home *** CD-ROM | disk | FTP | other *** search
/ The Pier Shareware 6 / The_Pier_Shareware_Number_6_(The_Pier_Exchange)_(1995).iso / 036 / less232.zip / REGEXP.C < prev    next >
C/C++ Source or Header  |  1994-08-25  |  28KB  |  1,229 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.  * *** NOTE: this code has been altered slightly for use in Tcl. ***
  26.  * Slightly modified by David MacKenzie to undo most of the changes for TCL.
  27.  */
  28.  
  29. #include <stdio.h>
  30. #include "regexp.h"
  31. char *strchr();
  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
  50.  * computing 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.  * The first byte of the regexp internal "program" is actually this magic
  159.  * number; the start node begins in the second byte.
  160.  */
  161. #define    MAGIC    0234
  162.  
  163.  
  164. /*
  165.  * Forward declarations for regcomp()'s friends.
  166.  */
  167. #ifndef STATIC
  168. #define    STATIC    static
  169. #endif
  170. STATIC char *reg();
  171. STATIC char *regbranch();
  172. STATIC char *regpiece();
  173. STATIC char *regatom();
  174. STATIC char *regnode();
  175. STATIC char *regnext();
  176. STATIC void regc();
  177. STATIC void reginsert();
  178. STATIC void regtail();
  179. STATIC void regoptail();
  180. #ifdef STRCSPN
  181. STATIC int strcspn();
  182. #endif
  183.  
  184. /*
  185.  - regcomp - compile a regular expression into internal code
  186.  *
  187.  * We can't allocate space until we know how big the compiled form will be,
  188.  * but we can't compile it (and thus know how big it is) until we've got a
  189.  * place to put the code.  So we cheat:  we compile it twice, once with code
  190.  * generation turned off and size counting turned on, and once "for real".
  191.  * This also means that we don't allocate space until we are sure that the
  192.  * thing really will compile successfully, and we never have to move the
  193.  * code and thus invalidate pointers into it.  (Note that it has to be in
  194.  * one piece because free() must be able to free it all.)
  195.  *
  196.  * Beware that the optimization-preparation code in here knows about some
  197.  * of the structure of the compiled regexp.
  198.  */
  199. regexp *
  200. regcomp(exp)
  201. char *exp;
  202. {
  203.     register regexp *r;
  204.     register char *scan;
  205.     register char *longest;
  206.     register int len;
  207.     int flags;
  208.  
  209.     if (exp == NULL)
  210.         FAIL("NULL argument");
  211.  
  212.     /* First pass: determine size, legality. */
  213.     regparse = exp;
  214.     regnpar = 1;
  215.     regsize = 0L;
  216.     regcode = ®dummy;
  217.     regc(MAGIC);
  218.     if (reg(0, &flags) == NULL)
  219.         return(NULL);
  220.  
  221.     /* Small enough for pointer-storage convention? */
  222.     if (regsize >= 32767L)        /* Probably could be 65535L. */
  223.         FAIL("regexp too big");
  224.  
  225.     /* Allocate space. */
  226.     r = (regexp *)malloc(sizeof(regexp) + (unsigned)regsize);
  227.     if (r == NULL)
  228.         FAIL("out of space");
  229.  
  230.     /* Second pass: emit code. */
  231.     regparse = exp;
  232.     regnpar = 1;
  233.     regcode = r->program;
  234.     regc(MAGIC);
  235.     if (reg(0, &flags) == NULL)
  236.         return(NULL);
  237.  
  238.     /* Dig out information for optimizations. */
  239.     r->regstart = '\0';    /* Worst-case defaults. */
  240.     r->reganch = 0;
  241.     r->regmust = NULL;
  242.     r->regmlen = 0;
  243.     scan = r->program+1;            /* First BRANCH. */
  244.     if (OP(regnext(scan)) == END) {        /* Only one top-level choice. */
  245.         scan = OPERAND(scan);
  246.  
  247.         /* Starting-point info. */
  248.         if (OP(scan) == EXACTLY)
  249.             r->regstart = *OPERAND(scan);
  250.         else if (OP(scan) == BOL)
  251.             r->reganch++;
  252.  
  253.         /*
  254.          * If there's something expensive in the r.e., find the
  255.          * longest literal string that must appear and make it the
  256.          * regmust.  Resolve ties in favor of later strings, since
  257.          * the regstart check works with the beginning of the r.e.
  258.          * and avoiding duplication strengthens checking.  Not a
  259.          * strong reason, but sufficient in the absence of others.
  260.          */
  261.         if (flags&SPSTART) {
  262.             longest = NULL;
  263.             len = 0;
  264.             for (; scan != NULL; scan = regnext(scan))
  265.                 if (OP(scan) == EXACTLY && ((int) strlen(OPERAND(scan))) >= len) {
  266.                     longest = OPERAND(scan);
  267.                     len = strlen(OPERAND(scan));
  268.                 }
  269.             r->regmust = longest;
  270.             r->regmlen = len;
  271.         }
  272.     }
  273.  
  274.     return(r);
  275. }
  276.  
  277. /*
  278.  - reg - regular expression, i.e. main body or parenthesized thing
  279.  *
  280.  * Caller must absorb opening parenthesis.
  281.  *
  282.  * Combining parenthesis handling with the base level of regular expression
  283.  * is a trifle forced, but the need to tie the tails of the branches to what
  284.  * follows makes it hard to avoid.
  285.  */
  286. static char *
  287. reg(paren, flagp)
  288. int paren;            /* Parenthesized? */
  289. int *flagp;
  290. {
  291.     register char *ret;
  292.     register char *br;
  293.     register char *ender;
  294.     register int parno = 0;
  295.     int flags;
  296.  
  297.     *flagp = HASWIDTH;    /* Tentatively. */
  298.  
  299.     /* Make an OPEN node, if parenthesized. */
  300.     if (paren) {
  301.         if (regnpar >= NSUBEXP)
  302.             FAIL("too many ()");
  303.         parno = regnpar;
  304.         regnpar++;
  305.         ret = regnode(OPEN+parno);
  306.     } else
  307.         ret = NULL;
  308.  
  309.     /* Pick up the branches, linking them together. */
  310.     br = regbranch(&flags);
  311.     if (br == NULL)
  312.         return(NULL);
  313.     if (ret != NULL)
  314.         regtail(ret, br);    /* OPEN -> first. */
  315.     else
  316.         ret = br;
  317.     if (!(flags&HASWIDTH))
  318.         *flagp &= ~HASWIDTH;
  319.     *flagp |= flags&SPSTART;
  320.     while (*regparse == '|') {
  321.         regparse++;
  322.         br = regbranch(&flags);
  323.         if (br == NULL)
  324.             return(NULL);
  325.         regtail(ret, br);    /* BRANCH -> BRANCH. */
  326.         if (!(flags&HASWIDTH))
  327.             *flagp &= ~HASWIDTH;
  328.         *flagp |= flags&SPSTART;
  329.     }
  330.  
  331.     /* Make a closing node, and hook it on the end. */
  332.     ender = regnode((paren) ? CLOSE+parno : END);    
  333.     regtail(ret, ender);
  334.  
  335.     /* Hook the tails of the branches to the closing node. */
  336.     for (br = ret; br != NULL; br = regnext(br))
  337.         regoptail(br, ender);
  338.  
  339.     /* Check for proper termination. */
  340.     if (paren && *regparse++ != ')') {
  341.         FAIL("unmatched ()");
  342.     } else if (!paren && *regparse != '\0') {
  343.         if (*regparse == ')') {
  344.             FAIL("unmatched ()");
  345.         } else
  346.             FAIL("junk on end");    /* "Can't happen". */
  347.         /* NOTREACHED */
  348.     }
  349.  
  350.     return(ret);
  351. }
  352.  
  353. /*
  354.  - regbranch - one alternative of an | operator
  355.  *
  356.  * Implements the concatenation operator.
  357.  */
  358. static char *
  359. regbranch(flagp)
  360. int *flagp;
  361. {
  362.     register char *ret;
  363.     register char *chain;
  364.     register char *latest;
  365.     int flags;
  366.  
  367.     *flagp = WORST;        /* Tentatively. */
  368.  
  369.     ret = regnode(BRANCH);
  370.     chain = NULL;
  371.     while (*regparse != '\0' && *regparse != '|' && *regparse != ')') {
  372.         latest = regpiece(&flags);
  373.         if (latest == NULL)
  374.             return(NULL);
  375.         *flagp |= flags&HASWIDTH;
  376.         if (chain == NULL)    /* First piece. */
  377.             *flagp |= flags&SPSTART;
  378.         else
  379.             regtail(chain, latest);
  380.         chain = latest;
  381.     }
  382.     if (chain == NULL)    /* Loop ran zero times. */
  383.         (void) regnode(NOTHING);
  384.  
  385.     return(ret);
  386. }
  387.  
  388. /*
  389.  - regpiece - something followed by possible [*+?]
  390.  *
  391.  * Note that the branching code sequences used for ? and the general cases
  392.  * of * and + are somewhat optimized:  they use the same NOTHING node as
  393.  * both the endmarker for their branch list and the body of the last branch.
  394.  * It might seem that this node could be dispensed with entirely, but the
  395.  * endmarker role is not redundant.
  396.  */
  397. static char *
  398. regpiece(flagp)
  399. int *flagp;
  400. {
  401.     register char *ret;
  402.     register char op;
  403.     register char *next;
  404.     int flags;
  405.  
  406.     ret = regatom(&flags);
  407.     if (ret == NULL)
  408.         return(NULL);
  409.  
  410.     op = *regparse;
  411.     if (!ISMULT(op)) {
  412.         *flagp = flags;
  413.         return(ret);
  414.     }
  415.  
  416.     if (!(flags&HASWIDTH) && op != '?')
  417.         FAIL("*+ operand could be empty");
  418.     *flagp = (op != '+') ? (WORST|SPSTART) : (WORST|HASWIDTH);
  419.  
  420.     if (op == '*' && (flags&SIMPLE))
  421.         reginsert(STAR, ret);
  422.     else if (op == '*') {
  423.         /* Emit x* as (x&|), where & means "self". */
  424.         reginsert(BRANCH, ret);            /* Either x */
  425.         regoptail(ret, regnode(BACK));        /* and loop */
  426.         regoptail(ret, ret);            /* back */
  427.         regtail(ret, regnode(BRANCH));        /* or */
  428.         regtail(ret, regnode(NOTHING));        /* null. */
  429.     } else if (op == '+' && (flags&SIMPLE))
  430.         reginsert(PLUS, ret);
  431.     else if (op == '+') {
  432.         /* Emit x+ as x(&|), where & means "self". */
  433.         next = regnode(BRANCH);            /* Either */
  434.         regtail(ret, next);
  435.         regtail(regnode(BACK), ret);        /* loop back */
  436.         regtail(next, regnode(BRANCH));        /* or */
  437.         regtail(ret, regnode(NOTHING));        /* null. */
  438.     } else if (op == '?') {
  439.         /* Emit x? as (x|) */
  440.         reginsert(BRANCH, ret);            /* Either x */
  441.         regtail(ret, regnode(BRANCH));        /* or */
  442.         next = regnode(NOTHING);        /* null. */
  443.         regtail(ret, next);
  444.         regoptail(ret, next);
  445.     }
  446.     regparse++;
  447.     if (ISMULT(*regparse))
  448.         FAIL("nested *?+");
  449.  
  450.     return(ret);
  451. }
  452.  
  453. /*
  454.  - regatom - the lowest level
  455.  *
  456.  * Optimization:  gobbles an entire sequence of ordinary characters so that
  457.  * it can turn them into a single node, which is smaller to store and
  458.  * faster to run.  Backslashed characters are exceptions, each becoming a
  459.  * separate node; the code is simpler that way and it's not worth fixing.
  460.  */
  461. static char *
  462. regatom(flagp)
  463. int *flagp;
  464. {
  465.     register char *ret;
  466.     int flags;
  467.  
  468.     *flagp = WORST;        /* Tentatively. */
  469.  
  470.     switch (*regparse++) {
  471.     case '^':
  472.         ret = regnode(BOL);
  473.         break;
  474.     case '$':
  475.         ret = regnode(EOL);
  476.         break;
  477.     case '.':
  478.         ret = regnode(ANY);
  479.         *flagp |= HASWIDTH|SIMPLE;
  480.         break;
  481.     case '[': {
  482.             register int clss;
  483.             register int classend;
  484.  
  485.             if (*regparse == '^') {    /* Complement of range. */
  486.                 ret = regnode(ANYBUT);
  487.                 regparse++;
  488.             } else
  489.                 ret = regnode(ANYOF);
  490.             if (*regparse == ']' || *regparse == '-')
  491.                 regc(*regparse++);
  492.             while (*regparse != '\0' && *regparse != ']') {
  493.                 if (*regparse == '-') {
  494.                     regparse++;
  495.                     if (*regparse == ']' || *regparse == '\0')
  496.                         regc('-');
  497.                     else {
  498.                         clss = UCHARAT(regparse-2)+1;
  499.                         classend = UCHARAT(regparse);
  500.                         if (clss > classend+1)
  501.                             FAIL("invalid [] range");
  502.                         for (; clss <= classend; clss++)
  503.                             regc(clss);
  504.                         regparse++;
  505.                     }
  506.                 } else
  507.                     regc(*regparse++);
  508.             }
  509.             regc('\0');
  510.             if (*regparse != ']')
  511.                 FAIL("unmatched []");
  512.             regparse++;
  513.             *flagp |= HASWIDTH|SIMPLE;
  514.         }
  515.         break;
  516.     case '(':
  517.         ret = reg(1, &flags);
  518.         if (ret == NULL)
  519.             return(NULL);
  520.         *flagp |= flags&(HASWIDTH|SPSTART);
  521.         break;
  522.     case '\0':
  523.     case '|':
  524.     case ')':
  525.         FAIL("internal urp");    /* Supposed to be caught earlier. */
  526.         /* NOTREACHED */
  527.         break;
  528.     case '?':
  529.     case '+':
  530.     case '*':
  531.         FAIL("?+* follows nothing");
  532.         /* NOTREACHED */
  533.         break;
  534.     case '\\':
  535.         if (*regparse == '\0')
  536.             FAIL("trailing \\");
  537.         ret = regnode(EXACTLY);
  538.         regc(*regparse++);
  539.         regc('\0');
  540.         *flagp |= HASWIDTH|SIMPLE;
  541.         break;
  542.     default: {
  543.             register int len;
  544.             register char ender;
  545.  
  546.             regparse--;
  547.             len = strcspn(regparse, META);
  548.             if (len <= 0)
  549.                 FAIL("internal disaster");
  550.             ender = *(regparse+len);
  551.             if (len > 1 && ISMULT(ender))
  552.                 len--;        /* Back off clear of ?+* operand. */
  553.             *flagp |= HASWIDTH;
  554.             if (len == 1)
  555.                 *flagp |= SIMPLE;
  556.             ret = regnode(EXACTLY);
  557.             while (len > 0) {
  558.                 regc(*regparse++);
  559.                 len--;
  560.             }
  561.             regc('\0');
  562.         }
  563.         break;
  564.     }
  565.  
  566.     return(ret);
  567. }
  568.  
  569. /*
  570.  - regnode - emit a node
  571.  */
  572. static char *            /* Location. */
  573. regnode(op)
  574. char op;
  575. {
  576.     register char *ret;
  577.     register char *ptr;
  578.  
  579.     ret = regcode;
  580.     if (ret == ®dummy) {
  581.         regsize += 3;
  582.         return(ret);
  583.     }
  584.  
  585.     ptr = ret;
  586.     *ptr++ = op;
  587.     *ptr++ = '\0';        /* Null "next" pointer. */
  588.     *ptr++ = '\0';
  589.     regcode = ptr;
  590.  
  591.     return(ret);
  592. }
  593.  
  594. /*
  595.  - regc - emit (if appropriate) a byte of code
  596.  */
  597. static void
  598. regc(b)
  599. char b;
  600. {
  601.     if (regcode != ®dummy)
  602.         *regcode++ = b;
  603.     else
  604.         regsize++;
  605. }
  606.  
  607. /*
  608.  - reginsert - insert an operator in front of already-emitted operand
  609.  *
  610.  * Means relocating the operand.
  611.  */
  612. static void
  613. reginsert(op, opnd)
  614. char op;
  615. char *opnd;
  616. {
  617.     register char *src;
  618.     register char *dst;
  619.     register char *place;
  620.  
  621.     if (regcode == ®dummy) {
  622.         regsize += 3;
  623.         return;
  624.     }
  625.  
  626.     src = regcode;
  627.     regcode += 3;
  628.     dst = regcode;
  629.     while (src > opnd)
  630.         *--dst = *--src;
  631.  
  632.     place = opnd;        /* Op node, where operand used to be. */
  633.     *place++ = op;
  634.     *place++ = '\0';
  635.     *place++ = '\0';
  636. }
  637.  
  638. /*
  639.  - regtail - set the next-pointer at the end of a node chain
  640.  */
  641. static void
  642. regtail(p, val)
  643. char *p;
  644. char *val;
  645. {
  646.     register char *scan;
  647.     register char *temp;
  648.     register int offset;
  649.  
  650.     if (p == ®dummy)
  651.         return;
  652.  
  653.     /* Find last node. */
  654.     scan = p;
  655.     for (;;) {
  656.         temp = regnext(scan);
  657.         if (temp == NULL)
  658.             break;
  659.         scan = temp;
  660.     }
  661.  
  662.     if (OP(scan) == BACK)
  663.         offset = scan - val;
  664.     else
  665.         offset = val - scan;
  666.     *(scan+1) = (offset>>8)&0377;
  667.     *(scan+2) = offset&0377;
  668. }
  669.  
  670. /*
  671.  - regoptail - regtail on operand of first argument; nop if operandless
  672.  */
  673. static void
  674. regoptail(p, val)
  675. char *p;
  676. char *val;
  677. {
  678.     /* "Operandless" and "op != BRANCH" are synonymous in practice. */
  679.     if (p == NULL || p == ®dummy || OP(p) != BRANCH)
  680.         return;
  681.     regtail(OPERAND(p), val);
  682. }
  683.  
  684. /*
  685.  * regexec and friends
  686.  */
  687.  
  688. /*
  689.  * Global work variables for regexec().
  690.  */
  691. static char *reginput;        /* String-input pointer. */
  692. static char *regbol;        /* Beginning of input, for ^ check. */
  693. static char **regstartp;    /* Pointer to startp array. */
  694. static char **regendp;        /* Ditto for endp. */
  695.  
  696. /*
  697.  * Forwards.
  698.  */
  699. STATIC int regtry();
  700. STATIC int regmatch();
  701. STATIC int regrepeat();
  702.  
  703. #ifdef DEBUG
  704. int regnarrate = 0;
  705. void regdump();
  706. STATIC char *regprop();
  707. #endif
  708.  
  709. /*
  710.  - regexec - match a regexp against a string
  711.  */
  712. int
  713. regexec(prog, string)
  714. register regexp *prog;
  715. register char *string;
  716. {
  717.     register char *s;
  718.  
  719.     /* Be paranoid... */
  720.     if (prog == NULL || string == NULL) {
  721.         regerror("NULL parameter");
  722.         return(0);
  723.     }
  724.  
  725.     /* Check validity of program. */
  726.     if (UCHARAT(prog->program) != MAGIC) {
  727.         regerror("corrupted program");
  728.         return(0);
  729.     }
  730.  
  731.     /* If there is a "must appear" string, look for it. */
  732.     if (prog->regmust != NULL) {
  733.         s = string;
  734.         while ((s = strchr(s, prog->regmust[0])) != NULL) {
  735.             if (strncmp(s, prog->regmust, prog->regmlen) == 0)
  736.                 break;    /* Found it. */
  737.             s++;
  738.         }
  739.         if (s == NULL)    /* Not present. */
  740.             return(0);
  741.     }
  742.  
  743.     /* Mark beginning of line for ^ . */
  744.     regbol = string;
  745.  
  746.     /* Simplest case:  anchored match need be tried only once. */
  747.     if (prog->reganch)
  748.         return(regtry(prog, string));
  749.  
  750.     /* Messy cases:  unanchored match. */
  751.     s = string;
  752.     if (prog->regstart != '\0')
  753.         /* We know what char it must start with. */
  754.         while ((s = strchr(s, prog->regstart)) != NULL) {
  755.             if (regtry(prog, s))
  756.                 return(1);
  757.             s++;
  758.         }
  759.     else
  760.         /* We don't -- general case. */
  761.         do {
  762.             if (regtry(prog, s))
  763.                 return(1);
  764.         } while (*s++ != '\0');
  765.  
  766.     /* Failure. */
  767.     return(0);
  768. }
  769.  
  770. /*
  771.  - regtry - try match at specific point
  772.  */
  773. static int            /* 0 failure, 1 success */
  774. regtry(prog, string)
  775. regexp *prog;
  776. char *string;
  777. {
  778.     register int i;
  779.     register char **sp;
  780.     register char **ep;
  781.  
  782.     reginput = string;
  783.     regstartp = prog->startp;
  784.     regendp = prog->endp;
  785.  
  786.     sp = prog->startp;
  787.     ep = prog->endp;
  788.     for (i = NSUBEXP; i > 0; i--) {
  789.         *sp++ = NULL;
  790.         *ep++ = NULL;
  791.     }
  792.     if (regmatch(prog->program + 1)) {
  793.         prog->startp[0] = string;
  794.         prog->endp[0] = reginput;
  795.         return(1);
  796.     } else
  797.         return(0);
  798. }
  799.  
  800. /*
  801.  - regmatch - main matching routine
  802.  *
  803.  * Conceptually the strategy is simple:  check to see whether the current
  804.  * node matches, call self recursively to see whether the rest matches,
  805.  * and then act accordingly.  In practice we make some effort to avoid
  806.  * recursion, in particular by going through "ordinary" nodes (that don't
  807.  * need to know whether the rest of the match failed) by a loop instead of
  808.  * by recursion.
  809.  */
  810. static int            /* 0 failure, 1 success */
  811. regmatch(prog)
  812. char *prog;
  813. {
  814.     register char *scan;    /* Current node. */
  815.     char *next;        /* Next node. */
  816.  
  817.     scan = prog;
  818. #ifdef DEBUG
  819.     if (scan != NULL && regnarrate)
  820.         fprintf(stderr, "%s(\n", regprop(scan));
  821. #endif
  822.     while (scan != NULL) {
  823. #ifdef DEBUG
  824.         if (regnarrate)
  825.             fprintf(stderr, "%s...\n", regprop(scan));
  826. #endif
  827.         next = regnext(scan);
  828.  
  829.         switch (OP(scan)) {
  830.         case BOL:
  831.             if (reginput != regbol)
  832.                 return(0);
  833.             break;
  834.         case EOL:
  835.             if (*reginput != '\0')
  836.                 return(0);
  837.             break;
  838.         case ANY:
  839.             if (*reginput == '\0')
  840.                 return(0);
  841.             reginput++;
  842.             break;
  843.         case EXACTLY: {
  844.                 register int len;
  845.                 register char *opnd;
  846.  
  847.                 opnd = OPERAND(scan);
  848.                 /* Inline the first character, for speed. */
  849.                 if (*opnd != *reginput)
  850.                     return(0);
  851.                 len = strlen(opnd);
  852.                 if (len > 1 && strncmp(opnd, reginput, len) != 0)
  853.                     return(0);
  854.                 reginput += len;
  855.             }
  856.             break;
  857.         case ANYOF:
  858.              if (*reginput == '\0' || strchr(OPERAND(scan), *reginput) == NULL)
  859.                 return(0);
  860.             reginput++;
  861.             break;
  862.         case ANYBUT:
  863.              if (*reginput == '\0' || strchr(OPERAND(scan), *reginput) != NULL)
  864.                 return(0);
  865.             reginput++;
  866.             break;
  867.         case NOTHING:
  868.             break;
  869.         case BACK:
  870.             break;
  871.         case OPEN+1:
  872.         case OPEN+2:
  873.         case OPEN+3:
  874.         case OPEN+4:
  875.         case OPEN+5:
  876.         case OPEN+6:
  877.         case OPEN+7:
  878.         case OPEN+8:
  879.         case OPEN+9: {
  880.                 register int no;
  881.                 register char *save;
  882.  
  883.                 no = OP(scan) - OPEN;
  884.                 save = reginput;
  885.  
  886.                 if (regmatch(next)) {
  887.                     /*
  888.                      * Don't set startp if some later
  889.                      * invocation of the same parentheses
  890.                      * already has.
  891.                      */
  892.                     if (regstartp[no] == NULL)
  893.                         regstartp[no] = save;
  894.                     return(1);
  895.                 } else
  896.                     return(0);
  897.             }
  898.             /* NOTREACHED */
  899.             break;
  900.         case CLOSE+1:
  901.         case CLOSE+2:
  902.         case CLOSE+3:
  903.         case CLOSE+4:
  904.         case CLOSE+5:
  905.         case CLOSE+6:
  906.         case CLOSE+7:
  907.         case CLOSE+8:
  908.         case CLOSE+9: {
  909.                 register int no;
  910.                 register char *save;
  911.  
  912.                 no = OP(scan) - CLOSE;
  913.                 save = reginput;
  914.  
  915.                 if (regmatch(next)) {
  916.                     /*
  917.                      * Don't set endp if some later
  918.                      * invocation of the same parentheses
  919.                      * already has.
  920.                      */
  921.                     if (regendp[no] == NULL)
  922.                         regendp[no] = save;
  923.                     return(1);
  924.                 } else
  925.                     return(0);
  926.             }
  927.             /* NOTREACHED */
  928.             break;
  929.         case BRANCH: {
  930.                 register char *save;
  931.  
  932.                 if (OP(next) != BRANCH)        /* No choice. */
  933.                     next = OPERAND(scan);    /* Avoid recursion. */
  934.                 else {
  935.                     do {
  936.                         save = reginput;
  937.                         if (regmatch(OPERAND(scan)))
  938.                             return(1);
  939.                         reginput = save;
  940.                         scan = regnext(scan);
  941.                     } while (scan != NULL && OP(scan) == BRANCH);
  942.                     return(0);
  943.                     /* NOTREACHED */
  944.                 }
  945.             }
  946.             /* NOTREACHED */
  947.             break;
  948.         case STAR:
  949.         case PLUS: {
  950.                 register char nextch;
  951.                 register int no;
  952.                 register char *save;
  953.                 register int min;
  954.  
  955.                 /*
  956.                  * Lookahead to avoid useless match attempts
  957.                  * when we know what character comes next.
  958.                  */
  959.                 nextch = '\0';
  960.                 if (OP(next) == EXACTLY)
  961.                     nextch = *OPERAND(next);
  962.                 min = (OP(scan) == STAR) ? 0 : 1;
  963.                 save = reginput;
  964.                 no = regrepeat(OPERAND(scan));
  965.                 while (no >= min) {
  966.                     /* If it could work, try it. */
  967.                     if (nextch == '\0' || *reginput == nextch)
  968.                         if (regmatch(next))
  969.                             return(1);
  970.                     /* Couldn't or didn't -- back up. */
  971.                     no--;
  972.                     reginput = save + no;
  973.                 }
  974.                 return(0);
  975.             }
  976.             /* NOTREACHED */
  977.             break;
  978.         case END:
  979.             return(1);    /* Success! */
  980.             /* NOTREACHED */
  981.             break;
  982.         default:
  983.             regerror("memory corruption");
  984.             return(0);
  985.             /* NOTREACHED */
  986.             break;
  987.         }
  988.  
  989.         scan = next;
  990.     }
  991.  
  992.     /*
  993.      * We get here only if there's trouble -- normally "case END" is
  994.      * the terminating point.
  995.      */
  996.     regerror("corrupted pointers");
  997.     return(0);
  998. }
  999.  
  1000. /*
  1001.  - regrepeat - repeatedly match something simple, report how many
  1002.  */
  1003. static int
  1004. regrepeat(p)
  1005. char *p;
  1006. {
  1007.     register int count = 0;
  1008.     register char *scan;
  1009.     register char *opnd;
  1010.  
  1011.     scan = reginput;
  1012.     opnd = OPERAND(p);
  1013.     switch (OP(p)) {
  1014.     case ANY:
  1015.         count = strlen(scan);
  1016.         scan += count;
  1017.         break;
  1018.     case EXACTLY:
  1019.         while (*opnd == *scan) {
  1020.             count++;
  1021.             scan++;
  1022.         }
  1023.         break;
  1024.     case ANYOF:
  1025.         while (*scan != '\0' && strchr(opnd, *scan) != NULL) {
  1026.             count++;
  1027.             scan++;
  1028.         }
  1029.         break;
  1030.     case ANYBUT:
  1031.         while (*scan != '\0' && strchr(opnd, *scan) == NULL) {
  1032.             count++;
  1033.             scan++;
  1034.         }
  1035.         break;
  1036.     default:        /* Oh dear.  Called inappropriately. */
  1037.         regerror("internal foulup");
  1038.         count = 0;    /* Best compromise. */
  1039.         break;
  1040.     }
  1041.     reginput = scan;
  1042.  
  1043.     return(count);
  1044. }
  1045.  
  1046. /*
  1047.  - regnext - dig the "next" pointer out of a node
  1048.  */
  1049. static char *
  1050. regnext(p)
  1051. register char *p;
  1052. {
  1053.     register int offset;
  1054.  
  1055.     if (p == ®dummy)
  1056.         return(NULL);
  1057.  
  1058.     offset = NEXT(p);
  1059.     if (offset == 0)
  1060.         return(NULL);
  1061.  
  1062.     if (OP(p) == BACK)
  1063.         return(p-offset);
  1064.     else
  1065.         return(p+offset);
  1066. }
  1067.  
  1068. #ifdef DEBUG
  1069.  
  1070. STATIC char *regprop();
  1071.  
  1072. /*
  1073.  - regdump - dump a regexp onto stdout in vaguely comprehensible form
  1074.  */
  1075. void
  1076. regdump(r)
  1077. regexp *r;
  1078. {
  1079.     register char *s;
  1080.     register char op = EXACTLY;    /* Arbitrary non-END op. */
  1081.     register char *next;
  1082.  
  1083.  
  1084.     s = r->program + 1;
  1085.     while (op != END) {    /* While that wasn't END last time... */
  1086.         op = OP(s);
  1087.         printf("%2d%s", s-r->program, regprop(s));    /* Where, what. */
  1088.         next = regnext(s);
  1089.         if (next == NULL)        /* Next ptr. */
  1090.             printf("(0)");
  1091.         else 
  1092.             printf("(%d)", (s-r->program)+(next-s));
  1093.         s += 3;
  1094.         if (op == ANYOF || op == ANYBUT || op == EXACTLY) {
  1095.             /* Literal string, where present. */
  1096.             while (*s != '\0') {
  1097.                 putchar(*s);
  1098.                 s++;
  1099.             }
  1100.             s++;
  1101.         }
  1102.         putchar('\n');
  1103.     }
  1104.  
  1105.     /* Header fields of interest. */
  1106.     if (r->regstart != '\0')
  1107.         printf("start `%c' ", r->regstart);
  1108.     if (r->reganch)
  1109.         printf("anchored ");
  1110.     if (r->regmust != NULL)
  1111.         printf("must have \"%s\"", r->regmust);
  1112.     printf("\n");
  1113. }
  1114.  
  1115. /*
  1116.  - regprop - printable representation of opcode
  1117.  */
  1118. static char *
  1119. regprop(op)
  1120. char *op;
  1121. {
  1122.     register char *p;
  1123.     static char buf[50];
  1124.  
  1125.     (void) strcpy(buf, ":");
  1126.  
  1127.     switch (OP(op)) {
  1128.     case BOL:
  1129.         p = "BOL";
  1130.         break;
  1131.     case EOL:
  1132.         p = "EOL";
  1133.         break;
  1134.     case ANY:
  1135.         p = "ANY";
  1136.         break;
  1137.     case ANYOF:
  1138.         p = "ANYOF";
  1139.         break;
  1140.     case ANYBUT:
  1141.         p = "ANYBUT";
  1142.         break;
  1143.     case BRANCH:
  1144.         p = "BRANCH";
  1145.         break;
  1146.     case EXACTLY:
  1147.         p = "EXACTLY";
  1148.         break;
  1149.     case NOTHING:
  1150.         p = "NOTHING";
  1151.         break;
  1152.     case BACK:
  1153.         p = "BACK";
  1154.         break;
  1155.     case END:
  1156.         p = "END";
  1157.         break;
  1158.     case OPEN+1:
  1159.     case OPEN+2:
  1160.     case OPEN+3:
  1161.     case OPEN+4:
  1162.     case OPEN+5:
  1163.     case OPEN+6:
  1164.     case OPEN+7:
  1165.     case OPEN+8:
  1166.     case OPEN+9:
  1167.         sprintf(buf+strlen(buf), "OPEN%d", OP(op)-OPEN);
  1168.         p = NULL;
  1169.         break;
  1170.     case CLOSE+1:
  1171.     case CLOSE+2:
  1172.     case CLOSE+3:
  1173.     case CLOSE+4:
  1174.     case CLOSE+5:
  1175.     case CLOSE+6:
  1176.     case CLOSE+7:
  1177.     case CLOSE+8:
  1178.     case CLOSE+9:
  1179.         sprintf(buf+strlen(buf), "CLOSE%d", OP(op)-CLOSE);
  1180.         p = NULL;
  1181.         break;
  1182.     case STAR:
  1183.         p = "STAR";
  1184.         break;
  1185.     case PLUS:
  1186.         p = "PLUS";
  1187.         break;
  1188.     default:
  1189.         regerror("corrupted opcode");
  1190.         break;
  1191.     }
  1192.     if (p != NULL)
  1193.         (void) strcat(buf, p);
  1194.     return(buf);
  1195. }
  1196. #endif
  1197.  
  1198. /*
  1199.  * The following is provided for those people who do not have strcspn() in
  1200.  * their C libraries.  They should get off their butts and do something
  1201.  * about it; at least one public-domain implementation of those (highly
  1202.  * useful) string routines has been published on Usenet.
  1203.  */
  1204. #ifdef STRCSPN
  1205. /*
  1206.  * strcspn - find length of initial segment of s1 consisting entirely
  1207.  * of characters not from s2
  1208.  */
  1209.  
  1210. static int
  1211. strcspn(s1, s2)
  1212. char *s1;
  1213. char *s2;
  1214. {
  1215.     register char *scan1;
  1216.     register char *scan2;
  1217.     register int count;
  1218.  
  1219.     count = 0;
  1220.     for (scan1 = s1; *scan1 != '\0'; scan1++) {
  1221.         for (scan2 = s2; *scan2 != '\0';)    /* ++ moved down. */
  1222.             if (*scan1 == *scan2++)
  1223.                 return(count);
  1224.         count++;
  1225.     }
  1226.     return(count);
  1227. }
  1228. #endif
  1229.