home *** CD-ROM | disk | FTP | other *** search
/ Netrunner 2004 October / NETRUNNER0410.ISO / regular / ActivePerl-5.8.4.810-MSWin32-x86.msi / _bdeda5facad4112a40438e86b9cab515 < prev    next >
Encoding:
Text File  |  2004-06-01  |  41.6 KB  |  1,633 lines
  1. /* Copyright (c) 1998, 1999 Thai Open Source Software Center Ltd
  2.    See the file COPYING for copying permission.
  3. */
  4.  
  5. #if defined(COMPILED_FROM_DSP) || defined(_WIN32)
  6. #include "winconfig.h"
  7. #elif defined(MACOS_CLASSIC)
  8. #include "macconfig.h"
  9. #else
  10. #include <expat_config.h>
  11. #endif /* ndef COMPILED_FROM_DSP */
  12.  
  13. #include "internal.h"
  14. #include "xmltok.h"
  15. #include "nametab.h"
  16.  
  17. #ifdef XML_DTD
  18. #define IGNORE_SECTION_TOK_VTABLE , PREFIX(ignoreSectionTok)
  19. #else
  20. #define IGNORE_SECTION_TOK_VTABLE /* as nothing */
  21. #endif
  22.  
  23. #define VTABLE1 \
  24.   { PREFIX(prologTok), PREFIX(contentTok), \
  25.     PREFIX(cdataSectionTok) IGNORE_SECTION_TOK_VTABLE }, \
  26.   { PREFIX(attributeValueTok), PREFIX(entityValueTok) }, \
  27.   PREFIX(sameName), \
  28.   PREFIX(nameMatchesAscii), \
  29.   PREFIX(nameLength), \
  30.   PREFIX(skipS), \
  31.   PREFIX(getAtts), \
  32.   PREFIX(charRefNumber), \
  33.   PREFIX(predefinedEntityName), \
  34.   PREFIX(updatePosition), \
  35.   PREFIX(isPublicId)
  36.  
  37. #define VTABLE VTABLE1, PREFIX(toUtf8), PREFIX(toUtf16)
  38.  
  39. #define UCS2_GET_NAMING(pages, hi, lo) \
  40.    (namingBitmap[(pages[hi] << 3) + ((lo) >> 5)] & (1 << ((lo) & 0x1F)))
  41.  
  42. /* A 2 byte UTF-8 representation splits the characters 11 bits between
  43.    the bottom 5 and 6 bits of the bytes.  We need 8 bits to index into
  44.    pages, 3 bits to add to that index and 5 bits to generate the mask.
  45. */
  46. #define UTF8_GET_NAMING2(pages, byte) \
  47.     (namingBitmap[((pages)[(((byte)[0]) >> 2) & 7] << 3) \
  48.                       + ((((byte)[0]) & 3) << 1) \
  49.                       + ((((byte)[1]) >> 5) & 1)] \
  50.          & (1 << (((byte)[1]) & 0x1F)))
  51.  
  52. /* A 3 byte UTF-8 representation splits the characters 16 bits between
  53.    the bottom 4, 6 and 6 bits of the bytes.  We need 8 bits to index
  54.    into pages, 3 bits to add to that index and 5 bits to generate the
  55.    mask.
  56. */
  57. #define UTF8_GET_NAMING3(pages, byte) \
  58.   (namingBitmap[((pages)[((((byte)[0]) & 0xF) << 4) \
  59.                              + ((((byte)[1]) >> 2) & 0xF)] \
  60.                        << 3) \
  61.                       + ((((byte)[1]) & 3) << 1) \
  62.                       + ((((byte)[2]) >> 5) & 1)] \
  63.          & (1 << (((byte)[2]) & 0x1F)))
  64.  
  65. #define UTF8_GET_NAMING(pages, p, n) \
  66.   ((n) == 2 \
  67.   ? UTF8_GET_NAMING2(pages, (const unsigned char *)(p)) \
  68.   : ((n) == 3 \
  69.      ? UTF8_GET_NAMING3(pages, (const unsigned char *)(p)) \
  70.      : 0))
  71.  
  72. /* Detection of invalid UTF-8 sequences is based on Table 3.1B
  73.    of Unicode 3.2: http://www.unicode.org/unicode/reports/tr28/
  74.    with the additional restriction of not allowing the Unicode
  75.    code points 0xFFFF and 0xFFFE (sequences EF,BF,BF and EF,BF,BE).
  76.    Implementation details:
  77.      (A & 0x80) == 0     means A < 0x80
  78.    and
  79.      (A & 0xC0) == 0xC0  means A > 0xBF
  80. */
  81.  
  82. #define UTF8_INVALID2(p) \
  83.   ((*p) < 0xC2 || ((p)[1] & 0x80) == 0 || ((p)[1] & 0xC0) == 0xC0)
  84.  
  85. #define UTF8_INVALID3(p) \
  86.   (((p)[2] & 0x80) == 0 \
  87.   || \
  88.   ((*p) == 0xEF && (p)[1] == 0xBF \
  89.     ? \
  90.     (p)[2] > 0xBD \
  91.     : \
  92.     ((p)[2] & 0xC0) == 0xC0) \
  93.   || \
  94.   ((*p) == 0xE0 \
  95.     ? \
  96.     (p)[1] < 0xA0 || ((p)[1] & 0xC0) == 0xC0 \
  97.     : \
  98.     ((p)[1] & 0x80) == 0 \
  99.     || \
  100.     ((*p) == 0xED ? (p)[1] > 0x9F : ((p)[1] & 0xC0) == 0xC0)))
  101.  
  102. #define UTF8_INVALID4(p) \
  103.   (((p)[3] & 0x80) == 0 || ((p)[3] & 0xC0) == 0xC0 \
  104.   || \
  105.   ((p)[2] & 0x80) == 0 || ((p)[2] & 0xC0) == 0xC0 \
  106.   || \
  107.   ((*p) == 0xF0 \
  108.     ? \
  109.     (p)[1] < 0x90 || ((p)[1] & 0xC0) == 0xC0 \
  110.     : \
  111.     ((p)[1] & 0x80) == 0 \
  112.     || \
  113.     ((*p) == 0xF4 ? (p)[1] > 0x8F : ((p)[1] & 0xC0) == 0xC0)))
  114.  
  115. static int FASTCALL
  116. isNever(const ENCODING *enc, const char *p)
  117. {
  118.   return 0;
  119. }
  120.  
  121. static int FASTCALL
  122. utf8_isName2(const ENCODING *enc, const char *p)
  123. {
  124.   return UTF8_GET_NAMING2(namePages, (const unsigned char *)p);
  125. }
  126.  
  127. static int FASTCALL
  128. utf8_isName3(const ENCODING *enc, const char *p)
  129. {
  130.   return UTF8_GET_NAMING3(namePages, (const unsigned char *)p);
  131. }
  132.  
  133. #define utf8_isName4 isNever
  134.  
  135. static int FASTCALL
  136. utf8_isNmstrt2(const ENCODING *enc, const char *p)
  137. {
  138.   return UTF8_GET_NAMING2(nmstrtPages, (const unsigned char *)p);
  139. }
  140.  
  141. static int FASTCALL
  142. utf8_isNmstrt3(const ENCODING *enc, const char *p)
  143. {
  144.   return UTF8_GET_NAMING3(nmstrtPages, (const unsigned char *)p);
  145. }
  146.  
  147. #define utf8_isNmstrt4 isNever
  148.  
  149. static int FASTCALL
  150. utf8_isInvalid2(const ENCODING *enc, const char *p)
  151. {
  152.   return UTF8_INVALID2((const unsigned char *)p);
  153. }
  154.  
  155. static int FASTCALL
  156. utf8_isInvalid3(const ENCODING *enc, const char *p)
  157. {
  158.   return UTF8_INVALID3((const unsigned char *)p);
  159. }
  160.  
  161. static int FASTCALL
  162. utf8_isInvalid4(const ENCODING *enc, const char *p)
  163. {
  164.   return UTF8_INVALID4((const unsigned char *)p);
  165. }
  166.  
  167. struct normal_encoding {
  168.   ENCODING enc;
  169.   unsigned char type[256];
  170. #ifdef XML_MIN_SIZE
  171.   int (FASTCALL *byteType)(const ENCODING *, const char *);
  172.   int (FASTCALL *isNameMin)(const ENCODING *, const char *);
  173.   int (FASTCALL *isNmstrtMin)(const ENCODING *, const char *);
  174.   int (FASTCALL *byteToAscii)(const ENCODING *, const char *);
  175.   int (FASTCALL *charMatches)(const ENCODING *, const char *, int);
  176. #endif /* XML_MIN_SIZE */
  177.   int (FASTCALL *isName2)(const ENCODING *, const char *);
  178.   int (FASTCALL *isName3)(const ENCODING *, const char *);
  179.   int (FASTCALL *isName4)(const ENCODING *, const char *);
  180.   int (FASTCALL *isNmstrt2)(const ENCODING *, const char *);
  181.   int (FASTCALL *isNmstrt3)(const ENCODING *, const char *);
  182.   int (FASTCALL *isNmstrt4)(const ENCODING *, const char *);
  183.   int (FASTCALL *isInvalid2)(const ENCODING *, const char *);
  184.   int (FASTCALL *isInvalid3)(const ENCODING *, const char *);
  185.   int (FASTCALL *isInvalid4)(const ENCODING *, const char *);
  186. };
  187.  
  188. #define AS_NORMAL_ENCODING(enc)   ((const struct normal_encoding *) (enc))
  189.  
  190. #ifdef XML_MIN_SIZE
  191.  
  192. #define STANDARD_VTABLE(E) \
  193.  E ## byteType, \
  194.  E ## isNameMin, \
  195.  E ## isNmstrtMin, \
  196.  E ## byteToAscii, \
  197.  E ## charMatches,
  198.  
  199. #else
  200.  
  201. #define STANDARD_VTABLE(E) /* as nothing */
  202.  
  203. #endif
  204.  
  205. #define NORMAL_VTABLE(E) \
  206.  E ## isName2, \
  207.  E ## isName3, \
  208.  E ## isName4, \
  209.  E ## isNmstrt2, \
  210.  E ## isNmstrt3, \
  211.  E ## isNmstrt4, \
  212.  E ## isInvalid2, \
  213.  E ## isInvalid3, \
  214.  E ## isInvalid4
  215.  
  216. static int FASTCALL checkCharRefNumber(int);
  217.  
  218. #include "xmltok_impl.h"
  219. #include "ascii.h"
  220.  
  221. #ifdef XML_MIN_SIZE
  222. #define sb_isNameMin isNever
  223. #define sb_isNmstrtMin isNever
  224. #endif
  225.  
  226. #ifdef XML_MIN_SIZE
  227. #define MINBPC(enc) ((enc)->minBytesPerChar)
  228. #else
  229. /* minimum bytes per character */
  230. #define MINBPC(enc) 1
  231. #endif
  232.  
  233. #define SB_BYTE_TYPE(enc, p) \
  234.   (((struct normal_encoding *)(enc))->type[(unsigned char)*(p)])
  235.  
  236. #ifdef XML_MIN_SIZE
  237. static int FASTCALL
  238. sb_byteType(const ENCODING *enc, const char *p)
  239. {
  240.   return SB_BYTE_TYPE(enc, p);
  241. }
  242. #define BYTE_TYPE(enc, p) \
  243.  (AS_NORMAL_ENCODING(enc)->byteType(enc, p))
  244. #else
  245. #define BYTE_TYPE(enc, p) SB_BYTE_TYPE(enc, p)
  246. #endif
  247.  
  248. #ifdef XML_MIN_SIZE
  249. #define BYTE_TO_ASCII(enc, p) \
  250.  (AS_NORMAL_ENCODING(enc)->byteToAscii(enc, p))
  251. static int FASTCALL
  252. sb_byteToAscii(const ENCODING *enc, const char *p)
  253. {
  254.   return *p;
  255. }
  256. #else
  257. #define BYTE_TO_ASCII(enc, p) (*(p))
  258. #endif
  259.  
  260. #define IS_NAME_CHAR(enc, p, n) \
  261.  (AS_NORMAL_ENCODING(enc)->isName ## n(enc, p))
  262. #define IS_NMSTRT_CHAR(enc, p, n) \
  263.  (AS_NORMAL_ENCODING(enc)->isNmstrt ## n(enc, p))
  264. #define IS_INVALID_CHAR(enc, p, n) \
  265.  (AS_NORMAL_ENCODING(enc)->isInvalid ## n(enc, p))
  266.  
  267. #ifdef XML_MIN_SIZE
  268. #define IS_NAME_CHAR_MINBPC(enc, p) \
  269.  (AS_NORMAL_ENCODING(enc)->isNameMin(enc, p))
  270. #define IS_NMSTRT_CHAR_MINBPC(enc, p) \
  271.  (AS_NORMAL_ENCODING(enc)->isNmstrtMin(enc, p))
  272. #else
  273. #define IS_NAME_CHAR_MINBPC(enc, p) (0)
  274. #define IS_NMSTRT_CHAR_MINBPC(enc, p) (0)
  275. #endif
  276.  
  277. #ifdef XML_MIN_SIZE
  278. #define CHAR_MATCHES(enc, p, c) \
  279.  (AS_NORMAL_ENCODING(enc)->charMatches(enc, p, c))
  280. static int FASTCALL
  281. sb_charMatches(const ENCODING *enc, const char *p, int c)
  282. {
  283.   return *p == c;
  284. }
  285. #else
  286. /* c is an ASCII character */
  287. #define CHAR_MATCHES(enc, p, c) (*(p) == c)
  288. #endif
  289.  
  290. #define PREFIX(ident) normal_ ## ident
  291. #include "xmltok_impl.c"
  292.  
  293. #undef MINBPC
  294. #undef BYTE_TYPE
  295. #undef BYTE_TO_ASCII
  296. #undef CHAR_MATCHES
  297. #undef IS_NAME_CHAR
  298. #undef IS_NAME_CHAR_MINBPC
  299. #undef IS_NMSTRT_CHAR
  300. #undef IS_NMSTRT_CHAR_MINBPC
  301. #undef IS_INVALID_CHAR
  302.  
  303. enum {  /* UTF8_cvalN is value of masked first byte of N byte sequence */
  304.   UTF8_cval1 = 0x00,
  305.   UTF8_cval2 = 0xc0,
  306.   UTF8_cval3 = 0xe0,
  307.   UTF8_cval4 = 0xf0
  308. };
  309.  
  310. static void FASTCALL
  311. utf8_toUtf8(const ENCODING *enc,
  312.             const char **fromP, const char *fromLim,
  313.             char **toP, const char *toLim)
  314. {
  315.   char *to;
  316.   const char *from;
  317.   if (fromLim - *fromP > toLim - *toP) {
  318.     /* Avoid copying partial characters. */
  319.     for (fromLim = *fromP + (toLim - *toP); fromLim > *fromP; fromLim--)
  320.       if (((unsigned char)fromLim[-1] & 0xc0) != 0x80)
  321.         break;
  322.   }
  323.   for (to = *toP, from = *fromP; from != fromLim; from++, to++)
  324.     *to = *from;
  325.   *fromP = from;
  326.   *toP = to;
  327. }
  328.  
  329. static void FASTCALL
  330. utf8_toUtf16(const ENCODING *enc,
  331.              const char **fromP, const char *fromLim,
  332.              unsigned short **toP, const unsigned short *toLim)
  333. {
  334.   unsigned short *to = *toP;
  335.   const char *from = *fromP;
  336.   while (from != fromLim && to != toLim) {
  337.     switch (((struct normal_encoding *)enc)->type[(unsigned char)*from]) {
  338.     case BT_LEAD2:
  339.       *to++ = (unsigned short)(((from[0] & 0x1f) << 6) | (from[1] & 0x3f));
  340.       from += 2;
  341.       break;
  342.     case BT_LEAD3:
  343.       *to++ = (unsigned short)(((from[0] & 0xf) << 12)
  344.                                | ((from[1] & 0x3f) << 6) | (from[2] & 0x3f));
  345.       from += 3;
  346.       break;
  347.     case BT_LEAD4:
  348.       {
  349.         unsigned long n;
  350.         if (to + 1 == toLim)
  351.           goto after;
  352.         n = ((from[0] & 0x7) << 18) | ((from[1] & 0x3f) << 12)
  353.             | ((from[2] & 0x3f) << 6) | (from[3] & 0x3f);
  354.         n -= 0x10000;
  355.         to[0] = (unsigned short)((n >> 10) | 0xD800);
  356.         to[1] = (unsigned short)((n & 0x3FF) | 0xDC00);
  357.         to += 2;
  358.         from += 4;
  359.       }
  360.       break;
  361.     default:
  362.       *to++ = *from++;
  363.       break;
  364.     }
  365.   }
  366. after:
  367.   *fromP = from;
  368.   *toP = to;
  369. }
  370.  
  371. #ifdef XML_NS
  372. static const struct normal_encoding utf8_encoding_ns = {
  373.   { VTABLE1, utf8_toUtf8, utf8_toUtf16, 1, 1, 0 },
  374.   {
  375. #include "asciitab.h"
  376. #include "utf8tab.h"
  377.   },
  378.   STANDARD_VTABLE(sb_) NORMAL_VTABLE(utf8_)
  379. };
  380. #endif
  381.  
  382. static const struct normal_encoding utf8_encoding = {
  383.   { VTABLE1, utf8_toUtf8, utf8_toUtf16, 1, 1, 0 },
  384.   {
  385. #define BT_COLON BT_NMSTRT
  386. #include "asciitab.h"
  387. #undef BT_COLON
  388. #include "utf8tab.h"
  389.   },
  390.   STANDARD_VTABLE(sb_) NORMAL_VTABLE(utf8_)
  391. };
  392.  
  393. #ifdef XML_NS
  394.  
  395. static const struct normal_encoding internal_utf8_encoding_ns = {
  396.   { VTABLE1, utf8_toUtf8, utf8_toUtf16, 1, 1, 0 },
  397.   {
  398. #include "iasciitab.h"
  399. #include "utf8tab.h"
  400.   },
  401.   STANDARD_VTABLE(sb_) NORMAL_VTABLE(utf8_)
  402. };
  403.  
  404. #endif
  405.  
  406. static const struct normal_encoding internal_utf8_encoding = {
  407.   { VTABLE1, utf8_toUtf8, utf8_toUtf16, 1, 1, 0 },
  408.   {
  409. #define BT_COLON BT_NMSTRT
  410. #include "iasciitab.h"
  411. #undef BT_COLON
  412. #include "utf8tab.h"
  413.   },
  414.   STANDARD_VTABLE(sb_) NORMAL_VTABLE(utf8_)
  415. };
  416.  
  417. static void FASTCALL
  418. latin1_toUtf8(const ENCODING *enc,
  419.               const char **fromP, const char *fromLim,
  420.               char **toP, const char *toLim)
  421. {
  422.   for (;;) {
  423.     unsigned char c;
  424.     if (*fromP == fromLim)
  425.       break;
  426.     c = (unsigned char)**fromP;
  427.     if (c & 0x80) {
  428.       if (toLim - *toP < 2)
  429.         break;
  430.       *(*toP)++ = (char)((c >> 6) | UTF8_cval2);
  431.       *(*toP)++ = (char)((c & 0x3f) | 0x80);
  432.       (*fromP)++;
  433.     }
  434.     else {
  435.       if (*toP == toLim)
  436.         break;
  437.       *(*toP)++ = *(*fromP)++;
  438.     }
  439.   }
  440. }
  441.  
  442. static void FASTCALL
  443. latin1_toUtf16(const ENCODING *enc,
  444.                const char **fromP, const char *fromLim,
  445.                unsigned short **toP, const unsigned short *toLim)
  446. {
  447.   while (*fromP != fromLim && *toP != toLim)
  448.     *(*toP)++ = (unsigned char)*(*fromP)++;
  449. }
  450.  
  451. #ifdef XML_NS
  452.  
  453. static const struct normal_encoding latin1_encoding_ns = {
  454.   { VTABLE1, latin1_toUtf8, latin1_toUtf16, 1, 0, 0 },
  455.   {
  456. #include "asciitab.h"
  457. #include "latin1tab.h"
  458.   },
  459.   STANDARD_VTABLE(sb_)
  460. };
  461.  
  462. #endif
  463.  
  464. static const struct normal_encoding latin1_encoding = {
  465.   { VTABLE1, latin1_toUtf8, latin1_toUtf16, 1, 0, 0 },
  466.   {
  467. #define BT_COLON BT_NMSTRT
  468. #include "asciitab.h"
  469. #undef BT_COLON
  470. #include "latin1tab.h"
  471.   },
  472.   STANDARD_VTABLE(sb_)
  473. };
  474.  
  475. static void FASTCALL
  476. ascii_toUtf8(const ENCODING *enc,
  477.              const char **fromP, const char *fromLim,
  478.              char **toP, const char *toLim)
  479. {
  480.   while (*fromP != fromLim && *toP != toLim)
  481.     *(*toP)++ = *(*fromP)++;
  482. }
  483.  
  484. #ifdef XML_NS
  485.  
  486. static const struct normal_encoding ascii_encoding_ns = {
  487.   { VTABLE1, ascii_toUtf8, latin1_toUtf16, 1, 1, 0 },
  488.   {
  489. #include "asciitab.h"
  490. /* BT_NONXML == 0 */
  491.   },
  492.   STANDARD_VTABLE(sb_)
  493. };
  494.  
  495. #endif
  496.  
  497. static const struct normal_encoding ascii_encoding = {
  498.   { VTABLE1, ascii_toUtf8, latin1_toUtf16, 1, 1, 0 },
  499.   {
  500. #define BT_COLON BT_NMSTRT
  501. #include "asciitab.h"
  502. #undef BT_COLON
  503. /* BT_NONXML == 0 */
  504.   },
  505.   STANDARD_VTABLE(sb_)
  506. };
  507.  
  508. static int FASTCALL
  509. unicode_byte_type(char hi, char lo)
  510. {
  511.   switch ((unsigned char)hi) {
  512.   case 0xD8: case 0xD9: case 0xDA: case 0xDB:
  513.     return BT_LEAD4;
  514.   case 0xDC: case 0xDD: case 0xDE: case 0xDF:
  515.     return BT_TRAIL;
  516.   case 0xFF:
  517.     switch ((unsigned char)lo) {
  518.     case 0xFF:
  519.     case 0xFE:
  520.       return BT_NONXML;
  521.     }
  522.     break;
  523.   }
  524.   return BT_NONASCII;
  525. }
  526.  
  527. #define DEFINE_UTF16_TO_UTF8(E) \
  528. static void  FASTCALL \
  529. E ## toUtf8(const ENCODING *enc, \
  530.             const char **fromP, const char *fromLim, \
  531.             char **toP, const char *toLim) \
  532. { \
  533.   const char *from; \
  534.   for (from = *fromP; from != fromLim; from += 2) { \
  535.     int plane; \
  536.     unsigned char lo2; \
  537.     unsigned char lo = GET_LO(from); \
  538.     unsigned char hi = GET_HI(from); \
  539.     switch (hi) { \
  540.     case 0: \
  541.       if (lo < 0x80) { \
  542.         if (*toP == toLim) { \
  543.           *fromP = from; \
  544.           return; \
  545.         } \
  546.         *(*toP)++ = lo; \
  547.         break; \
  548.       } \
  549.       /* fall through */ \
  550.     case 0x1: case 0x2: case 0x3: \
  551.     case 0x4: case 0x5: case 0x6: case 0x7: \
  552.       if (toLim -  *toP < 2) { \
  553.         *fromP = from; \
  554.         return; \
  555.       } \
  556.       *(*toP)++ = ((lo >> 6) | (hi << 2) |  UTF8_cval2); \
  557.       *(*toP)++ = ((lo & 0x3f) | 0x80); \
  558.       break; \
  559.     default: \
  560.       if (toLim -  *toP < 3)  { \
  561.         *fromP = from; \
  562.         return; \
  563.       } \
  564.       /* 16 bits divided 4, 6, 6 amongst 3 bytes */ \
  565.       *(*toP)++ = ((hi >> 4) | UTF8_cval3); \
  566.       *(*toP)++ = (((hi & 0xf) << 2) | (lo >> 6) | 0x80); \
  567.       *(*toP)++ = ((lo & 0x3f) | 0x80); \
  568.       break; \
  569.     case 0xD8: case 0xD9: case 0xDA: case 0xDB: \
  570.       if (toLim -  *toP < 4) { \
  571.         *fromP = from; \
  572.         return; \
  573.       } \
  574.       plane = (((hi & 0x3) << 2) | ((lo >> 6) & 0x3)) + 1; \
  575.       *(*toP)++ = ((plane >> 2) | UTF8_cval4); \
  576.       *(*toP)++ = (((lo >> 2) & 0xF) | ((plane & 0x3) << 4) | 0x80); \
  577.       from += 2; \
  578.       lo2 = GET_LO(from); \
  579.       *(*toP)++ = (((lo & 0x3) << 4) \
  580.                    | ((GET_HI(from) & 0x3) << 2) \
  581.                    | (lo2 >> 6) \
  582.                    | 0x80); \
  583.       *(*toP)++ = ((lo2 & 0x3f) | 0x80); \
  584.       break; \
  585.     } \
  586.   } \
  587.   *fromP = from; \
  588. }
  589.  
  590. #define DEFINE_UTF16_TO_UTF16(E) \
  591. static void  FASTCALL \
  592. E ## toUtf16(const ENCODING *enc, \
  593.              const char **fromP, const char *fromLim, \
  594.              unsigned short **toP, const unsigned short *toLim) \
  595. { \
  596.   /* Avoid copying first half only of surrogate */ \
  597.   if (fromLim - *fromP > ((toLim - *toP) << 1) \
  598.       && (GET_HI(fromLim - 2) & 0xF8) == 0xD8) \
  599.     fromLim -= 2; \
  600.   for (; *fromP != fromLim && *toP != toLim; *fromP += 2) \
  601.     *(*toP)++ = (GET_HI(*fromP) << 8) | GET_LO(*fromP); \
  602. }
  603.  
  604. #define SET2(ptr, ch) \
  605.   (((ptr)[0] = ((ch) & 0xff)), ((ptr)[1] = ((ch) >> 8)))
  606. #define GET_LO(ptr) ((unsigned char)(ptr)[0])
  607. #define GET_HI(ptr) ((unsigned char)(ptr)[1])
  608.  
  609. DEFINE_UTF16_TO_UTF8(little2_)
  610. DEFINE_UTF16_TO_UTF16(little2_)
  611.  
  612. #undef SET2
  613. #undef GET_LO
  614. #undef GET_HI
  615.  
  616. #define SET2(ptr, ch) \
  617.   (((ptr)[0] = ((ch) >> 8)), ((ptr)[1] = ((ch) & 0xFF)))
  618. #define GET_LO(ptr) ((unsigned char)(ptr)[1])
  619. #define GET_HI(ptr) ((unsigned char)(ptr)[0])
  620.  
  621. DEFINE_UTF16_TO_UTF8(big2_)
  622. DEFINE_UTF16_TO_UTF16(big2_)
  623.  
  624. #undef SET2
  625. #undef GET_LO
  626. #undef GET_HI
  627.  
  628. #define LITTLE2_BYTE_TYPE(enc, p) \
  629.  ((p)[1] == 0 \
  630.   ? ((struct normal_encoding *)(enc))->type[(unsigned char)*(p)] \
  631.   : unicode_byte_type((p)[1], (p)[0]))
  632. #define LITTLE2_BYTE_TO_ASCII(enc, p) ((p)[1] == 0 ? (p)[0] : -1)
  633. #define LITTLE2_CHAR_MATCHES(enc, p, c) ((p)[1] == 0 && (p)[0] == c)
  634. #define LITTLE2_IS_NAME_CHAR_MINBPC(enc, p) \
  635.   UCS2_GET_NAMING(namePages, (unsigned char)p[1], (unsigned char)p[0])
  636. #define LITTLE2_IS_NMSTRT_CHAR_MINBPC(enc, p) \
  637.   UCS2_GET_NAMING(nmstrtPages, (unsigned char)p[1], (unsigned char)p[0])
  638.  
  639. #ifdef XML_MIN_SIZE
  640.  
  641. static int FASTCALL
  642. little2_byteType(const ENCODING *enc, const char *p)
  643. {
  644.   return LITTLE2_BYTE_TYPE(enc, p);
  645. }
  646.  
  647. static int FASTCALL
  648. little2_byteToAscii(const ENCODING *enc, const char *p)
  649. {
  650.   return LITTLE2_BYTE_TO_ASCII(enc, p);
  651. }
  652.  
  653. static int FASTCALL
  654. little2_charMatches(const ENCODING *enc, const char *p, int c)
  655. {
  656.   return LITTLE2_CHAR_MATCHES(enc, p, c);
  657. }
  658.  
  659. static int FASTCALL
  660. little2_isNameMin(const ENCODING *enc, const char *p)
  661. {
  662.   return LITTLE2_IS_NAME_CHAR_MINBPC(enc, p);
  663. }
  664.  
  665. static int FASTCALL
  666. little2_isNmstrtMin(const ENCODING *enc, const char *p)
  667. {
  668.   return LITTLE2_IS_NMSTRT_CHAR_MINBPC(enc, p);
  669. }
  670.  
  671. #undef VTABLE
  672. #define VTABLE VTABLE1, little2_toUtf8, little2_toUtf16
  673.  
  674. #else /* not XML_MIN_SIZE */
  675.  
  676. #undef PREFIX
  677. #define PREFIX(ident) little2_ ## ident
  678. #define MINBPC(enc) 2
  679. /* CHAR_MATCHES is guaranteed to have MINBPC bytes available. */
  680. #define BYTE_TYPE(enc, p) LITTLE2_BYTE_TYPE(enc, p)
  681. #define BYTE_TO_ASCII(enc, p) LITTLE2_BYTE_TO_ASCII(enc, p) 
  682. #define CHAR_MATCHES(enc, p, c) LITTLE2_CHAR_MATCHES(enc, p, c)
  683. #define IS_NAME_CHAR(enc, p, n) 0
  684. #define IS_NAME_CHAR_MINBPC(enc, p) LITTLE2_IS_NAME_CHAR_MINBPC(enc, p)
  685. #define IS_NMSTRT_CHAR(enc, p, n) (0)
  686. #define IS_NMSTRT_CHAR_MINBPC(enc, p) LITTLE2_IS_NMSTRT_CHAR_MINBPC(enc, p)
  687.  
  688. #include "xmltok_impl.c"
  689.  
  690. #undef MINBPC
  691. #undef BYTE_TYPE
  692. #undef BYTE_TO_ASCII
  693. #undef CHAR_MATCHES
  694. #undef IS_NAME_CHAR
  695. #undef IS_NAME_CHAR_MINBPC
  696. #undef IS_NMSTRT_CHAR
  697. #undef IS_NMSTRT_CHAR_MINBPC
  698. #undef IS_INVALID_CHAR
  699.  
  700. #endif /* not XML_MIN_SIZE */
  701.  
  702. #ifdef XML_NS
  703.  
  704. static const struct normal_encoding little2_encoding_ns = { 
  705.   { VTABLE, 2, 0,
  706. #if BYTEORDER == 1234
  707.     1
  708. #else
  709.     0
  710. #endif
  711.   },
  712.   {
  713. #include "asciitab.h"
  714. #include "latin1tab.h"
  715.   },
  716.   STANDARD_VTABLE(little2_)
  717. };
  718.  
  719. #endif
  720.  
  721. static const struct normal_encoding little2_encoding = { 
  722.   { VTABLE, 2, 0,
  723. #if BYTEORDER == 1234
  724.     1
  725. #else
  726.     0
  727. #endif
  728.   },
  729.   {
  730. #define BT_COLON BT_NMSTRT
  731. #include "asciitab.h"
  732. #undef BT_COLON
  733. #include "latin1tab.h"
  734.   },
  735.   STANDARD_VTABLE(little2_)
  736. };
  737.  
  738. #if BYTEORDER != 4321
  739.  
  740. #ifdef XML_NS
  741.  
  742. static const struct normal_encoding internal_little2_encoding_ns = { 
  743.   { VTABLE, 2, 0, 1 },
  744.   {
  745. #include "iasciitab.h"
  746. #include "latin1tab.h"
  747.   },
  748.   STANDARD_VTABLE(little2_)
  749. };
  750.  
  751. #endif
  752.  
  753. static const struct normal_encoding internal_little2_encoding = { 
  754.   { VTABLE, 2, 0, 1 },
  755.   {
  756. #define BT_COLON BT_NMSTRT
  757. #include "iasciitab.h"
  758. #undef BT_COLON
  759. #include "latin1tab.h"
  760.   },
  761.   STANDARD_VTABLE(little2_)
  762. };
  763.  
  764. #endif
  765.  
  766.  
  767. #define BIG2_BYTE_TYPE(enc, p) \
  768.  ((p)[0] == 0 \
  769.   ? ((struct normal_encoding *)(enc))->type[(unsigned char)(p)[1]] \
  770.   : unicode_byte_type((p)[0], (p)[1]))
  771. #define BIG2_BYTE_TO_ASCII(enc, p) ((p)[0] == 0 ? (p)[1] : -1)
  772. #define BIG2_CHAR_MATCHES(enc, p, c) ((p)[0] == 0 && (p)[1] == c)
  773. #define BIG2_IS_NAME_CHAR_MINBPC(enc, p) \
  774.   UCS2_GET_NAMING(namePages, (unsigned char)p[0], (unsigned char)p[1])
  775. #define BIG2_IS_NMSTRT_CHAR_MINBPC(enc, p) \
  776.   UCS2_GET_NAMING(nmstrtPages, (unsigned char)p[0], (unsigned char)p[1])
  777.  
  778. #ifdef XML_MIN_SIZE
  779.  
  780. static int FASTCALL
  781. big2_byteType(const ENCODING *enc, const char *p)
  782. {
  783.   return BIG2_BYTE_TYPE(enc, p);
  784. }
  785.  
  786. static int FASTCALL
  787. big2_byteToAscii(const ENCODING *enc, const char *p)
  788. {
  789.   return BIG2_BYTE_TO_ASCII(enc, p);
  790. }
  791.  
  792. static int FASTCALL
  793. big2_charMatches(const ENCODING *enc, const char *p, int c)
  794. {
  795.   return BIG2_CHAR_MATCHES(enc, p, c);
  796. }
  797.  
  798. static int FASTCALL
  799. big2_isNameMin(const ENCODING *enc, const char *p)
  800. {
  801.   return BIG2_IS_NAME_CHAR_MINBPC(enc, p);
  802. }
  803.  
  804. static int FASTCALL
  805. big2_isNmstrtMin(const ENCODING *enc, const char *p)
  806. {
  807.   return BIG2_IS_NMSTRT_CHAR_MINBPC(enc, p);
  808. }
  809.  
  810. #undef VTABLE
  811. #define VTABLE VTABLE1, big2_toUtf8, big2_toUtf16
  812.  
  813. #else /* not XML_MIN_SIZE */
  814.  
  815. #undef PREFIX
  816. #define PREFIX(ident) big2_ ## ident
  817. #define MINBPC(enc) 2
  818. /* CHAR_MATCHES is guaranteed to have MINBPC bytes available. */
  819. #define BYTE_TYPE(enc, p) BIG2_BYTE_TYPE(enc, p)
  820. #define BYTE_TO_ASCII(enc, p) BIG2_BYTE_TO_ASCII(enc, p) 
  821. #define CHAR_MATCHES(enc, p, c) BIG2_CHAR_MATCHES(enc, p, c)
  822. #define IS_NAME_CHAR(enc, p, n) 0
  823. #define IS_NAME_CHAR_MINBPC(enc, p) BIG2_IS_NAME_CHAR_MINBPC(enc, p)
  824. #define IS_NMSTRT_CHAR(enc, p, n) (0)
  825. #define IS_NMSTRT_CHAR_MINBPC(enc, p) BIG2_IS_NMSTRT_CHAR_MINBPC(enc, p)
  826.  
  827. #include "xmltok_impl.c"
  828.  
  829. #undef MINBPC
  830. #undef BYTE_TYPE
  831. #undef BYTE_TO_ASCII
  832. #undef CHAR_MATCHES
  833. #undef IS_NAME_CHAR
  834. #undef IS_NAME_CHAR_MINBPC
  835. #undef IS_NMSTRT_CHAR
  836. #undef IS_NMSTRT_CHAR_MINBPC
  837. #undef IS_INVALID_CHAR
  838.  
  839. #endif /* not XML_MIN_SIZE */
  840.  
  841. #ifdef XML_NS
  842.  
  843. static const struct normal_encoding big2_encoding_ns = {
  844.   { VTABLE, 2, 0,
  845. #if BYTEORDER == 4321
  846.   1
  847. #else
  848.   0
  849. #endif
  850.   },
  851.   {
  852. #include "asciitab.h"
  853. #include "latin1tab.h"
  854.   },
  855.   STANDARD_VTABLE(big2_)
  856. };
  857.  
  858. #endif
  859.  
  860. static const struct normal_encoding big2_encoding = {
  861.   { VTABLE, 2, 0,
  862. #if BYTEORDER == 4321
  863.   1
  864. #else
  865.   0
  866. #endif
  867.   },
  868.   {
  869. #define BT_COLON BT_NMSTRT
  870. #include "asciitab.h"
  871. #undef BT_COLON
  872. #include "latin1tab.h"
  873.   },
  874.   STANDARD_VTABLE(big2_)
  875. };
  876.  
  877. #if BYTEORDER != 1234
  878.  
  879. #ifdef XML_NS
  880.  
  881. static const struct normal_encoding internal_big2_encoding_ns = {
  882.   { VTABLE, 2, 0, 1 },
  883.   {
  884. #include "iasciitab.h"
  885. #include "latin1tab.h"
  886.   },
  887.   STANDARD_VTABLE(big2_)
  888. };
  889.  
  890. #endif
  891.  
  892. static const struct normal_encoding internal_big2_encoding = {
  893.   { VTABLE, 2, 0, 1 },
  894.   {
  895. #define BT_COLON BT_NMSTRT
  896. #include "iasciitab.h"
  897. #undef BT_COLON
  898. #include "latin1tab.h"
  899.   },
  900.   STANDARD_VTABLE(big2_)
  901. };
  902.  
  903. #endif
  904.  
  905. #undef PREFIX
  906.  
  907. static int FASTCALL
  908. streqci(const char *s1, const char *s2)
  909. {
  910.   for (;;) {
  911.     char c1 = *s1++;
  912.     char c2 = *s2++;
  913.     if (ASCII_a <= c1 && c1 <= ASCII_z)
  914.       c1 += ASCII_A - ASCII_a;
  915.     if (ASCII_a <= c2 && c2 <= ASCII_z)
  916.       c2 += ASCII_A - ASCII_a;
  917.     if (c1 != c2)
  918.       return 0;
  919.     if (!c1)
  920.       break;
  921.   }
  922.   return 1;
  923. }
  924.  
  925. static void FASTCALL
  926. initUpdatePosition(const ENCODING *enc, const char *ptr,
  927.                    const char *end, POSITION *pos)
  928. {
  929.   normal_updatePosition(&utf8_encoding.enc, ptr, end, pos);
  930. }
  931.  
  932. static int FASTCALL
  933. toAscii(const ENCODING *enc, const char *ptr, const char *end)
  934. {
  935.   char buf[1];
  936.   char *p = buf;
  937.   XmlUtf8Convert(enc, &ptr, end, &p, p + 1);
  938.   if (p == buf)
  939.     return -1;
  940.   else
  941.     return buf[0];
  942. }
  943.  
  944. static int FASTCALL
  945. isSpace(int c)
  946. {
  947.   switch (c) {
  948.   case 0x20:
  949.   case 0xD:
  950.   case 0xA:
  951.   case 0x9:     
  952.     return 1;
  953.   }
  954.   return 0;
  955. }
  956.  
  957. /* Return 1 if there's just optional white space or there's an S
  958.    followed by name=val.
  959. */
  960. static int FASTCALL
  961. parsePseudoAttribute(const ENCODING *enc,
  962.                      const char *ptr,
  963.                      const char *end,
  964.                      const char **namePtr,
  965.                      const char **nameEndPtr,
  966.                      const char **valPtr,
  967.                      const char **nextTokPtr)
  968. {
  969.   int c;
  970.   char open;
  971.   if (ptr == end) {
  972.     *namePtr = NULL;
  973.     return 1;
  974.   }
  975.   if (!isSpace(toAscii(enc, ptr, end))) {
  976.     *nextTokPtr = ptr;
  977.     return 0;
  978.   }
  979.   do {
  980.     ptr += enc->minBytesPerChar;
  981.   } while (isSpace(toAscii(enc, ptr, end)));
  982.   if (ptr == end) {
  983.     *namePtr = NULL;
  984.     return 1;
  985.   }
  986.   *namePtr = ptr;
  987.   for (;;) {
  988.     c = toAscii(enc, ptr, end);
  989.     if (c == -1) {
  990.       *nextTokPtr = ptr;
  991.       return 0;
  992.     }
  993.     if (c == ASCII_EQUALS) {
  994.       *nameEndPtr = ptr;
  995.       break;
  996.     }
  997.     if (isSpace(c)) {
  998.       *nameEndPtr = ptr;
  999.       do {
  1000.         ptr += enc->minBytesPerChar;
  1001.       } while (isSpace(c = toAscii(enc, ptr, end)));
  1002.       if (c != ASCII_EQUALS) {
  1003.         *nextTokPtr = ptr;
  1004.         return 0;
  1005.       }
  1006.       break;
  1007.     }
  1008.     ptr += enc->minBytesPerChar;
  1009.   }
  1010.   if (ptr == *namePtr) {
  1011.     *nextTokPtr = ptr;
  1012.     return 0;
  1013.   }
  1014.   ptr += enc->minBytesPerChar;
  1015.   c = toAscii(enc, ptr, end);
  1016.   while (isSpace(c)) {
  1017.     ptr += enc->minBytesPerChar;
  1018.     c = toAscii(enc, ptr, end);
  1019.   }
  1020.   if (c != ASCII_QUOT && c != ASCII_APOS) {
  1021.     *nextTokPtr = ptr;
  1022.     return 0;
  1023.   }
  1024.   open = (char)c;
  1025.   ptr += enc->minBytesPerChar;
  1026.   *valPtr = ptr;
  1027.   for (;; ptr += enc->minBytesPerChar) {
  1028.     c = toAscii(enc, ptr, end);
  1029.     if (c == open)
  1030.       break;
  1031.     if (!(ASCII_a <= c && c <= ASCII_z)
  1032.         && !(ASCII_A <= c && c <= ASCII_Z)
  1033.         && !(ASCII_0 <= c && c <= ASCII_9)
  1034.         && c != ASCII_PERIOD
  1035.         && c != ASCII_MINUS
  1036.         && c != ASCII_UNDERSCORE) {
  1037.       *nextTokPtr = ptr;
  1038.       return 0;
  1039.     }
  1040.   }
  1041.   *nextTokPtr = ptr + enc->minBytesPerChar;
  1042.   return 1;
  1043. }
  1044.  
  1045. static const char KW_version[] = {
  1046.   ASCII_v, ASCII_e, ASCII_r, ASCII_s, ASCII_i, ASCII_o, ASCII_n, '\0'
  1047. };
  1048.  
  1049. static const char KW_encoding[] = {
  1050.   ASCII_e, ASCII_n, ASCII_c, ASCII_o, ASCII_d, ASCII_i, ASCII_n, ASCII_g, '\0'
  1051. };
  1052.  
  1053. static const char KW_standalone[] = {
  1054.   ASCII_s, ASCII_t, ASCII_a, ASCII_n, ASCII_d, ASCII_a, ASCII_l, ASCII_o,
  1055.   ASCII_n, ASCII_e, '\0'
  1056. };
  1057.  
  1058. static const char KW_yes[] = {
  1059.   ASCII_y, ASCII_e, ASCII_s,  '\0'
  1060. };
  1061.  
  1062. static const char KW_no[] = {
  1063.   ASCII_n, ASCII_o,  '\0'
  1064. };
  1065.  
  1066. static int
  1067. doParseXmlDecl(const ENCODING *(*encodingFinder)(const ENCODING *,
  1068.                                                  const char *,
  1069.                                                  const char *),
  1070.                int isGeneralTextEntity,
  1071.                const ENCODING *enc,
  1072.                const char *ptr,
  1073.                const char *end,
  1074.                const char **badPtr,
  1075.                const char **versionPtr,
  1076.                const char **versionEndPtr,
  1077.                const char **encodingName,
  1078.                const ENCODING **encoding,
  1079.                int *standalone)
  1080. {
  1081.   const char *val = NULL;
  1082.   const char *name = NULL;
  1083.   const char *nameEnd = NULL;
  1084.   ptr += 5 * enc->minBytesPerChar;
  1085.   end -= 2 * enc->minBytesPerChar;
  1086.   if (!parsePseudoAttribute(enc, ptr, end, &name, &nameEnd, &val, &ptr)
  1087.       || !name) {
  1088.     *badPtr = ptr;
  1089.     return 0;
  1090.   }
  1091.   if (!XmlNameMatchesAscii(enc, name, nameEnd, KW_version)) {
  1092.     if (!isGeneralTextEntity) {
  1093.       *badPtr = name;
  1094.       return 0;
  1095.     }
  1096.   }
  1097.   else {
  1098.     if (versionPtr)
  1099.       *versionPtr = val;
  1100.     if (versionEndPtr)
  1101.       *versionEndPtr = ptr;
  1102.     if (!parsePseudoAttribute(enc, ptr, end, &name, &nameEnd, &val, &ptr)) {
  1103.       *badPtr = ptr;
  1104.       return 0;
  1105.     }
  1106.     if (!name) {
  1107.       if (isGeneralTextEntity) {
  1108.         /* a TextDecl must have an EncodingDecl */
  1109.         *badPtr = ptr;
  1110.         return 0;
  1111.       }
  1112.       return 1;
  1113.     }
  1114.   }
  1115.   if (XmlNameMatchesAscii(enc, name, nameEnd, KW_encoding)) {
  1116.     int c = toAscii(enc, val, end);
  1117.     if (!(ASCII_a <= c && c <= ASCII_z) && !(ASCII_A <= c && c <= ASCII_Z)) {
  1118.       *badPtr = val;
  1119.       return 0;
  1120.     }
  1121.     if (encodingName)
  1122.       *encodingName = val;
  1123.     if (encoding)
  1124.       *encoding = encodingFinder(enc, val, ptr - enc->minBytesPerChar);
  1125.     if (!parsePseudoAttribute(enc, ptr, end, &name, &nameEnd, &val, &ptr)) {
  1126.       *badPtr = ptr;
  1127.       return 0;
  1128.     }
  1129.     if (!name)
  1130.       return 1;
  1131.   }
  1132.   if (!XmlNameMatchesAscii(enc, name, nameEnd, KW_standalone)
  1133.       || isGeneralTextEntity) {
  1134.     *badPtr = name;
  1135.     return 0;
  1136.   }
  1137.   if (XmlNameMatchesAscii(enc, val, ptr - enc->minBytesPerChar, KW_yes)) {
  1138.     if (standalone)
  1139.       *standalone = 1;
  1140.   }
  1141.   else if (XmlNameMatchesAscii(enc, val, ptr - enc->minBytesPerChar, KW_no)) {
  1142.     if (standalone)
  1143.       *standalone = 0;
  1144.   }
  1145.   else {
  1146.     *badPtr = val;
  1147.     return 0;
  1148.   }
  1149.   while (isSpace(toAscii(enc, ptr, end)))
  1150.     ptr += enc->minBytesPerChar;
  1151.   if (ptr != end) {
  1152.     *badPtr = ptr;
  1153.     return 0;
  1154.   }
  1155.   return 1;
  1156. }
  1157.  
  1158. static int FASTCALL
  1159. checkCharRefNumber(int result)
  1160. {
  1161.   switch (result >> 8) {
  1162.   case 0xD8: case 0xD9: case 0xDA: case 0xDB:
  1163.   case 0xDC: case 0xDD: case 0xDE: case 0xDF:
  1164.     return -1;
  1165.   case 0:
  1166.     if (latin1_encoding.type[result] == BT_NONXML)
  1167.       return -1;
  1168.     break;
  1169.   case 0xFF:
  1170.     if (result == 0xFFFE || result == 0xFFFF)
  1171.       return -1;
  1172.     break;
  1173.   }
  1174.   return result;
  1175. }
  1176.  
  1177. int
  1178. XmlUtf8Encode(int c, char *buf)
  1179. {
  1180.   enum {
  1181.     /* minN is minimum legal resulting value for N byte sequence */
  1182.     min2 = 0x80,
  1183.     min3 = 0x800,
  1184.     min4 = 0x10000
  1185.   };
  1186.  
  1187.   if (c < 0)
  1188.     return 0;
  1189.   if (c < min2) {
  1190.     buf[0] = (char)(c | UTF8_cval1);
  1191.     return 1;
  1192.   }
  1193.   if (c < min3) {
  1194.     buf[0] = (char)((c >> 6) | UTF8_cval2);
  1195.     buf[1] = (char)((c & 0x3f) | 0x80);
  1196.     return 2;
  1197.   }
  1198.   if (c < min4) {
  1199.     buf[0] = (char)((c >> 12) | UTF8_cval3);
  1200.     buf[1] = (char)(((c >> 6) & 0x3f) | 0x80);
  1201.     buf[2] = (char)((c & 0x3f) | 0x80);
  1202.     return 3;
  1203.   }
  1204.   if (c < 0x110000) {
  1205.     buf[0] = (char)((c >> 18) | UTF8_cval4);
  1206.     buf[1] = (char)(((c >> 12) & 0x3f) | 0x80);
  1207.     buf[2] = (char)(((c >> 6) & 0x3f) | 0x80);
  1208.     buf[3] = (char)((c & 0x3f) | 0x80);
  1209.     return 4;
  1210.   }
  1211.   return 0;
  1212. }
  1213.  
  1214. int
  1215. XmlUtf16Encode(int charNum, unsigned short *buf)
  1216. {
  1217.   if (charNum < 0)
  1218.     return 0;
  1219.   if (charNum < 0x10000) {
  1220.     buf[0] = (unsigned short)charNum;
  1221.     return 1;
  1222.   }
  1223.   if (charNum < 0x110000) {
  1224.     charNum -= 0x10000;
  1225.     buf[0] = (unsigned short)((charNum >> 10) + 0xD800);
  1226.     buf[1] = (unsigned short)((charNum & 0x3FF) + 0xDC00);
  1227.     return 2;
  1228.   }
  1229.   return 0;
  1230. }
  1231.  
  1232. struct unknown_encoding {
  1233.   struct normal_encoding normal;
  1234.   int (*convert)(void *userData, const char *p);
  1235.   void *userData;
  1236.   unsigned short utf16[256];
  1237.   char utf8[256][4];
  1238. };
  1239.  
  1240. #define AS_UNKNOWN_ENCODING(enc)  ((const struct unknown_encoding *) (enc))
  1241.  
  1242. int
  1243. XmlSizeOfUnknownEncoding(void)
  1244. {
  1245.   return sizeof(struct unknown_encoding);
  1246. }
  1247.  
  1248. static int FASTCALL
  1249. unknown_isName(const ENCODING *enc, const char *p)
  1250. {
  1251.   const struct unknown_encoding *uenc = AS_UNKNOWN_ENCODING(enc);
  1252.   int c = uenc->convert(uenc->userData, p);
  1253.   if (c & ~0xFFFF)
  1254.     return 0;
  1255.   return UCS2_GET_NAMING(namePages, c >> 8, c & 0xFF);
  1256. }
  1257.  
  1258. static int FASTCALL
  1259. unknown_isNmstrt(const ENCODING *enc, const char *p)
  1260. {
  1261.   const struct unknown_encoding *uenc = AS_UNKNOWN_ENCODING(enc);
  1262.   int c = uenc->convert(uenc->userData, p);
  1263.   if (c & ~0xFFFF)
  1264.     return 0;
  1265.   return UCS2_GET_NAMING(nmstrtPages, c >> 8, c & 0xFF);
  1266. }
  1267.  
  1268. static int FASTCALL
  1269. unknown_isInvalid(const ENCODING *enc, const char *p)
  1270. {
  1271.   const struct unknown_encoding *uenc = AS_UNKNOWN_ENCODING(enc);
  1272.   int c = uenc->convert(uenc->userData, p);
  1273.   return (c & ~0xFFFF) || checkCharRefNumber(c) < 0;
  1274. }
  1275.  
  1276. static void FASTCALL
  1277. unknown_toUtf8(const ENCODING *enc,
  1278.                const char **fromP, const char *fromLim,
  1279.                char **toP, const char *toLim)
  1280. {
  1281.   const struct unknown_encoding *uenc = AS_UNKNOWN_ENCODING(enc);
  1282.   char buf[XML_UTF8_ENCODE_MAX];
  1283.   for (;;) {
  1284.     const char *utf8;
  1285.     int n;
  1286.     if (*fromP == fromLim)
  1287.       break;
  1288.     utf8 = uenc->utf8[(unsigned char)**fromP];
  1289.     n = *utf8++;
  1290.     if (n == 0) {
  1291.       int c = uenc->convert(uenc->userData, *fromP);
  1292.       n = XmlUtf8Encode(c, buf);
  1293.       if (n > toLim - *toP)
  1294.         break;
  1295.       utf8 = buf;
  1296.       *fromP += (AS_NORMAL_ENCODING(enc)->type[(unsigned char)**fromP]
  1297.                  - (BT_LEAD2 - 2));
  1298.     }
  1299.     else {
  1300.       if (n > toLim - *toP)
  1301.         break;
  1302.       (*fromP)++;
  1303.     }
  1304.     do {
  1305.       *(*toP)++ = *utf8++;
  1306.     } while (--n != 0);
  1307.   }
  1308. }
  1309.  
  1310. static void FASTCALL
  1311. unknown_toUtf16(const ENCODING *enc,
  1312.                 const char **fromP, const char *fromLim,
  1313.                 unsigned short **toP, const unsigned short *toLim)
  1314. {
  1315.   const struct unknown_encoding *uenc = AS_UNKNOWN_ENCODING(enc);
  1316.   while (*fromP != fromLim && *toP != toLim) {
  1317.     unsigned short c = uenc->utf16[(unsigned char)**fromP];
  1318.     if (c == 0) {
  1319.       c = (unsigned short)
  1320.           uenc->convert(uenc->userData, *fromP);
  1321.       *fromP += (AS_NORMAL_ENCODING(enc)->type[(unsigned char)**fromP]
  1322.                  - (BT_LEAD2 - 2));
  1323.     }
  1324.     else
  1325.       (*fromP)++;
  1326.     *(*toP)++ = c;
  1327.   }
  1328. }
  1329.  
  1330. ENCODING *
  1331. XmlInitUnknownEncoding(void *mem,
  1332.                        int *table,
  1333.                        int (*convert)(void *userData, const char *p),
  1334.                        void *userData)
  1335. {
  1336.   int i;
  1337.   struct unknown_encoding *e = mem;
  1338.   for (i = 0; i < (int)sizeof(struct normal_encoding); i++)
  1339.     ((char *)mem)[i] = ((char *)&latin1_encoding)[i];
  1340.   for (i = 0; i < 128; i++)
  1341.     if (latin1_encoding.type[i] != BT_OTHER
  1342.         && latin1_encoding.type[i] != BT_NONXML
  1343.         && table[i] != i)
  1344.       return 0;
  1345.   for (i = 0; i < 256; i++) {
  1346.     int c = table[i];
  1347.     if (c == -1) {
  1348.       e->normal.type[i] = BT_MALFORM;
  1349.       /* This shouldn't really get used. */
  1350.       e->utf16[i] = 0xFFFF;
  1351.       e->utf8[i][0] = 1;
  1352.       e->utf8[i][1] = 0;
  1353.     }
  1354.     else if (c < 0) {
  1355.       if (c < -4)
  1356.         return 0;
  1357.       e->normal.type[i] = (unsigned char)(BT_LEAD2 - (c + 2));
  1358.       e->utf8[i][0] = 0;
  1359.       e->utf16[i] = 0;
  1360.     }
  1361.     else if (c < 0x80) {
  1362.       if (latin1_encoding.type[c] != BT_OTHER
  1363.           && latin1_encoding.type[c] != BT_NONXML
  1364.           && c != i)
  1365.         return 0;
  1366.       e->normal.type[i] = latin1_encoding.type[c];
  1367.       e->utf8[i][0] = 1;
  1368.       e->utf8[i][1] = (char)c;
  1369.       e->utf16[i] = (unsigned short)(c == 0 ? 0xFFFF : c);
  1370.     }
  1371.     else if (checkCharRefNumber(c) < 0) {
  1372.       e->normal.type[i] = BT_NONXML;
  1373.       /* This shouldn't really get used. */
  1374.       e->utf16[i] = 0xFFFF;
  1375.       e->utf8[i][0] = 1;
  1376.       e->utf8[i][1] = 0;
  1377.     }
  1378.     else {
  1379.       if (c > 0xFFFF)
  1380.         return 0;
  1381.       if (UCS2_GET_NAMING(nmstrtPages, c >> 8, c & 0xff))
  1382.         e->normal.type[i] = BT_NMSTRT;
  1383.       else if (UCS2_GET_NAMING(namePages, c >> 8, c & 0xff))
  1384.         e->normal.type[i] = BT_NAME;
  1385.       else
  1386.         e->normal.type[i] = BT_OTHER;
  1387.       e->utf8[i][0] = (char)XmlUtf8Encode(c, e->utf8[i] + 1);
  1388.       e->utf16[i] = (unsigned short)c;
  1389.     }
  1390.   }
  1391.   e->userData = userData;
  1392.   e->convert = convert;
  1393.   if (convert) {
  1394.     e->normal.isName2 = unknown_isName;
  1395.     e->normal.isName3 = unknown_isName;
  1396.     e->normal.isName4 = unknown_isName;
  1397.     e->normal.isNmstrt2 = unknown_isNmstrt;
  1398.     e->normal.isNmstrt3 = unknown_isNmstrt;
  1399.     e->normal.isNmstrt4 = unknown_isNmstrt;
  1400.     e->normal.isInvalid2 = unknown_isInvalid;
  1401.     e->normal.isInvalid3 = unknown_isInvalid;
  1402.     e->normal.isInvalid4 = unknown_isInvalid;
  1403.   }
  1404.   e->normal.enc.utf8Convert = unknown_toUtf8;
  1405.   e->normal.enc.utf16Convert = unknown_toUtf16;
  1406.   return &(e->normal.enc);
  1407. }
  1408.  
  1409. /* If this enumeration is changed, getEncodingIndex and encodings
  1410. must also be changed. */
  1411. enum {
  1412.   UNKNOWN_ENC = -1,
  1413.   ISO_8859_1_ENC = 0,
  1414.   US_ASCII_ENC,
  1415.   UTF_8_ENC,
  1416.   UTF_16_ENC,
  1417.   UTF_16BE_ENC,
  1418.   UTF_16LE_ENC,
  1419.   /* must match encodingNames up to here */
  1420.   NO_ENC
  1421. };
  1422.  
  1423. static const char KW_ISO_8859_1[] = {
  1424.   ASCII_I, ASCII_S, ASCII_O, ASCII_MINUS, ASCII_8, ASCII_8, ASCII_5, ASCII_9,
  1425.   ASCII_MINUS, ASCII_1, '\0'
  1426. };
  1427. static const char KW_US_ASCII[] = {
  1428.   ASCII_U, ASCII_S, ASCII_MINUS, ASCII_A, ASCII_S, ASCII_C, ASCII_I, ASCII_I,
  1429.   '\0'
  1430. };
  1431. static const char KW_UTF_8[] =  {
  1432.   ASCII_U, ASCII_T, ASCII_F, ASCII_MINUS, ASCII_8, '\0'
  1433. };
  1434. static const char KW_UTF_16[] = {
  1435.   ASCII_U, ASCII_T, ASCII_F, ASCII_MINUS, ASCII_1, ASCII_6, '\0'
  1436. };
  1437. static const char KW_UTF_16BE[] = {
  1438.   ASCII_U, ASCII_T, ASCII_F, ASCII_MINUS, ASCII_1, ASCII_6, ASCII_B, ASCII_E,
  1439.   '\0'
  1440. };
  1441. static const char KW_UTF_16LE[] = {
  1442.   ASCII_U, ASCII_T, ASCII_F, ASCII_MINUS, ASCII_1, ASCII_6, ASCII_L, ASCII_E,
  1443.   '\0'
  1444. };
  1445.  
  1446. static int FASTCALL
  1447. getEncodingIndex(const char *name)
  1448. {
  1449.   static const char *encodingNames[] = {
  1450.     KW_ISO_8859_1,
  1451.     KW_US_ASCII,
  1452.     KW_UTF_8,
  1453.     KW_UTF_16,
  1454.     KW_UTF_16BE,
  1455.     KW_UTF_16LE,
  1456.   };
  1457.   int i;
  1458.   if (name == NULL)
  1459.     return NO_ENC;
  1460.   for (i = 0; i < (int)(sizeof(encodingNames)/sizeof(encodingNames[0])); i++)
  1461.     if (streqci(name, encodingNames[i]))
  1462.       return i;
  1463.   return UNKNOWN_ENC;
  1464. }
  1465.  
  1466. /* For binary compatibility, we store the index of the encoding
  1467.    specified at initialization in the isUtf16 member.
  1468. */
  1469.  
  1470. #define INIT_ENC_INDEX(enc) ((int)(enc)->initEnc.isUtf16)
  1471. #define SET_INIT_ENC_INDEX(enc, i) ((enc)->initEnc.isUtf16 = (char)i)
  1472.  
  1473. /* This is what detects the encoding.  encodingTable maps from
  1474.    encoding indices to encodings; INIT_ENC_INDEX(enc) is the index of
  1475.    the external (protocol) specified encoding; state is
  1476.    XML_CONTENT_STATE if we're parsing an external text entity, and
  1477.    XML_PROLOG_STATE otherwise.
  1478. */
  1479.  
  1480.  
  1481. static int FASTCALL
  1482. initScan(const ENCODING **encodingTable,
  1483.          const INIT_ENCODING *enc,
  1484.          int state,
  1485.          const char *ptr,
  1486.          const char *end,
  1487.          const char **nextTokPtr)
  1488. {
  1489.   const ENCODING **encPtr;
  1490.  
  1491.   if (ptr == end)
  1492.     return XML_TOK_NONE;
  1493.   encPtr = enc->encPtr;
  1494.   if (ptr + 1 == end) {
  1495.     /* only a single byte available for auto-detection */
  1496. #ifndef XML_DTD /* FIXME */
  1497.     /* a well-formed document entity must have more than one byte */
  1498.     if (state != XML_CONTENT_STATE)
  1499.       return XML_TOK_PARTIAL;
  1500. #endif
  1501.     /* so we're parsing an external text entity... */
  1502.     /* if UTF-16 was externally specified, then we need at least 2 bytes */
  1503.     switch (INIT_ENC_INDEX(enc)) {
  1504.     case UTF_16_ENC:
  1505.     case UTF_16LE_ENC:
  1506.     case UTF_16BE_ENC:
  1507.       return XML_TOK_PARTIAL;
  1508.     }
  1509.     switch ((unsigned char)*ptr) {
  1510.     case 0xFE:
  1511.     case 0xFF:
  1512.     case 0xEF: /* possibly first byte of UTF-8 BOM */
  1513.       if (INIT_ENC_INDEX(enc) == ISO_8859_1_ENC
  1514.           && state == XML_CONTENT_STATE)
  1515.         break;
  1516.       /* fall through */
  1517.     case 0x00:
  1518.     case 0x3C:
  1519.       return XML_TOK_PARTIAL;
  1520.     }
  1521.   }
  1522.   else {
  1523.     switch (((unsigned char)ptr[0] << 8) | (unsigned char)ptr[1]) {
  1524.     case 0xFEFF:
  1525.       if (INIT_ENC_INDEX(enc) == ISO_8859_1_ENC
  1526.           && state == XML_CONTENT_STATE)
  1527.         break;
  1528.       *nextTokPtr = ptr + 2;
  1529.       *encPtr = encodingTable[UTF_16BE_ENC];
  1530.       return XML_TOK_BOM;
  1531.     /* 00 3C is handled in the default case */
  1532.     case 0x3C00:
  1533.       if ((INIT_ENC_INDEX(enc) == UTF_16BE_ENC
  1534.            || INIT_ENC_INDEX(enc) == UTF_16_ENC)
  1535.           && state == XML_CONTENT_STATE)
  1536.         break;
  1537.       *encPtr = encodingTable[UTF_16LE_ENC];
  1538.       return XmlTok(*encPtr, state, ptr, end, nextTokPtr);
  1539.     case 0xFFFE:
  1540.       if (INIT_ENC_INDEX(enc) == ISO_8859_1_ENC
  1541.           && state == XML_CONTENT_STATE)
  1542.         break;
  1543.       *nextTokPtr = ptr + 2;
  1544.       *encPtr = encodingTable[UTF_16LE_ENC];
  1545.       return XML_TOK_BOM;
  1546.     case 0xEFBB:
  1547.       /* Maybe a UTF-8 BOM (EF BB BF) */
  1548.       /* If there's an explicitly specified (external) encoding
  1549.          of ISO-8859-1 or some flavour of UTF-16
  1550.          and this is an external text entity,
  1551.          don't look for the BOM,
  1552.          because it might be a legal data.
  1553.       */
  1554.       if (state == XML_CONTENT_STATE) {
  1555.         int e = INIT_ENC_INDEX(enc);
  1556.         if (e == ISO_8859_1_ENC || e == UTF_16BE_ENC
  1557.             || e == UTF_16LE_ENC || e == UTF_16_ENC)
  1558.           break;
  1559.       }
  1560.       if (ptr + 2 == end)
  1561.         return XML_TOK_PARTIAL;
  1562.       if ((unsigned char)ptr[2] == 0xBF) {
  1563.         *nextTokPtr = ptr + 3;
  1564.         *encPtr = encodingTable[UTF_8_ENC];
  1565.         return XML_TOK_BOM;
  1566.       }
  1567.       break;
  1568.     default:
  1569.       if (ptr[0] == '\0') {
  1570.         /* 0 isn't a legal data character. Furthermore a document
  1571.            entity can only start with ASCII characters.  So the only
  1572.            way this can fail to be big-endian UTF-16 if it it's an
  1573.            external parsed general entity that's labelled as
  1574.            UTF-16LE.
  1575.         */
  1576.         if (state == XML_CONTENT_STATE && INIT_ENC_INDEX(enc) == UTF_16LE_ENC)
  1577.           break;
  1578.         *encPtr = encodingTable[UTF_16BE_ENC];
  1579.         return XmlTok(*encPtr, state, ptr, end, nextTokPtr);
  1580.       }
  1581.       else if (ptr[1] == '\0') {
  1582.         /* We could recover here in the case:
  1583.             - parsing an external entity
  1584.             - second byte is 0
  1585.             - no externally specified encoding
  1586.             - no encoding declaration
  1587.            by assuming UTF-16LE.  But we don't, because this would mean when
  1588.            presented just with a single byte, we couldn't reliably determine
  1589.            whether we needed further bytes.
  1590.         */
  1591.         if (state == XML_CONTENT_STATE)
  1592.           break;
  1593.         *encPtr = encodingTable[UTF_16LE_ENC];
  1594.         return XmlTok(*encPtr, state, ptr, end, nextTokPtr);
  1595.       }
  1596.       break;
  1597.     }
  1598.   }
  1599.   *encPtr = encodingTable[INIT_ENC_INDEX(enc)];
  1600.   return XmlTok(*encPtr, state, ptr, end, nextTokPtr);
  1601. }
  1602.  
  1603.  
  1604. #define NS(x) x
  1605. #define ns(x) x
  1606. #include "xmltok_ns.c"
  1607. #undef NS
  1608. #undef ns
  1609.  
  1610. #ifdef XML_NS
  1611.  
  1612. #define NS(x) x ## NS
  1613. #define ns(x) x ## _ns
  1614.  
  1615. #include "xmltok_ns.c"
  1616.  
  1617. #undef NS
  1618. #undef ns
  1619.  
  1620. ENCODING *
  1621. XmlInitUnknownEncodingNS(void *mem,
  1622.                          int *table,
  1623.                          int (*convert)(void *userData, const char *p),
  1624.                          void *userData)
  1625. {
  1626.   ENCODING *enc = XmlInitUnknownEncoding(mem, table, convert, userData);
  1627.   if (enc)
  1628.     ((struct normal_encoding *)enc)->type[ASCII_COLON] = BT_COLON;
  1629.   return enc;
  1630. }
  1631.  
  1632. #endif /* XML_NS */
  1633.