Merge branch 'master' of https://git.lain.church/emil/hl
This commit is contained in:
commit
d4c454586f
481
source/regex.c
481
source/regex.c
@ -1,211 +1,338 @@
|
|||||||
#include "regex.h"
|
#include <assert.h>
|
||||||
|
#include <string.h>
|
||||||
|
#include "vector.h"
|
||||||
|
|
||||||
bool is_case_on = true;
|
typedef struct {
|
||||||
|
int in;
|
||||||
|
char input;
|
||||||
|
int to;
|
||||||
|
} delta_t;
|
||||||
|
|
||||||
static bool is_next_valid(const char * const s) {
|
typedef struct {
|
||||||
return *(s + 1);
|
int in;
|
||||||
}
|
int to;
|
||||||
|
} offshoot_t;
|
||||||
|
|
||||||
static bool char_in_range(const char start,
|
typedef struct {
|
||||||
const char end,
|
char * str;
|
||||||
const char character) {
|
vector_t delta_table; // <delta_t>
|
||||||
if (start > end){
|
vector_t catch_table; // <offshoot_t>
|
||||||
return false;
|
int accepting_state;
|
||||||
}
|
} regex_t;
|
||||||
|
|
||||||
for (char c = start; c != end; c++) {
|
#define HALT_AND_CATCH_FIRE -1
|
||||||
if (character == c) {
|
|
||||||
|
#define HOOK_ALL(from, str, to) do { \
|
||||||
|
for (char * s = str; *s != '\00'; s++) { \
|
||||||
|
vector_push(regex->delta_table \
|
||||||
|
(delta_t *){state + from, *s, state + to} \
|
||||||
|
); \
|
||||||
|
} \
|
||||||
|
if (do_catch) { \
|
||||||
|
vector_push(regex->catch_table \
|
||||||
|
(offshoot_t *){state + from, state + to} \
|
||||||
|
); \
|
||||||
|
} \
|
||||||
|
} while (0)
|
||||||
|
|
||||||
|
#define EAT(n) do { \
|
||||||
|
s += n; \
|
||||||
|
} while (0)
|
||||||
|
|
||||||
|
bool is_quantifier(const char c){
|
||||||
|
for (const char * s = "+*?"; *s != '\00'; s++) {
|
||||||
|
if (*s == c) {
|
||||||
return true;
|
return true;
|
||||||
}
|
}
|
||||||
}
|
}
|
||||||
|
|
||||||
return false;
|
return false;
|
||||||
}
|
}
|
||||||
|
|
||||||
static bool is_word_separator(const char character) {
|
|
||||||
return (( isascii(character))
|
|
||||||
&& (!isalnum(character))
|
|
||||||
&& ( character != '_'));
|
|
||||||
}
|
|
||||||
|
|
||||||
static bool magic(const char magic_char, const char to_enchant) {
|
int escape_1_to_1(const char c, char * whitelist) {
|
||||||
switch(magic_char){
|
switch(c) {
|
||||||
// \i identifier character (see 'isident' option)
|
|
||||||
// \I like "\i", but excluding digits
|
|
||||||
// \k keyword character (see 'iskeyword' option)
|
|
||||||
// \K like "\k", but excluding digits
|
|
||||||
// \f file name character (see 'isfname' option)
|
|
||||||
// \F like "\f", but excluding digits
|
|
||||||
// \p printable character (see 'isprint' option)
|
|
||||||
// \P like "\p", but excluding digits
|
|
||||||
case 's': {
|
|
||||||
return ((to_enchant == ' ') || (to_enchant == '\t'));
|
|
||||||
}
|
|
||||||
case 'S': {
|
|
||||||
return !((to_enchant == ' ') || (to_enchant == '\t'));
|
|
||||||
}
|
|
||||||
case 'd': { // [0-9]
|
|
||||||
return char_in_range('0', '9', to_enchant);
|
|
||||||
};
|
|
||||||
case 'D': { // [^0-9]
|
|
||||||
return !char_in_range('0', '9', to_enchant);
|
|
||||||
};
|
|
||||||
case 'x': { // [0-9A-Fa-f]
|
|
||||||
return char_in_range('0', '9', to_enchant) || char_in_range('A', 'F', to_enchant) || char_in_range('a', 'f', to_enchant);
|
|
||||||
};
|
|
||||||
case 'X': { // [^0-9A-Fa-f]
|
|
||||||
return !char_in_range('0', '9', to_enchant) && !char_in_range('A', 'F', to_enchant) && !char_in_range('a', 'f', to_enchant);
|
|
||||||
};
|
|
||||||
case 'o': { // [0-7]
|
|
||||||
return char_in_range('0', '7', to_enchant);
|
|
||||||
};
|
|
||||||
case 'O': { // [^0-7]
|
|
||||||
return !char_in_range('0', '7', to_enchant);
|
|
||||||
};
|
|
||||||
case 'w': { // [0-9A-Za-z_]
|
|
||||||
return char_in_range('0', '9', to_enchant) || char_in_range('A', 'Z', to_enchant) || char_in_range('a', 'z', to_enchant) || (to_enchant == '_');
|
|
||||||
};
|
|
||||||
case 'W': { // [^0-9A-Za-z_]
|
|
||||||
return !(char_in_range('0', '9', to_enchant) || char_in_range('A', 'Z', to_enchant) || char_in_range('a', 'z', to_enchant) || (to_enchant == '_'));
|
|
||||||
};
|
|
||||||
case 'h': { // [A-Za-z_]
|
|
||||||
return char_in_range('A', 'Z', to_enchant) || char_in_range('a', 'z', to_enchant) || (to_enchant == '_');
|
|
||||||
};
|
|
||||||
case 'H': { // [^A-Za-z_]
|
|
||||||
return !(char_in_range('A', 'Z', to_enchant) || char_in_range('a', 'z', to_enchant) || (to_enchant == '_'));
|
|
||||||
};
|
|
||||||
case 'a': { // [A-Za-z]
|
|
||||||
return char_in_range('A', 'Z', to_enchant) || char_in_range('a', 'z', to_enchant);
|
|
||||||
};
|
|
||||||
case 'A': { // [A-Za-z]
|
|
||||||
return !(char_in_range('A', 'Z', to_enchant) || char_in_range('a', 'z', to_enchant));
|
|
||||||
};
|
|
||||||
case 'l': { // [a-z]
|
|
||||||
return char_in_range('a', 'z', to_enchant);
|
|
||||||
};
|
|
||||||
case 'L': { // [^a-z]
|
|
||||||
return !(char_in_range('a', 'z', to_enchant));
|
|
||||||
};
|
|
||||||
case 'u': { // [A-Z]
|
|
||||||
return char_in_range('A', 'Z', to_enchant);
|
|
||||||
};
|
|
||||||
case 'U': { // [^A-Z]
|
|
||||||
return !(char_in_range('A', 'Z', to_enchant));
|
|
||||||
};
|
|
||||||
}
|
|
||||||
|
|
||||||
return false;
|
|
||||||
}
|
|
||||||
|
|
||||||
int regex_match(const char * const pattern,
|
|
||||||
const char * const string_start,
|
|
||||||
const int string_offset,
|
|
||||||
int * match_offset_) {
|
|
||||||
const char * pattern_pointer = pattern;
|
|
||||||
const char * string_pointer = string_start + string_offset;
|
|
||||||
const char * const match_base = string_pointer;
|
|
||||||
int match_offset = 0;
|
|
||||||
|
|
||||||
while (1488) {
|
|
||||||
// End of one of the arguments
|
|
||||||
if (!(*pattern_pointer)) {
|
|
||||||
break;
|
|
||||||
}
|
|
||||||
if (!(*string_pointer)) {
|
|
||||||
return false;
|
|
||||||
}
|
|
||||||
|
|
||||||
// Escape character
|
|
||||||
if (*pattern_pointer == '\\') {
|
|
||||||
if (!is_next_valid(pattern_pointer)) {
|
|
||||||
return false;
|
|
||||||
}
|
|
||||||
|
|
||||||
switch(*(pattern_pointer + 1)){
|
|
||||||
case 't': {
|
case 't': {
|
||||||
if (*(string_pointer + 1) == '\t') {
|
strcat(whitelist, "\t");
|
||||||
pattern_pointer += 2;
|
} return 1;
|
||||||
string_pointer += 1;
|
case 'n': {
|
||||||
} else {
|
strcat(whitelist, "\n");
|
||||||
return false;
|
} return 1;
|
||||||
}
|
|
||||||
} break;
|
|
||||||
case 'r': {
|
case 'r': {
|
||||||
if (*(string_pointer + 1) == '\r') {
|
strcat(whitelist, "\r");
|
||||||
pattern_pointer += 2;
|
} return 1;
|
||||||
string_pointer += 1;
|
|
||||||
} else {
|
|
||||||
return false;
|
|
||||||
}
|
|
||||||
} break;
|
|
||||||
case 'e': {
|
|
||||||
if (*(string_pointer + 1) == '\033') {
|
|
||||||
pattern_pointer += 2;
|
|
||||||
string_pointer += 1;
|
|
||||||
} else {
|
|
||||||
return false;
|
|
||||||
}
|
|
||||||
} break;
|
|
||||||
case 'b': {
|
case 'b': {
|
||||||
if (*(string_pointer + 1) == '\010') {
|
strcat(whitelist, "\b");
|
||||||
pattern_pointer += 2;
|
} return 1;
|
||||||
string_pointer += 1;
|
case '[': {
|
||||||
} else {
|
strcat(whitelist, "[");
|
||||||
return false;
|
} return 1;
|
||||||
|
case ']': {
|
||||||
|
strcat(whitelist, "]");
|
||||||
|
} return 1;
|
||||||
|
case '.': {
|
||||||
|
strcat(whitelist, ".");
|
||||||
|
} return 1;
|
||||||
|
case '?': {
|
||||||
|
strcat(whitelist, "?");
|
||||||
|
} return 1;
|
||||||
|
case '+': {
|
||||||
|
strcat(whitelist, "+");
|
||||||
|
} return 1;
|
||||||
|
case '*': {
|
||||||
|
strcat(whitelist, "*");
|
||||||
|
} return 1;
|
||||||
|
case '\\': {
|
||||||
|
strcat(whitelist, "\\");
|
||||||
|
} return 1;
|
||||||
}
|
}
|
||||||
|
|
||||||
|
return 0;
|
||||||
|
}
|
||||||
|
|
||||||
|
int escape_1_to_N(const char c, char * whitelist) {
|
||||||
|
switch(c) {
|
||||||
|
case 'i': {
|
||||||
|
const char identifier_chars[] = "@0123456789_\300\301\302\303\304\305\306\307\310\311\312\313\314\315\316\317\320\321\322\323\324\325\326\327\330\331\332\333\334\335\336\337";
|
||||||
|
strcpy(whitelist, identifier_chars);
|
||||||
|
return sizeof(identifier_chars)-1;
|
||||||
|
};
|
||||||
|
case 'I': {
|
||||||
|
const char identifier_chars[] = "@_\300\301\302\303\304\305\306\307\310\311\312\313\314\315\316\317\320\321\322\323\324\325\326\327\330\331\332\333\334\335\336\337";
|
||||||
|
strcpy(whitelist, identifier_chars);
|
||||||
|
return sizeof(identifier_chars)-1;
|
||||||
|
};
|
||||||
|
case 'k': {
|
||||||
|
const char keyword_chars[] = "@0123456789_\300\301\302\303\304\305\306\307\310\311\312\313\314\315\316\317\320\321\322\323\324\325\326\327\330\331\332\333\334\335\336\337";
|
||||||
|
strcpy(whitelist, keyword_chars);
|
||||||
|
return sizeof(keyword_chars)-1;
|
||||||
|
};
|
||||||
|
case 'K': {
|
||||||
|
const char keyword_chars[] = "@_\300\301\302\303\304\305\306\307\310\311\312\313\314\315\316\317\320\321\322\323\324\325\326\327\330\331\332\333\334\335\336\337";
|
||||||
|
strcpy(whitelist, keyword_chars);
|
||||||
|
return sizeof(keyword_chars)-1;
|
||||||
|
};
|
||||||
|
case 'f': {
|
||||||
|
const char filename_chars[] = "@0123456789/.-_+,#$%~=";
|
||||||
|
strcpy(whitelist, keyword_chars);
|
||||||
|
return sizeof(keyword_chars)-1;
|
||||||
|
};
|
||||||
|
case 'F': {
|
||||||
|
const char filename_chars[] = "@/.-_+,#$%~=";
|
||||||
|
strcpy(whitelist, keyword_chars);
|
||||||
|
return sizeof(keyword_chars)-1;
|
||||||
|
};
|
||||||
|
case 'p': {
|
||||||
|
const char printable_chars[] = "@\241\242\243\244\245\246\247\250\251\252\253\254\255\256\257\260\261\262\263\264\265\266\267\270\271\272\273\274\275\276\277\300\301\302\303\304\305\306\307\310\311\312\313\314\315\316\317\320\321\322\323\324\325\326\327\330\331\332\333\334\335\336\337";
|
||||||
|
strcpy(whitelist, printable_chars);
|
||||||
|
return sizeof(printable_chars)-1;
|
||||||
|
};
|
||||||
|
case 'P': {
|
||||||
|
const char printable_chars[] = "@\241\242\243\244\245\246\247\250\251\252\253\254\255\256\257\260\261\262\263\264\265\266\267\270\271\272\273\274\275\276\277\300\301\302\303\304\305\306\307\310\311\312\313\314\315\316\317\320\321\322\323\324\325\326\327\330\331\332\333\334\335\336\337";
|
||||||
|
strcpy(whitelist, printable_chars);
|
||||||
|
return sizeof(printable_chars)-1;
|
||||||
|
};
|
||||||
|
case 's': {
|
||||||
|
const char whitespace_chars[] = " \t\v\n";
|
||||||
|
strcpy(whitelist, whitespace_chars);
|
||||||
|
return sizeof(whitespace_chars)-1;
|
||||||
|
};
|
||||||
|
case 'd': {
|
||||||
|
const char digit_chars[] = "0123456789";
|
||||||
|
strcpy(whitelist, digit_chars);
|
||||||
|
return sizeof(digit_chars)-1;
|
||||||
|
};
|
||||||
|
case 'x': {
|
||||||
|
const char hex_chars[] = "0123456789abcdefABCDEF";
|
||||||
|
strcpy(whitelist, hex_chars);
|
||||||
|
return sizeof(hex_chars)-1;
|
||||||
|
};
|
||||||
|
case 'o': {
|
||||||
|
const char oct_chars[] = "01234567";
|
||||||
|
strcpy(whitelist, oct_chars);
|
||||||
|
return sizeof(oct_chars)-1;
|
||||||
|
};
|
||||||
|
case 'w': {
|
||||||
|
const char word_chars[] = "0123456789abcdefghijklmnopqrstuwxyzABCDEFGHIJKLMNOPQRSTUWXYZ_";
|
||||||
|
strcpy(whitelist, word_chars);
|
||||||
|
return sizeof(word_chars)-1;
|
||||||
|
};
|
||||||
|
case 'h': {
|
||||||
|
const char very_word_chars[] = "abcdefghijklmnopqrstuwxyzABCDEFGHIJKLMNOPQRSTUWXYZ_";
|
||||||
|
strcpy(whitelist, very_word_chars);
|
||||||
|
return sizeof(very_word_chars)-1;
|
||||||
|
};
|
||||||
|
case 'a': {
|
||||||
|
const char alpha_chars[] = "abcdefghijklmnopqrstuwxyzABCDEFGHIJKLMNOPQRSTUWXYZ";
|
||||||
|
strcpy(whitelist, alpha_chars);
|
||||||
|
return sizeof(alpha_chars)-1;
|
||||||
|
};
|
||||||
|
case 'l': {
|
||||||
|
const char lower_alpha_chars[] = "abcdefghijklmnopqrstuwxyz";
|
||||||
|
strcpy(whitelist, lower_alpha_chars);
|
||||||
|
return sizeof(lower_alpha_chars)-1;
|
||||||
|
};
|
||||||
|
case 'u': {
|
||||||
|
const char upper_alpha_chars[] = "ABCDEFGHIJKLMNOPQRSTUWXYZ";
|
||||||
|
strcpy(whitelist, upper_alpha_chars);
|
||||||
|
return sizeof(upper_alpha_chars)-1;
|
||||||
|
};
|
||||||
|
}
|
||||||
|
|
||||||
|
return 0;
|
||||||
|
}
|
||||||
|
|
||||||
|
int compile_range(const char * const range,
|
||||||
|
char * whitelist) {
|
||||||
|
assert(range[0] == '[' && "Not a range.");
|
||||||
|
|
||||||
|
int r = 0;
|
||||||
|
const char * s;
|
||||||
|
for (s = range+1; *s != ']'; s++) {
|
||||||
|
assert(*s != '\00' && "Unclosed range.");
|
||||||
|
char c = *s;
|
||||||
|
if (escape_1_to_1(c, whitelist)
|
||||||
|
|| escape_1_to_N(c, whitelist)) {
|
||||||
|
;
|
||||||
|
} else if (*(s+1) == '-') {
|
||||||
|
char end = *(s+2);
|
||||||
|
assert(c < end && "Endless range.");
|
||||||
|
for (char cc = c; cc < end+1; cc++) {
|
||||||
|
strncat(whitelist, &cc, 1);
|
||||||
|
strncat(whitelist, "\00", 1);
|
||||||
|
}
|
||||||
|
s += 2;
|
||||||
|
} else {
|
||||||
|
++r;
|
||||||
|
strncat(whitelist, &c, 1);
|
||||||
|
strncat(whitelist, "\00", 1);
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
return ((s - range) + 1);
|
||||||
|
}
|
||||||
|
|
||||||
|
regex_t * regex_compile(const char * const pattern) {
|
||||||
|
regex_t * r = new regex_t;
|
||||||
|
regex->str = strdup(pattern);
|
||||||
|
vector_init(regex->delta_table, sizeof(delta_t), 32);
|
||||||
|
vector_init(regex->catch_table, sizeof(offshoot_t), 16);
|
||||||
|
|
||||||
|
int state = 0;
|
||||||
|
|
||||||
|
char whitelist[64];
|
||||||
|
bool do_catch;
|
||||||
|
for (const char * s = pattern; *s != '\00';) {
|
||||||
|
// Get token
|
||||||
|
assert(!is_quantifier(*pattern) && "Pattern starts with quantifier.");
|
||||||
|
whitelist[0] = '\00';
|
||||||
|
do_catch = false;
|
||||||
|
switch (*s) {
|
||||||
|
case '.': {
|
||||||
|
do_catch = true;
|
||||||
|
} break;
|
||||||
|
case '\\': {
|
||||||
|
EAT(1);
|
||||||
|
if(escape_1_to_1(*s, whitelist)
|
||||||
|
|| escape_1_to_N(*s, whitelist)){
|
||||||
|
;
|
||||||
|
} else {
|
||||||
|
assert(!"Unknown escape.");
|
||||||
|
}
|
||||||
|
} break;
|
||||||
|
case '[': {
|
||||||
|
EAT(compile_range(s, whitelist)-1);
|
||||||
|
} break;
|
||||||
|
default: {
|
||||||
|
whitelist[0] = *s;
|
||||||
|
whitelist[1] = '\00';
|
||||||
} break;
|
} break;
|
||||||
}
|
}
|
||||||
|
|
||||||
if (*(pattern_pointer + 1) == '\\') {
|
EAT(1);
|
||||||
if (*string_pointer == '\\') {
|
|
||||||
pattern_pointer += 2;
|
// Quantifier
|
||||||
string_pointer += 1;
|
switch (*s) {
|
||||||
continue;
|
case '?': {
|
||||||
|
HOOK_ALL(0, whitelist, +1);
|
||||||
|
EAT(1);
|
||||||
|
} break;
|
||||||
|
case '*': {
|
||||||
|
HOOK_ALL(0, whitelist, 0);
|
||||||
|
EAT(1);
|
||||||
|
} break;
|
||||||
|
case '+': {
|
||||||
|
HOOK_ALL(0, whitelist, +1);
|
||||||
|
state += 1;
|
||||||
|
HOOK_ALL(0, whitelist, 0);
|
||||||
|
EAT(1);
|
||||||
|
} break;
|
||||||
|
default: { // Literal
|
||||||
|
HOOK_ALL(0, whitelist, +1);
|
||||||
|
state += 1;
|
||||||
|
} break;
|
||||||
}
|
}
|
||||||
}
|
}
|
||||||
|
|
||||||
if (*(pattern_pointer + 1) == '<') {
|
regex->accepting_state = state;
|
||||||
if (is_word_separator(*string_pointer)) {
|
|
||||||
pattern_pointer += 2;
|
return r;
|
||||||
string_pointer += 1;
|
}
|
||||||
match_offset += 1;
|
|
||||||
continue;
|
int regex_free(regex_t * const regex) {
|
||||||
} else if (string_pointer == string_start) {
|
free(regex->str);
|
||||||
pattern_pointer += 2;
|
vector_free(regex->delta_table);
|
||||||
continue;
|
vector_free(regex->catch_table);
|
||||||
|
return 0;
|
||||||
|
}
|
||||||
|
|
||||||
|
inline bool catch_(const regex_t * const regex,
|
||||||
|
int & state) {
|
||||||
|
|
||||||
|
for (int i = 0; i < regex->catch_table->element_size; i++){
|
||||||
|
const offshoot_t * const offshoot = (offshoot *)(vector_get(reg.catch_table, i));
|
||||||
|
if (offshoot->in == state) {
|
||||||
|
state = offshoot->to;
|
||||||
|
return true;
|
||||||
|
}
|
||||||
|
}
|
||||||
|
return false;
|
||||||
|
}
|
||||||
|
|
||||||
|
bool regex_assert(const regex_t * const regex,
|
||||||
|
const char * const string,
|
||||||
|
int state) {
|
||||||
|
|
||||||
|
for (const char * s = string; *s != '\00'; s++) {
|
||||||
|
// delta
|
||||||
|
for (int i = 0; i < regex->delta_table.element_count; i++) {
|
||||||
|
const delta_t * const delta = (delta_t *)(vector_get(reg.delta_table, i);
|
||||||
|
if (delta->in == state)
|
||||||
|
&& (delta->input == *s)) {
|
||||||
|
if(regex_assert(regex, s+1, delta->to)){
|
||||||
|
return true;
|
||||||
|
}
|
||||||
}
|
}
|
||||||
}
|
}
|
||||||
|
|
||||||
if (*(pattern_pointer + 1) == '>') {
|
if (catch_(regex, state)) {
|
||||||
if (is_word_separator(*string_pointer)) {
|
|
||||||
pattern_pointer += 2;
|
|
||||||
continue;
|
|
||||||
}
|
|
||||||
if (*(string_pointer + 1) == '\00') {
|
|
||||||
break;
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
if (magic(*(pattern_pointer + 1), *string_pointer)) {
|
|
||||||
pattern_pointer += 2;
|
|
||||||
string_pointer += 1;
|
|
||||||
continue;
|
continue;
|
||||||
}
|
}
|
||||||
|
|
||||||
return false;
|
return false;
|
||||||
}
|
}
|
||||||
|
|
||||||
// Literal
|
return (state == regex->accepting_state);
|
||||||
if (*pattern_pointer != *string_pointer) {
|
|
||||||
return false;
|
|
||||||
} else {
|
|
||||||
++pattern_pointer;
|
|
||||||
++string_pointer;
|
|
||||||
}
|
|
||||||
}
|
}
|
||||||
|
|
||||||
if (match_offset_) {
|
bool regex_search( regex_t * regex,
|
||||||
*match_offset_ = match_offset;
|
const char * const string) {
|
||||||
|
|
||||||
|
if (regex == NULL) {
|
||||||
|
return false;
|
||||||
}
|
}
|
||||||
return (string_pointer - match_base) - match_offset;
|
if (string == NULL) {
|
||||||
|
return true;
|
||||||
|
}
|
||||||
|
|
||||||
|
return regex_assert(regex, string, 0);
|
||||||
}
|
}
|
||||||
|
|||||||
@ -3,4 +3,6 @@
|
|||||||
|
|
||||||
extern bool is_case_on;
|
extern bool is_case_on;
|
||||||
|
|
||||||
|
extern regex_t * regex_compile(const char * const pattern);
|
||||||
extern int regex_match(const char * const pattern, const char * const string, const int string_offset, int * match_offset_);
|
extern int regex_match(const char * const pattern, const char * const string, const int string_offset, int * match_offset_);
|
||||||
|
extern int regex_free(regex_t * const regex);
|
||||||
|
|||||||
329
source/regex2.h
329
source/regex2.h
@ -1,329 +0,0 @@
|
|||||||
#include <assert.h>
|
|
||||||
#include <string.h>
|
|
||||||
|
|
||||||
typedef struct {
|
|
||||||
int in;
|
|
||||||
char input;
|
|
||||||
int to;
|
|
||||||
} delta_t;
|
|
||||||
|
|
||||||
typedef struct {
|
|
||||||
int in;
|
|
||||||
int to;
|
|
||||||
} offshoot_t;
|
|
||||||
|
|
||||||
typedef struct {
|
|
||||||
char * str;
|
|
||||||
std::vector<delta_t> delta_table;
|
|
||||||
std::vector<offshoot_t> catch_table;
|
|
||||||
int accepting_state;
|
|
||||||
} regex_t;
|
|
||||||
|
|
||||||
#define HALT_AND_CATCH_FIRE -1
|
|
||||||
|
|
||||||
#define HOOK_ALL(from, str, to) do { \
|
|
||||||
for (char * s = str; *s != '\00'; s++) { \
|
|
||||||
reg.delta_table.push_back( \
|
|
||||||
delta_t{state + from, *s, state + to} \
|
|
||||||
); \
|
|
||||||
} \
|
|
||||||
if (do_catch) { \
|
|
||||||
reg.catch_table.push_back( \
|
|
||||||
{state + from, state + to} \
|
|
||||||
); \
|
|
||||||
} \
|
|
||||||
} while (0)
|
|
||||||
|
|
||||||
#define EAT(n) do { \
|
|
||||||
s += n; \
|
|
||||||
} while (0)
|
|
||||||
|
|
||||||
bool is_quantifier(const char c){
|
|
||||||
for (const char * s = "+*?"; *s != '\00'; s++) {
|
|
||||||
if (*s == c) {
|
|
||||||
return true;
|
|
||||||
}
|
|
||||||
}
|
|
||||||
return false;
|
|
||||||
}
|
|
||||||
|
|
||||||
|
|
||||||
int escape_1_to_1(const char c, char * whitelist) {
|
|
||||||
switch(c) {
|
|
||||||
case 't': {
|
|
||||||
strcat(whitelist, "\t");
|
|
||||||
} return 1;
|
|
||||||
case 'n': {
|
|
||||||
strcat(whitelist, "\n");
|
|
||||||
} return 1;
|
|
||||||
case 'r': {
|
|
||||||
strcat(whitelist, "\r");
|
|
||||||
} return 1;
|
|
||||||
case 'b': {
|
|
||||||
strcat(whitelist, "\b");
|
|
||||||
} return 1;
|
|
||||||
case '[': {
|
|
||||||
strcat(whitelist, "[");
|
|
||||||
} return 1;
|
|
||||||
case ']': {
|
|
||||||
strcat(whitelist, "]");
|
|
||||||
} return 1;
|
|
||||||
case '.': {
|
|
||||||
strcat(whitelist, ".");
|
|
||||||
} return 1;
|
|
||||||
case '?': {
|
|
||||||
strcat(whitelist, "?");
|
|
||||||
} return 1;
|
|
||||||
case '+': {
|
|
||||||
strcat(whitelist, "+");
|
|
||||||
} return 1;
|
|
||||||
case '*': {
|
|
||||||
strcat(whitelist, "*");
|
|
||||||
} return 1;
|
|
||||||
case '\\': {
|
|
||||||
strcat(whitelist, "\\");
|
|
||||||
} return 1;
|
|
||||||
}
|
|
||||||
|
|
||||||
return 0;
|
|
||||||
}
|
|
||||||
|
|
||||||
int escape_1_to_N(const char c, char * whitelist) {
|
|
||||||
switch(c) {
|
|
||||||
case 'i': {
|
|
||||||
const char identifier_chars[] = "@0123456789_\300\301\302\303\304\305\306\307\310\311\312\313\314\315\316\317\320\321\322\323\324\325\326\327\330\331\332\333\334\335\336\337";
|
|
||||||
strcpy(whitelist, identifier_chars);
|
|
||||||
return sizeof(identifier_chars)-1;
|
|
||||||
};
|
|
||||||
case 'I': {
|
|
||||||
const char identifier_chars[] = "@_\300\301\302\303\304\305\306\307\310\311\312\313\314\315\316\317\320\321\322\323\324\325\326\327\330\331\332\333\334\335\336\337";
|
|
||||||
strcpy(whitelist, identifier_chars);
|
|
||||||
return sizeof(identifier_chars)-1;
|
|
||||||
};
|
|
||||||
case 'k': {
|
|
||||||
const char keyword_chars[] = "@0123456789_\300\301\302\303\304\305\306\307\310\311\312\313\314\315\316\317\320\321\322\323\324\325\326\327\330\331\332\333\334\335\336\337";
|
|
||||||
strcpy(whitelist, keyword_chars);
|
|
||||||
return sizeof(keyword_chars)-1;
|
|
||||||
};
|
|
||||||
case 'K': {
|
|
||||||
const char keyword_chars[] = "@_\300\301\302\303\304\305\306\307\310\311\312\313\314\315\316\317\320\321\322\323\324\325\326\327\330\331\332\333\334\335\336\337";
|
|
||||||
strcpy(whitelist, keyword_chars);
|
|
||||||
return sizeof(keyword_chars)-1;
|
|
||||||
};
|
|
||||||
case 'f': {
|
|
||||||
const char filename_chars[] = "@0123456789/.-_+,#$%~=";
|
|
||||||
strcpy(whitelist, keyword_chars);
|
|
||||||
return sizeof(keyword_chars)-1;
|
|
||||||
};
|
|
||||||
case 'F': {
|
|
||||||
const char filename_chars[] = "@/.-_+,#$%~=";
|
|
||||||
strcpy(whitelist, keyword_chars);
|
|
||||||
return sizeof(keyword_chars)-1;
|
|
||||||
};
|
|
||||||
case 'p': {
|
|
||||||
const char printable_chars[] = "@\241\242\243\244\245\246\247\250\251\252\253\254\255\256\257\260\261\262\263\264\265\266\267\270\271\272\273\274\275\276\277\300\301\302\303\304\305\306\307\310\311\312\313\314\315\316\317\320\321\322\323\324\325\326\327\330\331\332\333\334\335\336\337";
|
|
||||||
strcpy(whitelist, printable_chars);
|
|
||||||
return sizeof(printable_chars)-1;
|
|
||||||
};
|
|
||||||
case 'P': {
|
|
||||||
const char printable_chars[] = "@\241\242\243\244\245\246\247\250\251\252\253\254\255\256\257\260\261\262\263\264\265\266\267\270\271\272\273\274\275\276\277\300\301\302\303\304\305\306\307\310\311\312\313\314\315\316\317\320\321\322\323\324\325\326\327\330\331\332\333\334\335\336\337";
|
|
||||||
strcpy(whitelist, printable_chars);
|
|
||||||
return sizeof(printable_chars)-1;
|
|
||||||
};
|
|
||||||
case 's': {
|
|
||||||
const char whitespace_chars[] = " \t\v\n";
|
|
||||||
strcpy(whitelist, whitespace_chars);
|
|
||||||
return sizeof(whitespace_chars)-1;
|
|
||||||
};
|
|
||||||
case 'd': {
|
|
||||||
const char digit_chars[] = "0123456789";
|
|
||||||
strcpy(whitelist, digit_chars);
|
|
||||||
return sizeof(digit_chars)-1;
|
|
||||||
};
|
|
||||||
case 'x': {
|
|
||||||
const char hex_chars[] = "0123456789abcdefABCDEF";
|
|
||||||
strcpy(whitelist, hex_chars);
|
|
||||||
return sizeof(hex_chars)-1;
|
|
||||||
};
|
|
||||||
case 'o': {
|
|
||||||
const char oct_chars[] = "01234567";
|
|
||||||
strcpy(whitelist, oct_chars);
|
|
||||||
return sizeof(oct_chars)-1;
|
|
||||||
};
|
|
||||||
case 'w': {
|
|
||||||
const char word_chars[] = "0123456789abcdefghijklmnopqrstuwxyzABCDEFGHIJKLMNOPQRSTUWXYZ_";
|
|
||||||
strcpy(whitelist, word_chars);
|
|
||||||
return sizeof(word_chars)-1;
|
|
||||||
};
|
|
||||||
case 'h': {
|
|
||||||
const char very_word_chars[] = "abcdefghijklmnopqrstuwxyzABCDEFGHIJKLMNOPQRSTUWXYZ_";
|
|
||||||
strcpy(whitelist, very_word_chars);
|
|
||||||
return sizeof(very_word_chars)-1;
|
|
||||||
};
|
|
||||||
case 'a': {
|
|
||||||
const char alpha_chars[] = "abcdefghijklmnopqrstuwxyzABCDEFGHIJKLMNOPQRSTUWXYZ";
|
|
||||||
strcpy(whitelist, alpha_chars);
|
|
||||||
return sizeof(alpha_chars)-1;
|
|
||||||
};
|
|
||||||
case 'l': {
|
|
||||||
const char lower_alpha_chars[] = "abcdefghijklmnopqrstuwxyz";
|
|
||||||
strcpy(whitelist, lower_alpha_chars);
|
|
||||||
return sizeof(lower_alpha_chars)-1;
|
|
||||||
};
|
|
||||||
case 'u': {
|
|
||||||
const char upper_alpha_chars[] = "ABCDEFGHIJKLMNOPQRSTUWXYZ";
|
|
||||||
strcpy(whitelist, upper_alpha_chars);
|
|
||||||
return sizeof(upper_alpha_chars)-1;
|
|
||||||
};
|
|
||||||
}
|
|
||||||
|
|
||||||
return 0;
|
|
||||||
}
|
|
||||||
|
|
||||||
int compile_range(const char * const range,
|
|
||||||
char * whitelist) {
|
|
||||||
assert(range[0] == '[' && "Not a range.");
|
|
||||||
|
|
||||||
int r = 0;
|
|
||||||
const char * s;
|
|
||||||
for (s = range+1; *s != ']'; s++) {
|
|
||||||
assert(*s != '\00' && "Unclosed range.");
|
|
||||||
char c = *s;
|
|
||||||
if (escape_1_to_1(c, whitelist)
|
|
||||||
|| escape_1_to_N(c, whitelist)) {
|
|
||||||
;
|
|
||||||
} else if (*(s+1) == '-') {
|
|
||||||
char end = *(s+2);
|
|
||||||
assert(c < end && "Endless range.");
|
|
||||||
for (char cc = c; cc < end+1; cc++) {
|
|
||||||
strncat(whitelist, &cc, 1);
|
|
||||||
strncat(whitelist, "\00", 1);
|
|
||||||
}
|
|
||||||
s += 2;
|
|
||||||
} else {
|
|
||||||
++r;
|
|
||||||
strncat(whitelist, &c, 1);
|
|
||||||
strncat(whitelist, "\00", 1);
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
return ((s - range) + 1);
|
|
||||||
}
|
|
||||||
|
|
||||||
regex_t * regex_compile(const char * const pattern) {
|
|
||||||
regex_t * r = new regex_t;
|
|
||||||
regex_t ® = *r;
|
|
||||||
reg.str = strdup(pattern);
|
|
||||||
|
|
||||||
int state = 0;
|
|
||||||
|
|
||||||
char whitelist[64];
|
|
||||||
bool do_catch;
|
|
||||||
for (const char * s = pattern; *s != '\00';) {
|
|
||||||
// Get token
|
|
||||||
assert(!is_quantifier(*pattern) && "Pattern starts with quantifier.");
|
|
||||||
whitelist[0] = '\00';
|
|
||||||
do_catch = false;
|
|
||||||
switch (*s) {
|
|
||||||
case '.': {
|
|
||||||
do_catch = true;
|
|
||||||
} break;
|
|
||||||
case '\\': {
|
|
||||||
EAT(1);
|
|
||||||
if(escape_1_to_1(*s, whitelist)
|
|
||||||
|| escape_1_to_N(*s, whitelist)){
|
|
||||||
;
|
|
||||||
} else {
|
|
||||||
assert(!"Unknown escape.");
|
|
||||||
}
|
|
||||||
} break;
|
|
||||||
case '[': {
|
|
||||||
EAT(compile_range(s, whitelist)-1);
|
|
||||||
} break;
|
|
||||||
default: {
|
|
||||||
whitelist[0] = *s;
|
|
||||||
whitelist[1] = '\00';
|
|
||||||
} break;
|
|
||||||
}
|
|
||||||
|
|
||||||
EAT(1);
|
|
||||||
|
|
||||||
// Quantifier
|
|
||||||
switch (*s) {
|
|
||||||
case '?': {
|
|
||||||
HOOK_ALL(0, whitelist, +1);
|
|
||||||
EAT(1);
|
|
||||||
} break;
|
|
||||||
case '*': {
|
|
||||||
HOOK_ALL(0, whitelist, 0);
|
|
||||||
EAT(1);
|
|
||||||
} break;
|
|
||||||
case '+': {
|
|
||||||
HOOK_ALL(0, whitelist, +1);
|
|
||||||
state += 1;
|
|
||||||
HOOK_ALL(0, whitelist, 0);
|
|
||||||
EAT(1);
|
|
||||||
} break;
|
|
||||||
default: { // Literal
|
|
||||||
HOOK_ALL(0, whitelist, +1);
|
|
||||||
state += 1;
|
|
||||||
} break;
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
reg.accepting_state = state;
|
|
||||||
|
|
||||||
return r;
|
|
||||||
}
|
|
||||||
|
|
||||||
inline bool catch_(const regex_t * regex,
|
|
||||||
int & state) {
|
|
||||||
|
|
||||||
const regex_t ® = *regex;
|
|
||||||
for (int i = 0; i < reg.catch_table.size(); i++){
|
|
||||||
if (reg.catch_table[i].in == state) {
|
|
||||||
state = reg.catch_table[i].to;
|
|
||||||
return true;
|
|
||||||
}
|
|
||||||
}
|
|
||||||
return false;
|
|
||||||
}
|
|
||||||
|
|
||||||
bool regex_assert(const regex_t * const regex,
|
|
||||||
const char * const string,
|
|
||||||
int state) {
|
|
||||||
|
|
||||||
const regex_t ® = *regex;
|
|
||||||
for (const char * s = string; *s != '\00'; s++) {
|
|
||||||
// delta
|
|
||||||
for (int i = 0; i < reg.delta_table.size(); i++) {
|
|
||||||
if ((reg.delta_table[i].in == state)
|
|
||||||
&& (reg.delta_table[i].input == *s)) {
|
|
||||||
if(regex_assert(regex, s+1, reg.delta_table[i].to)){
|
|
||||||
return true;
|
|
||||||
}
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
if (catch_(regex, state)) {
|
|
||||||
continue;
|
|
||||||
}
|
|
||||||
|
|
||||||
return false;
|
|
||||||
}
|
|
||||||
|
|
||||||
return (state == regex->accepting_state);
|
|
||||||
}
|
|
||||||
|
|
||||||
bool regex_search( regex_t * regex,
|
|
||||||
const char * const string) {
|
|
||||||
|
|
||||||
if (regex == NULL) {
|
|
||||||
return false;
|
|
||||||
}
|
|
||||||
if (string == NULL) {
|
|
||||||
return true;
|
|
||||||
}
|
|
||||||
|
|
||||||
return regex_assert(regex, string, 0);
|
|
||||||
}
|
|
||||||
@ -1,331 +0,0 @@
|
|||||||
#include <assert.h>
|
|
||||||
#include <string.h>
|
|
||||||
#include "vector.h"
|
|
||||||
|
|
||||||
typedef struct {
|
|
||||||
int in;
|
|
||||||
char input;
|
|
||||||
int to;
|
|
||||||
} delta_t;
|
|
||||||
|
|
||||||
typedef struct {
|
|
||||||
int in;
|
|
||||||
int to;
|
|
||||||
} offshoot_t;
|
|
||||||
|
|
||||||
typedef struct {
|
|
||||||
char * str;
|
|
||||||
vector_t delta_table; // <delta_t>
|
|
||||||
vector_t catch_table; // <offshoot_t>
|
|
||||||
int accepting_state;
|
|
||||||
} regex_t;
|
|
||||||
|
|
||||||
#define HALT_AND_CATCH_FIRE -1
|
|
||||||
|
|
||||||
#define HOOK_ALL(from, str, to) do { \
|
|
||||||
for (char * s = str; *s != '\00'; s++) { \
|
|
||||||
vector_push(®.delta_table \
|
|
||||||
(delta_t *){state + from, *s, state + to} \
|
|
||||||
); \
|
|
||||||
} \
|
|
||||||
if (do_catch) { \
|
|
||||||
vector_push(®.catch_table \
|
|
||||||
(offshoot_t *){state + from, state + to} \
|
|
||||||
); \
|
|
||||||
} \
|
|
||||||
} while (0)
|
|
||||||
|
|
||||||
#define EAT(n) do { \
|
|
||||||
s += n; \
|
|
||||||
} while (0)
|
|
||||||
|
|
||||||
bool is_quantifier(const char c){
|
|
||||||
for (const char * s = "+*?"; *s != '\00'; s++) {
|
|
||||||
if (*s == c) {
|
|
||||||
return true;
|
|
||||||
}
|
|
||||||
}
|
|
||||||
return false;
|
|
||||||
}
|
|
||||||
|
|
||||||
|
|
||||||
int escape_1_to_1(const char c, char * whitelist) {
|
|
||||||
switch(c) {
|
|
||||||
case 't': {
|
|
||||||
strcat(whitelist, "\t");
|
|
||||||
} return 1;
|
|
||||||
case 'n': {
|
|
||||||
strcat(whitelist, "\n");
|
|
||||||
} return 1;
|
|
||||||
case 'r': {
|
|
||||||
strcat(whitelist, "\r");
|
|
||||||
} return 1;
|
|
||||||
case 'b': {
|
|
||||||
strcat(whitelist, "\b");
|
|
||||||
} return 1;
|
|
||||||
case '[': {
|
|
||||||
strcat(whitelist, "[");
|
|
||||||
} return 1;
|
|
||||||
case ']': {
|
|
||||||
strcat(whitelist, "]");
|
|
||||||
} return 1;
|
|
||||||
case '.': {
|
|
||||||
strcat(whitelist, ".");
|
|
||||||
} return 1;
|
|
||||||
case '?': {
|
|
||||||
strcat(whitelist, "?");
|
|
||||||
} return 1;
|
|
||||||
case '+': {
|
|
||||||
strcat(whitelist, "+");
|
|
||||||
} return 1;
|
|
||||||
case '*': {
|
|
||||||
strcat(whitelist, "*");
|
|
||||||
} return 1;
|
|
||||||
case '\\': {
|
|
||||||
strcat(whitelist, "\\");
|
|
||||||
} return 1;
|
|
||||||
}
|
|
||||||
|
|
||||||
return 0;
|
|
||||||
}
|
|
||||||
|
|
||||||
int escape_1_to_N(const char c, char * whitelist) {
|
|
||||||
switch(c) {
|
|
||||||
case 'i': {
|
|
||||||
const char identifier_chars[] = "@0123456789_\300\301\302\303\304\305\306\307\310\311\312\313\314\315\316\317\320\321\322\323\324\325\326\327\330\331\332\333\334\335\336\337";
|
|
||||||
strcpy(whitelist, identifier_chars);
|
|
||||||
return sizeof(identifier_chars)-1;
|
|
||||||
};
|
|
||||||
case 'I': {
|
|
||||||
const char identifier_chars[] = "@_\300\301\302\303\304\305\306\307\310\311\312\313\314\315\316\317\320\321\322\323\324\325\326\327\330\331\332\333\334\335\336\337";
|
|
||||||
strcpy(whitelist, identifier_chars);
|
|
||||||
return sizeof(identifier_chars)-1;
|
|
||||||
};
|
|
||||||
case 'k': {
|
|
||||||
const char keyword_chars[] = "@0123456789_\300\301\302\303\304\305\306\307\310\311\312\313\314\315\316\317\320\321\322\323\324\325\326\327\330\331\332\333\334\335\336\337";
|
|
||||||
strcpy(whitelist, keyword_chars);
|
|
||||||
return sizeof(keyword_chars)-1;
|
|
||||||
};
|
|
||||||
case 'K': {
|
|
||||||
const char keyword_chars[] = "@_\300\301\302\303\304\305\306\307\310\311\312\313\314\315\316\317\320\321\322\323\324\325\326\327\330\331\332\333\334\335\336\337";
|
|
||||||
strcpy(whitelist, keyword_chars);
|
|
||||||
return sizeof(keyword_chars)-1;
|
|
||||||
};
|
|
||||||
case 'f': {
|
|
||||||
const char filename_chars[] = "@0123456789/.-_+,#$%~=";
|
|
||||||
strcpy(whitelist, keyword_chars);
|
|
||||||
return sizeof(keyword_chars)-1;
|
|
||||||
};
|
|
||||||
case 'F': {
|
|
||||||
const char filename_chars[] = "@/.-_+,#$%~=";
|
|
||||||
strcpy(whitelist, keyword_chars);
|
|
||||||
return sizeof(keyword_chars)-1;
|
|
||||||
};
|
|
||||||
case 'p': {
|
|
||||||
const char printable_chars[] = "@\241\242\243\244\245\246\247\250\251\252\253\254\255\256\257\260\261\262\263\264\265\266\267\270\271\272\273\274\275\276\277\300\301\302\303\304\305\306\307\310\311\312\313\314\315\316\317\320\321\322\323\324\325\326\327\330\331\332\333\334\335\336\337";
|
|
||||||
strcpy(whitelist, printable_chars);
|
|
||||||
return sizeof(printable_chars)-1;
|
|
||||||
};
|
|
||||||
case 'P': {
|
|
||||||
const char printable_chars[] = "@\241\242\243\244\245\246\247\250\251\252\253\254\255\256\257\260\261\262\263\264\265\266\267\270\271\272\273\274\275\276\277\300\301\302\303\304\305\306\307\310\311\312\313\314\315\316\317\320\321\322\323\324\325\326\327\330\331\332\333\334\335\336\337";
|
|
||||||
strcpy(whitelist, printable_chars);
|
|
||||||
return sizeof(printable_chars)-1;
|
|
||||||
};
|
|
||||||
case 's': {
|
|
||||||
const char whitespace_chars[] = " \t\v\n";
|
|
||||||
strcpy(whitelist, whitespace_chars);
|
|
||||||
return sizeof(whitespace_chars)-1;
|
|
||||||
};
|
|
||||||
case 'd': {
|
|
||||||
const char digit_chars[] = "0123456789";
|
|
||||||
strcpy(whitelist, digit_chars);
|
|
||||||
return sizeof(digit_chars)-1;
|
|
||||||
};
|
|
||||||
case 'x': {
|
|
||||||
const char hex_chars[] = "0123456789abcdefABCDEF";
|
|
||||||
strcpy(whitelist, hex_chars);
|
|
||||||
return sizeof(hex_chars)-1;
|
|
||||||
};
|
|
||||||
case 'o': {
|
|
||||||
const char oct_chars[] = "01234567";
|
|
||||||
strcpy(whitelist, oct_chars);
|
|
||||||
return sizeof(oct_chars)-1;
|
|
||||||
};
|
|
||||||
case 'w': {
|
|
||||||
const char word_chars[] = "0123456789abcdefghijklmnopqrstuwxyzABCDEFGHIJKLMNOPQRSTUWXYZ_";
|
|
||||||
strcpy(whitelist, word_chars);
|
|
||||||
return sizeof(word_chars)-1;
|
|
||||||
};
|
|
||||||
case 'h': {
|
|
||||||
const char very_word_chars[] = "abcdefghijklmnopqrstuwxyzABCDEFGHIJKLMNOPQRSTUWXYZ_";
|
|
||||||
strcpy(whitelist, very_word_chars);
|
|
||||||
return sizeof(very_word_chars)-1;
|
|
||||||
};
|
|
||||||
case 'a': {
|
|
||||||
const char alpha_chars[] = "abcdefghijklmnopqrstuwxyzABCDEFGHIJKLMNOPQRSTUWXYZ";
|
|
||||||
strcpy(whitelist, alpha_chars);
|
|
||||||
return sizeof(alpha_chars)-1;
|
|
||||||
};
|
|
||||||
case 'l': {
|
|
||||||
const char lower_alpha_chars[] = "abcdefghijklmnopqrstuwxyz";
|
|
||||||
strcpy(whitelist, lower_alpha_chars);
|
|
||||||
return sizeof(lower_alpha_chars)-1;
|
|
||||||
};
|
|
||||||
case 'u': {
|
|
||||||
const char upper_alpha_chars[] = "ABCDEFGHIJKLMNOPQRSTUWXYZ";
|
|
||||||
strcpy(whitelist, upper_alpha_chars);
|
|
||||||
return sizeof(upper_alpha_chars)-1;
|
|
||||||
};
|
|
||||||
}
|
|
||||||
|
|
||||||
return 0;
|
|
||||||
}
|
|
||||||
|
|
||||||
int compile_range(const char * const range,
|
|
||||||
char * whitelist) {
|
|
||||||
assert(range[0] == '[' && "Not a range.");
|
|
||||||
|
|
||||||
int r = 0;
|
|
||||||
const char * s;
|
|
||||||
for (s = range+1; *s != ']'; s++) {
|
|
||||||
assert(*s != '\00' && "Unclosed range.");
|
|
||||||
char c = *s;
|
|
||||||
if (escape_1_to_1(c, whitelist)
|
|
||||||
|| escape_1_to_N(c, whitelist)) {
|
|
||||||
;
|
|
||||||
} else if (*(s+1) == '-') {
|
|
||||||
char end = *(s+2);
|
|
||||||
assert(c < end && "Endless range.");
|
|
||||||
for (char cc = c; cc < end+1; cc++) {
|
|
||||||
strncat(whitelist, &cc, 1);
|
|
||||||
strncat(whitelist, "\00", 1);
|
|
||||||
}
|
|
||||||
s += 2;
|
|
||||||
} else {
|
|
||||||
++r;
|
|
||||||
strncat(whitelist, &c, 1);
|
|
||||||
strncat(whitelist, "\00", 1);
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
return ((s - range) + 1);
|
|
||||||
}
|
|
||||||
|
|
||||||
regex_t * regex_compile(const char * const pattern) {
|
|
||||||
regex_t * r = new regex_t;
|
|
||||||
regex_t ® = *r;
|
|
||||||
reg.str = strdup(pattern);
|
|
||||||
|
|
||||||
int state = 0;
|
|
||||||
|
|
||||||
char whitelist[64];
|
|
||||||
bool do_catch;
|
|
||||||
for (const char * s = pattern; *s != '\00';) {
|
|
||||||
// Get token
|
|
||||||
assert(!is_quantifier(*pattern) && "Pattern starts with quantifier.");
|
|
||||||
whitelist[0] = '\00';
|
|
||||||
do_catch = false;
|
|
||||||
switch (*s) {
|
|
||||||
case '.': {
|
|
||||||
do_catch = true;
|
|
||||||
} break;
|
|
||||||
case '\\': {
|
|
||||||
EAT(1);
|
|
||||||
if(escape_1_to_1(*s, whitelist)
|
|
||||||
|| escape_1_to_N(*s, whitelist)){
|
|
||||||
;
|
|
||||||
} else {
|
|
||||||
assert(!"Unknown escape.");
|
|
||||||
}
|
|
||||||
} break;
|
|
||||||
case '[': {
|
|
||||||
EAT(compile_range(s, whitelist)-1);
|
|
||||||
} break;
|
|
||||||
default: {
|
|
||||||
whitelist[0] = *s;
|
|
||||||
whitelist[1] = '\00';
|
|
||||||
} break;
|
|
||||||
}
|
|
||||||
|
|
||||||
EAT(1);
|
|
||||||
|
|
||||||
// Quantifier
|
|
||||||
switch (*s) {
|
|
||||||
case '?': {
|
|
||||||
HOOK_ALL(0, whitelist, +1);
|
|
||||||
EAT(1);
|
|
||||||
} break;
|
|
||||||
case '*': {
|
|
||||||
HOOK_ALL(0, whitelist, 0);
|
|
||||||
EAT(1);
|
|
||||||
} break;
|
|
||||||
case '+': {
|
|
||||||
HOOK_ALL(0, whitelist, +1);
|
|
||||||
state += 1;
|
|
||||||
HOOK_ALL(0, whitelist, 0);
|
|
||||||
EAT(1);
|
|
||||||
} break;
|
|
||||||
default: { // Literal
|
|
||||||
HOOK_ALL(0, whitelist, +1);
|
|
||||||
state += 1;
|
|
||||||
} break;
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
reg.accepting_state = state;
|
|
||||||
|
|
||||||
return r;
|
|
||||||
}
|
|
||||||
|
|
||||||
inline bool catch_(const regex_t * regex,
|
|
||||||
int & state) {
|
|
||||||
|
|
||||||
const regex_t ® = *regex;
|
|
||||||
for (int i = 0; i < reg.catch_table.size(); i++){
|
|
||||||
if (reg.catch_table[i].in == state) {
|
|
||||||
state = reg.catch_table[i].to;
|
|
||||||
return true;
|
|
||||||
}
|
|
||||||
}
|
|
||||||
return false;
|
|
||||||
}
|
|
||||||
|
|
||||||
bool regex_assert(const regex_t * const regex,
|
|
||||||
const char * const string,
|
|
||||||
int state) {
|
|
||||||
|
|
||||||
const regex_t ® = *regex;
|
|
||||||
for (const char * s = string; *s != '\00'; s++) {
|
|
||||||
// delta
|
|
||||||
for (int i = 0; i < reg.delta_table.size(); i++) {
|
|
||||||
const delta_t * const delta = (delta_t *)(vector_get(reg.delta_table, i);
|
|
||||||
if (delta->in == state)
|
|
||||||
&& (delta->input == *s)) {
|
|
||||||
if(regex_assert(regex, s+1, delta->to)){
|
|
||||||
return true;
|
|
||||||
}
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
if (catch_(regex, state)) {
|
|
||||||
continue;
|
|
||||||
}
|
|
||||||
|
|
||||||
return false;
|
|
||||||
}
|
|
||||||
|
|
||||||
return (state == regex->accepting_state);
|
|
||||||
}
|
|
||||||
|
|
||||||
bool regex_search( regex_t * regex,
|
|
||||||
const char * const string) {
|
|
||||||
|
|
||||||
if (regex == NULL) {
|
|
||||||
return false;
|
|
||||||
}
|
|
||||||
if (string == NULL) {
|
|
||||||
return true;
|
|
||||||
}
|
|
||||||
|
|
||||||
return regex_assert(regex, string, 0);
|
|
||||||
}
|
|
||||||
Loading…
Reference in New Issue
Block a user