home *** CD-ROM | disk | FTP | other *** search
/ CD ROM Paradise Collection 4 / CD ROM Paradise Collection 4 1995 Nov.iso / clang / regexp3.zip / REGEXP.C < prev    next >
C/C++ Source or Header  |  1994-01-20  |  33KB  |  1,321 lines
  1. /*
  2.  * regcomp and regexec -- regsub and regerror are elsewhere
  3.  *
  4.  *    Copyright (c) 1986 by University of Toronto.
  5.  *    Written by Henry Spencer.  Not derived from licensed software.
  6.  *
  7.  *    Permission is granted to anyone to use this software for any
  8.  *    purpose on any computer system, and to redistribute it freely,
  9.  *    subject to the following restrictions:
  10.  *
  11.  *    1. The author is not responsible for the consequences of use of
  12.  *        this software, no matter how awful, even if they arise
  13.  *        from defects in it.
  14.  *
  15.  *    2. The origin of this software must not be misrepresented, either
  16.  *        by explicit claim or by omission.
  17.  *
  18.  *    3. Altered versions must be plainly marked as such, and must not
  19.  *        be misrepresented as being the original software.
  20.  *** THIS IS AN ALTERED VERSION.  It was altered by John Gilmore,
  21.  *** hoptoad!gnu, on 27 Dec 1986, to add \n as an alternative to |
  22.  *** to assist in implementing egrep.
  23.  *** THIS IS AN ALTERED VERSION.  It was altered by John Gilmore,
  24.  *** hoptoad!gnu, on 27 Dec 1986, to add \< and \> for word-matching
  25.  *** as in BSD grep and ex.
  26.  *** THIS IS AN ALTERED VERSION.  It was altered by John Gilmore,
  27.  *** hoptoad!gnu, on 28 Dec 1986, to optimize characters quoted with \.
  28.  *** THIS IS AN ALTERED VERSION.  It was altered by James A. Woods,
  29.  *** ames!jaw, on 19 June 1987, to quash a regcomp() redundancy.
  30.  *
  31.  * Beware that some of this code is subtly aware of the way operator
  32.  * precedence is structured in regular expressions.  Serious changes in
  33.  * regular-expression syntax might require a total rethink.
  34.  */
  35. #include <regexp.h>
  36. #include <stdio.h>
  37. #include <ctype.h>
  38. #include <stdlib.h>
  39. #include <string.h>
  40. #include "regmagic.h"
  41.  
  42. /*
  43.  * The "internal use only" fields in regexp.h are present to pass info from
  44.  * compile to execute that permits the execute phase to run lots faster on
  45.  * simple cases.  They are:
  46.  *
  47.  * regstart    char that must begin a match; '\0' if none obvious
  48.  * reganch    is the match anchored (at beginning-of-line only)?
  49.  * regmust    string (pointer into program) that match must include, or NULL
  50.  * regmlen    length of regmust string
  51.  *
  52.  * Regstart and reganch permit very fast decisions on suitable starting points
  53.  * for a match, cutting down the work a lot.  Regmust permits fast rejection
  54.  * of lines that cannot possibly match.  The regmust tests are costly enough
  55.  * that regcomp() supplies a regmust only if the r.e. contains something
  56.  * potentially expensive (at present, the only such thing detected is * or +
  57.  * at the start of the r.e., which can involve a lot of backup).  Regmlen is
  58.  * supplied because the test in regexec() needs it and regcomp() is computing
  59.  * it anyway.
  60.  */
  61.  
  62. /*
  63.  * Structure for regexp "program".  This is essentially a linear encoding
  64.  * of a nondeterministic finite-state machine (aka syntax charts or
  65.  * "railroad normal form" in parsing technology).  Each node is an opcode
  66.  * plus a "next" pointer, possibly plus an operand.  "Next" pointers of
  67.  * all nodes except BRANCH implement concatenation; a "next" pointer with
  68.  * a BRANCH on both ends of it is connecting two alternatives.  (Here we
  69.  * have one of the subtle syntax dependencies:  an individual BRANCH (as
  70.  * opposed to a collection of them) is never concatenated with anything
  71.  * because of operator precedence.)  The operand of some types of node is
  72.  * a literal string; for others, it is a node leading into a sub-FSM.  In
  73.  * particular, the operand of a BRANCH node is the first node of the branch.
  74.  * (NB this is *not* a tree structure:  the tail of the branch connects
  75.  * to the thing following the set of BRANCHes.)  The opcodes are:
  76.  */
  77.  
  78. /* definition    number    opnd?    meaning */
  79. #define    END    0    /* no    End of program. */
  80. #define    BOL    1    /* no    Match "" at beginning of line. */
  81. #define    EOL    2    /* no    Match "" at end of line. */
  82. #define    ANY    3    /* no    Match any one character. */
  83. #define    ANYOF    4    /* str    Match any character in this string. */
  84. #define    ANYBUT    5    /* str    Match any character not in this string. */
  85. #define    BRANCH    6    /* node    Match this alternative, or the next... */
  86. #define    BACK    7    /* no    Match "", "next" ptr points backward. */
  87. #define    EXACTLY    8    /* str    Match this string. */
  88. #define    NOTHING    9    /* no    Match empty string. */
  89. #define    STAR    10    /* node    Match this (simple) thing 0 or more times. */
  90. #define    PLUS    11    /* node    Match this (simple) thing 1 or more times. */
  91. #define    WORDA    12    /* no    Match "" at wordchar, where prev is nonword */
  92. #define    WORDZ    13    /* no    Match "" at nonwordchar, where prev is word */
  93. #define    OPEN    20    /* no    Mark this point in input as start of #n. */
  94.             /*    OPEN+1 is number 1, etc. */
  95. #define    CLOSE    30    /* no    Analogous to OPEN. */
  96.  
  97. /*
  98.  * Opcode notes:
  99.  *
  100.  * BRANCH    The set of branches constituting a single choice are hooked
  101.  *        together with their "next" pointers, since precedence prevents
  102.  *        anything being concatenated to any individual branch.  The
  103.  *        "next" pointer of the last BRANCH in a choice points to the
  104.  *        thing following the whole choice.  This is also where the
  105.  *        final "next" pointer of each individual branch points; each
  106.  *        branch starts with the operand node of a BRANCH node.
  107.  *
  108.  * BACK        Normal "next" pointers all implicitly point forward; BACK
  109.  *        exists to make loop structures possible.
  110.  *
  111.  * STAR,PLUS    '?', and complex '*' and '+', are implemented as circular
  112.  *        BRANCH structures using BACK.  Simple cases (one character
  113.  *        per match) are implemented with STAR and PLUS for speed
  114.  *        and to minimize recursive plunges.
  115.  *
  116.  * OPEN,CLOSE    ...are numbered at compile time.
  117.  */
  118.  
  119. /*
  120.  * A node is one char of opcode followed by two chars of "next" pointer.
  121.  * "Next" pointers are stored as two 8-bit pieces, high order first.  The
  122.  * value is a positive offset from the opcode of the node containing it.
  123.  * An operand, if any, simply follows the node.  (Note that much of the
  124.  * code generation knows about this implicit relationship.)
  125.  *
  126.  * Using two bytes for the "next" pointer is vast overkill for most things,
  127.  * but allows patterns to get big without disasters.
  128.  */
  129. #define    OP(p)    (*(p))
  130. #define    NEXT(p)    (((*((p)+1)&0377)<<8) + (*((p)+2)&0377))
  131. #define    OPERAND(p)    ((p) + 3)
  132.  
  133. /*
  134.  * See regmagic.h for one further detail of program structure.
  135.  */
  136.  
  137.  
  138. /*
  139.  * Utility definitions.
  140.  */
  141. #ifndef CHARBITS
  142. #define    UCHARAT(p)    ((int)*(unsigned char *)(p))
  143. #else
  144. #define    UCHARAT(p)    ((int)*(p)&CHARBITS)
  145. #endif
  146.  
  147. #define    FAIL(m)    { regerror(m); return(NULL); }
  148. #define    ISMULT(c)    ((c) == '*' || (c) == '+' || (c) == '?')
  149.  
  150. /*
  151.  * Flags to be passed up and down.
  152.  */
  153. #define    HASWIDTH    01    /* Known never to match null string. */
  154. #define    SIMPLE        02    /* Simple enough to be STAR/PLUS operand. */
  155. #define    SPSTART        04    /* Starts with * or +. */
  156. #define    WORST        0    /* Worst case. */
  157.  
  158. /*
  159.  * Global work variables for regcomp().
  160.  */
  161. static char *regparse;        /* Input-scan pointer. */
  162. static int regnpar;        /* () count. */
  163. static char regdummy;
  164. static char *regcode;        /* Code-emit pointer; ®dummy = don't. */
  165. static long regsize;        /* Code size. */
  166.  
  167. /*
  168.  * Forward declarations for regcomp()'s friends.
  169.  */
  170. #ifndef STATIC
  171. #define    STATIC    static
  172. #endif
  173. STATIC char *reg();
  174. STATIC char *regbranch();
  175. STATIC char *regpiece();
  176. STATIC char *regatom();
  177. STATIC char *regnode();
  178. STATIC char *regnext();
  179. STATIC void regc();
  180. STATIC void reginsert();
  181. STATIC void regtail();
  182. STATIC void regoptail();
  183. #ifdef STRCSPN
  184. STATIC int strcspn();
  185. #endif
  186.  
  187. /*
  188.  - regcomp - compile a regular expression into internal code
  189.  *
  190.  * We can't allocate space until we know how big the compiled form will be,
  191.  * but we can't compile it (and thus know how big it is) until we've got a
  192.  * place to put the code.  So we cheat:  we compile it twice, once with code
  193.  * generation turned off and size counting turned on, and once "for real".
  194.  * This also means that we don't allocate space until we are sure that the
  195.  * thing really will compile successfully, and we never have to move the
  196.  * code and thus invalidate pointers into it.  (Note that it has to be in
  197.  * one piece because free() must be able to free it all.)
  198.  *
  199.  * Beware that the optimization-preparation code in here knows about some
  200.  * of the structure of the compiled regexp.
  201.  */
  202. regexp *
  203. regcomp(exp)
  204. const char *exp;
  205. {
  206.     register regexp *r;
  207.     register char *scan;
  208.     register char *longest;
  209.     register int len;
  210.     int flags;
  211.  
  212.     if (exp == NULL)
  213.         FAIL("NULL argument");
  214.  
  215.     /* First pass: determine size, legality. */
  216. #ifdef notdef
  217.     if (exp[0] == '.' && exp[1] == '*') exp += 2;  /* aid grep */
  218. #endif
  219.     regparse = (char *)exp;
  220.     regnpar = 1;
  221.     regsize = 0L;
  222.     regcode = ®dummy;
  223.     regc(MAGIC);
  224.     if (reg(0, &flags) == NULL)
  225.         return(NULL);
  226.  
  227.     /* Small enough for pointer-storage convention? */
  228.     if (regsize >= 32767L)        /* Probably could be 65535L. */
  229.         FAIL("regexp too big");
  230.  
  231.     /* Allocate space. */
  232.     r = (regexp *)malloc(sizeof(regexp) + (unsigned)regsize);
  233.     if (r == NULL)
  234.         FAIL("out of space");
  235.  
  236.     /* Second pass: emit code. */
  237.     regparse = (char *)exp;
  238.     regnpar = 1;
  239.     regcode = r->program;
  240.     regc(MAGIC);
  241.     if (reg(0, &flags) == NULL)
  242.         return(NULL);
  243.  
  244.     /* Dig out information for optimizations. */
  245.     r->regstart = '\0';    /* Worst-case defaults. */
  246.     r->reganch = 0;
  247.     r->regmust = NULL;
  248.     r->regmlen = 0;
  249.     scan = r->program+1;            /* First BRANCH. */
  250.     if (OP(regnext(scan)) == END) {        /* Only one top-level choice. */
  251.         scan = OPERAND(scan);
  252.  
  253.         /* Starting-point info. */
  254.         if (OP(scan) == EXACTLY)
  255.             r->regstart = *OPERAND(scan);
  256.         else if (OP(scan) == BOL)
  257.             r->reganch++;
  258.  
  259.         /*
  260.          * If there's something expensive in the r.e., find the
  261.          * longest literal string that must appear and make it the
  262.          * regmust.  Resolve ties in favor of later strings, since
  263.          * the regstart check works with the beginning of the r.e.
  264.          * and avoiding duplication strengthens checking.  Not a
  265.          * strong reason, but sufficient in the absence of others.
  266.          */
  267.         if (flags&SPSTART) {
  268.             longest = NULL;
  269.             len = 0;
  270.             for (; scan != NULL; scan = regnext(scan))
  271.                 if (OP(scan) == EXACTLY && strlen(OPERAND(scan)) >= len) {
  272.                     longest = OPERAND(scan);
  273.                     len = strlen(OPERAND(scan));
  274.                 }
  275.             r->regmust = longest;
  276.             r->regmlen = len;
  277.         }
  278.     }
  279.  
  280.     return(r);
  281. }
  282.  
  283. /*
  284.  - reg - regular expression, i.e. main body or parenthesized thing
  285.  *
  286.  * Caller must absorb opening parenthesis.
  287.  *
  288.  * Combining parenthesis handling with the base level of regular expression
  289.  * is a trifle forced, but the need to tie the tails of the branches to what
  290.  * follows makes it hard to avoid.
  291.  */
  292. static char *
  293. reg(paren, flagp)
  294. int paren;            /* Parenthesized? */
  295. int *flagp;
  296. {
  297.     register char *ret;
  298.     register char *br;
  299.     register char *ender;
  300.     register int parno;
  301.     int flags;
  302.  
  303.     *flagp = HASWIDTH;    /* Tentatively. */
  304.  
  305.     /* Make an OPEN node, if parenthesized. */
  306.     if (paren) {
  307.         if (regnpar >= NSUBEXP)
  308.             FAIL("too many ()");
  309.         parno = regnpar;
  310.         regnpar++;
  311.         ret = regnode(OPEN+parno);
  312.     } else
  313.         ret = NULL;
  314.  
  315.     /* Pick up the branches, linking them together. */
  316.     br = regbranch(&flags);
  317.     if (br == NULL)
  318.         return(NULL);
  319.     if (ret != NULL)
  320.         regtail(ret, br);    /* OPEN -> first. */
  321.     else
  322.         ret = br;
  323.     if (!(flags&HASWIDTH))
  324.         *flagp &= ~HASWIDTH;
  325.     *flagp |= flags&SPSTART;
  326.     while (*regparse == '|' || *regparse == '\n') {
  327.         regparse++;
  328.         br = regbranch(&flags);
  329.         if (br == NULL)
  330.             return(NULL);
  331.         regtail(ret, br);    /* BRANCH -> BRANCH. */
  332.         if (!(flags&HASWIDTH))
  333.             *flagp &= ~HASWIDTH;
  334.         *flagp |= flags&SPSTART;
  335.     }
  336.  
  337.     /* Make a closing node, and hook it on the end. */
  338.     ender = regnode((paren) ? CLOSE+parno : END);    
  339.     regtail(ret, ender);
  340.  
  341.     /* Hook the tails of the branches to the closing node. */
  342.     for (br = ret; br != NULL; br = regnext(br))
  343.         regoptail(br, ender);
  344.  
  345.     /* Check for proper termination. */
  346.     if (paren && *regparse++ != ')') {
  347.         FAIL("unmatched ()");
  348.     } else if (!paren && *regparse != '\0') {
  349.         if (*regparse == ')') {
  350.             FAIL("unmatched ()");
  351.         } else
  352.             FAIL("junk on end");    /* "Can't happen". */
  353.         /* NOTREACHED */
  354.     }
  355.  
  356.     return(ret);
  357. }
  358.  
  359. /*
  360.  - regbranch - one alternative of an | operator
  361.  *
  362.  * Implements the concatenation operator.
  363.  */
  364. static char *
  365. regbranch(flagp)
  366. int *flagp;
  367. {
  368.     register char *ret;
  369.     register char *chain;
  370.     register char *latest;
  371.     int flags;
  372.  
  373.     *flagp = WORST;        /* Tentatively. */
  374.  
  375.     ret = regnode(BRANCH);
  376.     chain = NULL;
  377.     while (*regparse != '\0' && *regparse != ')' &&
  378.            *regparse != '\n' && *regparse != '|') {
  379.         latest = regpiece(&flags);
  380.         if (latest == NULL)
  381.             return(NULL);
  382.         *flagp |= flags&HASWIDTH;
  383.         if (chain == NULL)    /* First piece. */
  384.             *flagp |= flags&SPSTART;
  385.         else
  386.             regtail(chain, latest);
  387.         chain = latest;
  388.     }
  389.     if (chain == NULL)    /* Loop ran zero times. */
  390.         (void) regnode(NOTHING);
  391.  
  392.     return(ret);
  393. }
  394.  
  395. /*
  396.  - regpiece - something followed by possible [*+?]
  397.  *
  398.  * Note that the branching code sequences used for ? and the general cases
  399.  * of * and + are somewhat optimized:  they use the same NOTHING node as
  400.  * both the endmarker for their branch list and the body of the last branch.
  401.  * It might seem that this node could be dispensed with entirely, but the
  402.  * endmarker role is not redundant.
  403.  */
  404. static char *
  405. regpiece(flagp)
  406. int *flagp;
  407. {
  408.     register char *ret;
  409.     register char op;
  410.     register char *next;
  411.     int flags;
  412.  
  413.     ret = regatom(&flags);
  414.     if (ret == NULL)
  415.         return(NULL);
  416.  
  417.     op = *regparse;
  418.     if (!ISMULT(op)) {
  419.         *flagp = flags;
  420.         return(ret);
  421.     }
  422.  
  423.     if (!(flags&HASWIDTH) && op != '?')
  424.         FAIL("*+ operand could be empty");
  425.     *flagp = (op != '+') ? (WORST|SPSTART) : (WORST|HASWIDTH);
  426.  
  427.     if (op == '*' && (flags&SIMPLE))
  428.         reginsert(STAR, ret);
  429.     else if (op == '*') {
  430.         /* Emit x* as (x&|), where & means "self". */
  431.         reginsert(BRANCH, ret);            /* Either x */
  432.         regoptail(ret, regnode(BACK));        /* and loop */
  433.         regoptail(ret, ret);            /* back */
  434.         regtail(ret, regnode(BRANCH));        /* or */
  435.         regtail(ret, regnode(NOTHING));        /* null. */
  436.     } else if (op == '+' && (flags&SIMPLE))
  437.         reginsert(PLUS, ret);
  438.     else if (op == '+') {
  439.         /* Emit x+ as x(&|), where & means "self". */
  440.         next = regnode(BRANCH);            /* Either */
  441.         regtail(ret, next);
  442.         regtail(regnode(BACK), ret);        /* loop back */
  443.         regtail(next, regnode(BRANCH));        /* or */
  444.         regtail(ret, regnode(NOTHING));        /* null. */
  445.     } else if (op == '?') {
  446.         /* Emit x? as (x|) */
  447.         reginsert(BRANCH, ret);            /* Either x */
  448.         regtail(ret, regnode(BRANCH));        /* or */
  449.         next = regnode(NOTHING);        /* null. */
  450.         regtail(ret, next);
  451.         regoptail(ret, next);
  452.     }
  453.     regparse++;
  454.     if (ISMULT(*regparse))
  455.         FAIL("nested *?+");
  456.  
  457.     return(ret);
  458. }
  459.  
  460. /*
  461.  - regatom - the lowest level
  462.  *
  463.  * Optimization:  gobbles an entire sequence of ordinary characters so that
  464.  * it can turn them into a single node, which is smaller to store and
  465.  * faster to run.  Backslashed characters are exceptions, each becoming a
  466.  * separate node; the code is simpler that way and it's not worth fixing.
  467.  */
  468. static char *
  469. regatom(flagp)
  470. int *flagp;
  471. {
  472.     register char *ret;
  473.     int flags;
  474.  
  475.     *flagp = WORST;        /* Tentatively. */
  476.  
  477.     switch (*regparse++) {
  478.     /* FIXME: these chars only have meaning at beg/end of pat? */
  479.     case '^':
  480.         ret = regnode(BOL);
  481.         break;
  482.     case '$':
  483.         ret = regnode(EOL);
  484.         break;
  485.     case '.':
  486.         ret = regnode(ANY);
  487.         *flagp |= HASWIDTH|SIMPLE;
  488.         break;
  489.     case '[': {
  490.             register int class;
  491.             register int classend;
  492.  
  493.             if (*regparse == '^') {    /* Complement of range. */
  494.                 ret = regnode(ANYBUT);
  495.                 regparse++;
  496.             } else
  497.                 ret = regnode(ANYOF);
  498.             if (*regparse == ']' || *regparse == '-')
  499.                 regc(*regparse++);
  500.             while (*regparse != '\0' && *regparse != ']') {
  501.                 if (*regparse == '-') {
  502.                     regparse++;
  503.                     if (*regparse == ']' || *regparse == '\0')
  504.                         regc('-');
  505.                     else {
  506.                         class = UCHARAT(regparse-2)+1;
  507.                         classend = UCHARAT(regparse);
  508.                         if (class > classend+1)
  509.                             FAIL("invalid [] range");
  510.                         for (; class <= classend; class++)
  511.                             regc(class);
  512.                         regparse++;
  513.                     }
  514.                 } else
  515.                     regc(*regparse++);
  516.             }
  517.             regc('\0');
  518.             if (*regparse != ']')
  519.                 FAIL("unmatched []");
  520.             regparse++;
  521.             *flagp |= HASWIDTH|SIMPLE;
  522.         }
  523.         break;
  524.     case '(':
  525.         ret = reg(1, &flags);
  526.         if (ret == NULL)
  527.             return(NULL);
  528.         *flagp |= flags&(HASWIDTH|SPSTART);
  529.         break;
  530.     case '\0':
  531.     case '|':
  532.     case '\n':
  533.     case ')':
  534.         FAIL("internal urp");    /* Supposed to be caught earlier. */
  535.         break;
  536.     case '?':
  537.     case '+':
  538.     case '*':
  539.         FAIL("?+* follows nothing");
  540.         break;
  541.     case '\\':
  542.         switch (*regparse++) {
  543.         case '\0':
  544.             FAIL("trailing \\");
  545.             break;
  546.         case '<':
  547.             ret = regnode(WORDA);
  548.             break;
  549.         case '>':
  550.             ret = regnode(WORDZ);
  551.             break;
  552.         /* FIXME: Someday handle \1, \2, ... */
  553.         default:
  554.             /* Handle general quoted chars in exact-match routine */
  555.             goto de_fault;
  556.         }
  557.         break;
  558.     de_fault:
  559.     default:
  560.         /*
  561.          * Encode a string of characters to be matched exactly.
  562.          *
  563.          * This is a bit tricky due to quoted chars and due to
  564.          * '*', '+', and '?' taking the SINGLE char previous
  565.          * as their operand.
  566.          *
  567.          * On entry, the char at regparse[-1] is going to go
  568.          * into the string, no matter what it is.  (It could be
  569.          * following a \ if we are entered from the '\' case.)
  570.          * 
  571.          * Basic idea is to pick up a good char in  ch  and
  572.          * examine the next char.  If it's *+? then we twiddle.
  573.          * If it's \ then we frozzle.  If it's other magic char
  574.          * we push  ch  and terminate the string.  If none of the
  575.          * above, we push  ch  on the string and go around again.
  576.          *
  577.          *  regprev  is used to remember where "the current char"
  578.          * starts in the string, if due to a *+? we need to back
  579.          * up and put the current char in a separate, 1-char, string.
  580.          * When  regprev  is NULL,  ch  is the only char in the
  581.          * string; this is used in *+? handling, and in setting
  582.          * flags |= SIMPLE at the end.
  583.          */
  584.         {
  585.             char *regprev;
  586.             register char ch;
  587.  
  588.             regparse--;            /* Look at cur char */
  589.             ret = regnode(EXACTLY);
  590.             for ( regprev = 0 ; ; ) {
  591.                 ch = *regparse++;    /* Get current char */
  592.                 switch (*regparse) {    /* look at next one */
  593.  
  594.                 default:
  595.                     regc(ch);    /* Add cur to string */
  596.                     break;
  597.  
  598.                 case '.': case '[': case '(':
  599.                 case ')': case '|': case '\n':
  600.                 case '$': case '^':
  601.                 case '\0':
  602.                 /* FIXME, $ and ^ should not always be magic */
  603.                 magic:
  604.                     regc(ch);    /* dump cur char */
  605.                     goto done;    /* and we are done */
  606.  
  607.                 case '?': case '+': case '*':
  608.                     if (!regprev)     /* If just ch in str, */
  609.                         goto magic;    /* use it */
  610.                     /* End mult-char string one early */
  611.                     regparse = regprev; /* Back up parse */
  612.                     goto done;
  613.  
  614.                 case '\\':
  615.                     regc(ch);    /* Cur char OK */
  616.                     switch (regparse[1]){ /* Look after \ */
  617.                     case '\0':
  618.                     case '<':
  619.                     case '>':
  620.                     /* FIXME: Someday handle \1, \2, ... */
  621.                         goto done; /* Not quoted */
  622.                     default:
  623.                         /* Backup point is \, scan                             * point is after it. */
  624.                         regprev = regparse;
  625.                         regparse++; 
  626.                         continue;    /* NOT break; */
  627.                     }
  628.                 }
  629.                 regprev = regparse;    /* Set backup point */
  630.             }
  631.         done:
  632.             regc('\0');
  633.             *flagp |= HASWIDTH;
  634.             if (!regprev)        /* One char? */
  635.                 *flagp |= SIMPLE;
  636.         }
  637.         break;
  638.     }
  639.  
  640.     return(ret);
  641. }
  642.  
  643. /*
  644.  - regnode - emit a node
  645.  */
  646. static char *            /* Location. */
  647. regnode(op)
  648. char op;
  649. {
  650.     register char *ret;
  651.     register char *ptr;
  652.  
  653.     ret = regcode;
  654.     if (ret == ®dummy) {
  655.         regsize += 3;
  656.         return(ret);
  657.     }
  658.  
  659.     ptr = ret;
  660.     *ptr++ = op;
  661.     *ptr++ = '\0';        /* Null "next" pointer. */
  662.     *ptr++ = '\0';
  663.     regcode = ptr;
  664.  
  665.     return(ret);
  666. }
  667.  
  668. /*
  669.  - regc - emit (if appropriate) a byte of code
  670.  */
  671. static void
  672. regc(b)
  673. char b;
  674. {
  675.     if (regcode != ®dummy)
  676.         *regcode++ = b;
  677.     else
  678.         regsize++;
  679. }
  680.  
  681. /*
  682.  - reginsert - insert an operator in front of already-emitted operand
  683.  *
  684.  * Means relocating the operand.
  685.  */
  686. static void
  687. reginsert(op, opnd)
  688. char op;
  689. char *opnd;
  690. {
  691.     register char *src;
  692.     register char *dst;
  693.     register char *place;
  694.  
  695.     if (regcode == ®dummy) {
  696.         regsize += 3;
  697.         return;
  698.     }
  699.  
  700.     src = regcode;
  701.     regcode += 3;
  702.     dst = regcode;
  703.     while (src > opnd)
  704.         *--dst = *--src;
  705.  
  706.     place = opnd;        /* Op node, where operand used to be. */
  707.     *place++ = op;
  708.     *place++ = '\0';
  709.     *place++ = '\0';
  710. }
  711.  
  712. /*
  713.  - regtail - set the next-pointer at the end of a node chain
  714.  */
  715. static void
  716. regtail(p, val)
  717. char *p;
  718. char *val;
  719. {
  720.     register char *scan;
  721.     register char *temp;
  722.     register int offset;
  723.  
  724.     if (p == ®dummy)
  725.         return;
  726.  
  727.     /* Find last node. */
  728.     scan = p;
  729.     for (;;) {
  730.         temp = regnext(scan);
  731.         if (temp == NULL)
  732.             break;
  733.         scan = temp;
  734.     }
  735.  
  736.     if (OP(scan) == BACK)
  737.         offset = scan - val;
  738.     else
  739.         offset = val - scan;
  740.     *(scan+1) = (offset>>8)&0377;
  741.     *(scan+2) = offset&0377;
  742. }
  743.  
  744. /*
  745.  - regoptail - regtail on operand of first argument; nop if operandless
  746.  */
  747. static void
  748. regoptail(p, val)
  749. char *p;
  750. char *val;
  751. {
  752.     /* "Operandless" and "op != BRANCH" are synonymous in practice. */
  753.     if (p == NULL || p == ®dummy || OP(p) != BRANCH)
  754.         return;
  755.     regtail(OPERAND(p), val);
  756. }
  757.  
  758. /*
  759.  * regexec and friends
  760.  */
  761.  
  762. /*
  763.  * Global work variables for regexec().
  764.  */
  765. static char *reginput;        /* String-input pointer. */
  766. static char *regbol;        /* Beginning of input, for ^ check. */
  767. static char **regstartp;    /* Pointer to startp array. */
  768. static char **regendp;        /* Ditto for endp. */
  769.  
  770. /*
  771.  * Forwards.
  772.  */
  773. STATIC int regtry();
  774. STATIC int regmatch();
  775. STATIC int regrepeat();
  776.  
  777. #ifdef DEBUG
  778. int regnarrate = 0;
  779. void regdump();
  780. STATIC char *regprop();
  781. #endif
  782.  
  783. /*
  784.  - regexec - match a regexp against a string
  785.  */
  786. int
  787. regexec(prog, string)
  788. register const regexp *prog;
  789. register const char *string;
  790. {
  791.     register char *s;
  792.     extern char *strchr();
  793.  
  794.     /* Be paranoid... */
  795.     if (prog == NULL || string == NULL) {
  796.         regerror("NULL parameter");
  797.         return(0);
  798.     }
  799.  
  800.     /* Check validity of program. */
  801.     if (UCHARAT(prog->program) != MAGIC) {
  802.         regerror("corrupted program");
  803.         return(0);
  804.     }
  805.  
  806.     /* If there is a "must appear" string, look for it. */
  807.     if (prog->regmust != NULL) {
  808.         s = (char *)string;
  809.         while ((s = strchr(s, prog->regmust[0])) != NULL) {
  810.             if (strncmp(s, prog->regmust, prog->regmlen) == 0)
  811.                 break;    /* Found it. */
  812.             s++;
  813.         }
  814.         if (s == NULL)    /* Not present. */
  815.             return(0);
  816.     }
  817.  
  818.     /* Mark beginning of line for ^ . */
  819.     regbol = (char *)string;
  820.  
  821.     /* Simplest case:  anchored match need be tried only once. */
  822.     if (prog->reganch)
  823.         return(regtry(prog, string));
  824.  
  825.     /* Messy cases:  unanchored match. */
  826.     s = (char *)string;
  827.     if (prog->regstart != '\0')
  828.         /* We know what char it must start with. */
  829.         while ((s = strchr(s, prog->regstart)) != NULL) {
  830.             if (regtry(prog, s))
  831.                 return(1);
  832.             s++;
  833.         }
  834.     else
  835.         /* We don't -- general case. */
  836.         do {
  837.             if (regtry(prog, s))
  838.                 return(1);
  839.         } while (*s++ != '\0');
  840.  
  841.     /* Failure. */
  842.     return(0);
  843. }
  844.  
  845. /*
  846.  - regtry - try match at specific point
  847.  */
  848. static int            /* 0 failure, 1 success */
  849. regtry(prog, string)
  850. regexp *prog;
  851. char *string;
  852. {
  853.     register int i;
  854.     register char **sp;
  855.     register char **ep;
  856.  
  857.     reginput = string;
  858.     regstartp = prog->startp;
  859.     regendp = prog->endp;
  860.  
  861.     sp = prog->startp;
  862.     ep = prog->endp;
  863.     for (i = NSUBEXP; i > 0; i--) {
  864.         *sp++ = NULL;
  865.         *ep++ = NULL;
  866.     }
  867.     if (regmatch(prog->program + 1)) {
  868.         prog->startp[0] = string;
  869.         prog->endp[0] = reginput;
  870.         return(1);
  871.     } else
  872.         return(0);
  873. }
  874.  
  875. /*
  876.  - regmatch - main matching routine
  877.  *
  878.  * Conceptually the strategy is simple:  check to see whether the current
  879.  * node matches, call self recursively to see whether the rest matches,
  880.  * and then act accordingly.  In practice we make some effort to avoid
  881.  * recursion, in particular by going through "ordinary" nodes (that don't
  882.  * need to know whether the rest of the match failed) by a loop instead of
  883.  * by recursion.
  884.  */
  885. static int            /* 0 failure, 1 success */
  886. regmatch(prog)
  887. char *prog;
  888. {
  889.     register char *scan;    /* Current node. */
  890.     char *next;        /* Next node. */
  891.     extern char *strchr();
  892.  
  893.     scan = prog;
  894. #ifdef DEBUG
  895.     if (scan != NULL && regnarrate)
  896.         fprintf(stderr, "%s(\n", regprop(scan));
  897. #endif
  898.     while (scan != NULL) {
  899. #ifdef DEBUG
  900.         if (regnarrate)
  901.             fprintf(stderr, "%s...\n", regprop(scan));
  902. #endif
  903.         next = regnext(scan);
  904.  
  905.         switch (OP(scan)) {
  906.         case BOL:
  907.             if (reginput != regbol)
  908.                 return(0);
  909.             break;
  910.         case EOL:
  911.             if (*reginput != '\0')
  912.                 return(0);
  913.             break;
  914.         case WORDA:
  915.             /* Must be looking at a letter, digit, or _ */
  916.             if ((!isalnum(*reginput)) && *reginput != '_')
  917.                 return(0);
  918.             /* Prev must be BOL or nonword */
  919.             if (reginput > regbol &&
  920.                 (isalnum(reginput[-1]) || reginput[-1] == '_'))
  921.                 return(0);
  922.             break;
  923.         case WORDZ:
  924.             /* Must be looking at non letter, digit, or _ */
  925.             if (isalnum(*reginput) || *reginput == '_')
  926.                 return(0);
  927.             /* We don't care what the previous char was */
  928.             break;
  929.         case ANY:
  930.             if (*reginput == '\0')
  931.                 return(0);
  932.             reginput++;
  933.             break;
  934.         case EXACTLY: {
  935.                 register int len;
  936.                 register char *opnd;
  937.  
  938.                 opnd = OPERAND(scan);
  939.                 /* Inline the first character, for speed. */
  940.                 if (*opnd != *reginput)
  941.                     return(0);
  942.                 len = strlen(opnd);
  943.                 if (len > 1 && strncmp(opnd, reginput, len) != 0)
  944.                     return(0);
  945.                 reginput += len;
  946.             }
  947.             break;
  948.         case ANYOF:
  949.              if (*reginput == '\0' || strchr(OPERAND(scan), *reginput) == NULL)
  950.                 return(0);
  951.             reginput++;
  952.             break;
  953.         case ANYBUT:
  954.              if (*reginput == '\0' || strchr(OPERAND(scan), *reginput) != NULL)
  955.                 return(0);
  956.             reginput++;
  957.             break;
  958.         case NOTHING:
  959.             break;
  960.         case BACK:
  961.             break;
  962.         case OPEN+1:
  963.         case OPEN+2:
  964.         case OPEN+3:
  965.         case OPEN+4:
  966.         case OPEN+5:
  967.         case OPEN+6:
  968.         case OPEN+7:
  969.         case OPEN+8:
  970.         case OPEN+9: {
  971.                 register int no;
  972.                 register char *save;
  973.  
  974.                 no = OP(scan) - OPEN;
  975.                 save = reginput;
  976.  
  977.                 if (regmatch(next)) {
  978.                     /*
  979.                      * Don't set startp if some later
  980.                      * invocation of the same parentheses
  981.                      * already has.
  982.                      */
  983.                     if (regstartp[no] == NULL)
  984.                         regstartp[no] = save;
  985.                     return(1);
  986.                 } else
  987.                     return(0);
  988.             }
  989.             break;
  990.         case CLOSE+1:
  991.         case CLOSE+2:
  992.         case CLOSE+3:
  993.         case CLOSE+4:
  994.         case CLOSE+5:
  995.         case CLOSE+6:
  996.         case CLOSE+7:
  997.         case CLOSE+8:
  998.         case CLOSE+9: {
  999.                 register int no;
  1000.                 register char *save;
  1001.  
  1002.                 no = OP(scan) - CLOSE;
  1003.                 save = reginput;
  1004.  
  1005.                 if (regmatch(next)) {
  1006.                     /*
  1007.                      * Don't set endp if some later
  1008.                      * invocation of the same parentheses
  1009.                      * already has.
  1010.                      */
  1011.                     if (regendp[no] == NULL)
  1012.                         regendp[no] = save;
  1013.                     return(1);
  1014.                 } else
  1015.                     return(0);
  1016.             }
  1017.             break;
  1018.         case BRANCH: {
  1019.                 register char *save;
  1020.  
  1021.                 if (OP(next) != BRANCH)        /* No choice. */
  1022.                     next = OPERAND(scan);    /* Avoid recursion. */
  1023.                 else {
  1024.                     do {
  1025.                         save = reginput;
  1026.                         if (regmatch(OPERAND(scan)))
  1027.                             return(1);
  1028.                         reginput = save;
  1029.                         scan = regnext(scan);
  1030.                     } while (scan != NULL && OP(scan) == BRANCH);
  1031.                     return(0);
  1032.                     /* NOTREACHED */
  1033.                 }
  1034.             }
  1035.             break;
  1036.         case STAR:
  1037.         case PLUS: {
  1038.                 register char nextch;
  1039.                 register int no;
  1040.                 register char *save;
  1041.                 register int min;
  1042.  
  1043.                 /*
  1044.                  * Lookahead to avoid useless match attempts
  1045.                  * when we know what character comes next.
  1046.                  */
  1047.                 nextch = '\0';
  1048.                 if (OP(next) == EXACTLY)
  1049.                     nextch = *OPERAND(next);
  1050.                 min = (OP(scan) == STAR) ? 0 : 1;
  1051.                 save = reginput;
  1052.                 no = regrepeat(OPERAND(scan));
  1053.                 while (no >= min) {
  1054.                     /* If it could work, try it. */
  1055.                     if (nextch == '\0' || *reginput == nextch)
  1056.                         if (regmatch(next))
  1057.                             return(1);
  1058.                     /* Couldn't or didn't -- back up. */
  1059.                     no--;
  1060.                     reginput = save + no;
  1061.                 }
  1062.                 return(0);
  1063.             }
  1064.             break;
  1065.         case END:
  1066.             return(1);    /* Success! */
  1067.             break;
  1068.         default:
  1069.             regerror("memory corruption");
  1070.             return(0);
  1071.             break;
  1072.         }
  1073.  
  1074.         scan = next;
  1075.     }
  1076.  
  1077.     /*
  1078.      * We get here only if there's trouble -- normally "case END" is
  1079.      * the terminating point.
  1080.      */
  1081.     regerror("corrupted pointers");
  1082.     return(0);
  1083. }
  1084.  
  1085. /*
  1086.  - regrepeat - repeatedly match something simple, report how many
  1087.  */
  1088. static int
  1089. regrepeat(p)
  1090. char *p;
  1091. {
  1092.     register int count = 0;
  1093.     register char *scan;
  1094.     register char *opnd;
  1095.  
  1096.     scan = reginput;
  1097.     opnd = OPERAND(p);
  1098.     switch (OP(p)) {
  1099.     case ANY:
  1100.         count = strlen(scan);
  1101.         scan += count;
  1102.         break;
  1103.     case EXACTLY:
  1104.         while (*opnd == *scan) {
  1105.             count++;
  1106.             scan++;
  1107.         }
  1108.         break;
  1109.     case ANYOF:
  1110.         while (*scan != '\0' && strchr(opnd, *scan) != NULL) {
  1111.             count++;
  1112.             scan++;
  1113.         }
  1114.         break;
  1115.     case ANYBUT:
  1116.         while (*scan != '\0' && strchr(opnd, *scan) == NULL) {
  1117.             count++;
  1118.             scan++;
  1119.         }
  1120.         break;
  1121.     default:        /* Oh dear.  Called inappropriately. */
  1122.         regerror("internal foulup");
  1123.         count = 0;    /* Best compromise. */
  1124.         break;
  1125.     }
  1126.     reginput = scan;
  1127.  
  1128.     return(count);
  1129. }
  1130.  
  1131. /*
  1132.  - regnext - dig the "next" pointer out of a node
  1133.  */
  1134. static char *
  1135. regnext(p)
  1136. register char *p;
  1137. {
  1138.     register int offset;
  1139.  
  1140.     if (p == ®dummy)
  1141.         return(NULL);
  1142.  
  1143.     offset = NEXT(p);
  1144.     if (offset == 0)
  1145.         return(NULL);
  1146.  
  1147.     if (OP(p) == BACK)
  1148.         return(p-offset);
  1149.     else
  1150.         return(p+offset);
  1151. }
  1152.  
  1153. #ifdef DEBUG
  1154.  
  1155. STATIC char *regprop();
  1156.  
  1157. /*
  1158.  - regdump - dump a regexp onto stdout in vaguely comprehensible form
  1159.  */
  1160. void
  1161. regdump(r)
  1162. regexp *r;
  1163. {
  1164.     register char *s;
  1165.     register char op = EXACTLY;    /* Arbitrary non-END op. */
  1166.     register char *next;
  1167.     extern char *strchr();
  1168.  
  1169.  
  1170.     s = r->program + 1;
  1171.     while (op != END) {    /* While that wasn't END last time... */
  1172.         op = OP(s);
  1173.         printf("%2d%s", s-r->program, regprop(s));    /* Where, what. */
  1174.         next = regnext(s);
  1175.         if (next == NULL)        /* Next ptr. */
  1176.             printf("(0)");
  1177.         else 
  1178.             printf("(%d)", (s-r->program)+(next-s));
  1179.         s += 3;
  1180.         if (op == ANYOF || op == ANYBUT || op == EXACTLY) {
  1181.             /* Literal string, where present. */
  1182.             while (*s != '\0') {
  1183.                 putchar(*s);
  1184.                 s++;
  1185.             }
  1186.             s++;
  1187.         }
  1188.         putchar('\n');
  1189.     }
  1190.  
  1191.     /* Header fields of interest. */
  1192.     if (r->regstart != '\0')
  1193.         printf("start `%c' ", r->regstart);
  1194.     if (r->reganch)
  1195.         printf("anchored ");
  1196.     if (r->regmust != NULL)
  1197.         printf("must have \"%s\"", r->regmust);
  1198.     printf("\n");
  1199. }
  1200.  
  1201. /*
  1202.  - regprop - printable representation of opcode
  1203.  */
  1204. static char *
  1205. regprop(op)
  1206. char *op;
  1207. {
  1208.     register char *p;
  1209.     static char buf[50];
  1210.  
  1211.     (void) strcpy(buf, ":");
  1212.  
  1213.     switch (OP(op)) {
  1214.     case BOL:
  1215.         p = "BOL";
  1216.         break;
  1217.     case EOL:
  1218.         p = "EOL";
  1219.         break;
  1220.     case ANY:
  1221.         p = "ANY";
  1222.         break;
  1223.     case ANYOF:
  1224.         p = "ANYOF";
  1225.         break;
  1226.     case ANYBUT:
  1227.         p = "ANYBUT";
  1228.         break;
  1229.     case BRANCH:
  1230.         p = "BRANCH";
  1231.         break;
  1232.     case EXACTLY:
  1233.         p = "EXACTLY";
  1234.         break;
  1235.     case NOTHING:
  1236.         p = "NOTHING";
  1237.         break;
  1238.     case BACK:
  1239.         p = "BACK";
  1240.         break;
  1241.     case END:
  1242.         p = "END";
  1243.         break;
  1244.     case OPEN+1:
  1245.     case OPEN+2:
  1246.     case OPEN+3:
  1247.     case OPEN+4:
  1248.     case OPEN+5:
  1249.     case OPEN+6:
  1250.     case OPEN+7:
  1251.     case OPEN+8:
  1252.     case OPEN+9:
  1253.         sprintf(buf+strlen(buf), "OPEN%d", OP(op)-OPEN);
  1254.         p = NULL;
  1255.         break;
  1256.     case CLOSE+1:
  1257.     case CLOSE+2:
  1258.     case CLOSE+3:
  1259.     case CLOSE+4:
  1260.     case CLOSE+5:
  1261.     case CLOSE+6:
  1262.     case CLOSE+7:
  1263.     case CLOSE+8:
  1264.     case CLOSE+9:
  1265.         sprintf(buf+strlen(buf), "CLOSE%d", OP(op)-CLOSE);
  1266.         p = NULL;
  1267.         break;
  1268.     case STAR:
  1269.         p = "STAR";
  1270.         break;
  1271.     case PLUS:
  1272.         p = "PLUS";
  1273.         break;
  1274.     case WORDA:
  1275.         p = "WORDA";
  1276.         break;
  1277.     case WORDZ:
  1278.         p = "WORDZ";
  1279.         break;
  1280.     default:
  1281.         regerror("corrupted opcode");
  1282.         break;
  1283.     }
  1284.     if (p != NULL)
  1285.         (void) strcat(buf, p);
  1286.     return(buf);
  1287. }
  1288. #endif
  1289.  
  1290. /*
  1291.  * The following is provided for those people who do not have strcspn() in
  1292.  * their C libraries.  They should get off their butts and do something
  1293.  * about it; at least one public-domain implementation of those (highly
  1294.  * useful) string routines has been published on Usenet.
  1295.  */
  1296. #ifdef STRCSPN
  1297. /*
  1298.  * strcspn - find length of initial segment of s1 consisting entirely
  1299.  * of characters not from s2
  1300.  */
  1301.  
  1302. static int
  1303. strcspn(s1, s2)
  1304. char *s1;
  1305. char *s2;
  1306. {
  1307.     register char *scan1;
  1308.     register char *scan2;
  1309.     register int count;
  1310.  
  1311.     count = 0;
  1312.     for (scan1 = s1; *scan1 != '\0'; scan1++) {
  1313.         for (scan2 = s2; *scan2 != '\0';)    /* ++ moved down. */
  1314.             if (*scan1 == *scan2++)
  1315.                 return(count);
  1316.         count++;
  1317.     }
  1318.     return(count);
  1319. }
  1320. #endif
  1321.