Branch data Line data Source code
1 : : /*-------------------------------------------------------------------------
2 : : *
3 : : * wparser_def.c
4 : : * Default text search parser
5 : : *
6 : : * Portions Copyright (c) 1996-2026, PostgreSQL Global Development Group
7 : : *
8 : : *
9 : : * IDENTIFICATION
10 : : * src/backend/tsearch/wparser_def.c
11 : : *
12 : : *-------------------------------------------------------------------------
13 : : */
14 : :
15 : : #include "postgres.h"
16 : :
17 : : #include <limits.h>
18 : : #include <wctype.h>
19 : :
20 : : #include "commands/defrem.h"
21 : : #include "mb/pg_wchar.h"
22 : : #include "miscadmin.h"
23 : : #include "tsearch/ts_public.h"
24 : : #include "tsearch/ts_type.h"
25 : : #include "tsearch/ts_utils.h"
26 : : #include "utils/builtins.h"
27 : : #include "utils/pg_locale.h"
28 : :
29 : :
30 : : /* Define me to enable tracing of parser behavior */
31 : : /* #define WPARSER_TRACE */
32 : :
33 : :
34 : : /* Output token categories */
35 : :
36 : : #define ASCIIWORD 1
37 : : #define WORD_T 2
38 : : #define NUMWORD 3
39 : : #define EMAIL 4
40 : : #define URL_T 5
41 : : #define HOST 6
42 : : #define SCIENTIFIC 7
43 : : #define VERSIONNUMBER 8
44 : : #define NUMPARTHWORD 9
45 : : #define PARTHWORD 10
46 : : #define ASCIIPARTHWORD 11
47 : : #define SPACE 12
48 : : #define TAG_T 13
49 : : #define PROTOCOL 14
50 : : #define NUMHWORD 15
51 : : #define ASCIIHWORD 16
52 : : #define HWORD 17
53 : : #define URLPATH 18
54 : : #define FILEPATH 19
55 : : #define DECIMAL_T 20
56 : : #define SIGNEDINT 21
57 : : #define UNSIGNEDINT 22
58 : : #define XMLENTITY 23
59 : :
60 : : #define LASTNUM 23
61 : :
62 : : static const char *const tok_alias[] = {
63 : : "",
64 : : "asciiword",
65 : : "word",
66 : : "numword",
67 : : "email",
68 : : "url",
69 : : "host",
70 : : "sfloat",
71 : : "version",
72 : : "hword_numpart",
73 : : "hword_part",
74 : : "hword_asciipart",
75 : : "blank",
76 : : "tag",
77 : : "protocol",
78 : : "numhword",
79 : : "asciihword",
80 : : "hword",
81 : : "url_path",
82 : : "file",
83 : : "float",
84 : : "int",
85 : : "uint",
86 : : "entity"
87 : : };
88 : :
89 : : static const char *const lex_descr[] = {
90 : : "",
91 : : "Word, all ASCII",
92 : : "Word, all letters",
93 : : "Word, letters and digits",
94 : : "Email address",
95 : : "URL",
96 : : "Host",
97 : : "Scientific notation",
98 : : "Version number",
99 : : "Hyphenated word part, letters and digits",
100 : : "Hyphenated word part, all letters",
101 : : "Hyphenated word part, all ASCII",
102 : : "Space symbols",
103 : : "XML tag",
104 : : "Protocol head",
105 : : "Hyphenated word, letters and digits",
106 : : "Hyphenated word, all ASCII",
107 : : "Hyphenated word, all letters",
108 : : "URL path",
109 : : "File or path name",
110 : : "Decimal notation",
111 : : "Signed integer",
112 : : "Unsigned integer",
113 : : "XML entity"
114 : : };
115 : :
116 : :
117 : : /* Parser states */
118 : :
119 : : typedef enum
120 : : {
121 : : TPS_Base = 0,
122 : : TPS_InNumWord,
123 : : TPS_InAsciiWord,
124 : : TPS_InWord,
125 : : TPS_InUnsignedInt,
126 : : TPS_InSignedIntFirst,
127 : : TPS_InSignedInt,
128 : : TPS_InSpace,
129 : : TPS_InUDecimalFirst,
130 : : TPS_InUDecimal,
131 : : TPS_InDecimalFirst,
132 : : TPS_InDecimal,
133 : : TPS_InVerVersion,
134 : : TPS_InSVerVersion,
135 : : TPS_InVersionFirst,
136 : : TPS_InVersion,
137 : : TPS_InMantissaFirst,
138 : : TPS_InMantissaSign,
139 : : TPS_InMantissa,
140 : : TPS_InXMLEntityFirst,
141 : : TPS_InXMLEntity,
142 : : TPS_InXMLEntityNumFirst,
143 : : TPS_InXMLEntityNum,
144 : : TPS_InXMLEntityHexNumFirst,
145 : : TPS_InXMLEntityHexNum,
146 : : TPS_InXMLEntityEnd,
147 : : TPS_InTagFirst,
148 : : TPS_InXMLBegin,
149 : : TPS_InTagCloseFirst,
150 : : TPS_InTagName,
151 : : TPS_InTagBeginEnd,
152 : : TPS_InTag,
153 : : TPS_InTagEscapeK,
154 : : TPS_InTagEscapeKK,
155 : : TPS_InTagBackSleshed,
156 : : TPS_InTagEnd,
157 : : TPS_InCommentFirst,
158 : : TPS_InCommentLast,
159 : : TPS_InComment,
160 : : TPS_InCloseCommentFirst,
161 : : TPS_InCloseCommentLast,
162 : : TPS_InCommentEnd,
163 : : TPS_InHostFirstDomain,
164 : : TPS_InHostDomainSecond,
165 : : TPS_InHostDomain,
166 : : TPS_InPortFirst,
167 : : TPS_InPort,
168 : : TPS_InHostFirstAN,
169 : : TPS_InHost,
170 : : TPS_InEmail,
171 : : TPS_InFileFirst,
172 : : TPS_InFileTwiddle,
173 : : TPS_InPathFirst,
174 : : TPS_InPathFirstFirst,
175 : : TPS_InPathSecond,
176 : : TPS_InFile,
177 : : TPS_InFileNext,
178 : : TPS_InURLPathFirst,
179 : : TPS_InURLPathStart,
180 : : TPS_InURLPath,
181 : : TPS_InFURL,
182 : : TPS_InProtocolFirst,
183 : : TPS_InProtocolSecond,
184 : : TPS_InProtocolEnd,
185 : : TPS_InHyphenAsciiWordFirst,
186 : : TPS_InHyphenAsciiWord,
187 : : TPS_InHyphenWordFirst,
188 : : TPS_InHyphenWord,
189 : : TPS_InHyphenNumWordFirst,
190 : : TPS_InHyphenNumWord,
191 : : TPS_InHyphenDigitLookahead,
192 : : TPS_InParseHyphen,
193 : : TPS_InParseHyphenHyphen,
194 : : TPS_InHyphenWordPart,
195 : : TPS_InHyphenAsciiWordPart,
196 : : TPS_InHyphenNumWordPart,
197 : : TPS_InHyphenUnsignedInt,
198 : : TPS_Null /* last state (fake value) */
199 : : } TParserState;
200 : :
201 : : /* forward declaration */
202 : : struct TParser;
203 : :
204 : : typedef int (*TParserCharTest) (struct TParser *); /* any p_is* functions
205 : : * except p_iseq */
206 : : typedef void (*TParserSpecial) (struct TParser *); /* special handler for
207 : : * special cases... */
208 : :
209 : : typedef struct
210 : : {
211 : : TParserCharTest isclass;
212 : : char c;
213 : : uint16 flags;
214 : : TParserState tostate;
215 : : int type;
216 : : TParserSpecial special;
217 : : } TParserStateActionItem;
218 : :
219 : : /* Flag bits in TParserStateActionItem.flags */
220 : : #define A_NEXT 0x0000
221 : : #define A_BINGO 0x0001
222 : : #define A_POP 0x0002
223 : : #define A_PUSH 0x0004
224 : : #define A_RERUN 0x0008
225 : : #define A_CLEAR 0x0010
226 : : #define A_MERGE 0x0020
227 : : #define A_CLRALL 0x0040
228 : :
229 : : typedef struct TParserPosition
230 : : {
231 : : int posbyte; /* position of parser in bytes */
232 : : int poschar; /* position of parser in characters */
233 : : int charlen; /* length of current char */
234 : : int lenbytetoken; /* length of token-so-far in bytes */
235 : : int lenchartoken; /* and in chars */
236 : : TParserState state;
237 : : struct TParserPosition *prev;
238 : : const TParserStateActionItem *pushedAtAction;
239 : : } TParserPosition;
240 : :
241 : : typedef struct TParser
242 : : {
243 : : /* string and position information */
244 : : char *str; /* multibyte string */
245 : : int lenstr; /* length of mbstring */
246 : : pg_wchar *pgwstr; /* wide character string for C-locale */
247 : :
248 : : /* State of parse */
249 : : int charmaxlen;
250 : : TParserPosition *state;
251 : : bool ignore;
252 : : bool wanthost;
253 : :
254 : : /* silly char */
255 : : char c;
256 : :
257 : : /* out */
258 : : char *token;
259 : : int lenbytetoken;
260 : : int lenchartoken;
261 : : int type;
262 : : } TParser;
263 : :
264 : :
265 : : /* forward decls here */
266 : : static bool TParserGet(TParser *prs);
267 : :
268 : :
269 : : static TParserPosition *
270 : 8247 : newTParserPosition(TParserPosition *prev)
271 : : {
272 : 8247 : TParserPosition *res = palloc_object(TParserPosition);
273 : :
274 [ + + ]: 8247 : if (prev)
275 : 4155 : memcpy(res, prev, sizeof(TParserPosition));
276 : : else
277 : 4092 : memset(res, 0, sizeof(TParserPosition));
278 : :
279 : 8247 : res->prev = prev;
280 : :
281 : 8247 : res->pushedAtAction = NULL;
282 : :
283 : 8247 : return res;
284 : : }
285 : :
286 : : static TParser *
287 : 3908 : TParserInit(char *str, int len)
288 : : {
289 : 3908 : TParser *prs = palloc0_object(TParser);
290 : :
291 : 3908 : prs->charmaxlen = pg_database_encoding_max_length();
292 : 3908 : prs->str = str;
293 : 3908 : prs->lenstr = len;
294 : 3908 : prs->pgwstr = palloc_array(pg_wchar, prs->lenstr + 1);
295 : 3908 : pg_mb2wchar_with_len(prs->str, prs->pgwstr, prs->lenstr);
296 : :
297 : 3908 : prs->state = newTParserPosition(NULL);
298 : 3908 : prs->state->state = TPS_Base;
299 : :
300 : : #ifdef WPARSER_TRACE
301 : : fprintf(stderr, "parsing \"%.*s\"\n", len, str);
302 : : #endif
303 : :
304 : 3908 : return prs;
305 : : }
306 : :
307 : : /*
308 : : * As an alternative to a full TParserInit one can create a
309 : : * TParserCopy which basically is a regular TParser without a private
310 : : * copy of the string - instead it uses the one from another TParser.
311 : : * This is useful because at some places TParsers are created
312 : : * recursively and the repeated copying around of the strings can
313 : : * cause major inefficiency if the source string is long.
314 : : * The new parser starts parsing at the original's current position.
315 : : *
316 : : * Obviously one must not close the original TParser before the copy.
317 : : */
318 : : static TParser *
319 : 184 : TParserCopyInit(const TParser *orig)
320 : : {
321 : 184 : TParser *prs = palloc0_object(TParser);
322 : :
323 : 184 : prs->charmaxlen = orig->charmaxlen;
324 : 184 : prs->str = orig->str + orig->state->posbyte;
325 : 184 : prs->lenstr = orig->lenstr - orig->state->posbyte;
326 : :
327 [ + - ]: 184 : if (orig->pgwstr)
328 : 184 : prs->pgwstr = orig->pgwstr + orig->state->poschar;
329 : :
330 : 184 : prs->state = newTParserPosition(NULL);
331 : 184 : prs->state->state = TPS_Base;
332 : :
333 : : #ifdef WPARSER_TRACE
334 : : fprintf(stderr, "parsing copy of \"%.*s\"\n", prs->lenstr, prs->str);
335 : : #endif
336 : :
337 : 184 : return prs;
338 : : }
339 : :
340 : :
341 : : static void
342 : 3908 : TParserClose(TParser *prs)
343 : : {
344 [ + + ]: 7816 : while (prs->state)
345 : : {
346 : 3908 : TParserPosition *ptr = prs->state->prev;
347 : :
348 : 3908 : pfree(prs->state);
349 : 3908 : prs->state = ptr;
350 : : }
351 : :
352 [ + - ]: 3908 : if (prs->pgwstr)
353 : 3908 : pfree(prs->pgwstr);
354 : :
355 : : #ifdef WPARSER_TRACE
356 : : fprintf(stderr, "closing parser\n");
357 : : #endif
358 : 3908 : pfree(prs);
359 : 3908 : }
360 : :
361 : : /*
362 : : * Close a parser created with TParserCopyInit
363 : : */
364 : : static void
365 : 184 : TParserCopyClose(TParser *prs)
366 : : {
367 [ + + ]: 468 : while (prs->state)
368 : : {
369 : 284 : TParserPosition *ptr = prs->state->prev;
370 : :
371 : 284 : pfree(prs->state);
372 : 284 : prs->state = ptr;
373 : : }
374 : :
375 : : #ifdef WPARSER_TRACE
376 : : fprintf(stderr, "closing parser copy\n");
377 : : #endif
378 : 184 : pfree(prs);
379 : 184 : }
380 : :
381 : :
382 : : /*
383 : : * Character-type support functions using the database default locale. If the
384 : : * locale is C, and the input character is non-ascii, the value to be returned
385 : : * is determined by the 'nonascii' macro argument.
386 : : */
387 : :
388 : : #define p_iswhat(type, nonascii) \
389 : : \
390 : : static int \
391 : : p_is##type(TParser *prs) \
392 : : { \
393 : : pg_locale_t locale = pg_database_locale(); \
394 : : pg_wchar wc; \
395 : : Assert(prs->state); \
396 : : wc = prs->pgwstr[prs->state->poschar]; \
397 : : if (prs->charmaxlen > 1 && locale->ctype_is_c && wc > 0x7f) \
398 : : return nonascii; \
399 : : return pg_isw##type(wc, pg_database_locale()); \
400 : : } \
401 : : \
402 : : static int \
403 : : p_isnot##type(TParser *prs) \
404 : : { \
405 : : return !p_is##type(prs); \
406 : : }
407 : :
408 : : /*
409 : : * In C locale with a multibyte encoding, any non-ASCII symbol is considered
410 : : * an alpha character, but not a member of other char classes.
411 : : */
412 [ + - - + : 20648 : p_iswhat(alnum, 1)
- - ]
413 [ + - - + : 76757 : p_iswhat(alpha, 1)
- - ]
414 [ + - - + : 30258 : p_iswhat(digit, 0)
- - ]
415 [ # # # # : 0 : p_iswhat(lower, 0)
# # ]
416 [ # # # # : 0 : p_iswhat(print, 0)
# # ]
417 [ # # # # : 0 : p_iswhat(punct, 0)
# # ]
418 [ + - - + : 502 : p_iswhat(space, 0)
- - ]
419 [ # # # # : 0 : p_iswhat(upper, 0)
# # ]
420 [ + - - + : 12 : p_iswhat(xdigit, 0)
- - ]
421 : :
422 : : /* p_iseq should be used only for ascii symbols */
423 : :
424 : : static int
425 : 189647 : p_iseq(TParser *prs, char c)
426 : : {
427 : : Assert(prs->state);
428 [ + - + + ]: 189647 : return ((prs->state->charlen == 1 && *(prs->str + prs->state->posbyte) == c)) ? 1 : 0;
429 : : }
430 : :
431 : : static int
432 : 81622 : p_isEOF(TParser *prs)
433 : : {
434 : : Assert(prs->state);
435 [ + + - + ]: 81622 : return (prs->state->posbyte == prs->lenstr || prs->state->charlen == 0) ? 1 : 0;
436 : : }
437 : :
438 : : static int
439 : 189647 : p_iseqC(TParser *prs)
440 : : {
441 : 189647 : return p_iseq(prs, prs->c);
442 : : }
443 : :
444 : : static int
445 : 0 : p_isneC(TParser *prs)
446 : : {
447 : 0 : return !p_iseq(prs, prs->c);
448 : : }
449 : :
450 : : static int
451 : 60076 : p_isascii(TParser *prs)
452 : : {
453 [ + - + - ]: 60076 : return (prs->state->charlen == 1 && isascii((unsigned char) *(prs->str + prs->state->posbyte))) ? 1 : 0;
454 : : }
455 : :
456 : : static int
457 : 60076 : p_isasclet(TParser *prs)
458 : : {
459 [ + - + + ]: 60076 : return (p_isascii(prs) && p_isalpha(prs)) ? 1 : 0;
460 : : }
461 : :
462 : : static int
463 : 2030 : p_isurlchar(TParser *prs)
464 : : {
465 : : char ch;
466 : :
467 : : /* no non-ASCII need apply */
468 [ - + ]: 2030 : if (prs->state->charlen != 1)
469 : 0 : return 0;
470 : 2030 : ch = *(prs->str + prs->state->posbyte);
471 : : /* no spaces or control characters */
472 [ + + - + ]: 2030 : if (ch <= 0x20 || ch >= 0x7F)
473 : 182 : return 0;
474 : : /* reject characters disallowed by RFC 3986 */
475 [ + + ]: 1848 : switch (ch)
476 : : {
477 : 16 : case '"':
478 : : case '<':
479 : : case '>':
480 : : case '\\':
481 : : case '^':
482 : : case '`':
483 : : case '{':
484 : : case '|':
485 : : case '}':
486 : 16 : return 0;
487 : : }
488 : 1832 : return 1;
489 : : }
490 : :
491 : :
492 : : /* deliberately suppress unused-function complaints for the above */
493 : : void _make_compiler_happy(void);
494 : : void
495 : 0 : _make_compiler_happy(void)
496 : : {
497 : 0 : p_isalnum(NULL);
498 : 0 : p_isnotalnum(NULL);
499 : 0 : p_isalpha(NULL);
500 : 0 : p_isnotalpha(NULL);
501 : 0 : p_isdigit(NULL);
502 : 0 : p_isnotdigit(NULL);
503 : 0 : p_islower(NULL);
504 : 0 : p_isnotlower(NULL);
505 : 0 : p_isprint(NULL);
506 : 0 : p_isnotprint(NULL);
507 : 0 : p_ispunct(NULL);
508 : 0 : p_isnotpunct(NULL);
509 : 0 : p_isspace(NULL);
510 : 0 : p_isnotspace(NULL);
511 : 0 : p_isupper(NULL);
512 : 0 : p_isnotupper(NULL);
513 : 0 : p_isxdigit(NULL);
514 : 0 : p_isnotxdigit(NULL);
515 : 0 : p_isEOF(NULL);
516 : 0 : p_iseqC(NULL);
517 : 0 : p_isneC(NULL);
518 : 0 : }
519 : :
520 : :
521 : : static void
522 : 198 : SpecialTags(TParser *prs)
523 : : {
524 [ + + + + ]: 198 : switch (prs->state->lenchartoken)
525 : : {
526 : 5 : case 8: /* </script */
527 [ + - ]: 5 : if (pg_strncasecmp(prs->token, "</script", 8) == 0)
528 : 5 : prs->ignore = false;
529 : 5 : break;
530 : 19 : case 7: /* <script || </style */
531 [ - + ]: 19 : if (pg_strncasecmp(prs->token, "</style", 7) == 0)
532 : 0 : prs->ignore = false;
533 [ + + ]: 19 : else if (pg_strncasecmp(prs->token, "<script", 7) == 0)
534 : 5 : prs->ignore = true;
535 : 19 : break;
536 : 14 : case 6: /* <style */
537 [ - + ]: 14 : if (pg_strncasecmp(prs->token, "<style", 6) == 0)
538 : 0 : prs->ignore = true;
539 : 14 : break;
540 : 160 : default:
541 : 160 : break;
542 : : }
543 : 198 : }
544 : :
545 : : static void
546 : 100 : SpecialFURL(TParser *prs)
547 : : {
548 : 100 : prs->wanthost = true;
549 : 100 : prs->state->posbyte -= prs->state->lenbytetoken;
550 : 100 : prs->state->poschar -= prs->state->lenchartoken;
551 : 100 : }
552 : :
553 : : static void
554 : 29 : SpecialHyphen(TParser *prs)
555 : : {
556 : 29 : prs->state->posbyte -= prs->state->lenbytetoken;
557 : 29 : prs->state->poschar -= prs->state->lenchartoken;
558 : 29 : }
559 : :
560 : : static void
561 : 0 : SpecialVerVersion(TParser *prs)
562 : : {
563 : 0 : prs->state->posbyte -= prs->state->lenbytetoken;
564 : 0 : prs->state->poschar -= prs->state->lenchartoken;
565 : 0 : prs->state->lenbytetoken = 0;
566 : 0 : prs->state->lenchartoken = 0;
567 : 0 : }
568 : :
569 : : static int
570 : 368 : p_isstophost(TParser *prs)
571 : : {
572 [ + + ]: 368 : if (prs->wanthost)
573 : : {
574 : 156 : prs->wanthost = false;
575 : 156 : return 1;
576 : : }
577 : 212 : return 0;
578 : : }
579 : :
580 : : static int
581 : 29674 : p_isignore(TParser *prs)
582 : : {
583 : 29674 : return (prs->ignore) ? 1 : 0;
584 : : }
585 : :
586 : : static int
587 : 70 : p_ishost(TParser *prs)
588 : : {
589 : 70 : TParser *tmpprs = TParserCopyInit(prs);
590 : 70 : int res = 0;
591 : :
592 : 70 : tmpprs->wanthost = true;
593 : :
594 : : /*
595 : : * Check stack depth before recursing. (Since TParserGet() doesn't
596 : : * normally recurse, we put the cost of checking here not there.)
597 : : */
598 : 70 : check_stack_depth();
599 : :
600 [ + - + + ]: 70 : if (TParserGet(tmpprs) && tmpprs->type == HOST)
601 : : {
602 : 56 : prs->state->posbyte += tmpprs->lenbytetoken;
603 : 56 : prs->state->poschar += tmpprs->lenchartoken;
604 : 56 : prs->state->lenbytetoken += tmpprs->lenbytetoken;
605 : 56 : prs->state->lenchartoken += tmpprs->lenchartoken;
606 : 56 : prs->state->charlen = tmpprs->state->charlen;
607 : 56 : res = 1;
608 : : }
609 : 70 : TParserCopyClose(tmpprs);
610 : :
611 : 70 : return res;
612 : : }
613 : :
614 : : static int
615 : 114 : p_isURLPath(TParser *prs)
616 : : {
617 : 114 : TParser *tmpprs = TParserCopyInit(prs);
618 : 114 : int res = 0;
619 : :
620 : 114 : tmpprs->state = newTParserPosition(tmpprs->state);
621 : 114 : tmpprs->state->state = TPS_InURLPathFirst;
622 : :
623 : : /*
624 : : * Check stack depth before recursing. (Since TParserGet() doesn't
625 : : * normally recurse, we put the cost of checking here not there.)
626 : : */
627 : 114 : check_stack_depth();
628 : :
629 [ + - + + ]: 114 : if (TParserGet(tmpprs) && tmpprs->type == URLPATH)
630 : : {
631 : 100 : prs->state->posbyte += tmpprs->lenbytetoken;
632 : 100 : prs->state->poschar += tmpprs->lenchartoken;
633 : 100 : prs->state->lenbytetoken += tmpprs->lenbytetoken;
634 : 100 : prs->state->lenchartoken += tmpprs->lenchartoken;
635 : 100 : prs->state->charlen = tmpprs->state->charlen;
636 : 100 : res = 1;
637 : : }
638 : 114 : TParserCopyClose(tmpprs);
639 : :
640 : 114 : return res;
641 : : }
642 : :
643 : : /*
644 : : * returns true if current character has zero display length or
645 : : * it's a special sign in several languages. Such characters
646 : : * aren't a word-breaker although they aren't an isalpha.
647 : : * In beginning of word they aren't a part of it.
648 : : */
649 : : static int
650 : 7191 : p_isspecial(TParser *prs)
651 : : {
652 : : /*
653 : : * pg_dsplen could return -1 which means error or control character
654 : : */
655 [ - + ]: 7191 : if (pg_dsplen(prs->str + prs->state->posbyte) == 0)
656 : 0 : return 1;
657 : :
658 : : /*
659 : : * Unicode Characters in the 'Mark, Spacing Combining' Category That
660 : : * characters are not alpha although they are not breakers of word too.
661 : : * Check that only in utf encoding, because other encodings aren't
662 : : * supported by postgres or even exists.
663 : : */
664 [ + - ]: 7191 : if (GetDatabaseEncoding() == PG_UTF8)
665 : : {
666 : : static const pg_wchar strange_letter[] = {
667 : : /*
668 : : * use binary search, so elements should be ordered
669 : : */
670 : : 0x0903, /* DEVANAGARI SIGN VISARGA */
671 : : 0x093E, /* DEVANAGARI VOWEL SIGN AA */
672 : : 0x093F, /* DEVANAGARI VOWEL SIGN I */
673 : : 0x0940, /* DEVANAGARI VOWEL SIGN II */
674 : : 0x0949, /* DEVANAGARI VOWEL SIGN CANDRA O */
675 : : 0x094A, /* DEVANAGARI VOWEL SIGN SHORT O */
676 : : 0x094B, /* DEVANAGARI VOWEL SIGN O */
677 : : 0x094C, /* DEVANAGARI VOWEL SIGN AU */
678 : : 0x0982, /* BENGALI SIGN ANUSVARA */
679 : : 0x0983, /* BENGALI SIGN VISARGA */
680 : : 0x09BE, /* BENGALI VOWEL SIGN AA */
681 : : 0x09BF, /* BENGALI VOWEL SIGN I */
682 : : 0x09C0, /* BENGALI VOWEL SIGN II */
683 : : 0x09C7, /* BENGALI VOWEL SIGN E */
684 : : 0x09C8, /* BENGALI VOWEL SIGN AI */
685 : : 0x09CB, /* BENGALI VOWEL SIGN O */
686 : : 0x09CC, /* BENGALI VOWEL SIGN AU */
687 : : 0x09D7, /* BENGALI AU LENGTH MARK */
688 : : 0x0A03, /* GURMUKHI SIGN VISARGA */
689 : : 0x0A3E, /* GURMUKHI VOWEL SIGN AA */
690 : : 0x0A3F, /* GURMUKHI VOWEL SIGN I */
691 : : 0x0A40, /* GURMUKHI VOWEL SIGN II */
692 : : 0x0A83, /* GUJARATI SIGN VISARGA */
693 : : 0x0ABE, /* GUJARATI VOWEL SIGN AA */
694 : : 0x0ABF, /* GUJARATI VOWEL SIGN I */
695 : : 0x0AC0, /* GUJARATI VOWEL SIGN II */
696 : : 0x0AC9, /* GUJARATI VOWEL SIGN CANDRA O */
697 : : 0x0ACB, /* GUJARATI VOWEL SIGN O */
698 : : 0x0ACC, /* GUJARATI VOWEL SIGN AU */
699 : : 0x0B02, /* ORIYA SIGN ANUSVARA */
700 : : 0x0B03, /* ORIYA SIGN VISARGA */
701 : : 0x0B3E, /* ORIYA VOWEL SIGN AA */
702 : : 0x0B40, /* ORIYA VOWEL SIGN II */
703 : : 0x0B47, /* ORIYA VOWEL SIGN E */
704 : : 0x0B48, /* ORIYA VOWEL SIGN AI */
705 : : 0x0B4B, /* ORIYA VOWEL SIGN O */
706 : : 0x0B4C, /* ORIYA VOWEL SIGN AU */
707 : : 0x0B57, /* ORIYA AU LENGTH MARK */
708 : : 0x0BBE, /* TAMIL VOWEL SIGN AA */
709 : : 0x0BBF, /* TAMIL VOWEL SIGN I */
710 : : 0x0BC1, /* TAMIL VOWEL SIGN U */
711 : : 0x0BC2, /* TAMIL VOWEL SIGN UU */
712 : : 0x0BC6, /* TAMIL VOWEL SIGN E */
713 : : 0x0BC7, /* TAMIL VOWEL SIGN EE */
714 : : 0x0BC8, /* TAMIL VOWEL SIGN AI */
715 : : 0x0BCA, /* TAMIL VOWEL SIGN O */
716 : : 0x0BCB, /* TAMIL VOWEL SIGN OO */
717 : : 0x0BCC, /* TAMIL VOWEL SIGN AU */
718 : : 0x0BD7, /* TAMIL AU LENGTH MARK */
719 : : 0x0C01, /* TELUGU SIGN CANDRABINDU */
720 : : 0x0C02, /* TELUGU SIGN ANUSVARA */
721 : : 0x0C03, /* TELUGU SIGN VISARGA */
722 : : 0x0C41, /* TELUGU VOWEL SIGN U */
723 : : 0x0C42, /* TELUGU VOWEL SIGN UU */
724 : : 0x0C43, /* TELUGU VOWEL SIGN VOCALIC R */
725 : : 0x0C44, /* TELUGU VOWEL SIGN VOCALIC RR */
726 : : 0x0C82, /* KANNADA SIGN ANUSVARA */
727 : : 0x0C83, /* KANNADA SIGN VISARGA */
728 : : 0x0CBE, /* KANNADA VOWEL SIGN AA */
729 : : 0x0CC0, /* KANNADA VOWEL SIGN II */
730 : : 0x0CC1, /* KANNADA VOWEL SIGN U */
731 : : 0x0CC2, /* KANNADA VOWEL SIGN UU */
732 : : 0x0CC3, /* KANNADA VOWEL SIGN VOCALIC R */
733 : : 0x0CC4, /* KANNADA VOWEL SIGN VOCALIC RR */
734 : : 0x0CC7, /* KANNADA VOWEL SIGN EE */
735 : : 0x0CC8, /* KANNADA VOWEL SIGN AI */
736 : : 0x0CCA, /* KANNADA VOWEL SIGN O */
737 : : 0x0CCB, /* KANNADA VOWEL SIGN OO */
738 : : 0x0CD5, /* KANNADA LENGTH MARK */
739 : : 0x0CD6, /* KANNADA AI LENGTH MARK */
740 : : 0x0D02, /* MALAYALAM SIGN ANUSVARA */
741 : : 0x0D03, /* MALAYALAM SIGN VISARGA */
742 : : 0x0D3E, /* MALAYALAM VOWEL SIGN AA */
743 : : 0x0D3F, /* MALAYALAM VOWEL SIGN I */
744 : : 0x0D40, /* MALAYALAM VOWEL SIGN II */
745 : : 0x0D46, /* MALAYALAM VOWEL SIGN E */
746 : : 0x0D47, /* MALAYALAM VOWEL SIGN EE */
747 : : 0x0D48, /* MALAYALAM VOWEL SIGN AI */
748 : : 0x0D4A, /* MALAYALAM VOWEL SIGN O */
749 : : 0x0D4B, /* MALAYALAM VOWEL SIGN OO */
750 : : 0x0D4C, /* MALAYALAM VOWEL SIGN AU */
751 : : 0x0D57, /* MALAYALAM AU LENGTH MARK */
752 : : 0x0D82, /* SINHALA SIGN ANUSVARAYA */
753 : : 0x0D83, /* SINHALA SIGN VISARGAYA */
754 : : 0x0DCF, /* SINHALA VOWEL SIGN AELA-PILLA */
755 : : 0x0DD0, /* SINHALA VOWEL SIGN KETTI AEDA-PILLA */
756 : : 0x0DD1, /* SINHALA VOWEL SIGN DIGA AEDA-PILLA */
757 : : 0x0DD8, /* SINHALA VOWEL SIGN GAETTA-PILLA */
758 : : 0x0DD9, /* SINHALA VOWEL SIGN KOMBUVA */
759 : : 0x0DDA, /* SINHALA VOWEL SIGN DIGA KOMBUVA */
760 : : 0x0DDB, /* SINHALA VOWEL SIGN KOMBU DEKA */
761 : : 0x0DDC, /* SINHALA VOWEL SIGN KOMBUVA HAA AELA-PILLA */
762 : : 0x0DDD, /* SINHALA VOWEL SIGN KOMBUVA HAA DIGA
763 : : * AELA-PILLA */
764 : : 0x0DDE, /* SINHALA VOWEL SIGN KOMBUVA HAA GAYANUKITTA */
765 : : 0x0DDF, /* SINHALA VOWEL SIGN GAYANUKITTA */
766 : : 0x0DF2, /* SINHALA VOWEL SIGN DIGA GAETTA-PILLA */
767 : : 0x0DF3, /* SINHALA VOWEL SIGN DIGA GAYANUKITTA */
768 : : 0x0F3E, /* TIBETAN SIGN YAR TSHES */
769 : : 0x0F3F, /* TIBETAN SIGN MAR TSHES */
770 : : 0x0F7F, /* TIBETAN SIGN RNAM BCAD */
771 : : 0x102B, /* MYANMAR VOWEL SIGN TALL AA */
772 : : 0x102C, /* MYANMAR VOWEL SIGN AA */
773 : : 0x1031, /* MYANMAR VOWEL SIGN E */
774 : : 0x1038, /* MYANMAR SIGN VISARGA */
775 : : 0x103B, /* MYANMAR CONSONANT SIGN MEDIAL YA */
776 : : 0x103C, /* MYANMAR CONSONANT SIGN MEDIAL RA */
777 : : 0x1056, /* MYANMAR VOWEL SIGN VOCALIC R */
778 : : 0x1057, /* MYANMAR VOWEL SIGN VOCALIC RR */
779 : : 0x1062, /* MYANMAR VOWEL SIGN SGAW KAREN EU */
780 : : 0x1063, /* MYANMAR TONE MARK SGAW KAREN HATHI */
781 : : 0x1064, /* MYANMAR TONE MARK SGAW KAREN KE PHO */
782 : : 0x1067, /* MYANMAR VOWEL SIGN WESTERN PWO KAREN EU */
783 : : 0x1068, /* MYANMAR VOWEL SIGN WESTERN PWO KAREN UE */
784 : : 0x1069, /* MYANMAR SIGN WESTERN PWO KAREN TONE-1 */
785 : : 0x106A, /* MYANMAR SIGN WESTERN PWO KAREN TONE-2 */
786 : : 0x106B, /* MYANMAR SIGN WESTERN PWO KAREN TONE-3 */
787 : : 0x106C, /* MYANMAR SIGN WESTERN PWO KAREN TONE-4 */
788 : : 0x106D, /* MYANMAR SIGN WESTERN PWO KAREN TONE-5 */
789 : : 0x1083, /* MYANMAR VOWEL SIGN SHAN AA */
790 : : 0x1084, /* MYANMAR VOWEL SIGN SHAN E */
791 : : 0x1087, /* MYANMAR SIGN SHAN TONE-2 */
792 : : 0x1088, /* MYANMAR SIGN SHAN TONE-3 */
793 : : 0x1089, /* MYANMAR SIGN SHAN TONE-5 */
794 : : 0x108A, /* MYANMAR SIGN SHAN TONE-6 */
795 : : 0x108B, /* MYANMAR SIGN SHAN COUNCIL TONE-2 */
796 : : 0x108C, /* MYANMAR SIGN SHAN COUNCIL TONE-3 */
797 : : 0x108F, /* MYANMAR SIGN RUMAI PALAUNG TONE-5 */
798 : : 0x17B6, /* KHMER VOWEL SIGN AA */
799 : : 0x17BE, /* KHMER VOWEL SIGN OE */
800 : : 0x17BF, /* KHMER VOWEL SIGN YA */
801 : : 0x17C0, /* KHMER VOWEL SIGN IE */
802 : : 0x17C1, /* KHMER VOWEL SIGN E */
803 : : 0x17C2, /* KHMER VOWEL SIGN AE */
804 : : 0x17C3, /* KHMER VOWEL SIGN AI */
805 : : 0x17C4, /* KHMER VOWEL SIGN OO */
806 : : 0x17C5, /* KHMER VOWEL SIGN AU */
807 : : 0x17C7, /* KHMER SIGN REAHMUK */
808 : : 0x17C8, /* KHMER SIGN YUUKALEAPINTU */
809 : : 0x1923, /* LIMBU VOWEL SIGN EE */
810 : : 0x1924, /* LIMBU VOWEL SIGN AI */
811 : : 0x1925, /* LIMBU VOWEL SIGN OO */
812 : : 0x1926, /* LIMBU VOWEL SIGN AU */
813 : : 0x1929, /* LIMBU SUBJOINED LETTER YA */
814 : : 0x192A, /* LIMBU SUBJOINED LETTER RA */
815 : : 0x192B, /* LIMBU SUBJOINED LETTER WA */
816 : : 0x1930, /* LIMBU SMALL LETTER KA */
817 : : 0x1931, /* LIMBU SMALL LETTER NGA */
818 : : 0x1933, /* LIMBU SMALL LETTER TA */
819 : : 0x1934, /* LIMBU SMALL LETTER NA */
820 : : 0x1935, /* LIMBU SMALL LETTER PA */
821 : : 0x1936, /* LIMBU SMALL LETTER MA */
822 : : 0x1937, /* LIMBU SMALL LETTER RA */
823 : : 0x1938, /* LIMBU SMALL LETTER LA */
824 : : 0x19B0, /* NEW TAI LUE VOWEL SIGN VOWEL SHORTENER */
825 : : 0x19B1, /* NEW TAI LUE VOWEL SIGN AA */
826 : : 0x19B2, /* NEW TAI LUE VOWEL SIGN II */
827 : : 0x19B3, /* NEW TAI LUE VOWEL SIGN U */
828 : : 0x19B4, /* NEW TAI LUE VOWEL SIGN UU */
829 : : 0x19B5, /* NEW TAI LUE VOWEL SIGN E */
830 : : 0x19B6, /* NEW TAI LUE VOWEL SIGN AE */
831 : : 0x19B7, /* NEW TAI LUE VOWEL SIGN O */
832 : : 0x19B8, /* NEW TAI LUE VOWEL SIGN OA */
833 : : 0x19B9, /* NEW TAI LUE VOWEL SIGN UE */
834 : : 0x19BA, /* NEW TAI LUE VOWEL SIGN AY */
835 : : 0x19BB, /* NEW TAI LUE VOWEL SIGN AAY */
836 : : 0x19BC, /* NEW TAI LUE VOWEL SIGN UY */
837 : : 0x19BD, /* NEW TAI LUE VOWEL SIGN OY */
838 : : 0x19BE, /* NEW TAI LUE VOWEL SIGN OAY */
839 : : 0x19BF, /* NEW TAI LUE VOWEL SIGN UEY */
840 : : 0x19C0, /* NEW TAI LUE VOWEL SIGN IY */
841 : : 0x19C8, /* NEW TAI LUE TONE MARK-1 */
842 : : 0x19C9, /* NEW TAI LUE TONE MARK-2 */
843 : : 0x1A19, /* BUGINESE VOWEL SIGN E */
844 : : 0x1A1A, /* BUGINESE VOWEL SIGN O */
845 : : 0x1A1B, /* BUGINESE VOWEL SIGN AE */
846 : : 0x1B04, /* BALINESE SIGN BISAH */
847 : : 0x1B35, /* BALINESE VOWEL SIGN TEDUNG */
848 : : 0x1B3B, /* BALINESE VOWEL SIGN RA REPA TEDUNG */
849 : : 0x1B3D, /* BALINESE VOWEL SIGN LA LENGA TEDUNG */
850 : : 0x1B3E, /* BALINESE VOWEL SIGN TALING */
851 : : 0x1B3F, /* BALINESE VOWEL SIGN TALING REPA */
852 : : 0x1B40, /* BALINESE VOWEL SIGN TALING TEDUNG */
853 : : 0x1B41, /* BALINESE VOWEL SIGN TALING REPA TEDUNG */
854 : : 0x1B43, /* BALINESE VOWEL SIGN PEPET TEDUNG */
855 : : 0x1B44, /* BALINESE ADEG ADEG */
856 : : 0x1B82, /* SUNDANESE SIGN PANGWISAD */
857 : : 0x1BA1, /* SUNDANESE CONSONANT SIGN PAMINGKAL */
858 : : 0x1BA6, /* SUNDANESE VOWEL SIGN PANAELAENG */
859 : : 0x1BA7, /* SUNDANESE VOWEL SIGN PANOLONG */
860 : : 0x1BAA, /* SUNDANESE SIGN PAMAAEH */
861 : : 0x1C24, /* LEPCHA SUBJOINED LETTER YA */
862 : : 0x1C25, /* LEPCHA SUBJOINED LETTER RA */
863 : : 0x1C26, /* LEPCHA VOWEL SIGN AA */
864 : : 0x1C27, /* LEPCHA VOWEL SIGN I */
865 : : 0x1C28, /* LEPCHA VOWEL SIGN O */
866 : : 0x1C29, /* LEPCHA VOWEL SIGN OO */
867 : : 0x1C2A, /* LEPCHA VOWEL SIGN U */
868 : : 0x1C2B, /* LEPCHA VOWEL SIGN UU */
869 : : 0x1C34, /* LEPCHA CONSONANT SIGN NYIN-DO */
870 : : 0x1C35, /* LEPCHA CONSONANT SIGN KANG */
871 : : 0xA823, /* SYLOTI NAGRI VOWEL SIGN A */
872 : : 0xA824, /* SYLOTI NAGRI VOWEL SIGN I */
873 : : 0xA827, /* SYLOTI NAGRI VOWEL SIGN OO */
874 : : 0xA880, /* SAURASHTRA SIGN ANUSVARA */
875 : : 0xA881, /* SAURASHTRA SIGN VISARGA */
876 : : 0xA8B4, /* SAURASHTRA CONSONANT SIGN HAARU */
877 : : 0xA8B5, /* SAURASHTRA VOWEL SIGN AA */
878 : : 0xA8B6, /* SAURASHTRA VOWEL SIGN I */
879 : : 0xA8B7, /* SAURASHTRA VOWEL SIGN II */
880 : : 0xA8B8, /* SAURASHTRA VOWEL SIGN U */
881 : : 0xA8B9, /* SAURASHTRA VOWEL SIGN UU */
882 : : 0xA8BA, /* SAURASHTRA VOWEL SIGN VOCALIC R */
883 : : 0xA8BB, /* SAURASHTRA VOWEL SIGN VOCALIC RR */
884 : : 0xA8BC, /* SAURASHTRA VOWEL SIGN VOCALIC L */
885 : : 0xA8BD, /* SAURASHTRA VOWEL SIGN VOCALIC LL */
886 : : 0xA8BE, /* SAURASHTRA VOWEL SIGN E */
887 : : 0xA8BF, /* SAURASHTRA VOWEL SIGN EE */
888 : : 0xA8C0, /* SAURASHTRA VOWEL SIGN AI */
889 : : 0xA8C1, /* SAURASHTRA VOWEL SIGN O */
890 : : 0xA8C2, /* SAURASHTRA VOWEL SIGN OO */
891 : : 0xA8C3, /* SAURASHTRA VOWEL SIGN AU */
892 : : 0xA952, /* REJANG CONSONANT SIGN H */
893 : : 0xA953, /* REJANG VIRAMA */
894 : : 0xAA2F, /* CHAM VOWEL SIGN O */
895 : : 0xAA30, /* CHAM VOWEL SIGN AI */
896 : : 0xAA33, /* CHAM CONSONANT SIGN YA */
897 : : 0xAA34, /* CHAM CONSONANT SIGN RA */
898 : : 0xAA4D /* CHAM CONSONANT SIGN FINAL H */
899 : : };
900 : 7191 : const pg_wchar *StopLow = strange_letter,
901 : 7191 : *StopHigh = strange_letter + lengthof(strange_letter),
902 : : *StopMiddle;
903 : : pg_wchar c;
904 : :
905 : 7191 : c = *(prs->pgwstr + prs->state->poschar);
906 : :
907 [ + + ]: 64719 : while (StopLow < StopHigh)
908 : : {
909 : 57528 : StopMiddle = StopLow + ((StopHigh - StopLow) >> 1);
910 [ - + ]: 57528 : if (*StopMiddle == c)
911 : 0 : return 1;
912 [ - + ]: 57528 : else if (*StopMiddle < c)
913 : 0 : StopLow = StopMiddle + 1;
914 : : else
915 : 57528 : StopHigh = StopMiddle;
916 : : }
917 : : }
918 : :
919 : 7191 : return 0;
920 : : }
921 : :
922 : : /*
923 : : * Table of state/action of parser
924 : : */
925 : :
926 : : static const TParserStateActionItem actionTPS_Base[] = {
927 : : {p_isEOF, 0, A_NEXT, TPS_Null, 0, NULL},
928 : : {p_iseqC, '<', A_PUSH, TPS_InTagFirst, 0, NULL},
929 : : {p_isignore, 0, A_NEXT, TPS_InSpace, 0, NULL},
930 : : {p_isasclet, 0, A_NEXT, TPS_InAsciiWord, 0, NULL},
931 : : {p_isalpha, 0, A_NEXT, TPS_InWord, 0, NULL},
932 : : {p_isdigit, 0, A_NEXT, TPS_InUnsignedInt, 0, NULL},
933 : : {p_iseqC, '-', A_PUSH, TPS_InSignedIntFirst, 0, NULL},
934 : : {p_iseqC, '+', A_PUSH, TPS_InSignedIntFirst, 0, NULL},
935 : : {p_iseqC, '&', A_PUSH, TPS_InXMLEntityFirst, 0, NULL},
936 : : {p_iseqC, '~', A_PUSH, TPS_InFileTwiddle, 0, NULL},
937 : : {p_iseqC, '/', A_PUSH, TPS_InFileFirst, 0, NULL},
938 : : {p_iseqC, '.', A_PUSH, TPS_InPathFirstFirst, 0, NULL},
939 : : {NULL, 0, A_NEXT, TPS_InSpace, 0, NULL}
940 : : };
941 : :
942 : :
943 : : static const TParserStateActionItem actionTPS_InNumWord[] = {
944 : : {p_isEOF, 0, A_BINGO, TPS_Base, NUMWORD, NULL},
945 : : {p_isalnum, 0, A_NEXT, TPS_InNumWord, 0, NULL},
946 : : {p_isspecial, 0, A_NEXT, TPS_InNumWord, 0, NULL},
947 : : {p_iseqC, '@', A_PUSH, TPS_InEmail, 0, NULL},
948 : : {p_iseqC, '/', A_PUSH, TPS_InFileFirst, 0, NULL},
949 : : {p_iseqC, '.', A_PUSH, TPS_InFileNext, 0, NULL},
950 : : {p_iseqC, '-', A_PUSH, TPS_InHyphenNumWordFirst, 0, NULL},
951 : : {NULL, 0, A_BINGO, TPS_Base, NUMWORD, NULL}
952 : : };
953 : :
954 : : static const TParserStateActionItem actionTPS_InAsciiWord[] = {
955 : : {p_isEOF, 0, A_BINGO, TPS_Base, ASCIIWORD, NULL},
956 : : {p_isasclet, 0, A_NEXT, TPS_Null, 0, NULL},
957 : : {p_iseqC, '.', A_PUSH, TPS_InHostFirstDomain, 0, NULL},
958 : : {p_iseqC, '.', A_PUSH, TPS_InFileNext, 0, NULL},
959 : : {p_iseqC, '-', A_PUSH, TPS_InHostFirstAN, 0, NULL},
960 : : {p_iseqC, '-', A_PUSH, TPS_InHyphenAsciiWordFirst, 0, NULL},
961 : : {p_iseqC, '_', A_PUSH, TPS_InHostFirstAN, 0, NULL},
962 : : {p_iseqC, '@', A_PUSH, TPS_InEmail, 0, NULL},
963 : : {p_iseqC, ':', A_PUSH, TPS_InProtocolFirst, 0, NULL},
964 : : {p_iseqC, '/', A_PUSH, TPS_InFileFirst, 0, NULL},
965 : : {p_isdigit, 0, A_PUSH, TPS_InHost, 0, NULL},
966 : : {p_isdigit, 0, A_NEXT, TPS_InNumWord, 0, NULL},
967 : : {p_isalpha, 0, A_NEXT, TPS_InWord, 0, NULL},
968 : : {p_isspecial, 0, A_NEXT, TPS_InWord, 0, NULL},
969 : : {NULL, 0, A_BINGO, TPS_Base, ASCIIWORD, NULL}
970 : : };
971 : :
972 : : static const TParserStateActionItem actionTPS_InWord[] = {
973 : : {p_isEOF, 0, A_BINGO, TPS_Base, WORD_T, NULL},
974 : : {p_isalpha, 0, A_NEXT, TPS_Null, 0, NULL},
975 : : {p_isspecial, 0, A_NEXT, TPS_Null, 0, NULL},
976 : : {p_isdigit, 0, A_NEXT, TPS_InNumWord, 0, NULL},
977 : : {p_iseqC, '-', A_PUSH, TPS_InHyphenWordFirst, 0, NULL},
978 : : {NULL, 0, A_BINGO, TPS_Base, WORD_T, NULL}
979 : : };
980 : :
981 : : static const TParserStateActionItem actionTPS_InUnsignedInt[] = {
982 : : {p_isEOF, 0, A_BINGO, TPS_Base, UNSIGNEDINT, NULL},
983 : : {p_isdigit, 0, A_NEXT, TPS_Null, 0, NULL},
984 : : {p_iseqC, '.', A_PUSH, TPS_InHostFirstDomain, 0, NULL},
985 : : {p_iseqC, '.', A_PUSH, TPS_InUDecimalFirst, 0, NULL},
986 : : {p_iseqC, 'e', A_PUSH, TPS_InMantissaFirst, 0, NULL},
987 : : {p_iseqC, 'E', A_PUSH, TPS_InMantissaFirst, 0, NULL},
988 : : {p_iseqC, '-', A_PUSH, TPS_InHostFirstAN, 0, NULL},
989 : : {p_iseqC, '_', A_PUSH, TPS_InHostFirstAN, 0, NULL},
990 : : {p_iseqC, '@', A_PUSH, TPS_InEmail, 0, NULL},
991 : : {p_isasclet, 0, A_PUSH, TPS_InHost, 0, NULL},
992 : : {p_isalpha, 0, A_NEXT, TPS_InNumWord, 0, NULL},
993 : : {p_isspecial, 0, A_NEXT, TPS_InNumWord, 0, NULL},
994 : : {p_iseqC, '/', A_PUSH, TPS_InFileFirst, 0, NULL},
995 : : {NULL, 0, A_BINGO, TPS_Base, UNSIGNEDINT, NULL}
996 : : };
997 : :
998 : : static const TParserStateActionItem actionTPS_InSignedIntFirst[] = {
999 : : {p_isEOF, 0, A_POP, TPS_Null, 0, NULL},
1000 : : {p_isdigit, 0, A_NEXT | A_CLEAR, TPS_InSignedInt, 0, NULL},
1001 : : {NULL, 0, A_POP, TPS_Null, 0, NULL}
1002 : : };
1003 : :
1004 : : static const TParserStateActionItem actionTPS_InSignedInt[] = {
1005 : : {p_isEOF, 0, A_BINGO, TPS_Base, SIGNEDINT, NULL},
1006 : : {p_isdigit, 0, A_NEXT, TPS_Null, 0, NULL},
1007 : : {p_iseqC, '.', A_PUSH, TPS_InDecimalFirst, 0, NULL},
1008 : : {p_iseqC, 'e', A_PUSH, TPS_InMantissaFirst, 0, NULL},
1009 : : {p_iseqC, 'E', A_PUSH, TPS_InMantissaFirst, 0, NULL},
1010 : : {NULL, 0, A_BINGO, TPS_Base, SIGNEDINT, NULL}
1011 : : };
1012 : :
1013 : : static const TParserStateActionItem actionTPS_InSpace[] = {
1014 : : {p_isEOF, 0, A_BINGO, TPS_Base, SPACE, NULL},
1015 : : {p_iseqC, '<', A_BINGO, TPS_Base, SPACE, NULL},
1016 : : {p_isignore, 0, A_NEXT, TPS_Null, 0, NULL},
1017 : : {p_iseqC, '-', A_BINGO, TPS_Base, SPACE, NULL},
1018 : : {p_iseqC, '+', A_BINGO, TPS_Base, SPACE, NULL},
1019 : : {p_iseqC, '&', A_BINGO, TPS_Base, SPACE, NULL},
1020 : : {p_iseqC, '/', A_BINGO, TPS_Base, SPACE, NULL},
1021 : : {p_isnotalnum, 0, A_NEXT, TPS_InSpace, 0, NULL},
1022 : : {NULL, 0, A_BINGO, TPS_Base, SPACE, NULL}
1023 : : };
1024 : :
1025 : : static const TParserStateActionItem actionTPS_InUDecimalFirst[] = {
1026 : : {p_isEOF, 0, A_POP, TPS_Null, 0, NULL},
1027 : : {p_isdigit, 0, A_CLEAR, TPS_InUDecimal, 0, NULL},
1028 : : {NULL, 0, A_POP, TPS_Null, 0, NULL}
1029 : : };
1030 : :
1031 : : static const TParserStateActionItem actionTPS_InUDecimal[] = {
1032 : : {p_isEOF, 0, A_BINGO, TPS_Base, DECIMAL_T, NULL},
1033 : : {p_isdigit, 0, A_NEXT, TPS_InUDecimal, 0, NULL},
1034 : : {p_iseqC, '.', A_PUSH, TPS_InVersionFirst, 0, NULL},
1035 : : {p_iseqC, 'e', A_PUSH, TPS_InMantissaFirst, 0, NULL},
1036 : : {p_iseqC, 'E', A_PUSH, TPS_InMantissaFirst, 0, NULL},
1037 : : {NULL, 0, A_BINGO, TPS_Base, DECIMAL_T, NULL}
1038 : : };
1039 : :
1040 : : static const TParserStateActionItem actionTPS_InDecimalFirst[] = {
1041 : : {p_isEOF, 0, A_POP, TPS_Null, 0, NULL},
1042 : : {p_isdigit, 0, A_CLEAR, TPS_InDecimal, 0, NULL},
1043 : : {NULL, 0, A_POP, TPS_Null, 0, NULL}
1044 : : };
1045 : :
1046 : : static const TParserStateActionItem actionTPS_InDecimal[] = {
1047 : : {p_isEOF, 0, A_BINGO, TPS_Base, DECIMAL_T, NULL},
1048 : : {p_isdigit, 0, A_NEXT, TPS_InDecimal, 0, NULL},
1049 : : {p_iseqC, '.', A_PUSH, TPS_InVerVersion, 0, NULL},
1050 : : {p_iseqC, 'e', A_PUSH, TPS_InMantissaFirst, 0, NULL},
1051 : : {p_iseqC, 'E', A_PUSH, TPS_InMantissaFirst, 0, NULL},
1052 : : {NULL, 0, A_BINGO, TPS_Base, DECIMAL_T, NULL}
1053 : : };
1054 : :
1055 : : static const TParserStateActionItem actionTPS_InVerVersion[] = {
1056 : : {p_isEOF, 0, A_POP, TPS_Null, 0, NULL},
1057 : : {p_isdigit, 0, A_RERUN, TPS_InSVerVersion, 0, SpecialVerVersion},
1058 : : {NULL, 0, A_POP, TPS_Null, 0, NULL}
1059 : : };
1060 : :
1061 : : static const TParserStateActionItem actionTPS_InSVerVersion[] = {
1062 : : {p_isEOF, 0, A_POP, TPS_Null, 0, NULL},
1063 : : {p_isdigit, 0, A_BINGO | A_CLRALL, TPS_InUnsignedInt, SPACE, NULL},
1064 : : {NULL, 0, A_NEXT, TPS_Null, 0, NULL}
1065 : : };
1066 : :
1067 : :
1068 : : static const TParserStateActionItem actionTPS_InVersionFirst[] = {
1069 : : {p_isEOF, 0, A_POP, TPS_Null, 0, NULL},
1070 : : {p_isdigit, 0, A_CLEAR, TPS_InVersion, 0, NULL},
1071 : : {NULL, 0, A_POP, TPS_Null, 0, NULL}
1072 : : };
1073 : :
1074 : : static const TParserStateActionItem actionTPS_InVersion[] = {
1075 : : {p_isEOF, 0, A_BINGO, TPS_Base, VERSIONNUMBER, NULL},
1076 : : {p_isdigit, 0, A_NEXT, TPS_InVersion, 0, NULL},
1077 : : {p_iseqC, '.', A_PUSH, TPS_InVersionFirst, 0, NULL},
1078 : : {NULL, 0, A_BINGO, TPS_Base, VERSIONNUMBER, NULL}
1079 : : };
1080 : :
1081 : : static const TParserStateActionItem actionTPS_InMantissaFirst[] = {
1082 : : {p_isEOF, 0, A_POP, TPS_Null, 0, NULL},
1083 : : {p_isdigit, 0, A_CLEAR, TPS_InMantissa, 0, NULL},
1084 : : {p_iseqC, '+', A_NEXT, TPS_InMantissaSign, 0, NULL},
1085 : : {p_iseqC, '-', A_NEXT, TPS_InMantissaSign, 0, NULL},
1086 : : {NULL, 0, A_POP, TPS_Null, 0, NULL}
1087 : : };
1088 : :
1089 : : static const TParserStateActionItem actionTPS_InMantissaSign[] = {
1090 : : {p_isEOF, 0, A_POP, TPS_Null, 0, NULL},
1091 : : {p_isdigit, 0, A_CLEAR, TPS_InMantissa, 0, NULL},
1092 : : {NULL, 0, A_POP, TPS_Null, 0, NULL}
1093 : : };
1094 : :
1095 : : static const TParserStateActionItem actionTPS_InMantissa[] = {
1096 : : {p_isEOF, 0, A_BINGO, TPS_Base, SCIENTIFIC, NULL},
1097 : : {p_isdigit, 0, A_NEXT, TPS_InMantissa, 0, NULL},
1098 : : {NULL, 0, A_BINGO, TPS_Base, SCIENTIFIC, NULL}
1099 : : };
1100 : :
1101 : : static const TParserStateActionItem actionTPS_InXMLEntityFirst[] = {
1102 : : {p_isEOF, 0, A_POP, TPS_Null, 0, NULL},
1103 : : {p_iseqC, '#', A_NEXT, TPS_InXMLEntityNumFirst, 0, NULL},
1104 : : {p_isasclet, 0, A_NEXT, TPS_InXMLEntity, 0, NULL},
1105 : : {p_iseqC, ':', A_NEXT, TPS_InXMLEntity, 0, NULL},
1106 : : {p_iseqC, '_', A_NEXT, TPS_InXMLEntity, 0, NULL},
1107 : : {NULL, 0, A_POP, TPS_Null, 0, NULL}
1108 : : };
1109 : :
1110 : : static const TParserStateActionItem actionTPS_InXMLEntity[] = {
1111 : : {p_isEOF, 0, A_POP, TPS_Null, 0, NULL},
1112 : : {p_isalnum, 0, A_NEXT, TPS_InXMLEntity, 0, NULL},
1113 : : {p_iseqC, ':', A_NEXT, TPS_InXMLEntity, 0, NULL},
1114 : : {p_iseqC, '_', A_NEXT, TPS_InXMLEntity, 0, NULL},
1115 : : {p_iseqC, '.', A_NEXT, TPS_InXMLEntity, 0, NULL},
1116 : : {p_iseqC, '-', A_NEXT, TPS_InXMLEntity, 0, NULL},
1117 : : {p_iseqC, ';', A_NEXT, TPS_InXMLEntityEnd, 0, NULL},
1118 : : {NULL, 0, A_POP, TPS_Null, 0, NULL}
1119 : : };
1120 : :
1121 : : static const TParserStateActionItem actionTPS_InXMLEntityNumFirst[] = {
1122 : : {p_isEOF, 0, A_POP, TPS_Null, 0, NULL},
1123 : : {p_iseqC, 'x', A_NEXT, TPS_InXMLEntityHexNumFirst, 0, NULL},
1124 : : {p_iseqC, 'X', A_NEXT, TPS_InXMLEntityHexNumFirst, 0, NULL},
1125 : : {p_isdigit, 0, A_NEXT, TPS_InXMLEntityNum, 0, NULL},
1126 : : {NULL, 0, A_POP, TPS_Null, 0, NULL}
1127 : : };
1128 : :
1129 : : static const TParserStateActionItem actionTPS_InXMLEntityHexNumFirst[] = {
1130 : : {p_isEOF, 0, A_POP, TPS_Null, 0, NULL},
1131 : : {p_isxdigit, 0, A_NEXT, TPS_InXMLEntityHexNum, 0, NULL},
1132 : : {NULL, 0, A_POP, TPS_Null, 0, NULL}
1133 : : };
1134 : :
1135 : : static const TParserStateActionItem actionTPS_InXMLEntityNum[] = {
1136 : : {p_isEOF, 0, A_POP, TPS_Null, 0, NULL},
1137 : : {p_isdigit, 0, A_NEXT, TPS_InXMLEntityNum, 0, NULL},
1138 : : {p_iseqC, ';', A_NEXT, TPS_InXMLEntityEnd, 0, NULL},
1139 : : {NULL, 0, A_POP, TPS_Null, 0, NULL}
1140 : : };
1141 : :
1142 : : static const TParserStateActionItem actionTPS_InXMLEntityHexNum[] = {
1143 : : {p_isEOF, 0, A_POP, TPS_Null, 0, NULL},
1144 : : {p_isxdigit, 0, A_NEXT, TPS_InXMLEntityHexNum, 0, NULL},
1145 : : {p_iseqC, ';', A_NEXT, TPS_InXMLEntityEnd, 0, NULL},
1146 : : {NULL, 0, A_POP, TPS_Null, 0, NULL}
1147 : : };
1148 : :
1149 : : static const TParserStateActionItem actionTPS_InXMLEntityEnd[] = {
1150 : : {NULL, 0, A_BINGO | A_CLEAR, TPS_Base, XMLENTITY, NULL}
1151 : : };
1152 : :
1153 : : static const TParserStateActionItem actionTPS_InTagFirst[] = {
1154 : : {p_isEOF, 0, A_POP, TPS_Null, 0, NULL},
1155 : : {p_iseqC, '/', A_PUSH, TPS_InTagCloseFirst, 0, NULL},
1156 : : {p_iseqC, '!', A_PUSH, TPS_InCommentFirst, 0, NULL},
1157 : : {p_iseqC, '?', A_PUSH, TPS_InXMLBegin, 0, NULL},
1158 : : {p_isasclet, 0, A_PUSH, TPS_InTagName, 0, NULL},
1159 : : {p_iseqC, ':', A_PUSH, TPS_InTagName, 0, NULL},
1160 : : {p_iseqC, '_', A_PUSH, TPS_InTagName, 0, NULL},
1161 : : {NULL, 0, A_POP, TPS_Null, 0, NULL}
1162 : : };
1163 : :
1164 : : static const TParserStateActionItem actionTPS_InXMLBegin[] = {
1165 : : {p_isEOF, 0, A_POP, TPS_Null, 0, NULL},
1166 : : /* <?xml ... */
1167 : : /* XXX do we wants states for the m and l ? Right now this accepts <?xZ */
1168 : : {p_iseqC, 'x', A_NEXT, TPS_InTag, 0, NULL},
1169 : : {NULL, 0, A_POP, TPS_Null, 0, NULL}
1170 : : };
1171 : :
1172 : : static const TParserStateActionItem actionTPS_InTagCloseFirst[] = {
1173 : : {p_isEOF, 0, A_POP, TPS_Null, 0, NULL},
1174 : : {p_isasclet, 0, A_NEXT, TPS_InTagName, 0, NULL},
1175 : : {NULL, 0, A_POP, TPS_Null, 0, NULL}
1176 : : };
1177 : :
1178 : : static const TParserStateActionItem actionTPS_InTagName[] = {
1179 : : {p_isEOF, 0, A_POP, TPS_Null, 0, NULL},
1180 : : /* <br/> case */
1181 : : {p_iseqC, '/', A_NEXT, TPS_InTagBeginEnd, 0, NULL},
1182 : : {p_iseqC, '>', A_NEXT, TPS_InTagEnd, 0, SpecialTags},
1183 : : {p_isspace, 0, A_NEXT, TPS_InTag, 0, SpecialTags},
1184 : : {p_isalnum, 0, A_NEXT, TPS_Null, 0, NULL},
1185 : : {p_iseqC, ':', A_NEXT, TPS_Null, 0, NULL},
1186 : : {p_iseqC, '_', A_NEXT, TPS_Null, 0, NULL},
1187 : : {p_iseqC, '.', A_NEXT, TPS_Null, 0, NULL},
1188 : : {p_iseqC, '-', A_NEXT, TPS_Null, 0, NULL},
1189 : : {NULL, 0, A_POP, TPS_Null, 0, NULL}
1190 : : };
1191 : :
1192 : : static const TParserStateActionItem actionTPS_InTagBeginEnd[] = {
1193 : : {p_isEOF, 0, A_POP, TPS_Null, 0, NULL},
1194 : : {p_iseqC, '>', A_NEXT, TPS_InTagEnd, 0, NULL},
1195 : : {NULL, 0, A_POP, TPS_Null, 0, NULL}
1196 : : };
1197 : :
1198 : : static const TParserStateActionItem actionTPS_InTag[] = {
1199 : : {p_isEOF, 0, A_POP, TPS_Null, 0, NULL},
1200 : : {p_iseqC, '>', A_NEXT, TPS_InTagEnd, 0, SpecialTags},
1201 : : {p_iseqC, '\'', A_NEXT, TPS_InTagEscapeK, 0, NULL},
1202 : : {p_iseqC, '"', A_NEXT, TPS_InTagEscapeKK, 0, NULL},
1203 : : {p_isasclet, 0, A_NEXT, TPS_Null, 0, NULL},
1204 : : {p_isdigit, 0, A_NEXT, TPS_Null, 0, NULL},
1205 : : {p_iseqC, '=', A_NEXT, TPS_Null, 0, NULL},
1206 : : {p_iseqC, '-', A_NEXT, TPS_Null, 0, NULL},
1207 : : {p_iseqC, '_', A_NEXT, TPS_Null, 0, NULL},
1208 : : {p_iseqC, '#', A_NEXT, TPS_Null, 0, NULL},
1209 : : {p_iseqC, '/', A_NEXT, TPS_Null, 0, NULL},
1210 : : {p_iseqC, ':', A_NEXT, TPS_Null, 0, NULL},
1211 : : {p_iseqC, '.', A_NEXT, TPS_Null, 0, NULL},
1212 : : {p_iseqC, '&', A_NEXT, TPS_Null, 0, NULL},
1213 : : {p_iseqC, '?', A_NEXT, TPS_Null, 0, NULL},
1214 : : {p_iseqC, '%', A_NEXT, TPS_Null, 0, NULL},
1215 : : {p_iseqC, '~', A_NEXT, TPS_Null, 0, NULL},
1216 : : {p_isspace, 0, A_NEXT, TPS_Null, 0, SpecialTags},
1217 : : {NULL, 0, A_POP, TPS_Null, 0, NULL}
1218 : : };
1219 : :
1220 : : static const TParserStateActionItem actionTPS_InTagEscapeK[] = {
1221 : : {p_isEOF, 0, A_POP, TPS_Null, 0, NULL},
1222 : : {p_iseqC, '\\', A_PUSH, TPS_InTagBackSleshed, 0, NULL},
1223 : : {p_iseqC, '\'', A_NEXT, TPS_InTag, 0, NULL},
1224 : : {NULL, 0, A_NEXT, TPS_InTagEscapeK, 0, NULL}
1225 : : };
1226 : :
1227 : : static const TParserStateActionItem actionTPS_InTagEscapeKK[] = {
1228 : : {p_isEOF, 0, A_POP, TPS_Null, 0, NULL},
1229 : : {p_iseqC, '\\', A_PUSH, TPS_InTagBackSleshed, 0, NULL},
1230 : : {p_iseqC, '"', A_NEXT, TPS_InTag, 0, NULL},
1231 : : {NULL, 0, A_NEXT, TPS_InTagEscapeKK, 0, NULL}
1232 : : };
1233 : :
1234 : : static const TParserStateActionItem actionTPS_InTagBackSleshed[] = {
1235 : : {p_isEOF, 0, A_POP, TPS_Null, 0, NULL},
1236 : : {NULL, 0, A_MERGE, TPS_Null, 0, NULL}
1237 : : };
1238 : :
1239 : : static const TParserStateActionItem actionTPS_InTagEnd[] = {
1240 : : {NULL, 0, A_BINGO | A_CLRALL, TPS_Base, TAG_T, NULL}
1241 : : };
1242 : :
1243 : : static const TParserStateActionItem actionTPS_InCommentFirst[] = {
1244 : : {p_isEOF, 0, A_POP, TPS_Null, 0, NULL},
1245 : : {p_iseqC, '-', A_NEXT, TPS_InCommentLast, 0, NULL},
1246 : : /* <!DOCTYPE ...> */
1247 : : {p_iseqC, 'D', A_NEXT, TPS_InTag, 0, NULL},
1248 : : {p_iseqC, 'd', A_NEXT, TPS_InTag, 0, NULL},
1249 : : {NULL, 0, A_POP, TPS_Null, 0, NULL}
1250 : : };
1251 : :
1252 : : static const TParserStateActionItem actionTPS_InCommentLast[] = {
1253 : : {p_isEOF, 0, A_POP, TPS_Null, 0, NULL},
1254 : : {p_iseqC, '-', A_NEXT, TPS_InComment, 0, NULL},
1255 : : {NULL, 0, A_POP, TPS_Null, 0, NULL}
1256 : : };
1257 : :
1258 : : static const TParserStateActionItem actionTPS_InComment[] = {
1259 : : {p_isEOF, 0, A_POP, TPS_Null, 0, NULL},
1260 : : {p_iseqC, '-', A_NEXT, TPS_InCloseCommentFirst, 0, NULL},
1261 : : {NULL, 0, A_NEXT, TPS_Null, 0, NULL}
1262 : : };
1263 : :
1264 : : static const TParserStateActionItem actionTPS_InCloseCommentFirst[] = {
1265 : : {p_isEOF, 0, A_POP, TPS_Null, 0, NULL},
1266 : : {p_iseqC, '-', A_NEXT, TPS_InCloseCommentLast, 0, NULL},
1267 : : {NULL, 0, A_NEXT, TPS_InComment, 0, NULL}
1268 : : };
1269 : :
1270 : : static const TParserStateActionItem actionTPS_InCloseCommentLast[] = {
1271 : : {p_isEOF, 0, A_POP, TPS_Null, 0, NULL},
1272 : : {p_iseqC, '-', A_NEXT, TPS_Null, 0, NULL},
1273 : : {p_iseqC, '>', A_NEXT, TPS_InCommentEnd, 0, NULL},
1274 : : {NULL, 0, A_NEXT, TPS_InComment, 0, NULL}
1275 : : };
1276 : :
1277 : : static const TParserStateActionItem actionTPS_InCommentEnd[] = {
1278 : : {NULL, 0, A_BINGO | A_CLRALL, TPS_Base, TAG_T, NULL}
1279 : : };
1280 : :
1281 : : static const TParserStateActionItem actionTPS_InHostFirstDomain[] = {
1282 : : {p_isEOF, 0, A_POP, TPS_Null, 0, NULL},
1283 : : {p_isasclet, 0, A_NEXT, TPS_InHostDomainSecond, 0, NULL},
1284 : : {p_isdigit, 0, A_NEXT, TPS_InHost, 0, NULL},
1285 : : {NULL, 0, A_POP, TPS_Null, 0, NULL}
1286 : : };
1287 : :
1288 : : static const TParserStateActionItem actionTPS_InHostDomainSecond[] = {
1289 : : {p_isEOF, 0, A_POP, TPS_Null, 0, NULL},
1290 : : {p_isasclet, 0, A_NEXT, TPS_InHostDomain, 0, NULL},
1291 : : {p_isdigit, 0, A_PUSH, TPS_InHost, 0, NULL},
1292 : : {p_iseqC, '-', A_PUSH, TPS_InHostFirstAN, 0, NULL},
1293 : : {p_iseqC, '_', A_PUSH, TPS_InHostFirstAN, 0, NULL},
1294 : : {p_iseqC, '.', A_PUSH, TPS_InHostFirstDomain, 0, NULL},
1295 : : {p_iseqC, '@', A_PUSH, TPS_InEmail, 0, NULL},
1296 : : {NULL, 0, A_POP, TPS_Null, 0, NULL}
1297 : : };
1298 : :
1299 : : static const TParserStateActionItem actionTPS_InHostDomain[] = {
1300 : : {p_isEOF, 0, A_BINGO | A_CLRALL, TPS_Base, HOST, NULL},
1301 : : {p_isasclet, 0, A_NEXT, TPS_InHostDomain, 0, NULL},
1302 : : {p_isdigit, 0, A_PUSH, TPS_InHost, 0, NULL},
1303 : : {p_iseqC, ':', A_PUSH, TPS_InPortFirst, 0, NULL},
1304 : : {p_iseqC, '-', A_PUSH, TPS_InHostFirstAN, 0, NULL},
1305 : : {p_iseqC, '_', A_PUSH, TPS_InHostFirstAN, 0, NULL},
1306 : : {p_iseqC, '.', A_PUSH, TPS_InHostFirstDomain, 0, NULL},
1307 : : {p_iseqC, '@', A_PUSH, TPS_InEmail, 0, NULL},
1308 : : {p_isdigit, 0, A_POP, TPS_Null, 0, NULL},
1309 : : {p_isstophost, 0, A_BINGO | A_CLRALL, TPS_InURLPathStart, HOST, NULL},
1310 : : {p_iseqC, '/', A_PUSH, TPS_InFURL, 0, NULL},
1311 : : {NULL, 0, A_BINGO | A_CLRALL, TPS_Base, HOST, NULL}
1312 : : };
1313 : :
1314 : : static const TParserStateActionItem actionTPS_InPortFirst[] = {
1315 : : {p_isEOF, 0, A_POP, TPS_Null, 0, NULL},
1316 : : {p_isdigit, 0, A_NEXT, TPS_InPort, 0, NULL},
1317 : : {NULL, 0, A_POP, TPS_Null, 0, NULL}
1318 : : };
1319 : :
1320 : : static const TParserStateActionItem actionTPS_InPort[] = {
1321 : : {p_isEOF, 0, A_BINGO | A_CLRALL, TPS_Base, HOST, NULL},
1322 : : {p_isdigit, 0, A_NEXT, TPS_InPort, 0, NULL},
1323 : : {p_isstophost, 0, A_BINGO | A_CLRALL, TPS_InURLPathStart, HOST, NULL},
1324 : : {p_iseqC, '/', A_PUSH, TPS_InFURL, 0, NULL},
1325 : : {NULL, 0, A_BINGO | A_CLRALL, TPS_Base, HOST, NULL}
1326 : : };
1327 : :
1328 : : static const TParserStateActionItem actionTPS_InHostFirstAN[] = {
1329 : : {p_isEOF, 0, A_POP, TPS_Null, 0, NULL},
1330 : : {p_isdigit, 0, A_NEXT, TPS_InHost, 0, NULL},
1331 : : {p_isasclet, 0, A_NEXT, TPS_InHost, 0, NULL},
1332 : : {NULL, 0, A_POP, TPS_Null, 0, NULL}
1333 : : };
1334 : :
1335 : : static const TParserStateActionItem actionTPS_InHost[] = {
1336 : : {p_isEOF, 0, A_POP, TPS_Null, 0, NULL},
1337 : : {p_isdigit, 0, A_NEXT, TPS_InHost, 0, NULL},
1338 : : {p_isasclet, 0, A_NEXT, TPS_InHost, 0, NULL},
1339 : : {p_iseqC, '@', A_PUSH, TPS_InEmail, 0, NULL},
1340 : : {p_iseqC, '.', A_PUSH, TPS_InHostFirstDomain, 0, NULL},
1341 : : {p_iseqC, '-', A_PUSH, TPS_InHostFirstAN, 0, NULL},
1342 : : {p_iseqC, '_', A_PUSH, TPS_InHostFirstAN, 0, NULL},
1343 : : {NULL, 0, A_POP, TPS_Null, 0, NULL}
1344 : : };
1345 : :
1346 : : static const TParserStateActionItem actionTPS_InEmail[] = {
1347 : : {p_isstophost, 0, A_POP, TPS_Null, 0, NULL},
1348 : : {p_ishost, 0, A_BINGO | A_CLRALL, TPS_Base, EMAIL, NULL},
1349 : : {NULL, 0, A_POP, TPS_Null, 0, NULL}
1350 : : };
1351 : :
1352 : : static const TParserStateActionItem actionTPS_InFileFirst[] = {
1353 : : {p_isEOF, 0, A_POP, TPS_Null, 0, NULL},
1354 : : {p_isasclet, 0, A_NEXT, TPS_InFile, 0, NULL},
1355 : : {p_isdigit, 0, A_NEXT, TPS_InFile, 0, NULL},
1356 : : {p_iseqC, '.', A_NEXT, TPS_InPathFirst, 0, NULL},
1357 : : {p_iseqC, '_', A_NEXT, TPS_InFile, 0, NULL},
1358 : : {p_iseqC, '~', A_PUSH, TPS_InFileTwiddle, 0, NULL},
1359 : : {NULL, 0, A_POP, TPS_Null, 0, NULL}
1360 : : };
1361 : :
1362 : : static const TParserStateActionItem actionTPS_InFileTwiddle[] = {
1363 : : {p_isEOF, 0, A_POP, TPS_Null, 0, NULL},
1364 : : {p_isasclet, 0, A_NEXT, TPS_InFile, 0, NULL},
1365 : : {p_isdigit, 0, A_NEXT, TPS_InFile, 0, NULL},
1366 : : {p_iseqC, '_', A_NEXT, TPS_InFile, 0, NULL},
1367 : : {p_iseqC, '/', A_NEXT, TPS_InFileFirst, 0, NULL},
1368 : : {NULL, 0, A_POP, TPS_Null, 0, NULL}
1369 : : };
1370 : :
1371 : : static const TParserStateActionItem actionTPS_InPathFirst[] = {
1372 : : {p_isEOF, 0, A_POP, TPS_Null, 0, NULL},
1373 : : {p_isasclet, 0, A_NEXT, TPS_InFile, 0, NULL},
1374 : : {p_isdigit, 0, A_NEXT, TPS_InFile, 0, NULL},
1375 : : {p_iseqC, '_', A_NEXT, TPS_InFile, 0, NULL},
1376 : : {p_iseqC, '.', A_NEXT, TPS_InPathSecond, 0, NULL},
1377 : : {p_iseqC, '/', A_NEXT, TPS_InFileFirst, 0, NULL},
1378 : : {NULL, 0, A_POP, TPS_Null, 0, NULL}
1379 : : };
1380 : :
1381 : : static const TParserStateActionItem actionTPS_InPathFirstFirst[] = {
1382 : : {p_isEOF, 0, A_POP, TPS_Null, 0, NULL},
1383 : : {p_iseqC, '.', A_NEXT, TPS_InPathSecond, 0, NULL},
1384 : : {p_iseqC, '/', A_NEXT, TPS_InFileFirst, 0, NULL},
1385 : : {NULL, 0, A_POP, TPS_Null, 0, NULL}
1386 : : };
1387 : :
1388 : : static const TParserStateActionItem actionTPS_InPathSecond[] = {
1389 : : {p_isEOF, 0, A_BINGO | A_CLEAR, TPS_Base, FILEPATH, NULL},
1390 : : {p_iseqC, '/', A_NEXT | A_PUSH, TPS_InFileFirst, 0, NULL},
1391 : : {p_iseqC, '/', A_BINGO | A_CLEAR, TPS_Base, FILEPATH, NULL},
1392 : : {p_isspace, 0, A_BINGO | A_CLEAR, TPS_Base, FILEPATH, NULL},
1393 : : {NULL, 0, A_POP, TPS_Null, 0, NULL}
1394 : : };
1395 : :
1396 : : static const TParserStateActionItem actionTPS_InFile[] = {
1397 : : {p_isEOF, 0, A_BINGO, TPS_Base, FILEPATH, NULL},
1398 : : {p_isasclet, 0, A_NEXT, TPS_InFile, 0, NULL},
1399 : : {p_isdigit, 0, A_NEXT, TPS_InFile, 0, NULL},
1400 : : {p_iseqC, '.', A_PUSH, TPS_InFileNext, 0, NULL},
1401 : : {p_iseqC, '_', A_NEXT, TPS_InFile, 0, NULL},
1402 : : {p_iseqC, '-', A_NEXT, TPS_InFile, 0, NULL},
1403 : : {p_iseqC, '/', A_PUSH, TPS_InFileFirst, 0, NULL},
1404 : : {NULL, 0, A_BINGO, TPS_Base, FILEPATH, NULL}
1405 : : };
1406 : :
1407 : : static const TParserStateActionItem actionTPS_InFileNext[] = {
1408 : : {p_isEOF, 0, A_POP, TPS_Null, 0, NULL},
1409 : : {p_isasclet, 0, A_CLEAR, TPS_InFile, 0, NULL},
1410 : : {p_isdigit, 0, A_CLEAR, TPS_InFile, 0, NULL},
1411 : : {p_iseqC, '_', A_CLEAR, TPS_InFile, 0, NULL},
1412 : : {NULL, 0, A_POP, TPS_Null, 0, NULL}
1413 : : };
1414 : :
1415 : : static const TParserStateActionItem actionTPS_InURLPathFirst[] = {
1416 : : {p_isEOF, 0, A_POP, TPS_Null, 0, NULL},
1417 : : {p_isurlchar, 0, A_NEXT, TPS_InURLPath, 0, NULL},
1418 : : {NULL, 0, A_POP, TPS_Null, 0, NULL},
1419 : : };
1420 : :
1421 : : static const TParserStateActionItem actionTPS_InURLPathStart[] = {
1422 : : {NULL, 0, A_NEXT, TPS_InURLPath, 0, NULL}
1423 : : };
1424 : :
1425 : : static const TParserStateActionItem actionTPS_InURLPath[] = {
1426 : : {p_isEOF, 0, A_BINGO, TPS_Base, URLPATH, NULL},
1427 : : {p_isurlchar, 0, A_NEXT, TPS_InURLPath, 0, NULL},
1428 : : {NULL, 0, A_BINGO, TPS_Base, URLPATH, NULL}
1429 : : };
1430 : :
1431 : : static const TParserStateActionItem actionTPS_InFURL[] = {
1432 : : {p_isEOF, 0, A_POP, TPS_Null, 0, NULL},
1433 : : {p_isURLPath, 0, A_BINGO | A_CLRALL, TPS_Base, URL_T, SpecialFURL},
1434 : : {NULL, 0, A_POP, TPS_Null, 0, NULL}
1435 : : };
1436 : :
1437 : : static const TParserStateActionItem actionTPS_InProtocolFirst[] = {
1438 : : {p_isEOF, 0, A_POP, TPS_Null, 0, NULL},
1439 : : {p_iseqC, '/', A_NEXT, TPS_InProtocolSecond, 0, NULL},
1440 : : {NULL, 0, A_POP, TPS_Null, 0, NULL}
1441 : : };
1442 : :
1443 : : static const TParserStateActionItem actionTPS_InProtocolSecond[] = {
1444 : : {p_isEOF, 0, A_POP, TPS_Null, 0, NULL},
1445 : : {p_iseqC, '/', A_NEXT, TPS_InProtocolEnd, 0, NULL},
1446 : : {NULL, 0, A_POP, TPS_Null, 0, NULL}
1447 : : };
1448 : :
1449 : : static const TParserStateActionItem actionTPS_InProtocolEnd[] = {
1450 : : {NULL, 0, A_BINGO | A_CLRALL, TPS_Base, PROTOCOL, NULL}
1451 : : };
1452 : :
1453 : : static const TParserStateActionItem actionTPS_InHyphenAsciiWordFirst[] = {
1454 : : {p_isEOF, 0, A_POP, TPS_Null, 0, NULL},
1455 : : {p_isasclet, 0, A_NEXT, TPS_InHyphenAsciiWord, 0, NULL},
1456 : : {p_isalpha, 0, A_NEXT, TPS_InHyphenWord, 0, NULL},
1457 : : {p_isdigit, 0, A_NEXT, TPS_InHyphenDigitLookahead, 0, NULL},
1458 : : {NULL, 0, A_POP, TPS_Null, 0, NULL}
1459 : : };
1460 : :
1461 : : static const TParserStateActionItem actionTPS_InHyphenAsciiWord[] = {
1462 : : {p_isEOF, 0, A_BINGO | A_CLRALL, TPS_InParseHyphen, ASCIIHWORD, SpecialHyphen},
1463 : : {p_isasclet, 0, A_NEXT, TPS_InHyphenAsciiWord, 0, NULL},
1464 : : {p_isalpha, 0, A_NEXT, TPS_InHyphenWord, 0, NULL},
1465 : : {p_isspecial, 0, A_NEXT, TPS_InHyphenWord, 0, NULL},
1466 : : {p_isdigit, 0, A_NEXT, TPS_InHyphenNumWord, 0, NULL},
1467 : : {p_iseqC, '-', A_PUSH, TPS_InHyphenAsciiWordFirst, 0, NULL},
1468 : : {NULL, 0, A_BINGO | A_CLRALL, TPS_InParseHyphen, ASCIIHWORD, SpecialHyphen}
1469 : : };
1470 : :
1471 : : static const TParserStateActionItem actionTPS_InHyphenWordFirst[] = {
1472 : : {p_isEOF, 0, A_POP, TPS_Null, 0, NULL},
1473 : : {p_isalpha, 0, A_NEXT, TPS_InHyphenWord, 0, NULL},
1474 : : {p_isdigit, 0, A_NEXT, TPS_InHyphenDigitLookahead, 0, NULL},
1475 : : {NULL, 0, A_POP, TPS_Null, 0, NULL}
1476 : : };
1477 : :
1478 : : static const TParserStateActionItem actionTPS_InHyphenWord[] = {
1479 : : {p_isEOF, 0, A_BINGO | A_CLRALL, TPS_InParseHyphen, HWORD, SpecialHyphen},
1480 : : {p_isalpha, 0, A_NEXT, TPS_InHyphenWord, 0, NULL},
1481 : : {p_isspecial, 0, A_NEXT, TPS_InHyphenWord, 0, NULL},
1482 : : {p_isdigit, 0, A_NEXT, TPS_InHyphenNumWord, 0, NULL},
1483 : : {p_iseqC, '-', A_PUSH, TPS_InHyphenWordFirst, 0, NULL},
1484 : : {NULL, 0, A_BINGO | A_CLRALL, TPS_InParseHyphen, HWORD, SpecialHyphen}
1485 : : };
1486 : :
1487 : : static const TParserStateActionItem actionTPS_InHyphenNumWordFirst[] = {
1488 : : {p_isEOF, 0, A_POP, TPS_Null, 0, NULL},
1489 : : {p_isalpha, 0, A_NEXT, TPS_InHyphenNumWord, 0, NULL},
1490 : : {p_isdigit, 0, A_NEXT, TPS_InHyphenDigitLookahead, 0, NULL},
1491 : : {NULL, 0, A_POP, TPS_Null, 0, NULL}
1492 : : };
1493 : :
1494 : : static const TParserStateActionItem actionTPS_InHyphenNumWord[] = {
1495 : : {p_isEOF, 0, A_BINGO | A_CLRALL, TPS_InParseHyphen, NUMHWORD, SpecialHyphen},
1496 : : {p_isalnum, 0, A_NEXT, TPS_InHyphenNumWord, 0, NULL},
1497 : : {p_isspecial, 0, A_NEXT, TPS_InHyphenNumWord, 0, NULL},
1498 : : {p_iseqC, '-', A_PUSH, TPS_InHyphenNumWordFirst, 0, NULL},
1499 : : {NULL, 0, A_BINGO | A_CLRALL, TPS_InParseHyphen, NUMHWORD, SpecialHyphen}
1500 : : };
1501 : :
1502 : : static const TParserStateActionItem actionTPS_InHyphenDigitLookahead[] = {
1503 : : {p_isEOF, 0, A_POP, TPS_Null, 0, NULL},
1504 : : {p_isdigit, 0, A_NEXT, TPS_InHyphenDigitLookahead, 0, NULL},
1505 : : {p_isalpha, 0, A_NEXT, TPS_InHyphenNumWord, 0, NULL},
1506 : : {p_isspecial, 0, A_NEXT, TPS_InHyphenNumWord, 0, NULL},
1507 : : {NULL, 0, A_POP, TPS_Null, 0, NULL}
1508 : : };
1509 : :
1510 : : static const TParserStateActionItem actionTPS_InParseHyphen[] = {
1511 : : {p_isEOF, 0, A_RERUN, TPS_Base, 0, NULL},
1512 : : {p_isasclet, 0, A_NEXT, TPS_InHyphenAsciiWordPart, 0, NULL},
1513 : : {p_isalpha, 0, A_NEXT, TPS_InHyphenWordPart, 0, NULL},
1514 : : {p_isdigit, 0, A_PUSH, TPS_InHyphenUnsignedInt, 0, NULL},
1515 : : {p_iseqC, '-', A_PUSH, TPS_InParseHyphenHyphen, 0, NULL},
1516 : : {NULL, 0, A_RERUN, TPS_Base, 0, NULL}
1517 : : };
1518 : :
1519 : : static const TParserStateActionItem actionTPS_InParseHyphenHyphen[] = {
1520 : : {p_isEOF, 0, A_POP, TPS_Null, 0, NULL},
1521 : : {p_isalnum, 0, A_BINGO | A_CLEAR, TPS_InParseHyphen, SPACE, NULL},
1522 : : {p_isspecial, 0, A_BINGO | A_CLEAR, TPS_InParseHyphen, SPACE, NULL},
1523 : : {NULL, 0, A_POP, TPS_Null, 0, NULL}
1524 : : };
1525 : :
1526 : : static const TParserStateActionItem actionTPS_InHyphenWordPart[] = {
1527 : : {p_isEOF, 0, A_BINGO, TPS_Base, PARTHWORD, NULL},
1528 : : {p_isalpha, 0, A_NEXT, TPS_InHyphenWordPart, 0, NULL},
1529 : : {p_isspecial, 0, A_NEXT, TPS_InHyphenWordPart, 0, NULL},
1530 : : {p_isdigit, 0, A_NEXT, TPS_InHyphenNumWordPart, 0, NULL},
1531 : : {NULL, 0, A_BINGO, TPS_InParseHyphen, PARTHWORD, NULL}
1532 : : };
1533 : :
1534 : : static const TParserStateActionItem actionTPS_InHyphenAsciiWordPart[] = {
1535 : : {p_isEOF, 0, A_BINGO, TPS_Base, ASCIIPARTHWORD, NULL},
1536 : : {p_isasclet, 0, A_NEXT, TPS_InHyphenAsciiWordPart, 0, NULL},
1537 : : {p_isalpha, 0, A_NEXT, TPS_InHyphenWordPart, 0, NULL},
1538 : : {p_isspecial, 0, A_NEXT, TPS_InHyphenWordPart, 0, NULL},
1539 : : {p_isdigit, 0, A_NEXT, TPS_InHyphenNumWordPart, 0, NULL},
1540 : : {NULL, 0, A_BINGO, TPS_InParseHyphen, ASCIIPARTHWORD, NULL}
1541 : : };
1542 : :
1543 : : static const TParserStateActionItem actionTPS_InHyphenNumWordPart[] = {
1544 : : {p_isEOF, 0, A_BINGO, TPS_Base, NUMPARTHWORD, NULL},
1545 : : {p_isalnum, 0, A_NEXT, TPS_InHyphenNumWordPart, 0, NULL},
1546 : : {p_isspecial, 0, A_NEXT, TPS_InHyphenNumWordPart, 0, NULL},
1547 : : {NULL, 0, A_BINGO, TPS_InParseHyphen, NUMPARTHWORD, NULL}
1548 : : };
1549 : :
1550 : : static const TParserStateActionItem actionTPS_InHyphenUnsignedInt[] = {
1551 : : {p_isEOF, 0, A_POP, TPS_Null, 0, NULL},
1552 : : {p_isdigit, 0, A_NEXT, TPS_Null, 0, NULL},
1553 : : {p_isalpha, 0, A_CLEAR, TPS_InHyphenNumWordPart, 0, NULL},
1554 : : {p_isspecial, 0, A_CLEAR, TPS_InHyphenNumWordPart, 0, NULL},
1555 : : {NULL, 0, A_POP, TPS_Null, 0, NULL}
1556 : : };
1557 : :
1558 : :
1559 : : /*
1560 : : * main table of per-state parser actions
1561 : : */
1562 : : typedef struct
1563 : : {
1564 : : const TParserStateActionItem *action; /* the actual state info */
1565 : : TParserState state; /* only for Assert crosscheck */
1566 : : #ifdef WPARSER_TRACE
1567 : : const char *state_name; /* only for debug printout */
1568 : : #endif
1569 : : } TParserStateAction;
1570 : :
1571 : : #ifdef WPARSER_TRACE
1572 : : #define TPARSERSTATEACTION(state) \
1573 : : { CppConcat(action,state), state, CppAsString(state) }
1574 : : #else
1575 : : #define TPARSERSTATEACTION(state) \
1576 : : { CppConcat(action,state), state }
1577 : : #endif
1578 : :
1579 : : /*
1580 : : * order must be the same as in typedef enum {} TParserState!!
1581 : : */
1582 : :
1583 : : static const TParserStateAction Actions[] = {
1584 : : TPARSERSTATEACTION(TPS_Base),
1585 : : TPARSERSTATEACTION(TPS_InNumWord),
1586 : : TPARSERSTATEACTION(TPS_InAsciiWord),
1587 : : TPARSERSTATEACTION(TPS_InWord),
1588 : : TPARSERSTATEACTION(TPS_InUnsignedInt),
1589 : : TPARSERSTATEACTION(TPS_InSignedIntFirst),
1590 : : TPARSERSTATEACTION(TPS_InSignedInt),
1591 : : TPARSERSTATEACTION(TPS_InSpace),
1592 : : TPARSERSTATEACTION(TPS_InUDecimalFirst),
1593 : : TPARSERSTATEACTION(TPS_InUDecimal),
1594 : : TPARSERSTATEACTION(TPS_InDecimalFirst),
1595 : : TPARSERSTATEACTION(TPS_InDecimal),
1596 : : TPARSERSTATEACTION(TPS_InVerVersion),
1597 : : TPARSERSTATEACTION(TPS_InSVerVersion),
1598 : : TPARSERSTATEACTION(TPS_InVersionFirst),
1599 : : TPARSERSTATEACTION(TPS_InVersion),
1600 : : TPARSERSTATEACTION(TPS_InMantissaFirst),
1601 : : TPARSERSTATEACTION(TPS_InMantissaSign),
1602 : : TPARSERSTATEACTION(TPS_InMantissa),
1603 : : TPARSERSTATEACTION(TPS_InXMLEntityFirst),
1604 : : TPARSERSTATEACTION(TPS_InXMLEntity),
1605 : : TPARSERSTATEACTION(TPS_InXMLEntityNumFirst),
1606 : : TPARSERSTATEACTION(TPS_InXMLEntityNum),
1607 : : TPARSERSTATEACTION(TPS_InXMLEntityHexNumFirst),
1608 : : TPARSERSTATEACTION(TPS_InXMLEntityHexNum),
1609 : : TPARSERSTATEACTION(TPS_InXMLEntityEnd),
1610 : : TPARSERSTATEACTION(TPS_InTagFirst),
1611 : : TPARSERSTATEACTION(TPS_InXMLBegin),
1612 : : TPARSERSTATEACTION(TPS_InTagCloseFirst),
1613 : : TPARSERSTATEACTION(TPS_InTagName),
1614 : : TPARSERSTATEACTION(TPS_InTagBeginEnd),
1615 : : TPARSERSTATEACTION(TPS_InTag),
1616 : : TPARSERSTATEACTION(TPS_InTagEscapeK),
1617 : : TPARSERSTATEACTION(TPS_InTagEscapeKK),
1618 : : TPARSERSTATEACTION(TPS_InTagBackSleshed),
1619 : : TPARSERSTATEACTION(TPS_InTagEnd),
1620 : : TPARSERSTATEACTION(TPS_InCommentFirst),
1621 : : TPARSERSTATEACTION(TPS_InCommentLast),
1622 : : TPARSERSTATEACTION(TPS_InComment),
1623 : : TPARSERSTATEACTION(TPS_InCloseCommentFirst),
1624 : : TPARSERSTATEACTION(TPS_InCloseCommentLast),
1625 : : TPARSERSTATEACTION(TPS_InCommentEnd),
1626 : : TPARSERSTATEACTION(TPS_InHostFirstDomain),
1627 : : TPARSERSTATEACTION(TPS_InHostDomainSecond),
1628 : : TPARSERSTATEACTION(TPS_InHostDomain),
1629 : : TPARSERSTATEACTION(TPS_InPortFirst),
1630 : : TPARSERSTATEACTION(TPS_InPort),
1631 : : TPARSERSTATEACTION(TPS_InHostFirstAN),
1632 : : TPARSERSTATEACTION(TPS_InHost),
1633 : : TPARSERSTATEACTION(TPS_InEmail),
1634 : : TPARSERSTATEACTION(TPS_InFileFirst),
1635 : : TPARSERSTATEACTION(TPS_InFileTwiddle),
1636 : : TPARSERSTATEACTION(TPS_InPathFirst),
1637 : : TPARSERSTATEACTION(TPS_InPathFirstFirst),
1638 : : TPARSERSTATEACTION(TPS_InPathSecond),
1639 : : TPARSERSTATEACTION(TPS_InFile),
1640 : : TPARSERSTATEACTION(TPS_InFileNext),
1641 : : TPARSERSTATEACTION(TPS_InURLPathFirst),
1642 : : TPARSERSTATEACTION(TPS_InURLPathStart),
1643 : : TPARSERSTATEACTION(TPS_InURLPath),
1644 : : TPARSERSTATEACTION(TPS_InFURL),
1645 : : TPARSERSTATEACTION(TPS_InProtocolFirst),
1646 : : TPARSERSTATEACTION(TPS_InProtocolSecond),
1647 : : TPARSERSTATEACTION(TPS_InProtocolEnd),
1648 : : TPARSERSTATEACTION(TPS_InHyphenAsciiWordFirst),
1649 : : TPARSERSTATEACTION(TPS_InHyphenAsciiWord),
1650 : : TPARSERSTATEACTION(TPS_InHyphenWordFirst),
1651 : : TPARSERSTATEACTION(TPS_InHyphenWord),
1652 : : TPARSERSTATEACTION(TPS_InHyphenNumWordFirst),
1653 : : TPARSERSTATEACTION(TPS_InHyphenNumWord),
1654 : : TPARSERSTATEACTION(TPS_InHyphenDigitLookahead),
1655 : : TPARSERSTATEACTION(TPS_InParseHyphen),
1656 : : TPARSERSTATEACTION(TPS_InParseHyphenHyphen),
1657 : : TPARSERSTATEACTION(TPS_InHyphenWordPart),
1658 : : TPARSERSTATEACTION(TPS_InHyphenAsciiWordPart),
1659 : : TPARSERSTATEACTION(TPS_InHyphenNumWordPart),
1660 : : TPARSERSTATEACTION(TPS_InHyphenUnsignedInt)
1661 : : };
1662 : :
1663 : :
1664 : : static bool
1665 : 23734 : TParserGet(TParser *prs)
1666 : : {
1667 : 23734 : const TParserStateActionItem *item = NULL;
1668 : :
1669 [ - + ]: 23734 : CHECK_FOR_INTERRUPTS();
1670 : :
1671 : : Assert(prs->state);
1672 : :
1673 [ + + ]: 23734 : if (prs->state->posbyte >= prs->lenstr)
1674 : 3908 : return false;
1675 : :
1676 : 19826 : prs->token = prs->str + prs->state->posbyte;
1677 : 19826 : prs->state->pushedAtAction = NULL;
1678 : :
1679 : : /* look at string */
1680 [ + - ]: 84141 : while (prs->state->posbyte <= prs->lenstr)
1681 : : {
1682 [ + + ]: 84141 : if (prs->state->posbyte == prs->lenstr)
1683 : 4031 : prs->state->charlen = 0;
1684 : : else
1685 [ - + ]: 160220 : prs->state->charlen = (prs->charmaxlen == 1) ? prs->charmaxlen :
1686 : 80110 : pg_mblen_range(prs->str + prs->state->posbyte,
1687 : 80110 : prs->str + prs->lenstr);
1688 : :
1689 : : Assert(prs->state->posbyte + prs->state->charlen <= prs->lenstr);
1690 : : Assert(prs->state->state >= TPS_Base && prs->state->state < TPS_Null);
1691 : : Assert(Actions[prs->state->state].state == prs->state->state);
1692 : :
1693 [ + + ]: 84141 : if (prs->state->pushedAtAction)
1694 : : {
1695 : : /* After a POP, pick up at the next test */
1696 : 2113 : item = prs->state->pushedAtAction + 1;
1697 : 2113 : prs->state->pushedAtAction = NULL;
1698 : : }
1699 : : else
1700 : : {
1701 : 82028 : item = Actions[prs->state->state].action;
1702 : : Assert(item != NULL);
1703 : : }
1704 : :
1705 : : /* find action by character class */
1706 [ + + ]: 454573 : while (item->isclass)
1707 : : {
1708 : 428852 : prs->c = item->c;
1709 [ + + ]: 428852 : if (item->isclass(prs) != 0)
1710 : 58420 : break;
1711 : 370432 : item++;
1712 : : }
1713 : :
1714 : : #ifdef WPARSER_TRACE
1715 : : {
1716 : : TParserPosition *ptr;
1717 : :
1718 : : fprintf(stderr, "state ");
1719 : : /* indent according to stack depth */
1720 : : for (ptr = prs->state->prev; ptr; ptr = ptr->prev)
1721 : : fprintf(stderr, " ");
1722 : : fprintf(stderr, "%s ", Actions[prs->state->state].state_name);
1723 : : if (prs->state->posbyte < prs->lenstr)
1724 : : fprintf(stderr, "at %c", *(prs->str + prs->state->posbyte));
1725 : : else
1726 : : fprintf(stderr, "at EOF");
1727 : : fprintf(stderr, " matched rule %d flags%s%s%s%s%s%s%s%s%s%s%s\n",
1728 : : (int) (item - Actions[prs->state->state].action),
1729 : : (item->flags & A_BINGO) ? " BINGO" : "",
1730 : : (item->flags & A_POP) ? " POP" : "",
1731 : : (item->flags & A_PUSH) ? " PUSH" : "",
1732 : : (item->flags & A_RERUN) ? " RERUN" : "",
1733 : : (item->flags & A_CLEAR) ? " CLEAR" : "",
1734 : : (item->flags & A_MERGE) ? " MERGE" : "",
1735 : : (item->flags & A_CLRALL) ? " CLRALL" : "",
1736 : : (item->tostate != TPS_Null) ? " tostate " : "",
1737 : : (item->tostate != TPS_Null) ? Actions[item->tostate].state_name : "",
1738 : : (item->type > 0) ? " type " : "",
1739 : : tok_alias[item->type]);
1740 : : }
1741 : : #endif
1742 : :
1743 : : /* call special handler if exists */
1744 [ + + ]: 84141 : if (item->special)
1745 : 327 : item->special(prs);
1746 : :
1747 : : /* BINGO, token is found */
1748 [ + + ]: 84141 : if (item->flags & A_BINGO)
1749 : : {
1750 : : Assert(item->type > 0);
1751 : 19826 : prs->lenbytetoken = prs->state->lenbytetoken;
1752 : 19826 : prs->lenchartoken = prs->state->lenchartoken;
1753 : 19826 : prs->state->lenbytetoken = prs->state->lenchartoken = 0;
1754 : 19826 : prs->type = item->type;
1755 : : }
1756 : :
1757 : : /* do various actions by flags */
1758 [ + + ]: 84141 : if (item->flags & A_POP)
1759 : : { /* pop stored state in stack */
1760 : 2127 : TParserPosition *ptr = prs->state->prev;
1761 : :
1762 : 2127 : pfree(prs->state);
1763 : 2127 : prs->state = ptr;
1764 : : Assert(prs->state);
1765 : : }
1766 [ + + ]: 82014 : else if (item->flags & A_PUSH)
1767 : : { /* push (store) state in stack */
1768 : 4041 : prs->state->pushedAtAction = item; /* remember where we push */
1769 : 4041 : prs->state = newTParserPosition(prs->state);
1770 : : }
1771 [ + + ]: 77973 : else if (item->flags & A_CLEAR)
1772 : : { /* clear previous pushed state */
1773 : : TParserPosition *ptr;
1774 : :
1775 : : Assert(prs->state->prev);
1776 : 393 : ptr = prs->state->prev->prev;
1777 : 393 : pfree(prs->state->prev);
1778 : 393 : prs->state->prev = ptr;
1779 : : }
1780 [ + + ]: 77580 : else if (item->flags & A_CLRALL)
1781 : : { /* clear all previous pushed state */
1782 : : TParserPosition *ptr;
1783 : :
1784 [ + + ]: 2137 : while (prs->state->prev)
1785 : : {
1786 : 1535 : ptr = prs->state->prev->prev;
1787 : 1535 : pfree(prs->state->prev);
1788 : 1535 : prs->state->prev = ptr;
1789 : : }
1790 : : }
1791 [ - + ]: 76978 : else if (item->flags & A_MERGE)
1792 : : { /* merge posinfo with current and pushed state */
1793 : 0 : TParserPosition *ptr = prs->state;
1794 : :
1795 : : Assert(prs->state->prev);
1796 : 0 : prs->state = prs->state->prev;
1797 : :
1798 : 0 : prs->state->posbyte = ptr->posbyte;
1799 : 0 : prs->state->poschar = ptr->poschar;
1800 : 0 : prs->state->charlen = ptr->charlen;
1801 : 0 : prs->state->lenbytetoken = ptr->lenbytetoken;
1802 : 0 : prs->state->lenchartoken = ptr->lenchartoken;
1803 : 0 : pfree(ptr);
1804 : : }
1805 : :
1806 : : /* set new state if pointed */
1807 [ + + ]: 84141 : if (item->tostate != TPS_Null)
1808 : 53741 : prs->state->state = item->tostate;
1809 : :
1810 : : /* check for go away */
1811 [ + + ]: 84141 : if ((item->flags & A_BINGO) ||
1812 [ - + ]: 64315 : (prs->state->posbyte >= prs->lenstr &&
1813 [ # # ]: 0 : (item->flags & A_RERUN) == 0))
1814 : : break;
1815 : :
1816 : : /* go to beginning of loop if we should rerun or we just restore state */
1817 [ + + ]: 64315 : if (item->flags & (A_RERUN | A_POP))
1818 : 2146 : continue;
1819 : :
1820 : : /* move forward */
1821 [ + - ]: 62169 : if (prs->state->charlen)
1822 : : {
1823 : 62169 : prs->state->posbyte += prs->state->charlen;
1824 : 62169 : prs->state->lenbytetoken += prs->state->charlen;
1825 : 62169 : prs->state->poschar++;
1826 : 62169 : prs->state->lenchartoken++;
1827 : : }
1828 : : }
1829 : :
1830 [ + - + - ]: 19826 : return (item && (item->flags & A_BINGO));
1831 : : }
1832 : :
1833 : : Datum
1834 : 5543 : prsd_lextype(PG_FUNCTION_ARGS)
1835 : : {
1836 : 5543 : LexDescr *descr = palloc_array(LexDescr, LASTNUM + 1);
1837 : : int i;
1838 : :
1839 [ + + ]: 133032 : for (i = 1; i <= LASTNUM; i++)
1840 : : {
1841 : 127489 : descr[i - 1].lexid = i;
1842 : 127489 : descr[i - 1].alias = pstrdup(tok_alias[i]);
1843 : 127489 : descr[i - 1].descr = pstrdup(lex_descr[i]);
1844 : : }
1845 : :
1846 : 5543 : descr[LASTNUM].lexid = 0;
1847 : :
1848 : 5543 : PG_RETURN_POINTER(descr);
1849 : : }
1850 : :
1851 : : Datum
1852 : 3908 : prsd_start(PG_FUNCTION_ARGS)
1853 : : {
1854 : 3908 : PG_RETURN_POINTER(TParserInit((char *) PG_GETARG_POINTER(0), PG_GETARG_INT32(1)));
1855 : : }
1856 : :
1857 : : Datum
1858 : 23550 : prsd_nexttoken(PG_FUNCTION_ARGS)
1859 : : {
1860 : 23550 : TParser *p = (TParser *) PG_GETARG_POINTER(0);
1861 : 23550 : char **t = (char **) PG_GETARG_POINTER(1);
1862 : 23550 : int *tlen = (int *) PG_GETARG_POINTER(2);
1863 : :
1864 [ + + ]: 23550 : if (!TParserGet(p))
1865 : 3908 : PG_RETURN_INT32(0);
1866 : :
1867 : 19642 : *t = p->token;
1868 : 19642 : *tlen = p->lenbytetoken;
1869 : :
1870 : 19642 : PG_RETURN_INT32(p->type);
1871 : : }
1872 : :
1873 : : Datum
1874 : 3908 : prsd_end(PG_FUNCTION_ARGS)
1875 : : {
1876 : 3908 : TParser *p = (TParser *) PG_GETARG_POINTER(0);
1877 : :
1878 : 3908 : TParserClose(p);
1879 : 3908 : PG_RETURN_VOID();
1880 : : }
1881 : :
1882 : :
1883 : : /*
1884 : : * ts_headline support begins here
1885 : : */
1886 : :
1887 : : /* token type classification macros */
1888 : : #define TS_IDIGNORE(x) ( (x)==TAG_T || (x)==PROTOCOL || (x)==SPACE || (x)==XMLENTITY )
1889 : : #define HLIDREPLACE(x) ( (x)==TAG_T )
1890 : : #define HLIDSKIP(x) ( (x)==URL_T || (x)==NUMHWORD || (x)==ASCIIHWORD || (x)==HWORD )
1891 : : #define XMLHLIDSKIP(x) ( (x)==URL_T || (x)==NUMHWORD || (x)==ASCIIHWORD || (x)==HWORD )
1892 : : #define NONWORDTOKEN(x) ( (x)==SPACE || HLIDREPLACE(x) || HLIDSKIP(x) )
1893 : : #define NOENDTOKEN(x) ( NONWORDTOKEN(x) || (x)==SCIENTIFIC || (x)==VERSIONNUMBER || (x)==DECIMAL_T || (x)==SIGNEDINT || (x)==UNSIGNEDINT || TS_IDIGNORE(x) )
1894 : :
1895 : : /*
1896 : : * Macros useful in headline selection. These rely on availability of
1897 : : * "HeadlineParsedText *prs" describing some text, and "int shortword"
1898 : : * describing the "short word" length parameter.
1899 : : */
1900 : :
1901 : : /* Interesting words are non-repeated search terms */
1902 : : #define INTERESTINGWORD(j) \
1903 : : (prs->words[j].item && !prs->words[j].repeated)
1904 : :
1905 : : /* Don't want to end at a non-word or a short word, unless interesting */
1906 : : #define BADENDPOINT(j) \
1907 : : ((NOENDTOKEN(prs->words[j].type) || prs->words[j].len <= shortword) && \
1908 : : !INTERESTINGWORD(j))
1909 : :
1910 : : typedef struct
1911 : : {
1912 : : /* one cover (well, really one fragment) for mark_hl_fragments */
1913 : : int32 startpos; /* fragment's starting word index */
1914 : : int32 endpos; /* ending word index (inclusive) */
1915 : : int32 poslen; /* number of interesting words */
1916 : : int32 curlen; /* total number of words */
1917 : : bool chosen; /* chosen? */
1918 : : bool excluded; /* excluded? */
1919 : : } CoverPos;
1920 : :
1921 : : typedef struct
1922 : : {
1923 : : /* callback data for checkcondition_HL */
1924 : : HeadlineWordEntry *words;
1925 : : int len;
1926 : : } hlCheck;
1927 : :
1928 : :
1929 : : /*
1930 : : * TS_execute callback for matching a tsquery operand to headline words
1931 : : *
1932 : : * Note: it's tempting to report words[] indexes as pos values to save
1933 : : * searching in hlCover; but that would screw up phrase matching, which
1934 : : * expects to measure distances in lexemes not tokens.
1935 : : */
1936 : : static TSTernaryValue
1937 : 832 : checkcondition_HL(void *opaque, QueryOperand *val, ExecPhraseData *data)
1938 : : {
1939 : 832 : hlCheck *checkval = (hlCheck *) opaque;
1940 : : int i;
1941 : :
1942 : : /* scan words array for matching items */
1943 [ + + ]: 21153 : for (i = 0; i < checkval->len; i++)
1944 : : {
1945 [ + + ]: 20499 : if (checkval->words[i].item == val)
1946 : : {
1947 : : /* if data == NULL, don't need to report positions */
1948 [ + + ]: 747 : if (!data)
1949 : 178 : return TS_YES;
1950 : :
1951 [ + + ]: 569 : if (!data->pos)
1952 : : {
1953 : 404 : data->pos = palloc_array(WordEntryPos, checkval->len);
1954 : 404 : data->allocated = true;
1955 : 404 : data->npos = 1;
1956 : 404 : data->pos[0] = checkval->words[i].pos;
1957 : : }
1958 [ + - ]: 165 : else if (data->pos[data->npos - 1] < checkval->words[i].pos)
1959 : : {
1960 : 165 : data->pos[data->npos++] = checkval->words[i].pos;
1961 : : }
1962 : : }
1963 : : }
1964 : :
1965 [ + + + + ]: 654 : if (data && data->npos > 0)
1966 : 404 : return TS_YES;
1967 : :
1968 : 250 : return TS_NO;
1969 : : }
1970 : :
1971 : : /*
1972 : : * hlCover: try to find a substring of prs' word list that satisfies query
1973 : : *
1974 : : * locations is the result of TS_execute_locations() for the query.
1975 : : * We use this to identify plausible subranges of the query.
1976 : : *
1977 : : * *nextpos is the lexeme position (NOT word index) to start the search
1978 : : * at. Caller should initialize this to zero. If successful, we'll
1979 : : * advance it to the next place to search at.
1980 : : *
1981 : : * On success, sets *p to first word index and *q to last word index of the
1982 : : * cover substring, and returns true.
1983 : : *
1984 : : * The result is a minimal cover, in the sense that both *p and *q will be
1985 : : * words used in the query.
1986 : : */
1987 : : static bool
1988 : 471 : hlCover(HeadlineParsedText *prs, TSQuery query, List *locations,
1989 : : int *nextpos, int *p, int *q)
1990 : : {
1991 : 471 : int pos = *nextpos;
1992 : :
1993 : : /* This loop repeats when our selected word-range fails the query */
1994 : : for (;;)
1995 : 50 : {
1996 : : int posb,
1997 : : pose;
1998 : : ListCell *lc;
1999 : :
2000 : : /*
2001 : : * For each AND'ed query term or phrase, find its first occurrence at
2002 : : * or after pos; set pose to the maximum of those positions.
2003 : : *
2004 : : * We need not consider ORs or NOTs here; see the comments for
2005 : : * TS_execute_locations(). Rechecking the match with TS_execute(),
2006 : : * below, will deal with any ensuing imprecision.
2007 : : */
2008 : 521 : pose = -1;
2009 [ + + + + : 819 : foreach(lc, locations)
+ + ]
2010 : : {
2011 : 411 : ExecPhraseData *pdata = (ExecPhraseData *) lfirst(lc);
2012 : 411 : int first = -1;
2013 : :
2014 [ + + ]: 694 : for (int i = 0; i < pdata->npos; i++)
2015 : : {
2016 : : /* For phrase matches, use the ending lexeme */
2017 : 581 : int endp = pdata->pos[i];
2018 : :
2019 [ + + ]: 581 : if (endp >= pos)
2020 : : {
2021 : 298 : first = endp;
2022 : 298 : break;
2023 : : }
2024 : : }
2025 [ + + ]: 411 : if (first < 0)
2026 : 113 : return false; /* no more matches for this term */
2027 [ + + ]: 298 : if (first > pose)
2028 : 283 : pose = first;
2029 : : }
2030 : :
2031 [ + + ]: 408 : if (pose < 0)
2032 : 185 : return false; /* we only get here if empty list */
2033 : :
2034 : : /*
2035 : : * Now, for each AND'ed query term or phrase, find its last occurrence
2036 : : * at or before pose; set posb to the minimum of those positions.
2037 : : *
2038 : : * We start posb at INT_MAX - 1 to guarantee no overflow if we compute
2039 : : * posb + 1 below.
2040 : : */
2041 : 223 : posb = INT_MAX - 1;
2042 [ + - + + : 511 : foreach(lc, locations)
+ + ]
2043 : : {
2044 : 288 : ExecPhraseData *pdata = (ExecPhraseData *) lfirst(lc);
2045 : 288 : int last = -1;
2046 : :
2047 [ + - ]: 423 : for (int i = pdata->npos - 1; i >= 0; i--)
2048 : : {
2049 : : /* For phrase matches, use the starting lexeme */
2050 : 423 : int startp = pdata->pos[i] - pdata->width;
2051 : :
2052 [ + + ]: 423 : if (startp <= pose)
2053 : : {
2054 : 288 : last = startp;
2055 : 288 : break;
2056 : : }
2057 : : }
2058 [ + + ]: 288 : if (last < posb)
2059 : 238 : posb = last;
2060 : : }
2061 : :
2062 : : /*
2063 : : * We could end up with posb to the left of pos, in case some phrase
2064 : : * match crosses pos. Try the match starting at pos anyway, since the
2065 : : * result of TS_execute_locations is imprecise for phrase matches OR'd
2066 : : * with plain matches; that is, if the query is "(A <-> B) | C" then C
2067 : : * could match at pos even though the phrase match would have to
2068 : : * extend to the left of pos.
2069 : : */
2070 : 223 : posb = Max(posb, pos);
2071 : :
2072 : : /* This test probably always succeeds, but be paranoid */
2073 [ + - ]: 223 : if (posb <= pose)
2074 : : {
2075 : : /*
2076 : : * posb .. pose is now the shortest, earliest-after-pos range of
2077 : : * lexeme positions containing all the query terms. It will
2078 : : * contain all phrase matches, too, except in the corner case
2079 : : * described just above.
2080 : : *
2081 : : * Now convert these lexeme positions to indexes in prs->words[].
2082 : : */
2083 : 223 : int idxb = -1;
2084 : 223 : int idxe = -1;
2085 : :
2086 [ + + ]: 9724 : for (int i = 0; i < prs->curwords; i++)
2087 : : {
2088 [ + + ]: 9606 : if (prs->words[i].item == NULL)
2089 : 8858 : continue;
2090 [ + + + + ]: 748 : if (idxb < 0 && prs->words[i].pos >= posb)
2091 : 223 : idxb = i;
2092 [ + + ]: 748 : if (prs->words[i].pos <= pose)
2093 : 643 : idxe = i;
2094 : : else
2095 : 105 : break;
2096 : : }
2097 : :
2098 : : /* This test probably always succeeds, but be paranoid */
2099 [ + - + - ]: 223 : if (idxb >= 0 && idxe >= idxb)
2100 : : {
2101 : : /*
2102 : : * Finally, check that the selected range satisfies the query.
2103 : : * This should succeed in all simple cases; but odd cases
2104 : : * involving non-top-level NOT conditions or phrase matches
2105 : : * OR'd with other things could fail, since the result of
2106 : : * TS_execute_locations doesn't fully represent such things.
2107 : : */
2108 : : hlCheck ch;
2109 : :
2110 : 223 : ch.words = &(prs->words[idxb]);
2111 : 223 : ch.len = idxe - idxb + 1;
2112 [ + + ]: 223 : if (TS_execute(GETQUERY(query), &ch,
2113 : : TS_EXEC_EMPTY, checkcondition_HL))
2114 : : {
2115 : : /* Match! Advance *nextpos and return the word range. */
2116 : 173 : *nextpos = posb + 1;
2117 : 173 : *p = idxb;
2118 : 173 : *q = idxe;
2119 : 173 : return true;
2120 : : }
2121 : : }
2122 : : }
2123 : :
2124 : : /*
2125 : : * Advance pos and try again. Any later workable match must start
2126 : : * beyond posb.
2127 : : */
2128 : 50 : pos = posb + 1;
2129 : : }
2130 : : /* Can't get here, but stupider compilers complain if we leave it off */
2131 : : return false;
2132 : : }
2133 : :
2134 : : /*
2135 : : * Apply suitable highlight marking to words selected by headline selector
2136 : : *
2137 : : * The words from startpos to endpos inclusive are marked per highlightall
2138 : : */
2139 : : static void
2140 : 313 : mark_fragment(HeadlineParsedText *prs, bool highlightall,
2141 : : int startpos, int endpos)
2142 : : {
2143 : : int i;
2144 : :
2145 [ + + ]: 4661 : for (i = startpos; i <= endpos; i++)
2146 : : {
2147 [ + + ]: 4348 : if (prs->words[i].item)
2148 : 416 : prs->words[i].selected = 1;
2149 [ + + ]: 4348 : if (!highlightall)
2150 : : {
2151 [ - + ]: 4143 : if (HLIDREPLACE(prs->words[i].type))
2152 : 0 : prs->words[i].replace = 1;
2153 [ + - + - : 4143 : else if (HLIDSKIP(prs->words[i].type))
+ - - + ]
2154 : 0 : prs->words[i].skip = 1;
2155 : : }
2156 : : else
2157 : : {
2158 [ + - + - : 205 : if (XMLHLIDSKIP(prs->words[i].type))
+ + - + ]
2159 : 5 : prs->words[i].skip = 1;
2160 : : }
2161 : :
2162 : 4348 : prs->words[i].in = (prs->words[i].repeated) ? 0 : 1;
2163 : : }
2164 : 313 : }
2165 : :
2166 : : /*
2167 : : * split a cover substring into fragments not longer than max_words
2168 : : *
2169 : : * At entry, *startpos and *endpos are the (remaining) bounds of the cover
2170 : : * substring. They are updated to hold the bounds of the next fragment.
2171 : : *
2172 : : * *curlen and *poslen are set to the fragment's length, in words and
2173 : : * interesting words respectively.
2174 : : */
2175 : : static void
2176 : 30 : get_next_fragment(HeadlineParsedText *prs, int *startpos, int *endpos,
2177 : : int *curlen, int *poslen, int max_words)
2178 : : {
2179 : : int i;
2180 : :
2181 : : /*
2182 : : * Objective: select a fragment of words between startpos and endpos such
2183 : : * that it has at most max_words and both ends have query words. If the
2184 : : * startpos and endpos are the endpoints of the cover and the cover has
2185 : : * fewer words than max_words, then this function should just return the
2186 : : * cover
2187 : : */
2188 : : /* first move startpos to an item */
2189 [ + - ]: 740 : for (i = *startpos; i <= *endpos; i++)
2190 : : {
2191 : 740 : *startpos = i;
2192 [ + + + - ]: 740 : if (INTERESTINGWORD(i))
2193 : 30 : break;
2194 : : }
2195 : : /* cut endpos to have only max_words */
2196 : 30 : *curlen = 0;
2197 : 30 : *poslen = 0;
2198 [ + + + + ]: 800 : for (i = *startpos; i <= *endpos && *curlen < max_words; i++)
2199 : : {
2200 [ + + + - : 770 : if (!NONWORDTOKEN(prs->words[i].type))
+ - + - +
- + - ]
2201 : 400 : *curlen += 1;
2202 [ + + + - ]: 770 : if (INTERESTINGWORD(i))
2203 : 45 : *poslen += 1;
2204 : : }
2205 : : /* if the cover was cut then move back endpos to a query item */
2206 [ + + ]: 30 : if (*endpos > i)
2207 : : {
2208 : 10 : *endpos = i;
2209 [ + - ]: 700 : for (i = *endpos; i >= *startpos; i--)
2210 : : {
2211 : 700 : *endpos = i;
2212 [ + + + - ]: 700 : if (INTERESTINGWORD(i))
2213 : 10 : break;
2214 [ + + + - : 690 : if (!NONWORDTOKEN(prs->words[i].type))
+ - + - +
- + - ]
2215 : 340 : *curlen -= 1;
2216 : : }
2217 : : }
2218 : 30 : }
2219 : :
2220 : : /*
2221 : : * Headline selector used when MaxFragments > 0
2222 : : *
2223 : : * Note: in this mode, highlightall is disregarded for phrase selection;
2224 : : * it only controls presentation details.
2225 : : */
2226 : : static void
2227 : 25 : mark_hl_fragments(HeadlineParsedText *prs, TSQuery query, List *locations,
2228 : : bool highlightall,
2229 : : int shortword, int min_words,
2230 : : int max_words, int max_fragments)
2231 : : {
2232 : : int32 poslen,
2233 : : curlen,
2234 : : i,
2235 : : f,
2236 : 25 : num_f = 0;
2237 : : int32 stretch,
2238 : : maxstretch,
2239 : : posmarker;
2240 : :
2241 : 25 : int32 startpos = 0,
2242 : 25 : endpos = 0,
2243 : 25 : nextpos = 0,
2244 : 25 : p = 0,
2245 : 25 : q = 0;
2246 : :
2247 : 25 : int32 numcovers = 0,
2248 : 25 : maxcovers = 32;
2249 : :
2250 : : int32 minI,
2251 : : minwords,
2252 : : maxitems;
2253 : : CoverPos *covers;
2254 : :
2255 : 25 : covers = palloc(maxcovers * sizeof(CoverPos));
2256 : :
2257 : : /* get all covers */
2258 [ + + ]: 45 : while (hlCover(prs, query, locations, &nextpos, &p, &q))
2259 : : {
2260 : 20 : startpos = p;
2261 : 20 : endpos = q;
2262 : :
2263 : : /*
2264 : : * Break the cover into smaller fragments such that each fragment has
2265 : : * at most max_words. Also ensure that each end of each fragment is a
2266 : : * query word. This will allow us to stretch the fragment in either
2267 : : * direction
2268 : : */
2269 : :
2270 [ + + ]: 50 : while (startpos <= endpos)
2271 : : {
2272 : 30 : get_next_fragment(prs, &startpos, &endpos, &curlen, &poslen, max_words);
2273 [ - + ]: 30 : if (numcovers >= maxcovers)
2274 : : {
2275 : 0 : maxcovers *= 2;
2276 : 0 : covers = repalloc(covers, sizeof(CoverPos) * maxcovers);
2277 : : }
2278 : 30 : covers[numcovers].startpos = startpos;
2279 : 30 : covers[numcovers].endpos = endpos;
2280 : 30 : covers[numcovers].curlen = curlen;
2281 : 30 : covers[numcovers].poslen = poslen;
2282 : 30 : covers[numcovers].chosen = false;
2283 : 30 : covers[numcovers].excluded = false;
2284 : 30 : numcovers++;
2285 : 30 : startpos = endpos + 1;
2286 : 30 : endpos = q;
2287 : : }
2288 : : }
2289 : :
2290 : : /* choose best covers */
2291 [ + + ]: 55 : for (f = 0; f < max_fragments; f++)
2292 : : {
2293 : 40 : maxitems = 0;
2294 : 40 : minwords = PG_INT32_MAX;
2295 : 40 : minI = -1;
2296 : :
2297 : : /*
2298 : : * Choose the cover that contains max items. In case of tie choose the
2299 : : * one with smaller number of words.
2300 : : */
2301 [ + + ]: 95 : for (i = 0; i < numcovers; i++)
2302 : : {
2303 [ + + + - ]: 55 : if (!covers[i].chosen && !covers[i].excluded &&
2304 [ + + ]: 40 : (maxitems < covers[i].poslen ||
2305 [ + - ]: 10 : (maxitems == covers[i].poslen &&
2306 [ - + ]: 10 : minwords > covers[i].curlen)))
2307 : : {
2308 : 30 : maxitems = covers[i].poslen;
2309 : 30 : minwords = covers[i].curlen;
2310 : 30 : minI = i;
2311 : : }
2312 : : }
2313 : : /* if a cover was found mark it */
2314 [ + + ]: 40 : if (minI >= 0)
2315 : : {
2316 : 30 : covers[minI].chosen = true;
2317 : : /* adjust the size of cover */
2318 : 30 : startpos = covers[minI].startpos;
2319 : 30 : endpos = covers[minI].endpos;
2320 : 30 : curlen = covers[minI].curlen;
2321 : : /* stretch the cover if cover size is lower than max_words */
2322 [ + - ]: 30 : if (curlen < max_words)
2323 : : {
2324 : : /* divide the stretch on both sides of cover */
2325 : 30 : maxstretch = (max_words - curlen) / 2;
2326 : :
2327 : : /*
2328 : : * first stretch the startpos stop stretching if 1. we hit the
2329 : : * beginning of document 2. exceed maxstretch 3. we hit an
2330 : : * already marked fragment
2331 : : */
2332 : 30 : stretch = 0;
2333 : 30 : posmarker = startpos;
2334 [ + + + + : 500 : for (i = startpos - 1; i >= 0 && stretch < maxstretch && !prs->words[i].in; i--)
+ + ]
2335 : : {
2336 [ + + + - : 470 : if (!NONWORDTOKEN(prs->words[i].type))
+ - + - +
- + - ]
2337 : : {
2338 : 225 : curlen++;
2339 : 225 : stretch++;
2340 : : }
2341 : 470 : posmarker = i;
2342 : : }
2343 : : /* cut back startpos till we find a good endpoint */
2344 [ + + + + : 110 : for (i = posmarker; i < startpos && BADENDPOINT(i); i++)
+ - + - +
- + - + -
+ - + - +
- + - + -
+ - + - +
- + - + +
+ - - - ]
2345 : : {
2346 [ + + + - : 80 : if (!NONWORDTOKEN(prs->words[i].type))
+ - + - +
- + - ]
2347 : 30 : curlen--;
2348 : : }
2349 : 30 : startpos = i;
2350 : : /* now stretch the endpos as much as possible */
2351 : 30 : posmarker = endpos;
2352 [ + + + + : 805 : for (i = endpos + 1; i < prs->curwords && curlen < max_words && !prs->words[i].in; i++)
+ - ]
2353 : : {
2354 [ + + + - : 775 : if (!NONWORDTOKEN(prs->words[i].type))
+ - + - +
- + - ]
2355 : 385 : curlen++;
2356 : 775 : posmarker = i;
2357 : : }
2358 : : /* cut back endpos till we find a good endpoint */
2359 [ + + + + : 75 : for (i = posmarker; i > endpos && BADENDPOINT(i); i--)
+ - + - +
- + - + -
+ - + - +
- + + + +
+ - + - +
- + - - +
+ - - - ]
2360 : : {
2361 [ + + + - : 45 : if (!NONWORDTOKEN(prs->words[i].type))
+ - + - +
- + - ]
2362 : 20 : curlen--;
2363 : : }
2364 : 30 : endpos = i;
2365 : : }
2366 : 30 : covers[minI].startpos = startpos;
2367 : 30 : covers[minI].endpos = endpos;
2368 : 30 : covers[minI].curlen = curlen;
2369 : : /* Mark the chosen fragments (covers) */
2370 : 30 : mark_fragment(prs, highlightall, startpos, endpos);
2371 : 30 : num_f++;
2372 : : /* Exclude covers overlapping this one from future consideration */
2373 [ + + ]: 80 : for (i = 0; i < numcovers; i++)
2374 : : {
2375 [ + + ]: 50 : if (i != minI &&
2376 [ + + ]: 20 : ((covers[i].startpos >= startpos &&
2377 [ + - ]: 10 : covers[i].startpos <= endpos) ||
2378 [ + + ]: 20 : (covers[i].endpos >= startpos &&
2379 [ + - ]: 10 : covers[i].endpos <= endpos) ||
2380 [ + + ]: 20 : (covers[i].startpos < startpos &&
2381 [ - + ]: 10 : covers[i].endpos > endpos)))
2382 : 0 : covers[i].excluded = true;
2383 : : }
2384 : : }
2385 : : else
2386 : 10 : break; /* no selectable covers remain */
2387 : : }
2388 : :
2389 : : /* show the first min_words words if we have not marked anything */
2390 [ + + ]: 25 : if (num_f <= 0)
2391 : : {
2392 : 5 : startpos = curlen = 0;
2393 : 5 : endpos = -1;
2394 [ + - + + ]: 155 : for (i = 0; i < prs->curwords && curlen < min_words; i++)
2395 : : {
2396 [ + + + - : 150 : if (!NONWORDTOKEN(prs->words[i].type))
+ - + - +
- + - ]
2397 : 75 : curlen++;
2398 : 150 : endpos = i;
2399 : : }
2400 : 5 : mark_fragment(prs, highlightall, startpos, endpos);
2401 : : }
2402 : :
2403 : 25 : pfree(covers);
2404 : 25 : }
2405 : :
2406 : : /*
2407 : : * Headline selector used when MaxFragments == 0
2408 : : */
2409 : : static void
2410 : 278 : mark_hl_words(HeadlineParsedText *prs, TSQuery query, List *locations,
2411 : : bool highlightall,
2412 : : int shortword, int min_words, int max_words)
2413 : : {
2414 : 278 : int nextpos = 0,
2415 : 278 : p = 0,
2416 : 278 : q = 0;
2417 : 278 : int bestb = -1,
2418 : 278 : beste = -1;
2419 : 278 : int bestlen = -1;
2420 : 278 : bool bestcover = false;
2421 : : int pose,
2422 : : posb,
2423 : : poslen,
2424 : : curlen;
2425 : : bool poscover;
2426 : : int i;
2427 : :
2428 [ + + ]: 278 : if (!highlightall)
2429 : : {
2430 : : /* examine all covers, select a headline using the best one */
2431 [ + + ]: 426 : while (hlCover(prs, query, locations, &nextpos, &p, &q))
2432 : : {
2433 : : /*
2434 : : * Count words (curlen) and interesting words (poslen) within
2435 : : * cover, but stop once we reach max_words. This step doesn't
2436 : : * consider whether that's a good stopping point. posb and pose
2437 : : * are set to the start and end indexes of the possible headline.
2438 : : */
2439 : 153 : curlen = 0;
2440 : 153 : poslen = 0;
2441 : 153 : posb = pose = p;
2442 [ + + + + ]: 1236 : for (i = p; i <= q && curlen < max_words; i++)
2443 : : {
2444 [ + + + - : 1083 : if (!NONWORDTOKEN(prs->words[i].type))
+ - + - +
- + - ]
2445 : 618 : curlen++;
2446 [ + + + - ]: 1083 : if (INTERESTINGWORD(i))
2447 : 253 : poslen++;
2448 : 1083 : pose = i;
2449 : : }
2450 : :
2451 [ + + ]: 153 : if (curlen < max_words)
2452 : : {
2453 : : /*
2454 : : * We have room to lengthen the headline, so search forward
2455 : : * until it's full or we find a good stopping point. We'll
2456 : : * reconsider the word at "q", then move forward.
2457 : : */
2458 [ + + + - ]: 2487 : for (i = i - 1; i < prs->curwords && curlen < max_words; i++)
2459 : : {
2460 [ + + ]: 2454 : if (i > q)
2461 : : {
2462 [ + + + - : 2311 : if (!NONWORDTOKEN(prs->words[i].type))
+ - + - +
- + - ]
2463 : 1153 : curlen++;
2464 [ + + + - ]: 2311 : if (INTERESTINGWORD(i))
2465 : 100 : poslen++;
2466 : : }
2467 : 2454 : pose = i;
2468 [ + + + - : 2454 : if (BADENDPOINT(i))
+ - + - +
- + - + -
+ - + - +
+ + + + -
+ - + - +
- + + + +
- + ]
2469 : 1626 : continue;
2470 [ + + ]: 828 : if (curlen >= min_words)
2471 : 110 : break;
2472 : : }
2473 [ + + ]: 143 : if (curlen < min_words)
2474 : : {
2475 : : /*
2476 : : * Reached end of text and our headline is still shorter
2477 : : * than min_words, so try to extend it to the left.
2478 : : */
2479 [ + + ]: 315 : for (i = p - 1; i >= 0; i--)
2480 : : {
2481 [ + + + - : 302 : if (!NONWORDTOKEN(prs->words[i].type))
+ - + - +
- + - ]
2482 : 151 : curlen++;
2483 [ + + + - ]: 302 : if (INTERESTINGWORD(i))
2484 : 5 : poslen++;
2485 [ - + ]: 302 : if (curlen >= max_words)
2486 : 0 : break;
2487 [ + + + - : 302 : if (BADENDPOINT(i))
+ - + - +
- + - + -
+ - + - +
- + - + -
+ - + - +
- + + - +
- - ]
2488 : 196 : continue;
2489 [ + + ]: 106 : if (curlen >= min_words)
2490 : 20 : break;
2491 : : }
2492 : 33 : posb = (i >= 0) ? i : 0;
2493 : : }
2494 : : }
2495 : : else
2496 : : {
2497 : : /*
2498 : : * Can't make headline longer, so consider making it shorter
2499 : : * if needed to avoid a bad endpoint.
2500 : : */
2501 [ + + ]: 10 : if (i > q)
2502 : 5 : i = q;
2503 [ + - ]: 25 : for (; curlen > min_words; i--)
2504 : : {
2505 [ + + + - : 25 : if (!BADENDPOINT(i))
+ - + - +
- + - + -
+ - + - +
- + + + -
+ - + - +
- + + + +
- + ]
2506 : : break;
2507 [ + + + - : 15 : if (!NONWORDTOKEN(prs->words[i].type))
+ - + - +
- + - ]
2508 : 5 : curlen--;
2509 [ - + - - ]: 15 : if (INTERESTINGWORD(i))
2510 : 0 : poslen--;
2511 : 15 : pose = i - 1;
2512 : : }
2513 : : }
2514 : :
2515 : : /*
2516 : : * Check whether the proposed headline includes the original
2517 : : * cover; it might not if we trimmed it due to max_words.
2518 : : */
2519 [ + - + + ]: 153 : poscover = (posb <= p && pose >= q);
2520 : :
2521 : : /*
2522 : : * Adopt this headline if it's better than the last one, giving
2523 : : * highest priority to headlines including the cover, then to
2524 : : * headlines with more interesting words, then to headlines with
2525 : : * good stopping points. (Since bestlen is initially -1, we will
2526 : : * certainly adopt the first headline.)
2527 : : */
2528 [ + + + - ]: 153 : if (poscover > bestcover ||
2529 [ + + + - ]: 65 : (poscover == bestcover && poslen > bestlen) ||
2530 [ + + ]: 60 : (poscover == bestcover && poslen == bestlen &&
2531 [ + - + - : 10 : !BADENDPOINT(pose) && BADENDPOINT(beste)))
+ - + - +
- + - + -
+ - + - +
- - + - -
- - - - -
- - - + -
+ - + - +
- + - + -
+ - + - +
- + - + -
+ - - + -
- - - - -
- - - - +
- - + ]
2532 : : {
2533 : 93 : bestb = posb;
2534 : 93 : beste = pose;
2535 : 93 : bestlen = poslen;
2536 : 93 : bestcover = poscover;
2537 : : }
2538 : : }
2539 : :
2540 : : /*
2541 : : * If we found nothing acceptable, select min_words words starting at
2542 : : * the beginning.
2543 : : */
2544 [ + + ]: 273 : if (bestlen < 0)
2545 : : {
2546 : 180 : curlen = 0;
2547 : 180 : pose = -1;
2548 [ + + + - ]: 777 : for (i = 0; i < prs->curwords && curlen < min_words; i++)
2549 : : {
2550 [ + + + - : 597 : if (!NONWORDTOKEN(prs->words[i].type))
+ - + - +
- + - ]
2551 : 386 : curlen++;
2552 : 597 : pose = i;
2553 : : }
2554 : 180 : bestb = 0;
2555 : 180 : beste = pose;
2556 : : }
2557 : : }
2558 : : else
2559 : : {
2560 : : /* highlightall mode: headline is whole document */
2561 : 5 : bestb = 0;
2562 : 5 : beste = prs->curwords - 1;
2563 : : }
2564 : :
2565 : 278 : mark_fragment(prs, highlightall, bestb, beste);
2566 : 278 : }
2567 : :
2568 : : /*
2569 : : * Default parser's prsheadline function
2570 : : */
2571 : : Datum
2572 : 303 : prsd_headline(PG_FUNCTION_ARGS)
2573 : : {
2574 : 303 : HeadlineParsedText *prs = (HeadlineParsedText *) PG_GETARG_POINTER(0);
2575 : 303 : List *prsoptions = (List *) PG_GETARG_POINTER(1);
2576 : 303 : TSQuery query = PG_GETARG_TSQUERY(2);
2577 : : List *locations;
2578 : :
2579 : : /* default option values: */
2580 : 303 : int min_words = 15;
2581 : 303 : int max_words = 35;
2582 : 303 : int shortword = 3;
2583 : 303 : int max_fragments = 0;
2584 : 303 : bool highlightall = false;
2585 : : ListCell *l;
2586 : : size_t startsellen;
2587 : : size_t stopsellen;
2588 : : size_t fragdelimlen;
2589 : :
2590 : : /* Extract configuration option values */
2591 : 303 : prs->startsel = NULL;
2592 : 303 : prs->stopsel = NULL;
2593 : 303 : prs->fragdelim = NULL;
2594 [ + + + + : 590 : foreach(l, prsoptions)
+ + ]
2595 : : {
2596 : 287 : DefElem *defel = (DefElem *) lfirst(l);
2597 : 287 : char *val = defGetString(defel);
2598 : :
2599 [ + + ]: 287 : if (pg_strcasecmp(defel->defname, "MaxWords") == 0)
2600 : 30 : max_words = pg_strtoint32(val);
2601 [ + + ]: 257 : else if (pg_strcasecmp(defel->defname, "MinWords") == 0)
2602 : 30 : min_words = pg_strtoint32(val);
2603 [ - + ]: 227 : else if (pg_strcasecmp(defel->defname, "ShortWord") == 0)
2604 : 0 : shortword = pg_strtoint32(val);
2605 [ + + ]: 227 : else if (pg_strcasecmp(defel->defname, "MaxFragments") == 0)
2606 : 25 : max_fragments = pg_strtoint32(val);
2607 [ + + ]: 202 : else if (pg_strcasecmp(defel->defname, "StartSel") == 0)
2608 : 94 : prs->startsel = pstrdup(val);
2609 [ + + ]: 108 : else if (pg_strcasecmp(defel->defname, "StopSel") == 0)
2610 : 94 : prs->stopsel = pstrdup(val);
2611 [ + + ]: 14 : else if (pg_strcasecmp(defel->defname, "FragmentDelimiter") == 0)
2612 : 9 : prs->fragdelim = pstrdup(val);
2613 [ + - ]: 5 : else if (pg_strcasecmp(defel->defname, "HighlightAll") == 0)
2614 [ + - ]: 15 : highlightall = (pg_strcasecmp(val, "1") == 0 ||
2615 [ - + ]: 10 : pg_strcasecmp(val, "on") == 0 ||
2616 [ - - ]: 5 : pg_strcasecmp(val, "true") == 0 ||
2617 [ # # ]: 0 : pg_strcasecmp(val, "t") == 0 ||
2618 [ + - - - ]: 10 : pg_strcasecmp(val, "y") == 0 ||
2619 : 0 : pg_strcasecmp(val, "yes") == 0);
2620 : : else
2621 [ # # ]: 0 : ereport(ERROR,
2622 : : (errcode(ERRCODE_INVALID_PARAMETER_VALUE),
2623 : : errmsg("unrecognized headline parameter: \"%s\"",
2624 : : defel->defname)));
2625 : : }
2626 : :
2627 : : /* in HighlightAll mode these parameters are ignored */
2628 [ + + ]: 303 : if (!highlightall)
2629 : : {
2630 [ - + ]: 298 : if (min_words >= max_words)
2631 [ # # ]: 0 : ereport(ERROR,
2632 : : (errcode(ERRCODE_INVALID_PARAMETER_VALUE),
2633 : : errmsg("%s must be less than %s", "MinWords", "MaxWords")));
2634 [ - + ]: 298 : if (min_words <= 0)
2635 [ # # ]: 0 : ereport(ERROR,
2636 : : (errcode(ERRCODE_INVALID_PARAMETER_VALUE),
2637 : : errmsg("%s must be positive", "MinWords")));
2638 [ - + ]: 298 : if (shortword < 0)
2639 [ # # ]: 0 : ereport(ERROR,
2640 : : (errcode(ERRCODE_INVALID_PARAMETER_VALUE),
2641 : : errmsg("%s must be >= 0", "ShortWord")));
2642 [ - + ]: 298 : if (max_fragments < 0)
2643 [ # # ]: 0 : ereport(ERROR,
2644 : : (errcode(ERRCODE_INVALID_PARAMETER_VALUE),
2645 : : errmsg("%s must be >= 0", "MaxFragments")));
2646 : : }
2647 : :
2648 : : /* Locate words and phrases matching the query */
2649 [ + + ]: 303 : if (query->size > 0)
2650 : : {
2651 : : hlCheck ch;
2652 : :
2653 : 293 : ch.words = prs->words;
2654 : 293 : ch.len = prs->curwords;
2655 : 293 : locations = TS_execute_locations(GETQUERY(query), &ch, TS_EXEC_EMPTY,
2656 : : checkcondition_HL);
2657 : : }
2658 : : else
2659 : 10 : locations = NIL; /* empty query matches nothing */
2660 : :
2661 : : /* Apply appropriate headline selector */
2662 [ + + ]: 303 : if (max_fragments == 0)
2663 : 278 : mark_hl_words(prs, query, locations, highlightall, shortword,
2664 : : min_words, max_words);
2665 : : else
2666 : 25 : mark_hl_fragments(prs, query, locations, highlightall, shortword,
2667 : : min_words, max_words, max_fragments);
2668 : :
2669 : : /* Fill in default values for string options */
2670 [ + + ]: 303 : if (!prs->startsel)
2671 : 209 : prs->startsel = pstrdup("<b>");
2672 [ + + ]: 303 : if (!prs->stopsel)
2673 : 209 : prs->stopsel = pstrdup("</b>");
2674 [ + + ]: 303 : if (!prs->fragdelim)
2675 : 294 : prs->fragdelim = pstrdup(" ... ");
2676 : :
2677 : : /* Caller will need these lengths, too */
2678 : 303 : startsellen = strlen(prs->startsel);
2679 : 303 : stopsellen = strlen(prs->stopsel);
2680 : 303 : fragdelimlen = strlen(prs->fragdelim);
2681 [ + + ]: 303 : if (startsellen > PG_INT16_MAX)
2682 [ + - ]: 4 : ereport(ERROR,
2683 : : (errcode(ERRCODE_INVALID_PARAMETER_VALUE),
2684 : : errmsg("value for \"%s\" is too long", "StartSel")));
2685 [ + + ]: 299 : if (stopsellen > PG_INT16_MAX)
2686 [ + - ]: 4 : ereport(ERROR,
2687 : : (errcode(ERRCODE_INVALID_PARAMETER_VALUE),
2688 : : errmsg("value for \"%s\" is too long", "StopSel")));
2689 [ + + ]: 295 : if (fragdelimlen > PG_INT16_MAX)
2690 [ + - ]: 4 : ereport(ERROR,
2691 : : (errcode(ERRCODE_INVALID_PARAMETER_VALUE),
2692 : : errmsg("value for \"%s\" is too long", "FragmentDelimiter")));
2693 : 291 : prs->startsellen = startsellen;
2694 : 291 : prs->stopsellen = stopsellen;
2695 : 291 : prs->fragdelimlen = fragdelimlen;
2696 : :
2697 : 291 : PG_RETURN_POINTER(prs);
2698 : : }
|
