home *** CD-ROM | disk | FTP | other *** search
/ PC World 2007 March / PCWorld_2007-03_cd.bin / domacnost a kancelar / scribus / scribus-1.3.3.7-win32-install.exe / lib / markupbase.py < prev    next >
Text File  |  2005-09-12  |  15KB  |  390 lines
  1. """Shared support for scanning document type declarations in HTML and XHTML.
  2.  
  3. This module is used as a foundation for the HTMLParser and sgmllib
  4. modules (indirectly, for htmllib as well).  It has no documented
  5. public API and should not be used directly.
  6.  
  7. """
  8.  
  9. import re
  10.  
  11. _declname_match = re.compile(r'[a-zA-Z][-_.a-zA-Z0-9]*\s*').match
  12. _declstringlit_match = re.compile(r'(\'[^\']*\'|"[^"]*")\s*').match
  13. _commentclose = re.compile(r'--\s*>')
  14. _markedsectionclose = re.compile(r']\s*]\s*>')
  15.  
  16. # An analysis of the MS-Word extensions is available at
  17. # http://www.planetpublish.com/xmlarena/xap/Thursday/WordtoXML.pdf
  18.  
  19. _msmarkedsectionclose = re.compile(r']\s*>')
  20.  
  21. del re
  22.  
  23.  
  24. class ParserBase:
  25.     """Parser base class which provides some common support methods used
  26.     by the SGML/HTML and XHTML parsers."""
  27.  
  28.     def __init__(self):
  29.         if self.__class__ is ParserBase:
  30.             raise RuntimeError(
  31.                 "markupbase.ParserBase must be subclassed")
  32.  
  33.     def error(self, message):
  34.         raise NotImplementedError(
  35.             "subclasses of ParserBase must override error()")
  36.  
  37.     def reset(self):
  38.         self.lineno = 1
  39.         self.offset = 0
  40.  
  41.     def getpos(self):
  42.         """Return current line number and offset."""
  43.         return self.lineno, self.offset
  44.  
  45.     # Internal -- update line number and offset.  This should be
  46.     # called for each piece of data exactly once, in order -- in other
  47.     # words the concatenation of all the input strings to this
  48.     # function should be exactly the entire input.
  49.     def updatepos(self, i, j):
  50.         if i >= j:
  51.             return j
  52.         rawdata = self.rawdata
  53.         nlines = rawdata.count("\n", i, j)
  54.         if nlines:
  55.             self.lineno = self.lineno + nlines
  56.             pos = rawdata.rindex("\n", i, j) # Should not fail
  57.             self.offset = j-(pos+1)
  58.         else:
  59.             self.offset = self.offset + j-i
  60.         return j
  61.  
  62.     _decl_otherchars = ''
  63.  
  64.     # Internal -- parse declaration (for use by subclasses).
  65.     def parse_declaration(self, i):
  66.         # This is some sort of declaration; in "HTML as
  67.         # deployed," this should only be the document type
  68.         # declaration ("<!DOCTYPE html...>").
  69.         # ISO 8879:1986, however, has more complex
  70.         # declaration syntax for elements in <!...>, including:
  71.         # --comment--
  72.         # [marked section]
  73.         # name in the following list: ENTITY, DOCTYPE, ELEMENT,
  74.         # ATTLIST, NOTATION, SHORTREF, USEMAP,
  75.         # LINKTYPE, LINK, IDLINK, USELINK, SYSTEM
  76.         rawdata = self.rawdata
  77.         j = i + 2
  78.         assert rawdata[i:j] == "<!", "unexpected call to parse_declaration"
  79.         if rawdata[j:j+1] in ("-", ""):
  80.             # Start of comment followed by buffer boundary,
  81.             # or just a buffer boundary.
  82.             return -1
  83.         # A simple, practical version could look like: ((name|stringlit) S*) + '>'
  84.         n = len(rawdata)
  85.         if rawdata[j:j+1] == '--': #comment
  86.             # Locate --.*-- as the body of the comment
  87.             return self.parse_comment(i)
  88.         elif rawdata[j] == '[': #marked section
  89.             # Locate [statusWord [...arbitrary SGML...]] as the body of the marked section
  90.             # Where statusWord is one of TEMP, CDATA, IGNORE, INCLUDE, RCDATA
  91.             # Note that this is extended by Microsoft Office "Save as Web" function
  92.             # to include [if...] and [endif].
  93.             return self.parse_marked_section(i)
  94.         else: #all other declaration elements
  95.             decltype, j = self._scan_name(j, i)
  96.         if j < 0:
  97.             return j
  98.         if decltype == "doctype":
  99.             self._decl_otherchars = ''
  100.         while j < n:
  101.             c = rawdata[j]
  102.             if c == ">":
  103.                 # end of declaration syntax
  104.                 data = rawdata[i+2:j]
  105.                 if decltype == "doctype":
  106.                     self.handle_decl(data)
  107.                 else:
  108.                     self.unknown_decl(data)
  109.                 return j + 1
  110.             if c in "\"'":
  111.                 m = _declstringlit_match(rawdata, j)
  112.                 if not m:
  113.                     return -1 # incomplete
  114.                 j = m.end()
  115.             elif c in "abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ":
  116.                 name, j = self._scan_name(j, i)
  117.             elif c in self._decl_otherchars:
  118.                 j = j + 1
  119.             elif c == "[":
  120.                 # this could be handled in a separate doctype parser
  121.                 if decltype == "doctype":
  122.                     j = self._parse_doctype_subset(j + 1, i)
  123.                 elif decltype in ("attlist", "linktype", "link", "element"):
  124.                     # must tolerate []'d groups in a content model in an element declaration
  125.                     # also in data attribute specifications of attlist declaration
  126.                     # also link type declaration subsets in linktype declarations
  127.                     # also link attribute specification lists in link declarations
  128.                     self.error("unsupported '[' char in %s declaration" % decltype)
  129.                 else:
  130.                     self.error("unexpected '[' char in declaration")
  131.             else:
  132.                 self.error(
  133.                     "unexpected %r char in declaration" % rawdata[j])
  134.             if j < 0:
  135.                 return j
  136.         return -1 # incomplete
  137.  
  138.     # Internal -- parse a marked section
  139.     # Override this to handle MS-word extension syntax <![if word]>content<![endif]>
  140.     def parse_marked_section( self, i, report=1 ):
  141.         rawdata= self.rawdata
  142.         assert rawdata[i:i+3] == '<![', "unexpected call to parse_marked_section()"
  143.         sectName, j = self._scan_name( i+3, i )
  144.         if j < 0:
  145.             return j
  146.         if sectName in ("temp", "cdata", "ignore", "include", "rcdata"):
  147.             # look for standard ]]> ending
  148.             match= _markedsectionclose.search(rawdata, i+3)
  149.         elif sectName in ("if", "else", "endif"):
  150.             # look for MS Office ]> ending
  151.             match= _msmarkedsectionclose.search(rawdata, i+3)
  152.         else:
  153.             self.error('unknown status keyword %r in marked section' % rawdata[i+3:j])
  154.         if not match:
  155.             return -1
  156.         if report:
  157.             j = match.start(0)
  158.             self.unknown_decl(rawdata[i+3: j])
  159.         return match.end(0)
  160.  
  161.     # Internal -- parse comment, return length or -1 if not terminated
  162.     def parse_comment(self, i, report=1):
  163.         rawdata = self.rawdata
  164.         if rawdata[i:i+4] != '<!--':
  165.             self.error('unexpected call to parse_comment()')
  166.         match = _commentclose.search(rawdata, i+4)
  167.         if not match:
  168.             return -1
  169.         if report:
  170.             j = match.start(0)
  171.             self.handle_comment(rawdata[i+4: j])
  172.         return match.end(0)
  173.  
  174.     # Internal -- scan past the internal subset in a <!DOCTYPE declaration,
  175.     # returning the index just past any whitespace following the trailing ']'.
  176.     def _parse_doctype_subset(self, i, declstartpos):
  177.         rawdata = self.rawdata
  178.         n = len(rawdata)
  179.         j = i
  180.         while j < n:
  181.             c = rawdata[j]
  182.             if c == "<":
  183.                 s = rawdata[j:j+2]
  184.                 if s == "<":
  185.                     # end of buffer; incomplete
  186.                     return -1
  187.                 if s != "<!":
  188.                     self.updatepos(declstartpos, j + 1)
  189.                     self.error("unexpected char in internal subset (in %r)" % s)
  190.                 if (j + 2) == n:
  191.                     # end of buffer; incomplete
  192.                     return -1
  193.                 if (j + 4) > n:
  194.                     # end of buffer; incomplete
  195.                     return -1
  196.                 if rawdata[j:j+4] == "<!--":
  197.                     j = self.parse_comment(j, report=0)
  198.                     if j < 0:
  199.                         return j
  200.                     continue
  201.                 name, j = self._scan_name(j + 2, declstartpos)
  202.                 if j == -1:
  203.                     return -1
  204.                 if name not in ("attlist", "element", "entity", "notation"):
  205.                     self.updatepos(declstartpos, j + 2)
  206.                     self.error(
  207.                         "unknown declaration %r in internal subset" % name)
  208.                 # handle the individual names
  209.                 meth = getattr(self, "_parse_doctype_" + name)
  210.                 j = meth(j, declstartpos)
  211.                 if j < 0:
  212.                     return j
  213.             elif c == "%":
  214.                 # parameter entity reference
  215.                 if (j + 1) == n:
  216.                     # end of buffer; incomplete
  217.                     return -1
  218.                 s, j = self._scan_name(j + 1, declstartpos)
  219.                 if j < 0:
  220.                     return j
  221.                 if rawdata[j] == ";":
  222.                     j = j + 1
  223.             elif c == "]":
  224.                 j = j + 1
  225.                 while j < n and rawdata[j].isspace():
  226.                     j = j + 1
  227.                 if j < n:
  228.                     if rawdata[j] == ">":
  229.                         return j
  230.                     self.updatepos(declstartpos, j)
  231.                     self.error("unexpected char after internal subset")
  232.                 else:
  233.                     return -1
  234.             elif c.isspace():
  235.                 j = j + 1
  236.             else:
  237.                 self.updatepos(declstartpos, j)
  238.                 self.error("unexpected char %r in internal subset" % c)
  239.         # end of buffer reached
  240.         return -1
  241.  
  242.     # Internal -- scan past <!ELEMENT declarations
  243.     def _parse_doctype_element(self, i, declstartpos):
  244.         name, j = self._scan_name(i, declstartpos)
  245.         if j == -1:
  246.             return -1
  247.         # style content model; just skip until '>'
  248.         rawdata = self.rawdata
  249.         if '>' in rawdata[j:]:
  250.             return rawdata.find(">", j) + 1
  251.         return -1
  252.  
  253.     # Internal -- scan past <!ATTLIST declarations
  254.     def _parse_doctype_attlist(self, i, declstartpos):
  255.         rawdata = self.rawdata
  256.         name, j = self._scan_name(i, declstartpos)
  257.         c = rawdata[j:j+1]
  258.         if c == "":
  259.             return -1
  260.         if c == ">":
  261.             return j + 1
  262.         while 1:
  263.             # scan a series of attribute descriptions; simplified:
  264.             #   name type [value] [#constraint]
  265.             name, j = self._scan_name(j, declstartpos)
  266.             if j < 0:
  267.                 return j
  268.             c = rawdata[j:j+1]
  269.             if c == "":
  270.                 return -1
  271.             if c == "(":
  272.                 # an enumerated type; look for ')'
  273.                 if ")" in rawdata[j:]:
  274.                     j = rawdata.find(")", j) + 1
  275.                 else:
  276.                     return -1
  277.                 while rawdata[j:j+1].isspace():
  278.                     j = j + 1
  279.                 if not rawdata[j:]:
  280.                     # end of buffer, incomplete
  281.                     return -1
  282.             else:
  283.                 name, j = self._scan_name(j, declstartpos)
  284.             c = rawdata[j:j+1]
  285.             if not c:
  286.                 return -1
  287.             if c in "'\"":
  288.                 m = _declstringlit_match(rawdata, j)
  289.                 if m:
  290.                     j = m.end()
  291.                 else:
  292.                     return -1
  293.                 c = rawdata[j:j+1]
  294.                 if not c:
  295.                     return -1
  296.             if c == "#":
  297.                 if rawdata[j:] == "#":
  298.                     # end of buffer
  299.                     return -1
  300.                 name, j = self._scan_name(j + 1, declstartpos)
  301.                 if j < 0:
  302.                     return j
  303.                 c = rawdata[j:j+1]
  304.                 if not c:
  305.                     return -1
  306.             if c == '>':
  307.                 # all done
  308.                 return j + 1
  309.  
  310.     # Internal -- scan past <!NOTATION declarations
  311.     def _parse_doctype_notation(self, i, declstartpos):
  312.         name, j = self._scan_name(i, declstartpos)
  313.         if j < 0:
  314.             return j
  315.         rawdata = self.rawdata
  316.         while 1:
  317.             c = rawdata[j:j+1]
  318.             if not c:
  319.                 # end of buffer; incomplete
  320.                 return -1
  321.             if c == '>':
  322.                 return j + 1
  323.             if c in "'\"":
  324.                 m = _declstringlit_match(rawdata, j)
  325.                 if not m:
  326.                     return -1
  327.                 j = m.end()
  328.             else:
  329.                 name, j = self._scan_name(j, declstartpos)
  330.                 if j < 0:
  331.                     return j
  332.  
  333.     # Internal -- scan past <!ENTITY declarations
  334.     def _parse_doctype_entity(self, i, declstartpos):
  335.         rawdata = self.rawdata
  336.         if rawdata[i:i+1] == "%":
  337.             j = i + 1
  338.             while 1:
  339.                 c = rawdata[j:j+1]
  340.                 if not c:
  341.                     return -1
  342.                 if c.isspace():
  343.                     j = j + 1
  344.                 else:
  345.                     break
  346.         else:
  347.             j = i
  348.         name, j = self._scan_name(j, declstartpos)
  349.         if j < 0:
  350.             return j
  351.         while 1:
  352.             c = self.rawdata[j:j+1]
  353.             if not c:
  354.                 return -1
  355.             if c in "'\"":
  356.                 m = _declstringlit_match(rawdata, j)
  357.                 if m:
  358.                     j = m.end()
  359.                 else:
  360.                     return -1    # incomplete
  361.             elif c == ">":
  362.                 return j + 1
  363.             else:
  364.                 name, j = self._scan_name(j, declstartpos)
  365.                 if j < 0:
  366.                     return j
  367.  
  368.     # Internal -- scan a name token and the new position and the token, or
  369.     # return -1 if we've reached the end of the buffer.
  370.     def _scan_name(self, i, declstartpos):
  371.         rawdata = self.rawdata
  372.         n = len(rawdata)
  373.         if i == n:
  374.             return None, -1
  375.         m = _declname_match(rawdata, i)
  376.         if m:
  377.             s = m.group()
  378.             name = s.strip()
  379.             if (i + len(s)) == n:
  380.                 return None, -1  # end of buffer
  381.             return name.lower(), m.end()
  382.         else:
  383.             self.updatepos(declstartpos, i)
  384.             self.error("expected name token at %r"
  385.                        % rawdata[declstartpos:declstartpos+20])
  386.  
  387.     # To be overridden -- handlers for unknown objects
  388.     def unknown_decl(self, data):
  389.         pass
  390.