home *** CD-ROM | disk | FTP | other *** search
/ Language/OS - Multiplatform Resource Library / LANGUAGE OS.iso / gnu / dejagnu.lha / dejagnu-1.0.1 / tcl / regexp.c < prev    next >
C/C++ Source or Header  |  1992-12-23  |  28KB  |  1,227 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.  * *** The only change is to use ckalloc and ckfree instead of   ***
  27.  * *** malloc and free.                         ***
  28.  */
  29. #include "tclInt.h"
  30.  
  31. /*
  32.  * The "internal use only" fields in regexp.h are present to pass info from
  33.  * compile to execute that permits the execute phase to run lots faster on
  34.  * simple cases.  They are:
  35.  *
  36.  * regstart    char that must begin a match; '\0' if none obvious
  37.  * reganch    is the match anchored (at beginning-of-line only)?
  38.  * regmust    string (pointer into program) that match must include, or NULL
  39.  * regmlen    length of regmust string
  40.  *
  41.  * Regstart and reganch permit very fast decisions on suitable starting points
  42.  * for a match, cutting down the work a lot.  Regmust permits fast rejection
  43.  * of lines that cannot possibly match.  The regmust tests are costly enough
  44.  * that regcomp() supplies a regmust only if the r.e. contains something
  45.  * potentially expensive (at present, the only such thing detected is * or +
  46.  * at the start of the r.e., which can involve a lot of backup).  Regmlen is
  47.  * supplied because the test in regexec() needs it and regcomp() is computing
  48.  * it anyway.
  49.  */
  50.  
  51. /*
  52.  * Structure for regexp "program".  This is essentially a linear encoding
  53.  * of a nondeterministic finite-state machine (aka syntax charts or
  54.  * "railroad normal form" in parsing technology).  Each node is an opcode
  55.  * plus a "next" pointer, possibly plus an operand.  "Next" pointers of
  56.  * all nodes except BRANCH implement concatenation; a "next" pointer with
  57.  * a BRANCH on both ends of it is connecting two alternatives.  (Here we
  58.  * have one of the subtle syntax dependencies:  an individual BRANCH (as
  59.  * opposed to a collection of them) is never concatenated with anything
  60.  * because of operator precedence.)  The operand of some types of node is
  61.  * a literal string; for others, it is a node leading into a sub-FSM.  In
  62.  * particular, the operand of a BRANCH node is the first node of the branch.
  63.  * (NB this is *not* a tree structure:  the tail of the branch connects
  64.  * to the thing following the set of BRANCHes.)  The opcodes are:
  65.  */
  66.  
  67. /* definition    number    opnd?    meaning */
  68. #define    END    0    /* no    End of program. */
  69. #define    BOL    1    /* no    Match "" at beginning of line. */
  70. #define    EOL    2    /* no    Match "" at end of line. */
  71. #define    ANY    3    /* no    Match any one character. */
  72. #define    ANYOF    4    /* str    Match any character in this string. */
  73. #define    ANYBUT    5    /* str    Match any character not in this string. */
  74. #define    BRANCH    6    /* node    Match this alternative, or the next... */
  75. #define    BACK    7    /* no    Match "", "next" ptr points backward. */
  76. #define    EXACTLY    8    /* str    Match this string. */
  77. #define    NOTHING    9    /* no    Match empty string. */
  78. #define    STAR    10    /* node    Match this (simple) thing 0 or more times. */
  79. #define    PLUS    11    /* node    Match this (simple) thing 1 or more times. */
  80. #define    OPEN    20    /* no    Mark this point in input as start of #n. */
  81.             /*    OPEN+1 is number 1, etc. */
  82. #define    CLOSE    30    /* no    Analogous to OPEN. */
  83.  
  84. /*
  85.  * Opcode notes:
  86.  *
  87.  * BRANCH    The set of branches constituting a single choice are hooked
  88.  *        together with their "next" pointers, since precedence prevents
  89.  *        anything being concatenated to any individual branch.  The
  90.  *        "next" pointer of the last BRANCH in a choice points to the
  91.  *        thing following the whole choice.  This is also where the
  92.  *        final "next" pointer of each individual branch points; each
  93.  *        branch starts with the operand node of a BRANCH node.
  94.  *
  95.  * BACK        Normal "next" pointers all implicitly point forward; BACK
  96.  *        exists to make loop structures possible.
  97.  *
  98.  * STAR,PLUS    '?', and complex '*' and '+', are implemented as circular
  99.  *        BRANCH structures using BACK.  Simple cases (one character
  100.  *        per match) are implemented with STAR and PLUS for speed
  101.  *        and to minimize recursive plunges.
  102.  *
  103.  * OPEN,CLOSE    ...are numbered at compile time.
  104.  */
  105.  
  106. /*
  107.  * A node is one char of opcode followed by two chars of "next" pointer.
  108.  * "Next" pointers are stored as two 8-bit pieces, high order first.  The
  109.  * value is a positive offset from the opcode of the node containing it.
  110.  * An operand, if any, simply follows the node.  (Note that much of the
  111.  * code generation knows about this implicit relationship.)
  112.  *
  113.  * Using two bytes for the "next" pointer is vast overkill for most things,
  114.  * but allows patterns to get big without disasters.
  115.  */
  116. #define    OP(p)    (*(p))
  117. #define    NEXT(p)    (((*((p)+1)&0377)<<8) + (*((p)+2)&0377))
  118. #define    OPERAND(p)    ((p) + 3)
  119.  
  120. /*
  121.  * See regmagic.h for one further detail of program structure.
  122.  */
  123.  
  124.  
  125. /*
  126.  * Utility definitions.
  127.  */
  128. #ifndef CHARBITS
  129. #define    UCHARAT(p)    ((int)*(unsigned char *)(p))
  130. #else
  131. #define    UCHARAT(p)    ((int)*(p)&CHARBITS)
  132. #endif
  133.  
  134. #define    FAIL(m)    { regerror(m); return(NULL); }
  135. #define    ISMULT(c)    ((c) == '*' || (c) == '+' || (c) == '?')
  136. #define    META    "^$.[()|?+*\\"
  137.  
  138. /*
  139.  * Flags to be passed up and down.
  140.  */
  141. #define    HASWIDTH    01    /* Known never to match null string. */
  142. #define    SIMPLE        02    /* Simple enough to be STAR/PLUS operand. */
  143. #define    SPSTART        04    /* Starts with * or +. */
  144. #define    WORST        0    /* Worst case. */
  145.  
  146. /*
  147.  * Global work variables for regcomp().
  148.  */
  149. static char *regparse;        /* Input-scan pointer. */
  150. static int regnpar;        /* () count. */
  151. static char regdummy;
  152. static char *regcode;        /* Code-emit pointer; ®dummy = don't. */
  153. static long regsize;        /* Code size. */
  154.  
  155. /*
  156.  * The first byte of the regexp internal "program" is actually this magic
  157.  * number; the start node begins in the second byte.
  158.  */
  159. #define    MAGIC    0234
  160.  
  161.  
  162. /*
  163.  * Forward declarations for regcomp()'s friends.
  164.  */
  165. #ifndef STATIC
  166. #define    STATIC    static
  167. #endif
  168. STATIC char *reg();
  169. STATIC char *regbranch();
  170. STATIC char *regpiece();
  171. STATIC char *regatom();
  172. STATIC char *regnode();
  173. STATIC char *regnext();
  174. STATIC void regc();
  175. STATIC void reginsert();
  176. STATIC void regtail();
  177. STATIC void regoptail();
  178. #ifdef STRCSPN
  179. STATIC int strcspn();
  180. #endif
  181.  
  182. /*
  183.  - regcomp - compile a regular expression into internal code
  184.  *
  185.  * We can't allocate space until we know how big the compiled form will be,
  186.  * but we can't compile it (and thus know how big it is) until we've got a
  187.  * place to put the code.  So we cheat:  we compile it twice, once with code
  188.  * generation turned off and size counting turned on, and once "for real".
  189.  * This also means that we don't allocate space until we are sure that the
  190.  * thing really will compile successfully, and we never have to move the
  191.  * code and thus invalidate pointers into it.  (Note that it has to be in
  192.  * one piece because free() must be able to free it all.)
  193.  *
  194.  * Beware that the optimization-preparation code in here knows about some
  195.  * of the structure of the compiled regexp.
  196.  */
  197. regexp *
  198. regcomp(exp)
  199. char *exp;
  200. {
  201.     register regexp *r;
  202.     register char *scan;
  203.     register char *longest;
  204.     register int len;
  205.     int flags;
  206.  
  207.     if (exp == NULL)
  208.         FAIL("NULL argument");
  209.  
  210.     /* First pass: determine size, legality. */
  211.     regparse = exp;
  212.     regnpar = 1;
  213.     regsize = 0L;
  214.     regcode = ®dummy;
  215.     regc(MAGIC);
  216.     if (reg(0, &flags) == NULL)
  217.         return(NULL);
  218.  
  219.     /* Small enough for pointer-storage convention? */
  220.     if (regsize >= 32767L)        /* Probably could be 65535L. */
  221.         FAIL("regexp too big");
  222.  
  223.     /* Allocate space. */
  224.     r = (regexp *)ckalloc(sizeof(regexp) + (unsigned)regsize);
  225.     if (r == NULL)
  226.         FAIL("out of space");
  227.  
  228.     /* Second pass: emit code. */
  229.     regparse = exp;
  230.     regnpar = 1;
  231.     regcode = r->program;
  232.     regc(MAGIC);
  233.     if (reg(0, &flags) == NULL)
  234.         return(NULL);
  235.  
  236.     /* Dig out information for optimizations. */
  237.     r->regstart = '\0';    /* Worst-case defaults. */
  238.     r->reganch = 0;
  239.     r->regmust = NULL;
  240.     r->regmlen = 0;
  241.     scan = r->program+1;            /* First BRANCH. */
  242.     if (OP(regnext(scan)) == END) {        /* Only one top-level choice. */
  243.         scan = OPERAND(scan);
  244.  
  245.         /* Starting-point info. */
  246.         if (OP(scan) == EXACTLY)
  247.             r->regstart = *OPERAND(scan);
  248.         else if (OP(scan) == BOL)
  249.             r->reganch++;
  250.  
  251.         /*
  252.          * If there's something expensive in the r.e., find the
  253.          * longest literal string that must appear and make it the
  254.          * regmust.  Resolve ties in favor of later strings, since
  255.          * the regstart check works with the beginning of the r.e.
  256.          * and avoiding duplication strengthens checking.  Not a
  257.          * strong reason, but sufficient in the absence of others.
  258.          */
  259.         if (flags&SPSTART) {
  260.             longest = NULL;
  261.             len = 0;
  262.             for (; scan != NULL; scan = regnext(scan))
  263.                 if (OP(scan) == EXACTLY && strlen(OPERAND(scan)) >= len) {
  264.                     longest = OPERAND(scan);
  265.                     len = strlen(OPERAND(scan));
  266.                 }
  267.             r->regmust = longest;
  268.             r->regmlen = len;
  269.         }
  270.     }
  271.  
  272.     return(r);
  273. }
  274.  
  275. /*
  276.  - reg - regular expression, i.e. main body or parenthesized thing
  277.  *
  278.  * Caller must absorb opening parenthesis.
  279.  *
  280.  * Combining parenthesis handling with the base level of regular expression
  281.  * is a trifle forced, but the need to tie the tails of the branches to what
  282.  * follows makes it hard to avoid.
  283.  */
  284. static char *
  285. reg(paren, flagp)
  286. int paren;            /* Parenthesized? */
  287. int *flagp;
  288. {
  289.     register char *ret;
  290.     register char *br;
  291.     register char *ender;
  292.     register int parno = 0;
  293.     int flags;
  294.  
  295.     *flagp = HASWIDTH;    /* Tentatively. */
  296.  
  297.     /* Make an OPEN node, if parenthesized. */
  298.     if (paren) {
  299.         if (regnpar >= NSUBEXP)
  300.             FAIL("too many ()");
  301.         parno = regnpar;
  302.         regnpar++;
  303.         ret = regnode(OPEN+parno);
  304.     } else
  305.         ret = NULL;
  306.  
  307.     /* Pick up the branches, linking them together. */
  308.     br = regbranch(&flags);
  309.     if (br == NULL)
  310.         return(NULL);
  311.     if (ret != NULL)
  312.         regtail(ret, br);    /* OPEN -> first. */
  313.     else
  314.         ret = br;
  315.     if (!(flags&HASWIDTH))
  316.         *flagp &= ~HASWIDTH;
  317.     *flagp |= flags&SPSTART;
  318.     while (*regparse == '|') {
  319.         regparse++;
  320.         br = regbranch(&flags);
  321.         if (br == NULL)
  322.             return(NULL);
  323.         regtail(ret, br);    /* BRANCH -> BRANCH. */
  324.         if (!(flags&HASWIDTH))
  325.             *flagp &= ~HASWIDTH;
  326.         *flagp |= flags&SPSTART;
  327.     }
  328.  
  329.     /* Make a closing node, and hook it on the end. */
  330.     ender = regnode((paren) ? CLOSE+parno : END);    
  331.     regtail(ret, ender);
  332.  
  333.     /* Hook the tails of the branches to the closing node. */
  334.     for (br = ret; br != NULL; br = regnext(br))
  335.         regoptail(br, ender);
  336.  
  337.     /* Check for proper termination. */
  338.     if (paren && *regparse++ != ')') {
  339.         FAIL("unmatched ()");
  340.     } else if (!paren && *regparse != '\0') {
  341.         if (*regparse == ')') {
  342.             FAIL("unmatched ()");
  343.         } else
  344.             FAIL("junk on end");    /* "Can't happen". */
  345.         /* NOTREACHED */
  346.     }
  347.  
  348.     return(ret);
  349. }
  350.  
  351. /*
  352.  - regbranch - one alternative of an | operator
  353.  *
  354.  * Implements the concatenation operator.
  355.  */
  356. static char *
  357. regbranch(flagp)
  358. int *flagp;
  359. {
  360.     register char *ret;
  361.     register char *chain;
  362.     register char *latest;
  363.     int flags;
  364.  
  365.     *flagp = WORST;        /* Tentatively. */
  366.  
  367.     ret = regnode(BRANCH);
  368.     chain = NULL;
  369.     while (*regparse != '\0' && *regparse != '|' && *regparse != ')') {
  370.         latest = regpiece(&flags);
  371.         if (latest == NULL)
  372.             return(NULL);
  373.         *flagp |= flags&HASWIDTH;
  374.         if (chain == NULL)    /* First piece. */
  375.             *flagp |= flags&SPSTART;
  376.         else
  377.             regtail(chain, latest);
  378.         chain = latest;
  379.     }
  380.     if (chain == NULL)    /* Loop ran zero times. */
  381.         (void) regnode(NOTHING);
  382.  
  383.     return(ret);
  384. }
  385.  
  386. /*
  387.  - regpiece - something followed by possible [*+?]
  388.  *
  389.  * Note that the branching code sequences used for ? and the general cases
  390.  * of * and + are somewhat optimized:  they use the same NOTHING node as
  391.  * both the endmarker for their branch list and the body of the last branch.
  392.  * It might seem that this node could be dispensed with entirely, but the
  393.  * endmarker role is not redundant.
  394.  */
  395. static char *
  396. regpiece(flagp)
  397. int *flagp;
  398. {
  399.     register char *ret;
  400.     register char op;
  401.     register char *next;
  402.     int flags;
  403.  
  404.     ret = regatom(&flags);
  405.     if (ret == NULL)
  406.         return(NULL);
  407.  
  408.     op = *regparse;
  409.     if (!ISMULT(op)) {
  410.         *flagp = flags;
  411.         return(ret);
  412.     }
  413.  
  414.     if (!(flags&HASWIDTH) && op != '?')
  415.         FAIL("*+ operand could be empty");
  416.     *flagp = (op != '+') ? (WORST|SPSTART) : (WORST|HASWIDTH);
  417.  
  418.     if (op == '*' && (flags&SIMPLE))
  419.         reginsert(STAR, ret);
  420.     else if (op == '*') {
  421.         /* Emit x* as (x&|), where & means "self". */
  422.         reginsert(BRANCH, ret);            /* Either x */
  423.         regoptail(ret, regnode(BACK));        /* and loop */
  424.         regoptail(ret, ret);            /* back */
  425.         regtail(ret, regnode(BRANCH));        /* or */
  426.         regtail(ret, regnode(NOTHING));        /* null. */
  427.     } else if (op == '+' && (flags&SIMPLE))
  428.         reginsert(PLUS, ret);
  429.     else if (op == '+') {
  430.         /* Emit x+ as x(&|), where & means "self". */
  431.         next = regnode(BRANCH);            /* Either */
  432.         regtail(ret, next);
  433.         regtail(regnode(BACK), ret);        /* loop back */
  434.         regtail(next, regnode(BRANCH));        /* or */
  435.         regtail(ret, regnode(NOTHING));        /* null. */
  436.     } else if (op == '?') {
  437.         /* Emit x? as (x|) */
  438.         reginsert(BRANCH, ret);            /* Either x */
  439.         regtail(ret, regnode(BRANCH));        /* or */
  440.         next = regnode(NOTHING);        /* null. */
  441.         regtail(ret, next);
  442.         regoptail(ret, next);
  443.     }
  444.     regparse++;
  445.     if (ISMULT(*regparse))
  446.         FAIL("nested *?+");
  447.  
  448.     return(ret);
  449. }
  450.  
  451. /*
  452.  - regatom - the lowest level
  453.  *
  454.  * Optimization:  gobbles an entire sequence of ordinary characters so that
  455.  * it can turn them into a single node, which is smaller to store and
  456.  * faster to run.  Backslashed characters are exceptions, each becoming a
  457.  * separate node; the code is simpler that way and it's not worth fixing.
  458.  */
  459. static char *
  460. regatom(flagp)
  461. int *flagp;
  462. {
  463.     register char *ret;
  464.     int flags;
  465.  
  466.     *flagp = WORST;        /* Tentatively. */
  467.  
  468.     switch (*regparse++) {
  469.     case '^':
  470.         ret = regnode(BOL);
  471.         break;
  472.     case '$':
  473.         ret = regnode(EOL);
  474.         break;
  475.     case '.':
  476.         ret = regnode(ANY);
  477.         *flagp |= HASWIDTH|SIMPLE;
  478.         break;
  479.     case '[': {
  480.             register int clss;
  481.             register int classend;
  482.  
  483.             if (*regparse == '^') {    /* Complement of range. */
  484.                 ret = regnode(ANYBUT);
  485.                 regparse++;
  486.             } else
  487.                 ret = regnode(ANYOF);
  488.             if (*regparse == ']' || *regparse == '-')
  489.                 regc(*regparse++);
  490.             while (*regparse != '\0' && *regparse != ']') {
  491.                 if (*regparse == '-') {
  492.                     regparse++;
  493.                     if (*regparse == ']' || *regparse == '\0')
  494.                         regc('-');
  495.                     else {
  496.                         clss = UCHARAT(regparse-2)+1;
  497.                         classend = UCHARAT(regparse);
  498.                         if (clss > classend+1)
  499.                             FAIL("invalid [] range");
  500.                         for (; clss <= classend; clss++)
  501.                             regc(clss);
  502.                         regparse++;
  503.                     }
  504.                 } else
  505.                     regc(*regparse++);
  506.             }
  507.             regc('\0');
  508.             if (*regparse != ']')
  509.                 FAIL("unmatched []");
  510.             regparse++;
  511.             *flagp |= HASWIDTH|SIMPLE;
  512.         }
  513.         break;
  514.     case '(':
  515.         ret = reg(1, &flags);
  516.         if (ret == NULL)
  517.             return(NULL);
  518.         *flagp |= flags&(HASWIDTH|SPSTART);
  519.         break;
  520.     case '\0':
  521.     case '|':
  522.     case ')':
  523.         FAIL("internal urp");    /* Supposed to be caught earlier. */
  524.         /* NOTREACHED */
  525.         break;
  526.     case '?':
  527.     case '+':
  528.     case '*':
  529.         FAIL("?+* follows nothing");
  530.         /* NOTREACHED */
  531.         break;
  532.     case '\\':
  533.         if (*regparse == '\0')
  534.             FAIL("trailing \\");
  535.         ret = regnode(EXACTLY);
  536.         regc(*regparse++);
  537.         regc('\0');
  538.         *flagp |= HASWIDTH|SIMPLE;
  539.         break;
  540.     default: {
  541.             register int len;
  542.             register char ender;
  543.  
  544.             regparse--;
  545.             len = strcspn(regparse, META);
  546.             if (len <= 0)
  547.                 FAIL("internal disaster");
  548.             ender = *(regparse+len);
  549.             if (len > 1 && ISMULT(ender))
  550.                 len--;        /* Back off clear of ?+* operand. */
  551.             *flagp |= HASWIDTH;
  552.             if (len == 1)
  553.                 *flagp |= SIMPLE;
  554.             ret = regnode(EXACTLY);
  555.             while (len > 0) {
  556.                 regc(*regparse++);
  557.                 len--;
  558.             }
  559.             regc('\0');
  560.         }
  561.         break;
  562.     }
  563.  
  564.     return(ret);
  565. }
  566.  
  567. /*
  568.  - regnode - emit a node
  569.  */
  570. static char *            /* Location. */
  571. regnode(op)
  572. char op;
  573. {
  574.     register char *ret;
  575.     register char *ptr;
  576.  
  577.     ret = regcode;
  578.     if (ret == ®dummy) {
  579.         regsize += 3;
  580.         return(ret);
  581.     }
  582.  
  583.     ptr = ret;
  584.     *ptr++ = op;
  585.     *ptr++ = '\0';        /* Null "next" pointer. */
  586.     *ptr++ = '\0';
  587.     regcode = ptr;
  588.  
  589.     return(ret);
  590. }
  591.  
  592. /*
  593.  - regc - emit (if appropriate) a byte of code
  594.  */
  595. static void
  596. regc(b)
  597. char b;
  598. {
  599.     if (regcode != ®dummy)
  600.         *regcode++ = b;
  601.     else
  602.         regsize++;
  603. }
  604.  
  605. /*
  606.  - reginsert - insert an operator in front of already-emitted operand
  607.  *
  608.  * Means relocating the operand.
  609.  */
  610. static void
  611. reginsert(op, opnd)
  612. char op;
  613. char *opnd;
  614. {
  615.     register char *src;
  616.     register char *dst;
  617.     register char *place;
  618.  
  619.     if (regcode == ®dummy) {
  620.         regsize += 3;
  621.         return;
  622.     }
  623.  
  624.     src = regcode;
  625.     regcode += 3;
  626.     dst = regcode;
  627.     while (src > opnd)
  628.         *--dst = *--src;
  629.  
  630.     place = opnd;        /* Op node, where operand used to be. */
  631.     *place++ = op;
  632.     *place++ = '\0';
  633.     *place++ = '\0';
  634. }
  635.  
  636. /*
  637.  - regtail - set the next-pointer at the end of a node chain
  638.  */
  639. static void
  640. regtail(p, val)
  641. char *p;
  642. char *val;
  643. {
  644.     register char *scan;
  645.     register char *temp;
  646.     register int offset;
  647.  
  648.     if (p == ®dummy)
  649.         return;
  650.  
  651.     /* Find last node. */
  652.     scan = p;
  653.     for (;;) {
  654.         temp = regnext(scan);
  655.         if (temp == NULL)
  656.             break;
  657.         scan = temp;
  658.     }
  659.  
  660.     if (OP(scan) == BACK)
  661.         offset = scan - val;
  662.     else
  663.         offset = val - scan;
  664.     *(scan+1) = (offset>>8)&0377;
  665.     *(scan+2) = offset&0377;
  666. }
  667.  
  668. /*
  669.  - regoptail - regtail on operand of first argument; nop if operandless
  670.  */
  671. static void
  672. regoptail(p, val)
  673. char *p;
  674. char *val;
  675. {
  676.     /* "Operandless" and "op != BRANCH" are synonymous in practice. */
  677.     if (p == NULL || p == ®dummy || OP(p) != BRANCH)
  678.         return;
  679.     regtail(OPERAND(p), val);
  680. }
  681.  
  682. /*
  683.  * regexec and friends
  684.  */
  685.  
  686. /*
  687.  * Global work variables for regexec().
  688.  */
  689. static char *reginput;        /* String-input pointer. */
  690. static char *regbol;        /* Beginning of input, for ^ check. */
  691. static char **regstartp;    /* Pointer to startp array. */
  692. static char **regendp;        /* Ditto for endp. */
  693.  
  694. /*
  695.  * Forwards.
  696.  */
  697. STATIC int regtry();
  698. STATIC int regmatch();
  699. STATIC int regrepeat();
  700.  
  701. #ifdef DEBUG
  702. int regnarrate = 0;
  703. void regdump();
  704. STATIC char *regprop();
  705. #endif
  706.  
  707. /*
  708.  - regexec - match a regexp against a string
  709.  */
  710. int
  711. regexec(prog, string)
  712. register regexp *prog;
  713. register char *string;
  714. {
  715.     register char *s;
  716.  
  717.     /* Be paranoid... */
  718.     if (prog == NULL || string == NULL) {
  719.         regerror("NULL parameter");
  720.         return(0);
  721.     }
  722.  
  723.     /* Check validity of program. */
  724.     if (UCHARAT(prog->program) != MAGIC) {
  725.         regerror("corrupted program");
  726.         return(0);
  727.     }
  728.  
  729.     /* If there is a "must appear" string, look for it. */
  730.     if (prog->regmust != NULL) {
  731.         s = string;
  732.         while ((s = strchr(s, prog->regmust[0])) != NULL) {
  733.             if (strncmp(s, prog->regmust, prog->regmlen) == 0)
  734.                 break;    /* Found it. */
  735.             s++;
  736.         }
  737.         if (s == NULL)    /* Not present. */
  738.             return(0);
  739.     }
  740.  
  741.     /* Mark beginning of line for ^ . */
  742.     regbol = string;
  743.  
  744.     /* Simplest case:  anchored match need be tried only once. */
  745.     if (prog->reganch)
  746.         return(regtry(prog, string));
  747.  
  748.     /* Messy cases:  unanchored match. */
  749.     s = string;
  750.     if (prog->regstart != '\0')
  751.         /* We know what char it must start with. */
  752.         while ((s = strchr(s, prog->regstart)) != NULL) {
  753.             if (regtry(prog, s))
  754.                 return(1);
  755.             s++;
  756.         }
  757.     else
  758.         /* We don't -- general case. */
  759.         do {
  760.             if (regtry(prog, s))
  761.                 return(1);
  762.         } while (*s++ != '\0');
  763.  
  764.     /* Failure. */
  765.     return(0);
  766. }
  767.  
  768. /*
  769.  - regtry - try match at specific point
  770.  */
  771. static int            /* 0 failure, 1 success */
  772. regtry(prog, string)
  773. regexp *prog;
  774. char *string;
  775. {
  776.     register int i;
  777.     register char **sp;
  778.     register char **ep;
  779.  
  780.     reginput = string;
  781.     regstartp = prog->startp;
  782.     regendp = prog->endp;
  783.  
  784.     sp = prog->startp;
  785.     ep = prog->endp;
  786.     for (i = NSUBEXP; i > 0; i--) {
  787.         *sp++ = NULL;
  788.         *ep++ = NULL;
  789.     }
  790.     if (regmatch(prog->program + 1)) {
  791.         prog->startp[0] = string;
  792.         prog->endp[0] = reginput;
  793.         return(1);
  794.     } else
  795.         return(0);
  796. }
  797.  
  798. /*
  799.  - regmatch - main matching routine
  800.  *
  801.  * Conceptually the strategy is simple:  check to see whether the current
  802.  * node matches, call self recursively to see whether the rest matches,
  803.  * and then act accordingly.  In practice we make some effort to avoid
  804.  * recursion, in particular by going through "ordinary" nodes (that don't
  805.  * need to know whether the rest of the match failed) by a loop instead of
  806.  * by recursion.
  807.  */
  808. static int            /* 0 failure, 1 success */
  809. regmatch(prog)
  810. char *prog;
  811. {
  812.     register char *scan;    /* Current node. */
  813.     char *next;        /* Next node. */
  814.  
  815.     scan = prog;
  816. #ifdef DEBUG
  817.     if (scan != NULL && regnarrate)
  818.         fprintf(stderr, "%s(\n", regprop(scan));
  819. #endif
  820.     while (scan != NULL) {
  821. #ifdef DEBUG
  822.         if (regnarrate)
  823.             fprintf(stderr, "%s...\n", regprop(scan));
  824. #endif
  825.         next = regnext(scan);
  826.  
  827.         switch (OP(scan)) {
  828.         case BOL:
  829.             if (reginput != regbol)
  830.                 return(0);
  831.             break;
  832.         case EOL:
  833.             if (*reginput != '\0')
  834.                 return(0);
  835.             break;
  836.         case ANY:
  837.             if (*reginput == '\0')
  838.                 return(0);
  839.             reginput++;
  840.             break;
  841.         case EXACTLY: {
  842.                 register int len;
  843.                 register char *opnd;
  844.  
  845.                 opnd = OPERAND(scan);
  846.                 /* Inline the first character, for speed. */
  847.                 if (*opnd != *reginput)
  848.                     return(0);
  849.                 len = strlen(opnd);
  850.                 if (len > 1 && strncmp(opnd, reginput, len) != 0)
  851.                     return(0);
  852.                 reginput += len;
  853.             }
  854.             break;
  855.         case ANYOF:
  856.              if (*reginput == '\0' || strchr(OPERAND(scan), *reginput) == NULL)
  857.                 return(0);
  858.             reginput++;
  859.             break;
  860.         case ANYBUT:
  861.              if (*reginput == '\0' || strchr(OPERAND(scan), *reginput) != NULL)
  862.                 return(0);
  863.             reginput++;
  864.             break;
  865.         case NOTHING:
  866.             break;
  867.         case BACK:
  868.             break;
  869.         case OPEN+1:
  870.         case OPEN+2:
  871.         case OPEN+3:
  872.         case OPEN+4:
  873.         case OPEN+5:
  874.         case OPEN+6:
  875.         case OPEN+7:
  876.         case OPEN+8:
  877.         case OPEN+9: {
  878.                 register int no;
  879.                 register char *save;
  880.  
  881.                 no = OP(scan) - OPEN;
  882.                 save = reginput;
  883.  
  884.                 if (regmatch(next)) {
  885.                     /*
  886.                      * Don't set startp if some later
  887.                      * invocation of the same parentheses
  888.                      * already has.
  889.                      */
  890.                     if (regstartp[no] == NULL)
  891.                         regstartp[no] = save;
  892.                     return(1);
  893.                 } else
  894.                     return(0);
  895.             }
  896.             /* NOTREACHED */
  897.             break;
  898.         case CLOSE+1:
  899.         case CLOSE+2:
  900.         case CLOSE+3:
  901.         case CLOSE+4:
  902.         case CLOSE+5:
  903.         case CLOSE+6:
  904.         case CLOSE+7:
  905.         case CLOSE+8:
  906.         case CLOSE+9: {
  907.                 register int no;
  908.                 register char *save;
  909.  
  910.                 no = OP(scan) - CLOSE;
  911.                 save = reginput;
  912.  
  913.                 if (regmatch(next)) {
  914.                     /*
  915.                      * Don't set endp if some later
  916.                      * invocation of the same parentheses
  917.                      * already has.
  918.                      */
  919.                     if (regendp[no] == NULL)
  920.                         regendp[no] = save;
  921.                     return(1);
  922.                 } else
  923.                     return(0);
  924.             }
  925.             /* NOTREACHED */
  926.             break;
  927.         case BRANCH: {
  928.                 register char *save;
  929.  
  930.                 if (OP(next) != BRANCH)        /* No choice. */
  931.                     next = OPERAND(scan);    /* Avoid recursion. */
  932.                 else {
  933.                     do {
  934.                         save = reginput;
  935.                         if (regmatch(OPERAND(scan)))
  936.                             return(1);
  937.                         reginput = save;
  938.                         scan = regnext(scan);
  939.                     } while (scan != NULL && OP(scan) == BRANCH);
  940.                     return(0);
  941.                     /* NOTREACHED */
  942.                 }
  943.             }
  944.             /* NOTREACHED */
  945.             break;
  946.         case STAR:
  947.         case PLUS: {
  948.                 register char nextch;
  949.                 register int no;
  950.                 register char *save;
  951.                 register int min;
  952.  
  953.                 /*
  954.                  * Lookahead to avoid useless match attempts
  955.                  * when we know what character comes next.
  956.                  */
  957.                 nextch = '\0';
  958.                 if (OP(next) == EXACTLY)
  959.                     nextch = *OPERAND(next);
  960.                 min = (OP(scan) == STAR) ? 0 : 1;
  961.                 save = reginput;
  962.                 no = regrepeat(OPERAND(scan));
  963.                 while (no >= min) {
  964.                     /* If it could work, try it. */
  965.                     if (nextch == '\0' || *reginput == nextch)
  966.                         if (regmatch(next))
  967.                             return(1);
  968.                     /* Couldn't or didn't -- back up. */
  969.                     no--;
  970.                     reginput = save + no;
  971.                 }
  972.                 return(0);
  973.             }
  974.             /* NOTREACHED */
  975.             break;
  976.         case END:
  977.             return(1);    /* Success! */
  978.             /* NOTREACHED */
  979.             break;
  980.         default:
  981.             regerror("memory corruption");
  982.             return(0);
  983.             /* NOTREACHED */
  984.             break;
  985.         }
  986.  
  987.         scan = next;
  988.     }
  989.  
  990.     /*
  991.      * We get here only if there's trouble -- normally "case END" is
  992.      * the terminating point.
  993.      */
  994.     regerror("corrupted pointers");
  995.     return(0);
  996. }
  997.  
  998. /*
  999.  - regrepeat - repeatedly match something simple, report how many
  1000.  */
  1001. static int
  1002. regrepeat(p)
  1003. char *p;
  1004. {
  1005.     register int count = 0;
  1006.     register char *scan;
  1007.     register char *opnd;
  1008.  
  1009.     scan = reginput;
  1010.     opnd = OPERAND(p);
  1011.     switch (OP(p)) {
  1012.     case ANY:
  1013.         count = strlen(scan);
  1014.         scan += count;
  1015.         break;
  1016.     case EXACTLY:
  1017.         while (*opnd == *scan) {
  1018.             count++;
  1019.             scan++;
  1020.         }
  1021.         break;
  1022.     case ANYOF:
  1023.         while (*scan != '\0' && strchr(opnd, *scan) != NULL) {
  1024.             count++;
  1025.             scan++;
  1026.         }
  1027.         break;
  1028.     case ANYBUT:
  1029.         while (*scan != '\0' && strchr(opnd, *scan) == NULL) {
  1030.             count++;
  1031.             scan++;
  1032.         }
  1033.         break;
  1034.     default:        /* Oh dear.  Called inappropriately. */
  1035.         regerror("internal foulup");
  1036.         count = 0;    /* Best compromise. */
  1037.         break;
  1038.     }
  1039.     reginput = scan;
  1040.  
  1041.     return(count);
  1042. }
  1043.  
  1044. /*
  1045.  - regnext - dig the "next" pointer out of a node
  1046.  */
  1047. static char *
  1048. regnext(p)
  1049. register char *p;
  1050. {
  1051.     register int offset;
  1052.  
  1053.     if (p == ®dummy)
  1054.         return(NULL);
  1055.  
  1056.     offset = NEXT(p);
  1057.     if (offset == 0)
  1058.         return(NULL);
  1059.  
  1060.     if (OP(p) == BACK)
  1061.         return(p-offset);
  1062.     else
  1063.         return(p+offset);
  1064. }
  1065.  
  1066. #ifdef DEBUG
  1067.  
  1068. STATIC char *regprop();
  1069.  
  1070. /*
  1071.  - regdump - dump a regexp onto stdout in vaguely comprehensible form
  1072.  */
  1073. void
  1074. regdump(r)
  1075. regexp *r;
  1076. {
  1077.     register char *s;
  1078.     register char op = EXACTLY;    /* Arbitrary non-END op. */
  1079.     register char *next;
  1080.  
  1081.  
  1082.     s = r->program + 1;
  1083.     while (op != END) {    /* While that wasn't END last time... */
  1084.         op = OP(s);
  1085.         printf("%2d%s", s-r->program, regprop(s));    /* Where, what. */
  1086.         next = regnext(s);
  1087.         if (next == NULL)        /* Next ptr. */
  1088.             printf("(0)");
  1089.         else 
  1090.             printf("(%d)", (s-r->program)+(next-s));
  1091.         s += 3;
  1092.         if (op == ANYOF || op == ANYBUT || op == EXACTLY) {
  1093.             /* Literal string, where present. */
  1094.             while (*s != '\0') {
  1095.                 putchar(*s);
  1096.                 s++;
  1097.             }
  1098.             s++;
  1099.         }
  1100.         putchar('\n');
  1101.     }
  1102.  
  1103.     /* Header fields of interest. */
  1104.     if (r->regstart != '\0')
  1105.         printf("start `%c' ", r->regstart);
  1106.     if (r->reganch)
  1107.         printf("anchored ");
  1108.     if (r->regmust != NULL)
  1109.         printf("must have \"%s\"", r->regmust);
  1110.     printf("\n");
  1111. }
  1112.  
  1113. /*
  1114.  - regprop - printable representation of opcode
  1115.  */
  1116. static char *
  1117. regprop(op)
  1118. char *op;
  1119. {
  1120.     register char *p;
  1121.     static char buf[50];
  1122.  
  1123.     (void) strcpy(buf, ":");
  1124.  
  1125.     switch (OP(op)) {
  1126.     case BOL:
  1127.         p = "BOL";
  1128.         break;
  1129.     case EOL:
  1130.         p = "EOL";
  1131.         break;
  1132.     case ANY:
  1133.         p = "ANY";
  1134.         break;
  1135.     case ANYOF:
  1136.         p = "ANYOF";
  1137.         break;
  1138.     case ANYBUT:
  1139.         p = "ANYBUT";
  1140.         break;
  1141.     case BRANCH:
  1142.         p = "BRANCH";
  1143.         break;
  1144.     case EXACTLY:
  1145.         p = "EXACTLY";
  1146.         break;
  1147.     case NOTHING:
  1148.         p = "NOTHING";
  1149.         break;
  1150.     case BACK:
  1151.         p = "BACK";
  1152.         break;
  1153.     case END:
  1154.         p = "END";
  1155.         break;
  1156.     case OPEN+1:
  1157.     case OPEN+2:
  1158.     case OPEN+3:
  1159.     case OPEN+4:
  1160.     case OPEN+5:
  1161.     case OPEN+6:
  1162.     case OPEN+7:
  1163.     case OPEN+8:
  1164.     case OPEN+9:
  1165.         sprintf(buf+strlen(buf), "OPEN%d", OP(op)-OPEN);
  1166.         p = NULL;
  1167.         break;
  1168.     case CLOSE+1:
  1169.     case CLOSE+2:
  1170.     case CLOSE+3:
  1171.     case CLOSE+4:
  1172.     case CLOSE+5:
  1173.     case CLOSE+6:
  1174.     case CLOSE+7:
  1175.     case CLOSE+8:
  1176.     case CLOSE+9:
  1177.         sprintf(buf+strlen(buf), "CLOSE%d", OP(op)-CLOSE);
  1178.         p = NULL;
  1179.         break;
  1180.     case STAR:
  1181.         p = "STAR";
  1182.         break;
  1183.     case PLUS:
  1184.         p = "PLUS";
  1185.         break;
  1186.     default:
  1187.         regerror("corrupted opcode");
  1188.         break;
  1189.     }
  1190.     if (p != NULL)
  1191.         (void) strcat(buf, p);
  1192.     return(buf);
  1193. }
  1194. #endif
  1195.  
  1196. /*
  1197.  * The following is provided for those people who do not have strcspn() in
  1198.  * their C libraries.  They should get off their butts and do something
  1199.  * about it; at least one public-domain implementation of those (highly
  1200.  * useful) string routines has been published on Usenet.
  1201.  */
  1202. #ifdef STRCSPN
  1203. /*
  1204.  * strcspn - find length of initial segment of s1 consisting entirely
  1205.  * of characters not from s2
  1206.  */
  1207.  
  1208. static int
  1209. strcspn(s1, s2)
  1210. char *s1;
  1211. char *s2;
  1212. {
  1213.     register char *scan1;
  1214.     register char *scan2;
  1215.     register int count;
  1216.  
  1217.     count = 0;
  1218.     for (scan1 = s1; *scan1 != '\0'; scan1++) {
  1219.         for (scan2 = s2; *scan2 != '\0';)    /* ++ moved down. */
  1220.             if (*scan1 == *scan2++)
  1221.                 return(count);
  1222.         count++;
  1223.     }
  1224.     return(count);
  1225. }
  1226. #endif
  1227.