source: tags/parabix-0.39/src/bytelex.h @ 4027

Last change on this file since 4027 was 30, checked in by cameron, 12 years ago

Unify DQuote/SQuote stream; xmlns bugfix

File size: 7.1 KB
Line 
1/*  bytelex.h - XML lexical recognizers for pseudo-ASCII or
2    EBCDIC-family byte streams
3    Copyright (c) 2008, Robert D. Cameron.
4    Licensed to the public under the Open Software License 3.0.
5    Licensed to International Characters, Inc., under the Academic
6    Free License 3.0.
7*/
8#ifndef BYTELEX_H
9#define BYTELEX_H
10
11#include "xmlparam.h"
12#include "multiliteral.h"
13
14template<CodeUnit_Base C, unsigned char c>
15inline bool AtChar(unsigned char x8data[]) {
16  return x8data[0] == Ord<C, c>::value;
17}
18
19template<CodeUnit_Base C>
20inline bool AtQuote(unsigned char x8data[]) {
21  return (x8data[0] == Ord<C, '"'>::value) | (x8data[0] == Ord<C, '\''>::value);
22}
23
24// Whitespace recognition.  This varies between XML 1.0 and
25// XML 1.1, but only the XML 1.0 version is needed.
26// Specific ASCII/EBCDIC versions are hard-coded here, because
27// the Ord metafunction currently only works for printable characters.
28// Could be improved. 
29template<XML_version, CodeUnit_Base C>
30inline bool at_WhiteSpace(unsigned char x8data[]);
31
32template<>
33inline bool at_WhiteSpace<XML_1_0, ASCII>(unsigned char x8data[]) {
34  unsigned char ch = x8data[0];
35  return (ch == Ord<ASCII, ' '>::value) || 
36         (ch == 0x0A) || (ch == 0x0D) || (ch == 0x09);
37}
38
39template<>
40inline bool at_WhiteSpace<XML_1_0, EBCDIC>(unsigned char x8data[]) {
41  unsigned char ch = x8data[0];
42  return (ch == Ord<EBCDIC, ' '>::value) || 
43         (ch == 0x25) || (ch == 0x0D) || (ch == 0x05);
44}
45
46template<CodeUnit_Base C>
47inline bool at_EndTag_Start(unsigned char x8data[]) {
48  return s2int16(x8data) == c2int16<C, '<', '/'>::value;
49}
50
51template<CodeUnit_Base C>
52inline bool at_Comment_Start(unsigned char x8data[]) {
53  return s4int32(x8data) == c4int32<C, '<', '!', '-', '-'>::value;
54}
55
56template<CodeUnit_Base C>
57inline bool at_DoubleHyphen(unsigned char x8data[]) {
58  return s2int16(x8data) == c2int16<C, '-', '-'>::value;
59}
60
61template<CodeUnit_Base C>
62inline bool at_Comment_End(unsigned char x8data[]) {
63  return s3int32(x8data) == c3int32<C, '-', '-', '>'>::value;
64}
65
66template<CodeUnit_Base C>
67inline bool at_CDATA_Start(unsigned char x8data[]) {
68  return s8int64(x8data) == 
69         c8int64<C, '<', '!', '[', 'C', 'D', 'A', 'T', 'A'>::value;
70}
71
72template<CodeUnit_Base C>
73inline bool at_CDATA_End(unsigned char x8data[]) {
74  return s3int32(x8data) == c3int32<C, ']', ']', '>'>::value;
75}
76
77template<CodeUnit_Base C>
78inline bool at_PI_Start(unsigned char x8data[]) {
79  return s2int16(x8data) == c2int16<C, '<', '?'>::value;
80}
81
82template<CodeUnit_Base C>
83inline bool at_PI_End(unsigned char x8data[]) {
84  return s2int16(x8data) == c2int16<C, '?', '>'>::value;
85}
86
87template<CodeUnit_Base C>
88inline bool at_EqualsQuote(unsigned char x8data[]) {
89  uint16_t EQ = s2int16(x8data);
90  return (EQ == c2int16<C, '=', '"'>::value) | (EQ == c2int16<C, '=', '\''>::value);
91}
92
93template<CodeUnit_Base C>
94inline bool at_xmlns(unsigned char x8data[]) {
95  return s5int64(x8data) == c5int64<C, 'x', 'm', 'l', 'n', 's'>::value; 
96}
97
98template<CodeUnit_Base C>
99inline bool at_EmptyElementDelim(unsigned char x8data[]) {
100  return s2int16(x8data) == c2int16<C, '/', '>'>::value;
101}
102
103template<CodeUnit_Base C>
104inline bool at_XmlDecl_start(unsigned char x8data[]) {
105  return (s5int64(x8data) == c5int64<C, '<', '?', 'x', 'm', 'l'>::value) &&
106         at_WhiteSpace<XML_1_0, C>(&x8data[5]);
107}
108
109template<CodeUnit_Base C>
110inline bool at_version(unsigned char x8data[]) {
111  return s7int64(x8data) == c7int64<C, 'v', 'e', 'r', 's', 'i', 'o', 'n'>::value;
112}
113
114template<CodeUnit_Base C>
115inline bool at_1_0(unsigned char x8data[]) {
116  return (s5int64(x8data) == c5int64<C, '"', '1', '.', '0', '"'>::value) ||
117         (s5int64(x8data) == c5int64<C, '\'', '1', '.', '0', '\''>::value);
118}
119
120template<CodeUnit_Base C>
121inline bool at_1_1(unsigned char x8data[]) {
122  return (s5int64(x8data) == c5int64<C, '"', '1', '.', '1', '"'>::value) ||
123         (s5int64(x8data) == c5int64<C, '\'', '1', '.', '1', '\''>::value);
124}
125
126template<CodeUnit_Base C>
127inline bool at_encoding(unsigned char x8data[]) {
128  return s8int64(x8data) == c8int64<C, 'e', 'n', 'c', 'o', 'd', 'i', 'n', 'g'>::value;
129}
130
131template<CodeUnit_Base C>
132inline bool at_standalone(unsigned char x8data[]) {
133  return (s8int64(x8data) == c8int64<C, 's', 't', 'a', 'n', 'd', 'a', 'l', 'o'>::value) &
134         (s2int16(&x8data[8]) == c2int16<C, 'n', 'e'>::value);
135}
136
137template<CodeUnit_Base C>
138inline bool at_yes(unsigned char x8data[]) {
139  return (s5int64(x8data) == c5int64<C, '"', 'y', 'e', 's', '"'>::value) |
140         (s5int64(x8data) == c5int64<C, '\'', 'y', 'e', 's', '\''>::value);
141}
142
143template<CodeUnit_Base C>
144inline bool at_no(unsigned char x8data[]) {
145  return (s4int32(x8data) == c4int32<C, '"', 'n', 'o', '"'>::value) |
146         (s4int32(x8data) == c4int32<C, '\'', 'n', 'o', '\''>::value);
147}
148
149template<CodeUnit_Base C>
150inline bool at_XxMmLll_WS(unsigned char x8data[]) {
151  return caseless_comp<C, 'x', 'm', 'l'>(x8data) &&
152         at_WhiteSpace<XML_1_0, C>(&x8data[3]);
153}
154
155
156/* The at_ElementTag_Start recognizer rules out '<!', '<?', '</'
157   combinations while returning true for '<' followed by any NameStrt
158   character.
159
160   The following is ugly and works only for ASCII.
161*/
162template<CodeUnit_Base C>
163inline bool at_ElementTag_Start(unsigned char x8data[]);
164
165template<>
166inline bool at_ElementTag_Start<ASCII>(unsigned char x8data[]) {
167  return (x8data[0] == Ord<ASCII, '<'>::value) &
168         ((x8data[1] & 0xE1) != 0x21);
169}
170
171template<CodeUnit_Base C>
172inline bool at_UTF_8(unsigned char x8data[]) {
173  return caseless_comp<C, 'u', 't', 'f', '-', '8'>(x8data);
174}
175
176template<CodeUnit_Base C>
177inline bool at_UCS_2(unsigned char x8data[]) {
178  return caseless_comp<C, 'u', 'c', 's', '-', '2'>(x8data);
179}
180
181template<CodeUnit_Base C>
182inline bool at_UCS_4(unsigned char x8data[]) {
183  return caseless_comp<C, 'u', 'c', 's', '-', '4'>(x8data);
184}
185
186template<CodeUnit_Base C>
187inline bool at_UCS_2LE(unsigned char x8data[]) {
188  return caseless_comp<C, 'u', 'c', 's', '-', '2', 'l', 'e'>(x8data);
189}
190
191template<CodeUnit_Base C>
192inline bool at_UCS_2BE(unsigned char x8data[]) {
193  return caseless_comp<C, 'u', 'c', 's', '-', '2', 'b', 'e'>(x8data);
194}
195
196template<CodeUnit_Base C>
197inline bool at_UCS_4LE(unsigned char x8data[]) {
198  return caseless_comp<C, 'u', 'c', 's', '-', '4', 'l', 'e'>(x8data);
199}
200
201template<CodeUnit_Base C>
202inline bool at_UCS_4BE(unsigned char x8data[]) {
203  return caseless_comp<C, 'u', 'c', 's', '-', '4', 'b', 'e'>(x8data);
204}
205
206template<CodeUnit_Base C>
207inline bool at_UTF_16(unsigned char x8data[]) {
208  return caseless_comp<C, 'u', 't', 'f', '-', '1', '6'>(x8data);
209}
210
211template<CodeUnit_Base C>
212inline bool at_UTF_32(unsigned char x8data[]) {
213  return caseless_comp<C, 'u', 't', 'f', '-', '3', '2'>(x8data);
214}
215
216template<CodeUnit_Base C>
217inline bool at_UTF_16LE(unsigned char x8data[]) {
218  return caseless_comp<C, 'u', 't', 'f', '-', '1', '6', 'l', 'e'>(x8data);
219}
220
221template<CodeUnit_Base C>
222inline bool at_UTF_32LE(unsigned char x8data[]) {
223  return caseless_comp<C, 'u', 't', 'f', '-', '3', '2', 'l', 'e'>(x8data);
224}
225
226template<CodeUnit_Base C>
227inline bool at_UTF_16BE(unsigned char x8data[]) {
228  return caseless_comp<C, 'u', 't', 'f', '-', '1', '6', 'b', 'e'>(x8data);
229}
230
231template<CodeUnit_Base C>
232inline bool at_UTF_32BE(unsigned char x8data[]) {
233  return caseless_comp<C, 'u', 't', 'f', '-', '3', '2', 'b', 'e'>(x8data);
234}
235
236
237
238#endif
Note: See TracBrowser for help on using the repository browser.