home *** CD-ROM | disk | FTP | other *** search
/ Mac-Source 1994 July / Mac-Source_July_1994.iso / Other Langs / Tickle-4.0 (tcl) / tcl / src / regexp.c < prev    next >
Encoding:
C/C++ Source or Header  |  1993-10-25  |  27.8 KB  |  1,238 lines  |  [TEXT/MPS ]
  1. #ifdef MPW
  2. #    pragma segment TCL_REGEXP
  3. #endif
  4.  
  5. /*
  6.  * TclRegComp and TclRegExec -- TclRegSub and TclRegError are elsewhere
  7.  *
  8.  *    Copyright (c) 1986 by University of Toronto.
  9.  *    Written by Henry Spencer.  Not derived from licensed software.
  10.  *
  11.  *    Permission is granted to anyone to use this software for any
  12.  *    purpose on any computer system, and to redistribute it freely,
  13.  *    subject to the following restrictions:
  14.  *
  15.  *    1. The author is not responsible for the consequences of use of
  16.  *        this software, no matter how awful, even if they arise
  17.  *        from defects in it.
  18.  *
  19.  *    2. The origin of this software must not be misrepresented, either
  20.  *        by explicit claim or by omission.
  21.  *
  22.  *    3. Altered versions must be plainly marked as such, and must not
  23.  *        be misrepresented as being the original software.
  24.  *
  25.  * Beware that some of this code is subtly aware of the way operator
  26.  * precedence is structured in regular expressions.  Serious changes in
  27.  * regular-expression syntax might require a total rethink.
  28.  *
  29.  * *** NOTE: this code has been altered slightly for use in Tcl: ***
  30.  * *** 1. Use ckalloc and ckfree instead of  malloc and free.     ***
  31.  * *** 2. Add extra argument to regexp to specify the real     ***
  32.  * ***    start of the string separately from the start of the     ***
  33.  * ***    current search. This is needed to search for multiple     ***
  34.  * ***    matches within a string.                 ***
  35.  * *** 3. Names have been changed, e.g. from regcomp to         ***
  36.  * ***    TclRegComp, to avoid clashes with other          ***
  37.  * ***    regexp implementations used by applications.          ***
  38.  */
  39. #include "tclInt.h"
  40.  
  41. /*
  42.  * The "internal use only" fields in regexp.h are present to pass info from
  43.  * compile to execute that permits the execute phase to run lots faster on
  44.  * simple cases.  They are:
  45.  *
  46.  * regstart    char that must begin a match; '\0' if none obvious
  47.  * reganch    is the match anchored (at beginning-of-line only)?
  48.  * regmust    string (pointer into program) that match must include, or NULL
  49.  * regmlen    length of regmust string
  50.  *
  51.  * Regstart and reganch permit very fast decisions on suitable starting points
  52.  * for a match, cutting down the work a lot.  Regmust permits fast rejection
  53.  * of lines that cannot possibly match.  The regmust tests are costly enough
  54.  * that TclRegComp() supplies a regmust only if the r.e. contains something
  55.  * potentially expensive (at present, the only such thing detected is * or +
  56.  * at the start of the r.e., which can involve a lot of backup).  Regmlen is
  57.  * supplied because the test in TclRegExec() needs it and TclRegComp() is
  58.  * computing it anyway.
  59.  */
  60.  
  61. /*
  62.  * Structure for regexp "program".  This is essentially a linear encoding
  63.  * of a nondeterministic finite-state machine (aka syntax charts or
  64.  * "railroad normal form" in parsing technology).  Each node is an opcode
  65.  * plus a "next" pointer, possibly plus an operand.  "Next" pointers of
  66.  * all nodes except BRANCH implement concatenation; a "next" pointer with
  67.  * a BRANCH on both ends of it is connecting two alternatives.  (Here we
  68.  * have one of the subtle syntax dependencies:  an individual BRANCH (as
  69.  * opposed to a collection of them) is never concatenated with anything
  70.  * because of operator precedence.)  The operand of some types of node is
  71.  * a literal string; for others, it is a node leading into a sub-FSM.  In
  72.  * particular, the operand of a BRANCH node is the first node of the branch.
  73.  * (NB this is *not* a tree structure:  the tail of the branch connects
  74.  * to the thing following the set of BRANCHes.)  The opcodes are:
  75.  */
  76.  
  77. /* definition    number    opnd?    meaning */
  78. #define    END    0    /* no    End of program. */
  79. #define    BOL    1    /* no    Match "" at beginning of line. */
  80. #define    EOL    2    /* no    Match "" at end of line. */
  81. #define    ANY    3    /* no    Match any one character. */
  82. #define    ANYOF    4    /* str    Match any character in this string. */
  83. #define    ANYBUT    5    /* str    Match any character not in this string. */
  84. #define    BRANCH    6    /* node    Match this alternative, or the next... */
  85. #define    BACK    7    /* no    Match "", "next" ptr points backward. */
  86. #define    EXACTLY    8    /* str    Match this string. */
  87. #define    NOTHING    9    /* no    Match empty string. */
  88. #define    STAR    10    /* node    Match this (simple) thing 0 or more times. */
  89. #define    PLUS    11    /* node    Match this (simple) thing 1 or more times. */
  90. #define    OPEN    20    /* no    Mark this point in input as start of #n. */
  91.             /*    OPEN+1 is number 1, etc. */
  92. #define    CLOSE    30    /* no    Analogous to OPEN. */
  93.  
  94. /*
  95.  * Opcode notes:
  96.  *
  97.  * BRANCH    The set of branches constituting a single choice are hooked
  98.  *        together with their "next" pointers, since precedence prevents
  99.  *        anything being concatenated to any individual branch.  The
  100.  *        "next" pointer of the last BRANCH in a choice points to the
  101.  *        thing following the whole choice.  This is also where the
  102.  *        final "next" pointer of each individual branch points; each
  103.  *        branch starts with the operand node of a BRANCH node.
  104.  *
  105.  * BACK        Normal "next" pointers all implicitly point forward; BACK
  106.  *        exists to make loop structures possible.
  107.  *
  108.  * STAR,PLUS    '?', and complex '*' and '+', are implemented as circular
  109.  *        BRANCH structures using BACK.  Simple cases (one character
  110.  *        per match) are implemented with STAR and PLUS for speed
  111.  *        and to minimize recursive plunges.
  112.  *
  113.  * OPEN,CLOSE    ...are numbered at compile time.
  114.  */
  115.  
  116. /*
  117.  * A node is one char of opcode followed by two chars of "next" pointer.
  118.  * "Next" pointers are stored as two 8-bit pieces, high order first.  The
  119.  * value is a positive offset from the opcode of the node containing it.
  120.  * An operand, if any, simply follows the node.  (Note that much of the
  121.  * code generation knows about this implicit relationship.)
  122.  *
  123.  * Using two bytes for the "next" pointer is vast overkill for most things,
  124.  * but allows patterns to get big without disasters.
  125.  */
  126. #define    OP(p)    (*(p))
  127. #define    NEXT(p)    (((*((p)+1)&0377)<<8) + (*((p)+2)&0377))
  128. #define    OPERAND(p)    ((p) + 3)
  129.  
  130. /*
  131.  * See regmagic.h for one further detail of program structure.
  132.  */
  133.  
  134.  
  135. /*
  136.  * Utility definitions.
  137.  */
  138. #ifndef CHARBITS
  139. #define    UCHARAT(p)    ((int)*(unsigned char *)(p))
  140. #else
  141. #define    UCHARAT(p)    ((int)*(p)&CHARBITS)
  142. #endif
  143.  
  144. #define    FAIL(m)    { TclRegError(m); return(NULL); }
  145. #define    ISMULT(c)    ((c) == '*' || (c) == '+' || (c) == '?')
  146. #define    META    "^$.[()|?+*\\"
  147.  
  148. /*
  149.  * Flags to be passed up and down.
  150.  */
  151. #define    HASWIDTH    01    /* Known never to match null string. */
  152. #define    SIMPLE        02    /* Simple enough to be STAR/PLUS operand. */
  153. #define    SPSTART        04    /* Starts with * or +. */
  154. #define    WORST        0    /* Worst case. */
  155.  
  156. /*
  157.  * Global work variables for TclRegComp().
  158.  */
  159. static char *regparse;        /* Input-scan pointer. */
  160. static int regnpar;        /* () count. */
  161. static char regdummy;
  162. static char *regcode;        /* Code-emit pointer; ®dummy = don't. */
  163. static long regsize;        /* Code size. */
  164.  
  165. /*
  166.  * The first byte of the regexp internal "program" is actually this magic
  167.  * number; the start node begins in the second byte.
  168.  */
  169. #define    MAGIC    0234
  170.  
  171.  
  172. /*
  173.  * Forward declarations for TclRegComp()'s friends.
  174.  */
  175. #ifndef STATIC
  176. #define    STATIC    static
  177. #endif
  178. STATIC char *reg();
  179. STATIC char *regbranch();
  180. STATIC char *regpiece();
  181. STATIC char *regatom();
  182. STATIC char *regnode();
  183. STATIC char *regnext();
  184. STATIC void regc();
  185. STATIC void reginsert();
  186. STATIC void regtail();
  187. STATIC void regoptail();
  188. #ifdef STRCSPN
  189. STATIC int strcspn();
  190. #endif
  191.  
  192. /*
  193.  - TclRegComp - compile a regular expression into internal code
  194.  *
  195.  * We can't allocate space until we know how big the compiled form will be,
  196.  * but we can't compile it (and thus know how big it is) until we've got a
  197.  * place to put the code.  So we cheat:  we compile it twice, once with code
  198.  * generation turned off and size counting turned on, and once "for real".
  199.  * This also means that we don't allocate space until we are sure that the
  200.  * thing really will compile successfully, and we never have to move the
  201.  * code and thus invalidate pointers into it.  (Note that it has to be in
  202.  * one piece because free() must be able to free it all.)
  203.  *
  204.  * Beware that the optimization-preparation code in here knows about some
  205.  * of the structure of the compiled regexp.
  206.  */
  207. regexp *
  208. TclRegComp(exp)
  209. char *exp;
  210. {
  211.     register regexp *r;
  212.     register char *scan;
  213.     register char *longest;
  214.     register int len;
  215.     int flags;
  216.  
  217.     if (exp == NULL)
  218.         FAIL("NULL argument");
  219.  
  220.     /* First pass: determine size, legality. */
  221.     regparse = exp;
  222.     regnpar = 1;
  223.     regsize = 0L;
  224.     regcode = ®dummy;
  225.     regc(MAGIC);
  226.     if (reg(0, &flags) == NULL)
  227.         return(NULL);
  228.  
  229.     /* Small enough for pointer-storage convention? */
  230.     if (regsize >= 32767L)        /* Probably could be 65535L. */
  231.         FAIL("regexp too big");
  232.  
  233.     /* Allocate space. */
  234.     r = (regexp *)ckalloc(sizeof(regexp) + (unsigned)regsize);
  235.     if (r == NULL)
  236.         FAIL("out of space");
  237.  
  238.     /* Second pass: emit code. */
  239.     regparse = exp;
  240.     regnpar = 1;
  241.     regcode = r->program;
  242.     regc(MAGIC);
  243.     if (reg(0, &flags) == NULL)
  244.         return(NULL);
  245.  
  246.     /* Dig out information for optimizations. */
  247.     r->regstart = '\0';    /* Worst-case defaults. */
  248.     r->reganch = 0;
  249.     r->regmust = NULL;
  250.     r->regmlen = 0;
  251.     scan = r->program+1;            /* First BRANCH. */
  252.     if (OP(regnext(scan)) == END) {        /* Only one top-level choice. */
  253.         scan = OPERAND(scan);
  254.  
  255.         /* Starting-point info. */
  256.         if (OP(scan) == EXACTLY)
  257.             r->regstart = *OPERAND(scan);
  258.         else if (OP(scan) == BOL)
  259.             r->reganch++;
  260.  
  261.         /*
  262.          * If there's something expensive in the r.e., find the
  263.          * longest literal string that must appear and make it the
  264.          * regmust.  Resolve ties in favor of later strings, since
  265.          * the regstart check works with the beginning of the r.e.
  266.          * and avoiding duplication strengthens checking.  Not a
  267.          * strong reason, but sufficient in the absence of others.
  268.          */
  269.         if (flags&SPSTART) {
  270.             longest = NULL;
  271.             len = 0;
  272.             for (; scan != NULL; scan = regnext(scan))
  273.                 if (OP(scan) == EXACTLY && strlen(OPERAND(scan)) >= len) {
  274.                     longest = OPERAND(scan);
  275.                     len = strlen(OPERAND(scan));
  276.                 }
  277.             r->regmust = longest;
  278.             r->regmlen = len;
  279.         }
  280.     }
  281.  
  282.     return(r);
  283. }
  284.  
  285. /*
  286.  - reg - regular expression, i.e. main body or parenthesized thing
  287.  *
  288.  * Caller must absorb opening parenthesis.
  289.  *
  290.  * Combining parenthesis handling with the base level of regular expression
  291.  * is a trifle forced, but the need to tie the tails of the branches to what
  292.  * follows makes it hard to avoid.
  293.  */
  294. static char *
  295. reg(paren, flagp)
  296. int paren;            /* Parenthesized? */
  297. int *flagp;
  298. {
  299.     register char *ret;
  300.     register char *br;
  301.     register char *ender;
  302.     register int parno = 0;
  303.     int flags;
  304.  
  305.     *flagp = HASWIDTH;    /* Tentatively. */
  306.  
  307.     /* Make an OPEN node, if parenthesized. */
  308.     if (paren) {
  309.         if (regnpar >= NSUBEXP)
  310.             FAIL("too many ()");
  311.         parno = regnpar;
  312.         regnpar++;
  313.         ret = regnode(OPEN+parno);
  314.     } else
  315.         ret = NULL;
  316.  
  317.     /* Pick up the branches, linking them together. */
  318.     br = regbranch(&flags);
  319.     if (br == NULL)
  320.         return(NULL);
  321.     if (ret != NULL)
  322.         regtail(ret, br);    /* OPEN -> first. */
  323.     else
  324.         ret = br;
  325.     if (!(flags&HASWIDTH))
  326.         *flagp &= ~HASWIDTH;
  327.     *flagp |= flags&SPSTART;
  328.     while (*regparse == '|') {
  329.         regparse++;
  330.         br = regbranch(&flags);
  331.         if (br == NULL)
  332.             return(NULL);
  333.         regtail(ret, br);    /* BRANCH -> BRANCH. */
  334.         if (!(flags&HASWIDTH))
  335.             *flagp &= ~HASWIDTH;
  336.         *flagp |= flags&SPSTART;
  337.     }
  338.  
  339.     /* Make a closing node, and hook it on the end. */
  340.     ender = regnode((paren) ? CLOSE+parno : END);    
  341.     regtail(ret, ender);
  342.  
  343.     /* Hook the tails of the branches to the closing node. */
  344.     for (br = ret; br != NULL; br = regnext(br))
  345.         regoptail(br, ender);
  346.  
  347.     /* Check for proper termination. */
  348.     if (paren && *regparse++ != ')') {
  349.         FAIL("unmatched ()");
  350.     } else if (!paren && *regparse != '\0') {
  351.         if (*regparse == ')') {
  352.             FAIL("unmatched ()");
  353.         } else
  354.             FAIL("junk on end");    /* "Can't happen". */
  355.         /* NOTREACHED */
  356.     }
  357.  
  358.     return(ret);
  359. }
  360.  
  361. /*
  362.  - regbranch - one alternative of an | operator
  363.  *
  364.  * Implements the concatenation operator.
  365.  */
  366. static char *
  367. regbranch(flagp)
  368. int *flagp;
  369. {
  370.     register char *ret;
  371.     register char *chain;
  372.     register char *latest;
  373.     int flags;
  374.  
  375.     *flagp = WORST;        /* Tentatively. */
  376.  
  377.     ret = regnode(BRANCH);
  378.     chain = NULL;
  379.     while (*regparse != '\0' && *regparse != '|' && *regparse != ')') {
  380.         latest = regpiece(&flags);
  381.         if (latest == NULL)
  382.             return(NULL);
  383.         *flagp |= flags&HASWIDTH;
  384.         if (chain == NULL)    /* First piece. */
  385.             *flagp |= flags&SPSTART;
  386.         else
  387.             regtail(chain, latest);
  388.         chain = latest;
  389.     }
  390.     if (chain == NULL)    /* Loop ran zero times. */
  391.         (void) regnode(NOTHING);
  392.  
  393.     return(ret);
  394. }
  395.  
  396. /*
  397.  - regpiece - something followed by possible [*+?]
  398.  *
  399.  * Note that the branching code sequences used for ? and the general cases
  400.  * of * and + are somewhat optimized:  they use the same NOTHING node as
  401.  * both the endmarker for their branch list and the body of the last branch.
  402.  * It might seem that this node could be dispensed with entirely, but the
  403.  * endmarker role is not redundant.
  404.  */
  405. static char *
  406. regpiece(flagp)
  407. int *flagp;
  408. {
  409.     register char *ret;
  410.     register char op;
  411.     register char *next;
  412.     int flags;
  413.  
  414.     ret = regatom(&flags);
  415.     if (ret == NULL)
  416.         return(NULL);
  417.  
  418.     op = *regparse;
  419.     if (!ISMULT(op)) {
  420.         *flagp = flags;
  421.         return(ret);
  422.     }
  423.  
  424.     if (!(flags&HASWIDTH) && op != '?')
  425.         FAIL("*+ operand could be empty");
  426.     *flagp = (op != '+') ? (WORST|SPSTART) : (WORST|HASWIDTH);
  427.  
  428.     if (op == '*' && (flags&SIMPLE))
  429.         reginsert(STAR, ret);
  430.     else if (op == '*') {
  431.         /* Emit x* as (x&|), where & means "self". */
  432.         reginsert(BRANCH, ret);            /* Either x */
  433.         regoptail(ret, regnode(BACK));        /* and loop */
  434.         regoptail(ret, ret);            /* back */
  435.         regtail(ret, regnode(BRANCH));        /* or */
  436.         regtail(ret, regnode(NOTHING));        /* null. */
  437.     } else if (op == '+' && (flags&SIMPLE))
  438.         reginsert(PLUS, ret);
  439.     else if (op == '+') {
  440.         /* Emit x+ as x(&|), where & means "self". */
  441.         next = regnode(BRANCH);            /* Either */
  442.         regtail(ret, next);
  443.         regtail(regnode(BACK), ret);        /* loop back */
  444.         regtail(next, regnode(BRANCH));        /* or */
  445.         regtail(ret, regnode(NOTHING));        /* null. */
  446.     } else if (op == '?') {
  447.         /* Emit x? as (x|) */
  448.         reginsert(BRANCH, ret);            /* Either x */
  449.         regtail(ret, regnode(BRANCH));        /* or */
  450.         next = regnode(NOTHING);        /* null. */
  451.         regtail(ret, next);
  452.         regoptail(ret, next);
  453.     }
  454.     regparse++;
  455.     if (ISMULT(*regparse))
  456.         FAIL("nested *?+");
  457.  
  458.     return(ret);
  459. }
  460.  
  461. /*
  462.  - regatom - the lowest level
  463.  *
  464.  * Optimization:  gobbles an entire sequence of ordinary characters so that
  465.  * it can turn them into a single node, which is smaller to store and
  466.  * faster to run.  Backslashed characters are exceptions, each becoming a
  467.  * separate node; the code is simpler that way and it's not worth fixing.
  468.  */
  469. static char *
  470. regatom(flagp)
  471. int *flagp;
  472. {
  473.     register char *ret;
  474.     int flags;
  475.  
  476.     *flagp = WORST;        /* Tentatively. */
  477.  
  478.     switch (*regparse++) {
  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 clss;
  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.                         clss = UCHARAT(regparse-2)+1;
  507.                         classend = UCHARAT(regparse);
  508.                         if (clss > classend+1)
  509.                             FAIL("invalid [] range");
  510.                         for (; clss <= classend; clss++)
  511.                             regc(clss);
  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 ')':
  533.         FAIL("internal urp");    /* Supposed to be caught earlier. */
  534.         /* NOTREACHED */
  535.         break;
  536.     case '?':
  537.     case '+':
  538.     case '*':
  539.         FAIL("?+* follows nothing");
  540.         /* NOTREACHED */
  541.         break;
  542.     case '\\':
  543.         if (*regparse == '\0')
  544.             FAIL("trailing \\");
  545.         ret = regnode(EXACTLY);
  546.         regc(*regparse++);
  547.         regc('\0');
  548.         *flagp |= HASWIDTH|SIMPLE;
  549.         break;
  550.     default: {
  551.             register int len;
  552.             register char ender;
  553.  
  554.             regparse--;
  555.             len = strcspn(regparse, META);
  556.             if (len <= 0)
  557.                 FAIL("internal disaster");
  558.             ender = *(regparse+len);
  559.             if (len > 1 && ISMULT(ender))
  560.                 len--;        /* Back off clear of ?+* operand. */
  561.             *flagp |= HASWIDTH;
  562.             if (len == 1)
  563.                 *flagp |= SIMPLE;
  564.             ret = regnode(EXACTLY);
  565.             while (len > 0) {
  566.                 regc(*regparse++);
  567.                 len--;
  568.             }
  569.             regc('\0');
  570.         }
  571.         break;
  572.     }
  573.  
  574.     return(ret);
  575. }
  576.  
  577. /*
  578.  - regnode - emit a node
  579.  */
  580. static char *            /* Location. */
  581. regnode(op)
  582. char op;
  583. {
  584.     register char *ret;
  585.     register char *ptr;
  586.  
  587.     ret = regcode;
  588.     if (ret == ®dummy) {
  589.         regsize += 3;
  590.         return(ret);
  591.     }
  592.  
  593.     ptr = ret;
  594.     *ptr++ = op;
  595.     *ptr++ = '\0';        /* Null "next" pointer. */
  596.     *ptr++ = '\0';
  597.     regcode = ptr;
  598.  
  599.     return(ret);
  600. }
  601.  
  602. /*
  603.  - regc - emit (if appropriate) a byte of code
  604.  */
  605. static void
  606. regc(b)
  607. char b;
  608. {
  609.     if (regcode != ®dummy)
  610.         *regcode++ = b;
  611.     else
  612.         regsize++;
  613. }
  614.  
  615. /*
  616.  - reginsert - insert an operator in front of already-emitted operand
  617.  *
  618.  * Means relocating the operand.
  619.  */
  620. static void
  621. reginsert(op, opnd)
  622. char op;
  623. char *opnd;
  624. {
  625.     register char *src;
  626.     register char *dst;
  627.     register char *place;
  628.  
  629.     if (regcode == ®dummy) {
  630.         regsize += 3;
  631.         return;
  632.     }
  633.  
  634.     src = regcode;
  635.     regcode += 3;
  636.     dst = regcode;
  637.     while (src > opnd)
  638.         *--dst = *--src;
  639.  
  640.     place = opnd;        /* Op node, where operand used to be. */
  641.     *place++ = op;
  642.     *place++ = '\0';
  643.     *place++ = '\0';
  644. }
  645.  
  646. /*
  647.  - regtail - set the next-pointer at the end of a node chain
  648.  */
  649. static void
  650. regtail(p, val)
  651. char *p;
  652. char *val;
  653. {
  654.     register char *scan;
  655.     register char *temp;
  656.     register int offset;
  657.  
  658.     if (p == ®dummy)
  659.         return;
  660.  
  661.     /* Find last node. */
  662.     scan = p;
  663.     for (;;) {
  664.         temp = regnext(scan);
  665.         if (temp == NULL)
  666.             break;
  667.         scan = temp;
  668.     }
  669.  
  670.     if (OP(scan) == BACK)
  671.         offset = scan - val;
  672.     else
  673.         offset = val - scan;
  674.     *(scan+1) = (offset>>8)&0377;
  675.     *(scan+2) = offset&0377;
  676. }
  677.  
  678. /*
  679.  - regoptail - regtail on operand of first argument; nop if operandless
  680.  */
  681. static void
  682. regoptail(p, val)
  683. char *p;
  684. char *val;
  685. {
  686.     /* "Operandless" and "op != BRANCH" are synonymous in practice. */
  687.     if (p == NULL || p == ®dummy || OP(p) != BRANCH)
  688.         return;
  689.     regtail(OPERAND(p), val);
  690. }
  691.  
  692. /*
  693.  * TclRegExec and friends
  694.  */
  695.  
  696. /*
  697.  * Global work variables for TclRegExec().
  698.  */
  699. static char *reginput;        /* String-input pointer. */
  700. static char *regbol;        /* Beginning of input, for ^ check. */
  701. static char **regstartp;    /* Pointer to startp array. */
  702. static char **regendp;        /* Ditto for endp. */
  703.  
  704. /*
  705.  * Forwards.
  706.  */
  707. STATIC int regtry();
  708. STATIC int regmatch();
  709. STATIC int regrepeat();
  710.  
  711. #ifdef DEBUG
  712. int regnarrate = 0;
  713. void regdump();
  714. STATIC char *regprop();
  715. #endif
  716.  
  717. /*
  718.  - TclRegExec - match a regexp against a string
  719.  */
  720. int
  721. TclRegExec(prog, string, start)
  722. register regexp *prog;
  723. register char *string;
  724. char *start;
  725. {
  726.     register char *s;
  727.  
  728.     /* Be paranoid... */
  729.     if (prog == NULL || string == NULL) {
  730.         TclRegError("NULL parameter");
  731.         return(0);
  732.     }
  733.  
  734.     /* Check validity of program. */
  735.     if (UCHARAT(prog->program) != MAGIC) {
  736.         TclRegError("corrupted program");
  737.         return(0);
  738.     }
  739.  
  740.     /* If there is a "must appear" string, look for it. */
  741.     if (prog->regmust != NULL) {
  742.         s = string;
  743.         while ((s = strchr(s, prog->regmust[0])) != NULL) {
  744.             if (strncmp(s, prog->regmust, prog->regmlen) == 0)
  745.                 break;    /* Found it. */
  746.             s++;
  747.         }
  748.         if (s == NULL)    /* Not present. */
  749.             return(0);
  750.     }
  751.  
  752.     /* Mark beginning of line for ^ . */
  753.     regbol = start;
  754.  
  755.     /* Simplest case:  anchored match need be tried only once. */
  756.     if (prog->reganch)
  757.         return(regtry(prog, string));
  758.  
  759.     /* Messy cases:  unanchored match. */
  760.     s = string;
  761.     if (prog->regstart != '\0')
  762.         /* We know what char it must start with. */
  763.         while ((s = strchr(s, prog->regstart)) != NULL) {
  764.             if (regtry(prog, s))
  765.                 return(1);
  766.             s++;
  767.         }
  768.     else
  769.         /* We don't -- general case. */
  770.         do {
  771.             if (regtry(prog, s))
  772.                 return(1);
  773.         } while (*s++ != '\0');
  774.  
  775.     /* Failure. */
  776.     return(0);
  777. }
  778.  
  779. /*
  780.  - regtry - try match at specific point
  781.  */
  782. static int            /* 0 failure, 1 success */
  783. regtry(prog, string)
  784. regexp *prog;
  785. char *string;
  786. {
  787.     register int i;
  788.     register char **sp;
  789.     register char **ep;
  790.  
  791.     reginput = string;
  792.     regstartp = prog->startp;
  793.     regendp = prog->endp;
  794.  
  795.     sp = prog->startp;
  796.     ep = prog->endp;
  797.     for (i = NSUBEXP; i > 0; i--) {
  798.         *sp++ = NULL;
  799.         *ep++ = NULL;
  800.     }
  801.     if (regmatch(prog->program + 1)) {
  802.         prog->startp[0] = string;
  803.         prog->endp[0] = reginput;
  804.         return(1);
  805.     } else
  806.         return(0);
  807. }
  808.  
  809. /*
  810.  - regmatch - main matching routine
  811.  *
  812.  * Conceptually the strategy is simple:  check to see whether the current
  813.  * node matches, call self recursively to see whether the rest matches,
  814.  * and then act accordingly.  In practice we make some effort to avoid
  815.  * recursion, in particular by going through "ordinary" nodes (that don't
  816.  * need to know whether the rest of the match failed) by a loop instead of
  817.  * by recursion.
  818.  */
  819. static int            /* 0 failure, 1 success */
  820. regmatch(prog)
  821. char *prog;
  822. {
  823.     register char *scan;    /* Current node. */
  824.     char *next;        /* Next node. */
  825.  
  826.     scan = prog;
  827. #ifdef DEBUG
  828.     if (scan != NULL && regnarrate)
  829.         fprintf(stderr, "%s(\n", regprop(scan));
  830. #endif
  831.     while (scan != NULL) {
  832. #ifdef DEBUG
  833.         if (regnarrate)
  834.             fprintf(stderr, "%s...\n", regprop(scan));
  835. #endif
  836.         next = regnext(scan);
  837.  
  838.         switch (OP(scan)) {
  839.         case BOL:
  840.             if (reginput != regbol)
  841.                 return(0);
  842.             break;
  843.         case EOL:
  844.             if (*reginput != '\0')
  845.                 return(0);
  846.             break;
  847.         case ANY:
  848.             if (*reginput == '\0')
  849.                 return(0);
  850.             reginput++;
  851.             break;
  852.         case EXACTLY: {
  853.                 register int len;
  854.                 register char *opnd;
  855.  
  856.                 opnd = OPERAND(scan);
  857.                 /* Inline the first character, for speed. */
  858.                 if (*opnd != *reginput)
  859.                     return(0);
  860.                 len = strlen(opnd);
  861.                 if (len > 1 && strncmp(opnd, reginput, len) != 0)
  862.                     return(0);
  863.                 reginput += len;
  864.             }
  865.             break;
  866.         case ANYOF:
  867.              if (*reginput == '\0' || strchr(OPERAND(scan), *reginput) == NULL)
  868.                 return(0);
  869.             reginput++;
  870.             break;
  871.         case ANYBUT:
  872.              if (*reginput == '\0' || strchr(OPERAND(scan), *reginput) != NULL)
  873.                 return(0);
  874.             reginput++;
  875.             break;
  876.         case NOTHING:
  877.             break;
  878.         case BACK:
  879.             break;
  880.         case OPEN+1:
  881.         case OPEN+2:
  882.         case OPEN+3:
  883.         case OPEN+4:
  884.         case OPEN+5:
  885.         case OPEN+6:
  886.         case OPEN+7:
  887.         case OPEN+8:
  888.         case OPEN+9: {
  889.                 register int no;
  890.                 register char *save;
  891.  
  892.                 no = OP(scan) - OPEN;
  893.                 save = reginput;
  894.  
  895.                 if (regmatch(next)) {
  896.                     /*
  897.                      * Don't set startp if some later
  898.                      * invocation of the same parentheses
  899.                      * already has.
  900.                      */
  901.                     if (regstartp[no] == NULL)
  902.                         regstartp[no] = save;
  903.                     return(1);
  904.                 } else
  905.                     return(0);
  906.             }
  907.             /* NOTREACHED */
  908.             break;
  909.         case CLOSE+1:
  910.         case CLOSE+2:
  911.         case CLOSE+3:
  912.         case CLOSE+4:
  913.         case CLOSE+5:
  914.         case CLOSE+6:
  915.         case CLOSE+7:
  916.         case CLOSE+8:
  917.         case CLOSE+9: {
  918.                 register int no;
  919.                 register char *save;
  920.  
  921.                 no = OP(scan) - CLOSE;
  922.                 save = reginput;
  923.  
  924.                 if (regmatch(next)) {
  925.                     /*
  926.                      * Don't set endp if some later
  927.                      * invocation of the same parentheses
  928.                      * already has.
  929.                      */
  930.                     if (regendp[no] == NULL)
  931.                         regendp[no] = save;
  932.                     return(1);
  933.                 } else
  934.                     return(0);
  935.             }
  936.             /* NOTREACHED */
  937.             break;
  938.         case BRANCH: {
  939.                 register char *save;
  940.  
  941.                 if (OP(next) != BRANCH)        /* No choice. */
  942.                     next = OPERAND(scan);    /* Avoid recursion. */
  943.                 else {
  944.                     do {
  945.                         save = reginput;
  946.                         if (regmatch(OPERAND(scan)))
  947.                             return(1);
  948.                         reginput = save;
  949.                         scan = regnext(scan);
  950.                     } while (scan != NULL && OP(scan) == BRANCH);
  951.                     return(0);
  952.                     /* NOTREACHED */
  953.                 }
  954.             }
  955.             /* NOTREACHED */
  956.             break;
  957.         case STAR:
  958.         case PLUS: {
  959.                 register char nextch;
  960.                 register int no;
  961.                 register char *save;
  962.                 register int min;
  963.  
  964.                 /*
  965.                  * Lookahead to avoid useless match attempts
  966.                  * when we know what character comes next.
  967.                  */
  968.                 nextch = '\0';
  969.                 if (OP(next) == EXACTLY)
  970.                     nextch = *OPERAND(next);
  971.                 min = (OP(scan) == STAR) ? 0 : 1;
  972.                 save = reginput;
  973.                 no = regrepeat(OPERAND(scan));
  974.                 while (no >= min) {
  975.                     /* If it could work, try it. */
  976.                     if (nextch == '\0' || *reginput == nextch)
  977.                         if (regmatch(next))
  978.                             return(1);
  979.                     /* Couldn't or didn't -- back up. */
  980.                     no--;
  981.                     reginput = save + no;
  982.                 }
  983.                 return(0);
  984.             }
  985.             /* NOTREACHED */
  986.             break;
  987.         case END:
  988.             return(1);    /* Success! */
  989.             /* NOTREACHED */
  990.             break;
  991.         default:
  992.             TclRegError("memory corruption");
  993.             return(0);
  994.             /* NOTREACHED */
  995.             break;
  996.         }
  997.  
  998.         scan = next;
  999.     }
  1000.  
  1001.     /*
  1002.      * We get here only if there's trouble -- normally "case END" is
  1003.      * the terminating point.
  1004.      */
  1005.     TclRegError("corrupted pointers");
  1006.     return(0);
  1007. }
  1008.  
  1009. /*
  1010.  - regrepeat - repeatedly match something simple, report how many
  1011.  */
  1012. static int
  1013. regrepeat(p)
  1014. char *p;
  1015. {
  1016.     register int count = 0;
  1017.     register char *scan;
  1018.     register char *opnd;
  1019.  
  1020.     scan = reginput;
  1021.     opnd = OPERAND(p);
  1022.     switch (OP(p)) {
  1023.     case ANY:
  1024.         count = strlen(scan);
  1025.         scan += count;
  1026.         break;
  1027.     case EXACTLY:
  1028.         while (*opnd == *scan) {
  1029.             count++;
  1030.             scan++;
  1031.         }
  1032.         break;
  1033.     case ANYOF:
  1034.         while (*scan != '\0' && strchr(opnd, *scan) != NULL) {
  1035.             count++;
  1036.             scan++;
  1037.         }
  1038.         break;
  1039.     case ANYBUT:
  1040.         while (*scan != '\0' && strchr(opnd, *scan) == NULL) {
  1041.             count++;
  1042.             scan++;
  1043.         }
  1044.         break;
  1045.     default:        /* Oh dear.  Called inappropriately. */
  1046.         TclRegError("internal foulup");
  1047.         count = 0;    /* Best compromise. */
  1048.         break;
  1049.     }
  1050.     reginput = scan;
  1051.  
  1052.     return(count);
  1053. }
  1054.  
  1055. /*
  1056.  - regnext - dig the "next" pointer out of a node
  1057.  */
  1058. static char *
  1059. regnext(p)
  1060. register char *p;
  1061. {
  1062.     register int offset;
  1063.  
  1064.     if (p == ®dummy)
  1065.         return(NULL);
  1066.  
  1067.     offset = NEXT(p);
  1068.     if (offset == 0)
  1069.         return(NULL);
  1070.  
  1071.     if (OP(p) == BACK)
  1072.         return(p-offset);
  1073.     else
  1074.         return(p+offset);
  1075. }
  1076.  
  1077. #ifdef DEBUG
  1078.  
  1079. STATIC char *regprop();
  1080.  
  1081. /*
  1082.  - regdump - dump a regexp onto stdout in vaguely comprehensible form
  1083.  */
  1084. void
  1085. regdump(r)
  1086. regexp *r;
  1087. {
  1088.     register char *s;
  1089.     register char op = EXACTLY;    /* Arbitrary non-END op. */
  1090.     register char *next;
  1091.  
  1092.  
  1093.     s = r->program + 1;
  1094.     while (op != END) {    /* While that wasn't END last time... */
  1095.         op = OP(s);
  1096.         printf("%2d%s", s-r->program, regprop(s));    /* Where, what. */
  1097.         next = regnext(s);
  1098.         if (next == NULL)        /* Next ptr. */
  1099.             printf("(0)");
  1100.         else 
  1101.             printf("(%d)", (s-r->program)+(next-s));
  1102.         s += 3;
  1103.         if (op == ANYOF || op == ANYBUT || op == EXACTLY) {
  1104.             /* Literal string, where present. */
  1105.             while (*s != '\0') {
  1106.                 putchar(*s);
  1107.                 s++;
  1108.             }
  1109.             s++;
  1110.         }
  1111.         putchar('\n');
  1112.     }
  1113.  
  1114.     /* Header fields of interest. */
  1115.     if (r->regstart != '\0')
  1116.         printf("start `%c' ", r->regstart);
  1117.     if (r->reganch)
  1118.         printf("anchored ");
  1119.     if (r->regmust != NULL)
  1120.         printf("must have \"%s\"", r->regmust);
  1121.     printf("\n");
  1122. }
  1123.  
  1124. /*
  1125.  - regprop - printable representation of opcode
  1126.  */
  1127. static char *
  1128. regprop(op)
  1129. char *op;
  1130. {
  1131.     register char *p;
  1132.     static char buf[50];
  1133.  
  1134.     (void) strcpy(buf, ":");
  1135.  
  1136.     switch (OP(op)) {
  1137.     case BOL:
  1138.         p = "BOL";
  1139.         break;
  1140.     case EOL:
  1141.         p = "EOL";
  1142.         break;
  1143.     case ANY:
  1144.         p = "ANY";
  1145.         break;
  1146.     case ANYOF:
  1147.         p = "ANYOF";
  1148.         break;
  1149.     case ANYBUT:
  1150.         p = "ANYBUT";
  1151.         break;
  1152.     case BRANCH:
  1153.         p = "BRANCH";
  1154.         break;
  1155.     case EXACTLY:
  1156.         p = "EXACTLY";
  1157.         break;
  1158.     case NOTHING:
  1159.         p = "NOTHING";
  1160.         break;
  1161.     case BACK:
  1162.         p = "BACK";
  1163.         break;
  1164.     case END:
  1165.         p = "END";
  1166.         break;
  1167.     case OPEN+1:
  1168.     case OPEN+2:
  1169.     case OPEN+3:
  1170.     case OPEN+4:
  1171.     case OPEN+5:
  1172.     case OPEN+6:
  1173.     case OPEN+7:
  1174.     case OPEN+8:
  1175.     case OPEN+9:
  1176.         sprintf(buf+strlen(buf), "OPEN%d", OP(op)-OPEN);
  1177.         p = NULL;
  1178.         break;
  1179.     case CLOSE+1:
  1180.     case CLOSE+2:
  1181.     case CLOSE+3:
  1182.     case CLOSE+4:
  1183.     case CLOSE+5:
  1184.     case CLOSE+6:
  1185.     case CLOSE+7:
  1186.     case CLOSE+8:
  1187.     case CLOSE+9:
  1188.         sprintf(buf+strlen(buf), "CLOSE%d", OP(op)-CLOSE);
  1189.         p = NULL;
  1190.         break;
  1191.     case STAR:
  1192.         p = "STAR";
  1193.         break;
  1194.     case PLUS:
  1195.         p = "PLUS";
  1196.         break;
  1197.     default:
  1198.         TclRegError("corrupted opcode");
  1199.         break;
  1200.     }
  1201.     if (p != NULL)
  1202.         (void) strcat(buf, p);
  1203.     return(buf);
  1204. }
  1205. #endif
  1206.  
  1207. /*
  1208.  * The following is provided for those people who do not have strcspn() in
  1209.  * their C libraries.  They should get off their butts and do something
  1210.  * about it; at least one public-domain implementation of those (highly
  1211.  * useful) string routines has been published on Usenet.
  1212.  */
  1213. #ifdef STRCSPN
  1214. /*
  1215.  * strcspn - find length of initial segment of s1 consisting entirely
  1216.  * of characters not from s2
  1217.  */
  1218.  
  1219. static int
  1220. strcspn(s1, s2)
  1221. char *s1;
  1222. char *s2;
  1223. {
  1224.     register char *scan1;
  1225.     register char *scan2;
  1226.     register int count;
  1227.  
  1228.     count = 0;
  1229.     for (scan1 = s1; *scan1 != '\0'; scan1++) {
  1230.         for (scan2 = s2; *scan2 != '\0';)    /* ++ moved down. */
  1231.             if (*scan1 == *scan2++)
  1232.                 return(count);
  1233.         count++;
  1234.     }
  1235.     return(count);
  1236. }
  1237. #endif
  1238.