home *** CD-ROM | disk | FTP | other *** search
/ Windows Expert / Windows Expert.iso / windownt / awksrc.zip / DFA.C < prev    next >
C/C++ Source or Header  |  1993-09-27  |  64KB  |  2,309 lines
  1. /* dfa.c - determinisitic extended regexp routines for GNU
  2.    Copyright (C) 1988 Free Software Foundation, Inc.
  3.                       Written June, 1988 by Mike Haertel
  4.               Modified July, 1988 by Arthur David Olson
  5.              to assist BMG speedups
  6.  
  7.                NO WARRANTY
  8.  
  9.   BECAUSE THIS PROGRAM IS LICENSED FREE OF CHARGE, WE PROVIDE ABSOLUTELY
  10. NO WARRANTY, TO THE EXTENT PERMITTED BY APPLICABLE STATE LAW.  EXCEPT
  11. WHEN OTHERWISE STATED IN WRITING, FREE SOFTWARE FOUNDATION, INC,
  12. RICHARD M. STALLMAN AND/OR OTHER PARTIES PROVIDE THIS PROGRAM "AS IS"
  13. WITHOUT WARRANTY OF ANY KIND, EITHER EXPRESSED OR IMPLIED, INCLUDING,
  14. BUT NOT LIMITED TO, THE IMPLIED WARRANTIES OF MERCHANTABILITY AND
  15. FITNESS FOR A PARTICULAR PURPOSE.  THE ENTIRE RISK AS TO THE QUALITY
  16. AND PERFORMANCE OF THE PROGRAM IS WITH YOU.  SHOULD THE PROGRAM PROVE
  17. DEFECTIVE, YOU ASSUME THE COST OF ALL NECESSARY SERVICING, REPAIR OR
  18. CORRECTION.
  19.  
  20.  IN NO EVENT UNLESS REQUIRED BY APPLICABLE LAW WILL RICHARD M.
  21. STALLMAN, THE FREE SOFTWARE FOUNDATION, INC., AND/OR ANY OTHER PARTY
  22. WHO MAY MODIFY AND REDISTRIBUTE THIS PROGRAM AS PERMITTED BELOW, BE
  23. LIABLE TO YOU FOR DAMAGES, INCLUDING ANY LOST PROFITS, LOST MONIES, OR
  24. OTHER SPECIAL, INCIDENTAL OR CONSEQUENTIAL DAMAGES ARISING OUT OF THE
  25. USE OR INABILITY TO USE (INCLUDING BUT NOT LIMITED TO LOSS OF DATA OR
  26. DATA BEING RENDERED INACCURATE OR LOSSES SUSTAINED BY THIRD PARTIES OR
  27. A FAILURE OF THE PROGRAM TO OPERATE WITH ANY OTHER PROGRAMS) THIS
  28. PROGRAM, EVEN IF YOU HAVE BEEN ADVISED OF THE POSSIBILITY OF SUCH
  29. DAMAGES, OR FOR ANY CLAIM BY ANY OTHER PARTY.
  30.  
  31.         GENERAL PUBLIC LICENSE TO COPY
  32.  
  33.   1. You may copy and distribute verbatim copies of this source file
  34. as you receive it, in any medium, provided that you conspicuously and
  35. appropriately publish on each copy a valid copyright notice "Copyright
  36.  (C) 1988 Free Software Foundation, Inc."; and include following the
  37. copyright notice a verbatim copy of the above disclaimer of warranty
  38. and of this License.  You may charge a distribution fee for the
  39. physical act of transferring a copy.
  40.  
  41.   2. You may modify your copy or copies of this source file or
  42. any portion of it, and copy and distribute such modifications under
  43. the terms of Paragraph 1 above, provided that you also do the following:
  44.  
  45.     a) cause the modified files to carry prominent notices stating
  46.     that you changed the files and the date of any change; and
  47.  
  48.     b) cause the whole of any work that you distribute or publish,
  49.     that in whole or in part contains or is a derivative of this
  50.     program or any part thereof, to be licensed at no charge to all
  51.     third parties on terms identical to those contained in this
  52.     License Agreement (except that you may choose to grant more extensive
  53.     warranty protection to some or all third parties, at your option).
  54.  
  55.     c) You may charge a distribution fee for the physical act of
  56.     transferring a copy, and you may at your option offer warranty
  57.     protection in exchange for a fee.
  58.  
  59. Mere aggregation of another unrelated program with this program (or its
  60. derivative) on a volume of a storage or distribution medium does not bring
  61. the other program under the scope of these terms.
  62.  
  63.   3. You may copy and distribute this program or any portion of it in
  64. compiled, executable or object code form under the terms of Paragraphs
  65. 1 and 2 above provided that you do the following:
  66.  
  67.     a) accompany it with the complete corresponding machine-readable
  68.     source code, which must be distributed under the terms of
  69.     Paragraphs 1 and 2 above; or,
  70.  
  71.     b) accompany it with a written offer, valid for at least three
  72.     years, to give any third party free (except for a nominal
  73.     shipping charge) a complete machine-readable copy of the
  74.     corresponding source code, to be distributed under the terms of
  75.     Paragraphs 1 and 2 above; or,
  76.  
  77.     c) accompany it with the information you received as to where the
  78.     corresponding source code may be obtained.  (This alternative is
  79.     allowed only for noncommercial distribution and only if you
  80.     received the program in object code or executable form alone.)
  81.  
  82. For an executable file, complete source code means all the source code for
  83. all modules it contains; but, as a special exception, it need not include
  84. source code for modules which are standard libraries that accompany the
  85. operating system on which the executable file runs.
  86.  
  87.   4. You may not copy, sublicense, distribute or transfer this program
  88. except as expressly provided under this License Agreement.  Any attempt
  89. otherwise to copy, sublicense, distribute or transfer this program is void and
  90. your rights to use the program under this License agreement shall be
  91. automatically terminated.  However, parties who have received computer
  92. software programs from you with this License Agreement will not have
  93. their licenses terminated so long as such parties remain in full compliance.
  94.  
  95.   5. If you wish to incorporate parts of this program into other free
  96. programs whose distribution conditions are different, write to the Free
  97. Software Foundation at 675 Mass Ave, Cambridge, MA 02139.  We have not yet
  98. worked out a simple rule that can be stated here, but we will often permit
  99. this.  We will be guided by the two goals of preserving the free status of
  100. all derivatives our free software and of promoting the sharing and reuse of
  101. software.
  102.  
  103.  
  104. In other words, you are welcome to use, share and improve this program.
  105. You are forbidden to forbid anyone else to use, share and improve
  106. what you give them.   Help stamp out software-hoarding!  */
  107.  
  108. #include "awk.h"
  109. #include <assert.h>
  110.  
  111. #ifdef setbit  /* surprise - setbit and clrbit are macros on NeXT */
  112. #undef setbit
  113. #endif
  114. #ifdef clrbit
  115. #undef clrbit
  116. #endif
  117.  
  118. #ifdef __STDC__
  119. typedef void *ptr_t;
  120. #else
  121. typedef char *ptr_t;
  122. #endif
  123.  
  124. typedef struct {
  125.     char **    in;
  126.     char *    left;
  127.     char *    right;
  128.     char *    is;
  129. } must;
  130.  
  131. static ptr_t xcalloc P((int n, size_t s));
  132. static ptr_t xmalloc P((size_t n));
  133. static ptr_t xrealloc P((ptr_t p, size_t n));
  134. static int tstbit P((int b, _charset c));
  135. static void setbit P((int b, _charset c));
  136. static void clrbit P((int b, _charset c));
  137. static void copyset P((const _charset src, _charset dst));
  138. static void zeroset P((_charset s));
  139. static void notset P((_charset s));
  140. static int equal P((const _charset s1, const _charset s2));
  141. static int charset_index P((const _charset s));
  142. static _token lex P((void));
  143. static void addtok P((_token t));
  144. static void atom P((void));
  145. static void closure P((void));
  146. static void branch P((void));
  147. static void regexp P((void));
  148. static void copy P((const _position_set *src, _position_set *dst));
  149. static void insert P((_position p, _position_set *s));
  150. static void merge P((_position_set *s1, _position_set *s2, _position_set *m));
  151. static void delete P((_position p, _position_set *s));
  152. static int state_index P((struct regexp *r, _position_set *s,
  153.               int newline, int letter));
  154. static void epsclosure P((_position_set *s, struct regexp *r));
  155. static void build_state P((int s, struct regexp *r));
  156. static void build_state_zero P((struct regexp *r));
  157. static char *icatalloc P((char *old, const char *new));
  158. static char *icpyalloc P((const char *string));
  159. static char *istrstr P((char *lookin, char *lookfor));
  160. static void ifree P((char *cp));
  161. static void freelist P((char **cpp));
  162. static char **enlist P((char **cpp, char *new, size_t len));
  163. static char **comsubs P((char *left, char *right));
  164. static char **addlists P((char **old, char **new));
  165. static char **inboth P((char **left, char **right));
  166. static void resetmust P((must *mp));
  167. static void regmust P((struct regexp *r));
  168.  
  169. #undef P
  170.  
  171. static ptr_t
  172. xcalloc(n, s)
  173.      int n;
  174.      size_t s;
  175. {
  176.   ptr_t r = calloc(n, s);
  177.  
  178.   if (NULL == r)
  179.     reg_error("Memory exhausted");  /* reg_error does not return */
  180.   return r;
  181. }
  182.  
  183. static ptr_t
  184. xmalloc(n)
  185.      size_t n;
  186. {
  187.   ptr_t r = malloc(n);
  188.  
  189.   assert(n != 0);
  190.   if (NULL == r)
  191.     reg_error("Memory exhausted");
  192.   return r;
  193. }
  194.  
  195. static ptr_t
  196. xrealloc(p, n)
  197.      ptr_t p;
  198.      size_t n;
  199. {
  200.   ptr_t r = realloc(p, n);
  201.  
  202.   assert(n != 0);
  203.   if (NULL == r)
  204.     reg_error("Memory exhausted");
  205.   return r;
  206. }
  207.  
  208. #define CALLOC(p, t, n) ((p) = (t *) xcalloc((n), sizeof (t)))
  209. #undef MALLOC
  210. #define MALLOC(p, t, n) ((p) = (t *) xmalloc((n) * sizeof (t)))
  211. #define REALLOC(p, t, n) ((p) = (t *) xrealloc((ptr_t) (p), (n) * sizeof (t)))
  212.  
  213. /* Reallocate an array of type t if nalloc is too small for index. */
  214. #define REALLOC_IF_NECESSARY(p, t, nalloc, index) \
  215.   if ((index) >= (nalloc))              \
  216.     {                          \
  217.       while ((index) >= (nalloc))          \
  218.     (nalloc) *= 2;                  \
  219.       REALLOC(p, t, nalloc);              \
  220.     }
  221.  
  222. /* Stuff pertaining to charsets. */
  223.  
  224. static int
  225. tstbit(b, c)
  226.      int b;
  227.      _charset c;
  228. {
  229.   return c[b / INTBITS] & 1 << b % INTBITS;
  230. }
  231.  
  232. static void
  233. setbit(b, c)
  234.      int b;
  235.      _charset c;
  236. {
  237.   c[b / INTBITS] |= 1 << b % INTBITS;
  238. }
  239.  
  240. static void
  241. clrbit(b, c)
  242.      int b;
  243.      _charset c;
  244. {
  245.   c[b / INTBITS] &= ~(1 << b % INTBITS);
  246. }
  247.  
  248. static void
  249. copyset(src, dst)
  250.      const _charset src;
  251.      _charset dst;
  252. {
  253.   int i;
  254.  
  255.   for (i = 0; i < _CHARSET_INTS; ++i)
  256.     dst[i] = src[i];
  257. }
  258.  
  259. static void
  260. zeroset(s)
  261.      _charset s;
  262. {
  263.   int i;
  264.  
  265.   for (i = 0; i < _CHARSET_INTS; ++i)
  266.     s[i] = 0;
  267. }
  268.  
  269. static void
  270. notset(s)
  271.      _charset s;
  272. {
  273.   int i;
  274.  
  275.   for (i = 0; i < _CHARSET_INTS; ++i)
  276.     s[i] = ~s[i];
  277. }
  278.  
  279. static int
  280. equal(s1, s2)
  281.      const _charset s1;
  282.      const _charset s2;
  283. {
  284.   int i;
  285.  
  286.   for (i = 0; i < _CHARSET_INTS; ++i)
  287.     if (s1[i] != s2[i])
  288.       return 0;
  289.   return 1;
  290. }
  291.  
  292. /* A pointer to the current regexp is kept here during parsing. */
  293. static struct regexp *reg;
  294.  
  295. /* Find the index of charset s in reg->charsets, or allocate a new charset. */
  296. static int
  297. charset_index(s)
  298.      const _charset s;
  299. {
  300.   int i;
  301.  
  302.   for (i = 0; i < reg->cindex; ++i)
  303.     if (equal(s, reg->charsets[i]))
  304.       return i;
  305.   REALLOC_IF_NECESSARY(reg->charsets, _charset, reg->calloc, reg->cindex);
  306.   ++reg->cindex;
  307.   copyset(s, reg->charsets[i]);
  308.   return i;
  309. }
  310.  
  311. /* Syntax bits controlling the behavior of the lexical analyzer. */
  312. static syntax_bits, syntax_bits_set;
  313.  
  314. /* Flag for case-folding letters into sets. */
  315. static case_fold;
  316.  
  317. /* Entry point to set syntax options. */
  318. void
  319. regsyntax(bits, fold)
  320.      long bits;
  321.      int fold;
  322. {
  323.   syntax_bits_set = 1;
  324.   syntax_bits = bits;
  325.   case_fold = fold;
  326. }
  327.  
  328. /* Lexical analyzer. */
  329. static const char *lexstart;    /* Pointer to beginning of input string. */
  330. static const char *lexptr;    /* Pointer to next input character. */
  331. static lexleft;            /* Number of characters remaining. */
  332. static caret_allowed;        /* True if backward context allows ^
  333.                    (meaningful only if RE_CONTEXT_INDEP_OPS
  334.                    is turned off). */
  335. static closure_allowed;        /* True if backward context allows closures
  336.                    (meaningful only if RE_CONTEXT_INDEP_OPS
  337.                    is turned off). */
  338.  
  339. /* Note that characters become unsigned here. */
  340. #define FETCH(c, eoferr)             \
  341.   {                         \
  342.     if (! lexleft)                 \
  343.       if (eoferr != NULL)             \
  344.     reg_error(eoferr);            \
  345.       else                     \
  346.     return _END;                 \
  347.     (c) = (unsigned char) *lexptr++;  \
  348.     --lexleft;                     \
  349.   }
  350.  
  351. static _token
  352. lex()
  353. {
  354.   _token c, c2;
  355.   int invert;
  356.   _charset cset;
  357.  
  358.   FETCH(c, (char *) 0);
  359.   switch (c)
  360.     {
  361.     case '^':
  362.       if (! (syntax_bits & RE_CONTEXT_INDEP_OPS)
  363.       && (!caret_allowed ||
  364.           ((syntax_bits & RE_TIGHT_VBAR) && lexptr - 1 != lexstart)))
  365.     goto normal_char;
  366.       caret_allowed = 0;
  367.       return syntax_bits & RE_TIGHT_VBAR ? _ALLBEGLINE : _BEGLINE;
  368.  
  369.     case '$':
  370.       if (syntax_bits & RE_CONTEXT_INDEP_OPS || !lexleft
  371.       || (! (syntax_bits & RE_TIGHT_VBAR)
  372.           && ((syntax_bits & RE_NO_BK_PARENS
  373.            ? lexleft > 0 && *lexptr == ')'
  374.            : lexleft > 1 && *lexptr == '\\' && lexptr[1] == ')')
  375.           || (syntax_bits & RE_NO_BK_VBAR
  376.               ? lexleft > 0 && *lexptr == '|'
  377.               : lexleft > 1 && *lexptr == '\\' && lexptr[1] == '|'))))
  378.     return syntax_bits & RE_TIGHT_VBAR ? _ALLENDLINE : _ENDLINE;
  379.       goto normal_char;
  380.  
  381.     case '\\':
  382.       FETCH(c, "Unfinished \\ quote");
  383.       switch (c)
  384.     {
  385.     case '1':
  386.     case '2':
  387.     case '3':
  388.     case '4':
  389.     case '5':
  390.     case '6':
  391.     case '7':
  392.     case '8':
  393.     case '9':
  394.       caret_allowed = 0;
  395.       closure_allowed = 1;
  396.       return _BACKREF;
  397.  
  398.     case '<':
  399.       caret_allowed = 0;
  400.       return _BEGWORD;
  401.  
  402.     case '>':
  403.       caret_allowed = 0;
  404.       return _ENDWORD;
  405.  
  406.     case 'b':
  407.       caret_allowed = 0;
  408.       return _LIMWORD;
  409.  
  410.     case 'B':
  411.       caret_allowed = 0;
  412.       return _NOTLIMWORD;
  413.  
  414.     case 'w':
  415.     case 'W':
  416.       zeroset(cset);
  417.       for (c2 = 0; c2 < _NOTCHAR; ++c2)
  418.         if (ISALNUM(c2))
  419.           setbit(c2, cset);
  420.       if (c == 'W')
  421.         notset(cset);
  422.       caret_allowed = 0;
  423.       closure_allowed = 1;
  424.       return _SET + charset_index(cset);
  425.  
  426.     case '?':
  427.       if (syntax_bits & RE_BK_PLUS_QM)
  428.         goto qmark;
  429.       goto normal_char;
  430.  
  431.     case '+':
  432.       if (syntax_bits & RE_BK_PLUS_QM)
  433.         goto plus;
  434.       goto normal_char;
  435.  
  436.     case '|':
  437.       if (! (syntax_bits & RE_NO_BK_VBAR))
  438.         goto or;
  439.       goto normal_char;
  440.  
  441.     case '(':
  442.       if (! (syntax_bits & RE_NO_BK_PARENS))
  443.         goto lparen;
  444.       goto normal_char;
  445.  
  446.     case ')':
  447.       if (! (syntax_bits & RE_NO_BK_PARENS))
  448.         goto rparen;
  449.       goto normal_char;
  450.  
  451.     default:
  452.       goto normal_char;
  453.     }
  454.  
  455.     case '?':
  456.       if (syntax_bits & RE_BK_PLUS_QM)
  457.     goto normal_char;
  458.     qmark:
  459.       if (! (syntax_bits & RE_CONTEXT_INDEP_OPS) && !closure_allowed)
  460.     goto normal_char;
  461.       return _QMARK;
  462.  
  463.     case '*':
  464.       if (! (syntax_bits & RE_CONTEXT_INDEP_OPS) && !closure_allowed)
  465.     goto normal_char;
  466.       return _STAR;
  467.  
  468.     case '+':
  469.       if (syntax_bits & RE_BK_PLUS_QM)
  470.     goto normal_char;
  471.     plus:
  472.       if (! (syntax_bits & RE_CONTEXT_INDEP_OPS) && !closure_allowed)
  473.     goto normal_char;
  474.       return _PLUS;
  475.  
  476.     case '|':
  477.       if (! (syntax_bits & RE_NO_BK_VBAR))
  478.     goto normal_char;
  479.     or:
  480.       caret_allowed = 1;
  481.       closure_allowed = 0;
  482.       return _OR;
  483.  
  484.     case '\n':
  485.       if (! (syntax_bits & RE_NEWLINE_OR))
  486.     goto normal_char;
  487.       goto or;
  488.  
  489.     case '(':
  490.       if (! (syntax_bits & RE_NO_BK_PARENS))
  491.     goto normal_char;
  492.     lparen:
  493.       caret_allowed = 1;
  494.       closure_allowed = 0;
  495.       return _LPAREN;
  496.  
  497.     case ')':
  498.       if (! (syntax_bits & RE_NO_BK_PARENS))
  499.     goto normal_char;
  500.     rparen:
  501.       caret_allowed = 0;
  502.       closure_allowed = 1;
  503.       return _RPAREN;
  504.  
  505.     case '.':
  506.       zeroset(cset);
  507.       notset(cset);
  508.       clrbit('\n', cset);
  509.       caret_allowed = 0;
  510.       closure_allowed = 1;
  511.       return _SET + charset_index(cset);
  512.  
  513.     case '[':
  514.       zeroset(cset);
  515.       FETCH(c, "Unbalanced [");
  516.       if (c == '^')
  517.     {
  518.       FETCH(c, "Unbalanced [");
  519.       invert = 1;
  520.     }
  521.       else
  522.     invert = 0;
  523.       do
  524.     {
  525.       FETCH(c2, "Unbalanced [");
  526.       if ((syntax_bits & RE_AWK_CLASS_HACK) && c == '\\')
  527.         {
  528.           c = c2;
  529.           FETCH(c2, "Unbalanced [");
  530.         }
  531.       if (c2 == '-')
  532.         {
  533.           FETCH(c2, "Unbalanced [");
  534.           if (c2 == ']' && (syntax_bits & RE_AWK_CLASS_HACK))
  535.         {
  536.           setbit(c, cset);
  537.           setbit('-', cset);
  538.           break;
  539.             }
  540.           while (c <= c2)
  541.           setbit(c++, cset);
  542.           FETCH(c, "Unbalanced [");
  543.         }
  544.       else
  545.         {
  546.           setbit(c, cset);
  547.           c = c2;
  548.         }
  549.     }
  550.       while (c != ']');
  551.       if (invert)
  552.     notset(cset);
  553.       caret_allowed = 0;
  554.       closure_allowed = 1;
  555.       return _SET + charset_index(cset);
  556.  
  557.     default:
  558.     normal_char:
  559.       caret_allowed = 0;
  560.       closure_allowed = 1;
  561.       if (case_fold && ISALPHA(c))
  562.     {
  563.       zeroset(cset);
  564.       if (isupper(c))
  565.         c = tolower(c);
  566.       setbit(c, cset);
  567.       setbit(toupper(c), cset);
  568.       return _SET + charset_index(cset);
  569.     }
  570.       return c;
  571.     }
  572. }
  573.  
  574. /* Recursive descent parser for regular expressions. */
  575.  
  576. static _token tok;        /* Lookahead token. */
  577. static depth;            /* Current depth of a hypothetical stack
  578.                    holding deferred productions.  This is
  579.                    used to determine the depth that will be
  580.                    required of the real stack later on in
  581.                    reganalyze(). */
  582.  
  583. /* Add the given token to the parse tree, maintaining the depth count and
  584.    updating the maximum depth if necessary. */
  585. static void
  586. addtok(t)
  587.      _token t;
  588. {
  589.   REALLOC_IF_NECESSARY(reg->tokens, _token, reg->talloc, reg->tindex);
  590.   reg->tokens[reg->tindex++] = t;
  591.  
  592.   switch (t)
  593.     {
  594.     case _QMARK:
  595.     case _STAR:
  596.     case _PLUS:
  597.       break;
  598.  
  599.     case _CAT:
  600.     case _OR:
  601.       --depth;
  602.       break;
  603.  
  604.     default:
  605.       ++reg->nleaves;
  606.     case _EMPTY:
  607.       ++depth;
  608.       break;
  609.     }
  610.   if (depth > reg->depth)
  611.     reg->depth = depth;
  612. }
  613.  
  614. /* The grammar understood by the parser is as follows.
  615.  
  616.    start:
  617.      regexp
  618.      _ALLBEGLINE regexp
  619.      regexp _ALLENDLINE
  620.      _ALLBEGLINE regexp _ALLENDLINE
  621.  
  622.    regexp:
  623.      regexp _OR branch
  624.      branch
  625.  
  626.    branch:
  627.      branch closure
  628.      closure
  629.  
  630.    closure:
  631.      closure _QMARK
  632.      closure _STAR
  633.      closure _PLUS
  634.      atom
  635.  
  636.    atom:
  637.      <normal character>
  638.      _SET
  639.      _BACKREF
  640.      _BEGLINE
  641.      _ENDLINE
  642.      _BEGWORD
  643.      _ENDWORD
  644.      _LIMWORD
  645.      _NOTLIMWORD
  646.      <empty>
  647.  
  648.    The parser builds a parse tree in postfix form in an array of tokens. */
  649.  
  650. #ifdef __STDC__
  651. static void regexp(void);
  652. #else
  653. static void regexp();
  654. #endif
  655.  
  656. static void
  657. atom()
  658. {
  659.   if (tok >= 0 && (tok < _NOTCHAR || tok >= _SET || tok == _BACKREF
  660.       || tok == _BEGLINE || tok == _ENDLINE || tok == _BEGWORD
  661.       || tok == _ENDWORD || tok == _LIMWORD || tok == _NOTLIMWORD))
  662.     {
  663.       addtok(tok);
  664.       tok = lex();
  665.     }
  666.   else if (tok == _LPAREN)
  667.     {
  668.       tok = lex();
  669.       regexp();
  670.       if (tok != _RPAREN)
  671.     reg_error("Unbalanced (");
  672.       tok = lex();
  673.     }
  674.   else
  675.     addtok(_EMPTY);
  676. }
  677.  
  678. static void
  679. closure()
  680. {
  681.   atom();
  682.   while (tok == _QMARK || tok == _STAR || tok == _PLUS)
  683.     {
  684.       addtok(tok);
  685.       tok = lex();
  686.     }
  687. }
  688.  
  689. static void
  690. branch()
  691. {
  692.   closure();
  693.   while (tok != _RPAREN && tok != _OR && tok != _ALLENDLINE && tok >= 0)
  694.     {
  695.       closure();
  696.       addtok(_CAT);
  697.     }
  698. }
  699.  
  700. static void
  701. regexp()
  702. {
  703.   branch();
  704.   while (tok == _OR)
  705.     {
  706.       tok = lex();
  707.       branch();
  708.       addtok(_OR);
  709.     }
  710. }
  711.  
  712. /* Main entry point for the parser.  S is a string to be parsed, len is the
  713.    length of the string, so s can include NUL characters.  R is a pointer to
  714.    the struct regexp to parse into. */
  715. void
  716. regparse(s, len, r)
  717.      const char *s;
  718.      size_t len;
  719.      struct regexp *r;
  720. {
  721.   reg = r;
  722.   lexstart = lexptr = s;
  723.   lexleft = len;
  724.   caret_allowed = 1;
  725.   closure_allowed = 0;
  726.  
  727.   if (! syntax_bits_set)
  728.     reg_error("No syntax specified");
  729.  
  730.   tok = lex();
  731.   depth = r->depth;
  732.  
  733.   if (tok == _ALLBEGLINE)
  734.     {
  735.       addtok(_BEGLINE);
  736.       tok = lex();
  737.       regexp();
  738.       addtok(_CAT);
  739.     }
  740.   else
  741.     regexp();
  742.  
  743.   if (tok == _ALLENDLINE)
  744.     {
  745.       addtok(_ENDLINE);
  746.       addtok(_CAT);
  747.       tok = lex();
  748.     }
  749.  
  750.   if (tok != _END)
  751.     reg_error("Unbalanced )");
  752.  
  753.   addtok(_END - r->nregexps);
  754.   addtok(_CAT);
  755.  
  756.   if (r->nregexps)
  757.     addtok(_OR);
  758.  
  759.   ++r->nregexps;
  760. }
  761.  
  762. /* Some primitives for operating on sets of positions. */
  763.  
  764. /* Copy one set to another; the destination must be large enough. */
  765. static void
  766. copy(src, dst)
  767.      const _position_set *src;
  768.      _position_set *dst;
  769. {
  770.   int i;
  771.  
  772.   for (i = 0; i < src->nelem; ++i)
  773.     dst->elems[i] = src->elems[i];
  774.   dst->nelem = src->nelem;
  775. }
  776.  
  777. /* Insert a position in a set.  Position sets are maintained in sorted
  778.    order according to index.  If position already exists in the set with
  779.    the same index then their constraints are logically or'd together.
  780.    S->elems must point to an array large enough to hold the resulting set. */
  781. static void
  782. insert(p, s)
  783.      _position p;
  784.      _position_set *s;
  785. {
  786.   int i;
  787.   _position t1, t2;
  788.  
  789.   for (i = 0; i < s->nelem && p.index < s->elems[i].index; ++i)
  790.     ;
  791.   if (i < s->nelem && p.index == s->elems[i].index)
  792.     s->elems[i].constraint |= p.constraint;
  793.   else
  794.     {
  795.       t1 = p;
  796.       ++s->nelem;
  797.       while (i < s->nelem)
  798.     {
  799.       t2 = s->elems[i];
  800.       s->elems[i++] = t1;
  801.       t1 = t2;
  802.     }
  803.     }
  804. }
  805.  
  806. /* Merge two sets of positions into a third.  The result is exactly as if
  807.    the positions of both sets were inserted into an initially empty set. */
  808. static void
  809. merge(s1, s2, m)
  810.      _position_set *s1;
  811.      _position_set *s2;
  812.      _position_set *m;
  813. {
  814.   int i = 0, j = 0;
  815.  
  816.   m->nelem = 0;
  817.   while (i < s1->nelem && j < s2->nelem)
  818.     if (s1->elems[i].index > s2->elems[j].index)
  819.       m->elems[m->nelem++] = s1->elems[i++];
  820.     else if (s1->elems[i].index < s2->elems[j].index)
  821.       m->elems[m->nelem++] = s2->elems[j++];
  822.     else
  823.       {
  824.     m->elems[m->nelem] = s1->elems[i++];
  825.     m->elems[m->nelem++].constraint |= s2->elems[j++].constraint;
  826.       }
  827.   while (i < s1->nelem)
  828.     m->elems[m->nelem++] = s1->elems[i++];
  829.   while (j < s2->nelem)
  830.     m->elems[m->nelem++] = s2->elems[j++];
  831. }
  832.  
  833. /* Delete a position from a set. */
  834. static void
  835. delete(p, s)
  836.      _position p;
  837.      _position_set *s;
  838. {
  839.   int i;
  840.  
  841.   for (i = 0; i < s->nelem; ++i)
  842.     if (p.index == s->elems[i].index)
  843.       break;
  844.   if (i < s->nelem)
  845.     for (--s->nelem; i < s->nelem; ++i)
  846.       s->elems[i] = s->elems[i + 1];
  847. }
  848.  
  849. /* Find the index of the state corresponding to the given position set with
  850.    the given preceding context, or create a new state if there is no such
  851.    state.  Newline and letter tell whether we got here on a newline or
  852.    letter, respectively. */
  853. static int
  854. state_index(r, s, newline, letter)
  855.      struct regexp *r;
  856.      _position_set *s;
  857.      int newline;
  858.      int letter;
  859. {
  860.   int lhash = 0;
  861.   int constraint;
  862.   int i, j;
  863.  
  864.   newline = newline ? 1 : 0;
  865.   letter = letter ? 1 : 0;
  866.  
  867.   for (i = 0; i < s->nelem; ++i)
  868.     lhash ^= s->elems[i].index + s->elems[i].constraint;
  869.  
  870.   /* Try to find a state that exactly matches the proposed one. */
  871.   for (i = 0; i < r->sindex; ++i)
  872.     {
  873.       if (lhash != r->states[i].hash || s->nelem != r->states[i].elems.nelem
  874.       || newline != r->states[i].newline || letter != r->states[i].letter)
  875.     continue;
  876.       for (j = 0; j < s->nelem; ++j)
  877.     if (s->elems[j].constraint
  878.         != r->states[i].elems.elems[j].constraint
  879.         || s->elems[j].index != r->states[i].elems.elems[j].index)
  880.       break;
  881.       if (j == s->nelem)
  882.     return i;
  883.     }
  884.  
  885.   /* We'll have to create a new state. */
  886.   REALLOC_IF_NECESSARY(r->states, _dfa_state, r->salloc, r->sindex);
  887.   r->states[i].hash = lhash;
  888.   MALLOC(r->states[i].elems.elems, _position, s->nelem);
  889.   copy(s, &r->states[i].elems);
  890.   r->states[i].newline = newline;
  891.   r->states[i].letter = letter;
  892.   r->states[i].backref = 0;
  893.   r->states[i].constraint = 0;
  894.   r->states[i].first_end = 0;
  895.   for (j = 0; j < s->nelem; ++j)
  896.     if (r->tokens[s->elems[j].index] < 0)
  897.       {
  898.     constraint = s->elems[j].constraint;
  899.     if (_SUCCEEDS_IN_CONTEXT(constraint, newline, 0, letter, 0)
  900.         || _SUCCEEDS_IN_CONTEXT(constraint, newline, 0, letter, 1)
  901.         || _SUCCEEDS_IN_CONTEXT(constraint, newline, 1, letter, 0)
  902.         || _SUCCEEDS_IN_CONTEXT(constraint, newline, 1, letter, 1))
  903.       r->states[i].constraint |= constraint;
  904.     if (! r->states[i].first_end)
  905.       r->states[i].first_end = r->tokens[s->elems[j].index];
  906.       }
  907.     else if (r->tokens[s->elems[j].index] == _BACKREF)
  908.       {
  909.     r->states[i].constraint = _NO_CONSTRAINT;
  910.     r->states[i].backref = 1;
  911.       }
  912.  
  913.   ++r->sindex;
  914.  
  915.   return i;
  916. }
  917.  
  918. /* Find the epsilon closure of a set of positions.  If any position of the set
  919.    contains a symbol that matches the empty string in some context, replace
  920.    that position with the elements of its follow labeled with an appropriate
  921.    constraint.  Repeat exhaustively until no funny positions are left.
  922.    S->elems must be large enough to hold the result. */
  923. static void
  924. epsclosure(s, r)
  925.      _position_set *s;
  926.      struct regexp *r;
  927. {
  928.   int i, j;
  929.   int *visited;
  930.   _position p, old;
  931.  
  932.   MALLOC(visited, int, r->tindex);
  933.   for (i = 0; i < r->tindex; ++i)
  934.     visited[i] = 0;
  935.  
  936.   for (i = 0; i < s->nelem; ++i)
  937.     if (r->tokens[s->elems[i].index] >= _NOTCHAR
  938.     && r->tokens[s->elems[i].index] != _BACKREF
  939.     && r->tokens[s->elems[i].index] < _SET)
  940.       {
  941.     old = s->elems[i];
  942.     p.constraint = old.constraint;
  943.     delete(s->elems[i], s);
  944.     if (visited[old.index])
  945.       {
  946.         --i;
  947.         continue;
  948.       }
  949.     visited[old.index] = 1;
  950.     switch (r->tokens[old.index])
  951.       {
  952.       case _BEGLINE:
  953.         p.constraint &= _BEGLINE_CONSTRAINT;
  954.         break;
  955.       case _ENDLINE:
  956.         p.constraint &= _ENDLINE_CONSTRAINT;
  957.         break;
  958.       case _BEGWORD:
  959.         p.constraint &= _BEGWORD_CONSTRAINT;
  960.         break;
  961.       case _ENDWORD:
  962.         p.constraint &= _ENDWORD_CONSTRAINT;
  963.         break;
  964.       case _LIMWORD:
  965.         p.constraint &= _ENDWORD_CONSTRAINT;
  966.         break;
  967.       case _NOTLIMWORD:
  968.         p.constraint &= _NOTLIMWORD_CONSTRAINT;
  969.         break;
  970.       default:
  971.         break;
  972.       }
  973.     for (j = 0; j < r->follows[old.index].nelem; ++j)
  974.       {
  975.         p.index = r->follows[old.index].elems[j].index;
  976.         insert(p, s);
  977.       }
  978.     /* Force rescan to start at the beginning. */
  979.     i = -1;
  980.       }
  981.  
  982.   free(visited);
  983. }
  984.  
  985. /* Perform bottom-up analysis on the parse tree, computing various functions.
  986.    Note that at this point, we're pretending constructs like \< are real
  987.    characters rather than constraints on what can follow them.
  988.  
  989.    Nullable:  A node is nullable if it is at the root of a regexp that can
  990.    match the empty string.
  991.    *  _EMPTY leaves are nullable.
  992.    * No other leaf is nullable.
  993.    * A _QMARK or _STAR node is nullable.
  994.    * A _PLUS node is nullable if its argument is nullable.
  995.    * A _CAT node is nullable if both its arguments are nullable.
  996.    * An _OR node is nullable if either argument is nullable.
  997.  
  998.    Firstpos:  The firstpos of a node is the set of positions (nonempty leaves)
  999.    that could correspond to the first character of a string matching the
  1000.    regexp rooted at the given node.
  1001.    * _EMPTY leaves have empty firstpos.
  1002.    * The firstpos of a nonempty leaf is that leaf itself.
  1003.    * The firstpos of a _QMARK, _STAR, or _PLUS node is the firstpos of its
  1004.      argument.
  1005.    * The firstpos of a _CAT node is the firstpos of the left argument, union
  1006.      the firstpos of the right if the left argument is nullable.
  1007.    * The firstpos of an _OR node is the union of firstpos of each argument.
  1008.  
  1009.    Lastpos:  The lastpos of a node is the set of positions that could
  1010.    correspond to the last character of a string matching the regexp at
  1011.    the given node.
  1012.    * _EMPTY leaves have empty lastpos.
  1013.    * The lastpos of a nonempty leaf is that leaf itself.
  1014.    * The lastpos of a _QMARK, _STAR, or _PLUS node is the lastpos of its
  1015.      argument.
  1016.    * The lastpos of a _CAT node is the lastpos of its right argument, union
  1017.      the lastpos of the left if the right argument is nullable.
  1018.    * The lastpos of an _OR node is the union of the lastpos of each argument.
  1019.  
  1020.    Follow:  The follow of a position is the set of positions that could
  1021.    correspond to the character following a character matching the node in
  1022.    a string matching the regexp.  At this point we consider special symbols
  1023.    that match the empty string in some context to be just normal characters.
  1024.    Later, if we find that a special symbol is in a follow set, we will
  1025.    replace it with the elements of its follow, labeled with an appropriate
  1026.    constraint.
  1027.    * Every node in the firstpos of the argument of a _STAR or _PLUS node is in
  1028.      the follow of every node in the lastpos.
  1029.    * Every node in the firstpos of the second argument of a _CAT node is in
  1030.      the follow of every node in the lastpos of the first argument.
  1031.  
  1032.    Because of the postfix representation of the parse tree, the depth-first
  1033.    analysis is conveniently done by a linear scan with the aid of a stack.
  1034.    Sets are stored as arrays of the elements, obeying a stack-like allocation
  1035.    scheme; the number of elements in each set deeper in the stack can be
  1036.    used to determine the address of a particular set's array. */
  1037. void
  1038. reganalyze(r, searchflag)
  1039.      struct regexp *r;
  1040.      int searchflag;
  1041. {
  1042.   int *nullable;        /* Nullable stack. */
  1043.   int *nfirstpos;        /* Element count stack for firstpos sets. */
  1044.   _position *firstpos;        /* Array where firstpos elements are stored. */
  1045.   int *nlastpos;        /* Element count stack for lastpos sets. */
  1046.   _position *lastpos;        /* Array where lastpos elements are stored. */
  1047.   int *nalloc;            /* Sizes of arrays allocated to follow sets. */
  1048.   _position_set tmp;        /* Temporary set for merging sets. */
  1049.   _position_set merged;        /* Result of merging sets. */
  1050.   int wants_newline;        /* True if some position wants newline info. */
  1051.   int *o_nullable;
  1052.   int *o_nfirst, *o_nlast;
  1053.   _position *o_firstpos, *o_lastpos;
  1054.   int i, j;
  1055.   _position *pos;
  1056.  
  1057.   r->searchflag = searchflag;
  1058.  
  1059.   MALLOC(nullable, int, r->depth);
  1060.   o_nullable = nullable;
  1061.   MALLOC(nfirstpos, int, r->depth);
  1062.   o_nfirst = nfirstpos;
  1063.   MALLOC(firstpos, _position, r->nleaves);
  1064.   o_firstpos = firstpos, firstpos += r->nleaves;
  1065.   MALLOC(nlastpos, int, r->depth);
  1066.   o_nlast = nlastpos;
  1067.   MALLOC(lastpos, _position, r->nleaves);
  1068.   o_lastpos = lastpos, lastpos += r->nleaves;
  1069.   MALLOC(nalloc, int, r->tindex);
  1070.   for (i = 0; i < r->tindex; ++i)
  1071.     nalloc[i] = 0;
  1072.   MALLOC(merged.elems, _position, r->nleaves);
  1073.  
  1074.   CALLOC(r->follows, _position_set, r->tindex);
  1075.  
  1076.   for (i = 0; i < r->tindex; ++i)
  1077.     switch (r->tokens[i])
  1078.       {
  1079.       case _EMPTY:
  1080.     /* The empty set is nullable. */
  1081.     *nullable++ = 1;
  1082.  
  1083.     /* The firstpos and lastpos of the empty leaf are both empty. */
  1084.     *nfirstpos++ = *nlastpos++ = 0;
  1085.     break;
  1086.  
  1087.       case _STAR:
  1088.       case _PLUS:
  1089.     /* Every element in the firstpos of the argument is in the follow
  1090.        of every element in the lastpos. */
  1091.     tmp.nelem = nfirstpos[-1];
  1092.     tmp.elems = firstpos;
  1093.     pos = lastpos;
  1094.     for (j = 0; j < nlastpos[-1]; ++j)
  1095.       {
  1096.         merge(&tmp, &r->follows[pos[j].index], &merged);
  1097.         REALLOC_IF_NECESSARY(r->follows[pos[j].index].elems, _position,
  1098.                  nalloc[pos[j].index], merged.nelem - 1);
  1099.         copy(&merged, &r->follows[pos[j].index]);
  1100.       }
  1101.  
  1102.       case _QMARK:
  1103.     /* A _QMARK or _STAR node is automatically nullable. */
  1104.     if (r->tokens[i] != _PLUS)
  1105.       nullable[-1] = 1;
  1106.     break;
  1107.  
  1108.       case _CAT:
  1109.     /* Every element in the firstpos of the second argument is in the
  1110.        follow of every element in the lastpos of the first argument. */
  1111.     tmp.nelem = nfirstpos[-1];
  1112.     tmp.elems = firstpos;
  1113.     pos = lastpos + nlastpos[-1];
  1114.     for (j = 0; j < nlastpos[-2]; ++j)
  1115.       {
  1116.         merge(&tmp, &r->follows[pos[j].index], &merged);
  1117.         REALLOC_IF_NECESSARY(r->follows[pos[j].index].elems, _position,
  1118.                  nalloc[pos[j].index], merged.nelem - 1);
  1119.         copy(&merged, &r->follows[pos[j].index]);
  1120.       }
  1121.  
  1122.     /* The firstpos of a _CAT node is the firstpos of the first argument,
  1123.        union that of the second argument if the first is nullable. */
  1124.     if (nullable[-2])
  1125.       nfirstpos[-2] += nfirstpos[-1];
  1126.     else
  1127.       firstpos += nfirstpos[-1];
  1128.     --nfirstpos;
  1129.  
  1130.     /* The lastpos of a _CAT node is the lastpos of the second argument,
  1131.        union that of the first argument if the second is nullable. */
  1132.     if (nullable[-1])
  1133.       nlastpos[-2] += nlastpos[-1];
  1134.     else
  1135.       {
  1136.         pos = lastpos + nlastpos[-2];
  1137.         for (j = nlastpos[-1] - 1; j >= 0; --j)
  1138.           pos[j] = lastpos[j];
  1139.         lastpos += nlastpos[-2];
  1140.         nlastpos[-2] = nlastpos[-1];
  1141.       }
  1142.     --nlastpos;
  1143.  
  1144.     /* A _CAT node is nullable if both arguments are nullable. */
  1145.     nullable[-2] = nullable[-1] && nullable[-2];
  1146.     --nullable;
  1147.     break;
  1148.  
  1149.       case _OR:
  1150.     /* The firstpos is the union of the firstpos of each argument. */
  1151.     nfirstpos[-2] += nfirstpos[-1];
  1152.     --nfirstpos;
  1153.  
  1154.     /* The lastpos is the union of the lastpos of each argument. */
  1155.     nlastpos[-2] += nlastpos[-1];
  1156.     --nlastpos;
  1157.  
  1158.     /* An _OR node is nullable if either argument is nullable. */
  1159.     nullable[-2] = nullable[-1] || nullable[-2];
  1160.     --nullable;
  1161.     break;
  1162.  
  1163.       default:
  1164.     /* Anything else is a nonempty position.  (Note that special
  1165.        constructs like \< are treated as nonempty strings here;
  1166.        an "epsilon closure" effectively makes them nullable later.
  1167.        Backreferences have to get a real position so we can detect
  1168.        transitions on them later.  But they are nullable. */
  1169.     *nullable++ = r->tokens[i] == _BACKREF;
  1170.  
  1171.     /* This position is in its own firstpos and lastpos. */
  1172.     *nfirstpos++ = *nlastpos++ = 1;
  1173.     --firstpos, --lastpos;
  1174.     firstpos->index = lastpos->index = i;
  1175.     firstpos->constraint = lastpos->constraint = _NO_CONSTRAINT;
  1176.  
  1177.     /* Allocate the follow set for this position. */
  1178.     nalloc[i] = 1;
  1179.     MALLOC(r->follows[i].elems, _position, nalloc[i]);
  1180.     break;
  1181.       }
  1182.  
  1183.   /* For each follow set that is the follow set of a real position, replace
  1184.      it with its epsilon closure. */
  1185.   for (i = 0; i < r->tindex; ++i)
  1186.     if (r->tokens[i] < _NOTCHAR || r->tokens[i] == _BACKREF
  1187.     || r->tokens[i] >= _SET)
  1188.       {
  1189.     copy(&r->follows[i], &merged);
  1190.     epsclosure(&merged, r);
  1191.     if (r->follows[i].nelem < merged.nelem)
  1192.       REALLOC(r->follows[i].elems, _position, merged.nelem);
  1193.     copy(&merged, &r->follows[i]);
  1194.       }
  1195.  
  1196.   /* Get the epsilon closure of the firstpos of the regexp.  The result will
  1197.      be the set of positions of state 0. */
  1198.   merged.nelem = 0;
  1199.   for (i = 0; i < nfirstpos[-1]; ++i)
  1200.     insert(firstpos[i], &merged);
  1201.   epsclosure(&merged, r);
  1202.  
  1203.   /* Check if any of the positions of state 0 will want newline context. */
  1204.   wants_newline = 0;
  1205.   for (i = 0; i < merged.nelem; ++i)
  1206.     if (_PREV_NEWLINE_DEPENDENT(merged.elems[i].constraint))
  1207.       wants_newline = 1;
  1208.  
  1209.   /* Build the initial state. */
  1210.   r->salloc = 1;
  1211.   r->sindex = 0;
  1212.   MALLOC(r->states, _dfa_state, r->salloc);
  1213.   state_index(r, &merged, wants_newline, 0);
  1214.  
  1215.   free(o_nullable);
  1216.   free(o_nfirst);
  1217.   free(o_firstpos);
  1218.   free(o_nlast);
  1219.   free(o_lastpos);
  1220.   free(nalloc);
  1221.   free(merged.elems);
  1222. }
  1223.  
  1224. /* Find, for each character, the transition out of state s of r, and store
  1225.    it in the appropriate slot of trans.
  1226.  
  1227.    We divide the positions of s into groups (positions can appear in more
  1228.    than one group).  Each group is labeled with a set of characters that
  1229.    every position in the group matches (taking into account, if necessary,
  1230.    preceding context information of s).  For each group, find the union
  1231.    of the its elements' follows.  This set is the set of positions of the
  1232.    new state.  For each character in the group's label, set the transition
  1233.    on this character to be to a state corresponding to the set's positions,
  1234.    and its associated backward context information, if necessary.
  1235.  
  1236.    If we are building a searching matcher, we include the positions of state
  1237.    0 in every state.
  1238.  
  1239.    The collection of groups is constructed by building an equivalence-class
  1240.    partition of the positions of s.
  1241.  
  1242.    For each position, find the set of characters C that it matches.  Eliminate
  1243.    any characters from C that fail on grounds of backward context.
  1244.  
  1245.    Search through the groups, looking for a group whose label L has nonempty
  1246.    intersection with C.  If L - C is nonempty, create a new group labeled
  1247.    L - C and having the same positions as the current group, and set L to
  1248.    the intersection of L and C.  Insert the position in this group, set
  1249.    C = C - L, and resume scanning.
  1250.  
  1251.    If after comparing with every group there are characters remaining in C,
  1252.    create a new group labeled with the characters of C and insert this
  1253.    position in that group. */
  1254. void
  1255. regstate(s, r, trans)
  1256.      int s;
  1257.      struct regexp *r;
  1258.      int trans[];
  1259. {
  1260.   _position_set grps[_NOTCHAR];    /* As many as will ever be needed. */
  1261.   _charset labels[_NOTCHAR];    /* Labels corresponding to the groups. */
  1262.   int ngrps = 0;        /* Number of groups actually used. */
  1263.   _position pos;        /* Current position being considered. */
  1264.   _charset matches;        /* Set of matching characters. */
  1265.   int matchesf;            /* True if matches is nonempty. */
  1266.   _charset intersect;        /* Intersection with some label set. */
  1267.   int intersectf;        /* True if intersect is nonempty. */
  1268.   _charset leftovers;        /* Stuff in the label that didn't match. */
  1269.   int leftoversf;        /* True if leftovers is nonempty. */
  1270.   static _charset letters;    /* Set of characters considered letters. */
  1271.   static _charset newline;    /* Set of characters that aren't newline. */
  1272.   _position_set follows;    /* Union of the follows of some group. */
  1273.   _position_set tmp;        /* Temporary space for merging sets. */
  1274.   int state;            /* New state. */
  1275.   int wants_newline;        /* New state wants to know newline context. */
  1276.   int state_newline;        /* New state on a newline transition. */
  1277.   int wants_letter;        /* New state wants to know letter context. */
  1278.   int state_letter;        /* New state on a letter transition. */
  1279.   static initialized;        /* Flag for static initialization. */
  1280.   int i, j, k;
  1281.  
  1282.   /* Initialize the set of letters, if necessary. */
  1283.   if (! initialized)
  1284.     {
  1285.       initialized = 1;
  1286.       for (i = 0; i < _NOTCHAR; ++i)
  1287.     if (ISALNUM(i))
  1288.       setbit(i, letters);
  1289.       setbit('\n', newline);
  1290.     }
  1291.  
  1292.   zeroset(matches);
  1293.  
  1294.   for (i = 0; i < r->states[s].elems.nelem; ++i)
  1295.     {
  1296.       pos = r->states[s].elems.elems[i];
  1297.       if (r->tokens[pos.index] >= 0 && r->tokens[pos.index] < _NOTCHAR)
  1298.     setbit(r->tokens[pos.index], matches);
  1299.       else if (r->tokens[pos.index] >= _SET)
  1300.     copyset(r->charsets[r->tokens[pos.index] - _SET], matches);
  1301.       else
  1302.     continue;
  1303.  
  1304.       /* Some characters may need to be climinated from matches because
  1305.      they fail in the current context. */
  1306.       if (pos.constraint != 0xff)
  1307.     {
  1308.       if (! _MATCHES_NEWLINE_CONTEXT(pos.constraint,
  1309.                      r->states[s].newline, 1))
  1310.         clrbit('\n', matches);
  1311.       if (! _MATCHES_NEWLINE_CONTEXT(pos.constraint,
  1312.                      r->states[s].newline, 0))
  1313.         for (j = 0; j < _CHARSET_INTS; ++j)
  1314.           matches[j] &= newline[j];
  1315.       if (! _MATCHES_LETTER_CONTEXT(pos.constraint,
  1316.                     r->states[s].letter, 1))
  1317.         for (j = 0; j < _CHARSET_INTS; ++j)
  1318.           matches[j] &= ~letters[j];
  1319.       if (! _MATCHES_LETTER_CONTEXT(pos.constraint,
  1320.                     r->states[s].letter, 0))
  1321.         for (j = 0; j < _CHARSET_INTS; ++j)
  1322.           matches[j] &= letters[j];
  1323.  
  1324.       /* If there are no characters left, there's no point in going on. */
  1325.       for (j = 0; j < _CHARSET_INTS && !matches[j]; ++j)
  1326.         ;
  1327.       if (j == _CHARSET_INTS)
  1328.         continue;
  1329.     }
  1330.  
  1331.       for (j = 0; j < ngrps; ++j)
  1332.     {
  1333.       /* If matches contains a single character only, and the current
  1334.          group's label doesn't contain that character, go on to the
  1335.          next group. */
  1336.       if (r->tokens[pos.index] >= 0 && r->tokens[pos.index] < _NOTCHAR
  1337.           && !tstbit(r->tokens[pos.index], labels[j]))
  1338.         continue;
  1339.  
  1340.       /* Check if this group's label has a nonempty intersection with
  1341.          matches. */
  1342.       intersectf = 0;
  1343.       for (k = 0; k < _CHARSET_INTS; ++k)
  1344.         (intersect[k] = matches[k] & labels[j][k]) ? intersectf = 1 : 0;
  1345.       if (! intersectf)
  1346.         continue;
  1347.  
  1348.       /* It does; now find the set differences both ways. */
  1349.       leftoversf = matchesf = 0;
  1350.       for (k = 0; k < _CHARSET_INTS; ++k)
  1351.         {
  1352.           /* Even an optimizing compiler can't know this for sure. */
  1353.           int match = matches[k], label = labels[j][k];
  1354.  
  1355.           (leftovers[k] = ~match & label) ? leftoversf = 1 : 0;
  1356.           (matches[k] = match & ~label) ? matchesf = 1 : 0;
  1357.         }
  1358.  
  1359.       /* If there were leftovers, create a new group labeled with them. */
  1360.       if (leftoversf)
  1361.         {
  1362.           copyset(leftovers, labels[ngrps]);
  1363.           copyset(intersect, labels[j]);
  1364.           MALLOC(grps[ngrps].elems, _position, r->nleaves);
  1365.           copy(&grps[j], &grps[ngrps]);
  1366.           ++ngrps;
  1367.         }
  1368.  
  1369.       /* Put the position in the current group.  Note that there is no
  1370.          reason to call insert() here. */
  1371.       grps[j].elems[grps[j].nelem++] = pos;
  1372.  
  1373.       /* If every character matching the current position has been
  1374.          accounted for, we're done. */
  1375.       if (! matchesf)
  1376.         break;
  1377.     }
  1378.  
  1379.       /* If we've passed the last group, and there are still characters
  1380.      unaccounted for, then we'll have to create a new group. */
  1381.       if (j == ngrps)
  1382.     {
  1383.       copyset(matches, labels[ngrps]);
  1384.       zeroset(matches);
  1385.       MALLOC(grps[ngrps].elems, _position, r->nleaves);
  1386.       grps[ngrps].nelem = 1;
  1387.       grps[ngrps].elems[0] = pos;
  1388.       ++ngrps;
  1389.     }
  1390.     }
  1391.  
  1392.   MALLOC(follows.elems, _position, r->nleaves);
  1393.   MALLOC(tmp.elems, _position, r->nleaves);
  1394.  
  1395.   /* If we are a searching matcher, the default transition is to a state
  1396.      containing the positions of state 0, otherwise the default transition
  1397.      is to fail miserably. */
  1398.   if (r->searchflag)
  1399.     {
  1400.       wants_newline = 0;
  1401.       wants_letter = 0;
  1402.       for (i = 0; i < r->states[0].elems.nelem; ++i)
  1403.     {
  1404.       if (_PREV_NEWLINE_DEPENDENT(r->states[0].elems.elems[i].constraint))
  1405.         wants_newline = 1;
  1406.       if (_PREV_LETTER_DEPENDENT(r->states[0].elems.elems[i].constraint))
  1407.         wants_letter = 1;
  1408.     }
  1409.       copy(&r->states[0].elems, &follows);
  1410.       state = state_index(r, &follows, 0, 0);
  1411.       if (wants_newline)
  1412.     state_newline = state_index(r, &follows, 1, 0);
  1413.       else
  1414.     state_newline = state;
  1415.       if (wants_letter)
  1416.     state_letter = state_index(r, &follows, 0, 1);
  1417.       else
  1418.     state_letter = state;
  1419.       for (i = 0; i < _NOTCHAR; ++i)
  1420.     if (i == '\n')
  1421.       trans[i] = state_newline;
  1422.     else if (ISALNUM(i))
  1423.       trans[i] = state_letter;
  1424.     else
  1425.       trans[i] = state;
  1426.     }
  1427.   else
  1428.     for (i = 0; i < _NOTCHAR; ++i)
  1429.       trans[i] = -1;
  1430.  
  1431.   for (i = 0; i < ngrps; ++i)
  1432.     {
  1433.       follows.nelem = 0;
  1434.  
  1435.       /* Find the union of the follows of the positions of the group.
  1436.      This is a hideously inefficient loop.  Fix it someday. */
  1437.       for (j = 0; j < grps[i].nelem; ++j)
  1438.     for (k = 0; k < r->follows[grps[i].elems[j].index].nelem; ++k)
  1439.       insert(r->follows[grps[i].elems[j].index].elems[k], &follows);
  1440.  
  1441.       /* If we are building a searching matcher, throw in the positions
  1442.      of state 0 as well. */
  1443.       if (r->searchflag)
  1444.     for (j = 0; j < r->states[0].elems.nelem; ++j)
  1445.       insert(r->states[0].elems.elems[j], &follows);
  1446.  
  1447.       /* Find out if the new state will want any context information. */
  1448.       wants_newline = 0;
  1449.       if (tstbit('\n', labels[i]))
  1450.     for (j = 0; j < follows.nelem; ++j)
  1451.       if (_PREV_NEWLINE_DEPENDENT(follows.elems[j].constraint))
  1452.         wants_newline = 1;
  1453.  
  1454.       wants_letter = 0;
  1455.       for (j = 0; j < _CHARSET_INTS; ++j)
  1456.     if (labels[i][j] & letters[j])
  1457.       break;
  1458.       if (j < _CHARSET_INTS)
  1459.     for (j = 0; j < follows.nelem; ++j)
  1460.       if (_PREV_LETTER_DEPENDENT(follows.elems[j].constraint))
  1461.         wants_letter = 1;
  1462.  
  1463.       /* Find the state(s) corresponding to the union of the follows. */
  1464.       state = state_index(r, &follows, 0, 0);
  1465.       if (wants_newline)
  1466.     state_newline = state_index(r, &follows, 1, 0);
  1467.       else
  1468.     state_newline = state;
  1469.       if (wants_letter)
  1470.     state_letter = state_index(r, &follows, 0, 1);
  1471.       else
  1472.     state_letter = state;
  1473.  
  1474.       /* Set the transitions for each character in the current label. */
  1475.       for (j = 0; j < _CHARSET_INTS; ++j)
  1476.     for (k = 0; k < INTBITS; ++k)
  1477.       if (labels[i][j] & 1 << k)
  1478.         {
  1479.           int c = j * INTBITS + k;
  1480.  
  1481.           if (c == '\n')
  1482.         trans[c] = state_newline;
  1483.           else if (ISALNUM(c))
  1484.         trans[c] = state_letter;
  1485.           else if (c < _NOTCHAR)
  1486.         trans[c] = state;
  1487.         }
  1488.     }
  1489.  
  1490.   for (i = 0; i < ngrps; ++i)
  1491.     free(grps[i].elems);
  1492.   free(follows.elems);
  1493.   free(tmp.elems);
  1494. }
  1495.  
  1496. /* Some routines for manipulating a compiled regexp's transition tables.
  1497.    Each state may or may not have a transition table; if it does, and it
  1498.    is a non-accepting state, then r->trans[state] points to its table.
  1499.    If it is an accepting state then r->fails[state] points to its table.
  1500.    If it has no table at all, then r->trans[state] is NULL.
  1501.    TODO: Improve this comment, get rid of the unnecessary redundancy. */
  1502.  
  1503. static void
  1504. build_state(s, r)
  1505.      int s;
  1506.      struct regexp *r;
  1507. {
  1508.   int *trans;            /* The new transition table. */
  1509.   int i;
  1510.  
  1511.   /* Set an upper limit on the number of transition tables that will ever
  1512.      exist at once.  1024 is arbitrary.  The idea is that the frequently
  1513.      used transition tables will be quickly rebuilt, whereas the ones that
  1514.      were only needed once or twice will be cleared away. */
  1515.   if (r->trcount >= 1024)
  1516.     {
  1517.       for (i = 0; i < r->tralloc; ++i)
  1518.     if (r->trans[i])
  1519.       {
  1520.         free((ptr_t) r->trans[i]);
  1521.         r->trans[i] = NULL;
  1522.       }
  1523.     else if (r->fails[i])
  1524.       {
  1525.         free((ptr_t) r->fails[i]);
  1526.         r->fails[i] = NULL;
  1527.       }
  1528.       r->trcount = 0;
  1529.     }
  1530.  
  1531.   ++r->trcount;
  1532.  
  1533.   /* Set up the success bits for this state. */
  1534.   r->success[s] = 0;
  1535.   if (ACCEPTS_IN_CONTEXT(r->states[s].newline, 1, r->states[s].letter, 0,
  1536.       s, *r))
  1537.     r->success[s] |= 4;
  1538.   if (ACCEPTS_IN_CONTEXT(r->states[s].newline, 0, r->states[s].letter, 1,
  1539.       s, *r))
  1540.     r->success[s] |= 2;
  1541.   if (ACCEPTS_IN_CONTEXT(r->states[s].newline, 0, r->states[s].letter, 0,
  1542.       s, *r))
  1543.     r->success[s] |= 1;
  1544.  
  1545.   MALLOC(trans, int, _NOTCHAR);
  1546.   regstate(s, r, trans);
  1547.  
  1548.   /* Now go through the new transition table, and make sure that the trans
  1549.      and fail arrays are allocated large enough to hold a pointer for the
  1550.      largest state mentioned in the table. */
  1551.   for (i = 0; i < _NOTCHAR; ++i)
  1552.     if (trans[i] >= r->tralloc)
  1553.       {
  1554.     int oldalloc = r->tralloc;
  1555.  
  1556.     while (trans[i] >= r->tralloc)
  1557.       r->tralloc *= 2;
  1558.     REALLOC(r->realtrans, int *, r->tralloc + 1);
  1559.     r->trans = r->realtrans + 1;
  1560.     REALLOC(r->fails, int *, r->tralloc);
  1561.     REALLOC(r->success, int, r->tralloc);
  1562.     REALLOC(r->newlines, int, r->tralloc);
  1563.     while (oldalloc < r->tralloc)
  1564.       {
  1565.         r->trans[oldalloc] = NULL;
  1566.         r->fails[oldalloc++] = NULL;
  1567.       }
  1568.       }
  1569.  
  1570.   /* Keep the newline transition in a special place so we can use it as
  1571.      a sentinel. */
  1572.   r->newlines[s] = trans['\n'];
  1573.   trans['\n'] = -1;
  1574.  
  1575.   if (ACCEPTING(s, *r))
  1576.     r->fails[s] = trans;
  1577.   else
  1578.     r->trans[s] = trans;
  1579. }
  1580.  
  1581. static void
  1582. build_state_zero(r)
  1583.      struct regexp *r;
  1584. {
  1585.   r->tralloc = 1;
  1586.   r->trcount = 0;
  1587.   CALLOC(r->realtrans, int *, r->tralloc + 1);
  1588.   r->trans = r->realtrans + 1;
  1589.   CALLOC(r->fails, int *, r->tralloc);
  1590.   MALLOC(r->success, int, r->tralloc);
  1591.   MALLOC(r->newlines, int, r->tralloc);
  1592.   build_state(0, r);
  1593. }
  1594.  
  1595. /* Search through a buffer looking for a match to the given struct regexp.
  1596.    Find the first occurrence of a string matching the regexp in the buffer,
  1597.    and the shortest possible version thereof.  Return a pointer to the first
  1598.    character after the match, or NULL if none is found.  Begin points to
  1599.    the beginning of the buffer, and end points to the first character after
  1600.    its end.  We store a newline in *end to act as a sentinel, so end had
  1601.    better point somewhere valid.  Newline is a flag indicating whether to
  1602.    allow newlines to be in the matching string.  If count is non-
  1603.    NULL it points to a place we're supposed to increment every time we
  1604.    see a newline.  Finally, if backref is non-NULL it points to a place
  1605.    where we're supposed to store a 1 if backreferencing happened and the
  1606.    match needs to be verified by a backtracking matcher.  Otherwise
  1607.    we store a 0 in *backref. */
  1608. char *
  1609. regexecute(r, begin, end, newline, count, backref)
  1610.      struct regexp *r;
  1611.      char *begin;
  1612.      char *end;
  1613.      int newline;
  1614.      int *count;
  1615.      int *backref;
  1616. {
  1617.   register s, s1, tmp;        /* Current state. */
  1618.   register unsigned char *p;    /* Current input character. */
  1619.   register **trans, *t;        /* Copy of r->trans so it can be optimized
  1620.                    into a register. */
  1621.   static sbit[_NOTCHAR];    /* Table for anding with r->success. */
  1622.   static sbit_init;
  1623.  
  1624.   if (! sbit_init)
  1625.     {
  1626.       int i;
  1627.  
  1628.       sbit_init = 1;
  1629.       for (i = 0; i < _NOTCHAR; ++i)
  1630.     if (i == '\n')
  1631.       sbit[i] = 4;
  1632.     else if (ISALNUM(i))
  1633.       sbit[i] = 2;
  1634.     else
  1635.       sbit[i] = 1;
  1636.     }
  1637.  
  1638.   if (! r->tralloc)
  1639.     build_state_zero(r);
  1640.  
  1641.   s = s1 = 0;
  1642.   p = (unsigned char *) begin;
  1643.   trans = r->trans;
  1644.   *end = '\n';
  1645.  
  1646.   for (;;)
  1647.     {
  1648.       /* The dreaded inner loop. */
  1649.       if ((t = trans[s]) != 0)
  1650.     do
  1651.       {
  1652.         s1 = t[*p++];
  1653.         if (! (t = trans[s1]))
  1654.           goto last_was_s;
  1655.         s = t[*p++];
  1656.       }
  1657.     while ((t = trans[s]) != 0);
  1658.       goto last_was_s1;
  1659.     last_was_s:
  1660.       tmp = s, s = s1, s1 = tmp;
  1661.     last_was_s1:
  1662.  
  1663.       if (s >= 0 && p <= (unsigned char *) end && r->fails[s])
  1664.     {
  1665.       if (r->success[s] & sbit[*p])
  1666.         {
  1667.           if (backref)
  1668.         if (r->states[s].backref)
  1669.           *backref = 1;
  1670.         else
  1671.           *backref = 0;
  1672.           return (char *) p;
  1673.         }
  1674.  
  1675.       s1 = s;
  1676.       s = r->fails[s][*p++];
  1677.       continue;
  1678.     }
  1679.  
  1680.       /* If the previous character was a newline, count it. */
  1681.       if (count && (char *) p <= end && p[-1] == '\n')
  1682.     ++*count;
  1683.  
  1684.       /* Check if we've run off the end of the buffer. */
  1685.       if ((char *) p >= end)
  1686.     return NULL;
  1687.  
  1688.       if (s >= 0)
  1689.     {
  1690.       build_state(s, r);
  1691.       trans = r->trans;
  1692.       continue;
  1693.     }
  1694.  
  1695.       if (p[-1] == '\n' && newline)
  1696.     {
  1697.       s = r->newlines[s1];
  1698.       continue;
  1699.     }
  1700.  
  1701.       s = 0;
  1702.     }
  1703. }
  1704.  
  1705. /* Initialize the components of a regexp that the other routines don't
  1706.    initialize for themselves. */
  1707. void
  1708. reginit(r)
  1709.      struct regexp *r;
  1710. {
  1711.   r->calloc = 1;
  1712.   MALLOC(r->charsets, _charset, r->calloc);
  1713.   r->cindex = 0;
  1714.  
  1715.   r->talloc = 1;
  1716.   MALLOC(r->tokens, _token, r->talloc);
  1717.   r->tindex = r->depth = r->nleaves = r->nregexps = 0;
  1718.  
  1719.   r->searchflag = 0;
  1720.   r->tralloc = 0;
  1721. }
  1722.  
  1723. /* Parse and analyze a single string of the given length. */
  1724. void
  1725. regcompile(s, len, r, searchflag)
  1726.      const char *s;
  1727.      size_t len;
  1728.      struct regexp *r;
  1729.      int searchflag;
  1730. {
  1731.   if (case_fold)    /* dummy folding in service of regmust() */
  1732.     {
  1733.       char *regcopy;
  1734.       int i;
  1735.  
  1736.       regcopy = malloc(len);
  1737.       if (!regcopy)
  1738.     reg_error("out of memory");
  1739.       
  1740.       /* This is a complete kludge and could potentially break
  1741.      \<letter> escapes . . . */
  1742.       case_fold = 0;
  1743.       for (i = 0; i < (int) len; ++i)
  1744.     if (ISUPPER(s[i]))
  1745.       regcopy[i] = tolower(s[i]);
  1746.     else
  1747.       regcopy[i] = s[i];
  1748.  
  1749.       reginit(r);
  1750.       r->mustn = 0;
  1751.       r->must[0] = '\0';
  1752.       regparse(regcopy, len, r);
  1753.       free(regcopy);
  1754.       regmust(r);
  1755.       reganalyze(r, searchflag);
  1756.       case_fold = 1;
  1757.       reginit(r);
  1758.       regparse(s, len, r);
  1759.       reganalyze(r, searchflag);
  1760.     }
  1761.   else
  1762.     {
  1763.         reginit(r);
  1764.         regparse(s, len, r);
  1765.         regmust(r);
  1766.         reganalyze(r, searchflag);
  1767.     }
  1768. }
  1769.  
  1770. /* Free the storage held by the components of a regexp. */
  1771. void
  1772. reg_free(r)
  1773.      struct regexp *r;
  1774. {
  1775.   int i;
  1776.  
  1777.   free((ptr_t) r->charsets);
  1778.   free((ptr_t) r->tokens);
  1779.   for (i = 0; i < r->sindex; ++i)
  1780.     free((ptr_t) r->states[i].elems.elems);
  1781.   free((ptr_t) r->states);
  1782.   for (i = 0; i < r->tindex; ++i)
  1783.     if (r->follows[i].elems)
  1784.       free((ptr_t) r->follows[i].elems);
  1785.   free((ptr_t) r->follows);
  1786.   for (i = 0; i < r->tralloc; ++i)
  1787.     if (r->trans[i])
  1788.       free((ptr_t) r->trans[i]);
  1789.     else if (r->fails[i])
  1790.       free((ptr_t) r->fails[i]);
  1791.   if (r->realtrans)
  1792.     free((ptr_t) r->realtrans);
  1793.   if (r->fails)
  1794.     free((ptr_t) r->fails);
  1795.   if (r->newlines)
  1796.     free((ptr_t) r->newlines);
  1797. }
  1798.  
  1799. /*
  1800. Having found the postfix representation of the regular expression,
  1801. try to find a long sequence of characters that must appear in any line
  1802. containing the r.e.
  1803. Finding a "longest" sequence is beyond the scope here;
  1804. we take an easy way out and hope for the best.
  1805. (Take "(ab|a)b"--please.)
  1806.  
  1807. We do a bottom-up calculation of sequences of characters that must appear
  1808. in matches of r.e.'s represented by trees rooted at the nodes of the postfix
  1809. representation:
  1810.     sequences that must appear at the left of the match ("left")
  1811.     sequences that must appear at the right of the match ("right")
  1812.     lists of sequences that must appear somewhere in the match ("in")
  1813.     sequences that must constitute the match ("is")
  1814. When we get to the root of the tree, we use one of the longest of its
  1815. calculated "in" sequences as our answer.  The sequence we find is returned in
  1816. r->must (where "r" is the single argument passed to "regmust");
  1817. the length of the sequence is returned in r->mustn.
  1818.  
  1819. The sequences calculated for the various types of node (in pseudo ANSI c)
  1820. are shown below.  "p" is the operand of unary operators (and the left-hand
  1821. operand of binary operators); "q" is the right-hand operand of binary operators
  1822. .
  1823. "ZERO" means "a zero-length sequence" below.
  1824.  
  1825. Type    left        right        is        in
  1826. ----    ----        -----        --        --
  1827. char c    # c        # c        # c        # c
  1828.  
  1829. SET    ZERO        ZERO        ZERO        ZERO
  1830.  
  1831. STAR    ZERO        ZERO        ZERO        ZERO
  1832.  
  1833. QMARK    ZERO        ZERO        ZERO        ZERO
  1834.  
  1835. PLUS    p->left        p->right    ZERO        p->in
  1836.  
  1837. CAT    (p->is==ZERO)?    (q->is==ZERO)?    (p->is!=ZERO &&    p->in plus
  1838.     p->left :    q->right :    q->is!=ZERO) ?    q->in plus
  1839.     p->is##q->left    p->right##q->is    p->is##q->is :    p->right##q->left
  1840.                     ZERO
  1841.  
  1842. OR    longest common    longest common    (do p->is and    substrings common to
  1843.     leading        trailing    q->is have same    p->in and q->in
  1844.     (sub)sequence    (sub)sequence    length and    
  1845.     of p->left    of p->right    content) ?    
  1846.     and q->left    and q->right    p->is : NULL    
  1847.  
  1848. If there's anything else we recognize in the tree, all four sequences get set
  1849. to zero-length sequences.  If there's something we don't recognize in the tree,
  1850. we just return a zero-length sequence.
  1851.  
  1852. Break ties in favor of infrequent letters (choosing 'zzz' in preference to
  1853. 'aaa')?
  1854.  
  1855. And. . .is it here or someplace that we might ponder "optimizations" such as
  1856.     egrep 'psi|epsilon'    ->    egrep 'psi'
  1857.     egrep 'pepsi|epsilon'    ->    egrep 'epsi'
  1858.                     (Yes, we now find "epsi" as a "string
  1859.                     that must occur", but we might also
  1860.                     simplify the *entire* r.e. being sought
  1861. )
  1862.     grep '[c]'        ->    grep 'c'
  1863.     grep '(ab|a)b'        ->    grep 'ab'
  1864.     grep 'ab*'        ->    grep 'a'
  1865.     grep 'a*b'        ->    grep 'b'
  1866. There are several issues:
  1867.     Is optimization easy (enough)?
  1868.  
  1869.     Does optimization actually accomplish anything,
  1870.     or is the automaton you get from "psi|epsilon" (for example)
  1871.     the same as the one you get from "psi" (for example)?
  1872.  
  1873.     Are optimizable r.e.'s likely to be used in real-life situations
  1874.     (something like 'ab*' is probably unlikely; something like is
  1875.     'psi|epsilon' is likelier)?
  1876. */
  1877.  
  1878. static char *
  1879. icatalloc(old, new)
  1880. char *    old;
  1881. const char *    new;
  1882. {
  1883.     register char *    result;
  1884.     register int    oldsize, newsize;
  1885.  
  1886.     newsize = (new == NULL) ? 0 : strlen(new);
  1887.     if (old == NULL)
  1888.         oldsize = 0;
  1889.     else if (newsize == 0)
  1890.         return old;
  1891.     else    oldsize = strlen(old);
  1892.     if (old == NULL)
  1893.         result = (char *) malloc(newsize + 1);
  1894.     else    result = (char *) realloc((void *) old, oldsize + newsize + 1);
  1895.     if (result != NULL && new != NULL)
  1896.         (void) strcpy(result + oldsize, new);
  1897.     return result;
  1898. }
  1899.  
  1900. static char *
  1901. icpyalloc(string)
  1902. const char *    string;
  1903. {
  1904.     return icatalloc((char *) NULL, string);
  1905. }
  1906.  
  1907. static char *
  1908. istrstr(lookin, lookfor)
  1909. char *        lookin;
  1910. register char *    lookfor;
  1911. {
  1912.     register char *    cp;
  1913.     register int    len;
  1914.  
  1915.     len = strlen(lookfor);
  1916.     for (cp = lookin; *cp != '\0'; ++cp)
  1917.         if (strncmp(cp, lookfor, len) == 0)
  1918.             return cp;
  1919.     return NULL;
  1920. }
  1921.  
  1922. static void
  1923. ifree(cp)
  1924. char *    cp;
  1925. {
  1926.     if (cp != NULL)
  1927.         free(cp);
  1928. }
  1929.  
  1930. static void
  1931. freelist(cpp)
  1932. register char **    cpp;
  1933. {
  1934.     register int    i;
  1935.  
  1936.     if (cpp == NULL)
  1937.         return;
  1938.     for (i = 0; cpp[i] != NULL; ++i) {
  1939.         free(cpp[i]);
  1940.         cpp[i] = NULL;
  1941.     }
  1942. }
  1943.  
  1944. static char **
  1945. enlist(cpp, new, len)
  1946. register char **    cpp;
  1947. register char *        new;
  1948. #ifdef __STDC__
  1949. size_t                  len;
  1950. #else
  1951. int                     len;
  1952. #endif
  1953. {
  1954.     register int    i, j;
  1955.  
  1956.     if (cpp == NULL)
  1957.         return NULL;
  1958.     if ((new = icpyalloc(new)) == NULL) {
  1959.         freelist(cpp);
  1960.         return NULL;
  1961.     }
  1962.     new[len] = '\0';
  1963.     /*
  1964.     ** Is there already something in the list that's new (or longer)?
  1965.     */
  1966.     for (i = 0; cpp[i] != NULL; ++i)
  1967.         if (istrstr(cpp[i], new) != NULL) {
  1968.             free(new);
  1969.             return cpp;
  1970.         }
  1971.     /*
  1972.     ** Eliminate any obsoleted strings.
  1973.     */
  1974.     j = 0;
  1975.     while (cpp[j] != NULL)
  1976.         if (istrstr(new, cpp[j]) == NULL)
  1977.             ++j;
  1978.         else {
  1979.             free(cpp[j]);
  1980.             if (--i == j)
  1981.                 break;
  1982.             cpp[j] = cpp[i];
  1983.         }
  1984.     /*
  1985.     ** Add the new string.
  1986.     */
  1987.     cpp = (char **) realloc((char *) cpp, (i + 2) * sizeof *cpp);
  1988.     if (cpp == NULL)
  1989.         return NULL;
  1990.     cpp[i] = new;
  1991.     cpp[i + 1] = NULL;
  1992.     return cpp;
  1993. }
  1994.  
  1995. /*
  1996. ** Given pointers to two strings,
  1997. ** return a pointer to an allocated list of their distinct common substrings.
  1998. ** Return NULL if something seems wild.
  1999. */
  2000.  
  2001. static char **
  2002. comsubs(left, right)
  2003. char *    left;
  2004. char *    right;
  2005. {
  2006.     register char **    cpp;
  2007.     register char *        lcp;
  2008.     register char *        rcp;
  2009.     register int        i, len;
  2010.  
  2011.     if (left == NULL || right == NULL)
  2012.         return NULL;
  2013.     cpp = (char **) malloc(sizeof *cpp);
  2014.     if (cpp == NULL)
  2015.         return NULL;
  2016.     cpp[0] = NULL;
  2017.     for (lcp = left; *lcp != '\0'; ++lcp) {
  2018.         len = 0;
  2019.         rcp = strchr(right, *lcp);
  2020.         while (rcp != NULL) {
  2021.             for (i = 1; lcp[i] != '\0' && lcp[i] == rcp[i]; ++i)
  2022.                 ;
  2023.             if (i > len)
  2024.                 len = i;
  2025.             rcp = strchr(rcp + 1, *lcp);
  2026.         }
  2027.         if (len == 0)
  2028.             continue;
  2029. #ifdef __STDC__
  2030.         if ((cpp = enlist(cpp, lcp, (size_t)len)) == NULL)
  2031. #else
  2032.         if ((cpp = enlist(cpp, lcp, len)) == NULL)
  2033. #endif
  2034.             break;
  2035.     }
  2036.     return cpp;
  2037. }
  2038.  
  2039. static char **
  2040. addlists(old, new)
  2041. char **    old;
  2042. char **    new;
  2043. {
  2044.     register int    i;
  2045.  
  2046.     if (old == NULL || new == NULL)
  2047.         return NULL;
  2048.     for (i = 0; new[i] != NULL; ++i) {
  2049.         old = enlist(old, new[i], strlen(new[i]));
  2050.         if (old == NULL)
  2051.             break;
  2052.     }
  2053.     return old;
  2054. }
  2055.  
  2056. /*
  2057. ** Given two lists of substrings,
  2058. ** return a new list giving substrings common to both.
  2059. */
  2060.  
  2061. static char **
  2062. inboth(left, right)
  2063. char **    left;
  2064. char **    right;
  2065. {
  2066.     register char **    both;
  2067.     register char **    temp;
  2068.     register int        lnum, rnum;
  2069.  
  2070.     if (left == NULL || right == NULL)
  2071.         return NULL;
  2072.     both = (char **) malloc(sizeof *both);
  2073.     if (both == NULL)
  2074.         return NULL;
  2075.     both[0] = NULL;
  2076.     for (lnum = 0; left[lnum] != NULL; ++lnum) {
  2077.         for (rnum = 0; right[rnum] != NULL; ++rnum) {
  2078.             temp = comsubs(left[lnum], right[rnum]);
  2079.             if (temp == NULL) {
  2080.                 freelist(both);
  2081.                 return NULL;
  2082.             }
  2083.             both = addlists(both, temp);
  2084.             freelist(temp);
  2085.             if (both == NULL)
  2086.                 return NULL;
  2087.         }
  2088.     }
  2089.     return both;
  2090. }
  2091.  
  2092. /*
  2093. typedef struct {
  2094.     char **    in;
  2095.     char *    left;
  2096.     char *    right;
  2097.     char *    is;
  2098. } must;
  2099.  */
  2100. static void
  2101. resetmust(mp)
  2102. register must *    mp;
  2103. {
  2104.     mp->left[0] = mp->right[0] = mp->is[0] = '\0';
  2105.     freelist(mp->in);
  2106. }
  2107.  
  2108. static void
  2109. regmust(r)
  2110. register struct regexp *    r;
  2111. {
  2112.     register must *        musts;
  2113.     register must *        mp;
  2114.     register char *        result = "";
  2115.     register int        ri;
  2116.     register int        i;
  2117.     register _token        t;
  2118.     static must        must0;
  2119.  
  2120.     reg->mustn = 0;
  2121.     reg->must[0] = '\0';
  2122.     musts = (must *) malloc((reg->tindex + 1) * sizeof *musts);
  2123.     if (musts == NULL)
  2124.         return;
  2125.     mp = musts;
  2126.     for (i = 0; i <= reg->tindex; ++i)
  2127.         mp[i] = must0;
  2128.     for (i = 0; i <= reg->tindex; ++i) {
  2129.         mp[i].in = (char **) malloc(sizeof *mp[i].in);
  2130.         mp[i].left = malloc(2);
  2131.         mp[i].right = malloc(2);
  2132.         mp[i].is = malloc(2);
  2133.         if (mp[i].in == NULL || mp[i].left == NULL ||
  2134.             mp[i].right == NULL || mp[i].is == NULL)
  2135.                 goto done;
  2136.         mp[i].left[0] = mp[i].right[0] = mp[i].is[0] = '\0';
  2137.         mp[i].in[0] = NULL;
  2138.     }
  2139.     for (ri = 0; ri < reg->tindex; ++ri) {
  2140.         switch (t = reg->tokens[ri]) {
  2141.         case _ALLBEGLINE:
  2142.         case _ALLENDLINE:
  2143.         case _LPAREN:
  2144.         case _RPAREN:
  2145.             goto done;        /* "cannot happen" */
  2146.         case _EMPTY:
  2147.         case _BEGLINE:
  2148.         case _ENDLINE:
  2149.         case _BEGWORD:
  2150.         case _ENDWORD:
  2151.         case _LIMWORD:
  2152.         case _NOTLIMWORD:
  2153.         case _BACKREF:
  2154.             resetmust(mp);
  2155.             break;
  2156.         case _STAR:
  2157.         case _QMARK:
  2158.             if (mp <= musts)
  2159.                 goto done;    /* "cannot happen" */
  2160.             --mp;
  2161.             resetmust(mp);
  2162.             break;
  2163.         case _OR:
  2164.             if (mp < &musts[2])
  2165.                 goto done;    /* "cannot happen" */
  2166.             {
  2167.                 register char **    new;
  2168.                 register must *        lmp;
  2169.                 register must *        rmp;
  2170.                 register int        j, ln, rn, n;
  2171.  
  2172.                 rmp = --mp;
  2173.                 lmp = --mp;
  2174.                 /* Guaranteed to be.  Unlikely, but. . . */
  2175.                 if (strcmp(lmp->is, rmp->is) != 0)
  2176.                     lmp->is[0] = '\0';
  2177.                 /* Left side--easy */
  2178.                 i = 0;
  2179.                 while (lmp->left[i] != '\0' &&
  2180.                     lmp->left[i] == rmp->left[i])
  2181.                         ++i;
  2182.                 lmp->left[i] = '\0';
  2183.                 /* Right side */
  2184.                 ln = strlen(lmp->right);
  2185.                 rn = strlen(rmp->right);
  2186.                 n = ln;
  2187.                 if (n > rn)
  2188.                     n = rn;
  2189.                 for (i = 0; i < n; ++i)
  2190.                     if (lmp->right[ln - i - 1] !=
  2191.                         rmp->right[rn - i - 1])
  2192.                         break;
  2193.                 for (j = 0; j < i; ++j)
  2194.                     lmp->right[j] =
  2195.                         lmp->right[(ln - i) + j];
  2196.                 lmp->right[j] = '\0';
  2197.                 new = inboth(lmp->in, rmp->in);
  2198.                 if (new == NULL)
  2199.                     goto done;
  2200.                 freelist(lmp->in);
  2201.                 free((char *) lmp->in);
  2202.                 lmp->in = new;
  2203.             }
  2204.             break;
  2205.         case _PLUS:
  2206.             if (mp <= musts)
  2207.                 goto done;    /* "cannot happen" */
  2208.             --mp;
  2209.             mp->is[0] = '\0';
  2210.             break;
  2211.         case _END:
  2212.             if (mp != &musts[1])
  2213.                 goto done;    /* "cannot happen" */
  2214.             for (i = 0; musts[0].in[i] != NULL; ++i)
  2215.                 if (strlen(musts[0].in[i]) > strlen(result))
  2216.                     result = musts[0].in[i];
  2217.             goto done;
  2218.         case _CAT:
  2219.             if (mp < &musts[2])
  2220.                 goto done;    /* "cannot happen" */
  2221.             {
  2222.                 register must *    lmp;
  2223.                 register must *    rmp;
  2224.  
  2225.                 rmp = --mp;
  2226.                 lmp = --mp;
  2227.                 /*
  2228.                 ** In.  Everything in left, plus everything in
  2229.                 ** right, plus catenation of
  2230.                 ** left's right and right's left.
  2231.                 */
  2232.                 lmp->in = addlists(lmp->in, rmp->in);
  2233.                 if (lmp->in == NULL)
  2234.                     goto done;
  2235.                 if (lmp->right[0] != '\0' &&
  2236.                     rmp->left[0] != '\0') {
  2237.                         register char *    tp;
  2238.  
  2239.                         tp = icpyalloc(lmp->right);
  2240.                         if (tp == NULL)
  2241.                             goto done;
  2242.                         tp = icatalloc(tp, rmp->left);
  2243.                         if (tp == NULL)
  2244.                             goto done;
  2245.                         lmp->in = enlist(lmp->in, tp,
  2246.                             strlen(tp));
  2247.                         free(tp);
  2248.                         if (lmp->in == NULL)
  2249.                             goto done;
  2250.                 }
  2251.                 /* Left-hand */
  2252.                 if (lmp->is[0] != '\0') {
  2253.                     lmp->left = icatalloc(lmp->left,
  2254.                         rmp->left);
  2255.                     if (lmp->left == NULL)
  2256.                         goto done;
  2257.                 }
  2258.                 /* Right-hand */
  2259.                 if (rmp->is[0] == '\0')
  2260.                     lmp->right[0] = '\0';
  2261.                 lmp->right = icatalloc(lmp->right, rmp->right);
  2262.                 if (lmp->right == NULL)
  2263.                     goto done;
  2264.                 /* Guaranteed to be */
  2265.                 if (lmp->is[0] != '\0' && rmp->is[0] != '\0') {
  2266.                     lmp->is = icatalloc(lmp->is, rmp->is);
  2267.                     if (lmp->is == NULL)
  2268.                         goto done;
  2269.                 }
  2270.             }
  2271.             break;
  2272.         default:
  2273.             if (t < _END) {
  2274.                 /* "cannot happen" */
  2275.                 goto done;
  2276.             } else if (t == '\0') {
  2277.                 /* not on *my* shift */
  2278.                 goto done;
  2279.             } else if (t >= _SET) {
  2280.                 /* easy enough */
  2281.                 resetmust(mp);
  2282.             } else {
  2283.                 /* plain character */
  2284.                 resetmust(mp);
  2285.                 mp->is[0] = mp->left[0] = mp->right[0] = (char) t;
  2286.                 mp->is[1] = mp->left[1] = mp->right[1] = '\0';
  2287.                 mp->in = enlist(mp->in, mp->is, 1);
  2288.                 if (mp->in == NULL)
  2289.                     goto done;
  2290.             }
  2291.             break;
  2292.         }
  2293.         ++mp;
  2294.     }
  2295. done:
  2296.     (void) strncpy(reg->must, result, MUST_MAX - 1);
  2297.     reg->must[MUST_MAX - 1] = '\0';
  2298.     reg->mustn = strlen(reg->must);
  2299.     mp = musts;
  2300.     for (i = 0; i <= reg->tindex; ++i) {
  2301.         freelist(mp[i].in);
  2302.         ifree((char *) mp[i].in);
  2303.         ifree(mp[i].left);
  2304.         ifree(mp[i].right);
  2305.         ifree(mp[i].is);
  2306.     }
  2307.     free((char *) mp);
  2308. }
  2309.