home *** CD-ROM | disk | FTP | other *** search
/ Maximum CD 2011 June / maximum-cd-2011-06.iso / DiscContents / LibO_3.3.1_Win_x86_install_multi.exe / libreoffice1.cab / test_sgmllib.py < prev    next >
Encoding:
Python Source  |  2011-02-15  |  15.2 KB  |  439 lines
  1. import pprint
  2. import re
  3. import unittest
  4. from test import test_support
  5. sgmllib = test_support.import_module('sgmllib', deprecated=True)
  6.  
  7.  
  8. class EventCollector(sgmllib.SGMLParser):
  9.  
  10.     def __init__(self):
  11.         self.events = []
  12.         self.append = self.events.append
  13.         sgmllib.SGMLParser.__init__(self)
  14.  
  15.     def get_events(self):
  16.         # Normalize the list of events so that buffer artefacts don't
  17.         # separate runs of contiguous characters.
  18.         L = []
  19.         prevtype = None
  20.         for event in self.events:
  21.             type = event[0]
  22.             if type == prevtype == "data":
  23.                 L[-1] = ("data", L[-1][1] + event[1])
  24.             else:
  25.                 L.append(event)
  26.             prevtype = type
  27.         self.events = L
  28.         return L
  29.  
  30.     # structure markup
  31.  
  32.     def unknown_starttag(self, tag, attrs):
  33.         self.append(("starttag", tag, attrs))
  34.  
  35.     def unknown_endtag(self, tag):
  36.         self.append(("endtag", tag))
  37.  
  38.     # all other markup
  39.  
  40.     def handle_comment(self, data):
  41.         self.append(("comment", data))
  42.  
  43.     def handle_charref(self, data):
  44.         self.append(("charref", data))
  45.  
  46.     def handle_data(self, data):
  47.         self.append(("data", data))
  48.  
  49.     def handle_decl(self, decl):
  50.         self.append(("decl", decl))
  51.  
  52.     def handle_entityref(self, data):
  53.         self.append(("entityref", data))
  54.  
  55.     def handle_pi(self, data):
  56.         self.append(("pi", data))
  57.  
  58.     def unknown_decl(self, decl):
  59.         self.append(("unknown decl", decl))
  60.  
  61.  
  62. class CDATAEventCollector(EventCollector):
  63.     def start_cdata(self, attrs):
  64.         self.append(("starttag", "cdata", attrs))
  65.         self.setliteral()
  66.  
  67.  
  68. class HTMLEntityCollector(EventCollector):
  69.  
  70.     entity_or_charref = re.compile('(?:&([a-zA-Z][-.a-zA-Z0-9]*)'
  71.         '|&#(x[0-9a-zA-Z]+|[0-9]+))(;?)')
  72.  
  73.     def convert_charref(self, name):
  74.         self.append(("charref", "convert", name))
  75.         if name[0] != "x":
  76.             return EventCollector.convert_charref(self, name)
  77.  
  78.     def convert_codepoint(self, codepoint):
  79.         self.append(("codepoint", "convert", codepoint))
  80.         EventCollector.convert_codepoint(self, codepoint)
  81.  
  82.     def convert_entityref(self, name):
  83.         self.append(("entityref", "convert", name))
  84.         return EventCollector.convert_entityref(self, name)
  85.  
  86.     # These to record that they were called, then pass the call along
  87.     # to the default implementation so that it's actions can be
  88.     # recorded.
  89.  
  90.     def handle_charref(self, data):
  91.         self.append(("charref", data))
  92.         sgmllib.SGMLParser.handle_charref(self, data)
  93.  
  94.     def handle_entityref(self, data):
  95.         self.append(("entityref", data))
  96.         sgmllib.SGMLParser.handle_entityref(self, data)
  97.  
  98.  
  99. class SGMLParserTestCase(unittest.TestCase):
  100.  
  101.     collector = EventCollector
  102.  
  103.     def get_events(self, source):
  104.         parser = self.collector()
  105.         try:
  106.             for s in source:
  107.                 parser.feed(s)
  108.             parser.close()
  109.         except:
  110.             #self.events = parser.events
  111.             raise
  112.         return parser.get_events()
  113.  
  114.     def check_events(self, source, expected_events):
  115.         try:
  116.             events = self.get_events(source)
  117.         except:
  118.             #import sys
  119.             #print >>sys.stderr, pprint.pformat(self.events)
  120.             raise
  121.         if events != expected_events:
  122.             self.fail("received events did not match expected events\n"
  123.                       "Expected:\n" + pprint.pformat(expected_events) +
  124.                       "\nReceived:\n" + pprint.pformat(events))
  125.  
  126.     def check_parse_error(self, source):
  127.         parser = EventCollector()
  128.         try:
  129.             parser.feed(source)
  130.             parser.close()
  131.         except sgmllib.SGMLParseError:
  132.             pass
  133.         else:
  134.             self.fail("expected SGMLParseError for %r\nReceived:\n%s"
  135.                       % (source, pprint.pformat(parser.get_events())))
  136.  
  137.     def test_doctype_decl_internal(self):
  138.         inside = """\
  139. DOCTYPE html PUBLIC '-//W3C//DTD HTML 4.01//EN'
  140.              SYSTEM 'http://www.w3.org/TR/html401/strict.dtd' [
  141.   <!ELEMENT html - O EMPTY>
  142.   <!ATTLIST html
  143.       version CDATA #IMPLIED
  144.       profile CDATA 'DublinCore'>
  145.   <!NOTATION datatype SYSTEM 'http://xml.python.org/notations/python-module'>
  146.   <!ENTITY myEntity 'internal parsed entity'>
  147.   <!ENTITY anEntity SYSTEM 'http://xml.python.org/entities/something.xml'>
  148.   <!ENTITY % paramEntity 'name|name|name'>
  149.   %paramEntity;
  150.   <!-- comment -->
  151. ]"""
  152.         self.check_events(["<!%s>" % inside], [
  153.             ("decl", inside),
  154.             ])
  155.  
  156.     def test_doctype_decl_external(self):
  157.         inside = "DOCTYPE html PUBLIC '-//W3C//DTD HTML 4.01//EN'"
  158.         self.check_events("<!%s>" % inside, [
  159.             ("decl", inside),
  160.             ])
  161.  
  162.     def test_underscore_in_attrname(self):
  163.         # SF bug #436621
  164.         """Make sure attribute names with underscores are accepted"""
  165.         self.check_events("<a has_under _under>", [
  166.             ("starttag", "a", [("has_under", "has_under"),
  167.                                ("_under", "_under")]),
  168.             ])
  169.  
  170.     def test_underscore_in_tagname(self):
  171.         # SF bug #436621
  172.         """Make sure tag names with underscores are accepted"""
  173.         self.check_events("<has_under></has_under>", [
  174.             ("starttag", "has_under", []),
  175.             ("endtag", "has_under"),
  176.             ])
  177.  
  178.     def test_quotes_in_unquoted_attrs(self):
  179.         # SF bug #436621
  180.         """Be sure quotes in unquoted attributes are made part of the value"""
  181.         self.check_events("<a href=foo'bar\"baz>", [
  182.             ("starttag", "a", [("href", "foo'bar\"baz")]),
  183.             ])
  184.  
  185.     def test_xhtml_empty_tag(self):
  186.         """Handling of XHTML-style empty start tags"""
  187.         self.check_events("<br />text<i></i>", [
  188.             ("starttag", "br", []),
  189.             ("data", "text"),
  190.             ("starttag", "i", []),
  191.             ("endtag", "i"),
  192.             ])
  193.  
  194.     def test_processing_instruction_only(self):
  195.         self.check_events("<?processing instruction>", [
  196.             ("pi", "processing instruction"),
  197.             ])
  198.  
  199.     def test_bad_nesting(self):
  200.         self.check_events("<a><b></a></b>", [
  201.             ("starttag", "a", []),
  202.             ("starttag", "b", []),
  203.             ("endtag", "a"),
  204.             ("endtag", "b"),
  205.             ])
  206.  
  207.     def test_bare_ampersands(self):
  208.         self.check_events("this text & contains & ampersands &", [
  209.             ("data", "this text & contains & ampersands &"),
  210.             ])
  211.  
  212.     def test_bare_pointy_brackets(self):
  213.         self.check_events("this < text > contains < bare>pointy< brackets", [
  214.             ("data", "this < text > contains < bare>pointy< brackets"),
  215.             ])
  216.  
  217.     def test_attr_syntax(self):
  218.         output = [
  219.           ("starttag", "a", [("b", "v"), ("c", "v"), ("d", "v"), ("e", "e")])
  220.           ]
  221.         self.check_events("""<a b='v' c="v" d=v e>""", output)
  222.         self.check_events("""<a  b = 'v' c = "v" d = v e>""", output)
  223.         self.check_events("""<a\nb\n=\n'v'\nc\n=\n"v"\nd\n=\nv\ne>""", output)
  224.         self.check_events("""<a\tb\t=\t'v'\tc\t=\t"v"\td\t=\tv\te>""", output)
  225.  
  226.     def test_attr_values(self):
  227.         self.check_events("""<a b='xxx\n\txxx' c="yyy\t\nyyy" d='\txyz\n'>""",
  228.                         [("starttag", "a", [("b", "xxx\n\txxx"),
  229.                                             ("c", "yyy\t\nyyy"),
  230.                                             ("d", "\txyz\n")])
  231.                          ])
  232.         self.check_events("""<a b='' c="">""", [
  233.             ("starttag", "a", [("b", ""), ("c", "")]),
  234.             ])
  235.         # URL construction stuff from RFC 1808:
  236.         safe = "$-_.+"
  237.         extra = "!*'(),"
  238.         reserved = ";/?:@&="
  239.         url = "http://example.com:8080/path/to/file?%s%s%s" % (
  240.             safe, extra, reserved)
  241.         self.check_events("""<e a=%s>""" % url, [
  242.             ("starttag", "e", [("a", url)]),
  243.             ])
  244.         # Regression test for SF patch #669683.
  245.         self.check_events("<e a=rgb(1,2,3)>", [
  246.             ("starttag", "e", [("a", "rgb(1,2,3)")]),
  247.             ])
  248.  
  249.     def test_attr_values_entities(self):
  250.         """Substitution of entities and charrefs in attribute values"""
  251.         # SF bug #1452246
  252.         self.check_events("""<a b=< c=<> d=<-> e='< '
  253.                                 f="&xxx;" g=' !' h='Ǵ'
  254.                                 i='x?a=b&c=d;'
  255.                                 j='&#42;' k='&#42;'>""",
  256.             [("starttag", "a", [("b", "<"),
  257.                                 ("c", "<>"),
  258.                                 ("d", "<->"),
  259.                                 ("e", "< "),
  260.                                 ("f", "&xxx;"),
  261.                                 ("g", " !"),
  262.                                 ("h", "Ǵ"),
  263.                                 ("i", "x?a=b&c=d;"),
  264.                                 ("j", "*"),
  265.                                 ("k", "*"),
  266.                                 ])])
  267.  
  268.     def test_convert_overrides(self):
  269.         # This checks that the character and entity reference
  270.         # conversion helpers are called at the documented times.  No
  271.         # attempt is made to really change what the parser accepts.
  272.         #
  273.         self.collector = HTMLEntityCollector
  274.         self.check_events(('<a title="“test”">foo</a>'
  275.                            '&foobar;*'), [
  276.             ('entityref', 'convert', 'ldquo'),
  277.             ('charref', 'convert', 'x201d'),
  278.             ('starttag', 'a', [('title', '“test”')]),
  279.             ('data', 'foo'),
  280.             ('endtag', 'a'),
  281.             ('entityref', 'foobar'),
  282.             ('entityref', 'convert', 'foobar'),
  283.             ('charref', '42'),
  284.             ('charref', 'convert', '42'),
  285.             ('codepoint', 'convert', 42),
  286.             ])
  287.  
  288.     def test_attr_funky_names(self):
  289.         self.check_events("""<a a.b='v' c:d=v e-f=v>""", [
  290.             ("starttag", "a", [("a.b", "v"), ("c:d", "v"), ("e-f", "v")]),
  291.             ])
  292.  
  293.     def test_attr_value_ip6_url(self):
  294.         # http://www.python.org/sf/853506
  295.         self.check_events(("<a href='http://[1080::8:800:200C:417A]/'>"
  296.                            "<a href=http://[1080::8:800:200C:417A]/>"), [
  297.             ("starttag", "a", [("href", "http://[1080::8:800:200C:417A]/")]),
  298.             ("starttag", "a", [("href", "http://[1080::8:800:200C:417A]/")]),
  299.             ])
  300.  
  301.     def test_illegal_declarations(self):
  302.         s = 'abc<!spacer type="block" height="25">def'
  303.         self.check_events(s, [
  304.             ("data", "abc"),
  305.             ("unknown decl", 'spacer type="block" height="25"'),
  306.             ("data", "def"),
  307.             ])
  308.  
  309.     def test_weird_starttags(self):
  310.         self.check_events("<a<a>", [
  311.             ("starttag", "a", []),
  312.             ("starttag", "a", []),
  313.             ])
  314.         self.check_events("</a<a>", [
  315.             ("endtag", "a"),
  316.             ("starttag", "a", []),
  317.             ])
  318.  
  319.     def test_declaration_junk_chars(self):
  320.         self.check_parse_error("<!DOCTYPE foo $ >")
  321.  
  322.     def test_get_starttag_text(self):
  323.         s = """<foobar   \n   one="1"\ttwo=2   >"""
  324.         self.check_events(s, [
  325.             ("starttag", "foobar", [("one", "1"), ("two", "2")]),
  326.             ])
  327.  
  328.     def test_cdata_content(self):
  329.         s = ("<cdata> <!-- not a comment --> ¬-an-entity-ref; </cdata>"
  330.              "<notcdata> <!-- comment --> </notcdata>")
  331.         self.collector = CDATAEventCollector
  332.         self.check_events(s, [
  333.             ("starttag", "cdata", []),
  334.             ("data", " <!-- not a comment --> ¬-an-entity-ref; "),
  335.             ("endtag", "cdata"),
  336.             ("starttag", "notcdata", []),
  337.             ("data", " "),
  338.             ("comment", " comment "),
  339.             ("data", " "),
  340.             ("endtag", "notcdata"),
  341.             ])
  342.         s = """<cdata> <not a='start tag'> </cdata>"""
  343.         self.check_events(s, [
  344.             ("starttag", "cdata", []),
  345.             ("data", " <not a='start tag'> "),
  346.             ("endtag", "cdata"),
  347.             ])
  348.  
  349.     def test_illegal_declarations(self):
  350.         s = 'abc<!spacer type="block" height="25">def'
  351.         self.check_events(s, [
  352.             ("data", "abc"),
  353.             ("unknown decl", 'spacer type="block" height="25"'),
  354.             ("data", "def"),
  355.             ])
  356.  
  357.     def test_enumerated_attr_type(self):
  358.         s = "<!DOCTYPE doc [<!ATTLIST doc attr (a | b) >]>"
  359.         self.check_events(s, [
  360.             ('decl', 'DOCTYPE doc [<!ATTLIST doc attr (a | b) >]'),
  361.             ])
  362.  
  363.     def test_read_chunks(self):
  364.         # SF bug #1541697, this caused sgml parser to hang
  365.         # Just verify this code doesn't cause a hang.
  366.         CHUNK = 1024  # increasing this to 8212 makes the problem go away
  367.  
  368.         f = open(test_support.findfile('sgml_input.html'))
  369.         fp = sgmllib.SGMLParser()
  370.         while 1:
  371.             data = f.read(CHUNK)
  372.             fp.feed(data)
  373.             if len(data) != CHUNK:
  374.                 break
  375.  
  376.     # XXX These tests have been disabled by prefixing their names with
  377.     # an underscore.  The first two exercise outstanding bugs in the
  378.     # sgmllib module, and the third exhibits questionable behavior
  379.     # that needs to be carefully considered before changing it.
  380.  
  381.     def _test_starttag_end_boundary(self):
  382.         self.check_events("<a b='<'>", [("starttag", "a", [("b", "<")])])
  383.         self.check_events("<a b='>'>", [("starttag", "a", [("b", ">")])])
  384.  
  385.     def _test_buffer_artefacts(self):
  386.         output = [("starttag", "a", [("b", "<")])]
  387.         self.check_events(["<a b='<'>"], output)
  388.         self.check_events(["<a ", "b='<'>"], output)
  389.         self.check_events(["<a b", "='<'>"], output)
  390.         self.check_events(["<a b=", "'<'>"], output)
  391.         self.check_events(["<a b='<", "'>"], output)
  392.         self.check_events(["<a b='<'", ">"], output)
  393.  
  394.         output = [("starttag", "a", [("b", ">")])]
  395.         self.check_events(["<a b='>'>"], output)
  396.         self.check_events(["<a ", "b='>'>"], output)
  397.         self.check_events(["<a b", "='>'>"], output)
  398.         self.check_events(["<a b=", "'>'>"], output)
  399.         self.check_events(["<a b='>", "'>"], output)
  400.         self.check_events(["<a b='>'", ">"], output)
  401.  
  402.         output = [("comment", "abc")]
  403.         self.check_events(["", "<!--abc-->"], output)
  404.         self.check_events(["<", "!--abc-->"], output)
  405.         self.check_events(["<!", "--abc-->"], output)
  406.         self.check_events(["<!-", "-abc-->"], output)
  407.         self.check_events(["<!--", "abc-->"], output)
  408.         self.check_events(["<!--a", "bc-->"], output)
  409.         self.check_events(["<!--ab", "c-->"], output)
  410.         self.check_events(["<!--abc", "-->"], output)
  411.         self.check_events(["<!--abc-", "->"], output)
  412.         self.check_events(["<!--abc--", ">"], output)
  413.         self.check_events(["<!--abc-->", ""], output)
  414.  
  415.     def _test_starttag_junk_chars(self):
  416.         self.check_parse_error("<")
  417.         self.check_parse_error("<>")
  418.         self.check_parse_error("</$>")
  419.         self.check_parse_error("</")
  420.         self.check_parse_error("</a")
  421.         self.check_parse_error("<$")
  422.         self.check_parse_error("<$>")
  423.         self.check_parse_error("<!")
  424.         self.check_parse_error("<a $>")
  425.         self.check_parse_error("<a")
  426.         self.check_parse_error("<a foo='bar'")
  427.         self.check_parse_error("<a foo='bar")
  428.         self.check_parse_error("<a foo='>'")
  429.         self.check_parse_error("<a foo='>")
  430.         self.check_parse_error("<a foo=>")
  431.  
  432.  
  433. def test_main():
  434.     test_support.run_unittest(SGMLParserTestCase)
  435.  
  436.  
  437. if __name__ == "__main__":
  438.     test_main()
  439.