all tests succeed
This commit is contained in:
parent
7c88282816
commit
43198a03cc
2
Makefile
2
Makefile
@ -1,4 +1,4 @@
|
||||
CXXFLAGS := -fuse-ld=mold -ggdb
|
||||
CXXFLAGS := -fuse-ld=mold -ggdb -Wall -Wextra -Wpedantic
|
||||
OUT := regtest
|
||||
|
||||
main:
|
||||
|
@ -74,6 +74,14 @@ signed main() {
|
||||
|
||||
puts("");
|
||||
|
||||
TEST(R"del(ne.o)del","neto",true);
|
||||
TEST(R"del(ne.+o)del","nettto",true);
|
||||
TEST(R"del(ne.+o)del","neo",false);
|
||||
TEST(R"del(ne.+o)del","neoo",true);
|
||||
TEST(R"del(ne.*o)del","neo",true);
|
||||
|
||||
puts("");
|
||||
|
||||
TEST(R"del(ne.)del","ne\t",true);
|
||||
TEST(R"del(ne\t)del","ne",false);
|
||||
TEST(R"del(ne\t)del","ne\t",true);
|
||||
@ -98,6 +106,14 @@ signed main() {
|
||||
|
||||
puts("");
|
||||
|
||||
TEST(R"del([^0-9])del","0",false);
|
||||
TEST(R"del([^A-Za-z])del","HelloWorld",false);
|
||||
TEST(R"del([^A-Za-z]+g)del","313g",true);
|
||||
TEST(R"del([^0-9])del","HelloWorld",true);
|
||||
TEST(R"del([^a])del","ba",true);
|
||||
|
||||
puts("");
|
||||
|
||||
TEST(R"del(^\^)del","^^",true);
|
||||
TEST(R"del(^\^)del"," ^",false);
|
||||
TEST(R"del(^ \^)del"," ^",true);
|
||||
|
300
source/regex.c
300
source/regex.c
@ -20,8 +20,9 @@
|
||||
// ------------------
|
||||
// ### Char tests ###
|
||||
// ------------------
|
||||
static bool is_quantifier(const char c) {
|
||||
for (const char * s = "+*?="; *s != '\00'; s++) {
|
||||
static inline
|
||||
bool mystrchr(const char * const str, const char c){
|
||||
for (const char * s = str; *s != '\00'; s++) {
|
||||
if (*s == c) {
|
||||
return true;
|
||||
}
|
||||
@ -29,16 +30,20 @@ static bool is_quantifier(const char c) {
|
||||
return false;
|
||||
}
|
||||
|
||||
static inline
|
||||
bool is_quantifier(const char c) {
|
||||
return mystrchr("=?+*", c);
|
||||
}
|
||||
|
||||
static inline
|
||||
bool is_hologram_escape(const char c) {
|
||||
return mystrchr("<>", c);
|
||||
}
|
||||
|
||||
bool is_magic(const char c) {
|
||||
if (is_quantifier(c)) {
|
||||
return true;
|
||||
}
|
||||
for (const char * s = "\\[].^"; *s != '\00'; s++) {
|
||||
if (*s == c) {
|
||||
return true;
|
||||
}
|
||||
}
|
||||
return false;
|
||||
return is_quantifier(c)
|
||||
|| mystrchr("\\[].^", c)
|
||||
;
|
||||
}
|
||||
|
||||
// -----------------
|
||||
@ -71,6 +76,12 @@ bool is_magic(const char c) {
|
||||
#define JEGER_CHAR_SET_file_extra "/.-_+,#$%~="
|
||||
#define JEGER_CHAR_SET_whitespace " \t\v\n"
|
||||
|
||||
static const char JEGER_CHAR_very_word_chars[] =
|
||||
JEGER_CHAR_SET_underscore
|
||||
JEGER_CHAR_SET_lower
|
||||
JEGER_CHAR_SET_upper
|
||||
;
|
||||
|
||||
// ----------------------
|
||||
// ### Internal Types ###
|
||||
// ----------------------
|
||||
@ -93,24 +104,16 @@ enum {
|
||||
DO_CATCH = 0x00000001 << 0,
|
||||
IS_NEGATIVE = 0x00000001 << 1,
|
||||
IS_AT_THE_BEGINNING = 0x00000001 << 2,
|
||||
DO_SKIP = 0x00000001 << 3,
|
||||
FORCE_START_OF_STRING = 0x00000001 << 4,
|
||||
FORCE_START_OF_STRING = 0x00000001 << 3,
|
||||
INCREMENT_STATE = 0x00000001 << 4,
|
||||
};
|
||||
|
||||
typedef struct {
|
||||
// XXX:
|
||||
int flags;
|
||||
// these might be obsolite but im leaving them for now
|
||||
bool do_loop_hook;
|
||||
bool do_follow_hook;
|
||||
bool do_loop_shoot;
|
||||
bool do_follow_shoot;
|
||||
// ---
|
||||
int state;
|
||||
int width;
|
||||
char * whitelist;
|
||||
char * blacklist;
|
||||
regex_t * regex;
|
||||
} compiler_state;
|
||||
|
||||
|
||||
@ -123,47 +126,50 @@ static const int HALT_AND_CATCH_FIRE = INT_MIN;
|
||||
#define ASSERT_HALT(a) ((a == HALT_AND_CATCH_FIRE) ? HALT_AND_CATCH_FIRE : (cs->state + a))
|
||||
|
||||
static
|
||||
void HOOK_ALL( int from,
|
||||
void HOOK_ALL(const int from,
|
||||
const char * const str,
|
||||
int to,
|
||||
compiler_state * cs) {
|
||||
const int to,
|
||||
const compiler_state * const cs,
|
||||
regex_t * regex) {
|
||||
for (const char * s = str; *s != '\0'; s++) {
|
||||
delta_t * delta = (delta_t *)malloc(sizeof(delta_t));
|
||||
delta->in = cs->state + from;
|
||||
delta->input = *s;
|
||||
delta->to = ASSERT_HALT(to);
|
||||
delta->width = cs->width;
|
||||
vector_push(&cs->regex->delta_table,
|
||||
vector_push(®ex->delta_table,
|
||||
&delta);
|
||||
}
|
||||
}
|
||||
|
||||
static
|
||||
void ABSOLUTE_OFFSHOOT(int from,
|
||||
int to,
|
||||
int width,
|
||||
int match_width,
|
||||
compiler_state * cs) {
|
||||
void ABSOLUTE_OFFSHOOT(const int from,
|
||||
const int to,
|
||||
const int width,
|
||||
const int match_width,
|
||||
regex_t * regex) {
|
||||
offshoot_t * offshoot = (offshoot_t *)malloc(sizeof(offshoot_t));
|
||||
offshoot->in = from;
|
||||
offshoot->to = to;
|
||||
offshoot->width = width;
|
||||
offshoot->match_width = match_width;
|
||||
vector_push(&cs->regex->catch_table,
|
||||
vector_push(®ex->catch_table,
|
||||
&offshoot);
|
||||
}
|
||||
|
||||
static
|
||||
void OFFSHOOT(int from,
|
||||
int to,
|
||||
int width,
|
||||
int match_width,
|
||||
compiler_state * cs) {
|
||||
ABSOLUTE_OFFSHOOT(cs->state + from, ASSERT_HALT(to), width, match_width, cs);
|
||||
void OFFSHOOT(const int from,
|
||||
const int to,
|
||||
const int width,
|
||||
const int match_width,
|
||||
const compiler_state * cs,
|
||||
regex_t * regex) {
|
||||
ABSOLUTE_OFFSHOOT(cs->state + from, ASSERT_HALT(to), width, match_width, regex);
|
||||
}
|
||||
|
||||
static
|
||||
int escape_1_to_1(const char c, compiler_state * cs) {
|
||||
int escape_1_to_1(const char c,
|
||||
const compiler_state * const cs) {
|
||||
char * target_list = (cs->flags & IS_NEGATIVE) ? cs->blacklist : cs->whitelist;
|
||||
switch (c) {
|
||||
case 't': {
|
||||
@ -211,7 +217,8 @@ int escape_1_to_1(const char c, compiler_state * cs) {
|
||||
}
|
||||
|
||||
static
|
||||
int escape_1_to_N(const char c, compiler_state * cs) {
|
||||
int escape_1_to_N(const char c,
|
||||
const compiler_state * const cs) {
|
||||
char * target_list = (cs->flags & IS_NEGATIVE) ? cs->blacklist : cs->whitelist;
|
||||
switch(c) {
|
||||
case 'i': {
|
||||
@ -312,12 +319,9 @@ int escape_1_to_N(const char c, compiler_state * cs) {
|
||||
return sizeof(word_chars)-1;
|
||||
};
|
||||
case 'h': {
|
||||
const char very_word_chars[] = JEGER_CHAR_SET_underscore
|
||||
JEGER_CHAR_SET_lower
|
||||
JEGER_CHAR_SET_upper
|
||||
;
|
||||
strcpy(target_list, very_word_chars);
|
||||
return sizeof(very_word_chars)-1;
|
||||
// #global JEGER_CHAR_very_word_chars
|
||||
strcpy(target_list, JEGER_CHAR_very_word_chars);
|
||||
return sizeof(JEGER_CHAR_very_word_chars)-1;
|
||||
};
|
||||
case 'a': {
|
||||
const char alpha_chars[] = JEGER_CHAR_SET_lower
|
||||
@ -341,7 +345,7 @@ int escape_1_to_N(const char c, compiler_state * cs) {
|
||||
return 0;
|
||||
}
|
||||
|
||||
static
|
||||
static inline
|
||||
int escape_to_negative(const char c,
|
||||
compiler_state * const cs) {
|
||||
switch (c) {
|
||||
@ -356,59 +360,13 @@ int escape_to_negative(const char c,
|
||||
return 0;
|
||||
}
|
||||
|
||||
static
|
||||
int compile_hologram(const char c,
|
||||
compiler_state * const cs) {
|
||||
static
|
||||
const char very_word_chars[] = JEGER_CHAR_SET_underscore
|
||||
JEGER_CHAR_SET_lower
|
||||
JEGER_CHAR_SET_upper
|
||||
;
|
||||
switch (c) {
|
||||
case '^': {
|
||||
cs->whitelist[0] = '\n';
|
||||
cs->whitelist[1] = '\0';
|
||||
HOOK_ALL(0, cs->whitelist, 0, cs);
|
||||
cs->flags |= DO_SKIP;
|
||||
if (cs->flags & IS_AT_THE_BEGINNING) {
|
||||
cs->flags |= FORCE_START_OF_STRING;
|
||||
} else {
|
||||
cs->state += 1;
|
||||
}
|
||||
return 1;
|
||||
};
|
||||
case '<': {
|
||||
if (cs->flags & IS_AT_THE_BEGINNING) {
|
||||
ABSOLUTE_OFFSHOOT(0, 3, 0, 0, cs); //XXX: figure out how to move this
|
||||
}
|
||||
cs->flags |= DO_SKIP;
|
||||
cs->flags |= IS_NEGATIVE;
|
||||
strcat(cs->blacklist, very_word_chars);
|
||||
OFFSHOOT(0, 0, 1, 0, cs); //XXX: figure out how to move this
|
||||
++cs->state;
|
||||
return sizeof(very_word_chars)-1;
|
||||
};
|
||||
case '>': {
|
||||
cs->flags |= DO_SKIP;
|
||||
cs->flags |= IS_NEGATIVE;
|
||||
strcat(cs->blacklist, very_word_chars);
|
||||
OFFSHOOT(0, 1, 0, 0, cs); //XXX: figure out how to move this
|
||||
++cs->state; // XXX: the current bug arises from the state being increased before the blacklist is hooked
|
||||
|
||||
return sizeof(very_word_chars)-1;
|
||||
}
|
||||
}
|
||||
return 0;
|
||||
|
||||
}
|
||||
|
||||
static
|
||||
static inline
|
||||
int compile_dot(compiler_state * cs) {
|
||||
cs->flags |= DO_CATCH;
|
||||
return true;
|
||||
}
|
||||
|
||||
static
|
||||
static inline
|
||||
int compile_escape(const char c,
|
||||
compiler_state * const cs) {
|
||||
|
||||
@ -455,6 +413,7 @@ int compile_range(const char * const range,
|
||||
return ((s - range) + 1);
|
||||
}
|
||||
|
||||
static
|
||||
void filter_blacklist(const char * whitelist,
|
||||
const char * blacklist,
|
||||
char * filtered) {
|
||||
@ -476,7 +435,6 @@ regex_t * regex_compile(const char * const pattern) {
|
||||
vector_init(®ex->delta_table, sizeof(delta_t*), 0UL);
|
||||
vector_init(®ex->catch_table, sizeof(offshoot_t*), 0UL);
|
||||
|
||||
// this is plain retarded
|
||||
char whitelist[64];
|
||||
char blacklist[64];
|
||||
|
||||
@ -486,110 +444,137 @@ regex_t * regex_compile(const char * const pattern) {
|
||||
.width = 0,
|
||||
.whitelist = whitelist,
|
||||
.blacklist = blacklist,
|
||||
.regex = regex,
|
||||
};
|
||||
|
||||
for (const char * s = pattern; *s != '\00';) {
|
||||
// Reset the compiler
|
||||
assert(!is_quantifier(*s) && "Pattern starts with quantifier.");
|
||||
// Reset the compiler
|
||||
whitelist[0] = '\0';
|
||||
blacklist[0] = '\0';
|
||||
cs.flags &= IS_AT_THE_BEGINNING;
|
||||
/**/
|
||||
cs.do_loop_hook = false;
|
||||
cs.do_follow_hook = false;
|
||||
cs.do_loop_shoot = false;
|
||||
cs.do_follow_shoot = false;
|
||||
/**/
|
||||
cs.width = 1;
|
||||
|
||||
// Translate char
|
||||
switch (*s) {
|
||||
case '^': {
|
||||
compile_hologram(*s, &cs);
|
||||
;
|
||||
} break;
|
||||
case '.': {
|
||||
compile_dot(&cs);
|
||||
s += 1;
|
||||
} break;
|
||||
case '\\': {
|
||||
s += 1;
|
||||
assert((compile_escape(*s, &cs) || compile_hologram(*s, &cs)) && "Unknown escape.");
|
||||
if (compile_escape(*s, &cs)) {
|
||||
s += 1;
|
||||
} else if (is_hologram_escape(*s)) {
|
||||
;
|
||||
} else {
|
||||
assert("Unknown escape.");
|
||||
}
|
||||
} break;
|
||||
case '[': {
|
||||
s += compile_range(s, &cs) - 1;
|
||||
s += compile_range(s, &cs);
|
||||
} break;
|
||||
default: { // Literal
|
||||
whitelist[0] = *s;
|
||||
whitelist[1] = '\0';
|
||||
s += 1;
|
||||
} break;
|
||||
}
|
||||
|
||||
// Compile char
|
||||
switch (*s) {
|
||||
// holograms
|
||||
case '^': {
|
||||
whitelist[0] = '\n';
|
||||
whitelist[1] = '\0';
|
||||
HOOK_ALL(0, whitelist, 0, &cs, regex);
|
||||
if (cs.flags & IS_AT_THE_BEGINNING) {
|
||||
cs.flags |= FORCE_START_OF_STRING;
|
||||
} else {
|
||||
cs.flags |= INCREMENT_STATE;
|
||||
}
|
||||
s += 1;
|
||||
} break;
|
||||
case '<': {
|
||||
cs.flags |= IS_NEGATIVE | INCREMENT_STATE;
|
||||
if (cs.flags & IS_AT_THE_BEGINNING) {
|
||||
ABSOLUTE_OFFSHOOT(0, JEGER_INIT_STATE+1, 0, 0, regex);
|
||||
}
|
||||
strcat(blacklist, JEGER_CHAR_very_word_chars);
|
||||
OFFSHOOT(0, 0, 1, 0, &cs, regex);
|
||||
s += 1;
|
||||
} break;
|
||||
case '>': {
|
||||
cs.flags |= IS_NEGATIVE | INCREMENT_STATE;
|
||||
strcat(blacklist, JEGER_CHAR_very_word_chars);
|
||||
OFFSHOOT(0, 1, 0, 0, &cs, regex);
|
||||
s += 1;
|
||||
} break;
|
||||
// quantifiers
|
||||
case '=':
|
||||
case '?': {
|
||||
HOOK_ALL(0, whitelist, +1, &cs, regex);
|
||||
if ((cs.flags & DO_CATCH)
|
||||
|| (cs.flags & IS_NEGATIVE)) {
|
||||
OFFSHOOT(0, +1, 1, 1, &cs, regex);
|
||||
}
|
||||
s += 1;
|
||||
} break;
|
||||
case '*': {
|
||||
HOOK_ALL(0, whitelist, 0, &cs, regex);
|
||||
if ((cs.flags & DO_CATCH)
|
||||
|| (cs.flags & IS_NEGATIVE)) {
|
||||
OFFSHOOT(0, 0, 1, 1, &cs, regex);
|
||||
}
|
||||
s += 1;
|
||||
} break;
|
||||
case '+': {
|
||||
cs.flags |= INCREMENT_STATE;
|
||||
HOOK_ALL(0, whitelist, +1, &cs, regex);
|
||||
if ((cs.flags & DO_CATCH)
|
||||
|| (cs.flags & IS_NEGATIVE)) {
|
||||
OFFSHOOT(0, +1, 1, 1, &cs, regex);
|
||||
}
|
||||
HOOK_ALL(+1, whitelist, +1, &cs, regex);
|
||||
if ((cs.flags & DO_CATCH)
|
||||
|| (cs.flags & IS_NEGATIVE)) {
|
||||
OFFSHOOT(+1, +1, 1, 1, &cs, regex);
|
||||
}
|
||||
s += 1;
|
||||
} break;
|
||||
default: { // Literal
|
||||
cs.flags |= INCREMENT_STATE;
|
||||
HOOK_ALL(0, whitelist, +1, &cs, regex);
|
||||
if ((cs.flags & DO_CATCH)
|
||||
|| (cs.flags & IS_NEGATIVE)) {
|
||||
OFFSHOOT(0, +1, 1, 1, &cs, regex);
|
||||
}
|
||||
} break;
|
||||
}
|
||||
|
||||
// Compile blacklist
|
||||
if (*blacklist) {
|
||||
char filtered_blacklist[64];
|
||||
filtered_blacklist[0] = '\0';
|
||||
filter_blacklist(whitelist, blacklist, filtered_blacklist);
|
||||
HOOK_ALL(0, filtered_blacklist, HALT_AND_CATCH_FIRE, &cs);
|
||||
HOOK_ALL(0, filtered_blacklist, HALT_AND_CATCH_FIRE, &cs, regex);
|
||||
}
|
||||
|
||||
if (cs.flags & DO_SKIP) {
|
||||
goto long_continue;
|
||||
}
|
||||
|
||||
// Compile with quantifier
|
||||
switch (*s) {
|
||||
case '=':
|
||||
case '?': {
|
||||
HOOK_ALL(0, whitelist, +1, &cs);
|
||||
if ((cs.flags & DO_CATCH) || (cs.flags & IS_NEGATIVE)) {
|
||||
OFFSHOOT(0, +1, 1, 1, &cs);
|
||||
}
|
||||
s += 1;
|
||||
} break;
|
||||
case '*': {
|
||||
HOOK_ALL(0, whitelist, 0, &cs);
|
||||
if ((cs.flags & DO_CATCH)
|
||||
|| (cs.flags & IS_NEGATIVE)) {
|
||||
OFFSHOOT(0, 0, 1, 1, &cs);
|
||||
}
|
||||
s += 1;
|
||||
} break;
|
||||
case '+': {
|
||||
HOOK_ALL(0, whitelist, +1, &cs);
|
||||
if ((cs.flags & DO_CATCH)
|
||||
|| (cs.flags & IS_NEGATIVE)) {
|
||||
OFFSHOOT(0, +1, 1, 1, &cs);
|
||||
}
|
||||
if (cs.flags & INCREMENT_STATE) {
|
||||
++cs.state;
|
||||
HOOK_ALL(0, whitelist, 0, &cs);
|
||||
if ((cs.flags & DO_CATCH)
|
||||
|| (cs.flags & IS_NEGATIVE)) {
|
||||
OFFSHOOT(0, 0, 1, 1, &cs);
|
||||
}
|
||||
s += 1;
|
||||
} break;
|
||||
default: { // Literal
|
||||
HOOK_ALL(0, whitelist, +1, &cs);
|
||||
if ((cs.flags & DO_CATCH)
|
||||
|| (cs.flags & IS_NEGATIVE)) {
|
||||
OFFSHOOT(0, +1, 1, 1, &cs);
|
||||
}
|
||||
++cs.state;
|
||||
} break;
|
||||
}
|
||||
|
||||
long_continue:
|
||||
cs.flags &= !IS_AT_THE_BEGINNING;
|
||||
cs.flags &= !(IS_AT_THE_BEGINNING);
|
||||
}
|
||||
|
||||
// Init state hookups
|
||||
ABSOLUTE_OFFSHOOT(0, 2, 0, 0, &cs);
|
||||
ABSOLUTE_OFFSHOOT(0, JEGER_INIT_STATE, 0, 0, regex);
|
||||
if (cs.flags & FORCE_START_OF_STRING) {
|
||||
ABSOLUTE_OFFSHOOT(1, HALT_AND_CATCH_FIRE, 0, 0, &cs);
|
||||
ABSOLUTE_OFFSHOOT(1, HALT_AND_CATCH_FIRE, 0, 0, regex);
|
||||
} else {
|
||||
ABSOLUTE_OFFSHOOT(1, 2, 0, 0, &cs);
|
||||
ABSOLUTE_OFFSHOOT(1, JEGER_INIT_STATE, 0, 0, regex);
|
||||
}
|
||||
|
||||
regex->accepting_state = cs.state;
|
||||
@ -632,9 +617,11 @@ bool regex_assert(const regex_t * const regex,
|
||||
}
|
||||
|
||||
bool last_stand = false;
|
||||
bool was_found;
|
||||
|
||||
const char * s = string;
|
||||
LOOP: {
|
||||
was_found = false;
|
||||
if (*s == '\0') {
|
||||
last_stand = true;
|
||||
goto PERFORM_CATCH_LOOKUP;
|
||||
@ -660,6 +647,7 @@ bool regex_assert(const regex_t * const regex,
|
||||
|
||||
if ((delta->in == state)
|
||||
&& (delta->input == *s)) {
|
||||
was_found = true;
|
||||
const int r = regex_assert(regex, s + delta->width, delta->to, match);
|
||||
if(r){
|
||||
if ((match->position != -1)
|
||||
@ -674,6 +662,7 @@ bool regex_assert(const regex_t * const regex,
|
||||
}
|
||||
|
||||
PERFORM_CATCH_LOOKUP: {
|
||||
if (!was_found) {
|
||||
const offshoot_t * const my_catch = catch_table_lookup(regex, &state);
|
||||
if (my_catch && (!my_catch->width || !last_stand)) {
|
||||
state = my_catch->to;
|
||||
@ -682,6 +671,7 @@ bool regex_assert(const regex_t * const regex,
|
||||
goto LOOP;
|
||||
}
|
||||
}
|
||||
}
|
||||
|
||||
return (state == regex->accepting_state);
|
||||
}
|
||||
|
Loading…
Reference in New Issue
Block a user