Planet
navi homePPSaboutscreenshotsdownloaddevelopmentforum

source: downloads/boost_1_34_1/boost/xpressive/regex_compiler.hpp @ 47

Last change on this file since 47 was 29, checked in by landauf, 16 years ago

updated boost from 1_33_1 to 1_34_1

File size: 20.0 KB
Line 
1///////////////////////////////////////////////////////////////////////////////
2/// \file regex_compiler.hpp
3/// Contains the definition of regex_compiler, a factory for building regex objects
4/// from strings.
5//
6//  Copyright 2004 Eric Niebler. Distributed under the Boost
7//  Software License, Version 1.0. (See accompanying file
8//  LICENSE_1_0.txt or copy at http://www.boost.org/LICENSE_1_0.txt)
9
10#ifndef BOOST_XPRESSIVE_REGEX_COMPILER_HPP_EAN_10_04_2005
11#define BOOST_XPRESSIVE_REGEX_COMPILER_HPP_EAN_10_04_2005
12
13// MS compatible compilers support #pragma once
14#if defined(_MSC_VER) && (_MSC_VER >= 1020)
15# pragma once
16#endif
17
18#include <boost/xpressive/basic_regex.hpp>
19#include <boost/xpressive/detail/dynamic/parser.hpp>
20#include <boost/xpressive/detail/dynamic/parse_charset.hpp>
21#include <boost/xpressive/detail/dynamic/parser_enum.hpp>
22#include <boost/xpressive/detail/dynamic/parser_traits.hpp>
23#include <boost/xpressive/detail/core/linker.hpp>
24#include <boost/xpressive/detail/core/optimize.hpp>
25
26namespace boost { namespace xpressive
27{
28
29///////////////////////////////////////////////////////////////////////////////
30// regex_compiler
31//
32/// \brief Class template regex_compiler is a factory for building basic_regex objects from a string.
33///
34/// Class template regex_compiler is used to construct a basic_regex object from a string. The string
35/// should contain a valid regular expression. You can imbue a regex_compiler object with a locale,
36/// after which all basic_regex objects created with that regex_compiler object will use that locale.
37/// After creating a regex_compiler object, and optionally imbueing it with a locale, you can call the
38/// compile() method to construct a basic_regex object, passing it the string representing the regular
39/// expression. You can call compile() multiple times on the same regex_compiler object. Two basic_regex
40/// objects compiled from the same string will have different regex_id's.
41template<typename BidiIter, typename RegexTraits, typename CompilerTraits>
42struct regex_compiler
43{
44    typedef BidiIter iterator_type;
45    typedef typename iterator_value<BidiIter>::type char_type;
46    typedef std::basic_string<char_type> string_type;
47    typedef regex_constants::syntax_option_type flag_type;
48    typedef RegexTraits traits_type;
49    typedef typename traits_type::char_class_type char_class_type;
50    typedef typename traits_type::locale_type locale_type;
51
52    explicit regex_compiler(RegexTraits const &traits = RegexTraits())
53      : mark_count_(0)
54      , hidden_mark_count_(0)
55      , traits_(traits)
56      , upper_(0)
57    {
58        this->upper_ = lookup_classname(this->rxtraits(), "upper");
59        BOOST_ASSERT(0 != this->upper_);
60    }
61
62    ///////////////////////////////////////////////////////////////////////////
63    // imbue
64    /// Specify the locale to be used by a regex_compiler.
65    ///
66    /// \param loc The locale that this regex_compiler should use.
67    /// \return The previous locale.
68    locale_type imbue(locale_type loc)
69    {
70        locale_type oldloc = this->traits_.imbue(loc);
71        this->upper_ = lookup_classname(this->rxtraits(), "upper");
72        BOOST_ASSERT(0 != this->upper_);
73        return oldloc;
74    }
75
76    ///////////////////////////////////////////////////////////////////////////
77    // getloc
78    /// Get the locale used by a regex_compiler.
79    ///
80    /// \param loc The locale that this regex_compiler uses.
81    locale_type getloc() const
82    {
83        return this->traits_.getloc();
84    }
85
86    ///////////////////////////////////////////////////////////////////////////
87    // compile
88    /// Builds a basic_regex object from a std::string.
89    ///
90    /// \param  pat A std::string containing the regular expression pattern.
91    /// \param  flags Optional bitmask that determines how the pat string is interpreted. (See syntax_option_type.)
92    /// \return A basic_regex object corresponding to the regular expression represented by the string.
93    /// \pre    The std::string pat contains a valid string-based representation of a regular expression.
94    /// \throw  regex_error when the string has invalid regular expression syntax.
95    basic_regex<BidiIter> compile(string_type pat, flag_type flags = regex_constants::ECMAScript)
96    {
97        this->reset();
98        this->traits_.flags(flags);
99
100        string_iterator begin = pat.begin(), end = pat.end();
101
102        // at the top level, a regex is a sequence of alternates
103        alternates_list alternates;
104        this->parse_alternates(begin, end, alternates);
105        detail::ensure(begin == end, regex_constants::error_paren, "mismatched parenthesis");
106
107        // convert the alternates list to the appropriate matcher and terminate the sequence
108        detail::sequence<BidiIter> seq = detail::alternates_to_matchable(alternates, alternates_factory());
109        seq += detail::make_dynamic_xpression<BidiIter>(detail::end_matcher());
110
111        // fill in the back-pointers by visiting the regex parse tree
112        detail::xpression_linker<char_type> linker(this->rxtraits());
113        seq.first->link(linker);
114
115        // bundle the regex information into a regex_impl object
116        detail::regex_impl<BidiIter> impl;
117        impl.xpr_ = seq.first;
118        impl.traits_.reset(new RegexTraits(this->rxtraits()));
119        impl.mark_count_ = this->mark_count_;
120        impl.hidden_mark_count_ = this->hidden_mark_count_;
121
122        // optimization: get the peek chars OR the boyer-moore search string
123        detail::optimize_regex(impl, this->rxtraits(), detail::is_random<BidiIter>());
124
125        return detail::core_access<BidiIter>::make_regex(impl);
126    }
127
128private:
129
130    typedef typename string_type::const_iterator string_iterator;
131    typedef std::list<detail::sequence<BidiIter> > alternates_list;
132    typedef detail::escape_value<char_type, char_class_type> escape_value;
133    typedef detail::alternates_factory_impl<BidiIter, traits_type> alternates_factory;
134
135    ///////////////////////////////////////////////////////////////////////////
136    // reset
137    /// INTERNAL ONLY
138    void reset()
139    {
140        this->mark_count_ = 0;
141        this->hidden_mark_count_ = 0;
142        this->traits_.flags(regex_constants::ECMAScript);
143    }
144
145    ///////////////////////////////////////////////////////////////////////////
146    // regex_traits
147    /// INTERNAL ONLY
148    traits_type &rxtraits()
149    {
150        return this->traits_.traits();
151    }
152
153    ///////////////////////////////////////////////////////////////////////////
154    // regex_traits
155    /// INTERNAL ONLY
156    traits_type const &rxtraits() const
157    {
158        return this->traits_.traits();
159    }
160
161    ///////////////////////////////////////////////////////////////////////////
162    // parse_alternates
163    /// INTERNAL ONLY
164    void parse_alternates(string_iterator &begin, string_iterator end, alternates_list &alternates)
165    {
166        using namespace regex_constants;
167        string_iterator old_begin;
168
169        do
170        {
171            alternates.push_back(this->parse_sequence(begin, end));
172            old_begin = begin;
173        }
174        while(begin != end && token_alternate == this->traits_.get_token(begin, end));
175
176        begin = old_begin;
177    }
178
179    ///////////////////////////////////////////////////////////////////////////
180    // parse_group
181    /// INTERNAL ONLY
182    detail::sequence<BidiIter> parse_group(string_iterator &begin, string_iterator end)
183    {
184        using namespace regex_constants;
185        int mark_nbr = 0;
186        bool keeper = false;
187        bool lookahead = false;
188        bool lookbehind = false;
189        bool negative = false;
190        std::size_t old_mark_count = this->mark_count_;
191
192        detail::sequence<BidiIter> seq, seq_end;
193        string_iterator tmp = string_iterator();
194
195        syntax_option_type old_flags = this->traits_.flags();
196
197        switch(this->traits_.get_group_type(begin, end))
198        {
199        case token_no_mark:
200            // Don't process empty groups like (?:) or (?i)
201            // BUGBUG this doesn't handle the degenerate (?:)+ correctly
202            if(token_group_end == this->traits_.get_token(tmp = begin, end))
203            {
204                return this->parse_atom(begin = tmp, end);
205            }
206            break;
207
208        case token_negative_lookahead:
209            negative = true; // fall-through
210        case token_positive_lookahead:
211            lookahead = true;
212            seq_end = detail::make_dynamic_xpression<BidiIter>(detail::true_matcher());
213            break;
214
215        case token_negative_lookbehind:
216            negative = true; // fall-through
217        case token_positive_lookbehind:
218            lookbehind = true;
219            seq_end = detail::make_dynamic_xpression<BidiIter>(detail::true_matcher());
220            break;
221
222        case token_independent_sub_expression:
223            keeper = true;
224            seq_end = detail::make_dynamic_xpression<BidiIter>(detail::true_matcher());
225            break;
226
227        case token_comment:
228            while(detail::ensure(begin != end, error_paren, "mismatched parenthesis"))
229            {
230                switch(this->traits_.get_token(begin, end))
231                {
232                case token_group_end: return this->parse_atom(begin, end);
233                case token_escape: detail::ensure(begin != end, error_escape, "incomplete escape sequence");
234                case token_literal: ++begin;
235                default:;
236                }
237            }
238            break;
239
240        default:
241            mark_nbr = static_cast<int>(++this->mark_count_);
242            seq = detail::make_dynamic_xpression<BidiIter>(detail::mark_begin_matcher(mark_nbr));
243            seq_end = detail::make_dynamic_xpression<BidiIter>(detail::mark_end_matcher(mark_nbr));
244            break;
245        }
246
247        // alternates
248        alternates_list alternates;
249        this->parse_alternates(begin, end, alternates);
250        detail::ensure
251        (
252            begin != end && token_group_end == this->traits_.get_token(begin, end)
253          , error_paren
254          , "mismatched parenthesis"
255        );
256
257        seq += detail::alternates_to_matchable(alternates, alternates_factory());
258        seq += seq_end;
259
260        typedef shared_ptr<detail::matchable<BidiIter> const> xpr_type;
261        bool do_save = (this->mark_count_ != old_mark_count);
262
263        if(lookahead)
264        {
265            detail::lookahead_matcher<xpr_type> lookahead(seq.first, negative, do_save);
266            seq = detail::make_dynamic_xpression<BidiIter>(lookahead);
267        }
268        else if(lookbehind)
269        {
270            detail::lookbehind_matcher<xpr_type> lookbehind(seq.first, negative, do_save);
271            seq = detail::make_dynamic_xpression<BidiIter>(lookbehind);
272        }
273        else if(keeper) // independent sub-expression
274        {
275            detail::keeper_matcher<xpr_type> keeper(seq.first, do_save);
276            seq = detail::make_dynamic_xpression<BidiIter>(keeper);
277        }
278
279        // restore the modifiers
280        this->traits_.flags(old_flags);
281        return seq;
282    }
283
284    ///////////////////////////////////////////////////////////////////////////
285    // parse_charset
286    /// INTERNAL ONLY
287    detail::sequence<BidiIter> parse_charset(string_iterator &begin, string_iterator end)
288    {
289        detail::compound_charset<traits_type> chset;
290
291        // call out to a helper to actually parse the character set
292        detail::parse_charset(begin, end, chset, this->traits_);
293
294        return detail::make_charset_xpression<BidiIter>
295        (
296            chset
297          , this->rxtraits()
298          , this->traits_.flags()
299        );
300    }
301
302    ///////////////////////////////////////////////////////////////////////////
303    // parse_atom
304    /// INTERNAL ONLY
305    detail::sequence<BidiIter> parse_atom(string_iterator &begin, string_iterator end)
306    {
307        using namespace regex_constants;
308        escape_value esc = { 0, 0, 0, detail::escape_char };
309        string_iterator old_begin = begin;
310
311        switch(this->traits_.get_token(begin, end))
312        {
313        case token_literal:
314            return detail::make_literal_xpression<BidiIter>
315            (
316                this->parse_literal(begin, end), this->traits_.flags(), this->rxtraits()
317            );
318
319        case token_any:
320            return detail::make_any_xpression<BidiIter>(this->traits_.flags(), this->rxtraits());
321
322        case token_assert_begin_sequence:
323            return detail::make_dynamic_xpression<BidiIter>(detail::assert_bos_matcher());
324
325        case token_assert_end_sequence:
326            return detail::make_dynamic_xpression<BidiIter>(detail::assert_eos_matcher());
327
328        case token_assert_begin_line:
329            return detail::make_assert_begin_line<BidiIter>(this->traits_.flags(), this->rxtraits());
330
331        case token_assert_end_line:
332            return detail::make_assert_end_line<BidiIter>(this->traits_.flags(), this->rxtraits());
333
334        case token_assert_word_boundary:
335            return detail::make_assert_word<BidiIter>(detail::word_boundary<true>(), this->rxtraits());
336
337        case token_assert_not_word_boundary:
338            return detail::make_assert_word<BidiIter>(detail::word_boundary<false>(), this->rxtraits());
339
340        case token_assert_word_begin:
341            return detail::make_assert_word<BidiIter>(detail::word_begin(), this->rxtraits());
342
343        case token_assert_word_end:
344            return detail::make_assert_word<BidiIter>(detail::word_end(), this->rxtraits());
345
346        case token_escape:
347            esc = this->parse_escape(begin, end);
348            switch(esc.type_)
349            {
350            case detail::escape_mark:
351                return detail::make_backref_xpression<BidiIter>
352                (
353                    esc.mark_nbr_, this->traits_.flags(), this->rxtraits()
354                );
355            case detail::escape_char:
356                return detail::make_char_xpression<BidiIter>
357                (
358                    esc.ch_, this->traits_.flags(), this->rxtraits()
359                );
360            case detail::escape_class:
361                return detail::make_posix_charset_xpression<BidiIter>
362                (
363                    esc.class_
364                  , this->rxtraits().isctype(*begin++, this->upper_)
365                  , this->traits_.flags()
366                  , this->rxtraits()
367                );
368            }
369
370        case token_group_begin:
371            return this->parse_group(begin, end);
372
373        case token_charset_begin:
374            return this->parse_charset(begin, end);
375
376        case token_invalid_quantifier:
377            throw regex_error(error_badrepeat, "quantifier not expected");
378
379        case token_quote_meta_begin:
380            return detail::make_literal_xpression<BidiIter>
381            (
382                this->parse_quote_meta(begin, end), this->traits_.flags(), this->rxtraits()
383            );
384
385        case token_quote_meta_end:
386            throw regex_error
387            (
388                error_escape
389              , "found quote-meta end without corresponding quote-meta begin"
390            );
391
392        case token_end_of_pattern:
393            break;
394
395        default:
396            begin = old_begin;
397            break;
398        }
399
400        return detail::sequence<BidiIter>();
401    }
402
403    ///////////////////////////////////////////////////////////////////////////
404    // parse_quant
405    /// INTERNAL ONLY
406    detail::sequence<BidiIter> parse_quant(string_iterator &begin, string_iterator end)
407    {
408        BOOST_ASSERT(begin != end);
409        detail::quant_spec spec = { 0, 0, false };
410        detail::sequence<BidiIter> seq = this->parse_atom(begin, end);
411
412        // BUGBUG this doesn't handle the degenerate (?:)+ correctly
413        if(!seq.is_empty() && begin != end && seq.first->is_quantifiable())
414        {
415            if(this->traits_.get_quant_spec(begin, end, spec))
416            {
417                BOOST_ASSERT(spec.min_ <= spec.max_);
418
419                if(0 == spec.max_) // quant {0,0} is degenerate -- matches nothing.
420                {
421                    seq = this->parse_quant(begin, end);
422                }
423                else
424                {
425                    seq = seq.first->quantify(spec, this->hidden_mark_count_, seq, alternates_factory());
426                }
427            }
428        }
429
430        return seq;
431    }
432
433    ///////////////////////////////////////////////////////////////////////////
434    // parse_sequence
435    /// INTERNAL ONLY
436    detail::sequence<BidiIter> parse_sequence(string_iterator &begin, string_iterator end)
437    {
438        detail::sequence<BidiIter> seq;
439
440        while(begin != end)
441        {
442            detail::sequence<BidiIter> seq_quant = this->parse_quant(begin, end);
443
444            // did we find a quantified atom?
445            if(seq_quant.is_empty())
446                break;
447
448            // chain it to the end of the xpression sequence
449            seq += seq_quant;
450        }
451
452        return seq;
453    }
454
455    ///////////////////////////////////////////////////////////////////////////
456    // parse_literal
457    //  scan ahead looking for char literals to be globbed together into a string literal
458    /// INTERNAL ONLY
459    string_type parse_literal(string_iterator &begin, string_iterator end)
460    {
461        using namespace regex_constants;
462        BOOST_ASSERT(begin != end);
463        BOOST_ASSERT(token_literal == this->traits_.get_token(begin, end));
464        escape_value esc = { 0, 0, 0, detail::escape_char };
465        string_type literal(1, *begin);
466
467        for(string_iterator prev = begin, tmp = ++begin; begin != end; prev = begin, begin = tmp)
468        {
469            detail::quant_spec spec;
470            if(this->traits_.get_quant_spec(tmp, end, spec))
471            {
472                if(literal.size() != 1)
473                {
474                    begin = prev;
475                    literal.erase(literal.size() - 1);
476                }
477                return literal;
478            }
479            else switch(this->traits_.get_token(tmp, end))
480            {
481            case token_escape:
482                esc = this->parse_escape(tmp, end);
483                if(detail::escape_char != esc.type_) return literal;
484                literal += esc.ch_;
485                break;
486            case token_literal:
487                literal += *tmp++;
488                break;
489            default:
490                return literal;
491            }
492        }
493
494        return literal;
495    }
496
497    ///////////////////////////////////////////////////////////////////////////
498    // parse_quote_meta
499    //  scan ahead looking for char literals to be globbed together into a string literal
500    /// INTERNAL ONLY
501    string_type parse_quote_meta(string_iterator &begin, string_iterator end)
502    {
503        using namespace regex_constants;
504        string_iterator old_begin = begin, old_end;
505        while(end != (old_end = begin))
506        {
507            switch(this->traits_.get_token(begin, end))
508            {
509            case token_quote_meta_end: return string_type(old_begin, old_end);
510            case token_escape: detail::ensure(begin != end, error_escape, "incomplete escape sequence");
511            case token_literal: ++begin;
512            default:;
513            }
514        }
515        return string_type(old_begin, begin);
516    }
517
518    ///////////////////////////////////////////////////////////////////////////////
519    // parse_escape
520    /// INTERNAL ONLY
521    escape_value parse_escape(string_iterator &begin, string_iterator end)
522    {
523        detail::ensure(begin != end, regex_constants::error_escape, "incomplete escape sequence");
524
525        // first, check to see if this can be a backreference
526        if(0 < this->rxtraits().value(*begin, 10))
527        {
528            // Parse at most 3 decimal digits.
529            string_iterator tmp = begin;
530            int mark_nbr = detail::toi(tmp, end, this->rxtraits(), 10, 999);
531
532            // If the resulting number could conceivably be a backref, then it is.
533            if(10 > mark_nbr || mark_nbr <= static_cast<int>(this->mark_count_))
534            {
535                begin = tmp;
536                escape_value esc = {0, mark_nbr, 0, detail::escape_mark};
537                return esc;
538            }
539        }
540
541        // Not a backreference, defer to the parse_escape helper
542        return detail::parse_escape(begin, end, this->traits_);
543    }
544
545    std::size_t mark_count_;
546    std::size_t hidden_mark_count_;
547    CompilerTraits traits_;
548    typename RegexTraits::char_class_type upper_;
549};
550
551}} // namespace boost::xpressive
552
553#endif
Note: See TracBrowser for help on using the repository browser.