capturing-parens or backref number */
857 : : int atomtype;
858 : : int qprefer; /* quantifier short/long preference */
859 : : int f;
860 : : struct subre **atomp; /* where the pointer to atom is */
861 : :
862 : : /* initial bookkeeping */
863 : 66896 : atom = NULL;
864 : : assert(lp->nouts == 0); /* must string new code */
865 : : assert(rp->nins == 0); /* between lp and rp */
866 : 66896 : subno = 0; /* just to shut lint up */
867 : :
868 : : /* an atom or constraint... */
869 : 66896 : atomtype = v->nexttype;
870 [ + + + + : 66896 : switch (atomtype)
+ + + + +
+ - + + +
+ + + +
+ ]
871 : : {
872 : : /* first, constraints, which end by returning */
873 : 3504 : case '^':
874 : 3504 : ARCV('^', 1);
875 [ + + ]: 3504 : if (v->cflags & REG_NLANCH)
876 : 287 : ARCV(BEHIND, v->nlcolor);
877 : 3504 : NEXT();
878 : 3504 : return top;
879 : : break;
880 : 2972 : case '$':
881 : 2972 : ARCV('$', 1);
882 [ + + ]: 2972 : if (v->cflags & REG_NLANCH)
883 : 273 : ARCV(AHEAD, v->nlcolor);
884 : 2972 : NEXT();
885 : 2972 : return top;
886 : : break;
887 : 13 : case SBEGIN:
888 : 13 : ARCV('^', 1); /* BOL */
889 : 13 : ARCV('^', 0); /* or BOS */
890 : 13 : NEXT();
891 : 13 : return top;
892 : : break;
893 : 5 : case SEND:
894 : 5 : ARCV('$', 1); /* EOL */
895 : 5 : ARCV('$', 0); /* or EOS */
896 : 5 : NEXT();
897 : 5 : return top;
898 : : break;
899 : 35 : case '<':
900 : 35 : wordchrs(v);
901 : 35 : s = newstate(v->nfa);
902 [ - + ]: 35 : NOERRN();
903 : 35 : nonword(v, BEHIND, lp, s);
904 : 35 : word(v, AHEAD, s, rp);
905 : 35 : NEXT();
906 : 35 : return top;
907 : : break;
908 : 31 : case '>':
909 : 31 : wordchrs(v);
910 : 31 : s = newstate(v->nfa);
911 [ - + ]: 31 : NOERRN();
912 : 31 : word(v, BEHIND, lp, s);
913 : 31 : nonword(v, AHEAD, s, rp);
914 : 31 : NEXT();
915 : 31 : return top;
916 : : break;
917 : 9 : case WBDRY:
918 : 9 : wordchrs(v);
919 : 9 : s = newstate(v->nfa);
920 [ - + ]: 9 : NOERRN();
921 : 9 : nonword(v, BEHIND, lp, s);
922 : 9 : word(v, AHEAD, s, rp);
923 : 9 : s = newstate(v->nfa);
924 [ - + ]: 9 : NOERRN();
925 : 9 : word(v, BEHIND, lp, s);
926 : 9 : nonword(v, AHEAD, s, rp);
927 : 9 : NEXT();
928 : 9 : return top;
929 : : break;
930 : 21 : case NWBDRY:
931 : 21 : wordchrs(v);
932 : 21 : s = newstate(v->nfa);
933 [ - + ]: 21 : NOERRN();
934 : 21 : word(v, BEHIND, lp, s);
935 : 21 : word(v, AHEAD, s, rp);
936 : 21 : s = newstate(v->nfa);
937 [ - + ]: 21 : NOERRN();
938 : 21 : nonword(v, BEHIND, lp, s);
939 : 21 : nonword(v, AHEAD, s, rp);
940 : 21 : NEXT();
941 : 21 : return top;
942 : : break;
943 : 161 : case LACON: /* lookaround constraint */
944 : 161 : latype = v->nextvalue;
945 : 161 : NEXT();
946 : 161 : s = newstate(v->nfa);
947 : 161 : s2 = newstate(v->nfa);
948 [ - + ]: 161 : NOERRN();
949 : 161 : t = parse(v, ')', LACON, s, s2);
950 : 161 : freesubre(v, t); /* internal structure irrelevant */
951 [ + + ]: 161 : NOERRN();
952 : : assert(SEE(')'));
953 : 152 : NEXT();
954 : 152 : processlacon(v, s, s2, latype, lp, rp);
955 : 152 : return top;
956 : : break;
957 : : /* then errors, to get them out of the way */
958 : 34 : case '*':
959 : : case '+':
960 : : case '?':
961 : : case '{':
962 [ - + ]: 34 : ERR(REG_BADRPT);
963 : 34 : return top;
964 : : break;
965 : 0 : default:
966 [ # # ]: 0 : ERR(REG_ASSERT);
967 : 0 : return top;
968 : : break;
969 : : /* then plain characters, and minor variants on that theme */
970 : 3 : case ')': /* unbalanced paren */
971 [ + + ]: 3 : if ((v->cflags & REG_ADVANCED) != REG_EXTENDED)
972 : : {
973 [ - + ]: 2 : ERR(REG_EPAREN);
974 : 2 : return top;
975 : : }
976 : : /* legal in EREs due to specification botch */
977 : 1 : NOTE(REG_UPBOTCH);
978 : : /* fall through into case PLAIN */
979 : : pg_fallthrough;
980 : 53393 : case PLAIN:
981 : 53393 : onechr(v, v->nextvalue, lp, rp);
982 : 53393 : okcolors(v->nfa, v->cm);
983 [ - + ]: 53393 : NOERRN();
984 : 53393 : NEXT();
985 : 53393 : break;
986 : 773 : case '[':
987 [ + + ]: 773 : if (v->nextvalue == 1)
988 : 610 : bracket(v, lp, rp);
989 : : else
990 : 163 : cbracket(v, lp, rp);
991 : : assert(SEE(']') || ISERR());
992 : 773 : NEXT();
993 : 773 : break;
994 : 261 : case CCLASSS:
995 : 261 : charclass(v, (enum char_classes) v->nextvalue, lp, rp);
996 : 261 : okcolors(v->nfa, v->cm);
997 : 261 : NEXT();
998 : 261 : break;
999 : 26 : case CCLASSC:
1000 : 26 : charclasscomplement(v, (enum char_classes) v->nextvalue, lp, rp);
1001 : : /* charclasscomplement() did okcolors() internally */
1002 : 26 : NEXT();
1003 : 26 : break;
1004 : 2081 : case '.':
1005 : 2081 : rainbow(v->nfa, v->cm, PLAIN,
1006 [ + + ]: 2081 : (v->cflags & REG_NLSTOP) ? v->nlcolor : COLORLESS,
1007 : : lp, rp);
1008 : 2081 : NEXT();
1009 : 2081 : break;
1010 : : /* and finally the ugly stuff */
1011 : 3442 : case '(': /* value flags as capturing or non */
1012 [ + + ]: 3442 : cap = (type == LACON) ? 0 : v->nextvalue;
1013 [ + + ]: 3442 : if (cap)
1014 : : {
1015 : 3247 : v->nsubexp++;
1016 : 3247 : subno = v->nsubexp;
1017 [ + + ]: 3247 : if ((size_t) subno >= v->nsubs)
1018 : 12 : moresubs(v, subno);
1019 : : }
1020 : : else
1021 : 195 : atomtype = PLAIN; /* something that's not '(' */
1022 : 3442 : NEXT();
1023 : :
1024 : : /*
1025 : : * Make separate endpoint states to keep this sub-NFA distinct
1026 : : * from what surrounds it. We need to be sure that when we
1027 : : * duplicate the sub-NFA for a backref, we get the right
1028 : : * states/arcs and no others. In particular, letting a backref
1029 : : * duplicate the sub-NFA from lp to rp would be quite wrong,
1030 : : * because we may add quantification superstructure around this
1031 : : * atom below. (Perhaps we could skip the extra states for
1032 : : * non-capturing parens, but it seems not worth the trouble.)
1033 : : */
1034 : 3442 : s = newstate(v->nfa);
1035 : 3442 : s2 = newstate(v->nfa);
1036 [ - + ]: 3442 : NOERRN();
1037 : : /* We may not need these arcs, but keep things connected for now */
1038 : 3442 : EMPTYARC(lp, s);
1039 : 3442 : EMPTYARC(s2, rp);
1040 [ - + ]: 3442 : NOERRN();
1041 : 3442 : atom = parse(v, ')', type, s, s2);
1042 : : assert(SEE(')') || ISERR());
1043 : 3442 : NEXT();
1044 [ + + ]: 3442 : NOERRN();
1045 [ + + ]: 3412 : if (cap)
1046 : : {
1047 [ + + ]: 3222 : if (atom->capno == 0)
1048 : : {
1049 : : /* normal case: just mark the atom as capturing */
1050 : 3191 : atom->flags |= CAP;
1051 : 3191 : atom->capno = subno;
1052 : : }
1053 : : else
1054 : : {
1055 : : /* generate no-op wrapper node to handle "((x))" */
1056 : 31 : t = subre(v, '(', atom->flags | CAP, s, s2);
1057 [ - + ]: 31 : NOERRN();
1058 : 31 : t->capno = subno;
1059 : 31 : t->child = atom;
1060 : 31 : atom = t;
1061 : : }
1062 : : assert(v->subs[subno] == NULL);
1063 : 3222 : v->subs[subno] = atom;
1064 : : }
1065 : : /* postpone everything else pending possible {0} */
1066 : 3412 : break;
1067 : 133 : case BACKREF: /* the Feature From The Black Lagoon */
1068 [ + + - + ]: 133 : INSIST(type != LACON, REG_ESUBREG);
1069 : 133 : subno = v->nextvalue;
1070 : : assert(subno > 0);
1071 [ - + - - ]: 133 : INSIST(subno < v->nsubs, REG_ESUBREG);
1072 [ + + ]: 133 : NOERRN();
1073 [ + + - + ]: 124 : INSIST(v->subs[subno] != NULL, REG_ESUBREG);
1074 [ + + ]: 124 : NOERRN();
1075 : 119 : atom = subre(v, 'b', BACKR, lp, rp);
1076 [ - + ]: 119 : NOERRN();
1077 : 119 : atom->backno = subno;
1078 : 119 : v->subs[subno]->flags |= BRUSE;
1079 : 119 : EMPTYARC(lp, rp); /* temporarily, so there's something */
1080 : 119 : NEXT();
1081 : 119 : break;
1082 : : }
1083 : :
1084 : : /* ...and an atom may be followed by a quantifier */
1085 [ + + + + : 60065 : switch (v->nexttype)
+ ]
1086 : : {
1087 : 13879 : case '*':
1088 : 13879 : m = 0;
1089 : 13879 : n = DUPINF;
1090 [ + + ]: 13879 : qprefer = (v->nextvalue) ? LONGER : SHORTER;
1091 : 13879 : NEXT();
1092 : 13879 : break;
1093 : 569 : case '+':
1094 : 569 : m = 1;
1095 : 569 : n = DUPINF;
1096 [ + + ]: 569 : qprefer = (v->nextvalue) ? LONGER : SHORTER;
1097 : 569 : NEXT();
1098 : 569 : break;
1099 : 77 : case '?':
1100 : 77 : m = 0;
1101 : 77 : n = 1;
1102 [ + + ]: 77 : qprefer = (v->nextvalue) ? LONGER : SHORTER;
1103 : 77 : NEXT();
1104 : 77 : break;
1105 : 310 : case '{':
1106 : 310 : NEXT();
1107 : 310 : m = scannum(v);
1108 [ + + + - ]: 310 : if (EAT(','))
1109 : : {
1110 [ + + ]: 147 : if (SEE(DIGIT))
1111 : 138 : n = scannum(v);
1112 : : else
1113 : 9 : n = DUPINF;
1114 [ + + ]: 147 : if (m > n)
1115 : : {
1116 [ - + ]: 5 : ERR(REG_BADBR);
1117 : 5 : return top;
1118 : : }
1119 : : /* {m,n} exercises preference, even if it's {m,m} */
1120 [ + + ]: 142 : qprefer = (v->nextvalue) ? LONGER : SHORTER;
1121 : : }
1122 : : else
1123 : : {
1124 : 163 : n = m;
1125 : : /* {m} passes operand's preference through */
1126 : 163 : qprefer = 0;
1127 : : }
1128 [ + + ]: 305 : if (!SEE('}'))
1129 : : { /* catches errors too */
1130 [ + + ]: 7 : ERR(REG_BADBR);
1131 : 7 : return top;
1132 : : }
1133 : 298 : NEXT();
1134 : 298 : break;
1135 : 45230 : default: /* no quantifier */
1136 : 45230 : m = n = 1;
1137 : 45230 : qprefer = 0;
1138 : 45230 : break;
1139 : : }
1140 : :
1141 : : /* annoying special case: {0} or {0,0} cancels everything */
1142 [ + + + + ]: 60053 : if (m == 0 && n == 0)
1143 : : {
1144 : : /*
1145 : : * If we had capturing subexpression(s) within the atom, we don't want
1146 : : * to destroy them, because it's legal (if useless) to back-ref them
1147 : : * later. Hence, just unlink the atom from lp/rp and then ignore it.
1148 : : */
1149 [ + + + + ]: 25 : if (atom != NULL && (atom->flags & CAP))
1150 : : {
1151 : 22 : delsub(v->nfa, lp, atom->begin);
1152 : 22 : delsub(v->nfa, atom->end, rp);
1153 : : }
1154 : : else
1155 : : {
1156 : : /* Otherwise, we can clean up any subre infrastructure we made */
1157 [ + + ]: 3 : if (atom != NULL)
1158 : 1 : freesubre(v, atom);
1159 : 3 : delsub(v->nfa, lp, rp);
1160 : : }
1161 : 25 : EMPTYARC(lp, rp);
1162 : 25 : return top;
1163 : : }
1164 : :
1165 : : /* if not a messy case, avoid hard part */
1166 : : assert(!MESSY(top->flags));
1167 [ + + ]: 60028 : f = top->flags | qprefer | ((atom != NULL) ? atom->flags : 0);
1168 [ + + + + : 60028 : if (atomtype != '(' && atomtype != BACKREF && !MESSY(UP(f)))
+ + ]
1169 : : {
1170 [ + + + + ]: 56690 : if (!(m == 1 && n == 1))
1171 : 14377 : repeat(v, lp, rp, m, n);
1172 [ + + ]: 56690 : if (atom != NULL)
1173 : 167 : freesubre(v, atom);
1174 : 56690 : top->flags = f;
1175 : 56690 : return top;
1176 : : }
1177 : :
1178 : : /*
1179 : : * hard part: something messy
1180 : : *
1181 : : * That is, capturing parens, back reference, short/long clash, or an atom
1182 : : * with substructure containing one of those.
1183 : : */
1184 : :
1185 : : /* now we'll need a subre for the contents even if they're boring */
1186 [ + + ]: 3338 : if (atom == NULL)
1187 : : {
1188 : 1 : atom = subre(v, '=', 0, lp, rp);
1189 [ - + ]: 1 : NOERRN();
1190 : : }
1191 : :
1192 : : /*
1193 : : * For what follows, we need the atom to have its own begin/end states
1194 : : * that are distinct from lp/rp, so that we can wrap iteration structure
1195 : : * around it. The parenthesized-atom case above already made suitable
1196 : : * states (and we don't want to modify a capturing subre, since it's
1197 : : * already recorded in v->subs[]). Otherwise, we need more states.
1198 : : */
1199 [ + + - + ]: 3338 : if (atom->begin == lp || atom->end == rp)
1200 : : {
1201 : 120 : s = newstate(v->nfa);
1202 : 120 : s2 = newstate(v->nfa);
1203 [ - + ]: 120 : NOERRN();
1204 : 120 : moveouts(v->nfa, lp, s);
1205 : 120 : moveins(v->nfa, rp, s2);
1206 : 120 : atom->begin = s;
1207 : 120 : atom->end = s2;
1208 : : }
1209 : : else
1210 : : {
1211 : : /* The atom's OK, but we must temporarily disconnect it from lp/rp */
1212 : : /* (this removes the EMPTY arcs we made above) */
1213 : 3218 : delsub(v->nfa, lp, atom->begin);
1214 : 3218 : delsub(v->nfa, atom->end, rp);
1215 : : }
1216 : :
1217 : : /*----------
1218 : : * Prepare a general-purpose state skeleton.
1219 : : *
1220 : : * In the no-backrefs case, we want this:
1221 : : *
1222 : : * [lp] ---> [s] ---prefix---> ---atom---> ---rest---> [rp]
1223 : : *
1224 : : * where prefix is some repetitions of atom, and "rest" is the remainder
1225 : : * of the branch. In the general case we need:
1226 : : *
1227 : : * [lp] ---> [s] ---iterator---> [s2] ---rest---> [rp]
1228 : : *
1229 : : * where the iterator wraps around the atom.
1230 : : *
1231 : : * We make the s state here for both cases; s2 is made below if needed
1232 : : *----------
1233 : : */
1234 : 3338 : s = newstate(v->nfa); /* set up starting state */
1235 [ - + ]: 3338 : NOERRN();
1236 : 3338 : EMPTYARC(lp, s);
1237 [ - + ]: 3338 : NOERRN();
1238 : :
1239 : : /* break remaining subRE into x{...} and what follows */
1240 [ + + ]: 3338 : t = subre(v, '.', COMBINE(qprefer, atom->flags), lp, rp);
1241 [ - + ]: 3338 : NOERRN();
1242 : 3338 : t->child = atom;
1243 : 3338 : atomp = &t->child;
1244 : :
1245 : : /*
1246 : : * Here we should recurse to fill t->child->sibling ... but we must
1247 : : * postpone that to the end. One reason is that t->child may be replaced
1248 : : * below, and we don't want to worry about its sibling link.
1249 : : */
1250 : :
1251 : : /*
1252 : : * Convert top node to a concatenation of the prefix (top->child, covering
1253 : : * whatever we parsed previously) and remaining (t). Note that the prefix
1254 : : * could be empty, in which case this concatenation node is unnecessary.
1255 : : * To keep things simple, we operate in a general way for now, and get rid
1256 : : * of unnecessary subres below.
1257 : : */
1258 : : assert(top->op == '=' && top->child == NULL);
1259 : 3338 : top->child = subre(v, '=', top->flags, top->begin, lp);
1260 [ - + ]: 3338 : NOERRN();
1261 : 3338 : top->op = '.';
1262 : 3338 : top->child->sibling = t;
1263 : : /* top->flags will get updated later */
1264 : :
1265 : : /* if it's a backref, now is the time to replicate the subNFA */
1266 [ + + ]: 3338 : if (atomtype == BACKREF)
1267 : : {
1268 : : assert(atom->begin->nouts == 1); /* just the EMPTY */
1269 : 119 : delsub(v->nfa, atom->begin, atom->end);
1270 : : assert(v->subs[subno] != NULL);
1271 : :
1272 : : /*
1273 : : * And here's why the recursion got postponed: it must wait until the
1274 : : * skeleton is filled in, because it may hit a backref that wants to
1275 : : * copy the filled-in skeleton.
1276 : : */
1277 : 119 : dupnfa(v->nfa, v->subs[subno]->begin, v->subs[subno]->end,
1278 : : atom->begin, atom->end);
1279 [ - + ]: 119 : NOERRN();
1280 : :
1281 : : /* The backref node's NFA should not enforce any constraints */
1282 : 119 : removeconstraints(v->nfa, atom->begin, atom->end);
1283 [ - + ]: 119 : NOERRN();
1284 : : }
1285 : :
1286 : : /*
1287 : : * It's quantifier time. If the atom is just a backref, we'll let it deal
1288 : : * with quantifiers internally.
1289 : : */
1290 [ + + ]: 3338 : if (atomtype == BACKREF)
1291 : : {
1292 : : /* special case: backrefs have internal quantifiers */
1293 : 119 : EMPTYARC(s, atom->begin); /* empty prefix */
1294 : : /* just stuff everything into atom */
1295 : 119 : repeat(v, atom->begin, atom->end, m, n);
1296 : 119 : atom->min = (short) m;
1297 : 119 : atom->max = (short) n;
1298 [ + + ]: 119 : atom->flags |= COMBINE(qprefer, atom->flags);
1299 : : /* rest of branch can be strung starting from atom->end */
1300 : 119 : s2 = atom->end;
1301 : : }
1302 [ + + + + : 3219 : else if (m == 1 && n == 1 &&
+ + ]
1303 : 70 : (qprefer == 0 ||
1304 [ + + ]: 70 : (atom->flags & (LONGER | SHORTER | MIXED)) == 0 ||
1305 [ + + ]: 61 : qprefer == (atom->flags & (LONGER | SHORTER | MIXED))))
1306 : : {
1307 : : /* no/vacuous quantifier: done */
1308 : 2941 : EMPTYARC(s, atom->begin); /* empty prefix */
1309 : : /* rest of branch can be strung starting from atom->end */
1310 : 2941 : s2 = atom->end;
1311 : : }
1312 [ + + ]: 278 : else if (!(atom->flags & (CAP | BACKR)))
1313 : : {
1314 : : /*
1315 : : * If there's no captures nor backrefs in the atom being repeated, we
1316 : : * don't really care where the submatches of the iteration are, so we
1317 : : * don't need an iteration node. Make a plain DFA node instead.
1318 : : */
1319 : 10 : EMPTYARC(s, atom->begin); /* empty prefix */
1320 : 10 : repeat(v, atom->begin, atom->end, m, n);
1321 [ + - ]: 10 : f = COMBINE(qprefer, atom->flags);
1322 : 10 : t = subre(v, '=', f, atom->begin, atom->end);
1323 [ - + ]: 10 : NOERRN();
1324 : 10 : freesubre(v, atom);
1325 : 10 : *atomp = t;
1326 : : /* rest of branch can be strung starting from t->end */
1327 : 10 : s2 = t->end;
1328 : : }
1329 [ + + + + ]: 268 : else if (m > 0 && !(atom->flags & BACKR))
1330 : : {
1331 : : /*
1332 : : * If there's no backrefs involved, we can turn x{m,n} into
1333 : : * x{m-1,n-1}x, with capturing parens in only the second x. This is
1334 : : * valid because we only care about capturing matches from the final
1335 : : * iteration of the quantifier. It's a win because we can implement
1336 : : * the backref-free left side as a plain DFA node, since we don't
1337 : : * really care where its submatches are.
1338 : : */
1339 : 168 : dupnfa(v->nfa, atom->begin, atom->end, s, atom->begin);
1340 : : assert(m >= 1 && m != DUPINF && n >= 1);
1341 [ + + ]: 168 : repeat(v, s, atom->begin, m - 1, (n == DUPINF) ? n : n - 1);
1342 [ + + ]: 168 : f = COMBINE(qprefer, atom->flags);
1343 : 168 : t = subre(v, '.', f, s, atom->end); /* prefix and atom */
1344 [ - + ]: 168 : NOERRN();
1345 : 168 : t->child = subre(v, '=', PREF(f), s, atom->begin);
1346 [ - + ]: 168 : NOERRN();
1347 : 168 : t->child->sibling = atom;
1348 : 168 : *atomp = t;
1349 : : /* rest of branch can be strung starting from atom->end */
1350 : 168 : s2 = atom->end;
1351 : : }
1352 : : else
1353 : : {
1354 : : /* general case: need an iteration node */
1355 : 100 : s2 = newstate(v->nfa);
1356 [ - + ]: 100 : NOERRN();
1357 : 100 : moveouts(v->nfa, atom->end, s2);
1358 [ - + ]: 100 : NOERRN();
1359 : 100 : dupnfa(v->nfa, atom->begin, atom->end, s, s2);
1360 : 100 : repeat(v, s, s2, m, n);
1361 [ + - ]: 100 : f = COMBINE(qprefer, atom->flags);
1362 : 100 : t = subre(v, '*', f, s, s2);
1363 [ - + ]: 100 : NOERRN();
1364 : 100 : t->min = (short) m;
1365 : 100 : t->max = (short) n;
1366 : 100 : t->child = atom;
1367 : 100 : *atomp = t;
1368 : : /* rest of branch is to be strung from iteration's end state */
1369 : : }
1370 : :
1371 : : /* and finally, look after that postponed recursion */
1372 : 3338 : t = top->child->sibling;
1373 [ + + + + : 3338 : if (!(SEE('|') || SEE(stopper) || SEE(EOS)))
+ - ]
1374 : : {
1375 : : /* parse all the rest of the branch, and insert in t->child->sibling */
1376 : 2888 : t->child->sibling = parsebranch(v, stopper, type, s2, rp, 1);
1377 [ + + ]: 2888 : NOERRN();
1378 : : assert(SEE('|') || SEE(stopper) || SEE(EOS));
1379 : :
1380 : : /* here's the promised update of the flags */
1381 [ + + ]: 2873 : t->flags |= COMBINE(t->flags, t->child->sibling->flags);
1382 [ + + ]: 2873 : top->flags |= COMBINE(top->flags, t->flags);
1383 : :
1384 : : /* neither t nor top could be directly marked for capture as yet */
1385 : : assert(t->capno == 0);
1386 : : assert(top->capno == 0);
1387 : :
1388 : : /*
1389 : : * At this point both top and t are concatenation (op == '.') subres,
1390 : : * and we have top->child = prefix of branch, top->child->sibling = t,
1391 : : * t->child = messy atom (with quantification superstructure if
1392 : : * needed), t->child->sibling = rest of branch.
1393 : : *
1394 : : * If the messy atom was the first thing in the branch, then
1395 : : * top->child is vacuous and we can get rid of one level of
1396 : : * concatenation.
1397 : : */
1398 : : assert(top->child->op == '=');
1399 [ + + ]: 2873 : if (top->child->begin == top->child->end)
1400 : : {
1401 : : assert(!MESSY(top->child->flags));
1402 : 384 : freesubre(v, top->child);
1403 : 384 : top->child = t->child;
1404 : 384 : freesrnode(v, t);
1405 : : }
1406 : :
1407 : : /*
1408 : : * Otherwise, it's possible that t->child is not messy in itself, but
1409 : : * we considered it messy because its greediness conflicts with what
1410 : : * preceded it. Then it could be that the combination of t->child and
1411 : : * the rest of the branch is also not messy, in which case we can get
1412 : : * rid of the child concatenation by merging t->child and the rest of
1413 : : * the branch into one plain DFA node.
1414 : : */
1415 [ + + ]: 2489 : else if (t->child->op == '=' &&
1416 [ + + ]: 2429 : t->child->sibling->op == '=' &&
1417 [ - + ]: 2310 : !MESSY(UP(t->child->flags | t->child->sibling->flags)))
1418 : : {
1419 : 0 : t->op = '=';
1420 [ # # ]: 0 : t->flags = COMBINE(t->child->flags, t->child->sibling->flags);
1421 : 0 : freesubreandsiblings(v, t->child);
1422 : 0 : t->child = NULL;
1423 : : }
1424 : : }
1425 : : else
1426 : : {
1427 : : /*
1428 : : * There's nothing left in the branch, so we don't need the second
1429 : : * concatenation node 't'. Just link s2 straight to rp.
1430 : : */
1431 : 450 : EMPTYARC(s2, rp);
1432 : 450 : top->child->sibling = t->child;
1433 [ + + ]: 450 : top->flags |= COMBINE(top->flags, top->child->sibling->flags);
1434 : 450 : freesrnode(v, t);
1435 : :
1436 : : /*
1437 : : * Again, it could be that top->child is vacuous (if the messy atom
1438 : : * was in fact the only thing in the branch). In that case we need no
1439 : : * concatenation at all; just replace top with top->child->sibling.
1440 : : */
1441 : : assert(top->child->op == '=');
1442 [ + + ]: 450 : if (top->child->begin == top->child->end)
1443 : : {
1444 : : assert(!MESSY(top->child->flags));
1445 : 317 : t = top->child->sibling;
1446 : 317 : top->child->sibling = NULL;
1447 : 317 : freesubre(v, top);
1448 : 317 : top = t;
1449 : : }
1450 : : }
1451 : :
1452 : 3323 : return top;
1453 : : }
1454 : :
1455 : : /*
1456 : : * nonword - generate arcs for non-word-character ahead or behind
1457 : : */
1458 : : static void
1459 : 126 : nonword(struct vars *v,
1460 : : int dir, /* AHEAD or BEHIND */
1461 : : struct state *lp,
1462 : : struct state *rp)
1463 : : {
1464 [ + + ]: 126 : int anchor = (dir == AHEAD) ? '$' : '^';
1465 : :
1466 : : assert(dir == AHEAD || dir == BEHIND);
1467 : 126 : newarc(v->nfa, anchor, 1, lp, rp);
1468 : 126 : newarc(v->nfa, anchor, 0, lp, rp);
1469 : 126 : colorcomplement(v->nfa, v->cm, dir, v->wordchrs, lp, rp);
1470 : : /* (no need for special attention to \n) */
1471 : 126 : }
1472 : :
1473 : : /*
1474 : : * word - generate arcs for word character ahead or behind
1475 : : */
1476 : : static void
1477 : 126 : word(struct vars *v,
1478 : : int dir, /* AHEAD or BEHIND */
1479 : : struct state *lp,
1480 : : struct state *rp)
1481 : : {
1482 : : assert(dir == AHEAD || dir == BEHIND);
1483 : 126 : cloneouts(v->nfa, v->wordchrs, lp, rp, dir);
1484 : : /* (no need for special attention to \n) */
1485 : 126 : }
1486 : :
1487 : : /*
1488 : : * charclass - generate arcs for a character class
1489 : : *
1490 : : * This is used for both atoms (\w and sibling escapes) and for elements
1491 : : * of bracket expressions. The caller is responsible for calling okcolors()
1492 : : * at the end of processing the atom or bracket.
1493 : : */
1494 : : static void
1495 : 443 : charclass(struct vars *v,
1496 : : enum char_classes cls,
1497 : : struct state *lp,
1498 : : struct state *rp)
1499 : : {
1500 : : struct cvec *cv;
1501 : :
1502 : : /* obtain possibly-cached cvec for char class */
1503 : 443 : NOTE(REG_ULOCALE);
1504 : 443 : cv = cclasscvec(v, cls, (v->cflags & REG_ICASE));
1505 [ - + ]: 443 : NOERR();
1506 : :
1507 : : /* build the arcs; this may cause color splitting */
1508 : 443 : subcolorcvec(v, cv, lp, rp);
1509 : : }
1510 : :
1511 : : /*
1512 : : * charclasscomplement - generate arcs for a complemented character class
1513 : : *
1514 : : * This is used for both atoms (\W and sibling escapes) and for elements
1515 : : * of bracket expressions. In bracket expressions, it is the caller's
1516 : : * responsibility that there not be any open subcolors when this is called.
1517 : : */
1518 : : static void
1519 : 42 : charclasscomplement(struct vars *v,
1520 : : enum char_classes cls,
1521 : : struct state *lp,
1522 : : struct state *rp)
1523 : : {
1524 : : struct state *cstate;
1525 : : struct cvec *cv;
1526 : :
1527 : : /* make dummy state to hang temporary arcs on */
1528 : 42 : cstate = newstate(v->nfa);
1529 [ - + ]: 42 : NOERR();
1530 : :
1531 : : /* obtain possibly-cached cvec for char class */
1532 : 42 : NOTE(REG_ULOCALE);
1533 : 42 : cv = cclasscvec(v, cls, (v->cflags & REG_ICASE));
1534 [ - + ]: 42 : NOERR();
1535 : :
1536 : : /* build arcs for char class; this may cause color splitting */
1537 : 42 : subcolorcvec(v, cv, cstate, cstate);
1538 [ - + ]: 42 : NOERR();
1539 : :
1540 : : /* clean up any subcolors in the arc set */
1541 : 42 : okcolors(v->nfa, v->cm);
1542 [ - + ]: 42 : NOERR();
1543 : :
1544 : : /* now build output arcs for the complement of the char class */
1545 : 42 : colorcomplement(v->nfa, v->cm, PLAIN, cstate, lp, rp);
1546 [ - + ]: 42 : NOERR();
1547 : :
1548 : : /* clean up dummy state */
1549 : 42 : dropstate(v->nfa, cstate);
1550 : : }
1551 : :
1552 : : /*
1553 : : * scannum - scan a number
1554 : : */
1555 : : static int /* value, <= DUPMAX */
1556 : 448 : scannum(struct vars *v)
1557 : : {
1558 : 448 : int n = 0;
1559 : :
1560 [ + + + - ]: 941 : while (SEE(DIGIT) && n < DUPMAX)
1561 : : {
1562 : 493 : n = n * 10 + v->nextvalue;
1563 : 493 : NEXT();
1564 : : }
1565 [ + - + + ]: 448 : if (SEE(DIGIT) || n > DUPMAX)
1566 : : {
1567 [ - + ]: 2 : ERR(REG_BADBR);
1568 : 2 : return 0;
1569 : : }
1570 : 446 : return n;
1571 : : }
1572 : :
1573 : : /*
1574 : : * repeat - replicate subNFA for quantifiers
1575 : : *
1576 : : * The sub-NFA strung from lp to rp is modified to represent m to n
1577 : : * repetitions of its initial contents.
1578 : : *
1579 : : * The duplication sequences used here are chosen carefully so that any
1580 : : * pointers starting out pointing into the subexpression end up pointing into
1581 : : * the last occurrence. (Note that it may not be strung between the same
1582 : : * left and right end states, however!) This used to be important for the
1583 : : * subRE tree, although the important bits are now handled by the in-line
1584 : : * code in parse(), and when this is called, it doesn't matter any more.
1585 : : */
1586 : : static void
1587 : 16192 : repeat(struct vars *v,
1588 : : struct state *lp,
1589 : : struct state *rp,
1590 : : int m,
1591 : : int n)
1592 : : {
1593 : : #define SOME 2
1594 : : #define INF 3
1595 : : #define PAIR(x, y) ((x)*4 + (y))
1596 : : #define REDUCE(x) ( ((x) == DUPINF) ? INF : (((x) > 1) ? SOME : (x)) )
1597 [ + - ]: 16192 : const int rm = REDUCE(m);
1598 [ + + ]: 16192 : const int rn = REDUCE(n);
1599 : : struct state *s;
1600 : : struct state *s2;
1601 : :
1602 [ + + + + : 16192 : switch (PAIR(rm, rn))
+ + + + +
- ]
1603 : : {
1604 : 20 : case PAIR(0, 0): /* empty string */
1605 : 20 : delsub(v->nfa, lp, rp);
1606 : 20 : EMPTYARC(lp, rp);
1607 : 20 : break;
1608 : 81 : case PAIR(0, 1): /* do as x| */
1609 : 81 : EMPTYARC(lp, rp);
1610 : 81 : break;
1611 : 2 : case PAIR(0, SOME): /* do as x{1,n}| */
1612 : 2 : repeat(v, lp, rp, 1, n);
1613 [ - + ]: 2 : NOERR();
1614 : 2 : EMPTYARC(lp, rp);
1615 : 2 : break;
1616 : 14021 : case PAIR(0, INF): /* loop x around */
1617 : 14021 : s = newstate(v->nfa);
1618 [ - + ]: 14021 : NOERR();
1619 : 14021 : moveouts(v->nfa, lp, s);
1620 : 14021 : moveins(v->nfa, rp, s);
1621 : 14021 : EMPTYARC(lp, s);
1622 : 14021 : EMPTYARC(s, rp);
1623 : 14021 : break;
1624 : 216 : case PAIR(1, 1): /* no action required */
1625 : 216 : break;
1626 : 349 : case PAIR(1, SOME): /* do as x{0,n-1}x = (x{1,n-1}|)x */
1627 : 349 : s = newstate(v->nfa);
1628 [ - + ]: 349 : NOERR();
1629 : 349 : moveouts(v->nfa, lp, s);
1630 : 349 : dupnfa(v->nfa, s, rp, lp, s);
1631 [ - + ]: 349 : NOERR();
1632 : 349 : repeat(v, lp, s, 1, n - 1);
1633 [ - + ]: 349 : NOERR();
1634 : 349 : EMPTYARC(lp, s);
1635 : 349 : break;
1636 : 436 : case PAIR(1, INF): /* add loopback arc */
1637 : 436 : s = newstate(v->nfa);
1638 : 436 : s2 = newstate(v->nfa);
1639 [ - + ]: 436 : NOERR();
1640 : 436 : moveouts(v->nfa, lp, s);
1641 : 436 : moveins(v->nfa, rp, s2);
1642 : 436 : EMPTYARC(lp, s);
1643 : 436 : EMPTYARC(s2, rp);
1644 : 436 : EMPTYARC(s2, s);
1645 : 436 : break;
1646 : 895 : case PAIR(SOME, SOME): /* do as x{m-1,n-1}x */
1647 : 895 : s = newstate(v->nfa);
1648 [ - + ]: 895 : NOERR();
1649 : 895 : moveouts(v->nfa, lp, s);
1650 : 895 : dupnfa(v->nfa, s, rp, lp, s);
1651 [ - + ]: 895 : NOERR();
1652 : 895 : repeat(v, lp, s, m - 1, n - 1);
1653 : 895 : break;
1654 : 172 : case PAIR(SOME, INF): /* do as x{m-1,}x */
1655 : 172 : s = newstate(v->nfa);
1656 [ - + ]: 172 : NOERR();
1657 : 172 : moveouts(v->nfa, lp, s);
1658 : 172 : dupnfa(v->nfa, s, rp, lp, s);
1659 [ - + ]: 172 : NOERR();
1660 : 172 : repeat(v, lp, s, m - 1, n);
1661 : 172 : break;
1662 : 0 : default:
1663 [ # # ]: 0 : ERR(REG_ASSERT);
1664 : 0 : break;
1665 : : }
1666 : : }
1667 : :
1668 : : /*
1669 : : * bracket - handle non-complemented bracket expression
1670 : : *
1671 : : * Also called from cbracket for complemented bracket expressions.
1672 : : */
1673 : : static void
1674 : 773 : bracket(struct vars *v,
1675 : : struct state *lp,
1676 : : struct state *rp)
1677 : : {
1678 : : /*
1679 : : * We can't process complemented char classes (e.g. \W) immediately while
1680 : : * scanning the bracket expression, else color bookkeeping gets confused.
1681 : : * Instead, remember whether we saw any in have_cclassc[], and process
1682 : : * them at the end.
1683 : : */
1684 : : bool have_cclassc[NUM_CCLASSES];
1685 : : bool any_cclassc;
1686 : : int i;
1687 : :
1688 : 773 : memset(have_cclassc, false, sizeof(have_cclassc));
1689 : :
1690 : : assert(SEE('['));
1691 : 773 : NEXT();
1692 [ + + + + ]: 1992 : while (!SEE(']') && !SEE(EOS))
1693 : 1219 : brackpart(v, lp, rp, have_cclassc);
1694 : : assert(SEE(']') || ISERR());
1695 : :
1696 : : /* close up open subcolors from the positive bracket elements */
1697 : 773 : okcolors(v->nfa, v->cm);
1698 [ + + ]: 773 : NOERR();
1699 : :
1700 : : /* now handle any complemented elements */
1701 : 738 : any_cclassc = false;
1702 [ + + ]: 11070 : for (i = 0; i < NUM_CCLASSES; i++)
1703 : : {
1704 [ + + ]: 10332 : if (have_cclassc[i])
1705 : : {
1706 : 16 : charclasscomplement(v, (enum char_classes) i, lp, rp);
1707 [ - + ]: 16 : NOERR();
1708 : 16 : any_cclassc = true;
1709 : : }
1710 : : }
1711 : :
1712 : : /*
1713 : : * If we had any complemented elements, see if we can optimize the bracket
1714 : : * into a rainbow. Since a complemented element is the only way a WHITE
1715 : : * arc could get into the result, there's no point in checking otherwise.
1716 : : */
1717 [ + + ]: 738 : if (any_cclassc)
1718 : 16 : optimizebracket(v, lp, rp);
1719 : : }
1720 : :
1721 : : /*
1722 : : * cbracket - handle complemented bracket expression
1723 : : *
1724 : : * We do it by calling bracket() with dummy endpoints, and then complementing
1725 : : * the result. The alternative would be to invoke rainbow(), and then delete
1726 : : * arcs as the b.e. is seen... but that gets messy, and is really quite
1727 : : * infeasible now that rainbow() just puts out one RAINBOW arc.
1728 : : */
1729 : : static void
1730 : 163 : cbracket(struct vars *v,
1731 : : struct state *lp,
1732 : : struct state *rp)
1733 : : {
1734 : 163 : struct state *left = newstate(v->nfa);
1735 : 163 : struct state *right = newstate(v->nfa);
1736 : :
1737 [ - + ]: 163 : NOERR();
1738 : 163 : bracket(v, left, right);
1739 : :
1740 : : /* in NLSTOP mode, ensure newline is not part of the result set */
1741 [ + + ]: 163 : if (v->cflags & REG_NLSTOP)
1742 : 2 : newarc(v->nfa, PLAIN, v->nlcolor, left, right);
1743 [ - + ]: 163 : NOERR();
1744 : :
1745 : : assert(lp->nouts == 0); /* all outarcs will be ours */
1746 : :
1747 : : /*
1748 : : * Easy part of complementing, and all there is to do since the MCCE code
1749 : : * was removed. Note that the result of colorcomplement() cannot be a
1750 : : * rainbow, since we don't allow empty brackets; so there's no point in
1751 : : * calling optimizebracket() again.
1752 : : */
1753 : 163 : colorcomplement(v->nfa, v->cm, PLAIN, left, lp, rp);
1754 [ - + ]: 163 : NOERR();
1755 : 163 : dropstate(v->nfa, left);
1756 : : assert(right->nins == 0);
1757 : 163 : freestate(v->nfa, right);
1758 : : }
1759 : :
1760 : : /*
1761 : : * brackpart - handle one item (or range) within a bracket expression
1762 : : */
1763 : : static void
1764 : 1219 : brackpart(struct vars *v,
1765 : : struct state *lp,
1766 : : struct state *rp,
1767 : : bool *have_cclassc)
1768 : : {
1769 : : chr startc;
1770 : : chr endc;
1771 : : struct cvec *cv;
1772 : : enum char_classes cls;
1773 : : const chr *startp;
1774 : : const chr *endp;
1775 : :
1776 : : /* parse something, get rid of special cases, take shortcuts */
1777 [ + + + + : 1219 : switch (v->nexttype)
+ + + - ]
1778 : : {
1779 : 4 : case RANGE: /* a-b-c or other botch */
1780 [ - + ]: 4 : ERR(REG_ERANGE);
1781 : 4 : return;
1782 : : break;
1783 : 987 : case PLAIN:
1784 : 987 : startc = v->nextvalue;
1785 : 987 : NEXT();
1786 : : /* shortcut for ordinary chr (not range) */
1787 [ + + ]: 987 : if (!SEE(RANGE))
1788 : : {
1789 : 645 : onechr(v, startc, lp, rp);
1790 : 645 : return;
1791 : : }
1792 [ - + ]: 342 : NOERR();
1793 : 342 : break;
1794 : 10 : case COLLEL:
1795 : 10 : startp = v->now;
1796 : 10 : endp = scanplain(v);
1797 [ - + - - ]: 10 : INSIST(startp < endp, REG_ECOLLATE);
1798 [ + + ]: 10 : NOERR();
1799 : 8 : startc = element(v, startp, endp);
1800 [ + + ]: 8 : NOERR();
1801 : 6 : break;
1802 : 14 : case ECLASS:
1803 : 14 : startp = v->now;
1804 : 14 : endp = scanplain(v);
1805 [ - + - - ]: 14 : INSIST(startp < endp, REG_ECOLLATE);
1806 [ + + ]: 14 : NOERR();
1807 : 12 : startc = element(v, startp, endp);
1808 [ + + ]: 12 : NOERR();
1809 : 10 : cv = eclass(v, startc, (v->cflags & REG_ICASE));
1810 [ - + ]: 10 : NOERR();
1811 : 10 : subcolorcvec(v, cv, lp, rp);
1812 : 10 : return;
1813 : : break;
1814 : 175 : case CCLASS:
1815 : 175 : startp = v->now;
1816 : 175 : endp = scanplain(v);
1817 [ - + - - ]: 175 : INSIST(startp < endp, REG_ECTYPE);
1818 [ + + ]: 175 : NOERR();
1819 : 173 : cls = lookupcclass(v, startp, endp);
1820 [ + + ]: 173 : NOERR();
1821 : 169 : charclass(v, cls, lp, rp);
1822 : 169 : return;
1823 : : break;
1824 : 13 : case CCLASSS:
1825 : 13 : charclass(v, (enum char_classes) v->nextvalue, lp, rp);
1826 : 13 : NEXT();
1827 : 13 : return;
1828 : : break;
1829 : 16 : case CCLASSC:
1830 : : /* we cannot call charclasscomplement() immediately */
1831 : 16 : have_cclassc[v->nextvalue] = true;
1832 : 16 : NEXT();
1833 : 16 : return;
1834 : : break;
1835 : 0 : default:
1836 [ # # ]: 0 : ERR(REG_ASSERT);
1837 : 0 : return;
1838 : : break;
1839 : : }
1840 : :
1841 [ + + ]: 348 : if (SEE(RANGE))
1842 : : {
1843 : 344 : NEXT();
1844 [ + + + ]: 344 : switch (v->nexttype)
1845 : : {
1846 : 334 : case PLAIN:
1847 : : case RANGE:
1848 : 334 : endc = v->nextvalue;
1849 : 334 : NEXT();
1850 [ + + ]: 334 : NOERR();
1851 : 332 : break;
1852 : 2 : case COLLEL:
1853 : 2 : startp = v->now;
1854 : 2 : endp = scanplain(v);
1855 [ - + - - ]: 2 : INSIST(startp < endp, REG_ECOLLATE);
1856 [ - + ]: 2 : NOERR();
1857 : 2 : endc = element(v, startp, endp);
1858 [ - + ]: 2 : NOERR();
1859 : 2 : break;
1860 : 8 : default:
1861 [ + + ]: 8 : ERR(REG_ERANGE);
1862 : 8 : return;
1863 : : break;
1864 : : }
1865 : : }
1866 : : else
1867 : 4 : endc = startc;
1868 : :
1869 : : /*
1870 : : * Ranges are unportable. Actually, standard C does guarantee that digits
1871 : : * are contiguous, but making that an exception is just too complicated.
1872 : : */
1873 [ + + ]: 338 : if (startc != endc)
1874 : 330 : NOTE(REG_UUNPORT);
1875 : 338 : cv = range(v, startc, endc, (v->cflags & REG_ICASE));
1876 [ + + ]: 338 : NOERR();
1877 : 336 : subcolorcvec(v, cv, lp, rp);
1878 : : }
1879 : :
1880 : : /*
1881 : : * scanplain - scan PLAIN contents of [. etc.
1882 : : *
1883 : : * Certain bits of trickery in regc_lex.c know that this code does not try
1884 : : * to look past the final bracket of the [. etc.
1885 : : */
1886 : : static const chr * /* just after end of sequence */
1887 : 201 : scanplain(struct vars *v)
1888 : : {
1889 : : const chr *endp;
1890 : :
1891 : : assert(SEE(COLLEL) || SEE(ECLASS) || SEE(CCLASS));
1892 : 201 : NEXT();
1893 : :
1894 : 201 : endp = v->now;
1895 [ + + ]: 1097 : while (SEE(PLAIN))
1896 : : {
1897 : 896 : endp = v->now;
1898 : 896 : NEXT();
1899 : : }
1900 : :
1901 : : assert(SEE(END) || ISERR());
1902 : 201 : NEXT();
1903 : :
1904 : 201 : return endp;
1905 : : }
1906 : :
1907 : : /*
1908 : : * onechr - fill in arcs for a plain character, and possible case complements
1909 : : * This is mostly a shortcut for efficient handling of the common case.
1910 : : */
1911 : : static void
1912 : 54038 : onechr(struct vars *v,
1913 : : chr c,
1914 : : struct state *lp,
1915 : : struct state *rp)
1916 : : {
1917 [ + + ]: 54038 : if (!(v->cflags & REG_ICASE))
1918 : : {
1919 : 53043 : color lastsubcolor = COLORLESS;
1920 : :
1921 : 53043 : subcoloronechr(v, c, lp, rp, &lastsubcolor);
1922 : 53043 : return;
1923 : : }
1924 : :
1925 : : /* rats, need general case anyway... */
1926 : 995 : subcolorcvec(v, allcases(v, c), lp, rp);
1927 : : }
1928 : :
1929 : : /*
1930 : : * optimizebracket - see if bracket expression can be converted to RAINBOW
1931 : : *
1932 : : * Cases such as "[\s\S]" can produce a set of arcs of all colors, which we
1933 : : * can replace by a single RAINBOW arc for efficiency. (This might seem
1934 : : * like a silly way to write ".", but it's seemingly a common locution in
1935 : : * some other flavors of regex, so take the trouble to support it well.)
1936 : : */
1937 : : static void
1938 : 16 : optimizebracket(struct vars *v,
1939 : : struct state *lp,
1940 : : struct state *rp)
1941 : : {
1942 : : struct colordesc *cd;
1943 : 16 : struct colordesc *end = CDEND(v->cm);
1944 : : struct arc *a;
1945 : : bool israinbow;
1946 : :
1947 : : /*
1948 : : * Scan lp's out-arcs and transiently mark the mentioned colors. We
1949 : : * expect that all of lp's out-arcs are plain, non-RAINBOW arcs to rp.
1950 : : * (Note: there shouldn't be any pseudocolors yet, but check anyway.)
1951 : : */
1952 [ + + ]: 41 : for (a = lp->outs; a != NULL; a = a->outchain)
1953 : : {
1954 : : assert(a->type == PLAIN);
1955 : : assert(a->co >= 0); /* i.e. not RAINBOW */
1956 : : assert(a->to == rp);
1957 : 25 : cd = &v->cm->cd[a->co];
1958 : : assert(!UNUSEDCOLOR(cd) && !(cd->flags & PSEUDO));
1959 : 25 : cd->flags |= COLMARK;
1960 : : }
1961 : :
1962 : : /* Scan colors, clear transient marks, check for unmarked live colors */
1963 : 16 : israinbow = true;
1964 [ + + ]: 62 : for (cd = v->cm->cd; cd < end; cd++)
1965 : : {
1966 [ + + ]: 46 : if (cd->flags & COLMARK)
1967 : 25 : cd->flags &= ~COLMARK;
1968 [ + + + - ]: 21 : else if (!UNUSEDCOLOR(cd) && !(cd->flags & PSEUDO))
1969 : 14 : israinbow = false;
1970 : : }
1971 : :
1972 : : /* Can't do anything if not all colors have arcs */
1973 [ + + ]: 16 : if (!israinbow)
1974 : 13 : return;
1975 : :
1976 : : /* OK, drop existing arcs and replace with a rainbow */
1977 [ + + ]: 9 : while ((a = lp->outs) != NULL)
1978 : 6 : freearc(v->nfa, a);
1979 : 3 : newarc(v->nfa, PLAIN, RAINBOW, lp, rp);
1980 : : }
1981 : :
1982 : : /*
1983 : : * wordchrs - set up word-chr list for word-boundary stuff, if needed
1984 : : *
1985 : : * The list is kept as a bunch of circular arcs on an otherwise-unused state.
1986 : : *
1987 : : * Note that this must not be called while we have any open subcolors,
1988 : : * else construction of the list would confuse color bookkeeping.
1989 : : * Hence, we can't currently apply a similar optimization in
1990 : : * charclass[complement](), as those need to be usable within bracket
1991 : : * expressions.
1992 : : */
1993 : : static void
1994 : 96 : wordchrs(struct vars *v)
1995 : : {
1996 : : struct state *cstate;
1997 : : struct cvec *cv;
1998 : :
1999 [ + + ]: 96 : if (v->wordchrs != NULL)
2000 : 18 : return; /* done already */
2001 : :
2002 : : /* make dummy state to hang the cache arcs on */
2003 : 78 : cstate = newstate(v->nfa);
2004 [ - + ]: 78 : NOERR();
2005 : :
2006 : : /* obtain possibly-cached cvec for \w characters */
2007 : 78 : NOTE(REG_ULOCALE);
2008 : 78 : cv = cclasscvec(v, CC_WORD, (v->cflags & REG_ICASE));
2009 [ - + ]: 78 : NOERR();
2010 : :
2011 : : /* build the arcs; this may cause color splitting */
2012 : 78 : subcolorcvec(v, cv, cstate, cstate);
2013 [ - + ]: 78 : NOERR();
2014 : :
2015 : : /* close new open subcolors to ensure the cache entry is self-contained */
2016 : 78 : okcolors(v->nfa, v->cm);
2017 [ - + ]: 78 : NOERR();
2018 : :
2019 : : /* success! save the cache pointer */
2020 : 78 : v->wordchrs = cstate;
2021 : : }
2022 : :
2023 : : /*
2024 : : * processlacon - generate the NFA representation of a LACON
2025 : : *
2026 : : * In the general case this is just newlacon() + newarc(), but some cases
2027 : : * can be optimized.
2028 : : */
2029 : : static void
2030 : 152 : processlacon(struct vars *v,
2031 : : struct state *begin, /* start of parsed LACON sub-re */
2032 : : struct state *end, /* end of parsed LACON sub-re */
2033 : : int latype,
2034 : : struct state *lp, /* left state to hang it on */
2035 : : struct state *rp) /* right state to hang it on */
2036 : : {
2037 : : struct state *s1;
2038 : : int n;
2039 : :
2040 : : /*
2041 : : * Check for lookaround RE consisting of a single plain color arc (or set
2042 : : * of arcs); this would typically be a simple chr or a bracket expression.
2043 : : */
2044 : 152 : s1 = single_color_transition(begin, end);
2045 [ + + + + : 152 : switch (latype)
- ]
2046 : : {
2047 : 41 : case LATYPE_AHEAD_POS:
2048 : : /* If lookahead RE is just colorset C, convert to AHEAD(C) */
2049 [ + + ]: 41 : if (s1 != NULL)
2050 : : {
2051 : 35 : cloneouts(v->nfa, s1, lp, rp, AHEAD);
2052 : 35 : return;
2053 : : }
2054 : 6 : break;
2055 : 45 : case LATYPE_AHEAD_NEG:
2056 : : /* If lookahead RE is just colorset C, convert to AHEAD(^C)|$ */
2057 [ + + ]: 45 : if (s1 != NULL)
2058 : : {
2059 : 12 : colorcomplement(v->nfa, v->cm, AHEAD, s1, lp, rp);
2060 : 12 : newarc(v->nfa, '$', 1, lp, rp);
2061 : 12 : newarc(v->nfa, '$', 0, lp, rp);
2062 : 12 : return;
2063 : : }
2064 : 33 : break;
2065 : 48 : case LATYPE_BEHIND_POS:
2066 : : /* If lookbehind RE is just colorset C, convert to BEHIND(C) */
2067 [ + + ]: 48 : if (s1 != NULL)
2068 : : {
2069 : 37 : cloneouts(v->nfa, s1, lp, rp, BEHIND);
2070 : 37 : return;
2071 : : }
2072 : 11 : break;
2073 : 18 : case LATYPE_BEHIND_NEG:
2074 : : /* If lookbehind RE is just colorset C, convert to BEHIND(^C)|^ */
2075 [ + - ]: 18 : if (s1 != NULL)
2076 : : {
2077 : 18 : colorcomplement(v->nfa, v->cm, BEHIND, s1, lp, rp);
2078 : 18 : newarc(v->nfa, '^', 1, lp, rp);
2079 : 18 : newarc(v->nfa, '^', 0, lp, rp);
2080 : 18 : return;
2081 : : }
2082 : 0 : break;
2083 : 50 : default:
2084 : : assert(NOTREACHED);
2085 : : }
2086 : :
2087 : : /* General case: we need a LACON subre and arc */
2088 : 50 : n = newlacon(v, begin, end, latype);
2089 : 50 : newarc(v->nfa, LACON, n, lp, rp);
2090 : : }
2091 : :
2092 : : /*
2093 : : * subre - allocate a subre
2094 : : */
2095 : : static struct subre *
2096 : 27968 : subre(struct vars *v,
2097 : : int op,
2098 : : int flags,
2099 : : struct state *begin,
2100 : : struct state *end)
2101 : : {
2102 : 27968 : struct subre *ret = v->treefree;
2103 : :
2104 : : /*
2105 : : * Checking for stack overflow here is sufficient to protect parse() and
2106 : : * its recursive subroutines.
2107 : : */
2108 [ - + ]: 27968 : if (STACK_TOO_DEEP(v->re))
2109 : : {
2110 [ # # ]: 0 : ERR(REG_ETOOBIG);
2111 : 0 : return NULL;
2112 : : }
2113 : :
2114 [ + + ]: 27968 : if (ret != NULL)
2115 : 3896 : v->treefree = ret->child;
2116 : : else
2117 : : {
2118 : 24072 : ret = (struct subre *) MALLOC(sizeof(struct subre));
2119 [ - + ]: 24072 : if (ret == NULL)
2120 : : {
2121 [ # # ]: 0 : ERR(REG_ESPACE);
2122 : 0 : return NULL;
2123 : : }
2124 : 24072 : ret->chain = v->treechain;
2125 : 24072 : v->treechain = ret;
2126 : : }
2127 : :
2128 : : assert(strchr("=b|.*(", op) != NULL);
2129 : :
2130 : 27968 : ret->op = op;
2131 : 27968 : ret->flags = flags;
2132 : 27968 : ret->latype = (char) -1;
2133 : 27968 : ret->id = 0; /* will be assigned later */
2134 : 27968 : ret->capno = 0;
2135 : 27968 : ret->backno = 0;
2136 : 27968 : ret->min = ret->max = 1;
2137 : 27968 : ret->child = NULL;
2138 : 27968 : ret->sibling = NULL;
2139 : 27968 : ret->begin = begin;
2140 : 27968 : ret->end = end;
2141 : 27968 : ZAPCNFA(ret->cnfa);
2142 : :
2143 : 27968 : return ret;
2144 : : }
2145 : :
2146 : : /*
2147 : : * freesubre - free a subRE subtree
2148 : : *
2149 : : * This frees child node(s) of the given subRE too,
2150 : : * but not its siblings.
2151 : : */
2152 : : static void
2153 : 12681 : freesubre(struct vars *v, /* might be NULL */
2154 : : struct subre *sr)
2155 : : {
2156 [ + + ]: 12681 : if (sr == NULL)
2157 : 9 : return;
2158 : :
2159 [ + + ]: 12672 : if (sr->child != NULL)
2160 : 754 : freesubreandsiblings(v, sr->child);
2161 : :
2162 : 12672 : freesrnode(v, sr);
2163 : : }
2164 : :
2165 : : /*
2166 : : * freesubreandsiblings - free a subRE subtree
2167 : : *
2168 : : * This frees child node(s) of the given subRE too,
2169 : : * as well as any following siblings.
2170 : : */
2171 : : static void
2172 : 5616 : freesubreandsiblings(struct vars *v, /* might be NULL */
2173 : : struct subre *sr)
2174 : : {
2175 [ + + ]: 16583 : while (sr != NULL)
2176 : : {
2177 : 10967 : struct subre *next = sr->sibling;
2178 : :
2179 : 10967 : freesubre(v, sr);
2180 : 10967 : sr = next;
2181 : : }
2182 : 5616 : }
2183 : :
2184 : : /*
2185 : : * freesrnode - free one node in a subRE subtree
2186 : : */
2187 : : static void
2188 : 21853 : freesrnode(struct vars *v, /* might be NULL */
2189 : : struct subre *sr)
2190 : : {
2191 [ - + ]: 21853 : if (sr == NULL)
2192 : 0 : return;
2193 : :
2194 [ + + ]: 21853 : if (!NULLCNFA(sr->cnfa))
2195 : 1500 : freecnfa(&sr->cnfa);
2196 : 21853 : sr->flags = 0; /* in particular, not INUSE */
2197 : 21853 : sr->child = sr->sibling = NULL;
2198 : 21853 : sr->begin = sr->end = NULL;
2199 : :
2200 [ + + + + ]: 21853 : if (v != NULL && v->treechain != NULL)
2201 : : {
2202 : : /* we're still parsing, maybe we can reuse the subre */
2203 : 20349 : sr->child = v->treefree;
2204 : 20349 : v->treefree = sr;
2205 : : }
2206 : : else
2207 : 1504 : FREE(sr);
2208 : : }
2209 : :
2210 : : /*
2211 : : * removecaptures - remove unnecessary capture subREs
2212 : : *
2213 : : * If the caller said that it doesn't care about subexpression match data,
2214 : : * we may delete the "capture" markers on subREs that are not referenced
2215 : : * by any backrefs, and then simplify anything that's become non-messy.
2216 : : * Call this only if REG_NOSUB flag is set.
2217 : : */
2218 : : static void
2219 : 13612 : removecaptures(struct vars *v,
2220 : : struct subre *t)
2221 : : {
2222 : : struct subre *t2;
2223 : :
2224 : : assert(t != NULL);
2225 : :
2226 : : /*
2227 : : * If this isn't itself a backref target, clear capno and tentatively
2228 : : * clear CAP flag.
2229 : : */
2230 [ + + ]: 13612 : if (!(t->flags & BRUSE))
2231 : : {
2232 : 13564 : t->capno = 0;
2233 : 13564 : t->flags &= ~CAP;
2234 : : }
2235 : :
2236 : : /* Now recurse to children */
2237 [ + + ]: 23330 : for (t2 = t->child; t2 != NULL; t2 = t2->sibling)
2238 : : {
2239 : 9718 : removecaptures(v, t2);
2240 : : /* Propagate child CAP flag back up, if it's still set */
2241 [ + + ]: 9718 : if (t2->flags & CAP)
2242 : 97 : t->flags |= CAP;
2243 : : }
2244 : :
2245 : : /*
2246 : : * If t now contains neither captures nor backrefs, there's no longer any
2247 : : * need to care where its sub-match boundaries are, so we can reduce it to
2248 : : * a simple DFA node. (Note in particular that MIXED child greediness is
2249 : : * not a hindrance here, so we don't use the MESSY() macro.)
2250 : : */
2251 [ + + ]: 13612 : if ((t->flags & (CAP | BACKR)) == 0)
2252 : : {
2253 [ + + ]: 13354 : if (t->child)
2254 : 4739 : freesubreandsiblings(v, t->child);
2255 : 13354 : t->child = NULL;
2256 : 13354 : t->op = '=';
2257 : 13354 : t->flags &= ~MIXED;
2258 : : }
2259 : 13612 : }
2260 : :
2261 : : /*
2262 : : * numst - number tree nodes (assigning "id" indexes)
2263 : : */
2264 : : static int /* next number */
2265 : 7221 : numst(struct subre *t,
2266 : : int start) /* starting point for subtree numbers */
2267 : : {
2268 : : int i;
2269 : : struct subre *t2;
2270 : :
2271 : : assert(t != NULL);
2272 : :
2273 : 7221 : i = start;
2274 : 7221 : t->id = i++;
2275 [ + + ]: 9442 : for (t2 = t->child; t2 != NULL; t2 = t2->sibling)
2276 : 2221 : i = numst(t2, i);
2277 : 7221 : return i;
2278 : : }
2279 : :
2280 : : /*
2281 : : * markst - mark tree nodes as INUSE
2282 : : *
2283 : : * Note: this is a great deal more subtle than it looks. During initial
2284 : : * parsing of a regex, all subres are linked into the treechain list;
2285 : : * discarded ones are also linked into the treefree list for possible reuse.
2286 : : * After we are done creating all subres required for a regex, we run markst()
2287 : : * then cleanst(), which results in discarding all subres not reachable from
2288 : : * v->tree. We then clear v->treechain, indicating that subres must be found
2289 : : * by descending from v->tree. This changes the behavior of freesubre(): it
2290 : : * will henceforth FREE() unwanted subres rather than sticking them into the
2291 : : * treefree list. (Doing that any earlier would result in dangling links in
2292 : : * the treechain list.) This all means that freev() will clean up correctly
2293 : : * if invoked before or after markst()+cleanst(); but it would not work if
2294 : : * called partway through this state conversion, so we mustn't error out
2295 : : * in or between these two functions.
2296 : : */
2297 : : static void
2298 : 7221 : markst(struct subre *t)
2299 : : {
2300 : : struct subre *t2;
2301 : :
2302 : : assert(t != NULL);
2303 : :
2304 : 7221 : t->flags |= INUSE;
2305 [ + + ]: 9442 : for (t2 = t->child; t2 != NULL; t2 = t2->sibling)
2306 : 2221 : markst(t2);
2307 : 7221 : }
2308 : :
2309 : : /*
2310 : : * cleanst - free any tree nodes not marked INUSE
2311 : : */
2312 : : static void
2313 : 5117 : cleanst(struct vars *v)
2314 : : {
2315 : : struct subre *t;
2316 : : struct subre *next;
2317 : :
2318 [ + + ]: 29189 : for (t = v->treechain; t != NULL; t = next)
2319 : : {
2320 : 24072 : next = t->chain;
2321 [ + + ]: 24072 : if (!(t->flags & INUSE))
2322 : 16851 : FREE(t);
2323 : : }
2324 : 5117 : v->treechain = NULL;
2325 : 5117 : v->treefree = NULL; /* just on general principles */
2326 : 5117 : }
2327 : :
2328 : : /*
2329 : : * nfatree - turn a subRE subtree into a tree of compacted NFAs
2330 : : */
2331 : : static long /* optimize results from top node */
2332 : 7221 : nfatree(struct vars *v,
2333 : : struct subre *t,
2334 : : FILE *f) /* for debug output */
2335 : : {
2336 : : struct subre *t2;
2337 : :
2338 : : assert(t != NULL && t->begin != NULL);
2339 : :
2340 [ + + ]: 9442 : for (t2 = t->child; t2 != NULL; t2 = t2->sibling)
2341 : 2221 : (DISCARD) nfatree(v, t2, f);
2342 : :
2343 : 7221 : return nfanode(v, t, 0, f);
2344 : : }
2345 : :
2346 : : /*
2347 : : * nfanode - do one NFA for nfatree or lacons
2348 : : *
2349 : : * If converttosearch is true, apply makesearch() to the NFA.
2350 : : */
2351 : : static long /* optimize results */
2352 : 7271 : nfanode(struct vars *v,
2353 : : struct subre *t,
2354 : : int converttosearch,
2355 : : FILE *f) /* for debug output */
2356 : : {
2357 : : struct nfa *nfa;
2358 : 7271 : long ret = 0;
2359 : :
2360 : : assert(t->begin != NULL);
2361 : :
2362 : : #ifdef REG_DEBUG
2363 : : if (f != NULL)
2364 : : {
2365 : : char idbuf[50];
2366 : :
2367 : : fprintf(f, "\n\n\n========= TREE NODE %s ==========\n",
2368 : : stid(t, idbuf, sizeof(idbuf)));
2369 : : }
2370 : : #endif
2371 : 7271 : nfa = newnfa(v, v->cm, v->nfa);
2372 [ - + ]: 7271 : NOERRZ();
2373 : 7271 : dupnfa(nfa, t->begin, t->end, nfa->init, nfa->final);
2374 : 7271 : nfa->flags = v->nfa->flags;
2375 [ + - ]: 7271 : if (!ISERR())
2376 : 7271 : specialcolors(nfa);
2377 [ + - ]: 7271 : if (!ISERR())
2378 : 7271 : ret = optimize(nfa, f);
2379 [ + + + - ]: 7271 : if (converttosearch && !ISERR())
2380 : 11 : makesearch(v, nfa);
2381 [ + + ]: 7271 : if (!ISERR())
2382 : 7267 : compact(nfa, &t->cnfa);
2383 : :
2384 : 7271 : freenfa(nfa);
2385 : 7271 : return ret;
2386 : : }
2387 : :
2388 : : /*
2389 : : * newlacon - allocate a lookaround-constraint subRE
2390 : : */
2391 : : static int /* lacon number */
2392 : 50 : newlacon(struct vars *v,
2393 : : struct state *begin,
2394 : : struct state *end,
2395 : : int latype)
2396 : : {
2397 : : int n;
2398 : : struct subre *newlacons;
2399 : : struct subre *sub;
2400 : :
2401 [ + + ]: 50 : if (v->nlacons == 0)
2402 : : {
2403 : 34 : n = 1; /* skip 0th */
2404 : 34 : newlacons = (struct subre *) MALLOC(2 * sizeof(struct subre));
2405 : : }
2406 : : else
2407 : : {
2408 : 16 : n = v->nlacons;
2409 : : /* better use REALLOC_ARRAY here, as struct subre is big */
2410 : 16 : newlacons = REALLOC_ARRAY(v->lacons, struct subre, n + 1);
2411 : : }
2412 [ - + ]: 50 : if (newlacons == NULL)
2413 : : {
2414 [ # # ]: 0 : ERR(REG_ESPACE);
2415 : 0 : return 0;
2416 : : }
2417 : 50 : v->lacons = newlacons;
2418 : 50 : v->nlacons = n + 1;
2419 : 50 : sub = &v->lacons[n];
2420 : 50 : sub->begin = begin;
2421 : 50 : sub->end = end;
2422 : 50 : sub->latype = latype;
2423 : 50 : ZAPCNFA(sub->cnfa);
2424 : 50 : return n;
2425 : : }
2426 : :
2427 : : /*
2428 : : * freelacons - free lookaround-constraint subRE vector
2429 : : */
2430 : : static void
2431 : 10 : freelacons(struct subre *subs,
2432 : : int n)
2433 : : {
2434 : : struct subre *sub;
2435 : : int i;
2436 : :
2437 : : assert(n > 0);
2438 [ + + ]: 28 : for (sub = subs + 1, i = n - 1; i > 0; sub++, i--) /* no 0th */
2439 [ + - ]: 18 : if (!NULLCNFA(sub->cnfa))
2440 : 18 : freecnfa(&sub->cnfa);
2441 : 10 : FREE(subs);
2442 : 10 : }
2443 : :
2444 : : /*
2445 : : * rfree - free a whole RE (insides of regfree)
2446 : : */
2447 : : static void
2448 : 799 : rfree(regex_t *re)
2449 : : {
2450 : : struct guts *g;
2451 : :
2452 [ + - - + ]: 799 : if (re == NULL || re->re_magic != REMAGIC)
2453 : 0 : return;
2454 : :
2455 : 799 : re->re_magic = 0; /* invalidate RE */
2456 : 799 : g = (struct guts *) re->re_guts;
2457 : 799 : re->re_guts = NULL;
2458 : 799 : re->re_fns = NULL;
2459 [ + - ]: 799 : if (g != NULL)
2460 : : {
2461 : 799 : g->magic = 0;
2462 : 799 : freecm(&g->cmap);
2463 [ + + ]: 799 : if (g->tree != NULL)
2464 : 670 : freesubre((struct vars *) NULL, g->tree);
2465 [ + + ]: 799 : if (g->lacons != NULL)
2466 : 10 : freelacons(g->lacons, g->nlacons);
2467 [ + + ]: 799 : if (!NULLCNFA(g->search))
2468 : 670 : freecnfa(&g->search);
2469 : 799 : FREE(g);
2470 : : }
2471 : : }
2472 : :
2473 : : /*
2474 : : * rstacktoodeep - check for stack getting dangerously deep
2475 : : *
2476 : : * Return nonzero to fail the operation with error code REG_ETOOBIG,
2477 : : * zero to keep going
2478 : : *
2479 : : * The current implementation is Postgres-specific. If we ever get around
2480 : : * to splitting the regex code out as a standalone library, there will need
2481 : : * to be some API to let applications define a callback function for this.
2482 : : */
2483 : : static int
2484 : 13865935 : rstacktoodeep(void)
2485 : : {
2486 : 13865935 : return stack_is_too_deep();
2487 : : }
2488 : :
2489 : : #ifdef REG_DEBUG
2490 : :
2491 : : /*
2492 : : * dump - dump an RE in human-readable form
2493 : : */
2494 : : static void
2495 : : dump(regex_t *re,
2496 : : FILE *f)
2497 : : {
2498 : : struct guts *g;
2499 : : int i;
2500 : :
2501 : : if (re->re_magic != REMAGIC)
2502 : : fprintf(f, "bad magic number (0x%x not 0x%x)\n", re->re_magic,
2503 : : REMAGIC);
2504 : : if (re->re_guts == NULL)
2505 : : {
2506 : : fprintf(f, "NULL guts!!!\n");
2507 : : return;
2508 : : }
2509 : : g = (struct guts *) re->re_guts;
2510 : : if (g->magic != GUTSMAGIC)
2511 : : fprintf(f, "bad guts magic number (0x%x not 0x%x)\n", g->magic,
2512 : : GUTSMAGIC);
2513 : :
2514 : : fprintf(f, "\n\n\n========= DUMP ==========\n");
2515 : : fprintf(f, "nsub %d, info 0%lo, csize %d, ntree %d\n",
2516 : : (int) re->re_nsub, re->re_info, re->re_csize, g->ntree);
2517 : :
2518 : : dumpcolors(&g->cmap, f);
2519 : : if (!NULLCNFA(g->search))
2520 : : {
2521 : : fprintf(f, "\nsearch:\n");
2522 : : dumpcnfa(&g->search, f);
2523 : : }
2524 : : for (i = 1; i < g->nlacons; i++)
2525 : : {
2526 : : struct subre *lasub = &g->lacons[i];
2527 : : const char *latype;
2528 : :
2529 : : switch (lasub->latype)
2530 : : {
2531 : : case LATYPE_AHEAD_POS:
2532 : : latype = "positive lookahead";
2533 : : break;
2534 : : case LATYPE_AHEAD_NEG:
2535 : : latype = "negative lookahead";
2536 : : break;
2537 : : case LATYPE_BEHIND_POS:
2538 : : latype = "positive lookbehind";
2539 : : break;
2540 : : case LATYPE_BEHIND_NEG:
2541 : : latype = "negative lookbehind";
2542 : : break;
2543 : : default:
2544 : : latype = "???";
2545 : : break;
2546 : : }
2547 : : fprintf(f, "\nla%d (%s):\n", i, latype);
2548 : : dumpcnfa(&lasub->cnfa, f);
2549 : : }
2550 : : fprintf(f, "\n");
2551 : : dumpst(g->tree, f, 0);
2552 : : }
2553 : :
2554 : : /*
2555 : : * dumpst - dump a subRE tree
2556 : : */
2557 : : static void
2558 : : dumpst(struct subre *t,
2559 : : FILE *f,
2560 : : int nfapresent) /* is the original NFA still around? */
2561 : : {
2562 : : if (t == NULL)
2563 : : fprintf(f, "null tree\n");
2564 : : else
2565 : : stdump(t, f, nfapresent);
2566 : : fflush(f);
2567 : : }
2568 : :
2569 : : /*
2570 : : * stdump - recursive guts of dumpst
2571 : : */
2572 : : static void
2573 : : stdump(struct subre *t,
2574 : : FILE *f,
2575 : : int nfapresent) /* is the original NFA still around? */
2576 : : {
2577 : : char idbuf[50];
2578 : : struct subre *t2;
2579 : :
2580 : : fprintf(f, "%s. `%c'", stid(t, idbuf, sizeof(idbuf)), t->op);
2581 : : if (t->flags & LONGER)
2582 : : fprintf(f, " longest");
2583 : : if (t->flags & SHORTER)
2584 : : fprintf(f, " shortest");
2585 : : if (t->flags & MIXED)
2586 : : fprintf(f, " hasmixed");
2587 : : if (t->flags & CAP)
2588 : : fprintf(f, " hascapture");
2589 : : if (t->flags & BACKR)
2590 : : fprintf(f, " hasbackref");
2591 : : if (t->flags & BRUSE)
2592 : : fprintf(f, " isreferenced");
2593 : : if (!(t->flags & INUSE))
2594 : : fprintf(f, " UNUSED");
2595 : : if (t->latype != (char) -1)
2596 : : fprintf(f, " latype(%d)", t->latype);
2597 : : if (t->capno != 0)
2598 : : fprintf(f, " capture(%d)", t->capno);
2599 : : if (t->backno != 0)
2600 : : fprintf(f, " backref(%d)", t->backno);
2601 : : if (t->min != 1 || t->max != 1)
2602 : : {
2603 : : fprintf(f, " {%d,", t->min);
2604 : : if (t->max != DUPINF)
2605 : : fprintf(f, "%d", t->max);
2606 : : fprintf(f, "}");
2607 : : }
2608 : : if (nfapresent)
2609 : : fprintf(f, " %ld-%ld", (long) t->begin->no, (long) t->end->no);
2610 : : if (t->child != NULL)
2611 : : fprintf(f, " C:%s", stid(t->child, idbuf, sizeof(idbuf)));
2612 : : /* printing second child isn't necessary, but it is often helpful */
2613 : : if (t->child != NULL && t->child->sibling != NULL)
2614 : : fprintf(f, " C2:%s", stid(t->child->sibling, idbuf, sizeof(idbuf)));
2615 : : if (t->sibling != NULL)
2616 : : fprintf(f, " S:%s", stid(t->sibling, idbuf, sizeof(idbuf)));
2617 : : if (!NULLCNFA(t->cnfa))
2618 : : {
2619 : : fprintf(f, "\n");
2620 : : dumpcnfa(&t->cnfa, f);
2621 : : }
2622 : : fprintf(f, "\n");
2623 : : for (t2 = t->child; t2 != NULL; t2 = t2->sibling)
2624 : : stdump(t2, f, nfapresent);
2625 : : }
2626 : :
2627 : : /*
2628 : : * stid - identify a subtree node for dumping
2629 : : */
2630 : : static const char * /* points to buf or constant string */
2631 : : stid(struct subre *t,
2632 : : char *buf,
2633 : : size_t bufsize)
2634 : : {
2635 : : /* big enough for hex int or decimal t->id? */
2636 : : if (bufsize < sizeof(void *) * 2 + 3 || bufsize < sizeof(t->id) * 3 + 1)
2637 : : return "unable";
2638 : : if (t->id != 0)
2639 : : sprintf(buf, "%d", t->id);
2640 : : else
2641 : : sprintf(buf, "%p", t);
2642 : : return buf;
2643 : : }
2644 : : #endif /* REG_DEBUG */
2645 : :
2646 : :
2647 : : #include "regc_lex.c"
2648 : : #include "regc_color.c"
2649 : : #include "regc_nfa.c"
2650 : : #include "regc_cvec.c"
2651 : : #include "regc_pg_locale.c"
2652 : : #include "regc_locale.c"
|
