home *** CD-ROM | disk | FTP | other *** search
/ Language/OS - Multiplatform Resource Library / LANGUAGE OS.iso / tcl / tcl70b2.lha / tcl7.0b2 / regexp.c < prev    next >
C/C++ Source or Header  |  1993-04-26  |  28KB  |  1,231 lines
  1. /*
  2.  * regcomp and regexec -- regsub and regerror are elsewhere
  3.  *
  4.  *    Copyright (c) 1986 by University of Toronto.
  5.  *    Written by Henry Spencer.  Not derived from licensed software.
  6.  *
  7.  *    Permission is granted to anyone to use this software for any
  8.  *    purpose on any computer system, and to redistribute it freely,
  9.  *    subject to the following restrictions:
  10.  *
  11.  *    1. The author is not responsible for the consequences of use of
  12.  *        this software, no matter how awful, even if they arise
  13.  *        from defects in it.
  14.  *
  15.  *    2. The origin of this software must not be misrepresented, either
  16.  *        by explicit claim or by omission.
  17.  *
  18.  *    3. Altered versions must be plainly marked as such, and must not
  19.  *        be misrepresented as being the original software.
  20.  *
  21.  * Beware that some of this code is subtly aware of the way operator
  22.  * precedence is structured in regular expressions.  Serious changes in
  23.  * regular-expression syntax might require a total rethink.
  24.  *
  25.  * *** NOTE: this code has been altered slightly for use in Tcl: ***
  26.  * *** 1. Use ckalloc and ckfree instead of  malloc and free.     ***
  27.  * *** 2. Add extra argument to regexp to specify the real     ***
  28.  * ***    start of the string separately from the start of the     ***
  29.  * ***    current search. This is needed to search for multiple     ***
  30.  * ***    matches within a string.                 ***
  31.  */
  32. #include "tclInt.h"
  33.  
  34. /*
  35.  * The "internal use only" fields in regexp.h are present to pass info from
  36.  * compile to execute that permits the execute phase to run lots faster on
  37.  * simple cases.  They are:
  38.  *
  39.  * regstart    char that must begin a match; '\0' if none obvious
  40.  * reganch    is the match anchored (at beginning-of-line only)?
  41.  * regmust    string (pointer into program) that match must include, or NULL
  42.  * regmlen    length of regmust string
  43.  *
  44.  * Regstart and reganch permit very fast decisions on suitable starting points
  45.  * for a match, cutting down the work a lot.  Regmust permits fast rejection
  46.  * of lines that cannot possibly match.  The regmust tests are costly enough
  47.  * that regcomp() supplies a regmust only if the r.e. contains something
  48.  * potentially expensive (at present, the only such thing detected is * or +
  49.  * at the start of the r.e., which can involve a lot of backup).  Regmlen is
  50.  * supplied because the test in regexec() needs it and regcomp() is computing
  51.  * it anyway.
  52.  */
  53.  
  54. /*
  55.  * Structure for regexp "program".  This is essentially a linear encoding
  56.  * of a nondeterministic finite-state machine (aka syntax charts or
  57.  * "railroad normal form" in parsing technology).  Each node is an opcode
  58.  * plus a "next" pointer, possibly plus an operand.  "Next" pointers of
  59.  * all nodes except BRANCH implement concatenation; a "next" pointer with
  60.  * a BRANCH on both ends of it is connecting two alternatives.  (Here we
  61.  * have one of the subtle syntax dependencies:  an individual BRANCH (as
  62.  * opposed to a collection of them) is never concatenated with anything
  63.  * because of operator precedence.)  The operand of some types of node is
  64.  * a literal string; for others, it is a node leading into a sub-FSM.  In
  65.  * particular, the operand of a BRANCH node is the first node of the branch.
  66.  * (NB this is *not* a tree structure:  the tail of the branch connects
  67.  * to the thing following the set of BRANCHes.)  The opcodes are:
  68.  */
  69.  
  70. /* definition    number    opnd?    meaning */
  71. #define    END    0    /* no    End of program. */
  72. #define    BOL    1    /* no    Match "" at beginning of line. */
  73. #define    EOL    2    /* no    Match "" at end of line. */
  74. #define    ANY    3    /* no    Match any one character. */
  75. #define    ANYOF    4    /* str    Match any character in this string. */
  76. #define    ANYBUT    5    /* str    Match any character not in this string. */
  77. #define    BRANCH    6    /* node    Match this alternative, or the next... */
  78. #define    BACK    7    /* no    Match "", "next" ptr points backward. */
  79. #define    EXACTLY    8    /* str    Match this string. */
  80. #define    NOTHING    9    /* no    Match empty string. */
  81. #define    STAR    10    /* node    Match this (simple) thing 0 or more times. */
  82. #define    PLUS    11    /* node    Match this (simple) thing 1 or more times. */
  83. #define    OPEN    20    /* no    Mark this point in input as start of #n. */
  84.             /*    OPEN+1 is number 1, etc. */
  85. #define    CLOSE    30    /* no    Analogous to OPEN. */
  86.  
  87. /*
  88.  * Opcode notes:
  89.  *
  90.  * BRANCH    The set of branches constituting a single choice are hooked
  91.  *        together with their "next" pointers, since precedence prevents
  92.  *        anything being concatenated to any individual branch.  The
  93.  *        "next" pointer of the last BRANCH in a choice points to the
  94.  *        thing following the whole choice.  This is also where the
  95.  *        final "next" pointer of each individual branch points; each
  96.  *        branch starts with the operand node of a BRANCH node.
  97.  *
  98.  * BACK        Normal "next" pointers all implicitly point forward; BACK
  99.  *        exists to make loop structures possible.
  100.  *
  101.  * STAR,PLUS    '?', and complex '*' and '+', are implemented as circular
  102.  *        BRANCH structures using BACK.  Simple cases (one character
  103.  *        per match) are implemented with STAR and PLUS for speed
  104.  *        and to minimize recursive plunges.
  105.  *
  106.  * OPEN,CLOSE    ...are numbered at compile time.
  107.  */
  108.  
  109. /*
  110.  * A node is one char of opcode followed by two chars of "next" pointer.
  111.  * "Next" pointers are stored as two 8-bit pieces, high order first.  The
  112.  * value is a positive offset from the opcode of the node containing it.
  113.  * An operand, if any, simply follows the node.  (Note that much of the
  114.  * code generation knows about this implicit relationship.)
  115.  *
  116.  * Using two bytes for the "next" pointer is vast overkill for most things,
  117.  * but allows patterns to get big without disasters.
  118.  */
  119. #define    OP(p)    (*(p))
  120. #define    NEXT(p)    (((*((p)+1)&0377)<<8) + (*((p)+2)&0377))
  121. #define    OPERAND(p)    ((p) + 3)
  122.  
  123. /*
  124.  * See regmagic.h for one further detail of program structure.
  125.  */
  126.  
  127.  
  128. /*
  129.  * Utility definitions.
  130.  */
  131. #ifndef CHARBITS
  132. #define    UCHARAT(p)    ((int)*(unsigned char *)(p))
  133. #else
  134. #define    UCHARAT(p)    ((int)*(p)&CHARBITS)
  135. #endif
  136.  
  137. #define    FAIL(m)    { regerror(m); return(NULL); }
  138. #define    ISMULT(c)    ((c) == '*' || (c) == '+' || (c) == '?')
  139. #define    META    "^$.[()|?+*\\"
  140.  
  141. /*
  142.  * Flags to be passed up and down.
  143.  */
  144. #define    HASWIDTH    01    /* Known never to match null string. */
  145. #define    SIMPLE        02    /* Simple enough to be STAR/PLUS operand. */
  146. #define    SPSTART        04    /* Starts with * or +. */
  147. #define    WORST        0    /* Worst case. */
  148.  
  149. /*
  150.  * Global work variables for regcomp().
  151.  */
  152. static char *regparse;        /* Input-scan pointer. */
  153. static int regnpar;        /* () count. */
  154. static char regdummy;
  155. static char *regcode;        /* Code-emit pointer; ®dummy = don't. */
  156. static long regsize;        /* Code size. */
  157.  
  158. /*
  159.  * The first byte of the regexp internal "program" is actually this magic
  160.  * number; the start node begins in the second byte.
  161.  */
  162. #define    MAGIC    0234
  163.  
  164.  
  165. /*
  166.  * Forward declarations for regcomp()'s friends.
  167.  */
  168. #ifndef STATIC
  169. #define    STATIC    static
  170. #endif
  171. STATIC char *reg();
  172. STATIC char *regbranch();
  173. STATIC char *regpiece();
  174. STATIC char *regatom();
  175. STATIC char *regnode();
  176. STATIC char *regnext();
  177. STATIC void regc();
  178. STATIC void reginsert();
  179. STATIC void regtail();
  180. STATIC void regoptail();
  181. #ifdef STRCSPN
  182. STATIC int strcspn();
  183. #endif
  184.  
  185. /*
  186.  - regcomp - compile a regular expression into internal code
  187.  *
  188.  * We can't allocate space until we know how big the compiled form will be,
  189.  * but we can't compile it (and thus know how big it is) until we've got a
  190.  * place to put the code.  So we cheat:  we compile it twice, once with code
  191.  * generation turned off and size counting turned on, and once "for real".
  192.  * This also means that we don't allocate space until we are sure that the
  193.  * thing really will compile successfully, and we never have to move the
  194.  * code and thus invalidate pointers into it.  (Note that it has to be in
  195.  * one piece because free() must be able to free it all.)
  196.  *
  197.  * Beware that the optimization-preparation code in here knows about some
  198.  * of the structure of the compiled regexp.
  199.  */
  200. regexp *
  201. regcomp(exp)
  202. char *exp;
  203. {
  204.     register regexp *r;
  205.     register char *scan;
  206.     register char *longest;
  207.     register int len;
  208.     int flags;
  209.  
  210.     if (exp == NULL)
  211.         FAIL("NULL argument");
  212.  
  213.     /* First pass: determine size, legality. */
  214.     regparse = exp;
  215.     regnpar = 1;
  216.     regsize = 0L;
  217.     regcode = ®dummy;
  218.     regc(MAGIC);
  219.     if (reg(0, &flags) == NULL)
  220.         return(NULL);
  221.  
  222.     /* Small enough for pointer-storage convention? */
  223.     if (regsize >= 32767L)        /* Probably could be 65535L. */
  224.         FAIL("regexp too big");
  225.  
  226.     /* Allocate space. */
  227.     r = (regexp *)ckalloc(sizeof(regexp) + (unsigned)regsize);
  228.     if (r == NULL)
  229.         FAIL("out of space");
  230.  
  231.     /* Second pass: emit code. */
  232.     regparse = exp;
  233.     regnpar = 1;
  234.     regcode = r->program;
  235.     regc(MAGIC);
  236.     if (reg(0, &flags) == NULL)
  237.         return(NULL);
  238.  
  239.     /* Dig out information for optimizations. */
  240.     r->regstart = '\0';    /* Worst-case defaults. */
  241.     r->reganch = 0;
  242.     r->regmust = NULL;
  243.     r->regmlen = 0;
  244.     scan = r->program+1;            /* First BRANCH. */
  245.     if (OP(regnext(scan)) == END) {        /* Only one top-level choice. */
  246.         scan = OPERAND(scan);
  247.  
  248.         /* Starting-point info. */
  249.         if (OP(scan) == EXACTLY)
  250.             r->regstart = *OPERAND(scan);
  251.         else if (OP(scan) == BOL)
  252.             r->reganch++;
  253.  
  254.         /*
  255.          * If there's something expensive in the r.e., find the
  256.          * longest literal string that must appear and make it the
  257.          * regmust.  Resolve ties in favor of later strings, since
  258.          * the regstart check works with the beginning of the r.e.
  259.          * and avoiding duplication strengthens checking.  Not a
  260.          * strong reason, but sufficient in the absence of others.
  261.          */
  262.         if (flags&SPSTART) {
  263.             longest = NULL;
  264.             len = 0;
  265.             for (; scan != NULL; scan = regnext(scan))
  266.                 if (OP(scan) == EXACTLY && strlen(OPERAND(scan)) >= len) {
  267.                     longest = OPERAND(scan);
  268.                     len = strlen(OPERAND(scan));
  269.                 }
  270.             r->regmust = longest;
  271.             r->regmlen = len;
  272.         }
  273.     }
  274.  
  275.     return(r);
  276. }
  277.  
  278. /*
  279.  - reg - regular expression, i.e. main body or parenthesized thing
  280.  *
  281.  * Caller must absorb opening parenthesis.
  282.  *
  283.  * Combining parenthesis handling with the base level of regular expression
  284.  * is a trifle forced, but the need to tie the tails of the branches to what
  285.  * follows makes it hard to avoid.
  286.  */
  287. static char *
  288. reg(paren, flagp)
  289. int paren;            /* Parenthesized? */
  290. int *flagp;
  291. {
  292.     register char *ret;
  293.     register char *br;
  294.     register char *ender;
  295.     register int parno = 0;
  296.     int flags;
  297.  
  298.     *flagp = HASWIDTH;    /* Tentatively. */
  299.  
  300.     /* Make an OPEN node, if parenthesized. */
  301.     if (paren) {
  302.         if (regnpar >= NSUBEXP)
  303.             FAIL("too many ()");
  304.         parno = regnpar;
  305.         regnpar++;
  306.         ret = regnode(OPEN+parno);
  307.     } else
  308.         ret = NULL;
  309.  
  310.     /* Pick up the branches, linking them together. */
  311.     br = regbranch(&flags);
  312.     if (br == NULL)
  313.         return(NULL);
  314.     if (ret != NULL)
  315.         regtail(ret, br);    /* OPEN -> first. */
  316.     else
  317.         ret = br;
  318.     if (!(flags&HASWIDTH))
  319.         *flagp &= ~HASWIDTH;
  320.     *flagp |= flags&SPSTART;
  321.     while (*regparse == '|') {
  322.         regparse++;
  323.         br = regbranch(&flags);
  324.         if (br == NULL)
  325.             return(NULL);
  326.         regtail(ret, br);    /* BRANCH -> BRANCH. */
  327.         if (!(flags&HASWIDTH))
  328.             *flagp &= ~HASWIDTH;
  329.         *flagp |= flags&SPSTART;
  330.     }
  331.  
  332.     /* Make a closing node, and hook it on the end. */
  333.     ender = regnode((paren) ? CLOSE+parno : END);    
  334.     regtail(ret, ender);
  335.  
  336.     /* Hook the tails of the branches to the closing node. */
  337.     for (br = ret; br != NULL; br = regnext(br))
  338.         regoptail(br, ender);
  339.  
  340.     /* Check for proper termination. */
  341.     if (paren && *regparse++ != ')') {
  342.         FAIL("unmatched ()");
  343.     } else if (!paren && *regparse != '\0') {
  344.         if (*regparse == ')') {
  345.             FAIL("unmatched ()");
  346.         } else
  347.             FAIL("junk on end");    /* "Can't happen". */
  348.         /* NOTREACHED */
  349.     }
  350.  
  351.     return(ret);
  352. }
  353.  
  354. /*
  355.  - regbranch - one alternative of an | operator
  356.  *
  357.  * Implements the concatenation operator.
  358.  */
  359. static char *
  360. regbranch(flagp)
  361. int *flagp;
  362. {
  363.     register char *ret;
  364.     register char *chain;
  365.     register char *latest;
  366.     int flags;
  367.  
  368.     *flagp = WORST;        /* Tentatively. */
  369.  
  370.     ret = regnode(BRANCH);
  371.     chain = NULL;
  372.     while (*regparse != '\0' && *regparse != '|' && *regparse != ')') {
  373.         latest = regpiece(&flags);
  374.         if (latest == NULL)
  375.             return(NULL);
  376.         *flagp |= flags&HASWIDTH;
  377.         if (chain == NULL)    /* First piece. */
  378.             *flagp |= flags&SPSTART;
  379.         else
  380.             regtail(chain, latest);
  381.         chain = latest;
  382.     }
  383.     if (chain == NULL)    /* Loop ran zero times. */
  384.         (void) regnode(NOTHING);
  385.  
  386.     return(ret);
  387. }
  388.  
  389. /*
  390.  - regpiece - something followed by possible [*+?]
  391.  *
  392.  * Note that the branching code sequences used for ? and the general cases
  393.  * of * and + are somewhat optimized:  they use the same NOTHING node as
  394.  * both the endmarker for their branch list and the body of the last branch.
  395.  * It might seem that this node could be dispensed with entirely, but the
  396.  * endmarker role is not redundant.
  397.  */
  398. static char *
  399. regpiece(flagp)
  400. int *flagp;
  401. {
  402.     register char *ret;
  403.     register char op;
  404.     register char *next;
  405.     int flags;
  406.  
  407.     ret = regatom(&flags);
  408.     if (ret == NULL)
  409.         return(NULL);
  410.  
  411.     op = *regparse;
  412.     if (!ISMULT(op)) {
  413.         *flagp = flags;
  414.         return(ret);
  415.     }
  416.  
  417.     if (!(flags&HASWIDTH) && op != '?')
  418.         FAIL("*+ operand could be empty");
  419.     *flagp = (op != '+') ? (WORST|SPSTART) : (WORST|HASWIDTH);
  420.  
  421.     if (op == '*' && (flags&SIMPLE))
  422.         reginsert(STAR, ret);
  423.     else if (op == '*') {
  424.         /* Emit x* as (x&|), where & means "self". */
  425.         reginsert(BRANCH, ret);            /* Either x */
  426.         regoptail(ret, regnode(BACK));        /* and loop */
  427.         regoptail(ret, ret);            /* back */
  428.         regtail(ret, regnode(BRANCH));        /* or */
  429.         regtail(ret, regnode(NOTHING));        /* null. */
  430.     } else if (op == '+' && (flags&SIMPLE))
  431.         reginsert(PLUS, ret);
  432.     else if (op == '+') {
  433.         /* Emit x+ as x(&|), where & means "self". */
  434.         next = regnode(BRANCH);            /* Either */
  435.         regtail(ret, next);
  436.         regtail(regnode(BACK), ret);        /* loop back */
  437.         regtail(next, regnode(BRANCH));        /* or */
  438.         regtail(ret, regnode(NOTHING));        /* null. */
  439.     } else if (op == '?') {
  440.         /* Emit x? as (x|) */
  441.         reginsert(BRANCH, ret);            /* Either x */
  442.         regtail(ret, regnode(BRANCH));        /* or */
  443.         next = regnode(NOTHING);        /* null. */
  444.         regtail(ret, next);
  445.         regoptail(ret, next);
  446.     }
  447.     regparse++;
  448.     if (ISMULT(*regparse))
  449.         FAIL("nested *?+");
  450.  
  451.     return(ret);
  452. }
  453.  
  454. /*
  455.  - regatom - the lowest level
  456.  *
  457.  * Optimization:  gobbles an entire sequence of ordinary characters so that
  458.  * it can turn them into a single node, which is smaller to store and
  459.  * faster to run.  Backslashed characters are exceptions, each becoming a
  460.  * separate node; the code is simpler that way and it's not worth fixing.
  461.  */
  462. static char *
  463. regatom(flagp)
  464. int *flagp;
  465. {
  466.     register char *ret;
  467.     int flags;
  468.  
  469.     *flagp = WORST;        /* Tentatively. */
  470.  
  471.     switch (*regparse++) {
  472.     case '^':
  473.         ret = regnode(BOL);
  474.         break;
  475.     case '$':
  476.         ret = regnode(EOL);
  477.         break;
  478.     case '.':
  479.         ret = regnode(ANY);
  480.         *flagp |= HASWIDTH|SIMPLE;
  481.         break;
  482.     case '[': {
  483.             register int clss;
  484.             register int classend;
  485.  
  486.             if (*regparse == '^') {    /* Complement of range. */
  487.                 ret = regnode(ANYBUT);
  488.                 regparse++;
  489.             } else
  490.                 ret = regnode(ANYOF);
  491.             if (*regparse == ']' || *regparse == '-')
  492.                 regc(*regparse++);
  493.             while (*regparse != '\0' && *regparse != ']') {
  494.                 if (*regparse == '-') {
  495.                     regparse++;
  496.                     if (*regparse == ']' || *regparse == '\0')
  497.                         regc('-');
  498.                     else {
  499.                         clss = UCHARAT(regparse-2)+1;
  500.                         classend = UCHARAT(regparse);
  501.                         if (clss > classend+1)
  502.                             FAIL("invalid [] range");
  503.                         for (; clss <= classend; clss++)
  504.                             regc(clss);
  505.                         regparse++;
  506.                     }
  507.                 } else
  508.                     regc(*regparse++);
  509.             }
  510.             regc('\0');
  511.             if (*regparse != ']')
  512.                 FAIL("unmatched []");
  513.             regparse++;
  514.             *flagp |= HASWIDTH|SIMPLE;
  515.         }
  516.         break;
  517.     case '(':
  518.         ret = reg(1, &flags);
  519.         if (ret == NULL)
  520.             return(NULL);
  521.         *flagp |= flags&(HASWIDTH|SPSTART);
  522.         break;
  523.     case '\0':
  524.     case '|':
  525.     case ')':
  526.         FAIL("internal urp");    /* Supposed to be caught earlier. */
  527.         /* NOTREACHED */
  528.         break;
  529.     case '?':
  530.     case '+':
  531.     case '*':
  532.         FAIL("?+* follows nothing");
  533.         /* NOTREACHED */
  534.         break;
  535.     case '\\':
  536.         if (*regparse == '\0')
  537.             FAIL("trailing \\");
  538.         ret = regnode(EXACTLY);
  539.         regc(*regparse++);
  540.         regc('\0');
  541.         *flagp |= HASWIDTH|SIMPLE;
  542.         break;
  543.     default: {
  544.             register int len;
  545.             register char ender;
  546.  
  547.             regparse--;
  548.             len = strcspn(regparse, META);
  549.             if (len <= 0)
  550.                 FAIL("internal disaster");
  551.             ender = *(regparse+len);
  552.             if (len > 1 && ISMULT(ender))
  553.                 len--;        /* Back off clear of ?+* operand. */
  554.             *flagp |= HASWIDTH;
  555.             if (len == 1)
  556.                 *flagp |= SIMPLE;
  557.             ret = regnode(EXACTLY);
  558.             while (len > 0) {
  559.                 regc(*regparse++);
  560.                 len--;
  561.             }
  562.             regc('\0');
  563.         }
  564.         break;
  565.     }
  566.  
  567.     return(ret);
  568. }
  569.  
  570. /*
  571.  - regnode - emit a node
  572.  */
  573. static char *            /* Location. */
  574. regnode(op)
  575. char op;
  576. {
  577.     register char *ret;
  578.     register char *ptr;
  579.  
  580.     ret = regcode;
  581.     if (ret == ®dummy) {
  582.         regsize += 3;
  583.         return(ret);
  584.     }
  585.  
  586.     ptr = ret;
  587.     *ptr++ = op;
  588.     *ptr++ = '\0';        /* Null "next" pointer. */
  589.     *ptr++ = '\0';
  590.     regcode = ptr;
  591.  
  592.     return(ret);
  593. }
  594.  
  595. /*
  596.  - regc - emit (if appropriate) a byte of code
  597.  */
  598. static void
  599. regc(b)
  600. char b;
  601. {
  602.     if (regcode != ®dummy)
  603.         *regcode++ = b;
  604.     else
  605.         regsize++;
  606. }
  607.  
  608. /*
  609.  - reginsert - insert an operator in front of already-emitted operand
  610.  *
  611.  * Means relocating the operand.
  612.  */
  613. static void
  614. reginsert(op, opnd)
  615. char op;
  616. char *opnd;
  617. {
  618.     register char *src;
  619.     register char *dst;
  620.     register char *place;
  621.  
  622.     if (regcode == ®dummy) {
  623.         regsize += 3;
  624.         return;
  625.     }
  626.  
  627.     src = regcode;
  628.     regcode += 3;
  629.     dst = regcode;
  630.     while (src > opnd)
  631.         *--dst = *--src;
  632.  
  633.     place = opnd;        /* Op node, where operand used to be. */
  634.     *place++ = op;
  635.     *place++ = '\0';
  636.     *place++ = '\0';
  637. }
  638.  
  639. /*
  640.  - regtail - set the next-pointer at the end of a node chain
  641.  */
  642. static void
  643. regtail(p, val)
  644. char *p;
  645. char *val;
  646. {
  647.     register char *scan;
  648.     register char *temp;
  649.     register int offset;
  650.  
  651.     if (p == ®dummy)
  652.         return;
  653.  
  654.     /* Find last node. */
  655.     scan = p;
  656.     for (;;) {
  657.         temp = regnext(scan);
  658.         if (temp == NULL)
  659.             break;
  660.         scan = temp;
  661.     }
  662.  
  663.     if (OP(scan) == BACK)
  664.         offset = scan - val;
  665.     else
  666.         offset = val - scan;
  667.     *(scan+1) = (offset>>8)&0377;
  668.     *(scan+2) = offset&0377;
  669. }
  670.  
  671. /*
  672.  - regoptail - regtail on operand of first argument; nop if operandless
  673.  */
  674. static void
  675. regoptail(p, val)
  676. char *p;
  677. char *val;
  678. {
  679.     /* "Operandless" and "op != BRANCH" are synonymous in practice. */
  680.     if (p == NULL || p == ®dummy || OP(p) != BRANCH)
  681.         return;
  682.     regtail(OPERAND(p), val);
  683. }
  684.  
  685. /*
  686.  * regexec and friends
  687.  */
  688.  
  689. /*
  690.  * Global work variables for regexec().
  691.  */
  692. static char *reginput;        /* String-input pointer. */
  693. static char *regbol;        /* Beginning of input, for ^ check. */
  694. static char **regstartp;    /* Pointer to startp array. */
  695. static char **regendp;        /* Ditto for endp. */
  696.  
  697. /*
  698.  * Forwards.
  699.  */
  700. STATIC int regtry();
  701. STATIC int regmatch();
  702. STATIC int regrepeat();
  703.  
  704. #ifdef DEBUG
  705. int regnarrate = 0;
  706. void regdump();
  707. STATIC char *regprop();
  708. #endif
  709.  
  710. /*
  711.  - regexec - match a regexp against a string
  712.  */
  713. int
  714. regexec(prog, string, start)
  715. register regexp *prog;
  716. register char *string;
  717. char *start;
  718. {
  719.     register char *s;
  720.  
  721.     /* Be paranoid... */
  722.     if (prog == NULL || string == NULL) {
  723.         regerror("NULL parameter");
  724.         return(0);
  725.     }
  726.  
  727.     /* Check validity of program. */
  728.     if (UCHARAT(prog->program) != MAGIC) {
  729.         regerror("corrupted program");
  730.         return(0);
  731.     }
  732.  
  733.     /* If there is a "must appear" string, look for it. */
  734.     if (prog->regmust != NULL) {
  735.         s = string;
  736.         while ((s = strchr(s, prog->regmust[0])) != NULL) {
  737.             if (strncmp(s, prog->regmust, prog->regmlen) == 0)
  738.                 break;    /* Found it. */
  739.             s++;
  740.         }
  741.         if (s == NULL)    /* Not present. */
  742.             return(0);
  743.     }
  744.  
  745.     /* Mark beginning of line for ^ . */
  746.     regbol = start;
  747.  
  748.     /* Simplest case:  anchored match need be tried only once. */
  749.     if (prog->reganch)
  750.         return(regtry(prog, string));
  751.  
  752.     /* Messy cases:  unanchored match. */
  753.     s = string;
  754.     if (prog->regstart != '\0')
  755.         /* We know what char it must start with. */
  756.         while ((s = strchr(s, prog->regstart)) != NULL) {
  757.             if (regtry(prog, s))
  758.                 return(1);
  759.             s++;
  760.         }
  761.     else
  762.         /* We don't -- general case. */
  763.         do {
  764.             if (regtry(prog, s))
  765.                 return(1);
  766.         } while (*s++ != '\0');
  767.  
  768.     /* Failure. */
  769.     return(0);
  770. }
  771.  
  772. /*
  773.  - regtry - try match at specific point
  774.  */
  775. static int            /* 0 failure, 1 success */
  776. regtry(prog, string)
  777. regexp *prog;
  778. char *string;
  779. {
  780.     register int i;
  781.     register char **sp;
  782.     register char **ep;
  783.  
  784.     reginput = string;
  785.     regstartp = prog->startp;
  786.     regendp = prog->endp;
  787.  
  788.     sp = prog->startp;
  789.     ep = prog->endp;
  790.     for (i = NSUBEXP; i > 0; i--) {
  791.         *sp++ = NULL;
  792.         *ep++ = NULL;
  793.     }
  794.     if (regmatch(prog->program + 1)) {
  795.         prog->startp[0] = string;
  796.         prog->endp[0] = reginput;
  797.         return(1);
  798.     } else
  799.         return(0);
  800. }
  801.  
  802. /*
  803.  - regmatch - main matching routine
  804.  *
  805.  * Conceptually the strategy is simple:  check to see whether the current
  806.  * node matches, call self recursively to see whether the rest matches,
  807.  * and then act accordingly.  In practice we make some effort to avoid
  808.  * recursion, in particular by going through "ordinary" nodes (that don't
  809.  * need to know whether the rest of the match failed) by a loop instead of
  810.  * by recursion.
  811.  */
  812. static int            /* 0 failure, 1 success */
  813. regmatch(prog)
  814. char *prog;
  815. {
  816.     register char *scan;    /* Current node. */
  817.     char *next;        /* Next node. */
  818.  
  819.     scan = prog;
  820. #ifdef DEBUG
  821.     if (scan != NULL && regnarrate)
  822.         fprintf(stderr, "%s(\n", regprop(scan));
  823. #endif
  824.     while (scan != NULL) {
  825. #ifdef DEBUG
  826.         if (regnarrate)
  827.             fprintf(stderr, "%s...\n", regprop(scan));
  828. #endif
  829.         next = regnext(scan);
  830.  
  831.         switch (OP(scan)) {
  832.         case BOL:
  833.             if (reginput != regbol)
  834.                 return(0);
  835.             break;
  836.         case EOL:
  837.             if (*reginput != '\0')
  838.                 return(0);
  839.             break;
  840.         case ANY:
  841.             if (*reginput == '\0')
  842.                 return(0);
  843.             reginput++;
  844.             break;
  845.         case EXACTLY: {
  846.                 register int len;
  847.                 register char *opnd;
  848.  
  849.                 opnd = OPERAND(scan);
  850.                 /* Inline the first character, for speed. */
  851.                 if (*opnd != *reginput)
  852.                     return(0);
  853.                 len = strlen(opnd);
  854.                 if (len > 1 && strncmp(opnd, reginput, len) != 0)
  855.                     return(0);
  856.                 reginput += len;
  857.             }
  858.             break;
  859.         case ANYOF:
  860.              if (*reginput == '\0' || strchr(OPERAND(scan), *reginput) == NULL)
  861.                 return(0);
  862.             reginput++;
  863.             break;
  864.         case ANYBUT:
  865.              if (*reginput == '\0' || strchr(OPERAND(scan), *reginput) != NULL)
  866.                 return(0);
  867.             reginput++;
  868.             break;
  869.         case NOTHING:
  870.             break;
  871.         case BACK:
  872.             break;
  873.         case OPEN+1:
  874.         case OPEN+2:
  875.         case OPEN+3:
  876.         case OPEN+4:
  877.         case OPEN+5:
  878.         case OPEN+6:
  879.         case OPEN+7:
  880.         case OPEN+8:
  881.         case OPEN+9: {
  882.                 register int no;
  883.                 register char *save;
  884.  
  885.                 no = OP(scan) - OPEN;
  886.                 save = reginput;
  887.  
  888.                 if (regmatch(next)) {
  889.                     /*
  890.                      * Don't set startp if some later
  891.                      * invocation of the same parentheses
  892.                      * already has.
  893.                      */
  894.                     if (regstartp[no] == NULL)
  895.                         regstartp[no] = save;
  896.                     return(1);
  897.                 } else
  898.                     return(0);
  899.             }
  900.             /* NOTREACHED */
  901.             break;
  902.         case CLOSE+1:
  903.         case CLOSE+2:
  904.         case CLOSE+3:
  905.         case CLOSE+4:
  906.         case CLOSE+5:
  907.         case CLOSE+6:
  908.         case CLOSE+7:
  909.         case CLOSE+8:
  910.         case CLOSE+9: {
  911.                 register int no;
  912.                 register char *save;
  913.  
  914.                 no = OP(scan) - CLOSE;
  915.                 save = reginput;
  916.  
  917.                 if (regmatch(next)) {
  918.                     /*
  919.                      * Don't set endp if some later
  920.                      * invocation of the same parentheses
  921.                      * already has.
  922.                      */
  923.                     if (regendp[no] == NULL)
  924.                         regendp[no] = save;
  925.                     return(1);
  926.                 } else
  927.                     return(0);
  928.             }
  929.             /* NOTREACHED */
  930.             break;
  931.         case BRANCH: {
  932.                 register char *save;
  933.  
  934.                 if (OP(next) != BRANCH)        /* No choice. */
  935.                     next = OPERAND(scan);    /* Avoid recursion. */
  936.                 else {
  937.                     do {
  938.                         save = reginput;
  939.                         if (regmatch(OPERAND(scan)))
  940.                             return(1);
  941.                         reginput = save;
  942.                         scan = regnext(scan);
  943.                     } while (scan != NULL && OP(scan) == BRANCH);
  944.                     return(0);
  945.                     /* NOTREACHED */
  946.                 }
  947.             }
  948.             /* NOTREACHED */
  949.             break;
  950.         case STAR:
  951.         case PLUS: {
  952.                 register char nextch;
  953.                 register int no;
  954.                 register char *save;
  955.                 register int min;
  956.  
  957.                 /*
  958.                  * Lookahead to avoid useless match attempts
  959.                  * when we know what character comes next.
  960.                  */
  961.                 nextch = '\0';
  962.                 if (OP(next) == EXACTLY)
  963.                     nextch = *OPERAND(next);
  964.                 min = (OP(scan) == STAR) ? 0 : 1;
  965.                 save = reginput;
  966.                 no = regrepeat(OPERAND(scan));
  967.                 while (no >= min) {
  968.                     /* If it could work, try it. */
  969.                     if (nextch == '\0' || *reginput == nextch)
  970.                         if (regmatch(next))
  971.                             return(1);
  972.                     /* Couldn't or didn't -- back up. */
  973.                     no--;
  974.                     reginput = save + no;
  975.                 }
  976.                 return(0);
  977.             }
  978.             /* NOTREACHED */
  979.             break;
  980.         case END:
  981.             return(1);    /* Success! */
  982.             /* NOTREACHED */
  983.             break;
  984.         default:
  985.             regerror("memory corruption");
  986.             return(0);
  987.             /* NOTREACHED */
  988.             break;
  989.         }
  990.  
  991.         scan = next;
  992.     }
  993.  
  994.     /*
  995.      * We get here only if there's trouble -- normally "case END" is
  996.      * the terminating point.
  997.      */
  998.     regerror("corrupted pointers");
  999.     return(0);
  1000. }
  1001.  
  1002. /*
  1003.  - regrepeat - repeatedly match something simple, report how many
  1004.  */
  1005. static int
  1006. regrepeat(p)
  1007. char *p;
  1008. {
  1009.     register int count = 0;
  1010.     register char *scan;
  1011.     register char *opnd;
  1012.  
  1013.     scan = reginput;
  1014.     opnd = OPERAND(p);
  1015.     switch (OP(p)) {
  1016.     case ANY:
  1017.         count = strlen(scan);
  1018.         scan += count;
  1019.         break;
  1020.     case EXACTLY:
  1021.         while (*opnd == *scan) {
  1022.             count++;
  1023.             scan++;
  1024.         }
  1025.         break;
  1026.     case ANYOF:
  1027.         while (*scan != '\0' && strchr(opnd, *scan) != NULL) {
  1028.             count++;
  1029.             scan++;
  1030.         }
  1031.         break;
  1032.     case ANYBUT:
  1033.         while (*scan != '\0' && strchr(opnd, *scan) == NULL) {
  1034.             count++;
  1035.             scan++;
  1036.         }
  1037.         break;
  1038.     default:        /* Oh dear.  Called inappropriately. */
  1039.         regerror("internal foulup");
  1040.         count = 0;    /* Best compromise. */
  1041.         break;
  1042.     }
  1043.     reginput = scan;
  1044.  
  1045.     return(count);
  1046. }
  1047.  
  1048. /*
  1049.  - regnext - dig the "next" pointer out of a node
  1050.  */
  1051. static char *
  1052. regnext(p)
  1053. register char *p;
  1054. {
  1055.     register int offset;
  1056.  
  1057.     if (p == ®dummy)
  1058.         return(NULL);
  1059.  
  1060.     offset = NEXT(p);
  1061.     if (offset == 0)
  1062.         return(NULL);
  1063.  
  1064.     if (OP(p) == BACK)
  1065.         return(p-offset);
  1066.     else
  1067.         return(p+offset);
  1068. }
  1069.  
  1070. #ifdef DEBUG
  1071.  
  1072. STATIC char *regprop();
  1073.  
  1074. /*
  1075.  - regdump - dump a regexp onto stdout in vaguely comprehensible form
  1076.  */
  1077. void
  1078. regdump(r)
  1079. regexp *r;
  1080. {
  1081.     register char *s;
  1082.     register char op = EXACTLY;    /* Arbitrary non-END op. */
  1083.     register char *next;
  1084.  
  1085.  
  1086.     s = r->program + 1;
  1087.     while (op != END) {    /* While that wasn't END last time... */
  1088.         op = OP(s);
  1089.         printf("%2d%s", s-r->program, regprop(s));    /* Where, what. */
  1090.         next = regnext(s);
  1091.         if (next == NULL)        /* Next ptr. */
  1092.             printf("(0)");
  1093.         else 
  1094.             printf("(%d)", (s-r->program)+(next-s));
  1095.         s += 3;
  1096.         if (op == ANYOF || op == ANYBUT || op == EXACTLY) {
  1097.             /* Literal string, where present. */
  1098.             while (*s != '\0') {
  1099.                 putchar(*s);
  1100.                 s++;
  1101.             }
  1102.             s++;
  1103.         }
  1104.         putchar('\n');
  1105.     }
  1106.  
  1107.     /* Header fields of interest. */
  1108.     if (r->regstart != '\0')
  1109.         printf("start `%c' ", r->regstart);
  1110.     if (r->reganch)
  1111.         printf("anchored ");
  1112.     if (r->regmust != NULL)
  1113.         printf("must have \"%s\"", r->regmust);
  1114.     printf("\n");
  1115. }
  1116.  
  1117. /*
  1118.  - regprop - printable representation of opcode
  1119.  */
  1120. static char *
  1121. regprop(op)
  1122. char *op;
  1123. {
  1124.     register char *p;
  1125.     static char buf[50];
  1126.  
  1127.     (void) strcpy(buf, ":");
  1128.  
  1129.     switch (OP(op)) {
  1130.     case BOL:
  1131.         p = "BOL";
  1132.         break;
  1133.     case EOL:
  1134.         p = "EOL";
  1135.         break;
  1136.     case ANY:
  1137.         p = "ANY";
  1138.         break;
  1139.     case ANYOF:
  1140.         p = "ANYOF";
  1141.         break;
  1142.     case ANYBUT:
  1143.         p = "ANYBUT";
  1144.         break;
  1145.     case BRANCH:
  1146.         p = "BRANCH";
  1147.         break;
  1148.     case EXACTLY:
  1149.         p = "EXACTLY";
  1150.         break;
  1151.     case NOTHING:
  1152.         p = "NOTHING";
  1153.         break;
  1154.     case BACK:
  1155.         p = "BACK";
  1156.         break;
  1157.     case END:
  1158.         p = "END";
  1159.         break;
  1160.     case OPEN+1:
  1161.     case OPEN+2:
  1162.     case OPEN+3:
  1163.     case OPEN+4:
  1164.     case OPEN+5:
  1165.     case OPEN+6:
  1166.     case OPEN+7:
  1167.     case OPEN+8:
  1168.     case OPEN+9:
  1169.         sprintf(buf+strlen(buf), "OPEN%d", OP(op)-OPEN);
  1170.         p = NULL;
  1171.         break;
  1172.     case CLOSE+1:
  1173.     case CLOSE+2:
  1174.     case CLOSE+3:
  1175.     case CLOSE+4:
  1176.     case CLOSE+5:
  1177.     case CLOSE+6:
  1178.     case CLOSE+7:
  1179.     case CLOSE+8:
  1180.     case CLOSE+9:
  1181.         sprintf(buf+strlen(buf), "CLOSE%d", OP(op)-CLOSE);
  1182.         p = NULL;
  1183.         break;
  1184.     case STAR:
  1185.         p = "STAR";
  1186.         break;
  1187.     case PLUS:
  1188.         p = "PLUS";
  1189.         break;
  1190.     default:
  1191.         regerror("corrupted opcode");
  1192.         break;
  1193.     }
  1194.     if (p != NULL)
  1195.         (void) strcat(buf, p);
  1196.     return(buf);
  1197. }
  1198. #endif
  1199.  
  1200. /*
  1201.  * The following is provided for those people who do not have strcspn() in
  1202.  * their C libraries.  They should get off their butts and do something
  1203.  * about it; at least one public-domain implementation of those (highly
  1204.  * useful) string routines has been published on Usenet.
  1205.  */
  1206. #ifdef STRCSPN
  1207. /*
  1208.  * strcspn - find length of initial segment of s1 consisting entirely
  1209.  * of characters not from s2
  1210.  */
  1211.  
  1212. static int
  1213. strcspn(s1, s2)
  1214. char *s1;
  1215. char *s2;
  1216. {
  1217.     register char *scan1;
  1218.     register char *scan2;
  1219.     register int count;
  1220.  
  1221.     count = 0;
  1222.     for (scan1 = s1; *scan1 != '\0'; scan1++) {
  1223.         for (scan2 = s2; *scan2 != '\0';)    /* ++ moved down. */
  1224.             if (*scan1 == *scan2++)
  1225.                 return(count);
  1226.         count++;
  1227.     }
  1228.     return(count);
  1229. }
  1230. #endif
  1231.