source: proto/parabix2/src/tag_matcher.cpp @ 599

Last change on this file since 599 was 599, checked in by lindanl, 9 years ago

fixed bug at buffer boundary

File size: 7.9 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  int InFinalEndTag;
35   
36  tag_matcher(char * src);
37  ~tag_matcher(); 
38  int StreamScan(int chars_avail);
39  void store_streams(SIMD_type tagMark, SIMD_type NameFollow, SIMD_type miscMarks, int chars_avail);
40  int tag_match(int pos, int chars_avail);
41  void Advance_buffer();
42  int does_match(char * s1, char * s2, int lgth);
43  int lookup_or_insert(char*s, int lgth);
44};
45
46int tag_matcher::lookup_or_insert(char* s, int lgth){
47  for(int i=0; i< att_index; i++)
48    if(lgth == Attr[i].lgth &&  does_match(s,Attr[i].start,lgth))
49      return 1;
50 
51  Attr[att_index].start = s;
52  Attr[att_index].lgth = lgth;
53  att_index++;
54  return 0;
55}
56
57int tag_matcher::does_match(char * s1, char * s2, int lgth){
58    int matchlen = 0; 
59    int i=0;
60    while (lgth > sizeof(SIMD_type)) {
61      /* full 16 byte match */
62      if (simd_all_eq_8(sisd_load_unaligned((SIMD_type*)&s1[i]), sisd_load_unaligned((SIMD_type*)&s2[i]))) {
63        lgth -= sizeof(SIMD_type);
64        i +=sizeof(SIMD_type);
65      }
66      else {
67        return 0;
68      }
69    }
70    if (lgth > cfzl(~_mm_movemask_epi8(simd_eq_8(sisd_load_unaligned((SIMD_type*)&s1[i]), 
71                                                  sisd_load_unaligned((SIMD_type*)&s2[i])))))
72      return 0;
73    else return 1;
74}
75
76
77int tag_matcher:: tag_match(int pos, int chars_avail) {
78        int rt_val=0;
79//      end tag
80        if(srcbuf[pos]=='/' ){
81          pos++;
82          depth--;
83          if (depth<0)
84            return pos;
85          int lgth = tag_lgth_stack[depth];
86
87          if (does_match(tag_stack[depth],&srcbuf[pos],lgth) && ((srcbuf[pos+lgth] == '>') ||(srcbuf[pos+lgth] <= ' '))) rt_val=0;
88          else if (pos + lgth >= BUFFER_SIZE + OVERLAP_BUFSIZE) {
89            state = InEndTag;
90            inTagPos = BUFFER_SIZE - pos;
91            rt_val=0;
92          }
93          else {
94//            cout << "matchlen = " << matchlen << endl;
95//            cout << "end tag is " << string(&srcbuf[pos],tag_lgth_stack[depth]) << endl ;
96//            cout << "start tag is " << string(tag_stack[depth],tag_lgth_stack[depth]) << endl ;
97              fprintf(stderr,"tag name mismatch at position = %i\n",buf_base+pos);
98              exit(-1);
99          }
100         
101          if (depth == 0){
102            while(srcbuf[pos]!='>'){
103              pos++;
104              if(pos>=chars_avail){
105                InFinalEndTag = 1;
106                return 0;
107              }
108            }
109            pos = bitstream_scan(miscMarks,pos+1);
110            if(pos!=chars_avail){
111              fprintf(stderr,"illegal content after root element at position = %i\n",buf_base+pos);
112              exit(-1); 
113            }
114          }
115          return rt_val;
116        }
117//      empty tag
118        else if(srcbuf[pos]=='>'){
119          depth--;
120          if (depth == 0){
121            while(srcbuf[pos]!='>')
122              pos++;
123            pos = bitstream_scan(miscMarks,pos+1);
124           
125            if(pos!=chars_avail){
126              fprintf(stderr,"illegal content after root element at position = %i\n",buf_base+pos);
127              exit(-1);     
128            }
129          }
130        }
131//      start tag
132        else if(srcbuf[pos-1]=='<'){
133          att_index = 0;
134          if(depth<MAX_DEPTH){
135            int end_pos = bitstream_scan(NameFollows,pos);
136            tag_lgth_stack[depth] = end_pos-pos;
137            tag_stack[depth] = &srcbuf[pos];
138            if(end_pos<BUFFER_SIZE){
139              depth++;
140            }
141            else{
142              state = InStartTag;
143              finalStartPos = pos;
144            }
145          }
146          else{
147            fprintf(stderr,"Max nesting depth exceeded at position =%i. depth = %i\n",buf_base+pos, depth);
148            exit(-1);
149          }
150        }
151//      attribute
152        else{
153          int end_pos = bitstream_scan(NameFollows,pos);
154          if(end_pos<BUFFER_SIZE){
155            if(lookup_or_insert(&srcbuf[pos], end_pos-pos)){
156              fprintf(stderr,"Attribute name is not unique at position =%i.\n",buf_base+pos);
157              exit(-1);
158            }
159          }
160          else{
161            state = InAttName;     
162            InAtt.start = &srcbuf[pos];
163            InAtt.lgth = BUFFER_SIZE-pos;
164          }
165        }
166        return 0;
167}
168
169
170int tag_matcher::StreamScan(int chars_avail) {
171 
172        int blk;
173        int blk_counts = (chars_avail+sizeof(ScanBlock)*8-1)/(sizeof(ScanBlock)*8);
174        int block_pos = 0;
175       
176        if(mode == StartOfFile){
177          int pos = bitstream_scan(miscMarks,0);
178          if (pos==chars_avail){
179            fprintf(stderr,"no element at position =%i.\n",buf_base+pos);
180            exit(-1);
181          }
182          if(srcbuf[pos-1]!='<'|| srcbuf[pos]=='!'||srcbuf[pos]=='/'){
183            fprintf(stderr,"illegal content before root element at position =%i.\n",buf_base+pos);
184            exit(-1);
185          }
186          mode = InFile;
187        }
188        for (blk = 0; blk < blk_counts; blk++) {
189                ScanBlock s = ((ScanBlock*)tagMarks)[blk];
190                while(s) {
191                        int code = tag_match(cfzl(s) + block_pos, chars_avail);
192                        if (code) return code;
193                        s = s & (s-1);  // clear rightmost bit.
194                }
195                block_pos += 8 * sizeof(ScanBlock);
196        }
197
198        return 0;
199} 
200
201void tag_matcher::store_streams(SIMD_type tagMark, SIMD_type NameFollow, SIMD_type miscMark, int chars_avail){
202  tagMarks[stream_index] = tagMark;
203  miscMarks[stream_index] = ~miscMark;
204  NameFollows[stream_index] = NameFollow;
205  stream_index++; 
206  if(stream_index==1){
207   
208    if (InFinalEndTag == 1){
209      int pos = -1;
210      while(srcbuf[pos]!='>'){
211        pos++;
212        if(pos>=chars_avail){
213          InFinalEndTag = 1;
214          return;
215        }
216      }
217      pos = bitstream_scan(miscMarks,pos+1);
218      if(pos!=chars_avail){
219        fprintf(stderr,"illegal content after root element at position = %i\n",buf_base+pos);
220        exit(-1);       
221      }   
222    }
223   
224    if(state == InStartTag) {
225      state = Clear;
226      int remain_lgth = bitstream_scan(NameFollows,0);
227      memcpy(&tags_buf[tags_buf_cur],srcbuf,remain_lgth);
228      tag_lgth_stack[depth] += remain_lgth;
229      depth++;
230    }
231    else if (state == InEndTag) {
232      state = Clear;
233      int lgth = tag_lgth_stack[depth];
234      if (does_match(tag_stack[depth]+inTagPos,srcbuf,lgth-inTagPos) && ((srcbuf[lgth] == '>') ||(srcbuf[lgth] <= ' '))) return ;       
235      else {
236          fprintf(stderr,"tag name mismatch at position = %i\n",buf_base);
237          exit(-1);
238      } 
239    }
240    else if (state == InAttName) {
241      state = Clear;
242      int remain_lgth = bitstream_scan(NameFollows,0);
243      memcpy(&tags_buf[tags_buf_cur],srcbuf,remain_lgth);
244//       tags_buf_cur += remain_lgth;       
245      if(lookup_or_insert(InAtt.start, InAtt.lgth+remain_lgth)){
246              fprintf(stderr,"Attribute name is not unique at position =%i.\n",buf_base);
247              exit(-1);
248      } 
249    }   
250  } 
251}
252
253tag_matcher::tag_matcher(char * src){
254  stream_index = 0;
255  depth = 0;
256  srcbuf = src;
257  buf_base = 0;
258  state = Clear;
259  mode = StartOfFile;
260  InFinalEndTag = 0;
261  NameFollows[BUFFER_SIZE/BLOCK_SIZE]=simd_const_1(1);  //sentinel
262}
263
264tag_matcher::~tag_matcher(){
265 
266}
267
268void tag_matcher::Advance_buffer(){
269  buf_base += BUFFER_SIZE;
270  stream_index=0;
271  tags_buf_cur = 0;
272  att_index = 0;
273  for(int i=0; i< depth; i++){
274    if(&tags_buf[tags_buf_cur]!=tag_stack[i])
275      memcpy(&tags_buf[tags_buf_cur],tag_stack[i],tag_lgth_stack[i]);
276    tag_stack[i] = &tags_buf[tags_buf_cur];
277    tags_buf_cur += tag_lgth_stack[i];
278  }
279  if(state == InStartTag) {
280      memcpy(&tags_buf[tags_buf_cur],&srcbuf[finalStartPos],tag_lgth_stack[depth]);           
281      tag_stack[depth] = &tags_buf[tags_buf_cur];
282      tags_buf_cur += tag_lgth_stack[depth];
283  }
284  else if(state == InEndTag) {
285     memcpy(&tags_buf[tags_buf_cur],tag_stack[depth],tag_lgth_stack[depth]);
286    tag_stack[depth] = &tags_buf[tags_buf_cur];
287    tags_buf_cur += tag_lgth_stack[depth];
288  }
289  else if(state == InAttName) {
290      memcpy(&tags_buf[tags_buf_cur],InAtt.start,InAtt.lgth);
291      InAtt.start = &tags_buf[tags_buf_cur];
292      tags_buf_cur += InAtt.lgth;
293  }
294  srcbuf[-1] = srcbuf[BUFFER_SIZE-1];
295}
296
Note: See TracBrowser for help on using the repository browser.