home *** CD-ROM | disk | FTP | other *** search
/ OS/2 Shareware BBS: 10 Tools / 10-Tools.zip / xwphescr.zip / XWPH0208.ZIP / src / helpers / xmltok.c < prev    next >
C/C++ Source or Header  |  2002-03-16  |  48KB  |  1,713 lines
  1. /*
  2.  * Copyright (c) 1998, 1999 Thai Open Source Software Center Ltd
  3.  * See the file COPYING for copying permission.
  4.  */
  5.  
  6. /* #ifdef COMPILED_FROM_DSP
  7.  * #  include "winconfig.h"
  8.  * #else
  9.  * #  include <config.h>
  10.  * #endif
  11.  */
  12.  
  13. #include <memory.h>
  14.  
  15. #include "expat\expat_setup.h"  // V0.9.9 (2001-02-10) [umoeller]
  16.  
  17. #pragma info(norea, nogen)
  18.         // disable "statement unreachable" and "missing break statement"
  19.         // this code generates those options HEAVILY
  20.  
  21. #include "expat\xmltok.h"
  22. #include "expat\nametab.h"
  23.  
  24. #ifdef XML_DTD
  25. #define IGNORE_SECTION_TOK_VTABLE , PREFIX(ignoreSectionTok)
  26. #else
  27. #define IGNORE_SECTION_TOK_VTABLE   /* as nothing */
  28. #endif
  29.  
  30. #define VTABLE1 \
  31.   { PREFIX(prologTok), PREFIX(contentTok), \
  32.     PREFIX(cdataSectionTok) IGNORE_SECTION_TOK_VTABLE }, \
  33.   { PREFIX(attributeValueTok), PREFIX(entityValueTok) }, \
  34.   PREFIX(sameName), \
  35.   PREFIX(nameMatchesAscii), \
  36.   PREFIX(nameLength), \
  37.   PREFIX(skipS), \
  38.   PREFIX(getAtts), \
  39.   PREFIX(charRefNumber), \
  40.   PREFIX(predefinedEntityName), \
  41.   PREFIX(updatePosition), \
  42.   PREFIX(isPublicId)
  43.  
  44. #define VTABLE VTABLE1, PREFIX(toUtf8), PREFIX(toUtf16)
  45.  
  46. #define UCS2_GET_NAMING(pages, hi, lo) \
  47.    (namingBitmap[(pages[hi] << 3) + ((lo) >> 5)] & (1 << ((lo) & 0x1F)))
  48.  
  49. /* A 2 byte UTF-8 representation splits the characters 11 bits
  50.  * between the bottom 5 and 6 bits of the bytes.
  51.  * We need 8 bits to index into pages, 3 bits to add to that index and
  52.  * 5 bits to generate the mask. */
  53. #define UTF8_GET_NAMING2(pages, byte) \
  54.     (namingBitmap[((pages)[(((byte)[0]) >> 2) & 7] << 3) \
  55.                       + ((((byte)[0]) & 3) << 1) \
  56.                       + ((((byte)[1]) >> 5) & 1)] \
  57.          & (1 << (((byte)[1]) & 0x1F)))
  58.  
  59. /* A 3 byte UTF-8 representation splits the characters 16 bits
  60.  * between the bottom 4, 6 and 6 bits of the bytes.
  61.  * We need 8 bits to index into pages, 3 bits to add to that index and
  62.  * 5 bits to generate the mask. */
  63. #define UTF8_GET_NAMING3(pages, byte) \
  64.   (namingBitmap[((pages)[((((byte)[0]) & 0xF) << 4) \
  65.                              + ((((byte)[1]) >> 2) & 0xF)] \
  66.                << 3) \
  67.                       + ((((byte)[1]) & 3) << 1) \
  68.                       + ((((byte)[2]) >> 5) & 1)] \
  69.          & (1 << (((byte)[2]) & 0x1F)))
  70.  
  71. #define UTF8_GET_NAMING(pages, p, n) \
  72.   ((n) == 2 \
  73.   ? UTF8_GET_NAMING2(pages, (const unsigned char *)(p)) \
  74.   : ((n) == 3 \
  75.      ? UTF8_GET_NAMING3(pages, (const unsigned char *)(p)) \
  76.      : 0))
  77.  
  78. #define UTF8_INVALID3(p) \
  79.   ((*p) == 0xED \
  80.   ? (((p)[1] & 0x20) != 0) \
  81.   : ((*p) == 0xEF \
  82.      ? ((p)[1] == 0xBF && ((p)[2] == 0xBF || (p)[2] == 0xBE)) \
  83.      : 0))
  84.  
  85. #define UTF8_INVALID4(p) ((*p) == 0xF4 && ((p)[1] & 0x30) != 0)
  86.  
  87. static int EXPATENTRY isNever(const ENCODING * enc, const char *p)
  88. {
  89.     return 0;
  90. }
  91.  
  92. static int EXPATENTRY utf8_isName2(const ENCODING * enc, const char *p)
  93. {
  94.     return UTF8_GET_NAMING2(namePages, (const unsigned char *)p);
  95. }
  96.  
  97. static int EXPATENTRY utf8_isName3(const ENCODING * enc, const char *p)
  98. {
  99.     return UTF8_GET_NAMING3(namePages, (const unsigned char *)p);
  100. }
  101.  
  102. #define utf8_isName4 isNever
  103.  
  104. static int EXPATENTRY utf8_isNmstrt2(const ENCODING * enc, const char *p)
  105. {
  106.     return UTF8_GET_NAMING2(nmstrtPages, (const unsigned char *)p);
  107. }
  108.  
  109. static int EXPATENTRY utf8_isNmstrt3(const ENCODING * enc, const char *p)
  110. {
  111.     return UTF8_GET_NAMING3(nmstrtPages, (const unsigned char *)p);
  112. }
  113.  
  114. #define utf8_isNmstrt4 isNever
  115.  
  116. #define utf8_isInvalid2 isNever
  117.  
  118. static int EXPATENTRY utf8_isInvalid3(const ENCODING * enc, const char *p)
  119. {
  120.     return UTF8_INVALID3((const unsigned char *)p);
  121. }
  122.  
  123. static int EXPATENTRY utf8_isInvalid4(const ENCODING * enc, const char *p)
  124. {
  125.     return UTF8_INVALID4((const unsigned char *)p);
  126. }
  127.  
  128. struct normal_encoding
  129. {
  130.     ENCODING enc;
  131.     unsigned char type[256];
  132. #ifdef XML_MIN_SIZE
  133.     int (* EXPATENTRY byteType) (const ENCODING *, const char *);
  134.     int (* EXPATENTRY isNameMin) (const ENCODING *, const char *);
  135.     int (* EXPATENTRY isNmstrtMin) (const ENCODING *, const char *);
  136.     int (* EXPATENTRY byteToAscii) (const ENCODING *, const char *);
  137.     int (* EXPATENTRY charMatches) (const ENCODING *, const char *, int);
  138. #endif                          /* XML_MIN_SIZE */
  139.     int (* EXPATENTRY isName2) (const ENCODING *, const char *);
  140.     int (* EXPATENTRY isName3) (const ENCODING *, const char *);
  141.     int (* EXPATENTRY isName4) (const ENCODING *, const char *);
  142.     int (* EXPATENTRY isNmstrt2) (const ENCODING *, const char *);
  143.     int (* EXPATENTRY isNmstrt3) (const ENCODING *, const char *);
  144.     int (* EXPATENTRY isNmstrt4) (const ENCODING *, const char *);
  145.     int (* EXPATENTRY isInvalid2) (const ENCODING *, const char *);
  146.     int (* EXPATENTRY isInvalid3) (const ENCODING *, const char *);
  147.     int (* EXPATENTRY isInvalid4) (const ENCODING *, const char *);
  148. };
  149.  
  150. #ifdef XML_MIN_SIZE
  151.  
  152. #define STANDARD_VTABLE(E) \
  153.  E ## byteType, \
  154.  E ## isNameMin, \
  155.  E ## isNmstrtMin, \
  156.  E ## byteToAscii, \
  157.  E ## charMatches,
  158.  
  159. #else
  160.  
  161. #define STANDARD_VTABLE(E)      /* as nothing */
  162.  
  163. #endif
  164.  
  165. #define NORMAL_VTABLE(E) \
  166.  E ## isName2, \
  167.  E ## isName3, \
  168.  E ## isName4, \
  169.  E ## isNmstrt2, \
  170.  E ## isNmstrt3, \
  171.  E ## isNmstrt4, \
  172.  E ## isInvalid2, \
  173.  E ## isInvalid3, \
  174.  E ## isInvalid4
  175.  
  176. static int checkCharRefNumber(int);
  177.  
  178. #include "expat\xmltok_impl.h"
  179. #include "expat\ascii.h"
  180.  
  181. #ifdef XML_MIN_SIZE
  182. #define sb_isNameMin isNever
  183. #define sb_isNmstrtMin isNever
  184. #endif
  185.  
  186. #ifdef XML_MIN_SIZE
  187. #define MINBPC(enc) ((enc)->minBytesPerChar)
  188. #else
  189. /* minimum bytes per character */
  190. #define MINBPC(enc) 1
  191. #endif
  192.  
  193. #define SB_BYTE_TYPE(enc, p) \
  194.   (((struct normal_encoding *)(enc))->type[(unsigned char)*(p)])
  195.  
  196. #ifdef XML_MIN_SIZE
  197. static int EXPATENTRY sb_byteType(const ENCODING * enc, const char *p)
  198. {
  199.     return SB_BYTE_TYPE(enc, p);
  200. }
  201. #define BYTE_TYPE(enc, p) \
  202.  (((const struct normal_encoding *)(enc))->byteType(enc, p))
  203. #else
  204. #define BYTE_TYPE(enc, p) SB_BYTE_TYPE(enc, p)
  205. #endif
  206.  
  207. #ifdef XML_MIN_SIZE
  208. #define BYTE_TO_ASCII(enc, p) \
  209.  (((const struct normal_encoding *)(enc))->byteToAscii(enc, p))
  210. static
  211. int EXPATENTRY sb_byteToAscii(const ENCODING * enc, const char *p)
  212. {
  213.     return *p;
  214. }
  215. #else
  216. #define BYTE_TO_ASCII(enc, p) (*(p))
  217. #endif
  218.  
  219. #define IS_NAME_CHAR(enc, p, n) \
  220.  (((const struct normal_encoding *)(enc))->isName ## n(enc, p))
  221. #define IS_NMSTRT_CHAR(enc, p, n) \
  222.  (((const struct normal_encoding *)(enc))->isNmstrt ## n(enc, p))
  223. #define IS_INVALID_CHAR(enc, p, n) \
  224.  (((const struct normal_encoding *)(enc))->isInvalid ## n(enc, p))
  225.  
  226. #ifdef XML_MIN_SIZE
  227. #define IS_NAME_CHAR_MINBPC(enc, p) \
  228.  (((const struct normal_encoding *)(enc))->isNameMin(enc, p))
  229. #define IS_NMSTRT_CHAR_MINBPC(enc, p) \
  230.  (((const struct normal_encoding *)(enc))->isNmstrtMin(enc, p))
  231. #else
  232. #define IS_NAME_CHAR_MINBPC(enc, p) (0)
  233. #define IS_NMSTRT_CHAR_MINBPC(enc, p) (0)
  234. #endif
  235.  
  236. #ifdef XML_MIN_SIZE
  237. #define CHAR_MATCHES(enc, p, c) \
  238.  (((const struct normal_encoding *)(enc))->charMatches(enc, p, c))
  239. static
  240. int EXPATENTRY sb_charMatches(const ENCODING * enc, const char *p, int c)
  241. {
  242.     return *p == c;
  243. }
  244. #else
  245. /* c is an ASCII character */
  246. #define CHAR_MATCHES(enc, p, c) (*(p) == c)
  247. #endif
  248.  
  249. #define PREFIX(ident) normal_ ## ident
  250. #include "xmltok_impl.c"
  251.  
  252. #undef MINBPC
  253. #undef BYTE_TYPE
  254. #undef BYTE_TO_ASCII
  255. #undef CHAR_MATCHES
  256. #undef IS_NAME_CHAR
  257. #undef IS_NAME_CHAR_MINBPC
  258. #undef IS_NMSTRT_CHAR
  259. #undef IS_NMSTRT_CHAR_MINBPC
  260. #undef IS_INVALID_CHAR
  261.  
  262. enum
  263. {                               /* UTF8_cvalN is value of masked first byte of N byte sequence */
  264.     UTF8_cval1 = 0x00,
  265.     UTF8_cval2 = 0xc0,
  266.     UTF8_cval3 = 0xe0,
  267.     UTF8_cval4 = 0xf0
  268. };
  269.  
  270. static void EXPATENTRY utf8_toUtf8(const ENCODING * enc,
  271.                                    const char **fromP,
  272.                                    const char *fromLim,
  273.                                    char **toP,
  274.                                    const char *toLim)
  275. {
  276.     char *to;
  277.     const char *from;
  278.  
  279.     if (fromLim - *fromP > toLim - *toP)
  280.     {
  281.         /* Avoid copying partial characters. */
  282.         for (fromLim = *fromP + (toLim - *toP);
  283.              fromLim > *fromP;
  284.              fromLim--)
  285.             if (((unsigned char)fromLim[-1] & 0xc0) != 0x80)
  286.                 break;
  287.     }
  288.     for (to = *toP, from = *fromP;
  289.          from != fromLim;
  290.          from++, to++)
  291.         *to = *from;
  292.     *fromP = from;
  293.     *toP = to;
  294. }
  295.  
  296. static void EXPATENTRY utf8_toUtf16(const ENCODING * enc,
  297.                                     const char **fromP,
  298.                                     const char *fromLim,
  299.                                     unsigned short **toP,
  300.                                     const unsigned short *toLim)
  301. {
  302.     unsigned short *to = *toP;
  303.     const char *from = *fromP;
  304.  
  305.     while (from != fromLim && to != toLim)
  306.     {
  307.         switch (((struct normal_encoding *)enc)->type[(unsigned char)*from])
  308.         {
  309.             case BT_LEAD2:
  310.                 *to++ = ((from[0] & 0x1f) << 6) | (from[1] & 0x3f);
  311.                 from += 2;
  312.                 break;
  313.             case BT_LEAD3:
  314.                 *to++ = ((from[0] & 0xf) << 12) | ((from[1] & 0x3f) << 6) | (from[2] & 0x3f);
  315.                 from += 3;
  316.                 break;
  317.             case BT_LEAD4:
  318.                 {
  319.                     unsigned long n;
  320.  
  321.                     if (to + 1 == toLim)
  322.                         break;
  323.                     n = ((from[0] & 0x7) << 18) | ((from[1] & 0x3f) << 12) | ((from[2] & 0x3f) << 6) | (from[3] & 0x3f);
  324.                     n -= 0x10000;
  325.                     to[0] = (unsigned short)((n >> 10) | 0xD800);
  326.                     to[1] = (unsigned short)((n & 0x3FF) | 0xDC00);
  327.                     to += 2;
  328.                     from += 4;
  329.                 }
  330.                 break;
  331.             default:
  332.                 *to++ = *from++;
  333.                 break;
  334.         }
  335.     }
  336.     *fromP = from;
  337.     *toP = to;
  338. }
  339.  
  340. #ifdef XML_NS
  341. static const struct normal_encoding utf8_encoding_ns =
  342. {
  343.     {VTABLE1, utf8_toUtf8, utf8_toUtf16, 1, 1, 0},
  344.     {
  345. #include "expat\asciitab.h"
  346. #include "expat\utf8tab.h"
  347.     },
  348.     STANDARD_VTABLE(sb_) NORMAL_VTABLE(utf8_)
  349. };
  350.  
  351. #endif
  352.  
  353. static const struct normal_encoding utf8_encoding =
  354. {
  355.     {VTABLE1, utf8_toUtf8, utf8_toUtf16, 1, 1, 0},
  356.     {
  357. #define BT_COLON BT_NMSTRT
  358. #include "expat\asciitab.h"
  359. #undef BT_COLON
  360. #include "expat\utf8tab.h"
  361.     },
  362.     STANDARD_VTABLE(sb_) NORMAL_VTABLE(utf8_)
  363. };
  364.  
  365. #ifdef XML_NS
  366.  
  367. static const struct normal_encoding internal_utf8_encoding_ns =
  368. {
  369.     {VTABLE1, utf8_toUtf8, utf8_toUtf16, 1, 1, 0},
  370.     {
  371. #include "expat\iasciitab.h"
  372. #include "expat\utf8tab.h"
  373.     },
  374.     STANDARD_VTABLE(sb_) NORMAL_VTABLE(utf8_)
  375. };
  376.  
  377. #endif
  378.  
  379. static const struct normal_encoding internal_utf8_encoding =
  380. {
  381.     {VTABLE1, utf8_toUtf8, utf8_toUtf16, 1, 1, 0},
  382.     {
  383. #define BT_COLON BT_NMSTRT
  384. #include "expat\iasciitab.h"
  385. #undef BT_COLON
  386. #include "expat\utf8tab.h"
  387.     },
  388.     STANDARD_VTABLE(sb_) NORMAL_VTABLE(utf8_)
  389. };
  390.  
  391. static void  EXPATENTRY latin1_toUtf8(const ENCODING * enc,
  392.                                       const char **fromP,
  393.                                       const char *fromLim,
  394.                                       char **toP,
  395.                                       const char *toLim)
  396. {
  397.     for (;;)
  398.     {
  399.         unsigned char c;
  400.  
  401.         if (*fromP == fromLim)
  402.             break;
  403.         c = (unsigned char)**fromP;
  404.         if (c & 0x80)
  405.         {
  406.             if (toLim - *toP < 2)
  407.                 break;
  408.             *(*toP)++ = ((c >> 6) | UTF8_cval2);
  409.             *(*toP)++ = ((c & 0x3f) | 0x80);
  410.             (*fromP)++;
  411.         }
  412.         else
  413.         {
  414.             if (*toP == toLim)
  415.                 break;
  416.             *(*toP)++ = *(*fromP)++;
  417.         }
  418.     }
  419. }
  420.  
  421. static void  EXPATENTRY latin1_toUtf16(const ENCODING * enc,
  422.                                        const char **fromP,
  423.                                        const char *fromLim,
  424.                                        unsigned short **toP,
  425.                                        const unsigned short *toLim)
  426. {
  427.     while (*fromP != fromLim && *toP != toLim)
  428.         *(*toP)++ = (unsigned char)*(*fromP)++;
  429. }
  430.  
  431. #ifdef XML_NS
  432.  
  433. static const struct normal_encoding latin1_encoding_ns =
  434. {
  435.     {VTABLE1, latin1_toUtf8, latin1_toUtf16, 1, 0, 0},
  436.     {
  437. #include "expat\asciitab.h"
  438. #include "expat\latin1tab.h"
  439.     },
  440.     STANDARD_VTABLE(sb_)
  441. };
  442.  
  443. #endif
  444.  
  445. static const struct normal_encoding latin1_encoding =
  446. {
  447.     {VTABLE1, latin1_toUtf8, latin1_toUtf16, 1, 0, 0},
  448.     {
  449. #define BT_COLON BT_NMSTRT
  450. #include "expat\asciitab.h"
  451. #undef BT_COLON
  452. #include "expat\latin1tab.h"
  453.     },
  454.     STANDARD_VTABLE(sb_)
  455. };
  456.  
  457. static void EXPATENTRY ascii_toUtf8(const ENCODING * enc,
  458.                                     const char **fromP,
  459.                                     const char *fromLim,
  460.                                     char **toP,
  461.                                     const char *toLim)
  462. {
  463.     while (*fromP != fromLim && *toP != toLim)
  464.         *(*toP)++ = *(*fromP)++;
  465. }
  466.  
  467. #ifdef XML_NS
  468.  
  469. static const struct normal_encoding ascii_encoding_ns =
  470. {
  471.     {VTABLE1, ascii_toUtf8, latin1_toUtf16, 1, 1, 0},
  472.     {
  473. #include "expat\asciitab.h"
  474. /* BT_NONXML == 0 */
  475.     },
  476.     STANDARD_VTABLE(sb_)
  477. };
  478.  
  479. #endif
  480.  
  481. static const struct normal_encoding ascii_encoding =
  482. {
  483.     {VTABLE1, ascii_toUtf8, latin1_toUtf16, 1, 1, 0},
  484.     {
  485. #define BT_COLON BT_NMSTRT
  486. #include "expat\asciitab.h"
  487. #undef BT_COLON
  488. /* BT_NONXML == 0 */
  489.     },
  490.     STANDARD_VTABLE(sb_)
  491. };
  492.  
  493. static int unicode_byte_type(char hi, char lo)
  494. {
  495.     switch ((unsigned char)hi)
  496.     {
  497.         case 0xD8:
  498.         case 0xD9:
  499.         case 0xDA:
  500.         case 0xDB:
  501.             return BT_LEAD4;
  502.         case 0xDC:
  503.         case 0xDD:
  504.         case 0xDE:
  505.         case 0xDF:
  506.             return BT_TRAIL;
  507.         case 0xFF:
  508.             switch ((unsigned char)lo)
  509.             {
  510.                 case 0xFF:
  511.                 case 0xFE:
  512.                     return BT_NONXML;
  513.             }
  514.             break;
  515.     }
  516.     return BT_NONASCII;
  517. }
  518.  
  519. #define DEFINE_UTF16_TO_UTF8(E) \
  520. static void EXPATENTRY E ## toUtf8(const ENCODING *enc, \
  521.          const char **fromP, const char *fromLim, \
  522.          char **toP, const char *toLim) \
  523. { \
  524.   const char *from; \
  525.   for (from = *fromP; from != fromLim; from += 2) { \
  526.     int plane; \
  527.     unsigned char lo2; \
  528.     unsigned char lo = GET_LO(from); \
  529.     unsigned char hi = GET_HI(from); \
  530.     switch (hi) { \
  531.     case 0: \
  532.       if (lo < 0x80) { \
  533.         if (*toP == toLim) { \
  534.           *fromP = from; \
  535.       return; \
  536.         } \
  537.         *(*toP)++ = lo; \
  538.         break; \
  539.       } \
  540.       /* fall through */ \
  541.     case 0x1: case 0x2: case 0x3: \
  542.     case 0x4: case 0x5: case 0x6: case 0x7: \
  543.       if (toLim -  *toP < 2) { \
  544.         *fromP = from; \
  545.     return; \
  546.       } \
  547.       *(*toP)++ = ((lo >> 6) | (hi << 2) |  UTF8_cval2); \
  548.       *(*toP)++ = ((lo & 0x3f) | 0x80); \
  549.       break; \
  550.     default: \
  551.       if (toLim -  *toP < 3)  { \
  552.         *fromP = from; \
  553.     return; \
  554.       } \
  555.       /* 16 bits divided 4, 6, 6 amongst 3 bytes */ \
  556.       *(*toP)++ = ((hi >> 4) | UTF8_cval3); \
  557.       *(*toP)++ = (((hi & 0xf) << 2) | (lo >> 6) | 0x80); \
  558.       *(*toP)++ = ((lo & 0x3f) | 0x80); \
  559.       break; \
  560.     case 0xD8: case 0xD9: case 0xDA: case 0xDB: \
  561.       if (toLim -  *toP < 4) { \
  562.     *fromP = from; \
  563.     return; \
  564.       } \
  565.       plane = (((hi & 0x3) << 2) | ((lo >> 6) & 0x3)) + 1; \
  566.       *(*toP)++ = ((plane >> 2) | UTF8_cval4); \
  567.       *(*toP)++ = (((lo >> 2) & 0xF) | ((plane & 0x3) << 4) | 0x80); \
  568.       from += 2; \
  569.       lo2 = GET_LO(from); \
  570.       *(*toP)++ = (((lo & 0x3) << 4) \
  571.                | ((GET_HI(from) & 0x3) << 2) \
  572.            | (lo2 >> 6) \
  573.            | 0x80); \
  574.       *(*toP)++ = ((lo2 & 0x3f) | 0x80); \
  575.       break; \
  576.     } \
  577.   } \
  578.   *fromP = from; \
  579. }
  580.  
  581. #define DEFINE_UTF16_TO_UTF16(E) \
  582. static void EXPATENTRY E ## toUtf16(const ENCODING *enc, \
  583.           const char **fromP, const char *fromLim, \
  584.           unsigned short **toP, const unsigned short *toLim) \
  585. { \
  586.   /* Avoid copying first half only of surrogate */ \
  587.   if (fromLim - *fromP > ((toLim - *toP) << 1) \
  588.       && (GET_HI(fromLim - 2) & 0xF8) == 0xD8) \
  589.     fromLim -= 2; \
  590.   for (; *fromP != fromLim && *toP != toLim; *fromP += 2) \
  591.     *(*toP)++ = (GET_HI(*fromP) << 8) | GET_LO(*fromP); \
  592. }
  593.  
  594. #define SET2(ptr, ch) \
  595.   (((ptr)[0] = ((ch) & 0xff)), ((ptr)[1] = ((ch) >> 8)))
  596. #define GET_LO(ptr) ((unsigned char)(ptr)[0])
  597. #define GET_HI(ptr) ((unsigned char)(ptr)[1])
  598.  
  599. DEFINE_UTF16_TO_UTF8(little2_)
  600. DEFINE_UTF16_TO_UTF16(little2_)
  601.  
  602. #undef SET2
  603. #undef GET_LO
  604. #undef GET_HI
  605.  
  606. #define SET2(ptr, ch) \
  607.   (((ptr)[0] = ((ch) >> 8)), ((ptr)[1] = ((ch) & 0xFF)))
  608. #define GET_LO(ptr) ((unsigned char)(ptr)[1])
  609. #define GET_HI(ptr) ((unsigned char)(ptr)[0])
  610.  
  611. DEFINE_UTF16_TO_UTF8(big2_)
  612. DEFINE_UTF16_TO_UTF16(big2_)
  613.  
  614. #undef SET2
  615. #undef GET_LO
  616. #undef GET_HI
  617.  
  618. #define LITTLE2_BYTE_TYPE(enc, p) \
  619.  ((p)[1] == 0 \
  620.   ? ((struct normal_encoding *)(enc))->type[(unsigned char)*(p)] \
  621.   : unicode_byte_type((p)[1], (p)[0]))
  622. #define LITTLE2_BYTE_TO_ASCII(enc, p) ((p)[1] == 0 ? (p)[0] : -1)
  623. #define LITTLE2_CHAR_MATCHES(enc, p, c) ((p)[1] == 0 && (p)[0] == c)
  624. #define LITTLE2_IS_NAME_CHAR_MINBPC(enc, p) \
  625.   UCS2_GET_NAMING(namePages, (unsigned char)p[1], (unsigned char)p[0])
  626. #define LITTLE2_IS_NMSTRT_CHAR_MINBPC(enc, p) \
  627.   UCS2_GET_NAMING(nmstrtPages, (unsigned char)p[1], (unsigned char)p[0])
  628.  
  629. #ifdef XML_MIN_SIZE
  630. static int  EXPATENTRY little2_byteType(const ENCODING * enc, const char *p)
  631. {
  632.     return LITTLE2_BYTE_TYPE(enc, p);
  633. }
  634.  
  635. static int  EXPATENTRY little2_byteToAscii(const ENCODING * enc, const char *p)
  636. {
  637.     return LITTLE2_BYTE_TO_ASCII(enc, p);
  638. }
  639.  
  640. static int  EXPATENTRY little2_charMatches(const ENCODING * enc, const char *p, int c)
  641. {
  642.     return LITTLE2_CHAR_MATCHES(enc, p, c);
  643. }
  644.  
  645. static int  EXPATENTRY little2_isNameMin(const ENCODING * enc, const char *p)
  646. {
  647.     return LITTLE2_IS_NAME_CHAR_MINBPC(enc, p);
  648. }
  649.  
  650. static int  EXPATENTRY little2_isNmstrtMin(const ENCODING * enc, const char *p)
  651. {
  652.     return LITTLE2_IS_NMSTRT_CHAR_MINBPC(enc, p);
  653. }
  654.  
  655. #undef VTABLE
  656. #define VTABLE VTABLE1, little2_toUtf8, little2_toUtf16
  657.  
  658. #else /* not XML_MIN_SIZE */
  659.  
  660. #undef PREFIX
  661. #define PREFIX(ident) little2_ ## ident
  662. #define MINBPC(enc) 2
  663. /* CHAR_MATCHES is guaranteed to have MINBPC bytes available. */
  664. #define BYTE_TYPE(enc, p) LITTLE2_BYTE_TYPE(enc, p)
  665. #define BYTE_TO_ASCII(enc, p) LITTLE2_BYTE_TO_ASCII(enc, p)
  666. #define CHAR_MATCHES(enc, p, c) LITTLE2_CHAR_MATCHES(enc, p, c)
  667. #define IS_NAME_CHAR(enc, p, n) 0
  668. #define IS_NAME_CHAR_MINBPC(enc, p) LITTLE2_IS_NAME_CHAR_MINBPC(enc, p)
  669. #define IS_NMSTRT_CHAR(enc, p, n) (0)
  670. #define IS_NMSTRT_CHAR_MINBPC(enc, p) LITTLE2_IS_NMSTRT_CHAR_MINBPC(enc, p)
  671.  
  672. #include "xmltok_impl.c"
  673.  
  674. #undef MINBPC
  675. #undef BYTE_TYPE
  676. #undef BYTE_TO_ASCII
  677. #undef CHAR_MATCHES
  678. #undef IS_NAME_CHAR
  679. #undef IS_NAME_CHAR_MINBPC
  680. #undef IS_NMSTRT_CHAR
  681. #undef IS_NMSTRT_CHAR_MINBPC
  682. #undef IS_INVALID_CHAR
  683.  
  684. #endif /* not XML_MIN_SIZE */
  685.  
  686. #ifdef XML_NS
  687.  
  688.      static const struct normal_encoding little2_encoding_ns =
  689.      {
  690.          {VTABLE, 2, 0,
  691. #if XML_BYTE_ORDER == 12
  692.           1
  693. #else
  694.           0
  695. #endif
  696.          },
  697.          {
  698. #include "expat\asciitab.h"
  699. #include "expat\latin1tab.h"
  700.          },
  701.          STANDARD_VTABLE(little2_)
  702. };
  703.  
  704. #endif
  705.  
  706.      static const struct normal_encoding little2_encoding =
  707.      {
  708.          {VTABLE, 2, 0,
  709. #if XML_BYTE_ORDER == 12
  710.           1
  711. #else
  712.           0
  713. #endif
  714.          },
  715.          {
  716. #define BT_COLON BT_NMSTRT
  717. #include "expat\asciitab.h"
  718. #undef BT_COLON
  719. #include "expat\latin1tab.h"
  720.          },
  721.          STANDARD_VTABLE(little2_)
  722. };
  723.  
  724. #if XML_BYTE_ORDER != 21
  725.  
  726. #ifdef XML_NS
  727.  
  728.      static const struct normal_encoding internal_little2_encoding_ns =
  729.      {
  730.          {VTABLE, 2, 0, 1},
  731.          {
  732. #include "expat\iasciitab.h"
  733. #include "expat\latin1tab.h"
  734.          },
  735.          STANDARD_VTABLE(little2_)
  736. };
  737.  
  738. #endif
  739.  
  740.      static const struct normal_encoding internal_little2_encoding =
  741.      {
  742.          {VTABLE, 2, 0, 1},
  743.          {
  744. #define BT_COLON BT_NMSTRT
  745. #include "expat\iasciitab.h"
  746. #undef BT_COLON
  747. #include "expat\latin1tab.h"
  748.          },
  749.          STANDARD_VTABLE(little2_)
  750. };
  751.  
  752. #endif
  753.  
  754.  
  755. #define BIG2_BYTE_TYPE(enc, p) \
  756.  ((p)[0] == 0 \
  757.   ? ((struct normal_encoding *)(enc))->type[(unsigned char)(p)[1]] \
  758.   : unicode_byte_type((p)[0], (p)[1]))
  759. #define BIG2_BYTE_TO_ASCII(enc, p) ((p)[0] == 0 ? (p)[1] : -1)
  760. #define BIG2_CHAR_MATCHES(enc, p, c) ((p)[0] == 0 && (p)[1] == c)
  761. #define BIG2_IS_NAME_CHAR_MINBPC(enc, p) \
  762.   UCS2_GET_NAMING(namePages, (unsigned char)p[0], (unsigned char)p[1])
  763. #define BIG2_IS_NMSTRT_CHAR_MINBPC(enc, p) \
  764.   UCS2_GET_NAMING(nmstrtPages, (unsigned char)p[0], (unsigned char)p[1])
  765.  
  766. #ifdef XML_MIN_SIZE
  767.  
  768. static int  EXPATENTRY big2_byteType(const ENCODING * enc, const char *p)
  769. {
  770.     return BIG2_BYTE_TYPE(enc, p);
  771. }
  772.  
  773. static int  EXPATENTRY big2_byteToAscii(const ENCODING * enc, const char *p)
  774. {
  775.     return BIG2_BYTE_TO_ASCII(enc, p);
  776. }
  777.  
  778. static int  EXPATENTRY big2_charMatches(const ENCODING * enc, const char *p, int c)
  779. {
  780.     return BIG2_CHAR_MATCHES(enc, p, c);
  781. }
  782.  
  783. static int  EXPATENTRY big2_isNameMin(const ENCODING * enc, const char *p)
  784. {
  785.     return BIG2_IS_NAME_CHAR_MINBPC(enc, p);
  786. }
  787.  
  788. static int  EXPATENTRY big2_isNmstrtMin(const ENCODING * enc, const char *p)
  789. {
  790.     return BIG2_IS_NMSTRT_CHAR_MINBPC(enc, p);
  791. }
  792.  
  793. #undef VTABLE
  794. #define VTABLE VTABLE1, big2_toUtf8, big2_toUtf16
  795.  
  796. #else /* not XML_MIN_SIZE */
  797.  
  798. #undef PREFIX
  799. #define PREFIX(ident) big2_ ## ident
  800. #define MINBPC(enc) 2
  801. /* CHAR_MATCHES is guaranteed to have MINBPC bytes available. */
  802. #define BYTE_TYPE(enc, p) BIG2_BYTE_TYPE(enc, p)
  803. #define BYTE_TO_ASCII(enc, p) BIG2_BYTE_TO_ASCII(enc, p)
  804. #define CHAR_MATCHES(enc, p, c) BIG2_CHAR_MATCHES(enc, p, c)
  805. #define IS_NAME_CHAR(enc, p, n) 0
  806. #define IS_NAME_CHAR_MINBPC(enc, p) BIG2_IS_NAME_CHAR_MINBPC(enc, p)
  807. #define IS_NMSTRT_CHAR(enc, p, n) (0)
  808. #define IS_NMSTRT_CHAR_MINBPC(enc, p) BIG2_IS_NMSTRT_CHAR_MINBPC(enc, p)
  809.  
  810. #include "xmltok_impl.c"
  811.  
  812. #undef MINBPC
  813. #undef BYTE_TYPE
  814. #undef BYTE_TO_ASCII
  815. #undef CHAR_MATCHES
  816. #undef IS_NAME_CHAR
  817. #undef IS_NAME_CHAR_MINBPC
  818. #undef IS_NMSTRT_CHAR
  819. #undef IS_NMSTRT_CHAR_MINBPC
  820. #undef IS_INVALID_CHAR
  821.  
  822. #endif /* not XML_MIN_SIZE */
  823.  
  824. #ifdef XML_NS
  825.  
  826.      static const struct normal_encoding big2_encoding_ns =
  827.      {
  828.          {VTABLE, 2, 0,
  829. #if XML_BYTE_ORDER == 21
  830.           1
  831. #else
  832.           0
  833. #endif
  834.          },
  835.          {
  836. #include "expat\asciitab.h"
  837. #include "expat\latin1tab.h"
  838.          },
  839.          STANDARD_VTABLE(big2_)
  840. };
  841.  
  842. #endif
  843.  
  844.      static const struct normal_encoding big2_encoding =
  845.      {
  846.          {VTABLE, 2, 0,
  847. #if XML_BYTE_ORDER == 21
  848.           1
  849. #else
  850.           0
  851. #endif
  852.          },
  853.          {
  854. #define BT_COLON BT_NMSTRT
  855. #include "expat\asciitab.h"
  856. #undef BT_COLON
  857. #include "expat\latin1tab.h"
  858.          },
  859.          STANDARD_VTABLE(big2_)
  860. };
  861.  
  862. #if XML_BYTE_ORDER != 12
  863.  
  864. #ifdef XML_NS
  865.  
  866.      static const struct normal_encoding internal_big2_encoding_ns =
  867.      {
  868.          {VTABLE, 2, 0, 1},
  869.          {
  870. #include "expat\iasciitab.h"
  871. #include "expat\latin1tab.h"
  872.          },
  873.          STANDARD_VTABLE(big2_)
  874. };
  875.  
  876. #endif
  877.  
  878.      static const struct normal_encoding internal_big2_encoding =
  879.      {
  880.          {VTABLE, 2, 0, 1},
  881.          {
  882. #define BT_COLON BT_NMSTRT
  883. #include "expat\iasciitab.h"
  884. #undef BT_COLON
  885. #include "expat\latin1tab.h"
  886.          },
  887.          STANDARD_VTABLE(big2_)
  888. };
  889.  
  890. #endif
  891.  
  892. #undef PREFIX
  893.  
  894. static int streqci(const char *s1, const char *s2)
  895. {
  896.     for (;;)
  897.     {
  898.         char c1 = *s1++;
  899.         char c2 = *s2++;
  900.  
  901.         if (ASCII_a <= c1 && c1 <= ASCII_z)
  902.             c1 += ASCII_A - ASCII_a;
  903.         if (ASCII_a <= c2 && c2 <= ASCII_z)
  904.             c2 += ASCII_A - ASCII_a;
  905.         if (c1 != c2)
  906.             return 0;
  907.         if (!c1)
  908.             break;
  909.     }
  910.     return 1;
  911. }
  912.  
  913. static void  EXPATENTRY initUpdatePosition(const ENCODING * enc,
  914.                                            const char *ptr,
  915.                                            const char *end,
  916.                                            POSITION * pos)
  917. {
  918.     normal_updatePosition(&utf8_encoding.enc, ptr, end, pos);
  919. }
  920.  
  921. static int  EXPATENTRY toAscii(const ENCODING * enc,
  922.                                const char *ptr,
  923.                                const char *end)
  924. {
  925.     char buf[1];
  926.     char *p = buf;
  927.  
  928.     XmlUtf8Convert(enc, &ptr, end, &p, p + 1);
  929.     if (p == buf)
  930.         return -1;
  931.     else
  932.         return buf[0];
  933. }
  934.  
  935. static int  EXPATENTRY isSpace(int c)
  936. {
  937.     switch (c)
  938.     {
  939.         case 0x20:
  940.         case 0xD:
  941.         case 0xA:
  942.         case 0x9:
  943.             return 1;
  944.     }
  945.     return 0;
  946. }
  947.  
  948. /* Return 1 if there's just optional white space
  949.  * or there's an S followed by name=val. */
  950. static int  EXPATENTRY parsePseudoAttribute(const ENCODING * enc,
  951.                                             const char *ptr,
  952.                                             const char *end,
  953.                                             const char **namePtr,
  954.                                             const char **nameEndPtr,
  955.                                             const char **valPtr,
  956.                                             const char **nextTokPtr)
  957. {
  958.     int c;
  959.     char open;
  960.  
  961.     if (ptr == end)
  962.     {
  963.         *namePtr = 0;
  964.         return 1;
  965.     }
  966.     if (!isSpace(toAscii(enc, ptr, end)))
  967.     {
  968.         *nextTokPtr = ptr;
  969.         return 0;
  970.     }
  971.     do
  972.     {
  973.         ptr += enc->minBytesPerChar;
  974.     }
  975.     while (isSpace(toAscii(enc, ptr, end)));
  976.     if (ptr == end)
  977.     {
  978.         *namePtr = 0;
  979.         return 1;
  980.     }
  981.     *namePtr = ptr;
  982.     for (;;)
  983.     {
  984.         c = toAscii(enc, ptr, end);
  985.         if (c == -1)
  986.         {
  987.             *nextTokPtr = ptr;
  988.             return 0;
  989.         }
  990.         if (c == ASCII_EQUALS)
  991.         {
  992.             *nameEndPtr = ptr;
  993.             break;
  994.         }
  995.         if (isSpace(c))
  996.         {
  997.             *nameEndPtr = ptr;
  998.             do
  999.             {
  1000.                 ptr += enc->minBytesPerChar;
  1001.             }
  1002.             while (isSpace(c = toAscii(enc, ptr, end)));
  1003.             if (c != ASCII_EQUALS)
  1004.             {
  1005.                 *nextTokPtr = ptr;
  1006.                 return 0;
  1007.             }
  1008.             break;
  1009.         }
  1010.         ptr += enc->minBytesPerChar;
  1011.     }
  1012.     if (ptr == *namePtr)
  1013.     {
  1014.         *nextTokPtr = ptr;
  1015.         return 0;
  1016.     }
  1017.     ptr += enc->minBytesPerChar;
  1018.     c = toAscii(enc, ptr, end);
  1019.     while (isSpace(c))
  1020.     {
  1021.         ptr += enc->minBytesPerChar;
  1022.         c = toAscii(enc, ptr, end);
  1023.     }
  1024.     if (c != ASCII_QUOT && c != ASCII_APOS)
  1025.     {
  1026.         *nextTokPtr = ptr;
  1027.         return 0;
  1028.     }
  1029.     open = c;
  1030.     ptr += enc->minBytesPerChar;
  1031.     *valPtr = ptr;
  1032.     for (;; ptr += enc->minBytesPerChar)
  1033.     {
  1034.         c = toAscii(enc, ptr, end);
  1035.         if (c == open)
  1036.             break;
  1037.         if (!(ASCII_a <= c && c <= ASCII_z)
  1038.             && !(ASCII_A <= c && c <= ASCII_Z)
  1039.             && !(ASCII_0 <= c && c <= ASCII_9)
  1040.             && c != ASCII_PERIOD
  1041.             && c != ASCII_MINUS
  1042.             && c != ASCII_UNDERSCORE)
  1043.         {
  1044.             *nextTokPtr = ptr;
  1045.             return 0;
  1046.         }
  1047.     }
  1048.     *nextTokPtr = ptr + enc->minBytesPerChar;
  1049.     return 1;
  1050. }
  1051.  
  1052. static const char KW_version[] =
  1053. {
  1054.     ASCII_v, ASCII_e, ASCII_r, ASCII_s, ASCII_i, ASCII_o, ASCII_n, '\0'
  1055. };
  1056.  
  1057. static const char KW_encoding[] =
  1058. {
  1059.   ASCII_e, ASCII_n, ASCII_c, ASCII_o, ASCII_d, ASCII_i, ASCII_n, ASCII_g, '\0'
  1060. };
  1061.  
  1062. static const char KW_standalone[] =
  1063. {
  1064.     ASCII_s, ASCII_t, ASCII_a, ASCII_n, ASCII_d, ASCII_a, ASCII_l, ASCII_o, ASCII_n, ASCII_e, '\0'
  1065. };
  1066.  
  1067. static const char KW_yes[] =
  1068. {
  1069.     ASCII_y, ASCII_e, ASCII_s, '\0'
  1070. };
  1071.  
  1072. static const char KW_no[] =
  1073. {
  1074.     ASCII_n, ASCII_o, '\0'
  1075. };
  1076.  
  1077. static int doParseXmlDecl(const ENCODING * (*encodingFinder) (const ENCODING *,
  1078.                                                               const char *,
  1079.                                                               const char *),
  1080.                           int isGeneralTextEntity,
  1081.                           const ENCODING * enc,
  1082.                           const char *ptr,
  1083.                           const char *end,
  1084.                           const char **badPtr,
  1085.                           const char **versionPtr,
  1086.                           const char **versionEndPtr,
  1087.                           const char **encodingName,
  1088.                           const ENCODING ** encoding,
  1089.                           int *standalone)
  1090. {
  1091.     const char *val = 0;
  1092.     const char *name = 0;
  1093.     const char *nameEnd = 0;
  1094.  
  1095.     ptr += 5 * enc->minBytesPerChar;
  1096.     end -= 2 * enc->minBytesPerChar;
  1097.     if (!parsePseudoAttribute(enc, ptr, end, &name, &nameEnd, &val, &ptr) || !name)
  1098.     {
  1099.         *badPtr = ptr;
  1100.         return 0;
  1101.     }
  1102.     if (!XmlNameMatchesAscii(enc, name, nameEnd, KW_version))
  1103.     {
  1104.         if (!isGeneralTextEntity)
  1105.         {
  1106.             *badPtr = name;
  1107.             return 0;
  1108.         }
  1109.     }
  1110.     else
  1111.     {
  1112.         if (versionPtr)
  1113.             *versionPtr = val;
  1114.         if (versionEndPtr)
  1115.             *versionEndPtr = ptr;
  1116.         if (!parsePseudoAttribute(enc, ptr, end, &name, &nameEnd, &val, &ptr))
  1117.         {
  1118.             *badPtr = ptr;
  1119.             return 0;
  1120.         }
  1121.         if (!name)
  1122.         {
  1123.             if (isGeneralTextEntity)
  1124.             {
  1125.                 /* a TextDecl must have an EncodingDecl */
  1126.                 *badPtr = ptr;
  1127.                 return 0;
  1128.             }
  1129.             return 1;
  1130.         }
  1131.     }
  1132.     if (XmlNameMatchesAscii(enc, name, nameEnd, KW_encoding))
  1133.     {
  1134.         int c = toAscii(enc, val, end);
  1135.  
  1136.         if (!(ASCII_a <= c && c <= ASCII_z) && !(ASCII_A <= c && c <= ASCII_Z))
  1137.         {
  1138.             *badPtr = val;
  1139.             return 0;
  1140.         }
  1141.         if (encodingName)
  1142.             *encodingName = val;
  1143.         if (encoding)
  1144.             *encoding = encodingFinder(enc, val, ptr - enc->minBytesPerChar);
  1145.         if (!parsePseudoAttribute(enc, ptr, end, &name, &nameEnd, &val, &ptr))
  1146.         {
  1147.             *badPtr = ptr;
  1148.             return 0;
  1149.         }
  1150.         if (!name)
  1151.             return 1;
  1152.     }
  1153.     if (!XmlNameMatchesAscii(enc, name, nameEnd, KW_standalone) || isGeneralTextEntity)
  1154.     {
  1155.         *badPtr = name;
  1156.         return 0;
  1157.     }
  1158.     if (XmlNameMatchesAscii(enc, val, ptr - enc->minBytesPerChar, KW_yes))
  1159.     {
  1160.         if (standalone)
  1161.             *standalone = 1;
  1162.     }
  1163.     else if (XmlNameMatchesAscii(enc, val, ptr - enc->minBytesPerChar, KW_no))
  1164.     {
  1165.         if (standalone)
  1166.             *standalone = 0;
  1167.     }
  1168.     else
  1169.     {
  1170.         *badPtr = val;
  1171.         return 0;
  1172.     }
  1173.     while (isSpace(toAscii(enc, ptr, end)))
  1174.         ptr += enc->minBytesPerChar;
  1175.     if (ptr != end)
  1176.     {
  1177.         *badPtr = ptr;
  1178.         return 0;
  1179.     }
  1180.     return 1;
  1181. }
  1182.  
  1183. static int checkCharRefNumber(int result)
  1184. {
  1185.     switch (result >> 8)
  1186.     {
  1187.         case 0xD8:
  1188.         case 0xD9:
  1189.         case 0xDA:
  1190.         case 0xDB:
  1191.         case 0xDC:
  1192.         case 0xDD:
  1193.         case 0xDE:
  1194.         case 0xDF:
  1195.             return -1;
  1196.         case 0:
  1197.             if (latin1_encoding.type[result] == BT_NONXML)
  1198.                 return -1;
  1199.             break;
  1200.         case 0xFF:
  1201.             if (result == 0xFFFE || result == 0xFFFF)
  1202.                 return -1;
  1203.             break;
  1204.     }
  1205.     return result;
  1206. }
  1207.  
  1208. int XmlUtf8Encode(int c, char *buf)
  1209. {
  1210.     enum
  1211.     {
  1212.         /* minN is minimum legal resulting value for N byte sequence */
  1213.         min2 = 0x80,
  1214.         min3 = 0x800,
  1215.         min4 = 0x10000
  1216.     };
  1217.  
  1218.     if (c < 0)
  1219.         return 0;
  1220.     if (c < min2)
  1221.     {
  1222.         buf[0] = (c | UTF8_cval1);
  1223.         return 1;
  1224.     }
  1225.     if (c < min3)
  1226.     {
  1227.         buf[0] = ((c >> 6) | UTF8_cval2);
  1228.         buf[1] = ((c & 0x3f) | 0x80);
  1229.         return 2;
  1230.     }
  1231.     if (c < min4)
  1232.     {
  1233.         buf[0] = ((c >> 12) | UTF8_cval3);
  1234.         buf[1] = (((c >> 6) & 0x3f) | 0x80);
  1235.         buf[2] = ((c & 0x3f) | 0x80);
  1236.         return 3;
  1237.     }
  1238.     if (c < 0x110000)
  1239.     {
  1240.         buf[0] = ((c >> 18) | UTF8_cval4);
  1241.         buf[1] = (((c >> 12) & 0x3f) | 0x80);
  1242.         buf[2] = (((c >> 6) & 0x3f) | 0x80);
  1243.         buf[3] = ((c & 0x3f) | 0x80);
  1244.         return 4;
  1245.     }
  1246.     return 0;
  1247. }
  1248.  
  1249. int XmlUtf16Encode(int charNum, unsigned short *buf)
  1250. {
  1251.     if (charNum < 0)
  1252.         return 0;
  1253.     if (charNum < 0x10000)
  1254.     {
  1255.         buf[0] = charNum;
  1256.         return 1;
  1257.     }
  1258.     if (charNum < 0x110000)
  1259.     {
  1260.         charNum -= 0x10000;
  1261.         buf[0] = (charNum >> 10) + 0xD800;
  1262.         buf[1] = (charNum & 0x3FF) + 0xDC00;
  1263.         return 2;
  1264.     }
  1265.     return 0;
  1266. }
  1267.  
  1268. struct unknown_encoding
  1269. {
  1270.     struct normal_encoding normal;
  1271.     int (*convert) (void *userData, const char *p);
  1272.     void *userData;
  1273.     unsigned short utf16[256];
  1274.     char utf8[256][4];
  1275. };
  1276.  
  1277. int XmlSizeOfUnknownEncoding(void)
  1278. {
  1279.     return sizeof(struct unknown_encoding);
  1280. }
  1281.  
  1282. static int  EXPATENTRY unknown_isName(const ENCODING * enc, const char *p)
  1283. {
  1284.     int c = ((const struct unknown_encoding *)enc)
  1285.     ->convert(((const struct unknown_encoding *)enc)->userData, p);
  1286.  
  1287.     if (c & ~0xFFFF)
  1288.         return 0;
  1289.     return UCS2_GET_NAMING(namePages, c >> 8, c & 0xFF);
  1290. }
  1291.  
  1292. static int  EXPATENTRY unknown_isNmstrt(const ENCODING * enc, const char *p)
  1293. {
  1294.     int c = ((const struct unknown_encoding *)enc)
  1295.     ->convert(((const struct unknown_encoding *)enc)->userData, p);
  1296.  
  1297.     if (c & ~0xFFFF)
  1298.         return 0;
  1299.     return UCS2_GET_NAMING(nmstrtPages, c >> 8, c & 0xFF);
  1300. }
  1301.  
  1302. static int  EXPATENTRY unknown_isInvalid(const ENCODING * enc, const char *p)
  1303. {
  1304.     int c = ((const struct unknown_encoding *)enc)
  1305.     ->convert(((const struct unknown_encoding *)enc)->userData, p);
  1306.  
  1307.     return (c & ~0xFFFF) || checkCharRefNumber(c) < 0;
  1308. }
  1309.  
  1310. static void  EXPATENTRY unknown_toUtf8(const ENCODING * enc,
  1311.                                        const char **fromP,
  1312.                                        const char *fromLim,
  1313.                                        char **toP,
  1314.                                        const char *toLim)
  1315. {
  1316.     char buf[XML_UTF8_ENCODE_MAX];
  1317.  
  1318.     for (;;)
  1319.     {
  1320.         const char *utf8;
  1321.         int n;
  1322.  
  1323.         if (*fromP == fromLim)
  1324.             break;
  1325.         utf8 = ((const struct unknown_encoding *)enc)->utf8[(unsigned char)**fromP];
  1326.         n = *utf8++;
  1327.         if (n == 0)
  1328.         {
  1329.             int c = ((const struct unknown_encoding *)enc)
  1330.             ->convert(((const struct unknown_encoding *)enc)->userData, *fromP);
  1331.  
  1332.             n = XmlUtf8Encode(c, buf);
  1333.             if (n > toLim - *toP)
  1334.                 break;
  1335.             utf8 = buf;
  1336.             *fromP += ((const struct normal_encoding *)enc)->type[(unsigned char)**fromP]
  1337.                 - (BT_LEAD2 - 2);
  1338.         }
  1339.         else
  1340.         {
  1341.             if (n > toLim - *toP)
  1342.                 break;
  1343.             (*fromP)++;
  1344.         }
  1345.         do
  1346.         {
  1347.             *(*toP)++ = *utf8++;
  1348.         }
  1349.         while (--n != 0);
  1350.     }
  1351. }
  1352.  
  1353. static void  EXPATENTRY unknown_toUtf16(const ENCODING * enc,
  1354.                                         const char **fromP,
  1355.                                         const char *fromLim,
  1356.                                         unsigned short **toP,
  1357.                                         const unsigned short *toLim)
  1358. {
  1359.     while (*fromP != fromLim && *toP != toLim)
  1360.     {
  1361.         unsigned short c
  1362.         = ((const struct unknown_encoding *)enc)->utf16[(unsigned char)**fromP];
  1363.  
  1364.         if (c == 0)
  1365.         {
  1366.             c = (unsigned short)((const struct unknown_encoding *)enc)
  1367.                 ->convert(((const struct unknown_encoding *)enc)->userData, *fromP);
  1368.             *fromP += ((const struct normal_encoding *)enc)->type[(unsigned char)**fromP]
  1369.                 - (BT_LEAD2 - 2);
  1370.         }
  1371.         else
  1372.             (*fromP)++;
  1373.         *(*toP)++ = c;
  1374.     }
  1375. }
  1376.  
  1377. /*
  1378.  *@@ XmlInitUnknownEncoding:
  1379.  *
  1380.  *@@changed V0.9.14 (2001-08-09) [umoeller]: couple of performance hacks
  1381.  */
  1382.  
  1383. ENCODING* XmlInitUnknownEncoding(void *mem,
  1384.                                  int *table,
  1385.                                  int (*convert) (void *userData, const char *p),
  1386.                                  void *userData)
  1387. {
  1388.     int i;
  1389.     struct unknown_encoding *e = (struct unknown_encoding*)mem;
  1390.  
  1391.     // gee, isn't this a regular memcpy?!?
  1392.     /* for (i = 0;
  1393.          i < (int)sizeof(struct normal_encoding);
  1394.          i++)
  1395.         ((char *)mem)[i] = ((char *)&latin1_encoding)[i]; */
  1396.  
  1397.     // replaced the above with this V0.9.14 (2001-08-09) [umoeller]
  1398.     memcpy(mem, &latin1_encoding, sizeof(struct normal_encoding));
  1399.  
  1400.     for (i = 0; i < 128; i++)
  1401.         if (    latin1_encoding.type[i] != BT_OTHER
  1402.              && latin1_encoding.type[i] != BT_NONXML
  1403.              && table[i] != i
  1404.            )
  1405.             return 0;
  1406.  
  1407.     for (i = 0; i < 256; i++)
  1408.     {
  1409.         int c = table[i];
  1410.  
  1411.         if (c == -1)
  1412.         {
  1413.             e->normal.type[i] = BT_MALFORM;
  1414.             /* This shouldn't really get used. */
  1415.             e->utf16[i] = 0xFFFF;
  1416.             e->utf8[i][0] = 1;
  1417.             e->utf8[i][1] = 0;
  1418.         }
  1419.         else if (c < 0)
  1420.         {
  1421.             if (c < -4)
  1422.                 return 0;
  1423.             e->normal.type[i] = BT_LEAD2 - (c + 2);
  1424.             e->utf8[i][0] = 0;
  1425.             e->utf16[i] = 0;
  1426.         }
  1427.         else if (c < 0x80)
  1428.         {
  1429.             if (    latin1_encoding.type[c] != BT_OTHER
  1430.                  && latin1_encoding.type[c] != BT_NONXML
  1431.                  && c != i
  1432.                )
  1433.                 return 0;
  1434.             e->normal.type[i] = latin1_encoding.type[c];
  1435.             e->utf8[i][0] = 1;
  1436.             e->utf8[i][1] = (char)c;
  1437.             e->utf16[i] = c == 0 ? 0xFFFF : c;
  1438.         }
  1439.         else if (checkCharRefNumber(c) < 0)
  1440.         {
  1441.             e->normal.type[i] = BT_NONXML;
  1442.             /* This shouldn't really get used. */
  1443.             e->utf16[i] = 0xFFFF;
  1444.             e->utf8[i][0] = 1;
  1445.             e->utf8[i][1] = 0;
  1446.         }
  1447.         else
  1448.         {
  1449.             if (c > 0xFFFF)
  1450.                 return 0;
  1451.             if (UCS2_GET_NAMING(nmstrtPages, c >> 8, c & 0xff))
  1452.                 e->normal.type[i] = BT_NMSTRT;
  1453.             else if (UCS2_GET_NAMING(namePages, c >> 8, c & 0xff))
  1454.                 e->normal.type[i] = BT_NAME;
  1455.             else
  1456.                 e->normal.type[i] = BT_OTHER;
  1457.             e->utf8[i][0] = (char)XmlUtf8Encode(c, e->utf8[i] + 1);
  1458.             e->utf16[i] = c;
  1459.         }
  1460.     }
  1461.     e->userData = userData;
  1462.     e->convert = convert;
  1463.     if (convert)
  1464.     {
  1465.         e->normal.isName2 = unknown_isName;
  1466.         e->normal.isName3 = unknown_isName;
  1467.         e->normal.isName4 = unknown_isName;
  1468.         e->normal.isNmstrt2 = unknown_isNmstrt;
  1469.         e->normal.isNmstrt3 = unknown_isNmstrt;
  1470.         e->normal.isNmstrt4 = unknown_isNmstrt;
  1471.         e->normal.isInvalid2 = unknown_isInvalid;
  1472.         e->normal.isInvalid3 = unknown_isInvalid;
  1473.         e->normal.isInvalid4 = unknown_isInvalid;
  1474.     }
  1475.     e->normal.enc.utf8Convert = unknown_toUtf8;
  1476.     e->normal.enc.utf16Convert = unknown_toUtf16;
  1477.     return &(e->normal.enc);
  1478. }
  1479.  
  1480. /* If this enumeration is changed, getEncodingIndex and encodings
  1481.  * must also be changed. */
  1482. enum
  1483. {
  1484.     UNKNOWN_ENC = -1,
  1485.     ISO_8859_1_ENC = 0,
  1486.     US_ASCII_ENC,
  1487.     UTF_8_ENC,
  1488.     UTF_16_ENC,
  1489.     UTF_16BE_ENC,
  1490.     UTF_16LE_ENC,
  1491.     /* must match encodingNames up to here */
  1492.     NO_ENC
  1493. };
  1494.  
  1495. static const char KW_ISO_8859_1[] =
  1496. {
  1497.     ASCII_I, ASCII_S, ASCII_O, ASCII_MINUS, ASCII_8, ASCII_8, ASCII_5, ASCII_9, ASCII_MINUS, ASCII_1, '\0'
  1498. };
  1499. static const char KW_US_ASCII[] =
  1500. {
  1501.     ASCII_U, ASCII_S, ASCII_MINUS, ASCII_A, ASCII_S, ASCII_C, ASCII_I, ASCII_I, '\0'
  1502. };
  1503. static const char KW_UTF_8[] =
  1504. {
  1505.     ASCII_U, ASCII_T, ASCII_F, ASCII_MINUS, ASCII_8, '\0'
  1506. };
  1507. static const char KW_UTF_16[] =
  1508. {
  1509.     ASCII_U, ASCII_T, ASCII_F, ASCII_MINUS, ASCII_1, ASCII_6, '\0'
  1510. };
  1511. static const char KW_UTF_16BE[] =
  1512. {
  1513.     ASCII_U, ASCII_T, ASCII_F, ASCII_MINUS, ASCII_1, ASCII_6, ASCII_B, ASCII_E, '\0'
  1514. };
  1515. static const char KW_UTF_16LE[] =
  1516. {
  1517.     ASCII_U, ASCII_T, ASCII_F, ASCII_MINUS, ASCII_1, ASCII_6, ASCII_L, ASCII_E, '\0'
  1518. };
  1519.  
  1520. static int getEncodingIndex(const char *name)
  1521. {
  1522.     static const char *encodingNames[] =
  1523.     {
  1524.         KW_ISO_8859_1,
  1525.         KW_US_ASCII,
  1526.         KW_UTF_8,
  1527.         KW_UTF_16,
  1528.         KW_UTF_16BE,
  1529.         KW_UTF_16LE,
  1530.     };
  1531.     int i;
  1532.  
  1533.     if (name == 0)
  1534.         return NO_ENC;
  1535.     for (i = 0;
  1536.          i < (int)(sizeof(encodingNames) / sizeof(encodingNames[0]));
  1537.          i++)
  1538.         if (streqci(name, encodingNames[i]))
  1539.             return i;
  1540.     return UNKNOWN_ENC;
  1541. }
  1542.  
  1543. /* For binary compatibility, we store the index of the encoding specified
  1544.  * at initialization in the isUtf16 member. */
  1545.  
  1546. #define INIT_ENC_INDEX(enc) ((int)(enc)->initEnc.isUtf16)
  1547. #define SET_INIT_ENC_INDEX(enc, i) ((enc)->initEnc.isUtf16 = (char)i)
  1548.  
  1549. /* This is what detects the encoding.
  1550.  * encodingTable maps from encoding indices to encodings;
  1551.  * INIT_ENC_INDEX(enc) is the index of the external (protocol) specified encoding;
  1552.  * state is XML_CONTENT_STATE if we're parsing an external text entity,
  1553.  * and XML_PROLOG_STATE otherwise.
  1554.  */
  1555.  
  1556.  
  1557. static int EXPATENTRY initScan(const ENCODING ** encodingTable,
  1558.                                const INIT_ENCODING * enc,
  1559.                                int state,
  1560.                                const char *ptr,
  1561.                                const char *end,
  1562.                                const char **nextTokPtr)
  1563. {
  1564.     const ENCODING **encPtr;
  1565.  
  1566.     if (ptr == end)
  1567.         return XML_TOK_NONE;
  1568.     encPtr = enc->encPtr;
  1569.     if (ptr + 1 == end)
  1570.     {
  1571.         /* only a single byte available for auto-detection */
  1572. #ifndef XML_DTD                 /* FIXME */
  1573.         /* a well-formed document entity must have more than one byte */
  1574.         if (state != XML_CONTENT_STATE)
  1575.             return XML_TOK_PARTIAL;
  1576. #endif
  1577.         /* so we're parsing an external text entity... */
  1578.         /* if UTF-16 was externally specified, then we need at least 2 bytes */
  1579.         switch (INIT_ENC_INDEX(enc))
  1580.         {
  1581.             case UTF_16_ENC:
  1582.             case UTF_16LE_ENC:
  1583.             case UTF_16BE_ENC:
  1584.                 return XML_TOK_PARTIAL;
  1585.         }
  1586.         switch ((unsigned char)*ptr)
  1587.         {
  1588.             case 0xFE:
  1589.             case 0xFF:
  1590.             case 0xEF:          /* possibly first byte of UTF-8 BOM */
  1591.                 if (INIT_ENC_INDEX(enc) == ISO_8859_1_ENC
  1592.                     && state == XML_CONTENT_STATE)
  1593.                     break;
  1594.                 /* fall through */
  1595.             case 0x00:
  1596.             case 0x3C:
  1597.                 return XML_TOK_PARTIAL;
  1598.         }
  1599.     }
  1600.     else
  1601.     {
  1602.         switch (((unsigned char)ptr[0] << 8) | (unsigned char)ptr[1])
  1603.         {
  1604.             case 0xFEFF:
  1605.                 if (INIT_ENC_INDEX(enc) == ISO_8859_1_ENC
  1606.                     && state == XML_CONTENT_STATE)
  1607.                     break;
  1608.                 *nextTokPtr = ptr + 2;
  1609.                 *encPtr = encodingTable[UTF_16BE_ENC];
  1610.                 return XML_TOK_BOM;
  1611.                 /* 00 3C is handled in the default case */
  1612.             case 0x3C00:
  1613.                 if ((INIT_ENC_INDEX(enc) == UTF_16BE_ENC
  1614.                      || INIT_ENC_INDEX(enc) == UTF_16_ENC)
  1615.                     && state == XML_CONTENT_STATE)
  1616.                     break;
  1617.                 *encPtr = encodingTable[UTF_16LE_ENC];
  1618.                 return XmlTok(*encPtr, state, ptr, end, nextTokPtr);
  1619.             case 0xFFFE:
  1620.                 if (INIT_ENC_INDEX(enc) == ISO_8859_1_ENC
  1621.                     && state == XML_CONTENT_STATE)
  1622.                     break;
  1623.                 *nextTokPtr = ptr + 2;
  1624.                 *encPtr = encodingTable[UTF_16LE_ENC];
  1625.                 return XML_TOK_BOM;
  1626.             case 0xEFBB:
  1627.                 /* Maybe a UTF-8 BOM (EF BB BF) */
  1628.                 /* If there's an explicitly specified (external) encoding
  1629.                  * of ISO-8859-1 or some flavour of UTF-16
  1630.                  * and this is an external text entity,
  1631.                  * don't look for the BOM,
  1632.                  * because it might be a legal data. */
  1633.                 if (state == XML_CONTENT_STATE)
  1634.                 {
  1635.                     int e = INIT_ENC_INDEX(enc);
  1636.  
  1637.                     if (e == ISO_8859_1_ENC || e == UTF_16BE_ENC || e == UTF_16LE_ENC || e == UTF_16_ENC)
  1638.                         break;
  1639.                 }
  1640.                 if (ptr + 2 == end)
  1641.                     return XML_TOK_PARTIAL;
  1642.                 if ((unsigned char)ptr[2] == 0xBF)
  1643.                 {
  1644.                     *nextTokPtr = ptr + 3;
  1645.                     *encPtr = encodingTable[UTF_8_ENC];
  1646.                     return XML_TOK_BOM;
  1647.                 }
  1648.                 break;
  1649.             default:
  1650.                 if (ptr[0] == '\0')
  1651.                 {
  1652.                     /* 0 isn't a legal data character. Furthermore a document entity can only
  1653.                      * start with ASCII characters.  So the only way this can fail to be big-endian
  1654.                      * UTF-16 if it it's an external parsed general entity that's labelled as
  1655.                      * UTF-16LE. */
  1656.                     if (state == XML_CONTENT_STATE && INIT_ENC_INDEX(enc) == UTF_16LE_ENC)
  1657.                         break;
  1658.                     *encPtr = encodingTable[UTF_16BE_ENC];
  1659.                     return XmlTok(*encPtr, state, ptr, end, nextTokPtr);
  1660.                 }
  1661.                 else if (ptr[1] == '\0')
  1662.                 {
  1663.                     /* We could recover here in the case:
  1664.                      * - parsing an external entity
  1665.                      * - second byte is 0
  1666.                      * - no externally specified encoding
  1667.                      * - no encoding declaration
  1668.                      * by assuming UTF-16LE.  But we don't, because this would mean when
  1669.                      * presented just with a single byte, we couldn't reliably determine
  1670.                      * whether we needed further bytes. */
  1671.                     if (state == XML_CONTENT_STATE)
  1672.                         break;
  1673.                     *encPtr = encodingTable[UTF_16LE_ENC];
  1674.                     return XmlTok(*encPtr, state, ptr, end, nextTokPtr);
  1675.                 }
  1676.                 break;
  1677.         }
  1678.     }
  1679.     *encPtr = encodingTable[INIT_ENC_INDEX(enc)];
  1680.     return XmlTok(*encPtr, state, ptr, end, nextTokPtr);
  1681. }
  1682.  
  1683.  
  1684. #define NS(x) x
  1685. #define ns(x) x
  1686. #include "xmltok_ns.c"
  1687. #undef NS
  1688. #undef ns
  1689.  
  1690. #ifdef XML_NS
  1691.  
  1692. #define NS(x) x ## NS
  1693. #define ns(x) x ## _ns
  1694.  
  1695. #include "xmltok_ns.c"
  1696.  
  1697. #undef NS
  1698. #undef ns
  1699.  
  1700. ENCODING * XmlInitUnknownEncodingNS(void *mem,
  1701.                                     int *table,
  1702.                                     int (* EXPATENTRY convert) (void *userData, const char *p),
  1703.                                     void *userData)
  1704. {
  1705.     ENCODING *enc = XmlInitUnknownEncoding(mem, table, convert, userData);
  1706.  
  1707.     if (enc)
  1708.         ((struct normal_encoding *)enc)->type[ASCII_COLON] = BT_COLON;
  1709.     return enc;
  1710. }
  1711.  
  1712. #endif /* XML_NS */
  1713.