mirror of
https://github.com/jerryscript-project/jerryscript.git
synced 2025-12-15 16:29:21 +00:00
Refactor and cleanup the RegExp parser
JerryScript-DCO-1.0-Signed-off-by: Szilard Ledan szledan.u-szeged@partner.samsung.com
This commit is contained in:
parent
0a1b6eb4c7
commit
6ec05ff07f
@ -27,28 +27,48 @@
|
||||
/**
|
||||
* Lookup a character in the input string.
|
||||
*
|
||||
* @return unicode codeunit
|
||||
* @return true, if lookup number of characters ahead are hex digits
|
||||
* false, otherwise
|
||||
*/
|
||||
static ecma_char_t
|
||||
re_lookup (lit_utf8_iterator_t iter, /**< input string iterator */
|
||||
uint32_t lookup) /**< size of lookup */
|
||||
static bool
|
||||
re_hex_lookup (lit_utf8_iterator_t iter, /**< input string iterator */
|
||||
uint32_t lookup) /**< size of lookup */
|
||||
{
|
||||
ecma_char_t ch = 0;
|
||||
for (uint32_t i = 0; i <= lookup; i++)
|
||||
ecma_char_t ch;
|
||||
bool is_digit = true;
|
||||
for (uint32_t i = 0; is_digit && i < lookup; i++)
|
||||
{
|
||||
if (!lit_utf8_iterator_is_eos (&iter))
|
||||
{
|
||||
ch = lit_utf8_iterator_read_next (&iter);
|
||||
is_digit = lit_char_is_hex_digit (ch);
|
||||
}
|
||||
else
|
||||
{
|
||||
ch = 0;
|
||||
break;
|
||||
return false;
|
||||
}
|
||||
}
|
||||
|
||||
return ch;
|
||||
} /* re_lookup */
|
||||
return is_digit;
|
||||
} /* re_hex_lookup */
|
||||
|
||||
/**
|
||||
* Consume non greedy (question mark) character if present.
|
||||
*
|
||||
* @return true, if non-greedy character found
|
||||
* false, otherwise
|
||||
*/
|
||||
static bool __attr_always_inline___
|
||||
re_parse_non_greedy_char (lit_utf8_iterator_t *iter_p) /**< RegExp pattern */
|
||||
{
|
||||
if (!lit_utf8_iterator_is_eos (iter_p) && lit_utf8_iterator_peek_next (iter_p) == LIT_CHAR_QUESTION)
|
||||
{
|
||||
lit_utf8_iterator_advance (iter_p, 1);
|
||||
return true;
|
||||
}
|
||||
|
||||
return false;
|
||||
} /* re_parse_non_greedy_char */
|
||||
|
||||
/**
|
||||
* Parse RegExp iterators
|
||||
@ -57,120 +77,106 @@ re_lookup (lit_utf8_iterator_t iter, /**< input string iterator */
|
||||
* Returned value must be freed with ecma_free_completion_value
|
||||
*/
|
||||
static ecma_completion_value_t
|
||||
re_parse_iterator (lit_utf8_iterator_t iter, /**< RegExp pattern */
|
||||
re_token_t *re_token_p, /**< output token */
|
||||
uint32_t lookup, /**< size of lookup */
|
||||
uint32_t *advance_p) /**< output length of current advance */
|
||||
re_parse_iterator (re_parser_ctx_t *parser_ctx_p, /**< RegExp parser context */
|
||||
re_token_t *re_token_p) /**< out: output token */
|
||||
{
|
||||
ecma_completion_value_t ret_value = ecma_make_empty_completion_value ();
|
||||
lit_utf8_iterator_t *iter_p = &(parser_ctx_p->iter);
|
||||
re_token_p->qmin = 1;
|
||||
re_token_p->qmax = 1;
|
||||
re_token_p->greedy = true;
|
||||
|
||||
ecma_char_t ch0 = re_lookup (iter, lookup);
|
||||
ecma_char_t ch1 = re_lookup (iter, lookup + 1);
|
||||
if (lit_utf8_iterator_is_eos (iter_p))
|
||||
{
|
||||
return ret_value;
|
||||
}
|
||||
|
||||
switch (ch0)
|
||||
ecma_char_t ch = lit_utf8_iterator_peek_next (iter_p);
|
||||
|
||||
switch (ch)
|
||||
{
|
||||
case LIT_CHAR_QUESTION:
|
||||
{
|
||||
lit_utf8_iterator_advance (iter_p, 1);
|
||||
re_token_p->qmin = 0;
|
||||
re_token_p->qmax = 1;
|
||||
|
||||
if (ch1 == LIT_CHAR_QUESTION)
|
||||
{
|
||||
*advance_p = 2;
|
||||
re_token_p->greedy = false;
|
||||
}
|
||||
else
|
||||
{
|
||||
*advance_p = 1;
|
||||
re_token_p->greedy = true;
|
||||
}
|
||||
re_token_p->greedy = !re_parse_non_greedy_char (iter_p);
|
||||
break;
|
||||
}
|
||||
case LIT_CHAR_ASTERISK:
|
||||
{
|
||||
lit_utf8_iterator_advance (iter_p, 1);
|
||||
re_token_p->qmin = 0;
|
||||
re_token_p->qmax = RE_ITERATOR_INFINITE;
|
||||
|
||||
if (ch1 == LIT_CHAR_QUESTION)
|
||||
{
|
||||
*advance_p = 2;
|
||||
re_token_p->greedy = false;
|
||||
}
|
||||
else
|
||||
{
|
||||
*advance_p = 1;
|
||||
re_token_p->greedy = true;
|
||||
}
|
||||
re_token_p->greedy = !re_parse_non_greedy_char (iter_p);
|
||||
break;
|
||||
}
|
||||
case LIT_CHAR_PLUS:
|
||||
{
|
||||
lit_utf8_iterator_advance (iter_p, 1);
|
||||
re_token_p->qmin = 1;
|
||||
re_token_p->qmax = RE_ITERATOR_INFINITE;
|
||||
|
||||
if (ch1 == LIT_CHAR_QUESTION)
|
||||
{
|
||||
*advance_p = 2;
|
||||
re_token_p->greedy = false;
|
||||
}
|
||||
else
|
||||
{
|
||||
*advance_p = 1;
|
||||
re_token_p->greedy = true;
|
||||
}
|
||||
re_token_p->greedy = !re_parse_non_greedy_char (iter_p);
|
||||
break;
|
||||
}
|
||||
case LIT_CHAR_LEFT_BRACE:
|
||||
{
|
||||
lit_utf8_iterator_advance (iter_p, 1);
|
||||
uint32_t qmin = 0;
|
||||
uint32_t qmax = RE_ITERATOR_INFINITE;
|
||||
uint32_t digits = 0;
|
||||
|
||||
while (true)
|
||||
{
|
||||
(*advance_p)++;
|
||||
ch1 = re_lookup (iter, lookup + *advance_p);
|
||||
if (lit_utf8_iterator_is_eos (iter_p))
|
||||
{
|
||||
return ecma_raise_syntax_error ("invalid quantifier");
|
||||
}
|
||||
|
||||
if (lit_char_is_decimal_digit (ch1))
|
||||
ch = lit_utf8_iterator_read_next (iter_p);
|
||||
|
||||
if (lit_char_is_decimal_digit (ch))
|
||||
{
|
||||
if (digits >= ECMA_NUMBER_MAX_DIGITS)
|
||||
{
|
||||
ret_value = ecma_raise_syntax_error ("RegExp quantifier error: too many digits.");
|
||||
return ret_value;
|
||||
return ecma_raise_syntax_error ("RegExp quantifier error: too many digits.");
|
||||
}
|
||||
digits++;
|
||||
qmin = qmin * 10 + lit_char_hex_to_int (ch1);
|
||||
qmin = qmin * 10 + lit_char_hex_to_int (ch);
|
||||
}
|
||||
else if (ch1 == LIT_CHAR_COMMA)
|
||||
else if (ch == LIT_CHAR_COMMA)
|
||||
{
|
||||
if (qmax != RE_ITERATOR_INFINITE)
|
||||
{
|
||||
ret_value = ecma_raise_syntax_error ("RegExp quantifier error: double comma.");
|
||||
return ret_value;
|
||||
return ecma_raise_syntax_error ("RegExp quantifier error: double comma.");
|
||||
}
|
||||
if ((re_lookup (iter, lookup + *advance_p + 1)) == LIT_CHAR_RIGHT_BRACE)
|
||||
|
||||
if (lit_utf8_iterator_is_eos (iter_p))
|
||||
{
|
||||
return ecma_raise_syntax_error ("invalid quantifier");
|
||||
}
|
||||
|
||||
if (lit_utf8_iterator_peek_next (iter_p) == LIT_CHAR_RIGHT_BRACE)
|
||||
{
|
||||
if (digits == 0)
|
||||
{
|
||||
ret_value = ecma_raise_syntax_error ("RegExp quantifier error: missing digits.");
|
||||
return ret_value;
|
||||
return ecma_raise_syntax_error ("RegExp quantifier error: missing digits.");
|
||||
}
|
||||
|
||||
lit_utf8_iterator_advance (iter_p, 1);
|
||||
re_token_p->qmin = qmin;
|
||||
re_token_p->qmax = RE_ITERATOR_INFINITE;
|
||||
*advance_p += 2;
|
||||
break;
|
||||
}
|
||||
qmax = qmin;
|
||||
qmin = 0;
|
||||
digits = 0;
|
||||
}
|
||||
else if (ch1 == LIT_CHAR_RIGHT_BRACE)
|
||||
else if (ch == LIT_CHAR_RIGHT_BRACE)
|
||||
{
|
||||
if (digits == 0)
|
||||
{
|
||||
ret_value = ecma_raise_syntax_error ("RegExp quantifier error: missing digits.");
|
||||
return ret_value;
|
||||
return ecma_raise_syntax_error ("RegExp quantifier error: missing digits.");
|
||||
}
|
||||
|
||||
if (qmax != RE_ITERATOR_INFINITE)
|
||||
@ -184,35 +190,19 @@ re_parse_iterator (lit_utf8_iterator_t iter, /**< RegExp pattern */
|
||||
re_token_p->qmax = qmin;
|
||||
}
|
||||
|
||||
*advance_p += 1;
|
||||
break;
|
||||
}
|
||||
else
|
||||
{
|
||||
ret_value = ecma_raise_syntax_error ("RegExp quantifier error: unknown char.");
|
||||
return ret_value;
|
||||
return ecma_raise_syntax_error ("RegExp quantifier error: unknown char.");
|
||||
}
|
||||
}
|
||||
|
||||
if ((re_lookup (iter, lookup + *advance_p)) == LIT_CHAR_QUESTION)
|
||||
{
|
||||
re_token_p->greedy = false;
|
||||
*advance_p += 1;
|
||||
}
|
||||
else
|
||||
{
|
||||
re_token_p->greedy = true;
|
||||
}
|
||||
break;
|
||||
|
||||
JERRY_UNREACHABLE ();
|
||||
re_token_p->greedy = !re_parse_non_greedy_char (iter_p);
|
||||
break;
|
||||
}
|
||||
default:
|
||||
{
|
||||
re_token_p->qmin = 1;
|
||||
re_token_p->qmax = 1;
|
||||
re_token_p->greedy = true;
|
||||
break;
|
||||
}
|
||||
}
|
||||
@ -240,9 +230,7 @@ re_count_num_of_groups (re_parser_ctx_t *parser_ctx_p) /**< RegExp parser contex
|
||||
|
||||
while (!lit_utf8_iterator_is_eos (&iter))
|
||||
{
|
||||
ecma_char_t ch0 = lit_utf8_iterator_read_next (&iter);
|
||||
|
||||
switch (ch0)
|
||||
switch (lit_utf8_iterator_read_next (&iter))
|
||||
{
|
||||
case LIT_CHAR_BACKSLASH:
|
||||
{
|
||||
@ -288,25 +276,28 @@ re_parse_char_class (re_parser_ctx_t *parser_ctx_p, /**< number of classes */
|
||||
* which adds the char-ranges
|
||||
* to the bytecode */
|
||||
void* re_ctx_p, /**< regexp compiler context */
|
||||
re_token_t *out_token_p) /**< output token */
|
||||
re_token_t *out_token_p) /**< out: output token */
|
||||
{
|
||||
ecma_completion_value_t ret_value = ecma_make_empty_completion_value ();
|
||||
|
||||
re_token_type_t token_type = ((re_compiler_ctx_t *) re_ctx_p)->current_token.type;
|
||||
out_token_p->qmax = out_token_p->qmin = 1;
|
||||
uint32_t start = RE_CHAR_UNDEF;
|
||||
bool is_range = false;
|
||||
parser_ctx_p->num_of_classes = 0;
|
||||
lit_utf8_iterator_t *iter_p = &(parser_ctx_p->iter);
|
||||
if (lit_utf8_iterator_peek_prev (iter_p) != LIT_CHAR_LEFT_SQUARE)
|
||||
{
|
||||
lit_utf8_iterator_read_prev (iter_p);
|
||||
lit_utf8_iterator_read_prev (iter_p);
|
||||
}
|
||||
|
||||
do
|
||||
{
|
||||
if (lit_utf8_iterator_is_eos (&(parser_ctx_p->iter)))
|
||||
if (lit_utf8_iterator_is_eos (iter_p))
|
||||
{
|
||||
ret_value = ecma_raise_syntax_error ("invalid character class");
|
||||
return ret_value;
|
||||
return ecma_raise_syntax_error ("invalid character class, end of string");
|
||||
}
|
||||
|
||||
uint32_t ch = lit_utf8_iterator_read_next (&(parser_ctx_p->iter));
|
||||
uint32_t ch = lit_utf8_iterator_read_next (iter_p);
|
||||
|
||||
if (ch == LIT_CHAR_RIGHT_SQUARE)
|
||||
{
|
||||
@ -318,7 +309,14 @@ re_parse_char_class (re_parser_ctx_t *parser_ctx_p, /**< number of classes */
|
||||
}
|
||||
else if (ch == LIT_CHAR_MINUS)
|
||||
{
|
||||
if (start != RE_CHAR_UNDEF && !is_range && re_lookup (parser_ctx_p->iter, 0) != LIT_CHAR_RIGHT_SQUARE)
|
||||
if (lit_utf8_iterator_is_eos (iter_p))
|
||||
{
|
||||
return ecma_raise_syntax_error ("invalid character class, end of string after '-'");
|
||||
}
|
||||
|
||||
if (start != RE_CHAR_UNDEF
|
||||
&& !is_range
|
||||
&& lit_utf8_iterator_peek_next (iter_p) != LIT_CHAR_RIGHT_SQUARE)
|
||||
{
|
||||
is_range = true;
|
||||
continue;
|
||||
@ -326,13 +324,12 @@ re_parse_char_class (re_parser_ctx_t *parser_ctx_p, /**< number of classes */
|
||||
}
|
||||
else if (ch == LIT_CHAR_BACKSLASH)
|
||||
{
|
||||
if (lit_utf8_iterator_is_eos (&(parser_ctx_p->iter)))
|
||||
if (lit_utf8_iterator_is_eos (iter_p))
|
||||
{
|
||||
ret_value = ecma_raise_syntax_error ("invalid character class");
|
||||
return ret_value;
|
||||
return ecma_raise_syntax_error ("invalid character class, end of string after '\\'");
|
||||
}
|
||||
|
||||
ch = lit_utf8_iterator_read_next (&(parser_ctx_p->iter));
|
||||
ch = lit_utf8_iterator_read_next (iter_p);
|
||||
|
||||
if (ch == LIT_CHAR_LOWERCASE_B)
|
||||
{
|
||||
@ -360,19 +357,12 @@ re_parse_char_class (re_parser_ctx_t *parser_ctx_p, /**< number of classes */
|
||||
}
|
||||
else if (ch == LIT_CHAR_LOWERCASE_C)
|
||||
{
|
||||
if (lit_utf8_iterator_is_eos (&(parser_ctx_p->iter)))
|
||||
if (lit_utf8_iterator_is_eos (iter_p))
|
||||
{
|
||||
ret_value = ecma_raise_syntax_error ("decode error");
|
||||
return ret_value;
|
||||
return ecma_raise_syntax_error ("invalid character class, end of string after '\\c'");
|
||||
}
|
||||
|
||||
if (lit_utf8_iterator_is_eos (&(parser_ctx_p->iter)))
|
||||
{
|
||||
ret_value = ecma_raise_syntax_error ("invalid character class");
|
||||
return ret_value;
|
||||
}
|
||||
|
||||
ch = lit_utf8_iterator_read_next (&(parser_ctx_p->iter));
|
||||
ch = lit_utf8_iterator_read_next (iter_p);
|
||||
|
||||
if ((ch >= LIT_CHAR_ASCII_UPPERCASE_LETTERS_BEGIN && ch <= LIT_CHAR_ASCII_UPPERCASE_LETTERS_END)
|
||||
|| (ch >= LIT_CHAR_ASCII_LOWERCASE_LETTERS_BEGIN && ch <= LIT_CHAR_ASCII_LOWERCASE_LETTERS_END))
|
||||
@ -384,30 +374,28 @@ re_parse_char_class (re_parser_ctx_t *parser_ctx_p, /**< number of classes */
|
||||
else if (ch == LIT_CHAR_LOWERCASE_X)
|
||||
{
|
||||
lit_code_point_t code_point;
|
||||
const lit_utf8_byte_t *hex_start = parser_ctx_p->iter.buf_p + parser_ctx_p->iter.buf_pos.offset;
|
||||
const lit_utf8_byte_t *hex_start_p = parser_ctx_p->iter.buf_p + parser_ctx_p->iter.buf_pos.offset;
|
||||
|
||||
if (!lit_read_code_point_from_hex (hex_start, 2, &code_point))
|
||||
if (!lit_read_code_point_from_hex (hex_start_p, 2, &code_point))
|
||||
{
|
||||
ret_value = ecma_raise_syntax_error ("decode error");
|
||||
return ret_value;
|
||||
return ecma_raise_syntax_error ("invalid character class, end of string after '\\x'");
|
||||
}
|
||||
|
||||
lit_utf8_iterator_advance (&(parser_ctx_p->iter), 2);
|
||||
lit_utf8_iterator_advance (iter_p, 2);
|
||||
|
||||
append_char_class (re_ctx_p, code_point, code_point);
|
||||
}
|
||||
else if (ch == LIT_CHAR_LOWERCASE_U)
|
||||
{
|
||||
lit_code_point_t code_point;
|
||||
const lit_utf8_byte_t *hex_start = parser_ctx_p->iter.buf_p + parser_ctx_p->iter.buf_pos.offset;
|
||||
const lit_utf8_byte_t *hex_start_p = parser_ctx_p->iter.buf_p + parser_ctx_p->iter.buf_pos.offset;
|
||||
|
||||
if (!lit_read_code_point_from_hex (hex_start, 4, &code_point))
|
||||
if (!lit_read_code_point_from_hex (hex_start_p, 4, &code_point))
|
||||
{
|
||||
ret_value = ecma_raise_syntax_error ("decode error");
|
||||
return ret_value;
|
||||
return ecma_raise_syntax_error ("invalid character class, end of string after '\\u'");
|
||||
}
|
||||
|
||||
lit_utf8_iterator_advance (&(parser_ctx_p->iter), 4);
|
||||
lit_utf8_iterator_advance (iter_p, 4);
|
||||
|
||||
append_char_class (re_ctx_p, code_point, code_point);
|
||||
}
|
||||
@ -479,8 +467,13 @@ re_parse_char_class (re_parser_ctx_t *parser_ctx_p, /**< number of classes */
|
||||
else if (ch <= LIT_UTF16_CODE_UNIT_MAX
|
||||
&& lit_char_is_decimal_digit ((ecma_char_t) ch))
|
||||
{
|
||||
if (lit_utf8_iterator_is_eos (iter_p))
|
||||
{
|
||||
return ecma_raise_syntax_error ("invalid character class, end of string after '\\<digits>'");
|
||||
}
|
||||
|
||||
if (ch != LIT_CHAR_0
|
||||
|| lit_char_is_decimal_digit (re_lookup (parser_ctx_p->iter, 1)))
|
||||
|| lit_char_is_decimal_digit (lit_utf8_iterator_peek_next (iter_p)))
|
||||
{
|
||||
/* FIXME: octal support */
|
||||
}
|
||||
@ -499,8 +492,7 @@ re_parse_char_class (re_parser_ctx_t *parser_ctx_p, /**< number of classes */
|
||||
{
|
||||
if (is_range)
|
||||
{
|
||||
ret_value = ecma_raise_syntax_error ("invalid character class range");
|
||||
return ret_value;
|
||||
return ecma_raise_syntax_error ("invalid character class, invalid range");
|
||||
}
|
||||
else
|
||||
{
|
||||
@ -517,8 +509,7 @@ re_parse_char_class (re_parser_ctx_t *parser_ctx_p, /**< number of classes */
|
||||
{
|
||||
if (start > ch)
|
||||
{
|
||||
ret_value = ecma_raise_syntax_error ("invalid character class range");
|
||||
return ret_value;
|
||||
return ecma_raise_syntax_error ("invalid character class, wrong order");
|
||||
}
|
||||
else
|
||||
{
|
||||
@ -541,17 +532,7 @@ re_parse_char_class (re_parser_ctx_t *parser_ctx_p, /**< number of classes */
|
||||
}
|
||||
while (token_type == RE_TOK_START_CHAR_CLASS || token_type == RE_TOK_START_INV_CHAR_CLASS);
|
||||
|
||||
uint32_t advance = 0;
|
||||
ECMA_TRY_CATCH (empty,
|
||||
re_parse_iterator (parser_ctx_p->iter,
|
||||
out_token_p,
|
||||
0,
|
||||
&advance),
|
||||
ret_value);
|
||||
lit_utf8_iterator_advance (&(parser_ctx_p->iter), advance);
|
||||
ECMA_FINALIZE (empty);
|
||||
|
||||
return ret_value;
|
||||
return re_parse_iterator (parser_ctx_p, out_token_p);
|
||||
} /* re_parse_char_class */
|
||||
|
||||
/**
|
||||
@ -562,183 +543,164 @@ re_parse_char_class (re_parser_ctx_t *parser_ctx_p, /**< number of classes */
|
||||
*/
|
||||
ecma_completion_value_t
|
||||
re_parse_next_token (re_parser_ctx_t *parser_ctx_p, /**< RegExp parser context */
|
||||
re_token_t *out_token_p) /**< output token */
|
||||
re_token_t *out_token_p) /**< out: output token */
|
||||
{
|
||||
ecma_completion_value_t ret_value = ecma_make_empty_completion_value ();
|
||||
lit_utf8_iterator_t *iter_p = &(parser_ctx_p->iter);
|
||||
|
||||
if (lit_utf8_iterator_is_eos (&(parser_ctx_p->iter)))
|
||||
if (lit_utf8_iterator_is_eos (iter_p))
|
||||
{
|
||||
out_token_p->type = RE_TOK_EOF;
|
||||
return ret_value;
|
||||
}
|
||||
|
||||
uint32_t advance = 0;
|
||||
ecma_char_t ch0 = lit_utf8_iterator_peek_next (&(parser_ctx_p->iter));
|
||||
ecma_char_t ch = lit_utf8_iterator_read_next (iter_p);
|
||||
|
||||
switch (ch0)
|
||||
switch (ch)
|
||||
{
|
||||
case LIT_CHAR_VLINE:
|
||||
{
|
||||
advance = 1;
|
||||
out_token_p->type = RE_TOK_ALTERNATIVE;
|
||||
break;
|
||||
}
|
||||
case LIT_CHAR_CIRCUMFLEX:
|
||||
{
|
||||
advance = 1;
|
||||
out_token_p->type = RE_TOK_ASSERT_START;
|
||||
break;
|
||||
}
|
||||
case LIT_CHAR_DOLLAR_SIGN:
|
||||
{
|
||||
advance = 1;
|
||||
out_token_p->type = RE_TOK_ASSERT_END;
|
||||
break;
|
||||
}
|
||||
case LIT_CHAR_DOT:
|
||||
{
|
||||
ECMA_TRY_CATCH (empty,
|
||||
re_parse_iterator (parser_ctx_p->iter,
|
||||
out_token_p,
|
||||
1,
|
||||
&advance),
|
||||
ret_value);
|
||||
advance += 1;
|
||||
out_token_p->type = RE_TOK_PERIOD;
|
||||
ECMA_FINALIZE (empty);
|
||||
ret_value = re_parse_iterator (parser_ctx_p, out_token_p);
|
||||
break;
|
||||
}
|
||||
case LIT_CHAR_BACKSLASH:
|
||||
{
|
||||
out_token_p->type = RE_TOK_CHAR;
|
||||
ecma_char_t ch1 = re_lookup (parser_ctx_p->iter, 1);
|
||||
|
||||
if (ch1 == LIT_CHAR_LOWERCASE_B)
|
||||
if (lit_utf8_iterator_is_eos (iter_p))
|
||||
{
|
||||
return ecma_raise_syntax_error ("invalid regular experssion");
|
||||
}
|
||||
|
||||
out_token_p->type = RE_TOK_CHAR;
|
||||
ch = lit_utf8_iterator_read_next (iter_p);
|
||||
|
||||
if (ch == LIT_CHAR_LOWERCASE_B)
|
||||
{
|
||||
advance = 2;
|
||||
out_token_p->type = RE_TOK_ASSERT_WORD_BOUNDARY;
|
||||
}
|
||||
else if (ch1 == LIT_CHAR_UPPERCASE_B)
|
||||
else if (ch == LIT_CHAR_UPPERCASE_B)
|
||||
{
|
||||
advance = 2;
|
||||
out_token_p->type = RE_TOK_ASSERT_NOT_WORD_BOUNDARY;
|
||||
}
|
||||
else if (ch1 == LIT_CHAR_LOWERCASE_F)
|
||||
else if (ch == LIT_CHAR_LOWERCASE_F)
|
||||
{
|
||||
out_token_p->value = LIT_CHAR_FF;
|
||||
}
|
||||
else if (ch1 == LIT_CHAR_LOWERCASE_N)
|
||||
else if (ch == LIT_CHAR_LOWERCASE_N)
|
||||
{
|
||||
out_token_p->value = LIT_CHAR_LF;
|
||||
}
|
||||
else if (ch1 == LIT_CHAR_LOWERCASE_T)
|
||||
else if (ch == LIT_CHAR_LOWERCASE_T)
|
||||
{
|
||||
out_token_p->value = LIT_CHAR_TAB;
|
||||
}
|
||||
else if (ch1 == LIT_CHAR_LOWERCASE_R)
|
||||
else if (ch == LIT_CHAR_LOWERCASE_R)
|
||||
{
|
||||
out_token_p->value = LIT_CHAR_CR;
|
||||
}
|
||||
else if (ch1 == LIT_CHAR_LOWERCASE_V)
|
||||
else if (ch == LIT_CHAR_LOWERCASE_V)
|
||||
{
|
||||
out_token_p->value = LIT_CHAR_VTAB;
|
||||
}
|
||||
else if (ch1 == LIT_CHAR_LOWERCASE_C)
|
||||
else if (ch == LIT_CHAR_LOWERCASE_C)
|
||||
{
|
||||
lit_utf8_iterator_advance (&(parser_ctx_p->iter), 2);
|
||||
|
||||
if (lit_utf8_iterator_is_eos (&(parser_ctx_p->iter)))
|
||||
if (lit_utf8_iterator_is_eos (iter_p))
|
||||
{
|
||||
ret_value = ecma_raise_syntax_error ("invalid character class");
|
||||
return ret_value;
|
||||
out_token_p->value = ch;
|
||||
break;
|
||||
}
|
||||
|
||||
ecma_char_t ch2 = lit_utf8_iterator_read_next (&(parser_ctx_p->iter));
|
||||
ch = lit_utf8_iterator_read_next (iter_p);
|
||||
|
||||
if ((ch2 >= LIT_CHAR_ASCII_UPPERCASE_LETTERS_BEGIN && ch2 <= LIT_CHAR_ASCII_UPPERCASE_LETTERS_END)
|
||||
|| (ch2 >= LIT_CHAR_ASCII_LOWERCASE_LETTERS_BEGIN && ch2 <= LIT_CHAR_ASCII_LOWERCASE_LETTERS_END))
|
||||
if ((ch >= LIT_CHAR_ASCII_UPPERCASE_LETTERS_BEGIN && ch <= LIT_CHAR_ASCII_UPPERCASE_LETTERS_END)
|
||||
|| (ch >= LIT_CHAR_ASCII_LOWERCASE_LETTERS_BEGIN && ch <= LIT_CHAR_ASCII_LOWERCASE_LETTERS_END))
|
||||
{
|
||||
out_token_p->type = RE_TOK_CHAR;
|
||||
out_token_p->value = (ch2 % 32);
|
||||
out_token_p->value = (ch % 32);
|
||||
}
|
||||
}
|
||||
else if (ch1 == LIT_CHAR_LOWERCASE_X
|
||||
&& lit_char_is_hex_digit (re_lookup (parser_ctx_p->iter, 2))
|
||||
&& lit_char_is_hex_digit (re_lookup (parser_ctx_p->iter, 3)))
|
||||
else if (ch == LIT_CHAR_LOWERCASE_X
|
||||
&& re_hex_lookup (*iter_p, 2))
|
||||
{
|
||||
lit_utf8_iterator_advance (&(parser_ctx_p->iter), 2);
|
||||
|
||||
lit_code_point_t code_point;
|
||||
const lit_utf8_byte_t *hex_start = parser_ctx_p->iter.buf_p + parser_ctx_p->iter.buf_pos.offset;
|
||||
const lit_utf8_byte_t *hex_start_p = iter_p->buf_p + iter_p->buf_pos.offset;
|
||||
|
||||
if (!lit_read_code_point_from_hex (hex_start, 2, &code_point))
|
||||
if (!lit_read_code_point_from_hex (hex_start_p, 2, &code_point))
|
||||
{
|
||||
ret_value = ecma_raise_syntax_error ("decode error");
|
||||
return ret_value;
|
||||
return ecma_raise_syntax_error ("decode error");
|
||||
}
|
||||
|
||||
lit_utf8_iterator_advance (&(parser_ctx_p->iter), 2);
|
||||
|
||||
out_token_p->type = RE_TOK_CHAR;
|
||||
out_token_p->value = code_point;
|
||||
lit_utf8_iterator_advance (iter_p, 2);
|
||||
}
|
||||
else if (ch1 == LIT_CHAR_LOWERCASE_U
|
||||
&& lit_char_is_hex_digit (re_lookup (parser_ctx_p->iter, 2))
|
||||
&& lit_char_is_hex_digit (re_lookup (parser_ctx_p->iter, 3))
|
||||
&& lit_char_is_hex_digit (re_lookup (parser_ctx_p->iter, 4))
|
||||
&& lit_char_is_hex_digit (re_lookup (parser_ctx_p->iter, 5)))
|
||||
else if (ch == LIT_CHAR_LOWERCASE_U
|
||||
&& re_hex_lookup (*iter_p, 4))
|
||||
{
|
||||
lit_utf8_iterator_advance (&(parser_ctx_p->iter), 2);
|
||||
|
||||
lit_code_point_t code_point;
|
||||
const lit_utf8_byte_t *hex_start = parser_ctx_p->iter.buf_p + parser_ctx_p->iter.buf_pos.offset;
|
||||
const lit_utf8_byte_t *hex_start_p = iter_p->buf_p + iter_p->buf_pos.offset;
|
||||
|
||||
if (!lit_read_code_point_from_hex (hex_start, 4, &code_point))
|
||||
if (!lit_read_code_point_from_hex (hex_start_p, 4, &code_point))
|
||||
{
|
||||
ret_value = ecma_raise_syntax_error ("decode error");
|
||||
return ret_value;
|
||||
return ecma_raise_syntax_error ("decode error");
|
||||
}
|
||||
|
||||
lit_utf8_iterator_advance (&(parser_ctx_p->iter), 4);
|
||||
|
||||
out_token_p->type = RE_TOK_CHAR;
|
||||
out_token_p->value = code_point;
|
||||
lit_utf8_iterator_advance (iter_p, 4);
|
||||
}
|
||||
else if (ch1 == LIT_CHAR_LOWERCASE_D)
|
||||
else if (ch == LIT_CHAR_LOWERCASE_D)
|
||||
{
|
||||
out_token_p->type = RE_TOK_DIGIT;
|
||||
break;
|
||||
}
|
||||
else if (ch1 == LIT_CHAR_UPPERCASE_D)
|
||||
else if (ch == LIT_CHAR_UPPERCASE_D)
|
||||
{
|
||||
out_token_p->type = RE_TOK_NOT_DIGIT;
|
||||
break;
|
||||
}
|
||||
else if (ch1 == LIT_CHAR_LOWERCASE_S)
|
||||
else if (ch == LIT_CHAR_LOWERCASE_S)
|
||||
{
|
||||
out_token_p->type = RE_TOK_WHITE;
|
||||
break;
|
||||
}
|
||||
else if (ch1 == LIT_CHAR_UPPERCASE_S)
|
||||
else if (ch == LIT_CHAR_UPPERCASE_S)
|
||||
{
|
||||
out_token_p->type = RE_TOK_NOT_WHITE;
|
||||
break;
|
||||
}
|
||||
else if (ch1 == LIT_CHAR_LOWERCASE_W)
|
||||
else if (ch == LIT_CHAR_LOWERCASE_W)
|
||||
{
|
||||
out_token_p->type = RE_TOK_WORD_CHAR;
|
||||
break;
|
||||
}
|
||||
else if (ch1 == LIT_CHAR_UPPERCASE_W)
|
||||
else if (ch == LIT_CHAR_UPPERCASE_W)
|
||||
{
|
||||
out_token_p->type = RE_TOK_NOT_WORD_CHAR;
|
||||
break;
|
||||
}
|
||||
else if (lit_char_is_decimal_digit (ch1))
|
||||
else if (lit_char_is_decimal_digit (ch))
|
||||
{
|
||||
if (ch1 == LIT_CHAR_0)
|
||||
if (ch == LIT_CHAR_0)
|
||||
{
|
||||
if (lit_char_is_decimal_digit (re_lookup (parser_ctx_p->iter, 2)))
|
||||
if (!lit_utf8_iterator_is_eos (iter_p)
|
||||
&& lit_char_is_decimal_digit (lit_utf8_iterator_peek_next (iter_p)))
|
||||
{
|
||||
ret_value = ecma_raise_syntax_error ("RegExp escape pattern error.");
|
||||
break;
|
||||
return ecma_raise_syntax_error ("RegExp escape pattern error.");
|
||||
}
|
||||
|
||||
advance = 2;
|
||||
out_token_p->value = LIT_UNICODE_CODE_POINT_NULL;
|
||||
}
|
||||
else
|
||||
@ -750,6 +712,7 @@ re_parse_next_token (re_parser_ctx_t *parser_ctx_p, /**< RegExp parser context *
|
||||
|
||||
if (parser_ctx_p->num_of_groups)
|
||||
{
|
||||
lit_utf8_iterator_read_prev (iter_p);
|
||||
uint32_t number = 0;
|
||||
int index = 0;
|
||||
|
||||
@ -760,12 +723,16 @@ re_parse_next_token (re_parser_ctx_t *parser_ctx_p, /**< RegExp parser context *
|
||||
ret_value = ecma_raise_syntax_error ("RegExp escape pattern error: decimal escape too long.");
|
||||
return ret_value;
|
||||
}
|
||||
if (lit_utf8_iterator_is_eos (iter_p))
|
||||
{
|
||||
break;
|
||||
}
|
||||
|
||||
ecma_char_t digit = lit_utf8_iterator_read_next (iter_p);
|
||||
|
||||
advance++;
|
||||
ecma_char_t digit = re_lookup (parser_ctx_p->iter,
|
||||
advance);
|
||||
if (!lit_char_is_decimal_digit (digit))
|
||||
{
|
||||
lit_utf8_iterator_read_prev (iter_p);
|
||||
break;
|
||||
}
|
||||
number = number * 10 + lit_char_hex_to_int (digit);
|
||||
@ -782,81 +749,81 @@ re_parse_next_token (re_parser_ctx_t *parser_ctx_p, /**< RegExp parser context *
|
||||
}
|
||||
else
|
||||
{
|
||||
out_token_p->value = ch1;
|
||||
out_token_p->value = ch;
|
||||
}
|
||||
}
|
||||
}
|
||||
else
|
||||
{
|
||||
advance = 2;
|
||||
out_token_p->value = ch1;
|
||||
out_token_p->value = ch;
|
||||
}
|
||||
|
||||
uint32_t iter_adv = 0;
|
||||
ECMA_TRY_CATCH (empty,
|
||||
re_parse_iterator (parser_ctx_p->iter,
|
||||
out_token_p,
|
||||
advance,
|
||||
&iter_adv),
|
||||
ret_value);
|
||||
advance += iter_adv;
|
||||
ECMA_FINALIZE (empty);
|
||||
ret_value = re_parse_iterator (parser_ctx_p, out_token_p);
|
||||
break;
|
||||
}
|
||||
case LIT_CHAR_LEFT_PAREN:
|
||||
{
|
||||
if (re_lookup (parser_ctx_p->iter, 1) == LIT_CHAR_QUESTION)
|
||||
if (lit_utf8_iterator_is_eos (iter_p))
|
||||
{
|
||||
ecma_char_t ch2 = re_lookup (parser_ctx_p->iter, 2);
|
||||
return ecma_raise_syntax_error ("Unterminated group");
|
||||
}
|
||||
|
||||
if (ch2 == LIT_CHAR_EQUALS)
|
||||
if (lit_utf8_iterator_peek_next (iter_p) == LIT_CHAR_QUESTION)
|
||||
{
|
||||
lit_utf8_iterator_advance (iter_p, 1);
|
||||
if (lit_utf8_iterator_is_eos (iter_p))
|
||||
{
|
||||
return ecma_raise_syntax_error ("Invalid group");
|
||||
}
|
||||
|
||||
ch = lit_utf8_iterator_read_next (iter_p);
|
||||
|
||||
if (ch == LIT_CHAR_EQUALS)
|
||||
{
|
||||
/* (?= */
|
||||
advance = 3;
|
||||
out_token_p->type = RE_TOK_ASSERT_START_POS_LOOKAHEAD;
|
||||
}
|
||||
else if (ch2 == LIT_CHAR_EXCLAMATION)
|
||||
else if (ch == LIT_CHAR_EXCLAMATION)
|
||||
{
|
||||
/* (?! */
|
||||
advance = 3;
|
||||
out_token_p->type = RE_TOK_ASSERT_START_NEG_LOOKAHEAD;
|
||||
}
|
||||
else if (ch2 == LIT_CHAR_COLON)
|
||||
else if (ch == LIT_CHAR_COLON)
|
||||
{
|
||||
/* (?: */
|
||||
advance = 3;
|
||||
out_token_p->type = RE_TOK_START_NON_CAPTURE_GROUP;
|
||||
}
|
||||
else
|
||||
{
|
||||
return ecma_raise_syntax_error ("Invalid group");
|
||||
}
|
||||
}
|
||||
else
|
||||
{
|
||||
/* ( */
|
||||
advance = 1;
|
||||
out_token_p->type = RE_TOK_START_CAPTURE_GROUP;
|
||||
}
|
||||
break;
|
||||
}
|
||||
case LIT_CHAR_RIGHT_PAREN:
|
||||
{
|
||||
ECMA_TRY_CATCH (empty,
|
||||
re_parse_iterator (parser_ctx_p->iter,
|
||||
out_token_p,
|
||||
1,
|
||||
&advance),
|
||||
ret_value);
|
||||
advance += 1;
|
||||
out_token_p->type = RE_TOK_END_GROUP;
|
||||
ECMA_FINALIZE (empty);
|
||||
ret_value = re_parse_iterator (parser_ctx_p, out_token_p);
|
||||
break;
|
||||
}
|
||||
case LIT_CHAR_LEFT_SQUARE:
|
||||
{
|
||||
advance = 1;
|
||||
out_token_p->type = RE_TOK_START_CHAR_CLASS;
|
||||
if (re_lookup (parser_ctx_p->iter, 1) == LIT_CHAR_CIRCUMFLEX)
|
||||
|
||||
if (lit_utf8_iterator_is_eos (iter_p))
|
||||
{
|
||||
return ecma_raise_syntax_error ("invalid character class");
|
||||
}
|
||||
|
||||
if (lit_utf8_iterator_peek_next (iter_p) == LIT_CHAR_CIRCUMFLEX)
|
||||
{
|
||||
advance = 2;
|
||||
out_token_p->type = RE_TOK_START_INV_CHAR_CLASS;
|
||||
lit_utf8_iterator_advance (iter_p, 1);
|
||||
}
|
||||
break;
|
||||
}
|
||||
@ -867,36 +834,22 @@ re_parse_next_token (re_parser_ctx_t *parser_ctx_p, /**< RegExp parser context *
|
||||
case LIT_CHAR_PLUS:
|
||||
case LIT_CHAR_LEFT_BRACE:
|
||||
{
|
||||
ret_value = ecma_raise_syntax_error ("Invalid RegExp token.");
|
||||
return ret_value;
|
||||
return ecma_raise_syntax_error ("Invalid RegExp token.");
|
||||
}
|
||||
case LIT_CHAR_NULL:
|
||||
{
|
||||
advance = 0;
|
||||
out_token_p->type = RE_TOK_EOF;
|
||||
break;
|
||||
}
|
||||
default:
|
||||
{
|
||||
ECMA_TRY_CATCH (empty,
|
||||
re_parse_iterator (parser_ctx_p->iter,
|
||||
out_token_p,
|
||||
1,
|
||||
&advance),
|
||||
ret_value);
|
||||
advance += 1;
|
||||
out_token_p->type = RE_TOK_CHAR;
|
||||
out_token_p->value = ch0;
|
||||
ECMA_FINALIZE (empty);
|
||||
out_token_p->value = ch;
|
||||
ret_value = re_parse_iterator (parser_ctx_p, out_token_p);
|
||||
break;
|
||||
}
|
||||
}
|
||||
|
||||
if (ecma_is_completion_value_empty (ret_value))
|
||||
{
|
||||
lit_utf8_iterator_advance (&(parser_ctx_p->iter), advance);
|
||||
}
|
||||
|
||||
return ret_value;
|
||||
} /* re_parse_next_token */
|
||||
|
||||
|
||||
@ -101,7 +101,6 @@ try
|
||||
catch (e)
|
||||
{
|
||||
assert (e instanceof SyntaxError);
|
||||
assert (e.message === "invalid character class");
|
||||
}
|
||||
|
||||
try
|
||||
@ -112,5 +111,4 @@ try
|
||||
catch (e)
|
||||
{
|
||||
assert (e instanceof SyntaxError);
|
||||
assert (e.message === "invalid character class");
|
||||
}
|
||||
|
||||
@ -53,3 +53,6 @@ assert (r.exec ("aaaaaaa") == "aaaaaa");
|
||||
|
||||
r = new RegExp (".*");
|
||||
assert (r.exec ("abcdefghijkl") == "abcdefghijkl");
|
||||
|
||||
r = /\n/;
|
||||
assert (r.exec ("\n") == "\n");
|
||||
|
||||
Loading…
x
Reference in New Issue
Block a user