mirror of
https://github.com/golang/go
synced 2024-11-21 20:54:45 -07:00
exp/regexp/syntax: more escapes, character classes
Still TODO: parsing optimizations make_perl_groups.pl is copied with minimal modifications (just to generate Go syntax instead of C++) from RE2. Google Inc is "The RE2 Author" of that file and is one of the Go Authors, so copyright changed to the Go Authors instead. R=sam.thorogood, r, fvbommel, robert.hencke CC=golang-dev https://golang.org/cl/4612041
This commit is contained in:
parent
340251e43d
commit
1a4681ed74
@ -7,6 +7,7 @@ include ../../../../Make.inc
|
|||||||
TARG=exp/regexp/syntax
|
TARG=exp/regexp/syntax
|
||||||
GOFILES=\
|
GOFILES=\
|
||||||
parse.go\
|
parse.go\
|
||||||
|
perl_groups.go\
|
||||||
regexp.go\
|
regexp.go\
|
||||||
|
|
||||||
include ../../../../Make.pkg
|
include ../../../../Make.pkg
|
||||||
|
103
src/pkg/exp/regexp/syntax/make_perl_groups.pl
Executable file
103
src/pkg/exp/regexp/syntax/make_perl_groups.pl
Executable file
@ -0,0 +1,103 @@
|
|||||||
|
#!/usr/bin/perl
|
||||||
|
# Copyright 2008 The Go Authors. All rights reserved.
|
||||||
|
# Use of this source code is governed by a BSD-style
|
||||||
|
# license that can be found in the LICENSE file.
|
||||||
|
|
||||||
|
# Modified version of RE2's make_perl_groups.pl.
|
||||||
|
|
||||||
|
# Generate table entries giving character ranges
|
||||||
|
# for POSIX/Perl character classes. Rather than
|
||||||
|
# figure out what the definition is, it is easier to ask
|
||||||
|
# Perl about each letter from 0-128 and write down
|
||||||
|
# its answer.
|
||||||
|
|
||||||
|
@posixclasses = (
|
||||||
|
"[:alnum:]",
|
||||||
|
"[:alpha:]",
|
||||||
|
"[:ascii:]",
|
||||||
|
"[:blank:]",
|
||||||
|
"[:cntrl:]",
|
||||||
|
"[:digit:]",
|
||||||
|
"[:graph:]",
|
||||||
|
"[:lower:]",
|
||||||
|
"[:print:]",
|
||||||
|
"[:punct:]",
|
||||||
|
"[:space:]",
|
||||||
|
"[:upper:]",
|
||||||
|
"[:word:]",
|
||||||
|
"[:xdigit:]",
|
||||||
|
);
|
||||||
|
|
||||||
|
@perlclasses = (
|
||||||
|
"\\d",
|
||||||
|
"\\s",
|
||||||
|
"\\w",
|
||||||
|
);
|
||||||
|
|
||||||
|
sub ComputeClass($) {
|
||||||
|
my @ranges;
|
||||||
|
my ($class) = @_;
|
||||||
|
my $regexp = "[$class]";
|
||||||
|
my $start = -1;
|
||||||
|
for (my $i=0; $i<=129; $i++) {
|
||||||
|
if ($i == 129) { $i = 256; }
|
||||||
|
if ($i <= 128 && chr($i) =~ $regexp) {
|
||||||
|
if ($start < 0) {
|
||||||
|
$start = $i;
|
||||||
|
}
|
||||||
|
} else {
|
||||||
|
if ($start >= 0) {
|
||||||
|
push @ranges, [$start, $i-1];
|
||||||
|
}
|
||||||
|
$start = -1;
|
||||||
|
}
|
||||||
|
}
|
||||||
|
return @ranges;
|
||||||
|
}
|
||||||
|
|
||||||
|
sub PrintClass($$@) {
|
||||||
|
my ($cname, $name, @ranges) = @_;
|
||||||
|
print "var code$cname = []int{ /* $name */\n";
|
||||||
|
for (my $i=0; $i<@ranges; $i++) {
|
||||||
|
my @a = @{$ranges[$i]};
|
||||||
|
printf "\t0x%x, 0x%x,\n", $a[0], $a[1];
|
||||||
|
}
|
||||||
|
print "}\n\n";
|
||||||
|
my $n = @ranges;
|
||||||
|
$negname = $name;
|
||||||
|
if ($negname =~ /:/) {
|
||||||
|
$negname =~ s/:/:^/;
|
||||||
|
} else {
|
||||||
|
$negname =~ y/a-z/A-Z/;
|
||||||
|
}
|
||||||
|
return "\t`$name`: {+1, code$cname},\n" .
|
||||||
|
"\t`$negname`: {-1, code$cname},\n";
|
||||||
|
}
|
||||||
|
|
||||||
|
my $gen = 0;
|
||||||
|
|
||||||
|
sub PrintClasses($@) {
|
||||||
|
my ($cname, @classes) = @_;
|
||||||
|
my @entries;
|
||||||
|
foreach my $cl (@classes) {
|
||||||
|
my @ranges = ComputeClass($cl);
|
||||||
|
push @entries, PrintClass(++$gen, $cl, @ranges);
|
||||||
|
}
|
||||||
|
print "var ${cname}Group = map[string]charGroup{\n";
|
||||||
|
foreach my $e (@entries) {
|
||||||
|
print $e;
|
||||||
|
}
|
||||||
|
print "}\n";
|
||||||
|
my $count = @entries;
|
||||||
|
}
|
||||||
|
|
||||||
|
print <<EOF;
|
||||||
|
// GENERATED BY make_perl_groups.pl; DO NOT EDIT.
|
||||||
|
// make_perl_groups.pl >perl_groups.go
|
||||||
|
|
||||||
|
package syntax
|
||||||
|
|
||||||
|
EOF
|
||||||
|
|
||||||
|
PrintClasses("perl", @perlclasses);
|
||||||
|
PrintClasses("posix", @posixclasses);
|
@ -7,6 +7,7 @@ package syntax
|
|||||||
import (
|
import (
|
||||||
"os"
|
"os"
|
||||||
"sort"
|
"sort"
|
||||||
|
"strings"
|
||||||
"unicode"
|
"unicode"
|
||||||
"utf8"
|
"utf8"
|
||||||
)
|
)
|
||||||
@ -119,14 +120,17 @@ func (p *parser) op(op Op) *Regexp {
|
|||||||
|
|
||||||
// repeat replaces the top stack element with itself repeated
|
// repeat replaces the top stack element with itself repeated
|
||||||
// according to op.
|
// according to op.
|
||||||
func (p *parser) repeat(op Op, opstr string) os.Error {
|
func (p *parser) repeat(op Op, min, max int, flags Flags, opstr string) os.Error {
|
||||||
n := len(p.stack)
|
n := len(p.stack)
|
||||||
if n == 0 {
|
if n == 0 {
|
||||||
return &Error{ErrMissingRepeatArgument, opstr}
|
return &Error{ErrMissingRepeatArgument, opstr}
|
||||||
}
|
}
|
||||||
sub := p.stack[n-1]
|
sub := p.stack[n-1]
|
||||||
re := &Regexp{
|
re := &Regexp{
|
||||||
Op: op,
|
Op: op,
|
||||||
|
Min: min,
|
||||||
|
Max: max,
|
||||||
|
Flags: flags,
|
||||||
}
|
}
|
||||||
re.Sub = re.Sub0[:1]
|
re.Sub = re.Sub0[:1]
|
||||||
re.Sub[0] = sub
|
re.Sub[0] = sub
|
||||||
@ -185,6 +189,23 @@ func (p *parser) alternate() *Regexp {
|
|||||||
return p.push(re)
|
return p.push(re)
|
||||||
}
|
}
|
||||||
|
|
||||||
|
func literalRegexp(s string, flags Flags) *Regexp {
|
||||||
|
re := &Regexp{
|
||||||
|
Op: OpLiteral,
|
||||||
|
Flags: flags,
|
||||||
|
}
|
||||||
|
re.Rune = re.Rune0[:0] // use local storage for small strings
|
||||||
|
for _, c := range s {
|
||||||
|
if len(re.Rune) >= cap(re.Rune) {
|
||||||
|
// string is too long to fit in Rune0. let Go handle it
|
||||||
|
re.Rune = []int(s)
|
||||||
|
break
|
||||||
|
}
|
||||||
|
re.Rune = append(re.Rune, c)
|
||||||
|
}
|
||||||
|
return re
|
||||||
|
}
|
||||||
|
|
||||||
// Parsing.
|
// Parsing.
|
||||||
|
|
||||||
func Parse(s string, flags Flags) (*Regexp, os.Error) {
|
func Parse(s string, flags Flags) (*Regexp, os.Error) {
|
||||||
@ -193,33 +214,24 @@ func Parse(s string, flags Flags) (*Regexp, os.Error) {
|
|||||||
if err := checkUTF8(s); err != nil {
|
if err := checkUTF8(s); err != nil {
|
||||||
return nil, err
|
return nil, err
|
||||||
}
|
}
|
||||||
re := &Regexp{
|
return literalRegexp(s, flags), nil
|
||||||
Op: OpLiteral,
|
|
||||||
Flags: flags,
|
|
||||||
}
|
|
||||||
re.Rune = re.Rune0[:0] // use local storage for small strings
|
|
||||||
for _, c := range s {
|
|
||||||
if len(re.Rune) >= cap(re.Rune) {
|
|
||||||
// string is too long to fit in Rune0. let Go handle it
|
|
||||||
re.Rune = []int(s)
|
|
||||||
break
|
|
||||||
}
|
|
||||||
re.Rune = append(re.Rune, c)
|
|
||||||
}
|
|
||||||
return re, nil
|
|
||||||
}
|
}
|
||||||
|
|
||||||
// Otherwise, must do real work.
|
// Otherwise, must do real work.
|
||||||
var (
|
var (
|
||||||
p parser
|
p parser
|
||||||
err os.Error
|
err os.Error
|
||||||
c int
|
c int
|
||||||
op Op
|
op Op
|
||||||
|
lastRepeat string
|
||||||
|
min, max int
|
||||||
)
|
)
|
||||||
p.flags = flags
|
p.flags = flags
|
||||||
p.wholeRegexp = s
|
p.wholeRegexp = s
|
||||||
t := s
|
t := s
|
||||||
for t != "" {
|
for t != "" {
|
||||||
|
repeat := ""
|
||||||
|
BigSwitch:
|
||||||
switch t[0] {
|
switch t[0] {
|
||||||
default:
|
default:
|
||||||
if c, t, err = nextRune(t); err != nil {
|
if c, t, err = nextRune(t); err != nil {
|
||||||
@ -228,11 +240,11 @@ func Parse(s string, flags Flags) (*Regexp, os.Error) {
|
|||||||
p.literal(c)
|
p.literal(c)
|
||||||
|
|
||||||
case '(':
|
case '(':
|
||||||
// TODO: Actual Perl flag parsing.
|
if p.flags&PerlX != 0 && len(t) >= 2 && t[1] == '?' {
|
||||||
if len(t) >= 3 && t[1] == '?' && t[2] == ':' {
|
// Flag changes and non-capturing groups.
|
||||||
// non-capturing paren
|
if t, err = p.parsePerlFlags(t); err != nil {
|
||||||
p.op(opLeftParen)
|
return nil, err
|
||||||
t = t[3:]
|
}
|
||||||
break
|
break
|
||||||
}
|
}
|
||||||
p.numCap++
|
p.numCap++
|
||||||
@ -283,16 +295,109 @@ func Parse(s string, flags Flags) (*Regexp, os.Error) {
|
|||||||
case '?':
|
case '?':
|
||||||
op = OpQuest
|
op = OpQuest
|
||||||
}
|
}
|
||||||
// TODO: greedy
|
repeat = t
|
||||||
if err = p.repeat(op, t[0:1]); err != nil {
|
t = t[1:]
|
||||||
|
goto Repeat
|
||||||
|
case '{':
|
||||||
|
op = OpRepeat
|
||||||
|
n, m, tt, ok := p.parseRepeat(t)
|
||||||
|
if !ok {
|
||||||
|
// If the repeat cannot be parsed, { is a literal.
|
||||||
|
p.literal('{')
|
||||||
|
t = t[1:]
|
||||||
|
break
|
||||||
|
}
|
||||||
|
repeat, t = t, tt
|
||||||
|
min, max = n, m
|
||||||
|
Repeat:
|
||||||
|
flags := p.flags
|
||||||
|
if p.flags&PerlX != 0 {
|
||||||
|
if len(t) > 0 && t[0] == '?' {
|
||||||
|
t = t[1:]
|
||||||
|
flags ^= NonGreedy
|
||||||
|
}
|
||||||
|
if lastRepeat != "" {
|
||||||
|
// In Perl it is not allowed to stack repetition operators:
|
||||||
|
// a** is a syntax error, not a doubled star, and a++ means
|
||||||
|
// something else entirely, which we don't support!
|
||||||
|
return nil, &Error{ErrInvalidRepeatOp, lastRepeat[:len(lastRepeat)-len(t)]}
|
||||||
|
}
|
||||||
|
}
|
||||||
|
if err = p.repeat(op, min, max, flags, repeat[:len(repeat)-len(t)]); err != nil {
|
||||||
return nil, err
|
return nil, err
|
||||||
}
|
}
|
||||||
t = t[1:]
|
|
||||||
case '{':
|
|
||||||
return nil, os.NewError("repeat not implemented")
|
|
||||||
case '\\':
|
case '\\':
|
||||||
return nil, os.NewError("escape not implemented")
|
if p.flags&PerlX != 0 && len(t) >= 2 {
|
||||||
|
switch t[1] {
|
||||||
|
case 'A':
|
||||||
|
p.op(OpBeginText)
|
||||||
|
t = t[2:]
|
||||||
|
break BigSwitch
|
||||||
|
case 'b':
|
||||||
|
p.op(OpWordBoundary)
|
||||||
|
t = t[2:]
|
||||||
|
break BigSwitch
|
||||||
|
case 'B':
|
||||||
|
p.op(OpNoWordBoundary)
|
||||||
|
t = t[2:]
|
||||||
|
break BigSwitch
|
||||||
|
case 'C':
|
||||||
|
// any byte; not supported
|
||||||
|
return nil, &Error{ErrInvalidEscape, t[:2]}
|
||||||
|
case 'Q':
|
||||||
|
// \Q ... \E: the ... is always literals
|
||||||
|
var lit string
|
||||||
|
if i := strings.Index(t, `\E`); i < 0 {
|
||||||
|
lit = t[2:]
|
||||||
|
t = ""
|
||||||
|
} else {
|
||||||
|
lit = t[2:i]
|
||||||
|
t = t[i+2:]
|
||||||
|
}
|
||||||
|
p.push(literalRegexp(lit, p.flags))
|
||||||
|
break BigSwitch
|
||||||
|
case 'z':
|
||||||
|
p.op(OpEndText)
|
||||||
|
t = t[2:]
|
||||||
|
break BigSwitch
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
re := &Regexp{Op: OpCharClass, Flags: p.flags}
|
||||||
|
|
||||||
|
// Look for Unicode character group like \p{Han}
|
||||||
|
if len(t) >= 2 && (t[1] == 'p' || t[1] == 'P') {
|
||||||
|
r, rest, err := p.parseUnicodeClass(t, re.Rune0[:0])
|
||||||
|
if err != nil {
|
||||||
|
return nil, err
|
||||||
|
}
|
||||||
|
if r != nil {
|
||||||
|
re.Rune = r
|
||||||
|
t = rest
|
||||||
|
// TODO: Handle FoldCase flag.
|
||||||
|
p.push(re)
|
||||||
|
break BigSwitch
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
// Perl character class escape.
|
||||||
|
if r, rest := p.parsePerlClassEscape(t, re.Rune0[:0]); r != nil {
|
||||||
|
re.Rune = r
|
||||||
|
t = rest
|
||||||
|
// TODO: Handle FoldCase flag.
|
||||||
|
p.push(re)
|
||||||
|
break BigSwitch
|
||||||
|
}
|
||||||
|
|
||||||
|
// TODO: Give re back to parser's pool.
|
||||||
|
|
||||||
|
// Ordinary single-character escape.
|
||||||
|
if c, t, err = p.parseEscape(t); err != nil {
|
||||||
|
return nil, err
|
||||||
|
}
|
||||||
|
p.literal(c)
|
||||||
}
|
}
|
||||||
|
lastRepeat = repeat
|
||||||
}
|
}
|
||||||
|
|
||||||
p.concat()
|
p.concat()
|
||||||
@ -309,6 +414,187 @@ func Parse(s string, flags Flags) (*Regexp, os.Error) {
|
|||||||
return p.stack[0], nil
|
return p.stack[0], nil
|
||||||
}
|
}
|
||||||
|
|
||||||
|
// parseRepeat parses {min} (max=min) or {min,} (max=-1) or {min,max}.
|
||||||
|
// If s is not of that form, it returns ok == false.
|
||||||
|
func (p *parser) parseRepeat(s string) (min, max int, rest string, ok bool) {
|
||||||
|
if s == "" || s[0] != '{' {
|
||||||
|
return
|
||||||
|
}
|
||||||
|
s = s[1:]
|
||||||
|
if min, s, ok = p.parseInt(s); !ok {
|
||||||
|
return
|
||||||
|
}
|
||||||
|
if s == "" {
|
||||||
|
return
|
||||||
|
}
|
||||||
|
if s[0] != ',' {
|
||||||
|
max = min
|
||||||
|
} else {
|
||||||
|
s = s[1:]
|
||||||
|
if s == "" {
|
||||||
|
return
|
||||||
|
}
|
||||||
|
if s[0] == '}' {
|
||||||
|
max = -1
|
||||||
|
} else if max, s, ok = p.parseInt(s); !ok {
|
||||||
|
return
|
||||||
|
}
|
||||||
|
}
|
||||||
|
if s == "" || s[0] != '}' {
|
||||||
|
return
|
||||||
|
}
|
||||||
|
rest = s[1:]
|
||||||
|
ok = true
|
||||||
|
return
|
||||||
|
}
|
||||||
|
|
||||||
|
// parsePerlFlags parses a Perl flag setting or non-capturing group or both,
|
||||||
|
// like (?i) or (?: or (?i:. It removes the prefix from s and updates the parse state.
|
||||||
|
// The caller must have ensured that s begins with "(?".
|
||||||
|
func (p *parser) parsePerlFlags(s string) (rest string, err os.Error) {
|
||||||
|
t := s
|
||||||
|
|
||||||
|
// Check for named captures, first introduced in Python's regexp library.
|
||||||
|
// As usual, there are three slightly different syntaxes:
|
||||||
|
//
|
||||||
|
// (?P<name>expr) the original, introduced by Python
|
||||||
|
// (?<name>expr) the .NET alteration, adopted by Perl 5.10
|
||||||
|
// (?'name'expr) another .NET alteration, adopted by Perl 5.10
|
||||||
|
//
|
||||||
|
// Perl 5.10 gave in and implemented the Python version too,
|
||||||
|
// but they claim that the last two are the preferred forms.
|
||||||
|
// PCRE and languages based on it (specifically, PHP and Ruby)
|
||||||
|
// support all three as well. EcmaScript 4 uses only the Python form.
|
||||||
|
//
|
||||||
|
// In both the open source world (via Code Search) and the
|
||||||
|
// Google source tree, (?P<expr>name) is the dominant form,
|
||||||
|
// so that's the one we implement. One is enough.
|
||||||
|
if len(t) > 4 && t[2] == 'P' && t[3] == '<' {
|
||||||
|
// Pull out name.
|
||||||
|
end := strings.IndexRune(t, '>')
|
||||||
|
if end < 0 {
|
||||||
|
if err = checkUTF8(t); err != nil {
|
||||||
|
return "", err
|
||||||
|
}
|
||||||
|
return "", &Error{ErrInvalidNamedCapture, s}
|
||||||
|
}
|
||||||
|
|
||||||
|
capture := t[:end+1] // "(?P<name>"
|
||||||
|
name := t[4:end] // "name"
|
||||||
|
if err = checkUTF8(name); err != nil {
|
||||||
|
return "", err
|
||||||
|
}
|
||||||
|
if !isValidCaptureName(name) {
|
||||||
|
return "", &Error{ErrInvalidNamedCapture, capture}
|
||||||
|
}
|
||||||
|
|
||||||
|
// Like ordinary capture, but named.
|
||||||
|
p.numCap++
|
||||||
|
re := p.op(opLeftParen)
|
||||||
|
re.Cap = p.numCap
|
||||||
|
re.Name = name
|
||||||
|
return t[end+1:], nil
|
||||||
|
}
|
||||||
|
|
||||||
|
// Non-capturing group. Might also twiddle Perl flags.
|
||||||
|
var c int
|
||||||
|
t = t[2:] // skip (?
|
||||||
|
flags := p.flags
|
||||||
|
sign := +1
|
||||||
|
sawFlag := false
|
||||||
|
Loop:
|
||||||
|
for t != "" {
|
||||||
|
if c, t, err = nextRune(t); err != nil {
|
||||||
|
return "", err
|
||||||
|
}
|
||||||
|
switch c {
|
||||||
|
default:
|
||||||
|
break Loop
|
||||||
|
|
||||||
|
// Flags.
|
||||||
|
case 'i':
|
||||||
|
flags |= FoldCase
|
||||||
|
sawFlag = true
|
||||||
|
case 'm':
|
||||||
|
flags &^= OneLine
|
||||||
|
sawFlag = true
|
||||||
|
case 's':
|
||||||
|
flags |= DotNL
|
||||||
|
sawFlag = true
|
||||||
|
case 'U':
|
||||||
|
flags |= NonGreedy
|
||||||
|
sawFlag = true
|
||||||
|
|
||||||
|
// Switch to negation.
|
||||||
|
case '-':
|
||||||
|
if sign < 0 {
|
||||||
|
break Loop
|
||||||
|
}
|
||||||
|
sign = -1
|
||||||
|
// Invert flags so that | above turn into &^ and vice versa.
|
||||||
|
// We'll invert flags again before using it below.
|
||||||
|
flags = ^flags
|
||||||
|
sawFlag = false
|
||||||
|
|
||||||
|
// End of flags, starting group or not.
|
||||||
|
case ':', ')':
|
||||||
|
if sign < 0 {
|
||||||
|
if !sawFlag {
|
||||||
|
break Loop
|
||||||
|
}
|
||||||
|
flags = ^flags
|
||||||
|
}
|
||||||
|
if c == ':' {
|
||||||
|
// Open new group
|
||||||
|
p.op(opLeftParen)
|
||||||
|
}
|
||||||
|
p.flags = flags
|
||||||
|
return t, nil
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
return "", &Error{ErrInvalidPerlOp, s[:len(s)-len(t)]}
|
||||||
|
}
|
||||||
|
|
||||||
|
// isValidCaptureName reports whether name
|
||||||
|
// is a valid capture name: [A-Za-z0-9_]+.
|
||||||
|
// PCRE limits names to 32 bytes.
|
||||||
|
// Python rejects names starting with digits.
|
||||||
|
// We don't enforce either of those.
|
||||||
|
func isValidCaptureName(name string) bool {
|
||||||
|
if name == "" {
|
||||||
|
return false
|
||||||
|
}
|
||||||
|
for _, c := range name {
|
||||||
|
if c != '_' && !isalnum(c) {
|
||||||
|
return false
|
||||||
|
}
|
||||||
|
}
|
||||||
|
return true
|
||||||
|
}
|
||||||
|
|
||||||
|
// parseInt parses a decimal integer.
|
||||||
|
func (p *parser) parseInt(s string) (n int, rest string, ok bool) {
|
||||||
|
if s == "" || s[0] < '0' || '9' < s[0] {
|
||||||
|
return
|
||||||
|
}
|
||||||
|
// Disallow leading zeros.
|
||||||
|
if len(s) >= 2 && s[0] == '0' && '0' <= s[1] && s[1] <= '9' {
|
||||||
|
return
|
||||||
|
}
|
||||||
|
for s != "" && '0' <= s[0] && s[0] <= '9' {
|
||||||
|
// Avoid overflow.
|
||||||
|
if n >= 1e8 {
|
||||||
|
return
|
||||||
|
}
|
||||||
|
n = n*10 + int(s[0]) - '0'
|
||||||
|
s = s[1:]
|
||||||
|
}
|
||||||
|
rest = s
|
||||||
|
ok = true
|
||||||
|
return
|
||||||
|
}
|
||||||
|
|
||||||
// parseVerticalBar handles a | in the input.
|
// parseVerticalBar handles a | in the input.
|
||||||
func (p *parser) parseVerticalBar() os.Error {
|
func (p *parser) parseVerticalBar() os.Error {
|
||||||
p.concat()
|
p.concat()
|
||||||
@ -371,6 +657,121 @@ func (p *parser) parseRightParen() os.Error {
|
|||||||
return nil
|
return nil
|
||||||
}
|
}
|
||||||
|
|
||||||
|
// parseEscape parses an escape sequence at the beginning of s
|
||||||
|
// and returns the rune.
|
||||||
|
func (p *parser) parseEscape(s string) (r int, rest string, err os.Error) {
|
||||||
|
t := s[1:]
|
||||||
|
if t == "" {
|
||||||
|
return 0, "", &Error{ErrTrailingBackslash, ""}
|
||||||
|
}
|
||||||
|
c, t, err := nextRune(t)
|
||||||
|
if err != nil {
|
||||||
|
return 0, "", err
|
||||||
|
}
|
||||||
|
|
||||||
|
Switch:
|
||||||
|
switch c {
|
||||||
|
default:
|
||||||
|
if c < utf8.RuneSelf && !isalnum(c) {
|
||||||
|
// Escaped non-word characters are always themselves.
|
||||||
|
// PCRE is not quite so rigorous: it accepts things like
|
||||||
|
// \q, but we don't. We once rejected \_, but too many
|
||||||
|
// programs and people insist on using it, so allow \_.
|
||||||
|
return c, t, nil
|
||||||
|
}
|
||||||
|
|
||||||
|
// Octal escapes.
|
||||||
|
case '1', '2', '3', '4', '5', '6', '7':
|
||||||
|
// Single non-zero digit is a backreference; not supported
|
||||||
|
if t == "" || t[0] < '0' || t[0] > '7' {
|
||||||
|
break
|
||||||
|
}
|
||||||
|
fallthrough
|
||||||
|
case '0':
|
||||||
|
// Consume up to three octal digits; already have one.
|
||||||
|
r = c - '0'
|
||||||
|
for i := 1; i < 3; i++ {
|
||||||
|
if t == "" || t[0] < '0' || t[0] > '7' {
|
||||||
|
break
|
||||||
|
}
|
||||||
|
r = r*8 + int(t[0]) - '0'
|
||||||
|
t = t[1:]
|
||||||
|
}
|
||||||
|
return r, t, nil
|
||||||
|
|
||||||
|
// Hexadecimal escapes.
|
||||||
|
case 'x':
|
||||||
|
if t == "" {
|
||||||
|
break
|
||||||
|
}
|
||||||
|
if c, t, err = nextRune(t); err != nil {
|
||||||
|
return 0, "", err
|
||||||
|
}
|
||||||
|
if c == '{' {
|
||||||
|
// Any number of digits in braces.
|
||||||
|
// Perl accepts any text at all; it ignores all text
|
||||||
|
// after the first non-hex digit. We require only hex digits,
|
||||||
|
// and at least one.
|
||||||
|
nhex := 0
|
||||||
|
r = 0
|
||||||
|
for {
|
||||||
|
if t == "" {
|
||||||
|
break Switch
|
||||||
|
}
|
||||||
|
if c, t, err = nextRune(t); err != nil {
|
||||||
|
return 0, "", err
|
||||||
|
}
|
||||||
|
if c == '}' {
|
||||||
|
break
|
||||||
|
}
|
||||||
|
v := unhex(c)
|
||||||
|
if v < 0 {
|
||||||
|
break Switch
|
||||||
|
}
|
||||||
|
r = r*16 + v
|
||||||
|
if r > unicode.MaxRune {
|
||||||
|
break Switch
|
||||||
|
}
|
||||||
|
}
|
||||||
|
if nhex == 0 {
|
||||||
|
break Switch
|
||||||
|
}
|
||||||
|
return r, t, nil
|
||||||
|
}
|
||||||
|
|
||||||
|
// Easy case: two hex digits.
|
||||||
|
x := unhex(c)
|
||||||
|
if c, t, err = nextRune(t); err != nil {
|
||||||
|
return 0, "", err
|
||||||
|
}
|
||||||
|
y := unhex(c)
|
||||||
|
if x < 0 || y < 0 {
|
||||||
|
break
|
||||||
|
}
|
||||||
|
return x*16 + y, t, nil
|
||||||
|
|
||||||
|
// C escapes. There is no case 'b', to avoid misparsing
|
||||||
|
// the Perl word-boundary \b as the C backspace \b
|
||||||
|
// when in POSIX mode. In Perl, /\b/ means word-boundary
|
||||||
|
// but /[\b]/ means backspace. We don't support that.
|
||||||
|
// If you want a backspace, embed a literal backspace
|
||||||
|
// character or use \x08.
|
||||||
|
case 'a':
|
||||||
|
return '\a', t, err
|
||||||
|
case 'f':
|
||||||
|
return '\f', t, err
|
||||||
|
case 'n':
|
||||||
|
return '\n', t, err
|
||||||
|
case 'r':
|
||||||
|
return '\r', t, err
|
||||||
|
case 't':
|
||||||
|
return '\t', t, err
|
||||||
|
case 'v':
|
||||||
|
return '\v', t, err
|
||||||
|
}
|
||||||
|
return 0, "", &Error{ErrInvalidEscape, s[:len(s)-len(t)]}
|
||||||
|
}
|
||||||
|
|
||||||
// parseClassChar parses a character class character at the beginning of s
|
// parseClassChar parses a character class character at the beginning of s
|
||||||
// and returns it.
|
// and returns it.
|
||||||
func (p *parser) parseClassChar(s, wholeClass string) (r int, rest string, err os.Error) {
|
func (p *parser) parseClassChar(s, wholeClass string) (r int, rest string, err os.Error) {
|
||||||
@ -378,11 +779,133 @@ func (p *parser) parseClassChar(s, wholeClass string) (r int, rest string, err o
|
|||||||
return 0, "", &Error{Code: ErrMissingBracket, Expr: wholeClass}
|
return 0, "", &Error{Code: ErrMissingBracket, Expr: wholeClass}
|
||||||
}
|
}
|
||||||
|
|
||||||
// TODO: Escapes
|
// Allow regular escape sequences even though
|
||||||
|
// many need not be escaped in this context.
|
||||||
|
if s[0] == '\\' {
|
||||||
|
return p.parseEscape(s)
|
||||||
|
}
|
||||||
|
|
||||||
return nextRune(s)
|
return nextRune(s)
|
||||||
}
|
}
|
||||||
|
|
||||||
|
type charGroup struct {
|
||||||
|
sign int
|
||||||
|
class []int
|
||||||
|
}
|
||||||
|
|
||||||
|
// parsePerlClassEscape parses a leading Perl character class escape like \d
|
||||||
|
// from the beginning of s. If one is present, it appends the characters to r
|
||||||
|
// and returns the new slice r and the remainder of the string.
|
||||||
|
func (p *parser) parsePerlClassEscape(s string, r []int) (out []int, rest string) {
|
||||||
|
if p.flags&PerlX == 0 || len(s) < 2 || s[0] != '\\' {
|
||||||
|
return
|
||||||
|
}
|
||||||
|
g := perlGroup[s[0:2]]
|
||||||
|
if g.sign == 0 {
|
||||||
|
return
|
||||||
|
}
|
||||||
|
if g.sign < 0 {
|
||||||
|
r = appendNegatedClass(r, g.class)
|
||||||
|
} else {
|
||||||
|
r = appendClass(r, g.class)
|
||||||
|
}
|
||||||
|
return r, s[2:]
|
||||||
|
}
|
||||||
|
|
||||||
|
// parseNamedClass parses a leading POSIX named character class like [:alnum:]
|
||||||
|
// from the beginning of s. If one is present, it appends the characters to r
|
||||||
|
// and returns the new slice r and the remainder of the string.
|
||||||
|
func (p *parser) parseNamedClass(s string, r []int) (out []int, rest string, err os.Error) {
|
||||||
|
if len(s) < 2 || s[0] != '[' || s[1] != ':' {
|
||||||
|
return
|
||||||
|
}
|
||||||
|
|
||||||
|
i := strings.Index(s[2:], ":]")
|
||||||
|
if i < 0 {
|
||||||
|
return
|
||||||
|
}
|
||||||
|
i += 2
|
||||||
|
name, s := s[0:i+2], s[i+2:]
|
||||||
|
g := posixGroup[name]
|
||||||
|
if g.sign == 0 {
|
||||||
|
return nil, "", &Error{ErrInvalidCharRange, name}
|
||||||
|
}
|
||||||
|
if g.sign < 0 {
|
||||||
|
r = appendNegatedClass(r, g.class)
|
||||||
|
} else {
|
||||||
|
r = appendClass(r, g.class)
|
||||||
|
}
|
||||||
|
return r, s, nil
|
||||||
|
}
|
||||||
|
|
||||||
|
// unicodeTable returns the unicode.RangeTable identified by name.
|
||||||
|
func unicodeTable(name string) *unicode.RangeTable {
|
||||||
|
if t := unicode.Categories[name]; t != nil {
|
||||||
|
return t
|
||||||
|
}
|
||||||
|
if t := unicode.Scripts[name]; t != nil {
|
||||||
|
return t
|
||||||
|
}
|
||||||
|
return nil
|
||||||
|
}
|
||||||
|
|
||||||
|
// parseUnicodeClass parses a leading Unicode character class like \p{Han}
|
||||||
|
// from the beginning of s. If one is present, it appends the characters to r
|
||||||
|
// and returns the new slice r and the remainder of the string.
|
||||||
|
func (p *parser) parseUnicodeClass(s string, r []int) (out []int, rest string, err os.Error) {
|
||||||
|
if p.flags&UnicodeGroups == 0 || len(s) < 2 || s[0] != '\\' || s[1] != 'p' && s[1] != 'P' {
|
||||||
|
return
|
||||||
|
}
|
||||||
|
|
||||||
|
// Committed to parse or return error.
|
||||||
|
sign := +1
|
||||||
|
if s[1] == 'P' {
|
||||||
|
sign = -1
|
||||||
|
}
|
||||||
|
t := s[2:]
|
||||||
|
c, t, err := nextRune(t)
|
||||||
|
if err != nil {
|
||||||
|
return
|
||||||
|
}
|
||||||
|
var seq, name string
|
||||||
|
if c != '{' {
|
||||||
|
// Single-letter name.
|
||||||
|
seq = s[:len(s)-len(t)]
|
||||||
|
name = seq[2:]
|
||||||
|
} else {
|
||||||
|
// Name is in braces.
|
||||||
|
end := strings.IndexRune(s, '}')
|
||||||
|
if end < 0 {
|
||||||
|
if err = checkUTF8(s); err != nil {
|
||||||
|
return
|
||||||
|
}
|
||||||
|
return nil, "", &Error{ErrInvalidCharRange, s}
|
||||||
|
}
|
||||||
|
seq, t = s[:end+1], s[end+1:]
|
||||||
|
name = s[3:end]
|
||||||
|
if err = checkUTF8(name); err != nil {
|
||||||
|
return
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
// Group can have leading negation too. \p{^Han} == \P{Han}, \P{^Han} == \p{Han}.
|
||||||
|
if name != "" && name[0] == '^' {
|
||||||
|
sign = -sign
|
||||||
|
name = name[1:]
|
||||||
|
}
|
||||||
|
|
||||||
|
tab := unicodeTable(name)
|
||||||
|
if tab == nil {
|
||||||
|
return nil, "", &Error{ErrInvalidCharRange, seq}
|
||||||
|
}
|
||||||
|
if sign > 0 {
|
||||||
|
r = appendTable(r, tab)
|
||||||
|
} else {
|
||||||
|
r = appendNegatedTable(r, tab)
|
||||||
|
}
|
||||||
|
return r, t, nil
|
||||||
|
}
|
||||||
|
|
||||||
// parseClass parses a character class at the beginning of s
|
// parseClass parses a character class at the beginning of s
|
||||||
// and pushes it onto the parse stack.
|
// and pushes it onto the parse stack.
|
||||||
func (p *parser) parseClass(s string) (rest string, err os.Error) {
|
func (p *parser) parseClass(s string) (rest string, err os.Error) {
|
||||||
@ -413,9 +936,33 @@ func (p *parser) parseClass(s string) (rest string, err os.Error) {
|
|||||||
}
|
}
|
||||||
first = false
|
first = false
|
||||||
|
|
||||||
// TODO: Look for [:alnum:]
|
// Look for POSIX [:alnum:] etc.
|
||||||
// TODO: Look for Unicode group.
|
if len(t) > 2 && t[0] == '[' && t[1] == ':' {
|
||||||
// TODO: Look for Perl group.
|
nclass, nt, err := p.parseNamedClass(t, class)
|
||||||
|
if err != nil {
|
||||||
|
return "", err
|
||||||
|
}
|
||||||
|
if nclass != nil {
|
||||||
|
class, t = nclass, nt
|
||||||
|
continue
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
// Look for Unicode character group like \p{Han}.
|
||||||
|
nclass, nt, err := p.parseUnicodeClass(t, class)
|
||||||
|
if err != nil {
|
||||||
|
return "", err
|
||||||
|
}
|
||||||
|
if nclass != nil {
|
||||||
|
class, t = nclass, nt
|
||||||
|
continue
|
||||||
|
}
|
||||||
|
|
||||||
|
// Look for Perl character class symbols (extension).
|
||||||
|
if nclass, nt := p.parsePerlClassEscape(t, class); nclass != nil {
|
||||||
|
class, t = nclass, nt
|
||||||
|
continue
|
||||||
|
}
|
||||||
|
|
||||||
// Single character or simple range.
|
// Single character or simple range.
|
||||||
rng := t
|
rng := t
|
||||||
@ -435,25 +982,12 @@ func (p *parser) parseClass(s string) (rest string, err os.Error) {
|
|||||||
return "", &Error{Code: ErrInvalidCharRange, Expr: rng}
|
return "", &Error{Code: ErrInvalidCharRange, Expr: rng}
|
||||||
}
|
}
|
||||||
}
|
}
|
||||||
|
class = appendRange(class, lo, hi)
|
||||||
// Expand last range if overlaps or abuts.
|
|
||||||
if n := len(class); n > 0 {
|
|
||||||
clo, chi := class[n-2], class[n-1]
|
|
||||||
if lo <= chi+1 && clo <= hi+1 {
|
|
||||||
if lo < clo {
|
|
||||||
class[n-2] = lo
|
|
||||||
}
|
|
||||||
if hi > chi {
|
|
||||||
class[n-1] = hi
|
|
||||||
}
|
|
||||||
continue
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
class = append(class, lo, hi)
|
|
||||||
}
|
}
|
||||||
t = t[1:] // chop ]
|
t = t[1:] // chop ]
|
||||||
|
|
||||||
|
// TODO: Handle FoldCase flag.
|
||||||
|
|
||||||
// Use &re.Rune instead of &class to avoid allocation.
|
// Use &re.Rune instead of &class to avoid allocation.
|
||||||
re.Rune = class
|
re.Rune = class
|
||||||
class = cleanClass(&re.Rune)
|
class = cleanClass(&re.Rune)
|
||||||
@ -492,6 +1026,117 @@ func cleanClass(rp *[]int) []int {
|
|||||||
return r[:w]
|
return r[:w]
|
||||||
}
|
}
|
||||||
|
|
||||||
|
// appendRange returns the result of appending the range lo-hi to the class r.
|
||||||
|
func appendRange(r []int, lo, hi int) []int {
|
||||||
|
// Expand last range if overlaps or abuts.
|
||||||
|
if n := len(r); n > 0 {
|
||||||
|
rlo, rhi := r[n-2], r[n-1]
|
||||||
|
if lo <= rhi+1 && rlo <= hi+1 {
|
||||||
|
if lo < rlo {
|
||||||
|
r[n-2] = lo
|
||||||
|
}
|
||||||
|
if hi > rhi {
|
||||||
|
r[n-1] = hi
|
||||||
|
}
|
||||||
|
return r
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
return append(r, lo, hi)
|
||||||
|
}
|
||||||
|
|
||||||
|
// appendClass returns the result of appending the class x to the class r.
|
||||||
|
// It assume x is clean.
|
||||||
|
func appendClass(r []int, x []int) []int {
|
||||||
|
for i := 0; i < len(x); i += 2 {
|
||||||
|
r = appendRange(r, x[i], x[i+1])
|
||||||
|
}
|
||||||
|
return r
|
||||||
|
}
|
||||||
|
|
||||||
|
// appendNegatedClass returns the result of appending the negation of the class x to the class r.
|
||||||
|
// It assumes x is clean.
|
||||||
|
func appendNegatedClass(r []int, x []int) []int {
|
||||||
|
nextLo := 0
|
||||||
|
for i := 0; i < len(x); i += 2 {
|
||||||
|
lo, hi := x[i], x[i+1]
|
||||||
|
if nextLo <= lo-1 {
|
||||||
|
r = appendRange(r, nextLo, lo-1)
|
||||||
|
}
|
||||||
|
nextLo = hi + 1
|
||||||
|
}
|
||||||
|
if nextLo <= unicode.MaxRune {
|
||||||
|
r = appendRange(r, nextLo, unicode.MaxRune)
|
||||||
|
}
|
||||||
|
return r
|
||||||
|
}
|
||||||
|
|
||||||
|
// appendTable returns the result of appending x to the class r.
|
||||||
|
func appendTable(r []int, x *unicode.RangeTable) []int {
|
||||||
|
for _, xr := range x.R16 {
|
||||||
|
lo, hi, stride := int(xr.Lo), int(xr.Hi), int(xr.Stride)
|
||||||
|
if stride == 1 {
|
||||||
|
r = appendRange(r, lo, hi)
|
||||||
|
continue
|
||||||
|
}
|
||||||
|
for c := lo; c <= hi; c += stride {
|
||||||
|
r = appendRange(r, c, c)
|
||||||
|
}
|
||||||
|
}
|
||||||
|
for _, xr := range x.R32 {
|
||||||
|
lo, hi, stride := int(xr.Lo), int(xr.Hi), int(xr.Stride)
|
||||||
|
if stride == 1 {
|
||||||
|
r = appendRange(r, lo, hi)
|
||||||
|
continue
|
||||||
|
}
|
||||||
|
for c := lo; c <= hi; c += stride {
|
||||||
|
r = appendRange(r, c, c)
|
||||||
|
}
|
||||||
|
}
|
||||||
|
return r
|
||||||
|
}
|
||||||
|
|
||||||
|
// appendNegatedTable returns the result of appending the negation of x to the class r.
|
||||||
|
func appendNegatedTable(r []int, x *unicode.RangeTable) []int {
|
||||||
|
nextLo := 0 // lo end of next class to add
|
||||||
|
for _, xr := range x.R16 {
|
||||||
|
lo, hi, stride := int(xr.Lo), int(xr.Hi), int(xr.Stride)
|
||||||
|
if stride == 1 {
|
||||||
|
if nextLo <= lo-1 {
|
||||||
|
r = appendRange(r, nextLo, lo-1)
|
||||||
|
}
|
||||||
|
nextLo = hi + 1
|
||||||
|
continue
|
||||||
|
}
|
||||||
|
for c := lo; c <= hi; c += stride {
|
||||||
|
if nextLo <= c-1 {
|
||||||
|
r = appendRange(r, nextLo, c-1)
|
||||||
|
}
|
||||||
|
nextLo = c + 1
|
||||||
|
}
|
||||||
|
}
|
||||||
|
for _, xr := range x.R32 {
|
||||||
|
lo, hi, stride := int(xr.Lo), int(xr.Hi), int(xr.Stride)
|
||||||
|
if stride == 1 {
|
||||||
|
if nextLo <= lo-1 {
|
||||||
|
r = appendRange(r, nextLo, lo-1)
|
||||||
|
}
|
||||||
|
nextLo = hi + 1
|
||||||
|
continue
|
||||||
|
}
|
||||||
|
for c := lo; c <= hi; c += stride {
|
||||||
|
if nextLo <= c-1 {
|
||||||
|
r = appendRange(r, nextLo, c-1)
|
||||||
|
}
|
||||||
|
nextLo = c + 1
|
||||||
|
}
|
||||||
|
}
|
||||||
|
if nextLo <= unicode.MaxRune {
|
||||||
|
r = appendRange(r, nextLo, unicode.MaxRune)
|
||||||
|
}
|
||||||
|
return r
|
||||||
|
}
|
||||||
|
|
||||||
// negateClass overwrites r and returns r's negation.
|
// negateClass overwrites r and returns r's negation.
|
||||||
// It assumes the class r is already clean.
|
// It assumes the class r is already clean.
|
||||||
func negateClass(r []int) []int {
|
func negateClass(r []int) []int {
|
||||||
@ -559,3 +1204,20 @@ func nextRune(s string) (c int, t string, err os.Error) {
|
|||||||
}
|
}
|
||||||
return c, s[size:], nil
|
return c, s[size:], nil
|
||||||
}
|
}
|
||||||
|
|
||||||
|
func isalnum(c int) bool {
|
||||||
|
return '0' <= c && c <= '9' || 'A' <= c && c <= 'Z' || 'a' <= c && c <= 'z'
|
||||||
|
}
|
||||||
|
|
||||||
|
func unhex(c int) int {
|
||||||
|
if '0' <= c && c <= '9' {
|
||||||
|
return c - '0'
|
||||||
|
}
|
||||||
|
if 'a' <= c && c <= 'f' {
|
||||||
|
return c - 'a' + 10
|
||||||
|
}
|
||||||
|
if 'A' <= c && c <= 'F' {
|
||||||
|
return c - 'A' + 10
|
||||||
|
}
|
||||||
|
return -1
|
||||||
|
}
|
||||||
|
@ -32,68 +32,74 @@ var parseTests = []struct {
|
|||||||
{"a*", "star{lit{a}}"},
|
{"a*", "star{lit{a}}"},
|
||||||
{"a+", "plus{lit{a}}"},
|
{"a+", "plus{lit{a}}"},
|
||||||
{"a?", "que{lit{a}}"},
|
{"a?", "que{lit{a}}"},
|
||||||
// { "a{2}", "rep{2,2 lit{a}}" },
|
{"a{2}", "rep{2,2 lit{a}}"},
|
||||||
// { "a{2,3}", "rep{2,3 lit{a}}" },
|
{"a{2,3}", "rep{2,3 lit{a}}"},
|
||||||
// { "a{2,}", "rep{2,-1 lit{a}}" },
|
{"a{2,}", "rep{2,-1 lit{a}}"},
|
||||||
// { "a*?", "nstar{lit{a}}" },
|
{"a*?", "nstar{lit{a}}"},
|
||||||
// { "a+?", "nplus{lit{a}}" },
|
{"a+?", "nplus{lit{a}}"},
|
||||||
// { "a??", "nque{lit{a}}" },
|
{"a??", "nque{lit{a}}"},
|
||||||
// { "a{2}?", "nrep{2,2 lit{a}}" },
|
{"a{2}?", "nrep{2,2 lit{a}}"},
|
||||||
// { "a{2,3}?", "nrep{2,3 lit{a}}" },
|
{"a{2,3}?", "nrep{2,3 lit{a}}"},
|
||||||
// { "a{2,}?", "nrep{2,-1 lit{a}}" },
|
{"a{2,}?", "nrep{2,-1 lit{a}}"},
|
||||||
{"", "emp{}"},
|
{"", "emp{}"},
|
||||||
// { "|", "emp{}" }, // alt{emp{}emp{}} but got factored
|
// { "|", "emp{}" }, // alt{emp{}emp{}} but got factored
|
||||||
// { "|", "alt{emp{}emp{}}" },
|
{"|", "alt{emp{}emp{}}"},
|
||||||
{"|x|", "alt{emp{}lit{x}emp{}}"},
|
{"|x|", "alt{emp{}lit{x}emp{}}"},
|
||||||
{".", "dot{}"},
|
{".", "dot{}"},
|
||||||
{"^", "bol{}"},
|
{"^", "bol{}"},
|
||||||
{"$", "eol{}"},
|
{"$", "eol{}"},
|
||||||
// { "\\|", "lit{|}" },
|
{"\\|", "lit{|}"},
|
||||||
// { "\\(", "lit{(}" },
|
{"\\(", "lit{(}"},
|
||||||
// { "\\)", "lit{)}" },
|
{"\\)", "lit{)}"},
|
||||||
// { "\\*", "lit{*}" },
|
{"\\*", "lit{*}"},
|
||||||
// { "\\+", "lit{+}" },
|
{"\\+", "lit{+}"},
|
||||||
// { "\\?", "lit{?}" },
|
{"\\?", "lit{?}"},
|
||||||
// { "{", "lit{{}" },
|
{"{", "lit{{}"},
|
||||||
{"}", "lit{}}"},
|
{"}", "lit{}}"},
|
||||||
// { "\\.", "lit{.}" },
|
{"\\.", "lit{.}"},
|
||||||
// { "\\^", "lit{^}" },
|
{"\\^", "lit{^}"},
|
||||||
// { "\\$", "lit{$}" },
|
{"\\$", "lit{$}"},
|
||||||
// { "\\\\", "lit{\\}" },
|
{"\\\\", "lit{\\}"},
|
||||||
{"[ace]", "cc{0x61 0x63 0x65}"},
|
{"[ace]", "cc{0x61 0x63 0x65}"},
|
||||||
{"[abc]", "cc{0x61-0x63}"},
|
{"[abc]", "cc{0x61-0x63}"},
|
||||||
{"[a-z]", "cc{0x61-0x7a}"},
|
{"[a-z]", "cc{0x61-0x7a}"},
|
||||||
// { "[a]", "lit{a}" },
|
// { "[a]", "lit{a}" },
|
||||||
{"[a]", "cc{0x61}"},
|
{"[a]", "cc{0x61}"},
|
||||||
// { "\\-", "lit{-}" },
|
{"\\-", "lit{-}"},
|
||||||
{"-", "lit{-}"},
|
{"-", "lit{-}"},
|
||||||
// { "\\_", "lit{_}" },
|
{"\\_", "lit{_}"},
|
||||||
|
|
||||||
// Posix and Perl extensions
|
// Posix and Perl extensions
|
||||||
// { "[[:lower:]]", "cc{0x61-0x7a}" },
|
{"[[:lower:]]", "cc{0x61-0x7a}"},
|
||||||
// { "[a-z]", "cc{0x61-0x7a}" },
|
{"[a-z]", "cc{0x61-0x7a}"},
|
||||||
// { "[^[:lower:]]", "cc{0x0-0x60 0x7b-0x10ffff}" },
|
{"[^[:lower:]]", "cc{0x0-0x60 0x7b-0x10ffff}"},
|
||||||
// { "[[:^lower:]]", "cc{0x0-0x60 0x7b-0x10ffff}" },
|
{"[[:^lower:]]", "cc{0x0-0x60 0x7b-0x10ffff}"},
|
||||||
// { "(?i)[[:lower:]]", "cc{0x41-0x5a 0x61-0x7a 0x17f 0x212a}" },
|
// { "(?i)[[:lower:]]", "cc{0x41-0x5a 0x61-0x7a 0x17f 0x212a}" },
|
||||||
// { "(?i)[a-z]", "cc{0x41-0x5a 0x61-0x7a 0x17f 0x212a}" },
|
// { "(?i)[a-z]", "cc{0x41-0x5a 0x61-0x7a 0x17f 0x212a}" },
|
||||||
// { "(?i)[^[:lower:]]", "cc{0x0-0x40 0x5b-0x60 0x7b-0x17e 0x180-0x2129 0x212b-0x10ffff}" },
|
// { "(?i)[^[:lower:]]", "cc{0x0-0x40 0x5b-0x60 0x7b-0x17e 0x180-0x2129 0x212b-0x10ffff}" },
|
||||||
// { "(?i)[[:^lower:]]", "cc{0x0-0x40 0x5b-0x60 0x7b-0x17e 0x180-0x2129 0x212b-0x10ffff}" },
|
// { "(?i)[[:^lower:]]", "cc{0x0-0x40 0x5b-0x60 0x7b-0x17e 0x180-0x2129 0x212b-0x10ffff}" },
|
||||||
// { "\\d", "cc{0x30-0x39}" },
|
{"\\d", "cc{0x30-0x39}"},
|
||||||
// { "\\D", "cc{0x0-0x2f 0x3a-0x10ffff}" },
|
{"\\D", "cc{0x0-0x2f 0x3a-0x10ffff}"},
|
||||||
// { "\\s", "cc{0x9-0xa 0xc-0xd 0x20}" },
|
{"\\s", "cc{0x9-0xa 0xc-0xd 0x20}"},
|
||||||
// { "\\S", "cc{0x0-0x8 0xb 0xe-0x1f 0x21-0x10ffff}" },
|
{"\\S", "cc{0x0-0x8 0xb 0xe-0x1f 0x21-0x10ffff}"},
|
||||||
// { "\\w", "cc{0x30-0x39 0x41-0x5a 0x5f 0x61-0x7a}" },
|
{"\\w", "cc{0x30-0x39 0x41-0x5a 0x5f 0x61-0x7a}"},
|
||||||
// { "\\W", "cc{0x0-0x2f 0x3a-0x40 0x5b-0x5e 0x60 0x7b-0x10ffff}" },
|
{"\\W", "cc{0x0-0x2f 0x3a-0x40 0x5b-0x5e 0x60 0x7b-0x10ffff}"},
|
||||||
// { "(?i)\\w", "cc{0x30-0x39 0x41-0x5a 0x5f 0x61-0x7a 0x17f 0x212a}" },
|
// { "(?i)\\w", "cc{0x30-0x39 0x41-0x5a 0x5f 0x61-0x7a 0x17f 0x212a}" },
|
||||||
// { "(?i)\\W", "cc{0x0-0x2f 0x3a-0x40 0x5b-0x5e 0x60 0x7b-0x17e 0x180-0x2129 0x212b-0x10ffff}" },
|
// { "(?i)\\W", "cc{0x0-0x2f 0x3a-0x40 0x5b-0x5e 0x60 0x7b-0x17e 0x180-0x2129 0x212b-0x10ffff}" },
|
||||||
// { "[^\\\\]", "cc{0x0-0x5b 0x5d-0x10ffff}" },
|
{"[^\\\\]", "cc{0x0-0x5b 0x5d-0x10ffff}"},
|
||||||
// { "\\C", "byte{}" },
|
// { "\\C", "byte{}" },
|
||||||
|
|
||||||
// Unicode, negatives, and a double negative.
|
// Unicode, negatives, and a double negative.
|
||||||
// { "\\p{Braille}", "cc{0x2800-0x28ff}" },
|
{"\\p{Braille}", "cc{0x2800-0x28ff}"},
|
||||||
// { "\\P{Braille}", "cc{0x0-0x27ff 0x2900-0x10ffff}" },
|
{"\\P{Braille}", "cc{0x0-0x27ff 0x2900-0x10ffff}"},
|
||||||
// { "\\p{^Braille}", "cc{0x0-0x27ff 0x2900-0x10ffff}" },
|
{"\\p{^Braille}", "cc{0x0-0x27ff 0x2900-0x10ffff}"},
|
||||||
// { "\\P{^Braille}", "cc{0x2800-0x28ff}" },
|
{"\\P{^Braille}", "cc{0x2800-0x28ff}"},
|
||||||
|
{"\\pZ", "cc{0x20 0xa0 0x1680 0x180e 0x2000-0x200a 0x2028-0x2029 0x202f 0x205f 0x3000}"},
|
||||||
|
{"[\\p{Braille}]", "cc{0x2800-0x28ff}"},
|
||||||
|
{"[\\P{Braille}]", "cc{0x0-0x27ff 0x2900-0x10ffff}"},
|
||||||
|
{"[\\p{^Braille}]", "cc{0x0-0x27ff 0x2900-0x10ffff}"},
|
||||||
|
{"[\\P{^Braille}]", "cc{0x2800-0x28ff}"},
|
||||||
|
{"[\\pZ]", "cc{0x20 0xa0 0x1680 0x180e 0x2000-0x200a 0x2028-0x2029 0x202f 0x205f 0x3000}"},
|
||||||
|
|
||||||
// More interesting regular expressions.
|
// More interesting regular expressions.
|
||||||
// { "a{,2}", "str{a{,2}}" },
|
// { "a{,2}", "str{a{,2}}" },
|
||||||
@ -101,7 +107,7 @@ var parseTests = []struct {
|
|||||||
{"[a-zABC]", "cc{0x41-0x43 0x61-0x7a}"},
|
{"[a-zABC]", "cc{0x41-0x43 0x61-0x7a}"},
|
||||||
{"[^a]", "cc{0x0-0x60 0x62-0x10ffff}"},
|
{"[^a]", "cc{0x0-0x60 0x62-0x10ffff}"},
|
||||||
{"[\xce\xb1-\xce\xb5\xe2\x98\xba]", "cc{0x3b1-0x3b5 0x263a}"}, // utf-8
|
{"[\xce\xb1-\xce\xb5\xe2\x98\xba]", "cc{0x3b1-0x3b5 0x263a}"}, // utf-8
|
||||||
// { "a*{", "cat{star{lit{a}}lit{{}}" },
|
{"a*{", "cat{star{lit{a}}lit{{}}"},
|
||||||
|
|
||||||
// Test precedences
|
// Test precedences
|
||||||
// { "(?:ab)*", "star{str{ab}}" },
|
// { "(?:ab)*", "star{str{ab}}" },
|
||||||
@ -114,30 +120,30 @@ var parseTests = []struct {
|
|||||||
{"a(b|c)d", "cat{lit{a}cap{alt{lit{b}lit{c}}}lit{d}}"},
|
{"a(b|c)d", "cat{lit{a}cap{alt{lit{b}lit{c}}}lit{d}}"},
|
||||||
|
|
||||||
// Test flattening.
|
// Test flattening.
|
||||||
// { "(?:a)", "lit{a}" },
|
{"(?:a)", "lit{a}"},
|
||||||
// { "(?:ab)(?:cd)", "str{abcd}" },
|
// { "(?:ab)(?:cd)", "str{abcd}" },
|
||||||
// { "(?:a|b)|(?:c|d)", "cc{0x61-0x64}" },
|
// { "(?:a|b)|(?:c|d)", "cc{0x61-0x64}" },
|
||||||
// { "a|.", "dot{}" },
|
// { "a|.", "dot{}" },
|
||||||
// { ".|a", "dot{}" },
|
// { ".|a", "dot{}" },
|
||||||
|
|
||||||
// Test Perl quoted literals
|
// Test Perl quoted literals
|
||||||
// { "\\Q+|*?{[\\E", "str{+|*?{[}" },
|
{"\\Q+|*?{[\\E", "str{+|*?{[}"},
|
||||||
// { "\\Q+\\E+", "plus{lit{+}}" },
|
{"\\Q+\\E+", "plus{lit{+}}"},
|
||||||
// { "\\Q\\\\E", "lit{\\}" },
|
{"\\Q\\\\E", "lit{\\}"},
|
||||||
// { "\\Q\\\\\\E", "str{\\\\}" },
|
{"\\Q\\\\\\E", "str{\\\\}"},
|
||||||
|
|
||||||
// Test Perl \A and \z
|
// Test Perl \A and \z
|
||||||
// { "(?m)^", "bol{}" },
|
{"(?m)^", "bol{}"},
|
||||||
// { "(?m)$", "eol{}" },
|
{"(?m)$", "eol{}"},
|
||||||
// { "(?-m)^", "bot{}" },
|
{"(?-m)^", "bot{}"},
|
||||||
// { "(?-m)$", "eot{}" },
|
{"(?-m)$", "eot{}"},
|
||||||
// { "(?m)\\A", "bot{}" },
|
{"(?m)\\A", "bot{}"},
|
||||||
// { "(?m)\\z", "eot{\\z}" },
|
{"(?m)\\z", "eot{\\z}"},
|
||||||
// { "(?-m)\\A", "bot{}" },
|
{"(?-m)\\A", "bot{}"},
|
||||||
// { "(?-m)\\z", "eot{\\z}" },
|
{"(?-m)\\z", "eot{\\z}"},
|
||||||
|
|
||||||
// Test named captures
|
// Test named captures
|
||||||
// { "(?P<name>a)", "cap{name:lit{a}}" },
|
{"(?P<name>a)", "cap{name:lit{a}}"},
|
||||||
|
|
||||||
// Case-folded literals
|
// Case-folded literals
|
||||||
// { "[Aa]", "litfold{a}" },
|
// { "[Aa]", "litfold{a}" },
|
||||||
|
130
src/pkg/exp/regexp/syntax/perl_groups.go
Normal file
130
src/pkg/exp/regexp/syntax/perl_groups.go
Normal file
@ -0,0 +1,130 @@
|
|||||||
|
// GENERATED BY make_perl_groups.pl; DO NOT EDIT.
|
||||||
|
// make_perl_groups.pl >perl_groups.go
|
||||||
|
|
||||||
|
package syntax
|
||||||
|
|
||||||
|
var code1 = []int{ /* \d */
|
||||||
|
0x30, 0x39,
|
||||||
|
}
|
||||||
|
|
||||||
|
var code2 = []int{ /* \s */
|
||||||
|
0x9, 0xa,
|
||||||
|
0xc, 0xd,
|
||||||
|
0x20, 0x20,
|
||||||
|
}
|
||||||
|
|
||||||
|
var code3 = []int{ /* \w */
|
||||||
|
0x30, 0x39,
|
||||||
|
0x41, 0x5a,
|
||||||
|
0x5f, 0x5f,
|
||||||
|
0x61, 0x7a,
|
||||||
|
}
|
||||||
|
|
||||||
|
var perlGroup = map[string]charGroup{
|
||||||
|
`\d`: {+1, code1},
|
||||||
|
`\D`: {-1, code1},
|
||||||
|
`\s`: {+1, code2},
|
||||||
|
`\S`: {-1, code2},
|
||||||
|
`\w`: {+1, code3},
|
||||||
|
`\W`: {-1, code3},
|
||||||
|
}
|
||||||
|
var code4 = []int{ /* [:alnum:] */
|
||||||
|
0x30, 0x39,
|
||||||
|
0x41, 0x5a,
|
||||||
|
0x61, 0x7a,
|
||||||
|
}
|
||||||
|
|
||||||
|
var code5 = []int{ /* [:alpha:] */
|
||||||
|
0x41, 0x5a,
|
||||||
|
0x61, 0x7a,
|
||||||
|
}
|
||||||
|
|
||||||
|
var code6 = []int{ /* [:ascii:] */
|
||||||
|
0x0, 0x7f,
|
||||||
|
}
|
||||||
|
|
||||||
|
var code7 = []int{ /* [:blank:] */
|
||||||
|
0x9, 0x9,
|
||||||
|
0x20, 0x20,
|
||||||
|
}
|
||||||
|
|
||||||
|
var code8 = []int{ /* [:cntrl:] */
|
||||||
|
0x0, 0x1f,
|
||||||
|
0x7f, 0x7f,
|
||||||
|
}
|
||||||
|
|
||||||
|
var code9 = []int{ /* [:digit:] */
|
||||||
|
0x30, 0x39,
|
||||||
|
}
|
||||||
|
|
||||||
|
var code10 = []int{ /* [:graph:] */
|
||||||
|
0x21, 0x7e,
|
||||||
|
}
|
||||||
|
|
||||||
|
var code11 = []int{ /* [:lower:] */
|
||||||
|
0x61, 0x7a,
|
||||||
|
}
|
||||||
|
|
||||||
|
var code12 = []int{ /* [:print:] */
|
||||||
|
0x20, 0x7e,
|
||||||
|
}
|
||||||
|
|
||||||
|
var code13 = []int{ /* [:punct:] */
|
||||||
|
0x21, 0x2f,
|
||||||
|
0x3a, 0x40,
|
||||||
|
0x5b, 0x60,
|
||||||
|
0x7b, 0x7e,
|
||||||
|
}
|
||||||
|
|
||||||
|
var code14 = []int{ /* [:space:] */
|
||||||
|
0x9, 0xd,
|
||||||
|
0x20, 0x20,
|
||||||
|
}
|
||||||
|
|
||||||
|
var code15 = []int{ /* [:upper:] */
|
||||||
|
0x41, 0x5a,
|
||||||
|
}
|
||||||
|
|
||||||
|
var code16 = []int{ /* [:word:] */
|
||||||
|
0x30, 0x39,
|
||||||
|
0x41, 0x5a,
|
||||||
|
0x5f, 0x5f,
|
||||||
|
0x61, 0x7a,
|
||||||
|
}
|
||||||
|
|
||||||
|
var code17 = []int{ /* [:xdigit:] */
|
||||||
|
0x30, 0x39,
|
||||||
|
0x41, 0x46,
|
||||||
|
0x61, 0x66,
|
||||||
|
}
|
||||||
|
|
||||||
|
var posixGroup = map[string]charGroup{
|
||||||
|
`[:alnum:]`: {+1, code4},
|
||||||
|
`[:^alnum:]`: {-1, code4},
|
||||||
|
`[:alpha:]`: {+1, code5},
|
||||||
|
`[:^alpha:]`: {-1, code5},
|
||||||
|
`[:ascii:]`: {+1, code6},
|
||||||
|
`[:^ascii:]`: {-1, code6},
|
||||||
|
`[:blank:]`: {+1, code7},
|
||||||
|
`[:^blank:]`: {-1, code7},
|
||||||
|
`[:cntrl:]`: {+1, code8},
|
||||||
|
`[:^cntrl:]`: {-1, code8},
|
||||||
|
`[:digit:]`: {+1, code9},
|
||||||
|
`[:^digit:]`: {-1, code9},
|
||||||
|
`[:graph:]`: {+1, code10},
|
||||||
|
`[:^graph:]`: {-1, code10},
|
||||||
|
`[:lower:]`: {+1, code11},
|
||||||
|
`[:^lower:]`: {-1, code11},
|
||||||
|
`[:print:]`: {+1, code12},
|
||||||
|
`[:^print:]`: {-1, code12},
|
||||||
|
`[:punct:]`: {+1, code13},
|
||||||
|
`[:^punct:]`: {-1, code13},
|
||||||
|
`[:space:]`: {+1, code14},
|
||||||
|
`[:^space:]`: {-1, code14},
|
||||||
|
`[:upper:]`: {+1, code15},
|
||||||
|
`[:^upper:]`: {-1, code15},
|
||||||
|
`[:word:]`: {+1, code16},
|
||||||
|
`[:^word:]`: {-1, code16},
|
||||||
|
`[:xdigit:]`: {+1, code17},
|
||||||
|
`[:^xdigit:]`: {-1, code17},
|
||||||
|
}
|
Loading…
Reference in New Issue
Block a user