source: proto/parabix2/src/tag_matcher.cpp @ 591

Last change on this file since 591 was 591, checked in by lindanl, 9 years ago

check if the document matches the document production

File size: 7.2 KB
Line 
1#define MAX_DEPTH 100
2#include <algorithm>
3#include <iostream>
4using namespace std;
5
6#define MAX_DEPTH 100
7#define MAX_ATTS 100
8
9struct attribute{
10  char * start;
11  int lgth;
12};
13
14class tag_matcher {
15  public:
16  SIMD_type tagMarks[BUFFER_SIZE/BLOCK_SIZE];
17  SIMD_type miscMarks[BUFFER_SIZE/BLOCK_SIZE];
18  char tags_buf[BUFFER_SIZE];
19  int tags_buf_cur;
20  int stream_index;
21  char * srcbuf;
22  int depth;
23  int inTagPos;
24  int finalStartPos;
25  char* tag_stack[MAX_DEPTH]; 
26  int tag_lgth_stack[MAX_DEPTH];
27  SIMD_type NameFollows[BUFFER_SIZE/BLOCK_SIZE+1]; // 1 extra block for sentinel
28  int buf_base;
29  enum TagMatchState {InStartTag, InEndTag, InAttName, Clear} state;
30  enum TagMatchMode {StartOfFile, InFile} mode;
31  struct attribute Attr[MAX_ATTS];
32  struct attribute InAtt;
33  int att_index;
34   
35  tag_matcher(char * src);
36  ~tag_matcher(); 
37  int StreamScan(int chars_avail);
38  void store_streams(SIMD_type tagMark, SIMD_type NameFollow, SIMD_type miscMarks);
39  int tag_match(int pos, int chars_avail);
40  void Advance_buffer();
41  int does_match(char * s1, char * s2, int lgth);
42  int lookup_or_insert(char*s, int lgth);
43};
44
45int tag_matcher::lookup_or_insert(char* s, int lgth){
46  for(int i=0; i< att_index; i++)
47    if(lgth == Attr[i].lgth &&  does_match(s,Attr[i].start,lgth))
48      return 1;
49 
50  Attr[att_index].start = s;
51  Attr[att_index].lgth = lgth;
52  att_index++;
53  return 0;
54}
55
56int tag_matcher::does_match(char * s1, char * s2, int lgth){
57    int matchlen = 0; 
58    int i=0;
59    while (lgth > sizeof(SIMD_type)) {
60      /* full 16 byte match */
61      if (simd_all_eq_8(sisd_load_unaligned((SIMD_type*)&s1[i]), sisd_load_unaligned((SIMD_type*)&s2[i]))) {
62        lgth -= sizeof(SIMD_type);
63        i +=sizeof(SIMD_type);
64      }
65      else {
66        return 0;
67      }
68    }
69    if (lgth > cfzl(~_mm_movemask_epi8(simd_eq_8(sisd_load_unaligned((SIMD_type*)&s1[i]), 
70                                                  sisd_load_unaligned((SIMD_type*)&s2[i])))))
71      return 0;
72    else return 1;
73}
74
75
76int tag_matcher:: tag_match(int pos, int chars_avail) {
77        int rt_val=0;
78//      end tag
79        if(srcbuf[pos]=='/' ){
80          pos++;
81          depth--;
82          if (depth<0)
83            return pos;
84          int lgth = tag_lgth_stack[depth];
85
86          if (does_match(tag_stack[depth],&srcbuf[pos],lgth) && ((srcbuf[pos+lgth] == '>') ||(srcbuf[pos+lgth] <= ' '))) rt_val=0;
87          else if (pos + lgth >= BUFFER_SIZE + OVERLAP_BUFSIZE) {
88            state = InEndTag;
89            inTagPos = BUFFER_SIZE - pos;
90            rt_val=0;
91          }
92          else {
93//            cout << "matchlen = " << matchlen << endl;
94//            cout << "end tag is " << string(&srcbuf[pos],tag_lgth_stack[depth]) << endl ;
95//            cout << "start tag is " << string(tag_stack[depth],tag_lgth_stack[depth]) << endl ;
96              fprintf(stderr,"tag name mismatch at position = %i\n",buf_base+pos);
97              exit(-1);
98          }
99         
100          if (depth == 0){
101            while(srcbuf[pos]!='>')
102              pos++;
103            pos = bitstream_scan(miscMarks,pos+1);
104            if(pos!=chars_avail)
105              fprintf(stderr,"illegal content after root element at position = %i\n",buf_base+pos);
106            exit(-1);       
107          }
108          return rt_val;
109        }
110//      empty tag
111        else if(srcbuf[pos]=='>'){
112          depth--;
113          if (depth == 0){
114            while(srcbuf[pos]!='>')
115              pos++;
116            pos = bitstream_scan(miscMarks,pos+1);
117            if(pos!=chars_avail)
118              fprintf(stderr,"illegal content after root element at position = %i\n",buf_base+pos);
119            exit(-1);       
120          }
121        }
122//      start tag
123        else if(srcbuf[pos-1]=='<'){
124          att_index = 0;
125          if(depth<MAX_DEPTH){
126            int end_pos = bitstream_scan(NameFollows,pos);
127            tag_lgth_stack[depth] = end_pos-pos;
128            tag_stack[depth] = &srcbuf[pos];
129            if(end_pos<BUFFER_SIZE){
130              depth++;
131            }
132            else{
133              state = InStartTag;
134              finalStartPos = pos;
135            }
136          }
137          else{
138            fprintf(stderr,"Max nesting depth exceeded at position =%i. depth = %i\n",buf_base+pos, depth);
139            exit(-1);
140          }
141        }
142//      attribute
143        else{
144          int end_pos = bitstream_scan(NameFollows,pos);
145          if(end_pos<BUFFER_SIZE){
146            if(lookup_or_insert(&srcbuf[pos], end_pos-pos)){
147              fprintf(stderr,"Attribute name is not unique at position =%i.\n",buf_base+pos);
148              exit(-1);
149            }
150          }
151          else{
152            state = InAttName;     
153            InAtt.start = &srcbuf[pos];
154            InAtt.lgth = BUFFER_SIZE-pos;
155          }
156        }
157        return 0;
158}
159
160
161int tag_matcher::StreamScan(int chars_avail) {
162 
163        int blk;
164        int blk_counts = (chars_avail+sizeof(ScanBlock)*8-1)/(sizeof(ScanBlock)*8);
165        int block_pos = 0;
166       
167        if(mode == StartOfFile){
168          int pos = bitstream_scan(miscMarks,0);
169          if (pos==chars_avail){
170            fprintf(stderr,"no element at position =%i.\n",buf_base+pos);
171            exit(-1);
172          }
173          if(srcbuf[pos-1]!='<'|| srcbuf[pos]=='!'||srcbuf[pos]=='/'){
174            fprintf(stderr,"illegal content before root element at position =%i.\n",buf_base+pos);
175            exit(-1);
176          }
177          mode = InFile;
178        }
179        for (blk = 0; blk < blk_counts; blk++) {
180                ScanBlock s = ((ScanBlock*)tagMarks)[blk];
181                while(s) {
182                        int code = tag_match(cfzl(s) + block_pos, chars_avail);
183                        if (code) return code;
184                        s = s & (s-1);  // clear rightmost bit.
185                }
186                block_pos += 8 * sizeof(ScanBlock);
187        }
188
189        return 0;
190} 
191
192void tag_matcher::store_streams(SIMD_type tagMark, SIMD_type NameFollow, SIMD_type miscMark){
193  tagMarks[stream_index] = tagMark;
194  miscMarks[stream_index] = ~miscMark;
195  NameFollows[stream_index] = NameFollow;
196  stream_index++; 
197  if(stream_index==1){
198    if(state == InStartTag) {
199      state = Clear;
200      int remain_lgth = bitstream_scan(NameFollows,0);
201      memcpy(&tags_buf[tags_buf_cur],srcbuf,remain_lgth);
202//       tags_buf_cur += remain_lgth;
203      tag_lgth_stack[depth] += remain_lgth;
204      depth++;
205    }
206    else if (state == InEndTag) {
207      state = Clear;
208      int lgth = tag_lgth_stack[depth];
209      if (does_match(tag_stack[depth]+inTagPos,srcbuf,lgth-inTagPos) && ((srcbuf[lgth] == '>') ||(srcbuf[lgth] <= ' '))) return ;       
210      else {
211          fprintf(stderr,"tag name mismatch at position = %i\n",buf_base);
212          exit(-1);
213      }     
214    }
215    else if (state == InAttName) {
216      state = Clear;
217      int remain_lgth = bitstream_scan(NameFollows,0);
218      memcpy(&tags_buf[tags_buf_cur],srcbuf,remain_lgth);
219//       tags_buf_cur += remain_lgth;       
220      if(lookup_or_insert(InAtt.start, InAtt.lgth+remain_lgth)){
221              fprintf(stderr,"Attribute name is not unique at position =%i.\n",buf_base);
222              exit(-1);
223      } 
224    }
225  } 
226}
227
228tag_matcher::tag_matcher(char * src){
229  stream_index = 0;
230  depth = 0;
231  srcbuf = src;
232  buf_base = 0;
233  state = Clear;
234  mode = StartOfFile;
235  NameFollows[BUFFER_SIZE/BLOCK_SIZE]=simd_const_1(1);  //sentinel
236}
237
238tag_matcher::~tag_matcher(){
239 
240}
241
242void tag_matcher::Advance_buffer(){
243  buf_base += BUFFER_SIZE;
244  stream_index=0;
245  tags_buf_cur = 0;
246  att_index = 0;
247  for(int i=0; i< depth; i++){
248    if(&tags_buf[tags_buf_cur]!=tag_stack[i])
249      memcpy(&tags_buf[tags_buf_cur],tag_stack[i],tag_lgth_stack[i]);         
250    tag_stack[i] = &tags_buf[tags_buf_cur];
251    tags_buf_cur += tag_lgth_stack[i];
252  }
253  if(state == InStartTag) {
254      memcpy(&tags_buf[tags_buf_cur],&srcbuf[finalStartPos],tag_lgth_stack[depth]);           
255      tag_stack[depth] = &tags_buf[tags_buf_cur];
256      tags_buf_cur += tag_lgth_stack[depth];
257  }
258  if(state == InAttName) {
259      memcpy(&tags_buf[tags_buf_cur],InAtt.start,InAtt.lgth);
260      InAtt.start = &tags_buf[tags_buf_cur];
261      tags_buf_cur += InAtt.lgth;
262  }
263  srcbuf[-1] = srcbuf[BUFFER_SIZE-1];
264}
265
Note: See TracBrowser for help on using the repository browser.