home *** CD-ROM | disk | FTP | other *** search
/ ProfitPress Mega CDROM2 …eeware (MSDOS)(1992)(Eng) / ProfitPress-MegaCDROM2.B6I / TEXT / UTILITY / CAWF2.ZIP / REGEXP.C < prev    next >
Encoding:
C/C++ Source or Header  |  1991-06-04  |  28.3 KB  |  1,223 lines
  1. /*
  2.  * regcomp and regexec -- regsub and regerror are elsewhere
  3.  *
  4.  *    Copyright (c) 1986 by University of Toronto.
  5.  *    Written by Henry Spencer.  Not derived from licensed software.
  6.  *
  7.  *    Permission is granted to anyone to use this software for any
  8.  *    purpose on any computer system, and to redistribute it freely,
  9.  *    subject to the following restrictions:
  10.  *
  11.  *    1. The author is not responsible for the consequences of use of
  12.  *        this software, no matter how awful, even if they arise
  13.  *        from defects in it.
  14.  *
  15.  *    2. The origin of this software must not be misrepresented, either
  16.  *        by explicit claim or by omission.
  17.  *
  18.  *    3. Altered versions must be plainly marked as such, and must not
  19.  *        be misrepresented as being the original software.
  20.  *
  21.  * Beware that some of this code is subtly aware of the way operator
  22.  * precedence is structured in regular expressions.  Serious changes in
  23.  * regular-expression syntax might require a total rethink.
  24.  */
  25. #include <stdio.h>
  26. #ifdef    UNIX
  27. #ifdef    USG
  28. #include <string.h>
  29. #else
  30. #include <strings.h>
  31. #endif
  32. #else
  33. #include <string.h>
  34. #endif
  35. #include "regexp.h"
  36. #include "regmagic.h"
  37.  
  38. /*
  39.  * The "internal use only" fields in regexp.h are present to pass info from
  40.  * compile to execute that permits the execute phase to run lots faster on
  41.  * simple cases.  They are:
  42.  *
  43.  * regstart    char that must begin a match; '\0' if none obvious
  44.  * reganch    is the match anchored (at beginning-of-line only)?
  45.  * regmust    string (pointer into program) that match must include, or NULL
  46.  * regmlen    length of regmust string
  47.  *
  48.  * Regstart and reganch permit very fast decisions on suitable starting points
  49.  * for a match, cutting down the work a lot.  Regmust permits fast rejection
  50.  * of lines that cannot possibly match.  The regmust tests are costly enough
  51.  * that regcomp() supplies a regmust only if the r.e. contains something
  52.  * potentially expensive (at present, the only such thing detected is * or +
  53.  * at the start of the r.e., which can involve a lot of backup).  Regmlen is
  54.  * supplied because the test in regexec() needs it and regcomp() is computing
  55.  * it anyway.
  56.  */
  57.  
  58. /*
  59.  * Structure for regexp "program".  This is essentially a linear encoding
  60.  * of a nondeterministic finite-state machine (aka syntax charts or
  61.  * "railroad normal form" in parsing technology).  Each node is an opcode
  62.  * plus a "next" pointer, possibly plus an operand.  "Next" pointers of
  63.  * all nodes except BRANCH implement concatenation; a "next" pointer with
  64.  * a BRANCH on both ends of it is connecting two alternatives.  (Here we
  65.  * have one of the subtle syntax dependencies:  an individual BRANCH (as
  66.  * opposed to a collection of them) is never concatenated with anything
  67.  * because of operator precedence.)  The operand of some types of node is
  68.  * a literal string; for others, it is a node leading into a sub-FSM.  In
  69.  * particular, the operand of a BRANCH node is the first node of the branch.
  70.  * (NB this is *not* a tree structure:  the tail of the branch connects
  71.  * to the thing following the set of BRANCHes.)  The opcodes are:
  72.  */
  73.  
  74. /* definition    number    opnd?    meaning */
  75. #define    END    0    /* no    End of program. */
  76. #define    BOL    1    /* no    Match "" at beginning of line. */
  77. #define    EOL    2    /* no    Match "" at end of line. */
  78. #define    ANY    3    /* no    Match any one character. */
  79. #define    ANYOF    4    /* str    Match any character in this string. */
  80. #define    ANYBUT    5    /* str    Match any character not in this string. */
  81. #define    BRANCH    6    /* node    Match this alternative, or the next... */
  82. #define    BACK    7    /* no    Match "", "next" ptr points backward. */
  83. #define    EXACTLY    8    /* str    Match this string. */
  84. #define    NOTHING    9    /* no    Match empty string. */
  85. #define    STAR    10    /* node    Match this (simple) thing 0 or more times. */
  86. #define    PLUS    11    /* node    Match this (simple) thing 1 or more times. */
  87. #define    OPEN    20    /* no    Mark this point in input as start of #n. */
  88.             /*    OPEN+1 is number 1, etc. */
  89. #define    CLOSE    30    /* no    Analogous to OPEN. */
  90.  
  91. /*
  92.  * Opcode notes:
  93.  *
  94.  * BRANCH    The set of branches constituting a single choice are hooked
  95.  *        together with their "next" pointers, since precedence prevents
  96.  *        anything being concatenated to any individual branch.  The
  97.  *        "next" pointer of the last BRANCH in a choice points to the
  98.  *        thing following the whole choice.  This is also where the
  99.  *        final "next" pointer of each individual branch points; each
  100.  *        branch starts with the operand node of a BRANCH node.
  101.  *
  102.  * BACK        Normal "next" pointers all implicitly point forward; BACK
  103.  *        exists to make loop structures possible.
  104.  *
  105.  * STAR,PLUS    '?', and complex '*' and '+', are implemented as circular
  106.  *        BRANCH structures using BACK.  Simple cases (one character
  107.  *        per match) are implemented with STAR and PLUS for speed
  108.  *        and to minimize recursive plunges.
  109.  *
  110.  * OPEN,CLOSE    ...are numbered at compile time.
  111.  */
  112.  
  113. /*
  114.  * A node is one char of opcode followed by two chars of "next" pointer.
  115.  * "Next" pointers are stored as two 8-bit pieces, high order first.  The
  116.  * value is a positive offset from the opcode of the node containing it.
  117.  * An operand, if any, simply follows the node.  (Note that much of the
  118.  * code generation knows about this implicit relationship.)
  119.  *
  120.  * Using two bytes for the "next" pointer is vast overkill for most things,
  121.  * but allows patterns to get big without disasters.
  122.  */
  123. #define    OP(p)    (*(p))
  124. #define    NEXT(p)    (((*((p)+1)&0377)<<8) + *((p)+2)&0377)
  125. #define    OPERAND(p)    ((p) + 3)
  126.  
  127. /*
  128.  * See regmagic.h for one further detail of program structure.
  129.  */
  130.  
  131.  
  132. /*
  133.  * Utility definitions.
  134.  */
  135. #ifndef CHARBITS
  136. #define    UCHARAT(p)    ((int)*(unsigned char *)(p))
  137. #else
  138. #define    UCHARAT(p)    ((int)*(p)&CHARBITS)
  139. #endif
  140.  
  141. #define    FAIL(m)    { regerror(m); return(NULL); }
  142. #define    ISMULT(c)    ((c) == '*' || (c) == '+' || (c) == '?')
  143. #define    META    "^$.[()|?+*\\"
  144.  
  145. /*
  146.  * Flags to be passed up and down.
  147.  */
  148. #define    HASWIDTH    01    /* Known never to match null string. */
  149. #define    SIMPLE        02    /* Simple enough to be STAR/PLUS operand. */
  150. #define    SPSTART        04    /* Starts with * or +. */
  151. #define    WORST        0    /* Worst case. */
  152.  
  153. /*
  154.  * Global work variables for regcomp().
  155.  */
  156. static char *regparse;        /* Input-scan pointer. */
  157. static int regnpar;        /* () count. */
  158. static char regdummy;
  159. static char *regcode;        /* Code-emit pointer; ®dummy = don't. */
  160. static long regsize;        /* Code size. */
  161.  
  162. /*
  163.  * Forward declarations for regcomp()'s friends.
  164.  */
  165. #ifndef STATIC
  166. #define    STATIC    static
  167. #endif
  168. STATIC char *reg();
  169. STATIC char *regbranch();
  170. STATIC char *regpiece();
  171. STATIC char *regatom();
  172. STATIC char *regnode();
  173. STATIC char *regnext();
  174. STATIC void regc();
  175. STATIC void reginsert();
  176. STATIC void regtail();
  177. STATIC void regoptail();
  178. #ifdef STRCSPN
  179. STATIC int strcspn();
  180. #endif
  181.  
  182. /*
  183.  - regcomp - compile a regular expression into internal code
  184.  *
  185.  * We can't allocate space until we know how big the compiled form will be,
  186.  * but we can't compile it (and thus know how big it is) until we've got a
  187.  * place to put the code.  So we cheat:  we compile it twice, once with code
  188.  * generation turned off and size counting turned on, and once "for real".
  189.  * This also means that we don't allocate space until we are sure that the
  190.  * thing really will compile successfully, and we never have to move the
  191.  * code and thus invalidate pointers into it.  (Note that it has to be in
  192.  * one piece because free() must be able to free it all.)
  193.  *
  194.  * Beware that the optimization-preparation code in here knows about some
  195.  * of the structure of the compiled regexp.
  196.  */
  197. regexp *
  198. regcomp(exp)
  199. char *exp;
  200. {
  201.     register regexp *r;
  202.     register char *scan;
  203.     register char *longest;
  204.     register int len;
  205.     int flags;
  206.     extern char *malloc();
  207.  
  208.     if (exp == NULL)
  209.         FAIL("NULL argument");
  210.  
  211.     /* First pass: determine size, legality. */
  212.     regparse = exp;
  213.     regnpar = 1;
  214.     regsize = 0L;
  215.     regcode = ®dummy;
  216.     regc(MAGIC);
  217.     if (reg(0, &flags) == NULL)
  218.         return(NULL);
  219.  
  220.     /* Small enough for pointer-storage convention? */
  221.     if (regsize >= 32767L)        /* Probably could be 65535L. */
  222.         FAIL("regexp too big");
  223.  
  224.     /* Allocate space. */
  225.     r = (regexp *)malloc(sizeof(regexp) + (unsigned)regsize);
  226.     if (r == NULL)
  227.         FAIL("out of space");
  228.  
  229.     /* Second pass: emit code. */
  230.     regparse = exp;
  231.     regnpar = 1;
  232.     regcode = r->program;
  233.     regc(MAGIC);
  234.     if (reg(0, &flags) == NULL)
  235.         return(NULL);
  236.  
  237.     /* Dig out information for optimizations. */
  238.     r->regstart = '\0';    /* Worst-case defaults. */
  239.     r->reganch = 0;
  240.     r->regmust = NULL;
  241.     r->regmlen = 0;
  242.     scan = r->program+1;            /* First BRANCH. */
  243.     if (OP(regnext(scan)) == END) {        /* Only one top-level choice. */
  244.         scan = OPERAND(scan);
  245.  
  246.         /* Starting-point info. */
  247.         if (OP(scan) == EXACTLY)
  248.             r->regstart = *OPERAND(scan);
  249.         else if (OP(scan) == BOL)
  250.             r->reganch++;
  251.  
  252.         /*
  253.          * If there's something expensive in the r.e., find the
  254.          * longest literal string that must appear and make it the
  255.          * regmust.  Resolve ties in favor of later strings, since
  256.          * the regstart check works with the beginning of the r.e.
  257.          * and avoiding duplication strengthens checking.  Not a
  258.          * strong reason, but sufficient in the absence of others.
  259.          */
  260.         if (flags&SPSTART) {
  261.             longest = NULL;
  262.             len = 0;
  263.             for (; scan != NULL; scan = regnext(scan))
  264.                 if (OP(scan) == EXACTLY && strlen(OPERAND(scan)) >= len) {
  265.                     longest = OPERAND(scan);
  266.                     len = strlen(OPERAND(scan));
  267.                 }
  268.             r->regmust = longest;
  269.             r->regmlen = len;
  270.         }
  271.     }
  272.  
  273.     return(r);
  274. }
  275.  
  276. /*
  277.  - reg - regular expression, i.e. main body or parenthesized thing
  278.  *
  279.  * Caller must absorb opening parenthesis.
  280.  *
  281.  * Combining parenthesis handling with the base level of regular expression
  282.  * is a trifle forced, but the need to tie the tails of the branches to what
  283.  * follows makes it hard to avoid.
  284.  */
  285. static char *
  286. reg(paren, flagp)
  287. int paren;            /* Parenthesized? */
  288. int *flagp;
  289. {
  290.     register char *ret;
  291.     register char *br;
  292.     register char *ender;
  293.     register int parno;
  294.     int flags;
  295.  
  296.     *flagp = HASWIDTH;    /* Tentatively. */
  297.  
  298.     /* Make an OPEN node, if parenthesized. */
  299.     if (paren) {
  300.         if (regnpar >= NSUBEXP)
  301.             FAIL("too many ()");
  302.         parno = regnpar;
  303.         regnpar++;
  304.         ret = regnode(OPEN+parno);
  305.     } else
  306.         ret = NULL;
  307.  
  308.     /* Pick up the branches, linking them together. */
  309.     br = regbranch(&flags);
  310.     if (br == NULL)
  311.         return(NULL);
  312.     if (ret != NULL)
  313.         regtail(ret, br);    /* OPEN -> first. */
  314.     else
  315.         ret = br;
  316.     if (!(flags&HASWIDTH))
  317.         *flagp &= ~HASWIDTH;
  318.     *flagp |= flags&SPSTART;
  319.     while (*regparse == '|') {
  320.         regparse++;
  321.         br = regbranch(&flags);
  322.         if (br == NULL)
  323.             return(NULL);
  324.         regtail(ret, br);    /* BRANCH -> BRANCH. */
  325.         if (!(flags&HASWIDTH))
  326.             *flagp &= ~HASWIDTH;
  327.         *flagp |= flags&SPSTART;
  328.     }
  329.  
  330.     /* Make a closing node, and hook it on the end. */
  331.     ender = regnode((paren) ? CLOSE+parno : END);    
  332.     regtail(ret, ender);
  333.  
  334.     /* Hook the tails of the branches to the closing node. */
  335.     for (br = ret; br != NULL; br = regnext(br))
  336.         regoptail(br, ender);
  337.  
  338.     /* Check for proper termination. */
  339.     if (paren && *regparse++ != ')') {
  340.         FAIL("unmatched ()");
  341.     } else if (!paren && *regparse != '\0') {
  342.         if (*regparse == ')') {
  343.             FAIL("unmatched ()");
  344.         } else
  345.             FAIL("junk on end");    /* "Can't happen". */
  346.         /* NOTREACHED */
  347.     }
  348.  
  349.     return(ret);
  350. }
  351.  
  352. /*
  353.  - regbranch - one alternative of an | operator
  354.  *
  355.  * Implements the concatenation operator.
  356.  */
  357. static char *
  358. regbranch(flagp)
  359. int *flagp;
  360. {
  361.     register char *ret;
  362.     register char *chain;
  363.     register char *latest;
  364.     int flags;
  365.  
  366.     *flagp = WORST;        /* Tentatively. */
  367.  
  368.     ret = regnode(BRANCH);
  369.     chain = NULL;
  370.     while (*regparse != '\0' && *regparse != '|' && *regparse != ')') {
  371.         latest = regpiece(&flags);
  372.         if (latest == NULL)
  373.             return(NULL);
  374.         *flagp |= flags&HASWIDTH;
  375.         if (chain == NULL)    /* First piece. */
  376.             *flagp |= flags&SPSTART;
  377.         else
  378.             regtail(chain, latest);
  379.         chain = latest;
  380.     }
  381.     if (chain == NULL)    /* Loop ran zero times. */
  382.         (void) regnode(NOTHING);
  383.  
  384.     return(ret);
  385. }
  386.  
  387. /*
  388.  - regpiece - something followed by possible [*+?]
  389.  *
  390.  * Note that the branching code sequences used for ? and the general cases
  391.  * of * and + are somewhat optimized:  they use the same NOTHING node as
  392.  * both the endmarker for their branch list and the body of the last branch.
  393.  * It might seem that this node could be dispensed with entirely, but the
  394.  * endmarker role is not redundant.
  395.  */
  396. static char *
  397. regpiece(flagp)
  398. int *flagp;
  399. {
  400.     register char *ret;
  401.     register char op;
  402.     register char *next;
  403.     int flags;
  404.  
  405.     ret = regatom(&flags);
  406.     if (ret == NULL)
  407.         return(NULL);
  408.  
  409.     op = *regparse;
  410.     if (!ISMULT(op)) {
  411.         *flagp = flags;
  412.         return(ret);
  413.     }
  414.  
  415.     if (!(flags&HASWIDTH) && op != '?')
  416.         FAIL("*+ operand could be empty");
  417.     *flagp = (op != '+') ? (WORST|SPSTART) : (WORST|HASWIDTH);
  418.  
  419.     if (op == '*' && (flags&SIMPLE))
  420.         reginsert(STAR, ret);
  421.     else if (op == '*') {
  422.         /* Emit x* as (x&|), where & means "self". */
  423.         reginsert(BRANCH, ret);            /* Either x */
  424.         regoptail(ret, regnode(BACK));        /* and loop */
  425.         regoptail(ret, ret);            /* back */
  426.         regtail(ret, regnode(BRANCH));        /* or */
  427.         regtail(ret, regnode(NOTHING));        /* null. */
  428.     } else if (op == '+' && (flags&SIMPLE))
  429.         reginsert(PLUS, ret);
  430.     else if (op == '+') {
  431.         /* Emit x+ as x(&|), where & means "self". */
  432.         next = regnode(BRANCH);            /* Either */
  433.         regtail(ret, next);
  434.         regtail(regnode(BACK), ret);        /* loop back */
  435.         regtail(next, regnode(BRANCH));        /* or */
  436.         regtail(ret, regnode(NOTHING));        /* null. */
  437.     } else if (op == '?') {
  438.         /* Emit x? as (x|) */
  439.         reginsert(BRANCH, ret);            /* Either x */
  440.         regtail(ret, regnode(BRANCH));        /* or */
  441.         next = regnode(NOTHING);        /* null. */
  442.         regtail(ret, next);
  443.         regoptail(ret, next);
  444.     }
  445.     regparse++;
  446.     if (ISMULT(*regparse))
  447.         FAIL("nested *?+");
  448.  
  449.     return(ret);
  450. }
  451.  
  452. /*
  453.  - regatom - the lowest level
  454.  *
  455.  * Optimization:  gobbles an entire sequence of ordinary characters so that
  456.  * it can turn them into a single node, which is smaller to store and
  457.  * faster to run.  Backslashed characters are exceptions, each becoming a
  458.  * separate node; the code is simpler that way and it's not worth fixing.
  459.  */
  460. static char *
  461. regatom(flagp)
  462. int *flagp;
  463. {
  464.     register char *ret;
  465.     int flags;
  466.  
  467.     *flagp = WORST;        /* Tentatively. */
  468.  
  469.     switch (*regparse++) {
  470.     case '^':
  471.         ret = regnode(BOL);
  472.         break;
  473.     case '$':
  474.         ret = regnode(EOL);
  475.         break;
  476.     case '.':
  477.         ret = regnode(ANY);
  478.         *flagp |= HASWIDTH|SIMPLE;
  479.         break;
  480.     case '[': {
  481.             register int class;
  482.             register int classend;
  483.  
  484.             if (*regparse == '^') {    /* Complement of range. */
  485.                 ret = regnode(ANYBUT);
  486.                 regparse++;
  487.             } else
  488.                 ret = regnode(ANYOF);
  489.             if (*regparse == ']' || *regparse == '-')
  490.                 regc(*regparse++);
  491.             while (*regparse != '\0' && *regparse != ']') {
  492.                 if (*regparse == '-') {
  493.                     regparse++;
  494.                     if (*regparse == ']' || *regparse == '\0')
  495.                         regc('-');
  496.                     else {
  497.                         class = UCHARAT(regparse-2)+1;
  498.                         classend = UCHARAT(regparse);
  499.                         if (class > classend+1)
  500.                             FAIL("invalid [] range");
  501.                         for (; class <= classend; class++)
  502.                             regc(class);
  503.                         regparse++;
  504.                     }
  505.                 } else
  506.                     regc(*regparse++);
  507.             }
  508.             regc('\0');
  509.             if (*regparse != ']')
  510.                 FAIL("unmatched []");
  511.             regparse++;
  512.             *flagp |= HASWIDTH|SIMPLE;
  513.         }
  514.         break;
  515.     case '(':
  516.         ret = reg(1, &flags);
  517.         if (ret == NULL)
  518.             return(NULL);
  519.         *flagp |= flags&(HASWIDTH|SPSTART);
  520.         break;
  521.     case '\0':
  522.     case '|':
  523.     case ')':
  524.         FAIL("internal urp");    /* Supposed to be caught earlier. */
  525.         break;
  526.     case '?':
  527.     case '+':
  528.     case '*':
  529.         FAIL("?+* follows nothing");
  530.         break;
  531.     case '\\':
  532.         if (*regparse == '\0')
  533.             FAIL("trailing \\");
  534.         ret = regnode(EXACTLY);
  535.         regc(*regparse++);
  536.         regc('\0');
  537.         *flagp |= HASWIDTH|SIMPLE;
  538.         break;
  539.     default: {
  540.             register int len;
  541.             register char ender;
  542.  
  543.             regparse--;
  544.             len = strcspn(regparse, META);
  545.             if (len <= 0)
  546.                 FAIL("internal disaster");
  547.             ender = *(regparse+len);
  548.             if (len > 1 && ISMULT(ender))
  549.                 len--;        /* Back off clear of ?+* operand. */
  550.             *flagp |= HASWIDTH;
  551.             if (len == 1)
  552.                 *flagp |= SIMPLE;
  553.             ret = regnode(EXACTLY);
  554.             while (len > 0) {
  555.                 regc(*regparse++);
  556.                 len--;
  557.             }
  558.             regc('\0');
  559.         }
  560.         break;
  561.     }
  562.  
  563.     return(ret);
  564. }
  565.  
  566. /*
  567.  - regnode - emit a node
  568.  */
  569. static char *            /* Location. */
  570. regnode(op)
  571. char op;
  572. {
  573.     register char *ret;
  574.     register char *ptr;
  575.  
  576.     ret = regcode;
  577.     if (ret == ®dummy) {
  578.         regsize += 3;
  579.         return(ret);
  580.     }
  581.  
  582.     ptr = ret;
  583.     *ptr++ = op;
  584.     *ptr++ = '\0';        /* Null "next" pointer. */
  585.     *ptr++ = '\0';
  586.     regcode = ptr;
  587.  
  588.     return(ret);
  589. }
  590.  
  591. /*
  592.  - regc - emit (if appropriate) a byte of code
  593.  */
  594. static void
  595. regc(b)
  596. char b;
  597. {
  598.     if (regcode != ®dummy)
  599.         *regcode++ = b;
  600.     else
  601.         regsize++;
  602. }
  603.  
  604. /*
  605.  - reginsert - insert an operator in front of already-emitted operand
  606.  *
  607.  * Means relocating the operand.
  608.  */
  609. static void
  610. reginsert(op, opnd)
  611. char op;
  612. char *opnd;
  613. {
  614.     register char *src;
  615.     register char *dst;
  616.     register char *place;
  617.  
  618.     if (regcode == ®dummy) {
  619.         regsize += 3;
  620.         return;
  621.     }
  622.  
  623.     src = regcode;
  624.     regcode += 3;
  625.     dst = regcode;
  626.     while (src > opnd)
  627.         *--dst = *--src;
  628.  
  629.     place = opnd;        /* Op node, where operand used to be. */
  630.     *place++ = op;
  631.     *place++ = '\0';
  632.     *place++ = '\0';
  633. }
  634.  
  635. /*
  636.  - regtail - set the next-pointer at the end of a node chain
  637.  */
  638. static void
  639. regtail(p, val)
  640. char *p;
  641. char *val;
  642. {
  643.     register char *scan;
  644.     register char *temp;
  645.     register int offset;
  646.  
  647.     if (p == ®dummy)
  648.         return;
  649.  
  650.     /* Find last node. */
  651.     scan = p;
  652.     for (;;) {
  653.         temp = regnext(scan);
  654.         if (temp == NULL)
  655.             break;
  656.         scan = temp;
  657.     }
  658.  
  659.     if (OP(scan) == BACK)
  660.         offset = scan - val;
  661.     else
  662.         offset = val - scan;
  663.     *(scan+1) = (offset>>8)&0377;
  664.     *(scan+2) = offset&0377;
  665. }
  666.  
  667. /*
  668.  - regoptail - regtail on operand of first argument; nop if operandless
  669.  */
  670. static void
  671. regoptail(p, val)
  672. char *p;
  673. char *val;
  674. {
  675.     /* "Operandless" and "op != BRANCH" are synonymous in practice. */
  676.     if (p == NULL || p == ®dummy || OP(p) != BRANCH)
  677.         return;
  678.     regtail(OPERAND(p), val);
  679. }
  680.  
  681. /*
  682.  * regexec and friends
  683.  */
  684.  
  685. /*
  686.  * Global work variables for regexec().
  687.  */
  688. static char *reginput;        /* String-input pointer. */
  689. static char *regbol;        /* Beginning of input, for ^ check. */
  690. static char **regstartp;    /* Pointer to startp array. */
  691. static char **regendp;        /* Ditto for endp. */
  692.  
  693. /*
  694.  * Forwards.
  695.  */
  696. STATIC int regtry();
  697. STATIC int regmatch();
  698. STATIC int regrepeat();
  699.  
  700. #ifdef DEBUG
  701. int regnarrate = 0;
  702. void regdump();
  703. STATIC char *regprop();
  704. #endif
  705.  
  706. /*
  707.  - regexec - match a regexp against a string
  708.  */
  709. int
  710. regexec(prog, string)
  711. register regexp *prog;
  712. register char *string;
  713. {
  714.     register char *s;
  715.     extern char *strchr();
  716.  
  717.     /* Be paranoid... */
  718.     if (prog == NULL || string == NULL) {
  719.         regerror("NULL parameter");
  720.         return(0);
  721.     }
  722.  
  723.     /* Check validity of program. */
  724.     if (UCHARAT(prog->program) != MAGIC) {
  725.         regerror("corrupted program");
  726.         return(0);
  727.     }
  728.  
  729.     /* If there is a "must appear" string, look for it. */
  730.     if (prog->regmust != NULL) {
  731.         s = string;
  732.         while ((s = strchr(s, prog->regmust[0])) != NULL) {
  733.             if (strncmp(s, prog->regmust, prog->regmlen) == 0)
  734.                 break;    /* Found it. */
  735.             s++;
  736.         }
  737.         if (s == NULL)    /* Not present. */
  738.             return(0);
  739.     }
  740.  
  741.     /* Mark beginning of line for ^ . */
  742.     regbol = string;
  743.  
  744.     /* Simplest case:  anchored match need be tried only once. */
  745.     if (prog->reganch)
  746.         return(regtry(prog, string));
  747.  
  748.     /* Messy cases:  unanchored match. */
  749.     s = string;
  750.     if (prog->regstart != '\0')
  751.         /* We know what char it must start with. */
  752.         while ((s = strchr(s, prog->regstart)) != NULL) {
  753.             if (regtry(prog, s))
  754.                 return(1);
  755.             s++;
  756.         }
  757.     else
  758.         /* We don't -- general case. */
  759.         do {
  760.             if (regtry(prog, s))
  761.                 return(1);
  762.         } while (*s++ != '\0');
  763.  
  764.     /* Failure. */
  765.     return(0);
  766. }
  767.  
  768. /*
  769.  - regtry - try match at specific point
  770.  */
  771. static int            /* 0 failure, 1 success */
  772. regtry(prog, string)
  773. regexp *prog;
  774. char *string;
  775. {
  776.     register int i;
  777.     register char **sp;
  778.     register char **ep;
  779.  
  780.     reginput = string;
  781.     regstartp = prog->startp;
  782.     regendp = prog->endp;
  783.  
  784.     sp = prog->startp;
  785.     ep = prog->endp;
  786.     for (i = NSUBEXP; i > 0; i--) {
  787.         *sp++ = NULL;
  788.         *ep++ = NULL;
  789.     }
  790.     if (regmatch(prog->program + 1)) {
  791.         prog->startp[0] = string;
  792.         prog->endp[0] = reginput;
  793.         return(1);
  794.     } else
  795.         return(0);
  796. }
  797.  
  798. /*
  799.  - regmatch - main matching routine
  800.  *
  801.  * Conceptually the strategy is simple:  check to see whether the current
  802.  * node matches, call self recursively to see whether the rest matches,
  803.  * and then act accordingly.  In practice we make some effort to avoid
  804.  * recursion, in particular by going through "ordinary" nodes (that don't
  805.  * need to know whether the rest of the match failed) by a loop instead of
  806.  * by recursion.
  807.  */
  808. static int            /* 0 failure, 1 success */
  809. regmatch(prog)
  810. char *prog;
  811. {
  812.     register char *scan;    /* Current node. */
  813.     char *next;        /* Next node. */
  814.     extern char *strchr();
  815.  
  816.     scan = prog;
  817. #ifdef DEBUG
  818.     if (scan != NULL && regnarrate)
  819.         fprintf(stderr, "%s(\n", regprop(scan));
  820. #endif
  821.     while (scan != NULL) {
  822. #ifdef DEBUG
  823.         if (regnarrate)
  824.             fprintf(stderr, "%s...\n", regprop(scan));
  825. #endif
  826.         next = regnext(scan);
  827.  
  828.         switch (OP(scan)) {
  829.         case BOL:
  830.             if (reginput != regbol)
  831.                 return(0);
  832.             break;
  833.         case EOL:
  834.             if (*reginput != '\0')
  835.                 return(0);
  836.             break;
  837.         case ANY:
  838.             if (*reginput == '\0')
  839.                 return(0);
  840.             reginput++;
  841.             break;
  842.         case EXACTLY: {
  843.                 register int len;
  844.                 register char *opnd;
  845.  
  846.                 opnd = OPERAND(scan);
  847.                 /* Inline the first character, for speed. */
  848.                 if (*opnd != *reginput)
  849.                     return(0);
  850.                 len = strlen(opnd);
  851.                 if (len > 1 && strncmp(opnd, reginput, len) != 0)
  852.                     return(0);
  853.                 reginput += len;
  854.             }
  855.             break;
  856.         case ANYOF:
  857.             if (*reginput == '\0' || strchr(OPERAND(scan), *reginput) == NULL)
  858.                 return(0);
  859.             reginput++;
  860.             break;
  861.         case ANYBUT:
  862.             if (*reginput == '\0' || strchr(OPERAND(scan), *reginput) != NULL)
  863.                 return(0);
  864.             reginput++;
  865.             break;
  866.         case NOTHING:
  867.             break;
  868.         case BACK:
  869.             break;
  870.         case OPEN+1:
  871.         case OPEN+2:
  872.         case OPEN+3:
  873.         case OPEN+4:
  874.         case OPEN+5:
  875.         case OPEN+6:
  876.         case OPEN+7:
  877.         case OPEN+8:
  878.         case OPEN+9: {
  879.                 register int no;
  880.                 register char *save;
  881.  
  882.                 no = OP(scan) - OPEN;
  883.                 save = reginput;
  884.  
  885.                 if (regmatch(next)) {
  886.                     /*
  887.                      * Don't set startp if some later
  888.                      * invocation of the same parentheses
  889.                      * already has.
  890.                      */
  891.                     if (regstartp[no] == NULL)
  892.                         regstartp[no] = save;
  893.                     return(1);
  894.                 } else
  895.                     return(0);
  896.             }
  897.             break;
  898.         case CLOSE+1:
  899.         case CLOSE+2:
  900.         case CLOSE+3:
  901.         case CLOSE+4:
  902.         case CLOSE+5:
  903.         case CLOSE+6:
  904.         case CLOSE+7:
  905.         case CLOSE+8:
  906.         case CLOSE+9: {
  907.                 register int no;
  908.                 register char *save;
  909.  
  910.                 no = OP(scan) - CLOSE;
  911.                 save = reginput;
  912.  
  913.                 if (regmatch(next)) {
  914.                     /*
  915.                      * Don't set endp if some later
  916.                      * invocation of the same parentheses
  917.                      * already has.
  918.                      */
  919.                     if (regendp[no] == NULL)
  920.                         regendp[no] = save;
  921.                     return(1);
  922.                 } else
  923.                     return(0);
  924.             }
  925.             break;
  926.         case BRANCH: {
  927.                 register char *save;
  928.  
  929.                 if (OP(next) != BRANCH)        /* No choice. */
  930.                     next = OPERAND(scan);    /* Avoid recursion. */
  931.                 else {
  932.                     do {
  933.                         save = reginput;
  934.                         if (regmatch(OPERAND(scan)))
  935.                             return(1);
  936.                         reginput = save;
  937.                         scan = regnext(scan);
  938.                     } while (scan != NULL && OP(scan) == BRANCH);
  939.                     return(0);
  940.                     /* NOTREACHED */
  941.                 }
  942.             }
  943.             break;
  944.         case STAR:
  945.         case PLUS: {
  946.                 register char nextch;
  947.                 register int no;
  948.                 register char *save;
  949.                 register int min;
  950.  
  951.                 /*
  952.                  * Lookahead to avoid useless match attempts
  953.                  * when we know what character comes next.
  954.                  */
  955.                 nextch = '\0';
  956.                 if (OP(next) == EXACTLY)
  957.                     nextch = *OPERAND(next);
  958.                 min = (OP(scan) == STAR) ? 0 : 1;
  959.                 save = reginput;
  960.                 no = regrepeat(OPERAND(scan));
  961.                 while (no >= min) {
  962.                     /* If it could work, try it. */
  963.                     if (nextch == '\0' || *reginput == nextch)
  964.                         if (regmatch(next))
  965.                             return(1);
  966.                     /* Couldn't or didn't -- back up. */
  967.                     no--;
  968.                     reginput = save + no;
  969.                 }
  970.                 return(0);
  971.             }
  972.             break;
  973.         case END:
  974.             return(1);    /* Success! */
  975.             break;
  976.         default:
  977.             regerror("memory corruption");
  978.             return(0);
  979.             break;
  980.         }
  981.  
  982.         scan = next;
  983.     }
  984.  
  985.     /*
  986.      * We get here only if there's trouble -- normally "case END" is
  987.      * the terminating point.
  988.      */
  989.     regerror("corrupted pointers");
  990.     return(0);
  991. }
  992.  
  993. /*
  994.  - regrepeat - repeatedly match something simple, report how many
  995.  */
  996. static int
  997. regrepeat(p)
  998. char *p;
  999. {
  1000.     register int count = 0;
  1001.     register char *scan;
  1002.     register char *opnd;
  1003.  
  1004.     scan = reginput;
  1005.     opnd = OPERAND(p);
  1006.     switch (OP(p)) {
  1007.     case ANY:
  1008.         count = strlen(scan);
  1009.         scan += count;
  1010.         break;
  1011.     case EXACTLY:
  1012.         while (*opnd == *scan) {
  1013.             count++;
  1014.             scan++;
  1015.         }
  1016.         break;
  1017.     case ANYOF:
  1018.         while (*scan != '\0' && strchr(opnd, *scan) != NULL) {
  1019.             count++;
  1020.             scan++;
  1021.         }
  1022.         break;
  1023.     case ANYBUT:
  1024.         while (*scan != '\0' && strchr(opnd, *scan) == NULL) {
  1025.             count++;
  1026.             scan++;
  1027.         }
  1028.         break;
  1029.     default:        /* Oh dear.  Called inappropriately. */
  1030.         regerror("internal foulup");
  1031.         count = 0;    /* Best compromise. */
  1032.         break;
  1033.     }
  1034.     reginput = scan;
  1035.  
  1036.     return(count);
  1037. }
  1038.  
  1039. /*
  1040.  - regnext - dig the "next" pointer out of a node
  1041.  */
  1042. static char *
  1043. regnext(p)
  1044. register char *p;
  1045. {
  1046.     register int offset;
  1047.  
  1048.     if (p == ®dummy)
  1049.         return(NULL);
  1050.  
  1051.     offset = NEXT(p);
  1052.     if (offset == 0)
  1053.         return(NULL);
  1054.  
  1055.     if (OP(p) == BACK)
  1056.         return(p-offset);
  1057.     else
  1058.         return(p+offset);
  1059. }
  1060.  
  1061. #ifdef DEBUG
  1062.  
  1063. STATIC char *regprop();
  1064.  
  1065. /*
  1066.  - regdump - dump a regexp onto stdout in vaguely comprehensible form
  1067.  */
  1068. void
  1069. regdump(r)
  1070. regexp *r;
  1071. {
  1072.     register char *s;
  1073.     register char op = EXACTLY;    /* Arbitrary non-END op. */
  1074.     register char *next;
  1075.     extern char *strchr();
  1076.  
  1077.  
  1078.     s = r->program + 1;
  1079.     while (op != END) {    /* While that wasn't END last time... */
  1080.         op = OP(s);
  1081.         printf("%2d%s", s-r->program, regprop(s));    /* Where, what. */
  1082.         next = regnext(s);
  1083.         if (next == NULL)        /* Next ptr. */
  1084.             printf("(0)");
  1085.         else 
  1086.             printf("(%d)", (s-r->program)+(next-s));
  1087.         s += 3;
  1088.         if (op == ANYOF || op == ANYBUT || op == EXACTLY) {
  1089.             /* Literal string, where present. */
  1090.             while (*s != '\0') {
  1091.                 putchar(*s);
  1092.                 s++;
  1093.             }
  1094.             s++;
  1095.         }
  1096.         putchar('\n');
  1097.     }
  1098.  
  1099.     /* Header fields of interest. */
  1100.     if (r->regstart != '\0')
  1101.         printf("start `%c' ", r->regstart);
  1102.     if (r->reganch)
  1103.         printf("anchored ");
  1104.     if (r->regmust != NULL)
  1105.         printf("must have \"%s\"", r->regmust);
  1106.     printf("\n");
  1107. }
  1108.  
  1109. /*
  1110.  - regprop - printable representation of opcode
  1111.  */
  1112. static char *
  1113. regprop(op)
  1114. char *op;
  1115. {
  1116.     register char *p;
  1117.     static char buf[50];
  1118.  
  1119.     (void) strcpy(buf, ":");
  1120.  
  1121.     switch (OP(op)) {
  1122.     case BOL:
  1123.         p = "BOL";
  1124.         break;
  1125.     case EOL:
  1126.         p = "EOL";
  1127.         break;
  1128.     case ANY:
  1129.         p = "ANY";
  1130.         break;
  1131.     case ANYOF:
  1132.         p = "ANYOF";
  1133.         break;
  1134.     case ANYBUT:
  1135.         p = "ANYBUT";
  1136.         break;
  1137.     case BRANCH:
  1138.         p = "BRANCH";
  1139.         break;
  1140.     case EXACTLY:
  1141.         p = "EXACTLY";
  1142.         break;
  1143.     case NOTHING:
  1144.         p = "NOTHING";
  1145.         break;
  1146.     case BACK:
  1147.         p = "BACK";
  1148.         break;
  1149.     case END:
  1150.         p = "END";
  1151.         break;
  1152.     case OPEN+1:
  1153.     case OPEN+2:
  1154.     case OPEN+3:
  1155.     case OPEN+4:
  1156.     case OPEN+5:
  1157.     case OPEN+6:
  1158.     case OPEN+7:
  1159.     case OPEN+8:
  1160.     case OPEN+9:
  1161.         sprintf(buf+strlen(buf), "OPEN%d", OP(op)-OPEN);
  1162.         p = NULL;
  1163.         break;
  1164.     case CLOSE+1:
  1165.     case CLOSE+2:
  1166.     case CLOSE+3:
  1167.     case CLOSE+4:
  1168.     case CLOSE+5:
  1169.     case CLOSE+6:
  1170.     case CLOSE+7:
  1171.     case CLOSE+8:
  1172.     case CLOSE+9:
  1173.         sprintf(buf+strlen(buf), "CLOSE%d", OP(op)-CLOSE);
  1174.         p = NULL;
  1175.         break;
  1176.     case STAR:
  1177.         p = "STAR";
  1178.         break;
  1179.     case PLUS:
  1180.         p = "PLUS";
  1181.         break;
  1182.     default:
  1183.         regerror("corrupted opcode");
  1184.         break;
  1185.     }
  1186.     if (p != NULL)
  1187.         (void) strcat(buf, p);
  1188.     return(buf);
  1189. }
  1190. #endif
  1191.  
  1192. /*
  1193.  * The following is provided for those people who do not have strcspn() in
  1194.  * their C libraries.  They should get off their butts and do something
  1195.  * about it; at least one public-domain implementation of those (highly
  1196.  * useful) string routines has been published on Usenet.
  1197.  */
  1198. #ifdef STRCSPN
  1199. /*
  1200.  * strcspn - find length of initial segment of s1 consisting entirely
  1201.  * of characters not from s2
  1202.  */
  1203.  
  1204. static int
  1205. strcspn(s1, s2)
  1206. char *s1;
  1207. char *s2;
  1208. {
  1209.     register char *scan1;
  1210.     register char *scan2;
  1211.     register int count;
  1212.  
  1213.     count = 0;
  1214.     for (scan1 = s1; *scan1 != '\0'; scan1++) {
  1215.         for (scan2 = s2; *scan2 != '\0';)    /* ++ moved down. */
  1216.             if (*scan1 == *scan2++)
  1217.                 return(count);
  1218.         count++;
  1219.     }
  1220.     return(count);
  1221. }
  1222. #endif
  1223.