home *** CD-ROM | disk | FTP | other *** search
/ Geek Gadgets 1 / ADE-1.bin / ade-dist / perl-5.003-base.tgz / perl-5.003-base.tar / fsf / perl / regcomp.h < prev    next >
C/C++ Source or Header  |  1995-07-01  |  8KB  |  239 lines
  1. /*    regcomp.h
  2.  */
  3.  
  4. /*
  5.  * The "internal use only" fields in regexp.h are present to pass info from
  6.  * compile to execute that permits the execute phase to run lots faster on
  7.  * simple cases.  They are:
  8.  *
  9.  * regstart    sv that must begin a match; Nullch if none obvious
  10.  * reganch    is the match anchored (at beginning-of-line only)?
  11.  * regmust    string (pointer into program) that match must include, or NULL
  12.  *  [regmust changed to SV* for bminstr()--law]
  13.  * regmlen    length of regmust string
  14.  *  [regmlen not used currently]
  15.  *
  16.  * Regstart and reganch permit very fast decisions on suitable starting points
  17.  * for a match, cutting down the work a lot.  Regmust permits fast rejection
  18.  * of lines that cannot possibly match.  The regmust tests are costly enough
  19.  * that pregcomp() supplies a regmust only if the r.e. contains something
  20.  * potentially expensive (at present, the only such thing detected is * or +
  21.  * at the start of the r.e., which can involve a lot of backup).  Regmlen is
  22.  * supplied because the test in pregexec() needs it and pregcomp() is computing
  23.  * it anyway.
  24.  * [regmust is now supplied always.  The tests that use regmust have a
  25.  * heuristic that disables the test if it usually matches.]
  26.  *
  27.  * [In fact, we now use regmust in many cases to locate where the search
  28.  * starts in the string, so if regback is >= 0, the regmust search is never
  29.  * wasted effort.  The regback variable says how many characters back from
  30.  * where regmust matched is the earliest possible start of the match.
  31.  * For instance, /[a-z].foo/ has a regmust of 'foo' and a regback of 2.]
  32.  */
  33.  
  34. /*
  35.  * Structure for regexp "program".  This is essentially a linear encoding
  36.  * of a nondeterministic finite-state machine (aka syntax charts or
  37.  * "railroad normal form" in parsing technology).  Each node is an opcode
  38.  * plus a "next" pointer, possibly plus an operand.  "Next" pointers of
  39.  * all nodes except BRANCH implement concatenation; a "next" pointer with
  40.  * a BRANCH on both ends of it is connecting two alternatives.  (Here we
  41.  * have one of the subtle syntax dependencies:  an individual BRANCH (as
  42.  * opposed to a collection of them) is never concatenated with anything
  43.  * because of operator precedence.)  The operand of some types of node is
  44.  * a literal string; for others, it is a node leading into a sub-FSM.  In
  45.  * particular, the operand of a BRANCH node is the first node of the branch.
  46.  * (NB this is *not* a tree structure:  the tail of the branch connects
  47.  * to the thing following the set of BRANCHes.)  The opcodes are:
  48.  */
  49.  
  50. /* definition    number    opnd?    meaning */
  51. #define    END    0    /* no    End of program. */
  52. #define    BOL    1    /* no    Match "" at beginning of line. */
  53. #define MBOL    2    /* no    Same, assuming multiline. */
  54. #define SBOL    3    /* no    Same, assuming singleline. */
  55. #define    EOL    4    /* no    Match "" at end of line. */
  56. #define MEOL    5    /* no    Same, assuming multiline. */
  57. #define SEOL    6    /* no    Same, assuming singleline. */
  58. #define    ANY    7    /* no    Match any one character (except newline). */
  59. #define    SANY    8    /* no    Match any one character. */
  60. #define    ANYOF    9    /* sv    Match character in (or not in) this class. */
  61. #define    CURLY    10    /* sv    Match this simple thing {n,m} times. */
  62. #define    CURLYX    11    /* sv    Match this complex thing {n,m} times. */
  63. #define    BRANCH    12    /* node    Match this alternative, or the next... */
  64. #define    BACK    13    /* no    Match "", "next" ptr points backward. */
  65. #define    EXACTLY    14    /* sv    Match this string (preceded by length). */
  66. #define    NOTHING    15    /* no    Match empty string. */
  67. #define    STAR    16    /* node    Match this (simple) thing 0 or more times. */
  68. #define    PLUS    17    /* node    Match this (simple) thing 1 or more times. */
  69. #define ALNUM    18    /* no    Match any alphanumeric character */
  70. #define NALNUM    19    /* no    Match any non-alphanumeric character */
  71. #define BOUND    20    /* no    Match "" at any word boundary */
  72. #define NBOUND    21    /* no    Match "" at any word non-boundary */
  73. #define SPACE    22    /* no    Match any whitespace character */
  74. #define NSPACE    23    /* no    Match any non-whitespace character */
  75. #define DIGIT    24    /* no    Match any numeric character */
  76. #define NDIGIT    25    /* no    Match any non-numeric character */
  77. #define REF    26    /* num    Match some already matched string */
  78. #define    OPEN    27    /* num    Mark this point in input as start of #n. */
  79. #define    CLOSE    28    /* num    Analogous to OPEN. */
  80. #define MINMOD    29    /* no    Next operator is not greedy. */
  81. #define GBOL    30    /* no    Matches where last m//g left off. */
  82. #define IFMATCH    31    /* no    Succeeds if the following matches. */
  83. #define UNLESSM    32    /* no    Fails if the following matches. */
  84. #define SUCCEED    33    /* no    Return from a subroutine, basically. */
  85. #define WHILEM    34    /* no    Do curly processing and see if rest matches. */
  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. #ifndef DOINIT
  110. EXT char regarglen[];
  111. #else
  112. EXT char regarglen[] = {0,0,0,0,0,0,0,0,0,0,4,4,0,0,0,0,0,0,0,0,0,0,0,0,0,0,2,2,2,0,0,0,0,0};
  113. #endif
  114.  
  115. #ifndef DOINIT
  116. EXT char regkind[];
  117. #else
  118. EXT char regkind[] = {
  119.     END,
  120.     BOL,
  121.     BOL,
  122.     BOL,
  123.     EOL,
  124.     EOL,
  125.     EOL,
  126.     ANY,
  127.     ANY,
  128.     ANYOF,
  129.     CURLY,
  130.     CURLY,
  131.     BRANCH,
  132.     BACK,
  133.     EXACTLY,
  134.     NOTHING,
  135.     STAR,
  136.     PLUS,
  137.     ALNUM,
  138.     NALNUM,
  139.     BOUND,
  140.     NBOUND,
  141.     SPACE,
  142.     NSPACE,
  143.     DIGIT,
  144.     NDIGIT,
  145.     REF,
  146.     OPEN,
  147.     CLOSE,
  148.     MINMOD,
  149.     BOL,
  150.     BRANCH,
  151.     BRANCH,
  152.     END,
  153.     WHILEM
  154. };
  155. #endif
  156.  
  157. /* The following have no fixed length. */
  158. #ifndef DOINIT
  159. EXT char varies[];
  160. #else
  161. EXT char varies[] = {BRANCH,BACK,STAR,PLUS,CURLY,CURLYX,REF,WHILEM,0};
  162. #endif
  163.  
  164. /* The following always have a length of 1. */
  165. #ifndef DOINIT
  166. EXT char simple[];
  167. #else
  168. EXT char simple[] = {ANY,SANY,ANYOF,ALNUM,NALNUM,SPACE,NSPACE,DIGIT,NDIGIT,0};
  169. #endif
  170.  
  171. EXT char regdummy;
  172.  
  173. /*
  174.  * A node is one char of opcode followed by two chars of "next" pointer.
  175.  * "Next" pointers are stored as two 8-bit pieces, high order first.  The
  176.  * value is a positive offset from the opcode of the node containing it.
  177.  * An operand, if any, simply follows the node.  (Note that much of the
  178.  * code generation knows about this implicit relationship.)
  179.  *
  180.  * Using two bytes for the "next" pointer is vast overkill for most things,
  181.  * but allows patterns to get big without disasters.
  182.  *
  183.  * [If REGALIGN is defined, the "next" pointer is always aligned on an even
  184.  * boundary, and reads the offset directly as a short.  Also, there is no
  185.  * special test to reverse the sign of BACK pointers since the offset is
  186.  * stored negative.]
  187.  */
  188.  
  189. #ifndef gould
  190. #ifndef cray
  191. #ifndef eta10
  192. #define REGALIGN
  193. #endif
  194. #endif
  195. #endif
  196.  
  197. #define    OP(p)    (*(p))
  198.  
  199. #ifndef lint
  200. #ifdef REGALIGN
  201. #define NEXT(p) (*(short*)(p+1))
  202. #define ARG1(p) (*(unsigned short*)(p+3))
  203. #define ARG2(p) (*(unsigned short*)(p+5))
  204. #else
  205. #define    NEXT(p)    (((*((p)+1)&0377)<<8) + (*((p)+2)&0377))
  206. #define    ARG1(p)    (((*((p)+3)&0377)<<8) + (*((p)+4)&0377))
  207. #define    ARG2(p)    (((*((p)+5)&0377)<<8) + (*((p)+6)&0377))
  208. #endif
  209. #else /* lint */
  210. #define NEXT(p) 0
  211. #endif /* lint */
  212.  
  213. #define    OPERAND(p)    ((p) + 3)
  214.  
  215. #ifdef REGALIGN
  216. #define    NEXTOPER(p)    ((p) + 4)
  217. #define    PREVOPER(p)    ((p) - 4)
  218. #else
  219. #define    NEXTOPER(p)    ((p) + 3)
  220. #define    PREVOPER(p)    ((p) - 3)
  221. #endif
  222.  
  223. #define MAGIC 0234
  224.  
  225. /*
  226.  * Utility definitions.
  227.  */
  228. #ifndef lint
  229. #ifndef CHARMASK
  230. #define    UCHARAT(p)    ((int)*(unsigned char *)(p))
  231. #else
  232. #define    UCHARAT(p)    ((int)*(p)&CHARMASK)
  233. #endif
  234. #else /* lint */
  235. #define UCHARAT(p)    regdummy
  236. #endif /* lint */
  237.  
  238. #define    FAIL(m)    croak("/%.127s/: %s",regprecomp,m)
  239.