source: trunk/src/bytelex.h @ 78

Last change on this file since 78 was 78, checked in by lindanl, 11 years ago

DTD parsing.

File size: 10.6 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 "xmlmodel.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/* The at_ElementTag_Start recognizer rules out '<!', '<?', '</'
156   combinations while returning true for '<' followed by any NameStrt
157   character.
158*/
159template<CodeUnit_Base C>
160inline bool at_ElementTag_Start(unsigned char x8data[]) {
161  return (x8data[0] == Ord<C, '<'>::value) & (x8data[1] != Ord<C, '!'>::value) &
162         (x8data[1] != Ord<C, '?'>::value) & (x8data[1] != Ord<C, '/'>::value);
163}
164
165/* The following ugly hack optimizes for ASCII. */
166template<>
167inline bool at_ElementTag_Start<ASCII>(unsigned char x8data[]) {
168  return (x8data[0] == Ord<ASCII, '<'>::value) &
169         ((x8data[1] & 0xE1) != 0x21);
170}
171
172
173inline bool at_UTF_8(unsigned char x8data[]) {
174  return caseless_comp<ASCII, 'u', 't', 'f', '-', '8'>(x8data);
175}
176
177inline bool at_UCS_2(unsigned char x8data[]) {
178  return caseless_comp<ASCII, 'u', 'c', 's', '-', '2'>(x8data);
179}
180
181inline bool at_UCS_4(unsigned char x8data[]) {
182  return caseless_comp<ASCII, 'u', 'c', 's', '-', '4'>(x8data);
183}
184
185inline bool at_UCS_2LE(unsigned char x8data[]) {
186  return caseless_comp<ASCII, 'u', 'c', 's', '-', '2', 'l', 'e'>(x8data);
187}
188
189inline bool at_UCS_2BE(unsigned char x8data[]) {
190  return caseless_comp<ASCII, 'u', 'c', 's', '-', '2', 'b', 'e'>(x8data);
191}
192
193inline bool at_UCS_4LE(unsigned char x8data[]) {
194  return caseless_comp<ASCII, 'u', 'c', 's', '-', '4', 'l', 'e'>(x8data);
195}
196
197inline bool at_UCS_4BE(unsigned char x8data[]) {
198  return caseless_comp<ASCII, 'u', 'c', 's', '-', '4', 'b', 'e'>(x8data);
199}
200
201inline bool at_UTF_16(unsigned char x8data[]) {
202  return caseless_comp<ASCII, 'u', 't', 'f', '-', '1', '6'>(x8data);
203}
204
205inline bool at_UTF_32(unsigned char x8data[]) {
206  return caseless_comp<ASCII, 'u', 't', 'f', '-', '3', '2'>(x8data);
207}
208
209inline bool at_UTF_16LE(unsigned char x8data[]) {
210  return caseless_comp<ASCII, 'u', 't', 'f', '-', '1', '6', 'l', 'e'>(x8data);
211}
212
213inline bool at_UTF_32LE(unsigned char x8data[]) {
214  return caseless_comp<ASCII, 'u', 't', 'f', '-', '3', '2', 'l', 'e'>(x8data);
215}
216
217inline bool at_UTF_16BE(unsigned char x8data[]) {
218  return caseless_comp<ASCII, 'u', 't', 'f', '-', '1', '6', 'b', 'e'>(x8data);
219}
220
221inline bool at_UTF_32BE(unsigned char x8data[]) {
222  return caseless_comp<ASCII, 'u', 't', 'f', '-', '3', '2', 'b', 'e'>(x8data);
223}
224
225inline bool at_ASCII(unsigned char x8data[]) {
226  return caseless_comp<ASCII, 'a', 's', 'c', 'i', 'i'>(x8data);
227}
228
229inline bool at_Latin1(unsigned char x8data[]) {
230  return caseless_comp<ASCII, 'l', 'a', 't', 'i', 'n', '1'>(x8data);
231}
232
233inline bool at_EBCDIC(unsigned char x8data[]) {
234  return caseless_comp<EBCDIC, 'e', 'b', 'c', 'd', 'i', 'c'>(x8data);
235}
236
237template<CodeUnit_Base C>
238inline bool at_DOCTYPE_start(unsigned char x8data[]) {
239        return s8int64(x8data) == c8int64<C, '<', '!','D', 'O', 'C', 'T', 'Y', 'P'>::value & AtChar<C,'E'>(&x8data[8]);
240}
241
242template<CodeUnit_Base C>
243inline bool at_SYSTEM(unsigned char x8data[]) {
244        return s6int64(x8data) == c6int64<C, 'S', 'Y', 'S', 'T', 'E', 'M'>::value;
245}
246
247template<CodeUnit_Base C>
248inline bool at_PUBLIC(unsigned char x8data[]) {
249        return s6int64(x8data) == c6int64<C, 'P', 'U', 'B', 'L', 'I', 'C'>::value;
250}
251
252template<CodeUnit_Base C>
253inline bool at_ELEMENT(unsigned char x8data[]) {
254        return s7int64(x8data) == c7int64<C, 'E', 'L', 'E', 'M', 'E', 'N', 'T'>::value;
255}
256
257template<CodeUnit_Base C>
258inline bool at_ATTLIST(unsigned char x8data[]) {
259        return s7int64(x8data) == c7int64<C, 'A', 'T', 'T', 'L', 'I', 'S', 'T'>::value;
260}
261
262template<CodeUnit_Base C>
263inline bool at_ENTITY(unsigned char x8data[]) {
264        return s6int64(x8data) == c6int64<C, 'E', 'N', 'T', 'I', 'T', 'Y'>::value;
265}
266
267template<CodeUnit_Base C>
268inline bool at_NOTATION(unsigned char x8data[]) {
269        return s8int64(x8data) == c8int64<C, 'N', 'O', 'T', 'A', 'T', 'I', 'O', 'N'>::value;
270}
271
272template<CodeUnit_Base C>
273inline bool at_EMPTY(unsigned char x8data[]) {
274        return s5int64(x8data) == c5int64<C, 'E', 'M', 'P', 'T', 'Y'>::value;
275}
276
277template<CodeUnit_Base C>
278inline bool at_PCDATA(unsigned char x8data[]) {
279        return s7int64(x8data) == c7int64<C, '#', 'P', 'C', 'D', 'A', 'T', 'A'>::value;
280}
281
282template<CodeUnit_Base C>
283inline bool at_Para_star(unsigned char x8data[]) {
284        return s2int16(x8data) == c2int16<C, ')', '*'>::value;
285}
286
287template<CodeUnit_Base C>
288inline bool at_CDATA(unsigned char x8data[]) {
289        return s5int64(x8data) == c5int64<C, 'C', 'D', 'A', 'T', 'A'>::value;
290}
291
292template<CodeUnit_Base C>
293inline bool at_ID(unsigned char x8data[]) {
294        return s2int16(x8data) == c2int16<C, 'I', 'D'>::value;
295}
296
297template<CodeUnit_Base C>
298inline bool at_IDREF(unsigned char x8data[]) {
299        return s5int64(x8data) == c5int64<C, 'I', 'D', 'R', 'E', 'F'>::value;
300}
301
302template<CodeUnit_Base C>
303inline bool at_IDREFS(unsigned char x8data[]) {
304        return s6int64(x8data) == c6int64<C, 'I', 'D', 'R', 'E', 'F', 'S'>::value;
305}
306
307template<CodeUnit_Base C>
308inline bool at_ENTITIES(unsigned char x8data[]) {
309        return s8int64(x8data) == c8int64<C, 'E', 'N', 'T', 'I', 'T', 'I', 'E', 'S'>::value;
310}
311
312template<CodeUnit_Base C>
313inline bool at_NMTOKEN(unsigned char x8data[]) {
314        return s7int64(x8data) == c7int64<C, 'N', 'M', 'T', 'O', 'K', 'E', 'N'>::value;
315}
316
317template<CodeUnit_Base C>
318inline bool at_NMTOKENS(unsigned char x8data[]) {
319        return s8int64(x8data) == c8int64<C, 'N', 'M', 'T', 'O', 'K', 'E', 'N', 'S'>::value;
320}
321
322template<CodeUnit_Base C>
323inline bool at_REQUIRED(unsigned char x8data[]) {
324        return s8int64(x8data) == c8int64<C, '#', 'R', 'E', 'Q', 'U', 'I', 'R', 'E'>::value
325          & AtChar<C,'D'>(&x8data[8]);
326}
327
328template<CodeUnit_Base C>
329inline bool at_IMPLIED(unsigned char x8data[]) {
330        return s8int64(x8data) == c8int64<C, '#', 'I', 'M', 'P', 'L', 'I', 'E', 'D'>::value;
331}
332
333template<CodeUnit_Base C>
334inline bool at_FIXED(unsigned char x8data[]) {
335        return s6int64(x8data) == c6int64<C, '#', 'F', 'I', 'X', 'E', 'D'>::value;
336}
337
338template<CodeUnit_Base C>
339inline bool at_ANY(unsigned char x8data[]) {
340        return s3int32(x8data) == c3int32<C, 'A', 'N', 'Y'>::value;
341}
342
343#endif
Note: See TracBrowser for help on using the repository browser.