home *** CD-ROM | disk | FTP | other *** search
/ Aminet 1 (Walnut Creek) / Aminet - June 1993 [Walnut Creek].iso / usenet / sources / volume2 / util / wns / regexp.c < prev    next >
C/C++ Source or Header  |  1988-10-20  |  28KB  |  1,218 lines
  1. /*
  2.  * regcomp and regexec -- regsub and regerror are elsewhere
  3.  *
  4.  *    Copyright (c) 1986 by University of Toronto.
  5.  *    Written by Henry Spencer.  Not derived from licensed software.
  6.  *
  7.  *    Permission is granted to anyone to use this software for any
  8.  *    purpose on any computer system, and to redistribute it freely,
  9.  *    subject to the following restrictions:
  10.  *
  11.  *    1. The author is not responsible for the consequences of use of
  12.  *        this software, no matter how awful, even if they arise
  13.  *        from defects in it.
  14.  *
  15.  *    2. The origin of this software must not be misrepresented, either
  16.  *        by explicit claim or by omission.
  17.  *
  18.  *    3. Altered versions must be plainly marked as such, and must not
  19.  *        be misrepresented as being the original software.
  20.  *
  21.  * Beware that some of this code is subtly aware of the way operator
  22.  * precedence is structured in regular expressions.  Serious changes in
  23.  * regular-expression syntax might require a total rethink.
  24.  
  25.  * 10/09/88 - This code was altered by Mark R. Rinfret for compatibility
  26.  * with the Amiga. (mrr@amanpt1.ZONE1.COM)
  27.  */
  28. #include <stdio.h>
  29. #include "regexp.h"
  30. #include "regmagic.h"
  31.  
  32.  
  33. /*
  34.  * The "internal use only" fields in regexp.h are present to pass info from
  35.  * compile to execute that permits the execute phase to run lots faster on
  36.  * simple cases.  They are:
  37.  *
  38.  * regstart    char that must begin a match; '\0' if none obvious
  39.  * reganch    is the match anchored (at beginning-of-line only)?
  40.  * regmust    string (pointer into program) that match must include, or NULL
  41.  * regmlen    length of regmust string
  42.  *
  43.  * Regstart and reganch permit very fast decisions on suitable starting points
  44.  * for a match, cutting down the work a lot.  Regmust permits fast rejection
  45.  * of lines that cannot possibly match.  The regmust tests are costly enough
  46.  * that regcomp() supplies a regmust only if the r.e. contains something
  47.  * potentially expensive (at present, the only such thing detected is * or +
  48.  * at the start of the r.e., which can involve a lot of backup).  Regmlen is
  49.  * supplied because the test in regexec() needs it and regcomp() is computing
  50.  * it anyway.
  51.  */
  52.  
  53. /*
  54.  * Structure for regexp "program".  This is essentially a linear encoding
  55.  * of a nondeterministic finite-state machine (aka syntax charts or
  56.  * "railroad normal form" in parsing technology).  Each node is an opcode
  57.  * plus a "next" pointer, possibly plus an operand.  "Next" pointers of
  58.  * all nodes except BRANCH implement concatenation; a "next" pointer with
  59.  * a BRANCH on both ends of it is connecting two alternatives.  (Here we
  60.  * have one of the subtle syntax dependencies:  an individual BRANCH (as
  61.  * opposed to a collection of them) is never concatenated with anything
  62.  * because of operator precedence.)  The operand of some types of node is
  63.  * a literal string; for others, it is a node leading into a sub-FSM.  In
  64.  * particular, the operand of a BRANCH node is the first node of the branch.
  65.  * (NB this is *not* a tree structure:  the tail of the branch connects
  66.  * to the thing following the set of BRANCHes.)  The opcodes are:
  67.  */
  68.  
  69. /* definition    number    opnd?    meaning */
  70. #define    END    0    /* no    End of program. */
  71. #define    BOL    1    /* no    Match "" at beginning of line. */
  72. #define    EOL    2    /* no    Match "" at end of line. */
  73. #define    ANY    3    /* no    Match any one character. */
  74. #define    ANYOF    4    /* str    Match any character in this string. */
  75. #define    ANYBUT    5    /* str    Match any character not in this string. */
  76. #define    BRANCH    6    /* node    Match this alternative, or the next... */
  77. #define    BACK    7    /* no    Match "", "next" ptr points backward. */
  78. #define    EXACTLY    8    /* str    Match this string. */
  79. #define    NOTHING    9    /* no    Match empty string. */
  80. #define    STAR    10    /* node    Match this (simple) thing 0 or more times. */
  81. #define    PLUS    11    /* node    Match this (simple) thing 1 or more times. */
  82. #define    OPEN    20    /* no    Mark this point in input as start of #n. */
  83.             /*    OPEN+1 is number 1, etc. */
  84. #define    CLOSE    30    /* no    Analogous to OPEN. */
  85.  
  86. /*
  87.  * Opcode notes:
  88.  *
  89.  * BRANCH    The set of branches constituting a single choice are hooked
  90.  *        together with their "next" pointers, since precedence prevents
  91.  *        anything being concatenated to any individual branch.  The
  92.  *        "next" pointer of the last BRANCH in a choice points to the
  93.  *        thing following the whole choice.  This is also where the
  94.  *        final "next" pointer of each individual branch points; each
  95.  *        branch starts with the operand node of a BRANCH node.
  96.  *
  97.  * BACK        Normal "next" pointers all implicitly point forward; BACK
  98.  *        exists to make loop structures possible.
  99.  *
  100.  * STAR,PLUS    '?', and complex '*' and '+', are implemented as circular
  101.  *        BRANCH structures using BACK.  Simple cases (one character
  102.  *        per match) are implemented with STAR and PLUS for speed
  103.  *        and to minimize recursive plunges.
  104.  *
  105.  * OPEN,CLOSE    ...are numbered at compile time.
  106.  */
  107.  
  108. /*
  109.  * A node is one char of opcode followed by two chars of "next" pointer.
  110.  * "Next" pointers are stored as two 8-bit pieces, high order first.  The
  111.  * value is a positive offset from the opcode of the node containing it.
  112.  * An operand, if any, simply follows the node.  (Note that much of the
  113.  * code generation knows about this implicit relationship.)
  114.  *
  115.  * Using two bytes for the "next" pointer is vast overkill for most things,
  116.  * but allows patterns to get big without disasters.
  117.  */
  118. #define    OP(p)    (*(p))
  119. #define    NEXT(p)    (((*((p)+1)&0377)<<8) + *((p)+2)&0377)
  120. #define    OPERAND(p)    ((p) + 3)
  121.  
  122. /*
  123.  * See regmagic.h for one further detail of program structure.
  124.  */
  125.  
  126.  
  127. /*
  128.  * Utility definitions.
  129.  */
  130. #ifndef CHARBITS
  131. #define    UCHARAT(p)    ((int)*(unsigned char *)(p))
  132. #else
  133. #define    UCHARAT(p)    ((int)*(p)&CHARBITS)
  134. #endif
  135.  
  136. #define    FAIL(m)    { regerror(m); return(NULL); }
  137. #define    ISMULT(c)    ((c) == '*' || (c) == '+' || (c) == '?')
  138. #define    META    "^$.[()|?+*\\"
  139.  
  140. /*
  141.  * Flags to be passed up and down.
  142.  */
  143. #define    HASWIDTH    01    /* Known never to match null string. */
  144. #define    SIMPLE        02    /* Simple enough to be STAR/PLUS operand. */
  145. #define    SPSTART        04    /* Starts with * or +. */
  146. #define    WORST        0    /* Worst case. */
  147.  
  148. /*
  149.  * Global work variables for regcomp().
  150.  */
  151. static char *regparse;        /* Input-scan pointer. */
  152. static int regnpar;        /* () count. */
  153. static char regdummy;
  154. static char *regcode;        /* Code-emit pointer; ®dummy = don't. */
  155. static long regsize;        /* Code size. */
  156.  
  157. /*
  158.  * Forward declarations for regcomp()'s friends.
  159.  */
  160. #ifndef STATIC
  161. #define    STATIC    static
  162. #endif
  163. STATIC char *reg();
  164. STATIC char *regbranch();
  165. STATIC char *regpiece();
  166. STATIC char *regatom();
  167. STATIC char *regnode();
  168. STATIC char *regnext();
  169. STATIC void regc();
  170. STATIC void reginsert();
  171. STATIC void regtail();
  172. STATIC void regoptail();
  173. #ifdef STRCSPN
  174. STATIC int strcspn();
  175. #endif
  176.  
  177. /*
  178.  - regcomp - compile a regular expression into internal code
  179.  *
  180.  * We can't allocate space until we know how big the compiled form will be,
  181.  * but we can't compile it (and thus know how big it is) until we've got a
  182.  * place to put the code.  So we cheat:  we compile it twice, once with code
  183.  * generation turned off and size counting turned on, and once "for real".
  184.  * This also means that we don't allocate space until we are sure that the
  185.  * thing really will compile successfully, and we never have to move the
  186.  * code and thus invalidate pointers into it.  (Note that it has to be in
  187.  * one piece because free() must be able to free it all.)
  188.  *
  189.  * Beware that the optimization-preparation code in here knows about some
  190.  * of the structure of the compiled regexp.
  191.  */
  192. regexp *
  193. regcomp(exp)
  194. char *exp;
  195. {
  196.     register regexp *r;
  197.     register char *scan;
  198.     register char *longest;
  199.     register int len;
  200.     int flags;
  201.     extern char *malloc();
  202.  
  203.     if (exp == NULL)
  204.         FAIL("NULL argument");
  205.  
  206.     /* First pass: determine size, legality. */
  207.     regparse = exp;
  208.     regnpar = 1;
  209.     regsize = 0L;
  210.     regcode = ®dummy;
  211.     regc(MAGIC);
  212.     if (reg(0, &flags) == NULL)
  213.         return(NULL);
  214.  
  215.     /* Small enough for pointer-storage convention? */
  216.     if (regsize >= 32767L)        /* Probably could be 65535L. */
  217.         FAIL("regexp too big");
  218.  
  219.     /* Allocate space. */
  220.     r = (regexp *)malloc(sizeof(regexp) + (unsigned)regsize);
  221.     if (r == NULL)
  222.         FAIL("out of space");
  223.  
  224.     /* Second pass: emit code. */
  225.     regparse = exp;
  226.     regnpar = 1;
  227.     regcode = r->program;
  228.     regc(MAGIC);
  229.     if (reg(0, &flags) == NULL)
  230.         return(NULL);
  231.  
  232.     /* Dig out information for optimizations. */
  233.     r->regstart = '\0';    /* Worst-case defaults. */
  234.     r->reganch = 0;
  235.     r->regmust = NULL;
  236.     r->regmlen = 0;
  237.     scan = r->program+1;            /* First BRANCH. */
  238.     if (OP(regnext(scan)) == END) {        /* Only one top-level choice. */
  239.         scan = OPERAND(scan);
  240.  
  241.         /* Starting-point info. */
  242.         if (OP(scan) == EXACTLY)
  243.             r->regstart = *OPERAND(scan);
  244.         else if (OP(scan) == BOL)
  245.             r->reganch++;
  246.  
  247.         /*
  248.          * If there's something expensive in the r.e., find the
  249.          * longest literal string that must appear and make it the
  250.          * regmust.  Resolve ties in favor of later strings, since
  251.          * the regstart check works with the beginning of the r.e.
  252.          * and avoiding duplication strengthens checking.  Not a
  253.          * strong reason, but sufficient in the absence of others.
  254.          */
  255.         if (flags&SPSTART) {
  256.             longest = NULL;
  257.             len = 0;
  258.             for (; scan != NULL; scan = regnext(scan))
  259.                 if (OP(scan) == EXACTLY && strlen(OPERAND(scan)) >= len) {
  260.                     longest = OPERAND(scan);
  261.                     len = strlen(OPERAND(scan));
  262.                 }
  263.             r->regmust = longest;
  264.             r->regmlen = len;
  265.         }
  266.     }
  267.  
  268.     return(r);
  269. }
  270.  
  271. /*
  272.  - reg - regular expression, i.e. main body or parenthesized thing
  273.  *
  274.  * Caller must absorb opening parenthesis.
  275.  *
  276.  * Combining parenthesis handling with the base level of regular expression
  277.  * is a trifle forced, but the need to tie the tails of the branches to what
  278.  * follows makes it hard to avoid.
  279.  */
  280. static char *
  281. reg(paren, flagp)
  282. int paren;            /* Parenthesized? */
  283. int *flagp;
  284. {
  285.     register char *ret;
  286.     register char *br;
  287.     register char *ender;
  288.     register int parno;
  289.     int flags;
  290.  
  291.     *flagp = HASWIDTH;    /* Tentatively. */
  292.  
  293.     /* Make an OPEN node, if parenthesized. */
  294.     if (paren) {
  295.         if (regnpar >= NSUBEXP)
  296.             FAIL("too many ()");
  297.         parno = regnpar;
  298.         regnpar++;
  299.         ret = regnode(OPEN+parno);
  300.     } else
  301.         ret = NULL;
  302.  
  303.     /* Pick up the branches, linking them together. */
  304.     br = regbranch(&flags);
  305.     if (br == NULL)
  306.         return(NULL);
  307.     if (ret != NULL)
  308.         regtail(ret, br);    /* OPEN -> first. */
  309.     else
  310.         ret = br;
  311.     if (!(flags&HASWIDTH))
  312.         *flagp &= ~HASWIDTH;
  313.     *flagp |= flags&SPSTART;
  314.     while (*regparse == '|') {
  315.         regparse++;
  316.         br = regbranch(&flags);
  317.         if (br == NULL)
  318.             return(NULL);
  319.         regtail(ret, br);    /* BRANCH -> BRANCH. */
  320.         if (!(flags&HASWIDTH))
  321.             *flagp &= ~HASWIDTH;
  322.         *flagp |= flags&SPSTART;
  323.     }
  324.  
  325.     /* Make a closing node, and hook it on the end. */
  326.     ender = regnode((paren) ? CLOSE+parno : END);    
  327.     regtail(ret, ender);
  328.  
  329.     /* Hook the tails of the branches to the closing node. */
  330.     for (br = ret; br != NULL; br = regnext(br))
  331.         regoptail(br, ender);
  332.  
  333.     /* Check for proper termination. */
  334.     if (paren && *regparse++ != ')') {
  335.         FAIL("unmatched ()");
  336.     } else if (!paren && *regparse != '\0') {
  337.         if (*regparse == ')') {
  338.             FAIL("unmatched ()");
  339.         } else
  340.             FAIL("junk on end");    /* "Can't happen". */
  341.         /* NOTREACHED */
  342.     }
  343.  
  344.     return(ret);
  345. }
  346.  
  347. /*
  348.  - regbranch - one alternative of an | operator
  349.  *
  350.  * Implements the concatenation operator.
  351.  */
  352. static char *
  353. regbranch(flagp)
  354. int *flagp;
  355. {
  356.     register char *ret;
  357.     register char *chain;
  358.     register char *latest;
  359.     int flags;
  360.  
  361.     *flagp = WORST;        /* Tentatively. */
  362.  
  363.     ret = regnode(BRANCH);
  364.     chain = NULL;
  365.     while (*regparse != '\0' && *regparse != '|' && *regparse != ')') {
  366.         latest = regpiece(&flags);
  367.         if (latest == NULL)
  368.             return(NULL);
  369.         *flagp |= flags&HASWIDTH;
  370.         if (chain == NULL)    /* First piece. */
  371.             *flagp |= flags&SPSTART;
  372.         else
  373.             regtail(chain, latest);
  374.         chain = latest;
  375.     }
  376.     if (chain == NULL)    /* Loop ran zero times. */
  377.         (void) regnode(NOTHING);
  378.  
  379.     return(ret);
  380. }
  381.  
  382. /*
  383.  - regpiece - something followed by possible [*+?]
  384.  *
  385.  * Note that the branching code sequences used for ? and the general cases
  386.  * of * and + are somewhat optimized:  they use the same NOTHING node as
  387.  * both the endmarker for their branch list and the body of the last branch.
  388.  * It might seem that this node could be dispensed with entirely, but the
  389.  * endmarker role is not redundant.
  390.  */
  391. static char *
  392. regpiece(flagp)
  393. int *flagp;
  394. {
  395.     register char *ret;
  396.     register char op;
  397.     register char *next;
  398.     int flags;
  399.  
  400.     ret = regatom(&flags);
  401.     if (ret == NULL)
  402.         return(NULL);
  403.  
  404.     op = *regparse;
  405.     if (!ISMULT(op)) {
  406.         *flagp = flags;
  407.         return(ret);
  408.     }
  409.  
  410.     if (!(flags&HASWIDTH) && op != '?')
  411.         FAIL("*+ operand could be empty");
  412.     *flagp = (op != '+') ? (WORST|SPSTART) : (WORST|HASWIDTH);
  413.  
  414.     if (op == '*' && (flags&SIMPLE))
  415.         reginsert(STAR, ret);
  416.     else if (op == '*') {
  417.         /* Emit x* as (x&|), where & means "self". */
  418.         reginsert(BRANCH, ret);            /* Either x */
  419.         regoptail(ret, regnode(BACK));        /* and loop */
  420.         regoptail(ret, ret);            /* back */
  421.         regtail(ret, regnode(BRANCH));        /* or */
  422.         regtail(ret, regnode(NOTHING));        /* null. */
  423.     } else if (op == '+' && (flags&SIMPLE))
  424.         reginsert(PLUS, ret);
  425.     else if (op == '+') {
  426.         /* Emit x+ as x(&|), where & means "self". */
  427.         next = regnode(BRANCH);            /* Either */
  428.         regtail(ret, next);
  429.         regtail(regnode(BACK), ret);        /* loop back */
  430.         regtail(next, regnode(BRANCH));        /* or */
  431.         regtail(ret, regnode(NOTHING));        /* null. */
  432.     } else if (op == '?') {
  433.         /* Emit x? as (x|) */
  434.         reginsert(BRANCH, ret);            /* Either x */
  435.         regtail(ret, regnode(BRANCH));        /* or */
  436.         next = regnode(NOTHING);        /* null. */
  437.         regtail(ret, next);
  438.         regoptail(ret, next);
  439.     }
  440.     regparse++;
  441.     if (ISMULT(*regparse))
  442.         FAIL("nested *?+");
  443.  
  444.     return(ret);
  445. }
  446.  
  447. /*
  448.  - regatom - the lowest level
  449.  *
  450.  * Optimization:  gobbles an entire sequence of ordinary characters so that
  451.  * it can turn them into a single node, which is smaller to store and
  452.  * faster to run.  Backslashed characters are exceptions, each becoming a
  453.  * separate node; the code is simpler that way and it's not worth fixing.
  454.  */
  455. static char *
  456. regatom(flagp)
  457. int *flagp;
  458. {
  459.     register char *ret;
  460.     int flags;
  461.  
  462.     *flagp = WORST;        /* Tentatively. */
  463.  
  464.     switch (*regparse++) {
  465.     case '^':
  466.         ret = regnode(BOL);
  467.         break;
  468.     case '$':
  469.         ret = regnode(EOL);
  470.         break;
  471.     case '.':
  472.         ret = regnode(ANY);
  473.         *flagp |= HASWIDTH|SIMPLE;
  474.         break;
  475.     case '[': {
  476.             register int class;
  477.             register int classend;
  478.  
  479.             if (*regparse == '^') {    /* Complement of range. */
  480.                 ret = regnode(ANYBUT);
  481.                 regparse++;
  482.             } else
  483.                 ret = regnode(ANYOF);
  484.             if (*regparse == ']' || *regparse == '-')
  485.                 regc(*regparse++);
  486.             while (*regparse != '\0' && *regparse != ']') {
  487.                 if (*regparse == '-') {
  488.                     regparse++;
  489.                     if (*regparse == ']' || *regparse == '\0')
  490.                         regc('-');
  491.                     else {
  492.                         class = UCHARAT(regparse-2)+1;
  493.                         classend = UCHARAT(regparse);
  494.                         if (class > classend+1)
  495.                             FAIL("invalid [] range");
  496.                         for (; class <= classend; class++)
  497.                             regc(class);
  498.                         regparse++;
  499.                     }
  500.                 } else
  501.                     regc(*regparse++);
  502.             }
  503.             regc('\0');
  504.             if (*regparse != ']')
  505.                 FAIL("unmatched []");
  506.             regparse++;
  507.             *flagp |= HASWIDTH|SIMPLE;
  508.         }
  509.         break;
  510.     case '(':
  511.         ret = reg(1, &flags);
  512.         if (ret == NULL)
  513.             return(NULL);
  514.         *flagp |= flags&(HASWIDTH|SPSTART);
  515.         break;
  516.     case '\0':
  517.     case '|':
  518.     case ')':
  519.         FAIL("internal urp");    /* Supposed to be caught earlier. */
  520.         break;
  521.     case '?':
  522.     case '+':
  523.     case '*':
  524.         FAIL("?+* follows nothing");
  525.         break;
  526.     case '\\':
  527.         if (*regparse == '\0')
  528.             FAIL("trailing \\");
  529.         ret = regnode(EXACTLY);
  530.         regc(*regparse++);
  531.         regc('\0');
  532.         *flagp |= HASWIDTH|SIMPLE;
  533.         break;
  534.     default: {
  535.             register int len;
  536.             register char ender;
  537.  
  538.             regparse--;
  539.             len = strcspn(regparse, META);
  540.             if (len <= 0)
  541.                 FAIL("internal disaster");
  542.             ender = *(regparse+len);
  543.             if (len > 1 && ISMULT(ender))
  544.                 len--;        /* Back off clear of ?+* operand. */
  545.             *flagp |= HASWIDTH;
  546.             if (len == 1)
  547.                 *flagp |= SIMPLE;
  548.             ret = regnode(EXACTLY);
  549.             while (len > 0) {
  550.                 regc(*regparse++);
  551.                 len--;
  552.             }
  553.             regc('\0');
  554.         }
  555.         break;
  556.     }
  557.  
  558.     return(ret);
  559. }
  560.  
  561. /*
  562.  - regnode - emit a node
  563.  */
  564. static char *            /* Location. */
  565. regnode(op)
  566. char op;
  567. {
  568.     register char *ret;
  569.     register char *ptr;
  570.  
  571.     ret = regcode;
  572.     if (ret == ®dummy) {
  573.         regsize += 3;
  574.         return(ret);
  575.     }
  576.  
  577.     ptr = ret;
  578.     *ptr++ = op;
  579.     *ptr++ = '\0';        /* Null "next" pointer. */
  580.     *ptr++ = '\0';
  581.     regcode = ptr;
  582.  
  583.     return(ret);
  584. }
  585.  
  586. /*
  587.  - regc - emit (if appropriate) a byte of code
  588.  */
  589. static void
  590. regc(b)
  591. char b;
  592. {
  593.     if (regcode != ®dummy)
  594.         *regcode++ = b;
  595.     else
  596.         regsize++;
  597. }
  598.  
  599. /*
  600.  - reginsert - insert an operator in front of already-emitted operand
  601.  *
  602.  * Means relocating the operand.
  603.  */
  604. static void
  605. reginsert(op, opnd)
  606. char op;
  607. char *opnd;
  608. {
  609.     register char *src;
  610.     register char *dst;
  611.     register char *place;
  612.  
  613.     if (regcode == ®dummy) {
  614.         regsize += 3;
  615.         return;
  616.     }
  617.  
  618.     src = regcode;
  619.     regcode += 3;
  620.     dst = regcode;
  621.     while (src > opnd)
  622.         *--dst = *--src;
  623.  
  624.     place = opnd;        /* Op node, where operand used to be. */
  625.     *place++ = op;
  626.     *place++ = '\0';
  627.     *place++ = '\0';
  628. }
  629.  
  630. /*
  631.  - regtail - set the next-pointer at the end of a node chain
  632.  */
  633. static void
  634. regtail(p, val)
  635. char *p;
  636. char *val;
  637. {
  638.     register char *scan;
  639.     register char *temp;
  640.     register int offset;
  641.  
  642.     if (p == ®dummy)
  643.         return;
  644.  
  645.     /* Find last node. */
  646.     scan = p;
  647.     for (;;) {
  648.         temp = regnext(scan);
  649.         if (temp == NULL)
  650.             break;
  651.         scan = temp;
  652.     }
  653.  
  654.     if (OP(scan) == BACK)
  655.         offset = scan - val;
  656.     else
  657.         offset = val - scan;
  658.     *(scan+1) = (offset>>8)&0377;
  659.     *(scan+2) = offset&0377;
  660. }
  661.  
  662. /*
  663.  - regoptail - regtail on operand of first argument; nop if operandless
  664.  */
  665. static void
  666. regoptail(p, val)
  667. char *p;
  668. char *val;
  669. {
  670.     /* "Operandless" and "op != BRANCH" are synonymous in practice. */
  671.     if (p == NULL || p == ®dummy || OP(p) != BRANCH)
  672.         return;
  673.     regtail(OPERAND(p), val);
  674. }
  675.  
  676. /*
  677.  * regexec and friends
  678.  */
  679.  
  680. /*
  681.  * Global work variables for regexec().
  682.  */
  683. static char *reginput;        /* String-input pointer. */
  684. static char *regbol;        /* Beginning of input, for ^ check. */
  685. static char **regstartp;    /* Pointer to startp array. */
  686. static char **regendp;        /* Ditto for endp. */
  687.  
  688. /*
  689.  * Forwards.
  690.  */
  691. STATIC int regtry();
  692. STATIC int regmatch();
  693. STATIC int regrepeat();
  694.  
  695. #ifdef DEBUG
  696. int regnarrate = 0;
  697. void regdump();
  698. STATIC char *regprop();
  699. #endif
  700.  
  701. /*
  702.  - regexec - match a regexp against a string
  703.  */
  704. int
  705. regexec(prog, string)
  706. register regexp *prog;
  707. register char *string;
  708. {
  709.     register char *s;
  710.     extern char *strchr();
  711.  
  712.     /* Be paranoid... */
  713.     if (prog == NULL || string == NULL) {
  714.         regerror("NULL parameter");
  715.         return(0);
  716.     }
  717.  
  718.     /* Check validity of program. */
  719.     if (UCHARAT(prog->program) != MAGIC) {
  720.         regerror("corrupted program");
  721.         return(0);
  722.     }
  723.  
  724.     /* If there is a "must appear" string, look for it. */
  725.     if (prog->regmust != NULL) {
  726.         s = string;
  727.         while ((s = strchr(s, prog->regmust[0])) != NULL) {
  728.             if (strncmp(s, prog->regmust, prog->regmlen) == 0)
  729.                 break;    /* Found it. */
  730.             s++;
  731.         }
  732.         if (s == NULL)    /* Not present. */
  733.             return(0);
  734.     }
  735.  
  736.     /* Mark beginning of line for ^ . */
  737.     regbol = string;
  738.  
  739.     /* Simplest case:  anchored match need be tried only once. */
  740.     if (prog->reganch)
  741.         return(regtry(prog, string));
  742.  
  743.     /* Messy cases:  unanchored match. */
  744.     s = string;
  745.     if (prog->regstart != '\0')
  746.         /* We know what char it must start with. */
  747.         while ((s = strchr(s, prog->regstart)) != NULL) {
  748.             if (regtry(prog, s))
  749.                 return(1);
  750.             s++;
  751.         }
  752.     else
  753.         /* We don't -- general case. */
  754.         do {
  755.             if (regtry(prog, s))
  756.                 return(1);
  757.         } while (*s++ != '\0');
  758.  
  759.     /* Failure. */
  760.     return(0);
  761. }
  762.  
  763. /*
  764.  - regtry - try match at specific point
  765.  */
  766. static int            /* 0 failure, 1 success */
  767. regtry(prog, string)
  768. regexp *prog;
  769. char *string;
  770. {
  771.     register int i;
  772.     register char **sp;
  773.     register char **ep;
  774.  
  775.     reginput = string;
  776.     regstartp = prog->startp;
  777.     regendp = prog->endp;
  778.  
  779.     sp = prog->startp;
  780.     ep = prog->endp;
  781.     for (i = NSUBEXP; i > 0; i--) {
  782.         *sp++ = NULL;
  783.         *ep++ = NULL;
  784.     }
  785.     if (regmatch(prog->program + 1)) {
  786.         prog->startp[0] = string;
  787.         prog->endp[0] = reginput;
  788.         return(1);
  789.     } else
  790.         return(0);
  791. }
  792.  
  793. /*
  794.  - regmatch - main matching routine
  795.  *
  796.  * Conceptually the strategy is simple:  check to see whether the current
  797.  * node matches, call self recursively to see whether the rest matches,
  798.  * and then act accordingly.  In practice we make some effort to avoid
  799.  * recursion, in particular by going through "ordinary" nodes (that don't
  800.  * need to know whether the rest of the match failed) by a loop instead of
  801.  * by recursion.
  802.  */
  803. static int            /* 0 failure, 1 success */
  804. regmatch(prog)
  805. char *prog;
  806. {
  807.     register char *scan;    /* Current node. */
  808.     char *next;        /* Next node. */
  809.     extern char *strchr();
  810.  
  811.     scan = prog;
  812. #ifdef DEBUG
  813.     if (scan != NULL && regnarrate)
  814.         fprintf(stderr, "%s(\n", regprop(scan));
  815. #endif
  816.     while (scan != NULL) {
  817. #ifdef DEBUG
  818.         if (regnarrate)
  819.             fprintf(stderr, "%s...\n", regprop(scan));
  820. #endif
  821.         next = regnext(scan);
  822.  
  823.         switch (OP(scan)) {
  824.         case BOL:
  825.             if (reginput != regbol)
  826.                 return(0);
  827.             break;
  828.         case EOL:
  829.             if (*reginput != '\0')
  830.                 return(0);
  831.             break;
  832.         case ANY:
  833.             if (*reginput == '\0')
  834.                 return(0);
  835.             reginput++;
  836.             break;
  837.         case EXACTLY: {
  838.                 register int len;
  839.                 register char *opnd;
  840.  
  841.                 opnd = OPERAND(scan);
  842.                 /* Inline the first character, for speed. */
  843.                 if (*opnd != *reginput)
  844.                     return(0);
  845.                 len = strlen(opnd);
  846.                 if (len > 1 && strncmp(opnd, reginput, len) != 0)
  847.                     return(0);
  848.                 reginput += len;
  849.             }
  850.             break;
  851.         case ANYOF:
  852.             if (*reginput == '\0' || strchr(OPERAND(scan), *reginput) == NULL)
  853.                 return(0);
  854.             reginput++;
  855.             break;
  856.         case ANYBUT:
  857.             if (*reginput == '\0' || strchr(OPERAND(scan), *reginput) != NULL)
  858.                 return(0);
  859.             reginput++;
  860.             break;
  861.         case NOTHING:
  862.             break;
  863.         case BACK:
  864.             break;
  865.         case OPEN+1:
  866.         case OPEN+2:
  867.         case OPEN+3:
  868.         case OPEN+4:
  869.         case OPEN+5:
  870.         case OPEN+6:
  871.         case OPEN+7:
  872.         case OPEN+8:
  873.         case OPEN+9: {
  874.                 register int no;
  875.                 register char *save;
  876.  
  877.                 no = OP(scan) - OPEN;
  878.                 save = reginput;
  879.  
  880.                 if (regmatch(next)) {
  881.                     /*
  882.                      * Don't set startp if some later
  883.                      * invocation of the same parentheses
  884.                      * already has.
  885.                      */
  886.                     if (regstartp[no] == NULL)
  887.                         regstartp[no] = save;
  888.                     return(1);
  889.                 } else
  890.                     return(0);
  891.             }
  892.             break;
  893.         case CLOSE+1:
  894.         case CLOSE+2:
  895.         case CLOSE+3:
  896.         case CLOSE+4:
  897.         case CLOSE+5:
  898.         case CLOSE+6:
  899.         case CLOSE+7:
  900.         case CLOSE+8:
  901.         case CLOSE+9: {
  902.                 register int no;
  903.                 register char *save;
  904.  
  905.                 no = OP(scan) - CLOSE;
  906.                 save = reginput;
  907.  
  908.                 if (regmatch(next)) {
  909.                     /*
  910.                      * Don't set endp if some later
  911.                      * invocation of the same parentheses
  912.                      * already has.
  913.                      */
  914.                     if (regendp[no] == NULL)
  915.                         regendp[no] = save;
  916.                     return(1);
  917.                 } else
  918.                     return(0);
  919.             }
  920.             break;
  921.         case BRANCH: {
  922.                 register char *save;
  923.  
  924.                 if (OP(next) != BRANCH)        /* No choice. */
  925.                     next = OPERAND(scan);    /* Avoid recursion. */
  926.                 else {
  927.                     do {
  928.                         save = reginput;
  929.                         if (regmatch(OPERAND(scan)))
  930.                             return(1);
  931.                         reginput = save;
  932.                         scan = regnext(scan);
  933.                     } while (scan != NULL && OP(scan) == BRANCH);
  934.                     return(0);
  935.                     /* NOTREACHED */
  936.                 }
  937.             }
  938.             break;
  939.         case STAR:
  940.         case PLUS: {
  941.                 register char nextch;
  942.                 register int no;
  943.                 register char *save;
  944.                 register int min;
  945.  
  946.                 /*
  947.                  * Lookahead to avoid useless match attempts
  948.                  * when we know what character comes next.
  949.                  */
  950.                 nextch = '\0';
  951.                 if (OP(next) == EXACTLY)
  952.                     nextch = *OPERAND(next);
  953.                 min = (OP(scan) == STAR) ? 0 : 1;
  954.                 save = reginput;
  955.                 no = regrepeat(OPERAND(scan));
  956.                 while (no >= min) {
  957.                     /* If it could work, try it. */
  958.                     if (nextch == '\0' || *reginput == nextch)
  959.                         if (regmatch(next))
  960.                             return(1);
  961.                     /* Couldn't or didn't -- back up. */
  962.                     no--;
  963.                     reginput = save + no;
  964.                 }
  965.                 return(0);
  966.             }
  967.             break;
  968.         case END:
  969.             return(1);    /* Success! */
  970.             break;
  971.         default:
  972.             regerror("memory corruption");
  973.             return(0);
  974.             break;
  975.         }
  976.  
  977.         scan = next;
  978.     }
  979.  
  980.     /*
  981.      * We get here only if there's trouble -- normally "case END" is
  982.      * the terminating point.
  983.      */
  984.     regerror("corrupted pointers");
  985.     return(0);
  986. }
  987.  
  988. /*
  989.  - regrepeat - repeatedly match something simple, report how many
  990.  */
  991. static int
  992. regrepeat(p)
  993. char *p;
  994. {
  995.     register int count = 0;
  996.     register char *scan;
  997.     register char *opnd;
  998.  
  999.     scan = reginput;
  1000.     opnd = OPERAND(p);
  1001.     switch (OP(p)) {
  1002.     case ANY:
  1003.         count = strlen(scan);
  1004.         scan += count;
  1005.         break;
  1006.     case EXACTLY:
  1007.         while (*opnd == *scan) {
  1008.             count++;
  1009.             scan++;
  1010.         }
  1011.         break;
  1012.     case ANYOF:
  1013.         while (*scan != '\0' && strchr(opnd, *scan) != NULL) {
  1014.             count++;
  1015.             scan++;
  1016.         }
  1017.         break;
  1018.     case ANYBUT:
  1019.         while (*scan != '\0' && strchr(opnd, *scan) == NULL) {
  1020.             count++;
  1021.             scan++;
  1022.         }
  1023.         break;
  1024.     default:        /* Oh dear.  Called inappropriately. */
  1025.         regerror("internal foulup");
  1026.         count = 0;    /* Best compromise. */
  1027.         break;
  1028.     }
  1029.     reginput = scan;
  1030.  
  1031.     return(count);
  1032. }
  1033.  
  1034. /*
  1035.  - regnext - dig the "next" pointer out of a node
  1036.  */
  1037. static char *
  1038. regnext(p)
  1039. register char *p;
  1040. {
  1041.     register int offset;
  1042.  
  1043.     if (p == ®dummy)
  1044.         return(NULL);
  1045.  
  1046.     offset = NEXT(p);
  1047.     if (offset == 0)
  1048.         return(NULL);
  1049.  
  1050.     if (OP(p) == BACK)
  1051.         return(p-offset);
  1052.     else
  1053.         return(p+offset);
  1054. }
  1055.  
  1056. #ifdef DEBUG
  1057.  
  1058. STATIC char *regprop();
  1059.  
  1060. /*
  1061.  - regdump - dump a regexp onto stdout in vaguely comprehensible form
  1062.  */
  1063. void
  1064. regdump(r)
  1065. regexp *r;
  1066. {
  1067.     register char *s;
  1068.     register char op = EXACTLY;    /* Arbitrary non-END op. */
  1069.     register char *next;
  1070.     extern char *strchr();
  1071.  
  1072.  
  1073.     s = r->program + 1;
  1074.     while (op != END) {    /* While that wasn't END last time... */
  1075.         op = OP(s);
  1076.         printf("%2d%s", s-r->program, regprop(s));    /* Where, what. */
  1077.         next = regnext(s);
  1078.         if (next == NULL)        /* Next ptr. */
  1079.             printf("(0)");
  1080.         else 
  1081.             printf("(%d)", (s-r->program)+(next-s));
  1082.         s += 3;
  1083.         if (op == ANYOF || op == ANYBUT || op == EXACTLY) {
  1084.             /* Literal string, where present. */
  1085.             while (*s != '\0') {
  1086.                 putchar(*s);
  1087.                 s++;
  1088.             }
  1089.             s++;
  1090.         }
  1091.         putchar('\n');
  1092.     }
  1093.  
  1094.     /* Header fields of interest. */
  1095.     if (r->regstart != '\0')
  1096.         printf("start `%c' ", r->regstart);
  1097.     if (r->reganch)
  1098.         printf("anchored ");
  1099.     if (r->regmust != NULL)
  1100.         printf("must have \"%s\"", r->regmust);
  1101.     printf("\n");
  1102. }
  1103.  
  1104. /*
  1105.  - regprop - printable representation of opcode
  1106.  */
  1107. static char *
  1108. regprop(op)
  1109. char *op;
  1110. {
  1111.     register char *p;
  1112.     static char buf[50];
  1113.  
  1114.     (void) strcpy(buf, ":");
  1115.  
  1116.     switch (OP(op)) {
  1117.     case BOL:
  1118.         p = "BOL";
  1119.         break;
  1120.     case EOL:
  1121.         p = "EOL";
  1122.         break;
  1123.     case ANY:
  1124.         p = "ANY";
  1125.         break;
  1126.     case ANYOF:
  1127.         p = "ANYOF";
  1128.         break;
  1129.     case ANYBUT:
  1130.         p = "ANYBUT";
  1131.         break;
  1132.     case BRANCH:
  1133.         p = "BRANCH";
  1134.         break;
  1135.     case EXACTLY:
  1136.         p = "EXACTLY";
  1137.         break;
  1138.     case NOTHING:
  1139.         p = "NOTHING";
  1140.         break;
  1141.     case BACK:
  1142.         p = "BACK";
  1143.         break;
  1144.     case END:
  1145.         p = "END";
  1146.         break;
  1147.     case OPEN+1:
  1148.     case OPEN+2:
  1149.     case OPEN+3:
  1150.     case OPEN+4:
  1151.     case OPEN+5:
  1152.     case OPEN+6:
  1153.     case OPEN+7:
  1154.     case OPEN+8:
  1155.     case OPEN+9:
  1156.         sprintf(buf+strlen(buf), "OPEN%d", OP(op)-OPEN);
  1157.         p = NULL;
  1158.         break;
  1159.     case CLOSE+1:
  1160.     case CLOSE+2:
  1161.     case CLOSE+3:
  1162.     case CLOSE+4:
  1163.     case CLOSE+5:
  1164.     case CLOSE+6:
  1165.     case CLOSE+7:
  1166.     case CLOSE+8:
  1167.     case CLOSE+9:
  1168.         sprintf(buf+strlen(buf), "CLOSE%d", OP(op)-CLOSE);
  1169.         p = NULL;
  1170.         break;
  1171.     case STAR:
  1172.         p = "STAR";
  1173.         break;
  1174.     case PLUS:
  1175.         p = "PLUS";
  1176.         break;
  1177.     default:
  1178.         regerror("corrupted opcode");
  1179.         break;
  1180.     }
  1181.     if (p != NULL)
  1182.         (void) strcat(buf, p);
  1183.     return(buf);
  1184. }
  1185. #endif
  1186.  
  1187. /*
  1188.  * The following is provided for those people who do not have strcspn() in
  1189.  * their C libraries.  They should get off their butts and do something
  1190.  * about it; at least one public-domain implementation of those (highly
  1191.  * useful) string routines has been published on Usenet.
  1192.  */
  1193. #ifdef STRCSPN
  1194. /*
  1195.  * strcspn - find length of initial segment of s1 consisting entirely
  1196.  * of characters not from s2
  1197.  */
  1198.  
  1199. static int
  1200. strcspn(s1, s2)
  1201. char *s1;
  1202. char *s2;
  1203. {
  1204.     register char *scan1;
  1205.     register char *scan2;
  1206.     register int count;
  1207.  
  1208.     count = 0;
  1209.     for (scan1 = s1; *scan1 != '\0'; scan1++) {
  1210.         for (scan2 = s2; *scan2 != '\0';)    /* ++ moved down. */
  1211.             if (*scan1 == *scan2++)
  1212.                 return(count);
  1213.         count++;
  1214.     }
  1215.     return(count);
  1216. }
  1217. #endif
  1218.