home *** CD-ROM | disk | FTP | other *** search
/ Softwarová Záchrana 3 / Softwarova-zachrana-3.bin / pserv.cpl / pserv-2.4.exe / source / xmltok.c < prev    next >
C/C++ Source or Header  |  2005-01-05  |  38KB  |  1,558 lines
  1. /*
  2. Copyright (c) 1998, 1999 Thai Open Source Software Center Ltd
  3. See the file copying.txt for copying permission.
  4. */
  5.  
  6. #include "xmldef.h"
  7. #include "xmltok.h"
  8. #include "nametab.h"
  9.  
  10. #ifdef XML_DTD
  11. #define IGNORE_SECTION_TOK_VTABLE , PREFIX(ignoreSectionTok)
  12. #else
  13. #define IGNORE_SECTION_TOK_VTABLE /* as nothing */
  14. #endif
  15.  
  16. #define VTABLE1 \
  17.   { PREFIX(prologTok), PREFIX(contentTok), \
  18.     PREFIX(cdataSectionTok) IGNORE_SECTION_TOK_VTABLE }, \
  19.   { PREFIX(attributeValueTok), PREFIX(entityValueTok) }, \
  20.   PREFIX(sameName), \
  21.   PREFIX(nameMatchesAscii), \
  22.   PREFIX(nameLength), \
  23.   PREFIX(skipS), \
  24.   PREFIX(getAtts), \
  25.   PREFIX(charRefNumber), \
  26.   PREFIX(predefinedEntityName), \
  27.   PREFIX(updatePosition), \
  28.   PREFIX(isPublicId)
  29.  
  30. #define VTABLE VTABLE1, PREFIX(toUtf8), PREFIX(toUtf16)
  31.  
  32. #define UCS2_GET_NAMING(pages, hi, lo) \
  33.    (namingBitmap[(pages[hi] << 3) + ((lo) >> 5)] & (1 << ((lo) & 0x1F)))
  34.  
  35. /* A 2 byte UTF-8 representation splits the characters 11 bits
  36. between the bottom 5 and 6 bits of the bytes.
  37. We need 8 bits to index into pages, 3 bits to add to that index and
  38. 5 bits to generate the mask. */
  39. #define UTF8_GET_NAMING2(pages, byte) \
  40.     (namingBitmap[((pages)[(((byte)[0]) >> 2) & 7] << 3) \
  41.                       + ((((byte)[0]) & 3) << 1) \
  42.                       + ((((byte)[1]) >> 5) & 1)] \
  43.          & (1 << (((byte)[1]) & 0x1F)))
  44.  
  45. /* A 3 byte UTF-8 representation splits the characters 16 bits
  46. between the bottom 4, 6 and 6 bits of the bytes.
  47. We need 8 bits to index into pages, 3 bits to add to that index and
  48. 5 bits to generate the mask. */
  49. #define UTF8_GET_NAMING3(pages, byte) \
  50.   (namingBitmap[((pages)[((((byte)[0]) & 0xF) << 4) \
  51.                              + ((((byte)[1]) >> 2) & 0xF)] \
  52.                << 3) \
  53.                       + ((((byte)[1]) & 3) << 1) \
  54.                       + ((((byte)[2]) >> 5) & 1)] \
  55.          & (1 << (((byte)[2]) & 0x1F)))
  56.  
  57. #define UTF8_GET_NAMING(pages, p, n) \
  58.   ((n) == 2 \
  59.   ? UTF8_GET_NAMING2(pages, (const unsigned char *)(p)) \
  60.   : ((n) == 3 \
  61.      ? UTF8_GET_NAMING3(pages, (const unsigned char *)(p)) \
  62.      : 0))
  63.  
  64. #define UTF8_INVALID3(p) \
  65.   ((*p) == 0xED \
  66.   ? (((p)[1] & 0x20) != 0) \
  67.   : ((*p) == 0xEF \
  68.      ? ((p)[1] == 0xBF && ((p)[2] == 0xBF || (p)[2] == 0xBE)) \
  69.      : 0))
  70.  
  71. #define UTF8_INVALID4(p) ((*p) == 0xF4 && ((p)[1] & 0x30) != 0)
  72.  
  73. static
  74. int isNever(const ENCODING *enc, const char *p)
  75. {
  76.   return 0;
  77. }
  78.  
  79. static
  80. int utf8_isName2(const ENCODING *enc, const char *p)
  81. {
  82.   return UTF8_GET_NAMING2(namePages, (const unsigned char *)p);
  83. }
  84.  
  85. static
  86. int utf8_isName3(const ENCODING *enc, const char *p)
  87. {
  88.   return UTF8_GET_NAMING3(namePages, (const unsigned char *)p);
  89. }
  90.  
  91. #define utf8_isName4 isNever
  92.  
  93. static
  94. int utf8_isNmstrt2(const ENCODING *enc, const char *p)
  95. {
  96.   return UTF8_GET_NAMING2(nmstrtPages, (const unsigned char *)p);
  97. }
  98.  
  99. static
  100. int utf8_isNmstrt3(const ENCODING *enc, const char *p)
  101. {
  102.   return UTF8_GET_NAMING3(nmstrtPages, (const unsigned char *)p);
  103. }
  104.  
  105. #define utf8_isNmstrt4 isNever
  106.  
  107. #define utf8_isInvalid2 isNever
  108.  
  109. static
  110. int utf8_isInvalid3(const ENCODING *enc, const char *p)
  111. {
  112.   return UTF8_INVALID3((const unsigned char *)p);
  113. }
  114.  
  115. static
  116. int utf8_isInvalid4(const ENCODING *enc, const char *p)
  117. {
  118.   return UTF8_INVALID4((const unsigned char *)p);
  119. }
  120.  
  121. struct normal_encoding {
  122.   ENCODING enc;
  123.   unsigned char type[256];
  124. #ifdef XML_MIN_SIZE
  125.   int (*byteType)(const ENCODING *, const char *);
  126.   int (*isNameMin)(const ENCODING *, const char *);
  127.   int (*isNmstrtMin)(const ENCODING *, const char *);
  128.   int (*byteToAscii)(const ENCODING *, const char *);
  129.   int (*charMatches)(const ENCODING *, const char *, int);
  130. #endif /* XML_MIN_SIZE */
  131.   int (*isName2)(const ENCODING *, const char *);
  132.   int (*isName3)(const ENCODING *, const char *);
  133.   int (*isName4)(const ENCODING *, const char *);
  134.   int (*isNmstrt2)(const ENCODING *, const char *);
  135.   int (*isNmstrt3)(const ENCODING *, const char *);
  136.   int (*isNmstrt4)(const ENCODING *, const char *);
  137.   int (*isInvalid2)(const ENCODING *, const char *);
  138.   int (*isInvalid3)(const ENCODING *, const char *);
  139.   int (*isInvalid4)(const ENCODING *, const char *);
  140. };
  141.  
  142. #ifdef XML_MIN_SIZE
  143.  
  144. #define STANDARD_VTABLE(E) \
  145.  E ## byteType, \
  146.  E ## isNameMin, \
  147.  E ## isNmstrtMin, \
  148.  E ## byteToAscii, \
  149.  E ## charMatches,
  150.  
  151. #else
  152.  
  153. #define STANDARD_VTABLE(E) /* as nothing */
  154.  
  155. #endif
  156.  
  157. #define NORMAL_VTABLE(E) \
  158.  E ## isName2, \
  159.  E ## isName3, \
  160.  E ## isName4, \
  161.  E ## isNmstrt2, \
  162.  E ## isNmstrt3, \
  163.  E ## isNmstrt4, \
  164.  E ## isInvalid2, \
  165.  E ## isInvalid3, \
  166.  E ## isInvalid4
  167.  
  168. static int checkCharRefNumber(int);
  169.  
  170. #include "xmltok_impl.h"
  171. #include "ascii.h"
  172.  
  173. #ifdef XML_MIN_SIZE
  174. #define sb_isNameMin isNever
  175. #define sb_isNmstrtMin isNever
  176. #endif
  177.  
  178. #ifdef XML_MIN_SIZE
  179. #define MINBPC(enc) ((enc)->minBytesPerChar)
  180. #else
  181. /* minimum bytes per character */
  182. #define MINBPC(enc) 1
  183. #endif
  184.  
  185. #define SB_BYTE_TYPE(enc, p) \
  186.   (((struct normal_encoding *)(enc))->type[(unsigned char)*(p)])
  187.  
  188. #ifdef XML_MIN_SIZE
  189. static
  190. int sb_byteType(const ENCODING *enc, const char *p)
  191. {
  192.   return SB_BYTE_TYPE(enc, p);
  193. }
  194. #define BYTE_TYPE(enc, p) \
  195.  (((const struct normal_encoding *)(enc))->byteType(enc, p))
  196. #else
  197. #define BYTE_TYPE(enc, p) SB_BYTE_TYPE(enc, p)
  198. #endif
  199.  
  200. #ifdef XML_MIN_SIZE
  201. #define BYTE_TO_ASCII(enc, p) \
  202.  (((const struct normal_encoding *)(enc))->byteToAscii(enc, p))
  203. static
  204. int sb_byteToAscii(const ENCODING *enc, const char *p)
  205. {
  206.   return *p;
  207. }
  208. #else
  209. #define BYTE_TO_ASCII(enc, p) (*(p))
  210. #endif
  211.  
  212. #define IS_NAME_CHAR(enc, p, n) \
  213.  (((const struct normal_encoding *)(enc))->isName ## n(enc, p))
  214. #define IS_NMSTRT_CHAR(enc, p, n) \
  215.  (((const struct normal_encoding *)(enc))->isNmstrt ## n(enc, p))
  216. #define IS_INVALID_CHAR(enc, p, n) \
  217.  (((const struct normal_encoding *)(enc))->isInvalid ## n(enc, p))
  218.  
  219. #ifdef XML_MIN_SIZE
  220. #define IS_NAME_CHAR_MINBPC(enc, p) \
  221.  (((const struct normal_encoding *)(enc))->isNameMin(enc, p))
  222. #define IS_NMSTRT_CHAR_MINBPC(enc, p) \
  223.  (((const struct normal_encoding *)(enc))->isNmstrtMin(enc, p))
  224. #else
  225. #define IS_NAME_CHAR_MINBPC(enc, p) (0)
  226. #define IS_NMSTRT_CHAR_MINBPC(enc, p) (0)
  227. #endif
  228.  
  229. #ifdef XML_MIN_SIZE
  230. #define CHAR_MATCHES(enc, p, c) \
  231.  (((const struct normal_encoding *)(enc))->charMatches(enc, p, c))
  232. static
  233. int sb_charMatches(const ENCODING *enc, const char *p, int c)
  234. {
  235.   return *p == c;
  236. }
  237. #else
  238. /* c is an ASCII character */
  239. #define CHAR_MATCHES(enc, p, c) (*(p) == c)
  240. #endif
  241.  
  242. #define PREFIX(ident) normal_ ## ident
  243. #include "xmltok_impl.c"
  244.  
  245. #undef MINBPC
  246. #undef BYTE_TYPE
  247. #undef BYTE_TO_ASCII
  248. #undef CHAR_MATCHES
  249. #undef IS_NAME_CHAR
  250. #undef IS_NAME_CHAR_MINBPC
  251. #undef IS_NMSTRT_CHAR
  252. #undef IS_NMSTRT_CHAR_MINBPC
  253. #undef IS_INVALID_CHAR
  254.  
  255. enum {  /* UTF8_cvalN is value of masked first byte of N byte sequence */
  256.   UTF8_cval1 = 0x00,
  257.   UTF8_cval2 = 0xc0,
  258.   UTF8_cval3 = 0xe0,
  259.   UTF8_cval4 = 0xf0
  260. };
  261.  
  262. static
  263. void utf8_toUtf8(const ENCODING *enc,
  264.          const char **fromP, const char *fromLim,
  265.          char **toP, const char *toLim)
  266. {
  267.   char *to;
  268.   const char *from;
  269.   if (fromLim - *fromP > toLim - *toP) {
  270.     /* Avoid copying partial characters. */
  271.     for (fromLim = *fromP + (toLim - *toP); fromLim > *fromP; fromLim--)
  272.       if (((unsigned char)fromLim[-1] & 0xc0) != 0x80)
  273.     break;
  274.   }
  275.   for (to = *toP, from = *fromP; from != fromLim; from++, to++)
  276.     *to = *from;
  277.   *fromP = from;
  278.   *toP = to;
  279. }
  280.  
  281. static
  282. void utf8_toUtf16(const ENCODING *enc,
  283.           const char **fromP, const char *fromLim,
  284.           unsigned short **toP, const unsigned short *toLim)
  285. {
  286.   unsigned short *to = *toP;
  287.   const char *from = *fromP;
  288.   while (from != fromLim && to != toLim) {
  289.     switch (((struct normal_encoding *)enc)->type[(unsigned char)*from]) {
  290.     case BT_LEAD2:
  291.       *to++ = ((from[0] & 0x1f) << 6) | (from[1] & 0x3f);
  292.       from += 2;
  293.       break;
  294.     case BT_LEAD3:
  295.       *to++ = ((from[0] & 0xf) << 12) | ((from[1] & 0x3f) << 6) | (from[2] & 0x3f);
  296.       from += 3;
  297.       break;
  298.     case BT_LEAD4:
  299.       {
  300.     unsigned long n;
  301.     if (to + 1 == toLim)
  302.       break;
  303.     n = ((from[0] & 0x7) << 18) | ((from[1] & 0x3f) << 12) | ((from[2] & 0x3f) << 6) | (from[3] & 0x3f);
  304.     n -= 0x10000;
  305.     to[0] = (unsigned short)((n >> 10) | 0xD800);
  306.     to[1] = (unsigned short)((n & 0x3FF) | 0xDC00);
  307.     to += 2;
  308.     from += 4;
  309.       }
  310.       break;
  311.     default:
  312.       *to++ = *from++;
  313.       break;
  314.     }
  315.   }
  316.   *fromP = from;
  317.   *toP = to;
  318. }
  319.  
  320. #ifdef XML_NS
  321. static const struct normal_encoding utf8_encoding_ns = {
  322.   { VTABLE1, utf8_toUtf8, utf8_toUtf16, 1, 1, 0 },
  323.   {
  324. #include "asciitab.h"
  325. #include "utf8tab.h"
  326.   },
  327.   STANDARD_VTABLE(sb_) NORMAL_VTABLE(utf8_)
  328. };
  329. #endif
  330.  
  331. static const struct normal_encoding utf8_encoding = {
  332.   { VTABLE1, utf8_toUtf8, utf8_toUtf16, 1, 1, 0 },
  333.   {
  334. #define BT_COLON BT_NMSTRT
  335. #include "asciitab.h"
  336. #undef BT_COLON
  337. #include "utf8tab.h"
  338.   },
  339.   STANDARD_VTABLE(sb_) NORMAL_VTABLE(utf8_)
  340. };
  341.  
  342. #ifdef XML_NS
  343.  
  344. static const struct normal_encoding internal_utf8_encoding_ns = {
  345.   { VTABLE1, utf8_toUtf8, utf8_toUtf16, 1, 1, 0 },
  346.   {
  347. #include "iasciitab.h"
  348. #include "utf8tab.h"
  349.   },
  350.   STANDARD_VTABLE(sb_) NORMAL_VTABLE(utf8_)
  351. };
  352.  
  353. #endif
  354.  
  355. static const struct normal_encoding internal_utf8_encoding = {
  356.   { VTABLE1, utf8_toUtf8, utf8_toUtf16, 1, 1, 0 },
  357.   {
  358. #define BT_COLON BT_NMSTRT
  359. #include "iasciitab.h"
  360. #undef BT_COLON
  361. #include "utf8tab.h"
  362.   },
  363.   STANDARD_VTABLE(sb_) NORMAL_VTABLE(utf8_)
  364. };
  365.  
  366. static
  367. void latin1_toUtf8(const ENCODING *enc,
  368.            const char **fromP, const char *fromLim,
  369.            char **toP, const char *toLim)
  370. {
  371.   for (;;) {
  372.     unsigned char c;
  373.     if (*fromP == fromLim)
  374.       break;
  375.     c = (unsigned char)**fromP;
  376.     if (c & 0x80) {
  377.       if (toLim - *toP < 2)
  378.     break;
  379.       *(*toP)++ = ((c >> 6) | UTF8_cval2);
  380.       *(*toP)++ = ((c & 0x3f) | 0x80);
  381.       (*fromP)++;
  382.     }
  383.     else {
  384.       if (*toP == toLim)
  385.     break;
  386.       *(*toP)++ = *(*fromP)++;
  387.     }
  388.   }
  389. }
  390.  
  391. static
  392. void latin1_toUtf16(const ENCODING *enc,
  393.             const char **fromP, const char *fromLim,
  394.             unsigned short **toP, const unsigned short *toLim)
  395. {
  396.   while (*fromP != fromLim && *toP != toLim)
  397.     *(*toP)++ = (unsigned char)*(*fromP)++;
  398. }
  399.  
  400. #ifdef XML_NS
  401.  
  402. static const struct normal_encoding latin1_encoding_ns = {
  403.   { VTABLE1, latin1_toUtf8, latin1_toUtf16, 1, 0, 0 },
  404.   {
  405. #include "asciitab.h"
  406. #include "latin1tab.h"
  407.   },
  408.   STANDARD_VTABLE(sb_)
  409. };
  410.  
  411. #endif
  412.  
  413. static const struct normal_encoding latin1_encoding = {
  414.   { VTABLE1, latin1_toUtf8, latin1_toUtf16, 1, 0, 0 },
  415.   {
  416. #define BT_COLON BT_NMSTRT
  417. #include "asciitab.h"
  418. #undef BT_COLON
  419. #include "latin1tab.h"
  420.   },
  421.   STANDARD_VTABLE(sb_)
  422. };
  423.  
  424. static
  425. void ascii_toUtf8(const ENCODING *enc,
  426.           const char **fromP, const char *fromLim,
  427.           char **toP, const char *toLim)
  428. {
  429.   while (*fromP != fromLim && *toP != toLim)
  430.     *(*toP)++ = *(*fromP)++;
  431. }
  432.  
  433. #ifdef XML_NS
  434.  
  435. static const struct normal_encoding ascii_encoding_ns = {
  436.   { VTABLE1, ascii_toUtf8, latin1_toUtf16, 1, 1, 0 },
  437.   {
  438. #include "asciitab.h"
  439. /* BT_NONXML == 0 */
  440.   },
  441.   STANDARD_VTABLE(sb_)
  442. };
  443.  
  444. #endif
  445.  
  446. static const struct normal_encoding ascii_encoding = {
  447.   { VTABLE1, ascii_toUtf8, latin1_toUtf16, 1, 1, 0 },
  448.   {
  449. #define BT_COLON BT_NMSTRT
  450. #include "asciitab.h"
  451. #undef BT_COLON
  452. /* BT_NONXML == 0 */
  453.   },
  454.   STANDARD_VTABLE(sb_)
  455. };
  456.  
  457. static int unicode_byte_type(char hi, char lo)
  458. {
  459.   switch ((unsigned char)hi) {
  460.   case 0xD8: case 0xD9: case 0xDA: case 0xDB:
  461.     return BT_LEAD4;
  462.   case 0xDC: case 0xDD: case 0xDE: case 0xDF:
  463.     return BT_TRAIL;
  464.   case 0xFF:
  465.     switch ((unsigned char)lo) {
  466.     case 0xFF:
  467.     case 0xFE:
  468.       return BT_NONXML;
  469.     }
  470.     break;
  471.   }
  472.   return BT_NONASCII;
  473. }
  474.  
  475. #define DEFINE_UTF16_TO_UTF8(E) \
  476. static \
  477. void E ## toUtf8(const ENCODING *enc, \
  478.          const char **fromP, const char *fromLim, \
  479.          char **toP, const char *toLim) \
  480. { \
  481.   const char *from; \
  482.   for (from = *fromP; from != fromLim; from += 2) { \
  483.     int plane; \
  484.     unsigned char lo2; \
  485.     unsigned char lo = GET_LO(from); \
  486.     unsigned char hi = GET_HI(from); \
  487.     switch (hi) { \
  488.     case 0: \
  489.       if (lo < 0x80) { \
  490.         if (*toP == toLim) { \
  491.           *fromP = from; \
  492.       return; \
  493.         } \
  494.         *(*toP)++ = lo; \
  495.         break; \
  496.       } \
  497.       /* fall through */ \
  498.     case 0x1: case 0x2: case 0x3: \
  499.     case 0x4: case 0x5: case 0x6: case 0x7: \
  500.       if (toLim -  *toP < 2) { \
  501.         *fromP = from; \
  502.     return; \
  503.       } \
  504.       *(*toP)++ = ((lo >> 6) | (hi << 2) |  UTF8_cval2); \
  505.       *(*toP)++ = ((lo & 0x3f) | 0x80); \
  506.       break; \
  507.     default: \
  508.       if (toLim -  *toP < 3)  { \
  509.         *fromP = from; \
  510.     return; \
  511.       } \
  512.       /* 16 bits divided 4, 6, 6 amongst 3 bytes */ \
  513.       *(*toP)++ = ((hi >> 4) | UTF8_cval3); \
  514.       *(*toP)++ = (((hi & 0xf) << 2) | (lo >> 6) | 0x80); \
  515.       *(*toP)++ = ((lo & 0x3f) | 0x80); \
  516.       break; \
  517.     case 0xD8: case 0xD9: case 0xDA: case 0xDB: \
  518.       if (toLim -  *toP < 4) { \
  519.     *fromP = from; \
  520.     return; \
  521.       } \
  522.       plane = (((hi & 0x3) << 2) | ((lo >> 6) & 0x3)) + 1; \
  523.       *(*toP)++ = ((plane >> 2) | UTF8_cval4); \
  524.       *(*toP)++ = (((lo >> 2) & 0xF) | ((plane & 0x3) << 4) | 0x80); \
  525.       from += 2; \
  526.       lo2 = GET_LO(from); \
  527.       *(*toP)++ = (((lo & 0x3) << 4) \
  528.                | ((GET_HI(from) & 0x3) << 2) \
  529.            | (lo2 >> 6) \
  530.            | 0x80); \
  531.       *(*toP)++ = ((lo2 & 0x3f) | 0x80); \
  532.       break; \
  533.     } \
  534.   } \
  535.   *fromP = from; \
  536. }
  537.  
  538. #define DEFINE_UTF16_TO_UTF16(E) \
  539. static \
  540. void E ## toUtf16(const ENCODING *enc, \
  541.           const char **fromP, const char *fromLim, \
  542.           unsigned short **toP, const unsigned short *toLim) \
  543. { \
  544.   /* Avoid copying first half only of surrogate */ \
  545.   if (fromLim - *fromP > ((toLim - *toP) << 1) \
  546.       && (GET_HI(fromLim - 2) & 0xF8) == 0xD8) \
  547.     fromLim -= 2; \
  548.   for (; *fromP != fromLim && *toP != toLim; *fromP += 2) \
  549.     *(*toP)++ = (GET_HI(*fromP) << 8) | GET_LO(*fromP); \
  550. }
  551.  
  552. #define SET2(ptr, ch) \
  553.   (((ptr)[0] = ((ch) & 0xff)), ((ptr)[1] = ((ch) >> 8)))
  554. #define GET_LO(ptr) ((unsigned char)(ptr)[0])
  555. #define GET_HI(ptr) ((unsigned char)(ptr)[1])
  556.  
  557. DEFINE_UTF16_TO_UTF8(little2_)
  558. DEFINE_UTF16_TO_UTF16(little2_)
  559.  
  560. #undef SET2
  561. #undef GET_LO
  562. #undef GET_HI
  563.  
  564. #define SET2(ptr, ch) \
  565.   (((ptr)[0] = ((ch) >> 8)), ((ptr)[1] = ((ch) & 0xFF)))
  566. #define GET_LO(ptr) ((unsigned char)(ptr)[1])
  567. #define GET_HI(ptr) ((unsigned char)(ptr)[0])
  568.  
  569. DEFINE_UTF16_TO_UTF8(big2_)
  570. DEFINE_UTF16_TO_UTF16(big2_)
  571.  
  572. #undef SET2
  573. #undef GET_LO
  574. #undef GET_HI
  575.  
  576. #define LITTLE2_BYTE_TYPE(enc, p) \
  577.  ((p)[1] == 0 \
  578.   ? ((struct normal_encoding *)(enc))->type[(unsigned char)*(p)] \
  579.   : unicode_byte_type((p)[1], (p)[0]))
  580. #define LITTLE2_BYTE_TO_ASCII(enc, p) ((p)[1] == 0 ? (p)[0] : -1)
  581. #define LITTLE2_CHAR_MATCHES(enc, p, c) ((p)[1] == 0 && (p)[0] == c)
  582. #define LITTLE2_IS_NAME_CHAR_MINBPC(enc, p) \
  583.   UCS2_GET_NAMING(namePages, (unsigned char)p[1], (unsigned char)p[0])
  584. #define LITTLE2_IS_NMSTRT_CHAR_MINBPC(enc, p) \
  585.   UCS2_GET_NAMING(nmstrtPages, (unsigned char)p[1], (unsigned char)p[0])
  586.  
  587. #ifdef XML_MIN_SIZE
  588.  
  589. static
  590. int little2_byteType(const ENCODING *enc, const char *p)
  591. {
  592.   return LITTLE2_BYTE_TYPE(enc, p);
  593. }
  594.  
  595. static
  596. int little2_byteToAscii(const ENCODING *enc, const char *p)
  597. {
  598.   return LITTLE2_BYTE_TO_ASCII(enc, p);
  599. }
  600.  
  601. static
  602. int little2_charMatches(const ENCODING *enc, const char *p, int c)
  603. {
  604.   return LITTLE2_CHAR_MATCHES(enc, p, c);
  605. }
  606.  
  607. static
  608. int little2_isNameMin(const ENCODING *enc, const char *p)
  609. {
  610.   return LITTLE2_IS_NAME_CHAR_MINBPC(enc, p);
  611. }
  612.  
  613. static
  614. int little2_isNmstrtMin(const ENCODING *enc, const char *p)
  615. {
  616.   return LITTLE2_IS_NMSTRT_CHAR_MINBPC(enc, p);
  617. }
  618.  
  619. #undef VTABLE
  620. #define VTABLE VTABLE1, little2_toUtf8, little2_toUtf16
  621.  
  622. #else /* not XML_MIN_SIZE */
  623.  
  624. #undef PREFIX
  625. #define PREFIX(ident) little2_ ## ident
  626. #define MINBPC(enc) 2
  627. /* CHAR_MATCHES is guaranteed to have MINBPC bytes available. */
  628. #define BYTE_TYPE(enc, p) LITTLE2_BYTE_TYPE(enc, p)
  629. #define BYTE_TO_ASCII(enc, p) LITTLE2_BYTE_TO_ASCII(enc, p) 
  630. #define CHAR_MATCHES(enc, p, c) LITTLE2_CHAR_MATCHES(enc, p, c)
  631. #define IS_NAME_CHAR(enc, p, n) 0
  632. #define IS_NAME_CHAR_MINBPC(enc, p) LITTLE2_IS_NAME_CHAR_MINBPC(enc, p)
  633. #define IS_NMSTRT_CHAR(enc, p, n) (0)
  634. #define IS_NMSTRT_CHAR_MINBPC(enc, p) LITTLE2_IS_NMSTRT_CHAR_MINBPC(enc, p)
  635.  
  636. #include "xmltok_impl.c"
  637.  
  638. #undef MINBPC
  639. #undef BYTE_TYPE
  640. #undef BYTE_TO_ASCII
  641. #undef CHAR_MATCHES
  642. #undef IS_NAME_CHAR
  643. #undef IS_NAME_CHAR_MINBPC
  644. #undef IS_NMSTRT_CHAR
  645. #undef IS_NMSTRT_CHAR_MINBPC
  646. #undef IS_INVALID_CHAR
  647.  
  648. #endif /* not XML_MIN_SIZE */
  649.  
  650. #ifdef XML_NS
  651.  
  652. static const struct normal_encoding little2_encoding_ns = { 
  653.   { VTABLE, 2, 0,
  654. #if XML_BYTE_ORDER == 12
  655.     1
  656. #else
  657.     0
  658. #endif
  659.   },
  660.   {
  661. #include "asciitab.h"
  662. #include "latin1tab.h"
  663.   },
  664.   STANDARD_VTABLE(little2_)
  665. };
  666.  
  667. #endif
  668.  
  669. static const struct normal_encoding little2_encoding = { 
  670.   { VTABLE, 2, 0,
  671. #if XML_BYTE_ORDER == 12
  672.     1
  673. #else
  674.     0
  675. #endif
  676.   },
  677.   {
  678. #define BT_COLON BT_NMSTRT
  679. #include "asciitab.h"
  680. #undef BT_COLON
  681. #include "latin1tab.h"
  682.   },
  683.   STANDARD_VTABLE(little2_)
  684. };
  685.  
  686. #if XML_BYTE_ORDER != 21
  687.  
  688. #ifdef XML_NS
  689.  
  690. static const struct normal_encoding internal_little2_encoding_ns = { 
  691.   { VTABLE, 2, 0, 1 },
  692.   {
  693. #include "iasciitab.h"
  694. #include "latin1tab.h"
  695.   },
  696.   STANDARD_VTABLE(little2_)
  697. };
  698.  
  699. #endif
  700.  
  701. static const struct normal_encoding internal_little2_encoding = { 
  702.   { VTABLE, 2, 0, 1 },
  703.   {
  704. #define BT_COLON BT_NMSTRT
  705. #include "iasciitab.h"
  706. #undef BT_COLON
  707. #include "latin1tab.h"
  708.   },
  709.   STANDARD_VTABLE(little2_)
  710. };
  711.  
  712. #endif
  713.  
  714.  
  715. #define BIG2_BYTE_TYPE(enc, p) \
  716.  ((p)[0] == 0 \
  717.   ? ((struct normal_encoding *)(enc))->type[(unsigned char)(p)[1]] \
  718.   : unicode_byte_type((p)[0], (p)[1]))
  719. #define BIG2_BYTE_TO_ASCII(enc, p) ((p)[0] == 0 ? (p)[1] : -1)
  720. #define BIG2_CHAR_MATCHES(enc, p, c) ((p)[0] == 0 && (p)[1] == c)
  721. #define BIG2_IS_NAME_CHAR_MINBPC(enc, p) \
  722.   UCS2_GET_NAMING(namePages, (unsigned char)p[0], (unsigned char)p[1])
  723. #define BIG2_IS_NMSTRT_CHAR_MINBPC(enc, p) \
  724.   UCS2_GET_NAMING(nmstrtPages, (unsigned char)p[0], (unsigned char)p[1])
  725.  
  726. #ifdef XML_MIN_SIZE
  727.  
  728. static
  729. int big2_byteType(const ENCODING *enc, const char *p)
  730. {
  731.   return BIG2_BYTE_TYPE(enc, p);
  732. }
  733.  
  734. static
  735. int big2_byteToAscii(const ENCODING *enc, const char *p)
  736. {
  737.   return BIG2_BYTE_TO_ASCII(enc, p);
  738. }
  739.  
  740. static
  741. int big2_charMatches(const ENCODING *enc, const char *p, int c)
  742. {
  743.   return BIG2_CHAR_MATCHES(enc, p, c);
  744. }
  745.  
  746. static
  747. int big2_isNameMin(const ENCODING *enc, const char *p)
  748. {
  749.   return BIG2_IS_NAME_CHAR_MINBPC(enc, p);
  750. }
  751.  
  752. static
  753. int big2_isNmstrtMin(const ENCODING *enc, const char *p)
  754. {
  755.   return BIG2_IS_NMSTRT_CHAR_MINBPC(enc, p);
  756. }
  757.  
  758. #undef VTABLE
  759. #define VTABLE VTABLE1, big2_toUtf8, big2_toUtf16
  760.  
  761. #else /* not XML_MIN_SIZE */
  762.  
  763. #undef PREFIX
  764. #define PREFIX(ident) big2_ ## ident
  765. #define MINBPC(enc) 2
  766. /* CHAR_MATCHES is guaranteed to have MINBPC bytes available. */
  767. #define BYTE_TYPE(enc, p) BIG2_BYTE_TYPE(enc, p)
  768. #define BYTE_TO_ASCII(enc, p) BIG2_BYTE_TO_ASCII(enc, p) 
  769. #define CHAR_MATCHES(enc, p, c) BIG2_CHAR_MATCHES(enc, p, c)
  770. #define IS_NAME_CHAR(enc, p, n) 0
  771. #define IS_NAME_CHAR_MINBPC(enc, p) BIG2_IS_NAME_CHAR_MINBPC(enc, p)
  772. #define IS_NMSTRT_CHAR(enc, p, n) (0)
  773. #define IS_NMSTRT_CHAR_MINBPC(enc, p) BIG2_IS_NMSTRT_CHAR_MINBPC(enc, p)
  774.  
  775. #include "xmltok_impl.c"
  776.  
  777. #undef MINBPC
  778. #undef BYTE_TYPE
  779. #undef BYTE_TO_ASCII
  780. #undef CHAR_MATCHES
  781. #undef IS_NAME_CHAR
  782. #undef IS_NAME_CHAR_MINBPC
  783. #undef IS_NMSTRT_CHAR
  784. #undef IS_NMSTRT_CHAR_MINBPC
  785. #undef IS_INVALID_CHAR
  786.  
  787. #endif /* not XML_MIN_SIZE */
  788.  
  789. #ifdef XML_NS
  790.  
  791. static const struct normal_encoding big2_encoding_ns = {
  792.   { VTABLE, 2, 0,
  793. #if XML_BYTE_ORDER == 21
  794.   1
  795. #else
  796.   0
  797. #endif
  798.   },
  799.   {
  800. #include "asciitab.h"
  801. #include "latin1tab.h"
  802.   },
  803.   STANDARD_VTABLE(big2_)
  804. };
  805.  
  806. #endif
  807.  
  808. static const struct normal_encoding big2_encoding = {
  809.   { VTABLE, 2, 0,
  810. #if XML_BYTE_ORDER == 21
  811.   1
  812. #else
  813.   0
  814. #endif
  815.   },
  816.   {
  817. #define BT_COLON BT_NMSTRT
  818. #include "asciitab.h"
  819. #undef BT_COLON
  820. #include "latin1tab.h"
  821.   },
  822.   STANDARD_VTABLE(big2_)
  823. };
  824.  
  825. #if XML_BYTE_ORDER != 12
  826.  
  827. #ifdef XML_NS
  828.  
  829. static const struct normal_encoding internal_big2_encoding_ns = {
  830.   { VTABLE, 2, 0, 1 },
  831.   {
  832. #include "iasciitab.h"
  833. #include "latin1tab.h"
  834.   },
  835.   STANDARD_VTABLE(big2_)
  836. };
  837.  
  838. #endif
  839.  
  840. static const struct normal_encoding internal_big2_encoding = {
  841.   { VTABLE, 2, 0, 1 },
  842.   {
  843. #define BT_COLON BT_NMSTRT
  844. #include "iasciitab.h"
  845. #undef BT_COLON
  846. #include "latin1tab.h"
  847.   },
  848.   STANDARD_VTABLE(big2_)
  849. };
  850.  
  851. #endif
  852.  
  853. #undef PREFIX
  854.  
  855. static
  856. int streqci(const char *s1, const char *s2)
  857. {
  858.   for (;;) {
  859.     char c1 = *s1++;
  860.     char c2 = *s2++;
  861.     if (ASCII_a <= c1 && c1 <= ASCII_z)
  862.       c1 += ASCII_A - ASCII_a;
  863.     if (ASCII_a <= c2 && c2 <= ASCII_z)
  864.       c2 += ASCII_A - ASCII_a;
  865.     if (c1 != c2)
  866.       return 0;
  867.     if (!c1)
  868.       break;
  869.   }
  870.   return 1;
  871. }
  872.  
  873. static
  874. void initUpdatePosition(const ENCODING *enc, const char *ptr,
  875.             const char *end, POSITION *pos)
  876. {
  877.   normal_updatePosition(&utf8_encoding.enc, ptr, end, pos);
  878. }
  879.  
  880. static
  881. int toAscii(const ENCODING *enc, const char *ptr, const char *end)
  882. {
  883.   char buf[1];
  884.   char *p = buf;
  885.   XmlUtf8Convert(enc, &ptr, end, &p, p + 1);
  886.   if (p == buf)
  887.     return -1;
  888.   else
  889.     return buf[0];
  890. }
  891.  
  892. static
  893. int isSpace(int c)
  894. {
  895.   switch (c) {
  896.   case 0x20:
  897.   case 0xD:
  898.   case 0xA:
  899.   case 0x9:    
  900.     return 1;
  901.   }
  902.   return 0;
  903. }
  904.  
  905. /* Return 1 if there's just optional white space
  906. or there's an S followed by name=val. */
  907. static
  908. int parsePseudoAttribute(const ENCODING *enc,
  909.              const char *ptr,
  910.              const char *end,
  911.              const char **namePtr,
  912.              const char **nameEndPtr,
  913.              const char **valPtr,
  914.              const char **nextTokPtr)
  915. {
  916.   int c;
  917.   char open;
  918.   if (ptr == end) {
  919.     *namePtr = 0;
  920.     return 1;
  921.   }
  922.   if (!isSpace(toAscii(enc, ptr, end))) {
  923.     *nextTokPtr = ptr;
  924.     return 0;
  925.   }
  926.   do {
  927.     ptr += enc->minBytesPerChar;
  928.   } while (isSpace(toAscii(enc, ptr, end)));
  929.   if (ptr == end) {
  930.     *namePtr = 0;
  931.     return 1;
  932.   }
  933.   *namePtr = ptr;
  934.   for (;;) {
  935.     c = toAscii(enc, ptr, end);
  936.     if (c == -1) {
  937.       *nextTokPtr = ptr;
  938.       return 0;
  939.     }
  940.     if (c == ASCII_EQUALS) {
  941.       *nameEndPtr = ptr;
  942.       break;
  943.     }
  944.     if (isSpace(c)) {
  945.       *nameEndPtr = ptr;
  946.       do {
  947.     ptr += enc->minBytesPerChar;
  948.       } while (isSpace(c = toAscii(enc, ptr, end)));
  949.       if (c != ASCII_EQUALS) {
  950.     *nextTokPtr = ptr;
  951.     return 0;
  952.       }
  953.       break;
  954.     }
  955.     ptr += enc->minBytesPerChar;
  956.   }
  957.   if (ptr == *namePtr) {
  958.     *nextTokPtr = ptr;
  959.     return 0;
  960.   }
  961.   ptr += enc->minBytesPerChar;
  962.   c = toAscii(enc, ptr, end);
  963.   while (isSpace(c)) {
  964.     ptr += enc->minBytesPerChar;
  965.     c = toAscii(enc, ptr, end);
  966.   }
  967.   if (c != ASCII_QUOT && c != ASCII_APOS) {
  968.     *nextTokPtr = ptr;
  969.     return 0;
  970.   }
  971.   open = c;
  972.   ptr += enc->minBytesPerChar;
  973.   *valPtr = ptr;
  974.   for (;; ptr += enc->minBytesPerChar) {
  975.     c = toAscii(enc, ptr, end);
  976.     if (c == open)
  977.       break;
  978.     if (!(ASCII_a <= c && c <= ASCII_z)
  979.     && !(ASCII_A <= c && c <= ASCII_Z)
  980.     && !(ASCII_0 <= c && c <= ASCII_9)
  981.     && c != ASCII_PERIOD
  982.     && c != ASCII_MINUS
  983.     && c != ASCII_UNDERSCORE) {
  984.       *nextTokPtr = ptr;
  985.       return 0;
  986.     }
  987.   }
  988.   *nextTokPtr = ptr + enc->minBytesPerChar;
  989.   return 1;
  990. }
  991.  
  992. static const char KW_version[] = {
  993.   ASCII_v, ASCII_e, ASCII_r, ASCII_s, ASCII_i, ASCII_o, ASCII_n, '\0'
  994. };
  995.  
  996. static const char KW_encoding[] = {
  997.   ASCII_e, ASCII_n, ASCII_c, ASCII_o, ASCII_d, ASCII_i, ASCII_n, ASCII_g, '\0'
  998. };
  999.  
  1000. static const char KW_standalone[] = {
  1001.   ASCII_s, ASCII_t, ASCII_a, ASCII_n, ASCII_d, ASCII_a, ASCII_l, ASCII_o, ASCII_n, ASCII_e, '\0'
  1002. };
  1003.  
  1004. static const char KW_yes[] = {
  1005.   ASCII_y, ASCII_e, ASCII_s,  '\0'
  1006. };
  1007.  
  1008. static const char KW_no[] = {
  1009.   ASCII_n, ASCII_o,  '\0'
  1010. };
  1011.  
  1012. static
  1013. int doParseXmlDecl(const ENCODING *(*encodingFinder)(const ENCODING *,
  1014.                                              const char *,
  1015.                              const char *),
  1016.            int isGeneralTextEntity,
  1017.            const ENCODING *enc,
  1018.            const char *ptr,
  1019.            const char *end,
  1020.            const char **badPtr,
  1021.            const char **versionPtr,
  1022.            const char **encodingName,
  1023.            const ENCODING **encoding,
  1024.            int *standalone)
  1025. {
  1026.   const char *val = 0;
  1027.   const char *name = 0;
  1028.   const char *nameEnd = 0;
  1029.   ptr += 5 * enc->minBytesPerChar;
  1030.   end -= 2 * enc->minBytesPerChar;
  1031.   if (!parsePseudoAttribute(enc, ptr, end, &name, &nameEnd, &val, &ptr) || !name) {
  1032.     *badPtr = ptr;
  1033.     return 0;
  1034.   }
  1035.   if (!XmlNameMatchesAscii(enc, name, nameEnd, KW_version)) {
  1036.     if (!isGeneralTextEntity) {
  1037.       *badPtr = name;
  1038.       return 0;
  1039.     }
  1040.   }
  1041.   else {
  1042.     if (versionPtr)
  1043.       *versionPtr = val;
  1044.     if (!parsePseudoAttribute(enc, ptr, end, &name, &nameEnd, &val, &ptr)) {
  1045.       *badPtr = ptr;
  1046.       return 0;
  1047.     }
  1048.     if (!name) {
  1049.       if (isGeneralTextEntity) {
  1050.     /* a TextDecl must have an EncodingDecl */
  1051.     *badPtr = ptr;
  1052.     return 0;
  1053.       }
  1054.       return 1;
  1055.     }
  1056.   }
  1057.   if (XmlNameMatchesAscii(enc, name, nameEnd, KW_encoding)) {
  1058.     int c = toAscii(enc, val, end);
  1059.     if (!(ASCII_a <= c && c <= ASCII_z) && !(ASCII_A <= c && c <= ASCII_Z)) {
  1060.       *badPtr = val;
  1061.       return 0;
  1062.     }
  1063.     if (encodingName)
  1064.       *encodingName = val;
  1065.     if (encoding)
  1066.       *encoding = encodingFinder(enc, val, ptr - enc->minBytesPerChar);
  1067.     if (!parsePseudoAttribute(enc, ptr, end, &name, &nameEnd, &val, &ptr)) {
  1068.       *badPtr = ptr;
  1069.       return 0;
  1070.     }
  1071.     if (!name)
  1072.       return 1;
  1073.   }
  1074.   if (!XmlNameMatchesAscii(enc, name, nameEnd, KW_standalone) || isGeneralTextEntity) {
  1075.     *badPtr = name;
  1076.     return 0;
  1077.   }
  1078.   if (XmlNameMatchesAscii(enc, val, ptr - enc->minBytesPerChar, KW_yes)) {
  1079.     if (standalone)
  1080.       *standalone = 1;
  1081.   }
  1082.   else if (XmlNameMatchesAscii(enc, val, ptr - enc->minBytesPerChar, KW_no)) {
  1083.     if (standalone)
  1084.       *standalone = 0;
  1085.   }
  1086.   else {
  1087.     *badPtr = val;
  1088.     return 0;
  1089.   }
  1090.   while (isSpace(toAscii(enc, ptr, end)))
  1091.     ptr += enc->minBytesPerChar;
  1092.   if (ptr != end) {
  1093.     *badPtr = ptr;
  1094.     return 0;
  1095.   }
  1096.   return 1;
  1097. }
  1098.  
  1099. static
  1100. int checkCharRefNumber(int result)
  1101. {
  1102.   switch (result >> 8) {
  1103.   case 0xD8: case 0xD9: case 0xDA: case 0xDB:
  1104.   case 0xDC: case 0xDD: case 0xDE: case 0xDF:
  1105.     return -1;
  1106.   case 0:
  1107.     if (latin1_encoding.type[result] == BT_NONXML)
  1108.       return -1;
  1109.     break;
  1110.   case 0xFF:
  1111.     if (result == 0xFFFE || result == 0xFFFF)
  1112.       return -1;
  1113.     break;
  1114.   }
  1115.   return result;
  1116. }
  1117.  
  1118. int XmlUtf8Encode(int c, char *buf)
  1119. {
  1120.   enum {
  1121.     /* minN is minimum legal resulting value for N byte sequence */
  1122.     min2 = 0x80,
  1123.     min3 = 0x800,
  1124.     min4 = 0x10000
  1125.   };
  1126.  
  1127.   if (c < 0)
  1128.     return 0;
  1129.   if (c < min2) {
  1130.     buf[0] = (c | UTF8_cval1);
  1131.     return 1;
  1132.   }
  1133.   if (c < min3) {
  1134.     buf[0] = ((c >> 6) | UTF8_cval2);
  1135.     buf[1] = ((c & 0x3f) | 0x80);
  1136.     return 2;
  1137.   }
  1138.   if (c < min4) {
  1139.     buf[0] = ((c >> 12) | UTF8_cval3);
  1140.     buf[1] = (((c >> 6) & 0x3f) | 0x80);
  1141.     buf[2] = ((c & 0x3f) | 0x80);
  1142.     return 3;
  1143.   }
  1144.   if (c < 0x110000) {
  1145.     buf[0] = ((c >> 18) | UTF8_cval4);
  1146.     buf[1] = (((c >> 12) & 0x3f) | 0x80);
  1147.     buf[2] = (((c >> 6) & 0x3f) | 0x80);
  1148.     buf[3] = ((c & 0x3f) | 0x80);
  1149.     return 4;
  1150.   }
  1151.   return 0;
  1152. }
  1153.  
  1154. int XmlUtf16Encode(int charNum, unsigned short *buf)
  1155. {
  1156.   if (charNum < 0)
  1157.     return 0;
  1158.   if (charNum < 0x10000) {
  1159.     buf[0] = charNum;
  1160.     return 1;
  1161.   }
  1162.   if (charNum < 0x110000) {
  1163.     charNum -= 0x10000;
  1164.     buf[0] = (charNum >> 10) + 0xD800;
  1165.     buf[1] = (charNum & 0x3FF) + 0xDC00;
  1166.     return 2;
  1167.   }
  1168.   return 0;
  1169. }
  1170.  
  1171. struct unknown_encoding {
  1172.   struct normal_encoding normal;
  1173.   int (*convert)(void *userData, const char *p);
  1174.   void *userData;
  1175.   unsigned short utf16[256];
  1176.   char utf8[256][4];
  1177. };
  1178.  
  1179. int XmlSizeOfUnknownEncoding(void)
  1180. {
  1181.   return sizeof(struct unknown_encoding);
  1182. }
  1183.  
  1184. static
  1185. int unknown_isName(const ENCODING *enc, const char *p)
  1186. {
  1187.   int c = ((const struct unknown_encoding *)enc)
  1188.       ->convert(((const struct unknown_encoding *)enc)->userData, p);
  1189.   if (c & ~0xFFFF)
  1190.     return 0;
  1191.   return UCS2_GET_NAMING(namePages, c >> 8, c & 0xFF);
  1192. }
  1193.  
  1194. static
  1195. int unknown_isNmstrt(const ENCODING *enc, const char *p)
  1196. {
  1197.   int c = ((const struct unknown_encoding *)enc)
  1198.       ->convert(((const struct unknown_encoding *)enc)->userData, p);
  1199.   if (c & ~0xFFFF)
  1200.     return 0;
  1201.   return UCS2_GET_NAMING(nmstrtPages, c >> 8, c & 0xFF);
  1202. }
  1203.  
  1204. static
  1205. int unknown_isInvalid(const ENCODING *enc, const char *p)
  1206. {
  1207.   int c = ((const struct unknown_encoding *)enc)
  1208.        ->convert(((const struct unknown_encoding *)enc)->userData, p);
  1209.   return (c & ~0xFFFF) || checkCharRefNumber(c) < 0;
  1210. }
  1211.  
  1212. static
  1213. void unknown_toUtf8(const ENCODING *enc,
  1214.             const char **fromP, const char *fromLim,
  1215.             char **toP, const char *toLim)
  1216. {
  1217.   char buf[XML_UTF8_ENCODE_MAX];
  1218.   for (;;) {
  1219.     const char *utf8;
  1220.     int n;
  1221.     if (*fromP == fromLim)
  1222.       break;
  1223.     utf8 = ((const struct unknown_encoding *)enc)->utf8[(unsigned char)**fromP];
  1224.     n = *utf8++;
  1225.     if (n == 0) {
  1226.       int c = ((const struct unknown_encoding *)enc)
  1227.           ->convert(((const struct unknown_encoding *)enc)->userData, *fromP);
  1228.       n = XmlUtf8Encode(c, buf);
  1229.       if (n > toLim - *toP)
  1230.     break;
  1231.       utf8 = buf;
  1232.       *fromP += ((const struct normal_encoding *)enc)->type[(unsigned char)**fromP]
  1233.              - (BT_LEAD2 - 2);
  1234.     }
  1235.     else {
  1236.       if (n > toLim - *toP)
  1237.     break;
  1238.       (*fromP)++;
  1239.     }
  1240.     do {
  1241.       *(*toP)++ = *utf8++;
  1242.     } while (--n != 0);
  1243.   }
  1244. }
  1245.  
  1246. static
  1247. void unknown_toUtf16(const ENCODING *enc,
  1248.              const char **fromP, const char *fromLim,
  1249.              unsigned short **toP, const unsigned short *toLim)
  1250. {
  1251.   while (*fromP != fromLim && *toP != toLim) {
  1252.     unsigned short c
  1253.       = ((const struct unknown_encoding *)enc)->utf16[(unsigned char)**fromP];
  1254.     if (c == 0) {
  1255.       c = (unsigned short)((const struct unknown_encoding *)enc)
  1256.        ->convert(((const struct unknown_encoding *)enc)->userData, *fromP);
  1257.       *fromP += ((const struct normal_encoding *)enc)->type[(unsigned char)**fromP]
  1258.              - (BT_LEAD2 - 2);
  1259.     }
  1260.     else
  1261.       (*fromP)++;
  1262.     *(*toP)++ = c;
  1263.   }
  1264. }
  1265.  
  1266. ENCODING *
  1267. XmlInitUnknownEncoding(void *mem,
  1268.                int *table,
  1269.                int (*convert)(void *userData, const char *p),
  1270.                void *userData)
  1271. {
  1272.   int i;
  1273.   struct unknown_encoding *e = mem;
  1274.   for (i = 0; i < (int)sizeof(struct normal_encoding); i++)
  1275.     ((char *)mem)[i] = ((char *)&latin1_encoding)[i];
  1276.   for (i = 0; i < 128; i++)
  1277.     if (latin1_encoding.type[i] != BT_OTHER
  1278.         && latin1_encoding.type[i] != BT_NONXML
  1279.     && table[i] != i)
  1280.       return 0;
  1281.   for (i = 0; i < 256; i++) {
  1282.     int c = table[i];
  1283.     if (c == -1) {
  1284.       e->normal.type[i] = BT_MALFORM;
  1285.       /* This shouldn't really get used. */
  1286.       e->utf16[i] = 0xFFFF;
  1287.       e->utf8[i][0] = 1;
  1288.       e->utf8[i][1] = 0;
  1289.     }
  1290.     else if (c < 0) {
  1291.       if (c < -4)
  1292.     return 0;
  1293.       e->normal.type[i] = BT_LEAD2 - (c + 2);
  1294.       e->utf8[i][0] = 0;
  1295.       e->utf16[i] = 0;
  1296.     }
  1297.     else if (c < 0x80) {
  1298.       if (latin1_encoding.type[c] != BT_OTHER
  1299.       && latin1_encoding.type[c] != BT_NONXML
  1300.       && c != i)
  1301.     return 0;
  1302.       e->normal.type[i] = latin1_encoding.type[c];
  1303.       e->utf8[i][0] = 1;
  1304.       e->utf8[i][1] = (char)c;
  1305.       e->utf16[i] = c == 0 ? 0xFFFF : c;
  1306.     }
  1307.     else if (checkCharRefNumber(c) < 0) {
  1308.       e->normal.type[i] = BT_NONXML;
  1309.       /* This shouldn't really get used. */
  1310.       e->utf16[i] = 0xFFFF;
  1311.       e->utf8[i][0] = 1;
  1312.       e->utf8[i][1] = 0;
  1313.     }
  1314.     else {
  1315.       if (c > 0xFFFF)
  1316.     return 0;
  1317.       if (UCS2_GET_NAMING(nmstrtPages, c >> 8, c & 0xff))
  1318.     e->normal.type[i] = BT_NMSTRT;
  1319.       else if (UCS2_GET_NAMING(namePages, c >> 8, c & 0xff))
  1320.     e->normal.type[i] = BT_NAME;
  1321.       else
  1322.     e->normal.type[i] = BT_OTHER;
  1323.       e->utf8[i][0] = (char)XmlUtf8Encode(c, e->utf8[i] + 1);
  1324.       e->utf16[i] = c;
  1325.     }
  1326.   }
  1327.   e->userData = userData;
  1328.   e->convert = convert;
  1329.   if (convert) {
  1330.     e->normal.isName2 = unknown_isName;
  1331.     e->normal.isName3 = unknown_isName;
  1332.     e->normal.isName4 = unknown_isName;
  1333.     e->normal.isNmstrt2 = unknown_isNmstrt;
  1334.     e->normal.isNmstrt3 = unknown_isNmstrt;
  1335.     e->normal.isNmstrt4 = unknown_isNmstrt;
  1336.     e->normal.isInvalid2 = unknown_isInvalid;
  1337.     e->normal.isInvalid3 = unknown_isInvalid;
  1338.     e->normal.isInvalid4 = unknown_isInvalid;
  1339.   }
  1340.   e->normal.enc.utf8Convert = unknown_toUtf8;
  1341.   e->normal.enc.utf16Convert = unknown_toUtf16;
  1342.   return &(e->normal.enc);
  1343. }
  1344.  
  1345. /* If this enumeration is changed, getEncodingIndex and encodings
  1346. must also be changed. */
  1347. enum {
  1348.   UNKNOWN_ENC = -1,
  1349.   ISO_8859_1_ENC = 0,
  1350.   US_ASCII_ENC,
  1351.   UTF_8_ENC,
  1352.   UTF_16_ENC,
  1353.   UTF_16BE_ENC,
  1354.   UTF_16LE_ENC,
  1355.   /* must match encodingNames up to here */
  1356.   NO_ENC
  1357. };
  1358.  
  1359. static const char KW_ISO_8859_1[] = {
  1360.   ASCII_I, ASCII_S, ASCII_O, ASCII_MINUS, ASCII_8, ASCII_8, ASCII_5, ASCII_9, ASCII_MINUS, ASCII_1, '\0'
  1361. };
  1362. static const char KW_US_ASCII[] = {
  1363.   ASCII_U, ASCII_S, ASCII_MINUS, ASCII_A, ASCII_S, ASCII_C, ASCII_I, ASCII_I, '\0'
  1364. };
  1365. static const char KW_UTF_8[] =    {
  1366.   ASCII_U, ASCII_T, ASCII_F, ASCII_MINUS, ASCII_8, '\0'
  1367. };
  1368. static const char KW_UTF_16[] =    {
  1369.   ASCII_U, ASCII_T, ASCII_F, ASCII_MINUS, ASCII_1, ASCII_6, '\0'
  1370. };
  1371. static const char KW_UTF_16BE[] = {
  1372.   ASCII_U, ASCII_T, ASCII_F, ASCII_MINUS, ASCII_1, ASCII_6, ASCII_B, ASCII_E, '\0'
  1373. };
  1374. static const char KW_UTF_16LE[] = {
  1375.   ASCII_U, ASCII_T, ASCII_F, ASCII_MINUS, ASCII_1, ASCII_6, ASCII_L, ASCII_E, '\0'
  1376. };
  1377.  
  1378. static
  1379. int getEncodingIndex(const char *name)
  1380. {
  1381.   static const char *encodingNames[] = {
  1382.     KW_ISO_8859_1,
  1383.     KW_US_ASCII,
  1384.     KW_UTF_8,
  1385.     KW_UTF_16,
  1386.     KW_UTF_16BE,
  1387.     KW_UTF_16LE,
  1388.   };
  1389.   int i;
  1390.   if (name == 0)
  1391.     return NO_ENC;
  1392.   for (i = 0; i < (int)(sizeof(encodingNames)/sizeof(encodingNames[0])); i++)
  1393.     if (streqci(name, encodingNames[i]))
  1394.       return i;
  1395.   return UNKNOWN_ENC;
  1396. }
  1397.  
  1398. /* For binary compatibility, we store the index of the encoding specified
  1399. at initialization in the isUtf16 member. */
  1400.  
  1401. #define INIT_ENC_INDEX(enc) ((int)(enc)->initEnc.isUtf16)
  1402. #define SET_INIT_ENC_INDEX(enc, i) ((enc)->initEnc.isUtf16 = (char)i)
  1403.  
  1404. /* This is what detects the encoding.
  1405. encodingTable maps from encoding indices to encodings;
  1406. INIT_ENC_INDEX(enc) is the index of the external (protocol) specified encoding;
  1407. state is XML_CONTENT_STATE if we're parsing an external text entity,
  1408. and XML_PROLOG_STATE otherwise.
  1409. */
  1410.  
  1411.  
  1412. static
  1413. int initScan(const ENCODING **encodingTable,
  1414.          const INIT_ENCODING *enc,
  1415.          int state,
  1416.          const char *ptr,
  1417.          const char *end,
  1418.          const char **nextTokPtr)
  1419. {
  1420.   const ENCODING **encPtr;
  1421.  
  1422.   if (ptr == end)
  1423.     return XML_TOK_NONE;
  1424.   encPtr = enc->encPtr;
  1425.   if (ptr + 1 == end) {
  1426.     /* only a single byte available for auto-detection */
  1427. #ifndef XML_DTD /* FIXME */
  1428.     /* a well-formed document entity must have more than one byte */
  1429.     if (state != XML_CONTENT_STATE)
  1430.       return XML_TOK_PARTIAL;
  1431. #endif
  1432.     /* so we're parsing an external text entity... */
  1433.     /* if UTF-16 was externally specified, then we need at least 2 bytes */
  1434.     switch (INIT_ENC_INDEX(enc)) {
  1435.     case UTF_16_ENC:
  1436.     case UTF_16LE_ENC:
  1437.     case UTF_16BE_ENC:
  1438.       return XML_TOK_PARTIAL;
  1439.     }
  1440.     switch ((unsigned char)*ptr) {
  1441.     case 0xFE:
  1442.     case 0xFF:
  1443.     case 0xEF: /* possibly first byte of UTF-8 BOM */
  1444.       if (INIT_ENC_INDEX(enc) == ISO_8859_1_ENC
  1445.       && state == XML_CONTENT_STATE)
  1446.     break;
  1447.       /* fall through */
  1448.     case 0x00:
  1449.     case 0x3C:
  1450.       return XML_TOK_PARTIAL;
  1451.     }
  1452.   }
  1453.   else {
  1454.     switch (((unsigned char)ptr[0] << 8) | (unsigned char)ptr[1]) {
  1455.     case 0xFEFF:
  1456.       if (INIT_ENC_INDEX(enc) == ISO_8859_1_ENC
  1457.       && state == XML_CONTENT_STATE)
  1458.     break;
  1459.       *nextTokPtr = ptr + 2;
  1460.       *encPtr = encodingTable[UTF_16BE_ENC];
  1461.       return XML_TOK_BOM;
  1462.     /* 00 3C is handled in the default case */
  1463.     case 0x3C00:
  1464.       if ((INIT_ENC_INDEX(enc) == UTF_16BE_ENC
  1465.        || INIT_ENC_INDEX(enc) == UTF_16_ENC)
  1466.       && state == XML_CONTENT_STATE)
  1467.     break;
  1468.       *encPtr = encodingTable[UTF_16LE_ENC];
  1469.       return XmlTok(*encPtr, state, ptr, end, nextTokPtr);
  1470.     case 0xFFFE:
  1471.       if (INIT_ENC_INDEX(enc) == ISO_8859_1_ENC
  1472.       && state == XML_CONTENT_STATE)
  1473.     break;
  1474.       *nextTokPtr = ptr + 2;
  1475.       *encPtr = encodingTable[UTF_16LE_ENC];
  1476.       return XML_TOK_BOM;
  1477.     case 0xEFBB:
  1478.       /* Maybe a UTF-8 BOM (EF BB BF) */
  1479.       /* If there's an explicitly specified (external) encoding
  1480.          of ISO-8859-1 or some flavour of UTF-16
  1481.          and this is an external text entity,
  1482.      don't look for the BOM,
  1483.          because it might be a legal data. */
  1484.       if (state == XML_CONTENT_STATE) {
  1485.     int e = INIT_ENC_INDEX(enc);
  1486.     if (e == ISO_8859_1_ENC || e == UTF_16BE_ENC || e == UTF_16LE_ENC || e == UTF_16_ENC)
  1487.       break;
  1488.       }
  1489.       if (ptr + 2 == end)
  1490.     return XML_TOK_PARTIAL;
  1491.       if ((unsigned char)ptr[2] == 0xBF) {
  1492.     *encPtr = encodingTable[UTF_8_ENC];
  1493.     return XML_TOK_BOM;
  1494.       }
  1495.       break;
  1496.     default:
  1497.       if (ptr[0] == '\0') {
  1498.     /* 0 isn't a legal data character. Furthermore a document entity can only
  1499.        start with ASCII characters.  So the only way this can fail to be big-endian
  1500.        UTF-16 if it it's an external parsed general entity that's labelled as
  1501.        UTF-16LE. */
  1502.     if (state == XML_CONTENT_STATE && INIT_ENC_INDEX(enc) == UTF_16LE_ENC)
  1503.       break;
  1504.     *encPtr = encodingTable[UTF_16BE_ENC];
  1505.     return XmlTok(*encPtr, state, ptr, end, nextTokPtr);
  1506.       }
  1507.       else if (ptr[1] == '\0') {
  1508.     /* We could recover here in the case:
  1509.         - parsing an external entity
  1510.         - second byte is 0
  1511.         - no externally specified encoding
  1512.         - no encoding declaration
  1513.        by assuming UTF-16LE.  But we don't, because this would mean when
  1514.        presented just with a single byte, we couldn't reliably determine
  1515.        whether we needed further bytes. */
  1516.     if (state == XML_CONTENT_STATE)
  1517.       break;
  1518.     *encPtr = encodingTable[UTF_16LE_ENC];
  1519.     return XmlTok(*encPtr, state, ptr, end, nextTokPtr);
  1520.       }
  1521.       break;
  1522.     }
  1523.   }
  1524.   *encPtr = encodingTable[INIT_ENC_INDEX(enc)];
  1525.   return XmlTok(*encPtr, state, ptr, end, nextTokPtr);
  1526. }
  1527.  
  1528.  
  1529. #define NS(x) x
  1530. #define ns(x) x
  1531. #include "xmltok_ns.c"
  1532. #undef NS
  1533. #undef ns
  1534.  
  1535. #ifdef XML_NS
  1536.  
  1537. #define NS(x) x ## NS
  1538. #define ns(x) x ## _ns
  1539.  
  1540. #include "xmltok_ns.c"
  1541.  
  1542. #undef NS
  1543. #undef ns
  1544.  
  1545. ENCODING *
  1546. XmlInitUnknownEncodingNS(void *mem,
  1547.                  int *table,
  1548.                  int (*convert)(void *userData, const char *p),
  1549.                  void *userData)
  1550. {
  1551.   ENCODING *enc = XmlInitUnknownEncoding(mem, table, convert, userData);
  1552.   if (enc)
  1553.     ((struct normal_encoding *)enc)->type[ASCII_COLON] = BT_COLON;
  1554.   return enc;
  1555. }
  1556.  
  1557. #endif /* XML_NS */
  1558.