pcre2_newline.c

   1 /*************************************************
   2 *      Perl-Compatible Regular Expressions       *
   3 *************************************************/
   4
   5 /* PCRE is a library of functions to support regular expressions whose syntax
   6 and semantics are as close as possible to those of the Perl 5 language.
   7
   8                        Written by Philip Hazel
   9      Original API code Copyright (c) 1997-2012 University of Cambridge
  10          New API code Copyright (c) 2016 University of Cambridge
  11
  12 -----------------------------------------------------------------------------
  13 Redistribution and use in source and binary forms, with or without
  14 modification, are permitted provided that the following conditions are met:
  15
  16     * Redistributions of source code must retain the above copyright notice,
  17       this list of conditions and the following disclaimer.
  18
  19     * Redistributions in binary form must reproduce the above copyright
  20       notice, this list of conditions and the following disclaimer in the
  21       documentation and/or other materials provided with the distribution.
  22
  23     * Neither the name of the University of Cambridge nor the names of its
  24       contributors may be used to endorse or promote products derived from
  25       this software without specific prior written permission.
  26
  27 THIS SOFTWARE IS PROVIDED BY THE COPYRIGHT HOLDERS AND CONTRIBUTORS "AS IS"
  28 AND ANY EXPRESS OR IMPLIED WARRANTIES, INCLUDING, BUT NOT LIMITED TO, THE
  29 IMPLIED WARRANTIES OF MERCHANTABILITY AND FITNESS FOR A PARTICULAR PURPOSE
  30 ARE DISCLAIMED. IN NO EVENT SHALL THE COPYRIGHT OWNER OR CONTRIBUTORS BE
  31 LIABLE FOR ANY DIRECT, INDIRECT, INCIDENTAL, SPECIAL, EXEMPLARY, OR
  32 CONSEQUENTIAL DAMAGES (INCLUDING, BUT NOT LIMITED TO, PROCUREMENT OF
  33 SUBSTITUTE GOODS OR SERVICES; LOSS OF USE, DATA, OR PROFITS; OR BUSINESS
  34 INTERRUPTION) HOWEVER CAUSED AND ON ANY THEORY OF LIABILITY, WHETHER IN
  35 CONTRACT, STRICT LIABILITY, OR TORT (INCLUDING NEGLIGENCE OR OTHERWISE)
  36 ARISING IN ANY WAY OUT OF THE USE OF THIS SOFTWARE, EVEN IF ADVISED OF THE
  37 POSSIBILITY OF SUCH DAMAGE.
  38 -----------------------------------------------------------------------------
  39 */
  40
  41
  42 /* This module contains internal functions for testing newlines when more than
  43 one kind of newline is to be recognized. When a newline is found, its length is
  44 returned. In principle, we could implement several newline "types", each
  45 referring to a different set of newline characters. At present, PCRE2 supports
  46 only NLTYPE_FIXED, which gets handled without these functions, NLTYPE_ANYCRLF,
  47 and NLTYPE_ANY. The full list of Unicode newline characters is taken from
  48 http://unicode.org/unicode/reports/tr18/. */
  49
  50
  51 #ifdef HAVE_CONFIG_H
  52 #include "config.h"
  53 #endif
  54
  55 #include "pcre2_internal.h"
  56
  57
  58
  59 /*************************************************
  60 *      Check for newline at given position       *
  61 *************************************************/
  62
  63 /* This function is called only via the IS_NEWLINE macro, which does so only
  64 when the newline type is NLTYPE_ANY or NLTYPE_ANYCRLF. The case of a fixed
  65 newline (NLTYPE_FIXED) is handled inline. It is guaranteed that the code unit
  66 pointed to by ptr is less than the end of the string.
  67
  68 Arguments:
  69   ptr          pointer to possible newline
  70   type         the newline type
  71   endptr       pointer to the end of the string
  72   lenptr       where to return the length
  73   utf          TRUE if in utf mode
  74
  75 Returns:       TRUE or FALSE
  76 */
  77
  78 BOOL
  79 PRIV(is_newline)(PCRE2_SPTR ptr, uint32_t type, PCRE2_SPTR endptr,
  80   uint32_t *lenptr, BOOL utf)
  81 {
  82 uint32_t c;
  83
  84 #ifdef SUPPORT_UNICODE
  85 if (utf) { GETCHAR(c, ptr); } else c = *ptr;
  86 #else
  87 (void)utf;
  88 c = *ptr;
  89 #endif  /* SUPPORT_UNICODE */
  90
  91 if (type == NLTYPE_ANYCRLF) switch(c)
  92   {
  93   case CHAR_LF:
  94   *lenptr = 1;
  95   return TRUE;
  96
  97   case CHAR_CR:
  98   *lenptr = (ptr < endptr - 1 && ptr[1] == CHAR_LF)? 2 : 1;
  99   return TRUE;
 100
 101   default:
 102   return FALSE;
 103   }
 104
 105 /* NLTYPE_ANY */
 106
 107 else switch(c)
 108   {
 109 #ifdef EBCDIC
 110   case CHAR_NEL:
 111 #endif
 112   case CHAR_LF:
 113   case CHAR_VT:
 114   case CHAR_FF:
 115   *lenptr = 1;
 116   return TRUE;
 117
 118   case CHAR_CR:
 119   *lenptr = (ptr < endptr - 1 && ptr[1] == CHAR_LF)? 2 : 1;
 120   return TRUE;
 121
 122 #ifndef EBCDIC
 123 #if PCRE2_CODE_UNIT_WIDTH == 8
 124   case CHAR_NEL:
 125   *lenptr = utf? 2 : 1;
 126   return TRUE;
 127
 128   case 0x2028:   /* LS */
 129   case 0x2029:   /* PS */
 130   *lenptr = 3;
 131   return TRUE;
 132
 133 #else  /* 16-bit or 32-bit code units */
 134   case CHAR_NEL:
 135   case 0x2028:   /* LS */
 136   case 0x2029:   /* PS */
 137   *lenptr = 1;
 138   return TRUE;
 139 #endif
 140 #endif /* Not EBCDIC */
 141
 142   default:
 143   return FALSE;
 144   }
 145 }
 146
 147
 148
 149 /*************************************************
 150 *     Check for newline at previous position     *
 151 *************************************************/
 152
 153 /* This function is called only via the WAS_NEWLINE macro, which does so only
 154 when the newline type is NLTYPE_ANY or NLTYPE_ANYCRLF. The case of a fixed
 155 newline (NLTYPE_FIXED) is handled inline. It is guaranteed that the initial
 156 value of ptr is greater than the start of the string that is being processed.
 157
 158 Arguments:
 159   ptr          pointer to possible newline
 160   type         the newline type
 161   startptr     pointer to the start of the string
 162   lenptr       where to return the length
 163   utf          TRUE if in utf mode
 164
 165 Returns:       TRUE or FALSE
 166 */
 167
 168 BOOL
 169 PRIV(was_newline)(PCRE2_SPTR ptr, uint32_t type, PCRE2_SPTR startptr,
 170   uint32_t *lenptr, BOOL utf)
 171 {
 172 uint32_t c;
 173 ptr--;
 174
 175 #ifdef SUPPORT_UNICODE
 176 if (utf)
 177   {
 178   BACKCHAR(ptr);
 179   GETCHAR(c, ptr);
 180   }
 181 else c = *ptr;
 182 #else
 183 (void)utf;
 184 c = *ptr;
 185 #endif  /* SUPPORT_UNICODE */
 186
 187 if (type == NLTYPE_ANYCRLF) switch(c)
 188   {
 189   case CHAR_LF:
 190   *lenptr = (ptr > startptr && ptr[-1] == CHAR_CR)? 2 : 1;
 191   return TRUE;
 192
 193   case CHAR_CR:
 194   *lenptr = 1;
 195   return TRUE;
 196
 197   default:
 198   return FALSE;
 199   }
 200
 201 /* NLTYPE_ANY */
 202
 203 else switch(c)
 204   {
 205   case CHAR_LF:
 206   *lenptr = (ptr > startptr && ptr[-1] == CHAR_CR)? 2 : 1;
 207   return TRUE;
 208
 209 #ifdef EBCDIC
 210   case CHAR_NEL:
 211 #endif
 212   case CHAR_VT:
 213   case CHAR_FF:
 214   case CHAR_CR:
 215   *lenptr = 1;
 216   return TRUE;
 217
 218 #ifndef EBCDIC
 219 #if PCRE2_CODE_UNIT_WIDTH == 8
 220   case CHAR_NEL:
 221   *lenptr = utf? 2 : 1;
 222   return TRUE;
 223
 224   case 0x2028:   /* LS */
 225   case 0x2029:   /* PS */
 226   *lenptr = 3;
 227   return TRUE;
 228
 229 #else /* 16-bit or 32-bit code units */
 230   case CHAR_NEL:
 231   case 0x2028:   /* LS */
 232   case 0x2029:   /* PS */
 233   *lenptr = 1;
 234   return TRUE;
 235 #endif
 236 #endif /* Not EBCDIC */
 237
 238   default:
 239   return FALSE;
 240   }
 241 }
 242
 243 /* End of pcre2_newline.c */