xmltok.c
上传用户:yisoukefu
上传日期:2020-08-09
资源大小:39506k
文件大小:40k
源码类别:

其他游戏

开发平台:

Visual C++

  1. /* Copyright (c) 1998, 1999 Thai Open Source Software Center Ltd
  2.    See the file COPYING for copying permission.
  3. */
  4. #include <stddef.h>
  5. #ifdef COMPILED_FROM_DSP
  6. #include "winconfig.h"
  7. #elif defined(MACOS_CLASSIC)
  8. #include "macconfig.h"
  9. #elif defined(__amigaos4__)
  10. #include "amigaconfig.h"
  11. #elif defined(__WATCOMC__)
  12. #include "watcomconfig.h"
  13. #else
  14. #ifdef HAVE_EXPAT_CONFIG_H
  15. #include <expat_config.h>
  16. #endif
  17. #endif /* ndef COMPILED_FROM_DSP */
  18. #include "expat_external.h"
  19. #include "internal.h"
  20. #include "xmltok.h"
  21. #include "nametab.h"
  22. #ifdef XML_DTD
  23. #define IGNORE_SECTION_TOK_VTABLE , PREFIX(ignoreSectionTok)
  24. #else
  25. #define IGNORE_SECTION_TOK_VTABLE /* as nothing */
  26. #endif
  27. #define VTABLE1 
  28.   { PREFIX(prologTok), PREFIX(contentTok), 
  29.     PREFIX(cdataSectionTok) IGNORE_SECTION_TOK_VTABLE }, 
  30.   { PREFIX(attributeValueTok), PREFIX(entityValueTok) }, 
  31.   PREFIX(sameName), 
  32.   PREFIX(nameMatchesAscii), 
  33.   PREFIX(nameLength), 
  34.   PREFIX(skipS), 
  35.   PREFIX(getAtts), 
  36.   PREFIX(charRefNumber), 
  37.   PREFIX(predefinedEntityName), 
  38.   PREFIX(updatePosition), 
  39.   PREFIX(isPublicId)
  40. #define VTABLE VTABLE1, PREFIX(toUtf8), PREFIX(toUtf16)
  41. #define UCS2_GET_NAMING(pages, hi, lo) 
  42.    (namingBitmap[(pages[hi] << 3) + ((lo) >> 5)] & (1 << ((lo) & 0x1F)))
  43. /* A 2 byte UTF-8 representation splits the characters 11 bits between
  44.    the bottom 5 and 6 bits of the bytes.  We need 8 bits to index into
  45.    pages, 3 bits to add to that index and 5 bits to generate the mask.
  46. */
  47. #define UTF8_GET_NAMING2(pages, byte) 
  48.     (namingBitmap[((pages)[(((byte)[0]) >> 2) & 7] << 3) 
  49.                       + ((((byte)[0]) & 3) << 1) 
  50.                       + ((((byte)[1]) >> 5) & 1)] 
  51.          & (1 << (((byte)[1]) & 0x1F)))
  52. /* A 3 byte UTF-8 representation splits the characters 16 bits between
  53.    the bottom 4, 6 and 6 bits of the bytes.  We need 8 bits to index
  54.    into pages, 3 bits to add to that index and 5 bits to generate the
  55.    mask.
  56. */
  57. #define UTF8_GET_NAMING3(pages, byte) 
  58.   (namingBitmap[((pages)[((((byte)[0]) & 0xF) << 4) 
  59.                              + ((((byte)[1]) >> 2) & 0xF)] 
  60.                        << 3) 
  61.                       + ((((byte)[1]) & 3) << 1) 
  62.                       + ((((byte)[2]) >> 5) & 1)] 
  63.          & (1 << (((byte)[2]) & 0x1F)))
  64. #define UTF8_GET_NAMING(pages, p, n) 
  65.   ((n) == 2 
  66.   ? UTF8_GET_NAMING2(pages, (const unsigned char *)(p)) 
  67.   : ((n) == 3 
  68.      ? UTF8_GET_NAMING3(pages, (const unsigned char *)(p)) 
  69.      : 0))
  70. /* Detection of invalid UTF-8 sequences is based on Table 3.1B
  71.    of Unicode 3.2: http://www.unicode.org/unicode/reports/tr28/
  72.    with the additional restriction of not allowing the Unicode
  73.    code points 0xFFFF and 0xFFFE (sequences EF,BF,BF and EF,BF,BE).
  74.    Implementation details:
  75.      (A & 0x80) == 0     means A < 0x80
  76.    and
  77.      (A & 0xC0) == 0xC0  means A > 0xBF
  78. */
  79. #define UTF8_INVALID2(p) 
  80.   ((*p) < 0xC2 || ((p)[1] & 0x80) == 0 || ((p)[1] & 0xC0) == 0xC0)
  81. #define UTF8_INVALID3(p) 
  82.   (((p)[2] & 0x80) == 0 
  83.   || 
  84.   ((*p) == 0xEF && (p)[1] == 0xBF 
  85.     ? 
  86.     (p)[2] > 0xBD 
  87.     : 
  88.     ((p)[2] & 0xC0) == 0xC0) 
  89.   || 
  90.   ((*p) == 0xE0 
  91.     ? 
  92.     (p)[1] < 0xA0 || ((p)[1] & 0xC0) == 0xC0 
  93.     : 
  94.     ((p)[1] & 0x80) == 0 
  95.     || 
  96.     ((*p) == 0xED ? (p)[1] > 0x9F : ((p)[1] & 0xC0) == 0xC0)))
  97. #define UTF8_INVALID4(p) 
  98.   (((p)[3] & 0x80) == 0 || ((p)[3] & 0xC0) == 0xC0 
  99.   || 
  100.   ((p)[2] & 0x80) == 0 || ((p)[2] & 0xC0) == 0xC0 
  101.   || 
  102.   ((*p) == 0xF0 
  103.     ? 
  104.     (p)[1] < 0x90 || ((p)[1] & 0xC0) == 0xC0 
  105.     : 
  106.     ((p)[1] & 0x80) == 0 
  107.     || 
  108.     ((*p) == 0xF4 ? (p)[1] > 0x8F : ((p)[1] & 0xC0) == 0xC0)))
  109. static int PTRFASTCALL
  110. isNever(const ENCODING *enc, const char *p)
  111. {
  112.   return 0;
  113. }
  114. static int PTRFASTCALL
  115. utf8_isName2(const ENCODING *enc, const char *p)
  116. {
  117.   return UTF8_GET_NAMING2(namePages, (const unsigned char *)p);
  118. }
  119. static int PTRFASTCALL
  120. utf8_isName3(const ENCODING *enc, const char *p)
  121. {
  122.   return UTF8_GET_NAMING3(namePages, (const unsigned char *)p);
  123. }
  124. #define utf8_isName4 isNever
  125. static int PTRFASTCALL
  126. utf8_isNmstrt2(const ENCODING *enc, const char *p)
  127. {
  128.   return UTF8_GET_NAMING2(nmstrtPages, (const unsigned char *)p);
  129. }
  130. static int PTRFASTCALL
  131. utf8_isNmstrt3(const ENCODING *enc, const char *p)
  132. {
  133.   return UTF8_GET_NAMING3(nmstrtPages, (const unsigned char *)p);
  134. }
  135. #define utf8_isNmstrt4 isNever
  136. static int PTRFASTCALL
  137. utf8_isInvalid2(const ENCODING *enc, const char *p)
  138. {
  139.   return UTF8_INVALID2((const unsigned char *)p);
  140. }
  141. static int PTRFASTCALL
  142. utf8_isInvalid3(const ENCODING *enc, const char *p)
  143. {
  144.   return UTF8_INVALID3((const unsigned char *)p);
  145. }
  146. static int PTRFASTCALL
  147. utf8_isInvalid4(const ENCODING *enc, const char *p)
  148. {
  149.   return UTF8_INVALID4((const unsigned char *)p);
  150. }
  151. struct normal_encoding {
  152.   ENCODING enc;
  153.   unsigned char type[256];
  154. #ifdef XML_MIN_SIZE
  155.   int (PTRFASTCALL *byteType)(const ENCODING *, const char *);
  156.   int (PTRFASTCALL *isNameMin)(const ENCODING *, const char *);
  157.   int (PTRFASTCALL *isNmstrtMin)(const ENCODING *, const char *);
  158.   int (PTRFASTCALL *byteToAscii)(const ENCODING *, const char *);
  159.   int (PTRCALL *charMatches)(const ENCODING *, const char *, int);
  160. #endif /* XML_MIN_SIZE */
  161.   int (PTRFASTCALL *isName2)(const ENCODING *, const char *);
  162.   int (PTRFASTCALL *isName3)(const ENCODING *, const char *);
  163.   int (PTRFASTCALL *isName4)(const ENCODING *, const char *);
  164.   int (PTRFASTCALL *isNmstrt2)(const ENCODING *, const char *);
  165.   int (PTRFASTCALL *isNmstrt3)(const ENCODING *, const char *);
  166.   int (PTRFASTCALL *isNmstrt4)(const ENCODING *, const char *);
  167.   int (PTRFASTCALL *isInvalid2)(const ENCODING *, const char *);
  168.   int (PTRFASTCALL *isInvalid3)(const ENCODING *, const char *);
  169.   int (PTRFASTCALL *isInvalid4)(const ENCODING *, const char *);
  170. };
  171. #define AS_NORMAL_ENCODING(enc)   ((const struct normal_encoding *) (enc))
  172. #ifdef XML_MIN_SIZE
  173. #define STANDARD_VTABLE(E) 
  174.  E ## byteType, 
  175.  E ## isNameMin, 
  176.  E ## isNmstrtMin, 
  177.  E ## byteToAscii, 
  178.  E ## charMatches,
  179. #else
  180. #define STANDARD_VTABLE(E) /* as nothing */
  181. #endif
  182. #define NORMAL_VTABLE(E) 
  183.  E ## isName2, 
  184.  E ## isName3, 
  185.  E ## isName4, 
  186.  E ## isNmstrt2, 
  187.  E ## isNmstrt3, 
  188.  E ## isNmstrt4, 
  189.  E ## isInvalid2, 
  190.  E ## isInvalid3, 
  191.  E ## isInvalid4
  192. static int FASTCALL checkCharRefNumber(int);
  193. #include "xmltok_impl.h"
  194. #include "ascii.h"
  195. #ifdef XML_MIN_SIZE
  196. #define sb_isNameMin isNever
  197. #define sb_isNmstrtMin isNever
  198. #endif
  199. #ifdef XML_MIN_SIZE
  200. #define MINBPC(enc) ((enc)->minBytesPerChar)
  201. #else
  202. /* minimum bytes per character */
  203. #define MINBPC(enc) 1
  204. #endif
  205. #define SB_BYTE_TYPE(enc, p) 
  206.   (((struct normal_encoding *)(enc))->type[(unsigned char)*(p)])
  207. #ifdef XML_MIN_SIZE
  208. static int PTRFASTCALL
  209. sb_byteType(const ENCODING *enc, const char *p)
  210. {
  211.   return SB_BYTE_TYPE(enc, p);
  212. }
  213. #define BYTE_TYPE(enc, p) 
  214.  (AS_NORMAL_ENCODING(enc)->byteType(enc, p))
  215. #else
  216. #define BYTE_TYPE(enc, p) SB_BYTE_TYPE(enc, p)
  217. #endif
  218. #ifdef XML_MIN_SIZE
  219. #define BYTE_TO_ASCII(enc, p) 
  220.  (AS_NORMAL_ENCODING(enc)->byteToAscii(enc, p))
  221. static int PTRFASTCALL
  222. sb_byteToAscii(const ENCODING *enc, const char *p)
  223. {
  224.   return *p;
  225. }
  226. #else
  227. #define BYTE_TO_ASCII(enc, p) (*(p))
  228. #endif
  229. #define IS_NAME_CHAR(enc, p, n) 
  230.  (AS_NORMAL_ENCODING(enc)->isName ## n(enc, p))
  231. #define IS_NMSTRT_CHAR(enc, p, n) 
  232.  (AS_NORMAL_ENCODING(enc)->isNmstrt ## n(enc, p))
  233. #define IS_INVALID_CHAR(enc, p, n) 
  234.  (AS_NORMAL_ENCODING(enc)->isInvalid ## n(enc, p))
  235. #ifdef XML_MIN_SIZE
  236. #define IS_NAME_CHAR_MINBPC(enc, p) 
  237.  (AS_NORMAL_ENCODING(enc)->isNameMin(enc, p))
  238. #define IS_NMSTRT_CHAR_MINBPC(enc, p) 
  239.  (AS_NORMAL_ENCODING(enc)->isNmstrtMin(enc, p))
  240. #else
  241. #define IS_NAME_CHAR_MINBPC(enc, p) (0)
  242. #define IS_NMSTRT_CHAR_MINBPC(enc, p) (0)
  243. #endif
  244. #ifdef XML_MIN_SIZE
  245. #define CHAR_MATCHES(enc, p, c) 
  246.  (AS_NORMAL_ENCODING(enc)->charMatches(enc, p, c))
  247. static int PTRCALL
  248. sb_charMatches(const ENCODING *enc, const char *p, int c)
  249. {
  250.   return *p == c;
  251. }
  252. #else
  253. /* c is an ASCII character */
  254. #define CHAR_MATCHES(enc, p, c) (*(p) == c)
  255. #endif
  256. #define PREFIX(ident) normal_ ## ident
  257. #define XML_TOK_IMPL_C
  258. #include "xmltok_impl.c"
  259. #undef XML_TOK_IMPL_C
  260. #undef MINBPC
  261. #undef BYTE_TYPE
  262. #undef BYTE_TO_ASCII
  263. #undef CHAR_MATCHES
  264. #undef IS_NAME_CHAR
  265. #undef IS_NAME_CHAR_MINBPC
  266. #undef IS_NMSTRT_CHAR
  267. #undef IS_NMSTRT_CHAR_MINBPC
  268. #undef IS_INVALID_CHAR
  269. enum {  /* UTF8_cvalN is value of masked first byte of N byte sequence */
  270.   UTF8_cval1 = 0x00,
  271.   UTF8_cval2 = 0xc0,
  272.   UTF8_cval3 = 0xe0,
  273.   UTF8_cval4 = 0xf0
  274. };
  275. static void PTRCALL
  276. utf8_toUtf8(const ENCODING *enc,
  277.             const char **fromP, const char *fromLim,
  278.             char **toP, const char *toLim)
  279. {
  280.   char *to;
  281.   const char *from;
  282.   if (fromLim - *fromP > toLim - *toP) {
  283.     /* Avoid copying partial characters. */
  284.     for (fromLim = *fromP + (toLim - *toP); fromLim > *fromP; fromLim--)
  285.       if (((unsigned char)fromLim[-1] & 0xc0) != 0x80)
  286.         break;
  287.   }
  288.   for (to = *toP, from = *fromP; from != fromLim; from++, to++)
  289.     *to = *from;
  290.   *fromP = from;
  291.   *toP = to;
  292. }
  293. static void PTRCALL
  294. utf8_toUtf16(const ENCODING *enc,
  295.              const char **fromP, const char *fromLim,
  296.              unsigned short **toP, const unsigned short *toLim)
  297. {
  298.   unsigned short *to = *toP;
  299.   const char *from = *fromP;
  300.   while (from != fromLim && to != toLim) {
  301.     switch (((struct normal_encoding *)enc)->type[(unsigned char)*from]) {
  302.     case BT_LEAD2:
  303.       *to++ = (unsigned short)(((from[0] & 0x1f) << 6) | (from[1] & 0x3f));
  304.       from += 2;
  305.       break;
  306.     case BT_LEAD3:
  307.       *to++ = (unsigned short)(((from[0] & 0xf) << 12)
  308.                                | ((from[1] & 0x3f) << 6) | (from[2] & 0x3f));
  309.       from += 3;
  310.       break;
  311.     case BT_LEAD4:
  312.       {
  313.         unsigned long n;
  314.         if (to + 1 == toLim)
  315.           goto after;
  316.         n = ((from[0] & 0x7) << 18) | ((from[1] & 0x3f) << 12)
  317.             | ((from[2] & 0x3f) << 6) | (from[3] & 0x3f);
  318.         n -= 0x10000;
  319.         to[0] = (unsigned short)((n >> 10) | 0xD800);
  320.         to[1] = (unsigned short)((n & 0x3FF) | 0xDC00);
  321.         to += 2;
  322.         from += 4;
  323.       }
  324.       break;
  325.     default:
  326.       *to++ = *from++;
  327.       break;
  328.     }
  329.   }
  330. after:
  331.   *fromP = from;
  332.   *toP = to;
  333. }
  334. #ifdef XML_NS
  335. static const struct normal_encoding utf8_encoding_ns = {
  336.   { VTABLE1, utf8_toUtf8, utf8_toUtf16, 1, 1, 0 },
  337.   {
  338. #include "asciitab.h"
  339. #include "utf8tab.h"
  340.   },
  341.   STANDARD_VTABLE(sb_) NORMAL_VTABLE(utf8_)
  342. };
  343. #endif
  344. static const struct normal_encoding utf8_encoding = {
  345.   { VTABLE1, utf8_toUtf8, utf8_toUtf16, 1, 1, 0 },
  346.   {
  347. #define BT_COLON BT_NMSTRT
  348. #include "asciitab.h"
  349. #undef BT_COLON
  350. #include "utf8tab.h"
  351.   },
  352.   STANDARD_VTABLE(sb_) NORMAL_VTABLE(utf8_)
  353. };
  354. #ifdef XML_NS
  355. static const struct normal_encoding internal_utf8_encoding_ns = {
  356.   { VTABLE1, utf8_toUtf8, utf8_toUtf16, 1, 1, 0 },
  357.   {
  358. #include "iasciitab.h"
  359. #include "utf8tab.h"
  360.   },
  361.   STANDARD_VTABLE(sb_) NORMAL_VTABLE(utf8_)
  362. };
  363. #endif
  364. static const struct normal_encoding internal_utf8_encoding = {
  365.   { VTABLE1, utf8_toUtf8, utf8_toUtf16, 1, 1, 0 },
  366.   {
  367. #define BT_COLON BT_NMSTRT
  368. #include "iasciitab.h"
  369. #undef BT_COLON
  370. #include "utf8tab.h"
  371.   },
  372.   STANDARD_VTABLE(sb_) NORMAL_VTABLE(utf8_)
  373. };
  374. static void PTRCALL
  375. latin1_toUtf8(const ENCODING *enc,
  376.               const char **fromP, const char *fromLim,
  377.               char **toP, const char *toLim)
  378. {
  379.   for (;;) {
  380.     unsigned char c;
  381.     if (*fromP == fromLim)
  382.       break;
  383.     c = (unsigned char)**fromP;
  384.     if (c & 0x80) {
  385.       if (toLim - *toP < 2)
  386.         break;
  387.       *(*toP)++ = (char)((c >> 6) | UTF8_cval2);
  388.       *(*toP)++ = (char)((c & 0x3f) | 0x80);
  389.       (*fromP)++;
  390.     }
  391.     else {
  392.       if (*toP == toLim)
  393.         break;
  394.       *(*toP)++ = *(*fromP)++;
  395.     }
  396.   }
  397. }
  398. static void PTRCALL
  399. latin1_toUtf16(const ENCODING *enc,
  400.                const char **fromP, const char *fromLim,
  401.                unsigned short **toP, const unsigned short *toLim)
  402. {
  403.   while (*fromP != fromLim && *toP != toLim)
  404.     *(*toP)++ = (unsigned char)*(*fromP)++;
  405. }
  406. #ifdef XML_NS
  407. static const struct normal_encoding latin1_encoding_ns = {
  408.   { VTABLE1, latin1_toUtf8, latin1_toUtf16, 1, 0, 0 },
  409.   {
  410. #include "asciitab.h"
  411. #include "latin1tab.h"
  412.   },
  413.   STANDARD_VTABLE(sb_)
  414. };
  415. #endif
  416. static const struct normal_encoding latin1_encoding = {
  417.   { VTABLE1, latin1_toUtf8, latin1_toUtf16, 1, 0, 0 },
  418.   {
  419. #define BT_COLON BT_NMSTRT
  420. #include "asciitab.h"
  421. #undef BT_COLON
  422. #include "latin1tab.h"
  423.   },
  424.   STANDARD_VTABLE(sb_)
  425. };
  426. static void PTRCALL
  427. ascii_toUtf8(const ENCODING *enc,
  428.              const char **fromP, const char *fromLim,
  429.              char **toP, const char *toLim)
  430. {
  431.   while (*fromP != fromLim && *toP != toLim)
  432.     *(*toP)++ = *(*fromP)++;
  433. }
  434. #ifdef XML_NS
  435. static const struct normal_encoding ascii_encoding_ns = {
  436.   { VTABLE1, ascii_toUtf8, latin1_toUtf16, 1, 1, 0 },
  437.   {
  438. #include "asciitab.h"
  439. /* BT_NONXML == 0 */
  440.   },
  441.   STANDARD_VTABLE(sb_)
  442. };
  443. #endif
  444. static const struct normal_encoding ascii_encoding = {
  445.   { VTABLE1, ascii_toUtf8, latin1_toUtf16, 1, 1, 0 },
  446.   {
  447. #define BT_COLON BT_NMSTRT
  448. #include "asciitab.h"
  449. #undef BT_COLON
  450. /* BT_NONXML == 0 */
  451.   },
  452.   STANDARD_VTABLE(sb_)
  453. };
  454. static int PTRFASTCALL
  455. unicode_byte_type(char hi, char lo)
  456. {
  457.   switch ((unsigned char)hi) {
  458.   case 0xD8: case 0xD9: case 0xDA: case 0xDB:
  459.     return BT_LEAD4;
  460.   case 0xDC: case 0xDD: case 0xDE: case 0xDF:
  461.     return BT_TRAIL;
  462.   case 0xFF:
  463.     switch ((unsigned char)lo) {
  464.     case 0xFF:
  465.     case 0xFE:
  466.       return BT_NONXML;
  467.     }
  468.     break;
  469.   }
  470.   return BT_NONASCII;
  471. }
  472. #define DEFINE_UTF16_TO_UTF8(E) 
  473. static void  PTRCALL 
  474. E ## toUtf8(const ENCODING *enc, 
  475.             const char **fromP, const char *fromLim, 
  476.             char **toP, const char *toLim) 
  477.   const char *from; 
  478.   for (from = *fromP; from != fromLim; from += 2) { 
  479.     int plane; 
  480.     unsigned char lo2; 
  481.     unsigned char lo = GET_LO(from); 
  482.     unsigned char hi = GET_HI(from); 
  483.     switch (hi) { 
  484.     case 0: 
  485.       if (lo < 0x80) { 
  486.         if (*toP == toLim) { 
  487.           *fromP = from; 
  488.           return; 
  489.         } 
  490.         *(*toP)++ = lo; 
  491.         break; 
  492.       } 
  493.       /* fall through */ 
  494.     case 0x1: case 0x2: case 0x3: 
  495.     case 0x4: case 0x5: case 0x6: case 0x7: 
  496.       if (toLim -  *toP < 2) { 
  497.         *fromP = from; 
  498.         return; 
  499.       } 
  500.       *(*toP)++ = ((lo >> 6) | (hi << 2) |  UTF8_cval2); 
  501.       *(*toP)++ = ((lo & 0x3f) | 0x80); 
  502.       break; 
  503.     default: 
  504.       if (toLim -  *toP < 3)  { 
  505.         *fromP = from; 
  506.         return; 
  507.       } 
  508.       /* 16 bits divided 4, 6, 6 amongst 3 bytes */ 
  509.       *(*toP)++ = ((hi >> 4) | UTF8_cval3); 
  510.       *(*toP)++ = (((hi & 0xf) << 2) | (lo >> 6) | 0x80); 
  511.       *(*toP)++ = ((lo & 0x3f) | 0x80); 
  512.       break; 
  513.     case 0xD8: case 0xD9: case 0xDA: case 0xDB: 
  514.       if (toLim -  *toP < 4) { 
  515.         *fromP = from; 
  516.         return; 
  517.       } 
  518.       plane = (((hi & 0x3) << 2) | ((lo >> 6) & 0x3)) + 1; 
  519.       *(*toP)++ = ((plane >> 2) | UTF8_cval4); 
  520.       *(*toP)++ = (((lo >> 2) & 0xF) | ((plane & 0x3) << 4) | 0x80); 
  521.       from += 2; 
  522.       lo2 = GET_LO(from); 
  523.       *(*toP)++ = (((lo & 0x3) << 4) 
  524.                    | ((GET_HI(from) & 0x3) << 2) 
  525.                    | (lo2 >> 6) 
  526.                    | 0x80); 
  527.       *(*toP)++ = ((lo2 & 0x3f) | 0x80); 
  528.       break; 
  529.     } 
  530.   } 
  531.   *fromP = from; 
  532. }
  533. #define DEFINE_UTF16_TO_UTF16(E) 
  534. static void  PTRCALL 
  535. E ## toUtf16(const ENCODING *enc, 
  536.              const char **fromP, const char *fromLim, 
  537.              unsigned short **toP, const unsigned short *toLim) 
  538.   /* Avoid copying first half only of surrogate */ 
  539.   if (fromLim - *fromP > ((toLim - *toP) << 1) 
  540.       && (GET_HI(fromLim - 2) & 0xF8) == 0xD8) 
  541.     fromLim -= 2; 
  542.   for (; *fromP != fromLim && *toP != toLim; *fromP += 2) 
  543.     *(*toP)++ = (GET_HI(*fromP) << 8) | GET_LO(*fromP); 
  544. }
  545. #define SET2(ptr, ch) 
  546.   (((ptr)[0] = ((ch) & 0xff)), ((ptr)[1] = ((ch) >> 8)))
  547. #define GET_LO(ptr) ((unsigned char)(ptr)[0])
  548. #define GET_HI(ptr) ((unsigned char)(ptr)[1])
  549. DEFINE_UTF16_TO_UTF8(little2_)
  550. DEFINE_UTF16_TO_UTF16(little2_)
  551. #undef SET2
  552. #undef GET_LO
  553. #undef GET_HI
  554. #define SET2(ptr, ch) 
  555.   (((ptr)[0] = ((ch) >> 8)), ((ptr)[1] = ((ch) & 0xFF)))
  556. #define GET_LO(ptr) ((unsigned char)(ptr)[1])
  557. #define GET_HI(ptr) ((unsigned char)(ptr)[0])
  558. DEFINE_UTF16_TO_UTF8(big2_)
  559. DEFINE_UTF16_TO_UTF16(big2_)
  560. #undef SET2
  561. #undef GET_LO
  562. #undef GET_HI
  563. #define LITTLE2_BYTE_TYPE(enc, p) 
  564.  ((p)[1] == 0 
  565.   ? ((struct normal_encoding *)(enc))->type[(unsigned char)*(p)] 
  566.   : unicode_byte_type((p)[1], (p)[0]))
  567. #define LITTLE2_BYTE_TO_ASCII(enc, p) ((p)[1] == 0 ? (p)[0] : -1)
  568. #define LITTLE2_CHAR_MATCHES(enc, p, c) ((p)[1] == 0 && (p)[0] == c)
  569. #define LITTLE2_IS_NAME_CHAR_MINBPC(enc, p) 
  570.   UCS2_GET_NAMING(namePages, (unsigned char)p[1], (unsigned char)p[0])
  571. #define LITTLE2_IS_NMSTRT_CHAR_MINBPC(enc, p) 
  572.   UCS2_GET_NAMING(nmstrtPages, (unsigned char)p[1], (unsigned char)p[0])
  573. #ifdef XML_MIN_SIZE
  574. static int PTRFASTCALL
  575. little2_byteType(const ENCODING *enc, const char *p)
  576. {
  577.   return LITTLE2_BYTE_TYPE(enc, p);
  578. }
  579. static int PTRFASTCALL
  580. little2_byteToAscii(const ENCODING *enc, const char *p)
  581. {
  582.   return LITTLE2_BYTE_TO_ASCII(enc, p);
  583. }
  584. static int PTRCALL
  585. little2_charMatches(const ENCODING *enc, const char *p, int c)
  586. {
  587.   return LITTLE2_CHAR_MATCHES(enc, p, c);
  588. }
  589. static int PTRFASTCALL
  590. little2_isNameMin(const ENCODING *enc, const char *p)
  591. {
  592.   return LITTLE2_IS_NAME_CHAR_MINBPC(enc, p);
  593. }
  594. static int PTRFASTCALL
  595. little2_isNmstrtMin(const ENCODING *enc, const char *p)
  596. {
  597.   return LITTLE2_IS_NMSTRT_CHAR_MINBPC(enc, p);
  598. }
  599. #undef VTABLE
  600. #define VTABLE VTABLE1, little2_toUtf8, little2_toUtf16
  601. #else /* not XML_MIN_SIZE */
  602. #undef PREFIX
  603. #define PREFIX(ident) little2_ ## ident
  604. #define MINBPC(enc) 2
  605. /* CHAR_MATCHES is guaranteed to have MINBPC bytes available. */
  606. #define BYTE_TYPE(enc, p) LITTLE2_BYTE_TYPE(enc, p)
  607. #define BYTE_TO_ASCII(enc, p) LITTLE2_BYTE_TO_ASCII(enc, p)
  608. #define CHAR_MATCHES(enc, p, c) LITTLE2_CHAR_MATCHES(enc, p, c)
  609. #define IS_NAME_CHAR(enc, p, n) 0
  610. #define IS_NAME_CHAR_MINBPC(enc, p) LITTLE2_IS_NAME_CHAR_MINBPC(enc, p)
  611. #define IS_NMSTRT_CHAR(enc, p, n) (0)
  612. #define IS_NMSTRT_CHAR_MINBPC(enc, p) LITTLE2_IS_NMSTRT_CHAR_MINBPC(enc, p)
  613. #define XML_TOK_IMPL_C
  614. #include "xmltok_impl.c"
  615. #undef XML_TOK_IMPL_C
  616. #undef MINBPC
  617. #undef BYTE_TYPE
  618. #undef BYTE_TO_ASCII
  619. #undef CHAR_MATCHES
  620. #undef IS_NAME_CHAR
  621. #undef IS_NAME_CHAR_MINBPC
  622. #undef IS_NMSTRT_CHAR
  623. #undef IS_NMSTRT_CHAR_MINBPC
  624. #undef IS_INVALID_CHAR
  625. #endif /* not XML_MIN_SIZE */
  626. #ifdef XML_NS
  627. static const struct normal_encoding little2_encoding_ns = {
  628.   { VTABLE, 2, 0,
  629. #if BYTEORDER == 1234
  630.     1
  631. #else
  632.     0
  633. #endif
  634.   },
  635.   {
  636. #include "asciitab.h"
  637. #include "latin1tab.h"
  638.   },
  639.   STANDARD_VTABLE(little2_)
  640. };
  641. #endif
  642. static const struct normal_encoding little2_encoding = {
  643.   { VTABLE, 2, 0,
  644. #if BYTEORDER == 1234
  645.     1
  646. #else
  647.     0
  648. #endif
  649.   },
  650.   {
  651. #define BT_COLON BT_NMSTRT
  652. #include "asciitab.h"
  653. #undef BT_COLON
  654. #include "latin1tab.h"
  655.   },
  656.   STANDARD_VTABLE(little2_)
  657. };
  658. #if BYTEORDER != 4321
  659. #ifdef XML_NS
  660. static const struct normal_encoding internal_little2_encoding_ns = {
  661.   { VTABLE, 2, 0, 1 },
  662.   {
  663. #include "iasciitab.h"
  664. #include "latin1tab.h"
  665.   },
  666.   STANDARD_VTABLE(little2_)
  667. };
  668. #endif
  669. static const struct normal_encoding internal_little2_encoding = {
  670.   { VTABLE, 2, 0, 1 },
  671.   {
  672. #define BT_COLON BT_NMSTRT
  673. #include "iasciitab.h"
  674. #undef BT_COLON
  675. #include "latin1tab.h"
  676.   },
  677.   STANDARD_VTABLE(little2_)
  678. };
  679. #endif
  680. #define BIG2_BYTE_TYPE(enc, p) 
  681.  ((p)[0] == 0 
  682.   ? ((struct normal_encoding *)(enc))->type[(unsigned char)(p)[1]] 
  683.   : unicode_byte_type((p)[0], (p)[1]))
  684. #define BIG2_BYTE_TO_ASCII(enc, p) ((p)[0] == 0 ? (p)[1] : -1)
  685. #define BIG2_CHAR_MATCHES(enc, p, c) ((p)[0] == 0 && (p)[1] == c)
  686. #define BIG2_IS_NAME_CHAR_MINBPC(enc, p) 
  687.   UCS2_GET_NAMING(namePages, (unsigned char)p[0], (unsigned char)p[1])
  688. #define BIG2_IS_NMSTRT_CHAR_MINBPC(enc, p) 
  689.   UCS2_GET_NAMING(nmstrtPages, (unsigned char)p[0], (unsigned char)p[1])
  690. #ifdef XML_MIN_SIZE
  691. static int PTRFASTCALL
  692. big2_byteType(const ENCODING *enc, const char *p)
  693. {
  694.   return BIG2_BYTE_TYPE(enc, p);
  695. }
  696. static int PTRFASTCALL
  697. big2_byteToAscii(const ENCODING *enc, const char *p)
  698. {
  699.   return BIG2_BYTE_TO_ASCII(enc, p);
  700. }
  701. static int PTRCALL
  702. big2_charMatches(const ENCODING *enc, const char *p, int c)
  703. {
  704.   return BIG2_CHAR_MATCHES(enc, p, c);
  705. }
  706. static int PTRFASTCALL
  707. big2_isNameMin(const ENCODING *enc, const char *p)
  708. {
  709.   return BIG2_IS_NAME_CHAR_MINBPC(enc, p);
  710. }
  711. static int PTRFASTCALL
  712. big2_isNmstrtMin(const ENCODING *enc, const char *p)
  713. {
  714.   return BIG2_IS_NMSTRT_CHAR_MINBPC(enc, p);
  715. }
  716. #undef VTABLE
  717. #define VTABLE VTABLE1, big2_toUtf8, big2_toUtf16
  718. #else /* not XML_MIN_SIZE */
  719. #undef PREFIX
  720. #define PREFIX(ident) big2_ ## ident
  721. #define MINBPC(enc) 2
  722. /* CHAR_MATCHES is guaranteed to have MINBPC bytes available. */
  723. #define BYTE_TYPE(enc, p) BIG2_BYTE_TYPE(enc, p)
  724. #define BYTE_TO_ASCII(enc, p) BIG2_BYTE_TO_ASCII(enc, p)
  725. #define CHAR_MATCHES(enc, p, c) BIG2_CHAR_MATCHES(enc, p, c)
  726. #define IS_NAME_CHAR(enc, p, n) 0
  727. #define IS_NAME_CHAR_MINBPC(enc, p) BIG2_IS_NAME_CHAR_MINBPC(enc, p)
  728. #define IS_NMSTRT_CHAR(enc, p, n) (0)
  729. #define IS_NMSTRT_CHAR_MINBPC(enc, p) BIG2_IS_NMSTRT_CHAR_MINBPC(enc, p)
  730. #define XML_TOK_IMPL_C
  731. #include "xmltok_impl.c"
  732. #undef XML_TOK_IMPL_C
  733. #undef MINBPC
  734. #undef BYTE_TYPE
  735. #undef BYTE_TO_ASCII
  736. #undef CHAR_MATCHES
  737. #undef IS_NAME_CHAR
  738. #undef IS_NAME_CHAR_MINBPC
  739. #undef IS_NMSTRT_CHAR
  740. #undef IS_NMSTRT_CHAR_MINBPC
  741. #undef IS_INVALID_CHAR
  742. #endif /* not XML_MIN_SIZE */
  743. #ifdef XML_NS
  744. static const struct normal_encoding big2_encoding_ns = {
  745.   { VTABLE, 2, 0,
  746. #if BYTEORDER == 4321
  747.   1
  748. #else
  749.   0
  750. #endif
  751.   },
  752.   {
  753. #include "asciitab.h"
  754. #include "latin1tab.h"
  755.   },
  756.   STANDARD_VTABLE(big2_)
  757. };
  758. #endif
  759. static const struct normal_encoding big2_encoding = {
  760.   { VTABLE, 2, 0,
  761. #if BYTEORDER == 4321
  762.   1
  763. #else
  764.   0
  765. #endif
  766.   },
  767.   {
  768. #define BT_COLON BT_NMSTRT
  769. #include "asciitab.h"
  770. #undef BT_COLON
  771. #include "latin1tab.h"
  772.   },
  773.   STANDARD_VTABLE(big2_)
  774. };
  775. #if BYTEORDER != 1234
  776. #ifdef XML_NS
  777. static const struct normal_encoding internal_big2_encoding_ns = {
  778.   { VTABLE, 2, 0, 1 },
  779.   {
  780. #include "iasciitab.h"
  781. #include "latin1tab.h"
  782.   },
  783.   STANDARD_VTABLE(big2_)
  784. };
  785. #endif
  786. static const struct normal_encoding internal_big2_encoding = {
  787.   { VTABLE, 2, 0, 1 },
  788.   {
  789. #define BT_COLON BT_NMSTRT
  790. #include "iasciitab.h"
  791. #undef BT_COLON
  792. #include "latin1tab.h"
  793.   },
  794.   STANDARD_VTABLE(big2_)
  795. };
  796. #endif
  797. #undef PREFIX
  798. static int FASTCALL
  799. streqci(const char *s1, const char *s2)
  800. {
  801.   for (;;) {
  802.     char c1 = *s1++;
  803.     char c2 = *s2++;
  804.     if (ASCII_a <= c1 && c1 <= ASCII_z)
  805.       c1 += ASCII_A - ASCII_a;
  806.     if (ASCII_a <= c2 && c2 <= ASCII_z)
  807.       c2 += ASCII_A - ASCII_a;
  808.     if (c1 != c2)
  809.       return 0;
  810.     if (!c1)
  811.       break;
  812.   }
  813.   return 1;
  814. }
  815. static void PTRCALL
  816. initUpdatePosition(const ENCODING *enc, const char *ptr,
  817.                    const char *end, POSITION *pos)
  818. {
  819.   normal_updatePosition(&utf8_encoding.enc, ptr, end, pos);
  820. }
  821. static int
  822. toAscii(const ENCODING *enc, const char *ptr, const char *end)
  823. {
  824.   char buf[1];
  825.   char *p = buf;
  826.   XmlUtf8Convert(enc, &ptr, end, &p, p + 1);
  827.   if (p == buf)
  828.     return -1;
  829.   else
  830.     return buf[0];
  831. }
  832. static int FASTCALL
  833. isSpace(int c)
  834. {
  835.   switch (c) {
  836.   case 0x20:
  837.   case 0xD:
  838.   case 0xA:
  839.   case 0x9:
  840.     return 1;
  841.   }
  842.   return 0;
  843. }
  844. /* Return 1 if there's just optional white space or there's an S
  845.    followed by name=val.
  846. */
  847. static int
  848. parsePseudoAttribute(const ENCODING *enc,
  849.                      const char *ptr,
  850.                      const char *end,
  851.                      const char **namePtr,
  852.                      const char **nameEndPtr,
  853.                      const char **valPtr,
  854.                      const char **nextTokPtr)
  855. {
  856.   int c;
  857.   char open;
  858.   if (ptr == end) {
  859.     *namePtr = NULL;
  860.     return 1;
  861.   }
  862.   if (!isSpace(toAscii(enc, ptr, end))) {
  863.     *nextTokPtr = ptr;
  864.     return 0;
  865.   }
  866.   do {
  867.     ptr += enc->minBytesPerChar;
  868.   } while (isSpace(toAscii(enc, ptr, end)));
  869.   if (ptr == end) {
  870.     *namePtr = NULL;
  871.     return 1;
  872.   }
  873.   *namePtr = ptr;
  874.   for (;;) {
  875.     c = toAscii(enc, ptr, end);
  876.     if (c == -1) {
  877.       *nextTokPtr = ptr;
  878.       return 0;
  879.     }
  880.     if (c == ASCII_EQUALS) {
  881.       *nameEndPtr = ptr;
  882.       break;
  883.     }
  884.     if (isSpace(c)) {
  885.       *nameEndPtr = ptr;
  886.       do {
  887.         ptr += enc->minBytesPerChar;
  888.       } while (isSpace(c = toAscii(enc, ptr, end)));
  889.       if (c != ASCII_EQUALS) {
  890.         *nextTokPtr = ptr;
  891.         return 0;
  892.       }
  893.       break;
  894.     }
  895.     ptr += enc->minBytesPerChar;
  896.   }
  897.   if (ptr == *namePtr) {
  898.     *nextTokPtr = ptr;
  899.     return 0;
  900.   }
  901.   ptr += enc->minBytesPerChar;
  902.   c = toAscii(enc, ptr, end);
  903.   while (isSpace(c)) {
  904.     ptr += enc->minBytesPerChar;
  905.     c = toAscii(enc, ptr, end);
  906.   }
  907.   if (c != ASCII_QUOT && c != ASCII_APOS) {
  908.     *nextTokPtr = ptr;
  909.     return 0;
  910.   }
  911.   open = (char)c;
  912.   ptr += enc->minBytesPerChar;
  913.   *valPtr = ptr;
  914.   for (;; ptr += enc->minBytesPerChar) {
  915.     c = toAscii(enc, ptr, end);
  916.     if (c == open)
  917.       break;
  918.     if (!(ASCII_a <= c && c <= ASCII_z)
  919.         && !(ASCII_A <= c && c <= ASCII_Z)
  920.         && !(ASCII_0 <= c && c <= ASCII_9)
  921.         && c != ASCII_PERIOD
  922.         && c != ASCII_MINUS
  923.         && c != ASCII_UNDERSCORE) {
  924.       *nextTokPtr = ptr;
  925.       return 0;
  926.     }
  927.   }
  928.   *nextTokPtr = ptr + enc->minBytesPerChar;
  929.   return 1;
  930. }
  931. static const char KW_version[] = {
  932.   ASCII_v, ASCII_e, ASCII_r, ASCII_s, ASCII_i, ASCII_o, ASCII_n, ''
  933. };
  934. static const char KW_encoding[] = {
  935.   ASCII_e, ASCII_n, ASCII_c, ASCII_o, ASCII_d, ASCII_i, ASCII_n, ASCII_g, ''
  936. };
  937. static const char KW_standalone[] = {
  938.   ASCII_s, ASCII_t, ASCII_a, ASCII_n, ASCII_d, ASCII_a, ASCII_l, ASCII_o,
  939.   ASCII_n, ASCII_e, ''
  940. };
  941. static const char KW_yes[] = {
  942.   ASCII_y, ASCII_e, ASCII_s,  ''
  943. };
  944. static const char KW_no[] = {
  945.   ASCII_n, ASCII_o,  ''
  946. };
  947. static int
  948. doParseXmlDecl(const ENCODING *(*encodingFinder)(const ENCODING *,
  949.                                                  const char *,
  950.                                                  const char *),
  951.                int isGeneralTextEntity,
  952.                const ENCODING *enc,
  953.                const char *ptr,
  954.                const char *end,
  955.                const char **badPtr,
  956.                const char **versionPtr,
  957.                const char **versionEndPtr,
  958.                const char **encodingName,
  959.                const ENCODING **encoding,
  960.                int *standalone)
  961. {
  962.   const char *val = NULL;
  963.   const char *name = NULL;
  964.   const char *nameEnd = NULL;
  965.   ptr += 5 * enc->minBytesPerChar;
  966.   end -= 2 * enc->minBytesPerChar;
  967.   if (!parsePseudoAttribute(enc, ptr, end, &name, &nameEnd, &val, &ptr)
  968.       || !name) {
  969.     *badPtr = ptr;
  970.     return 0;
  971.   }
  972.   if (!XmlNameMatchesAscii(enc, name, nameEnd, KW_version)) {
  973.     if (!isGeneralTextEntity) {
  974.       *badPtr = name;
  975.       return 0;
  976.     }
  977.   }
  978.   else {
  979.     if (versionPtr)
  980.       *versionPtr = val;
  981.     if (versionEndPtr)
  982.       *versionEndPtr = ptr;
  983.     if (!parsePseudoAttribute(enc, ptr, end, &name, &nameEnd, &val, &ptr)) {
  984.       *badPtr = ptr;
  985.       return 0;
  986.     }
  987.     if (!name) {
  988.       if (isGeneralTextEntity) {
  989.         /* a TextDecl must have an EncodingDecl */
  990.         *badPtr = ptr;
  991.         return 0;
  992.       }
  993.       return 1;
  994.     }
  995.   }
  996.   if (XmlNameMatchesAscii(enc, name, nameEnd, KW_encoding)) {
  997.     int c = toAscii(enc, val, end);
  998.     if (!(ASCII_a <= c && c <= ASCII_z) && !(ASCII_A <= c && c <= ASCII_Z)) {
  999.       *badPtr = val;
  1000.       return 0;
  1001.     }
  1002.     if (encodingName)
  1003.       *encodingName = val;
  1004.     if (encoding)
  1005.       *encoding = encodingFinder(enc, val, ptr - enc->minBytesPerChar);
  1006.     if (!parsePseudoAttribute(enc, ptr, end, &name, &nameEnd, &val, &ptr)) {
  1007.       *badPtr = ptr;
  1008.       return 0;
  1009.     }
  1010.     if (!name)
  1011.       return 1;
  1012.   }
  1013.   if (!XmlNameMatchesAscii(enc, name, nameEnd, KW_standalone)
  1014.       || isGeneralTextEntity) {
  1015.     *badPtr = name;
  1016.     return 0;
  1017.   }
  1018.   if (XmlNameMatchesAscii(enc, val, ptr - enc->minBytesPerChar, KW_yes)) {
  1019.     if (standalone)
  1020.       *standalone = 1;
  1021.   }
  1022.   else if (XmlNameMatchesAscii(enc, val, ptr - enc->minBytesPerChar, KW_no)) {
  1023.     if (standalone)
  1024.       *standalone = 0;
  1025.   }
  1026.   else {
  1027.     *badPtr = val;
  1028.     return 0;
  1029.   }
  1030.   while (isSpace(toAscii(enc, ptr, end)))
  1031.     ptr += enc->minBytesPerChar;
  1032.   if (ptr != end) {
  1033.     *badPtr = ptr;
  1034.     return 0;
  1035.   }
  1036.   return 1;
  1037. }
  1038. static int FASTCALL
  1039. checkCharRefNumber(int result)
  1040. {
  1041.   switch (result >> 8) {
  1042.   case 0xD8: case 0xD9: case 0xDA: case 0xDB:
  1043.   case 0xDC: case 0xDD: case 0xDE: case 0xDF:
  1044.     return -1;
  1045.   case 0:
  1046.     if (latin1_encoding.type[result] == BT_NONXML)
  1047.       return -1;
  1048.     break;
  1049.   case 0xFF:
  1050.     if (result == 0xFFFE || result == 0xFFFF)
  1051.       return -1;
  1052.     break;
  1053.   }
  1054.   return result;
  1055. }
  1056. int FASTCALL
  1057. XmlUtf8Encode(int c, char *buf)
  1058. {
  1059.   enum {
  1060.     /* minN is minimum legal resulting value for N byte sequence */
  1061.     min2 = 0x80,
  1062.     min3 = 0x800,
  1063.     min4 = 0x10000
  1064.   };
  1065.   if (c < 0)
  1066.     return 0;
  1067.   if (c < min2) {
  1068.     buf[0] = (char)(c | UTF8_cval1);
  1069.     return 1;
  1070.   }
  1071.   if (c < min3) {
  1072.     buf[0] = (char)((c >> 6) | UTF8_cval2);
  1073.     buf[1] = (char)((c & 0x3f) | 0x80);
  1074.     return 2;
  1075.   }
  1076.   if (c < min4) {
  1077.     buf[0] = (char)((c >> 12) | UTF8_cval3);
  1078.     buf[1] = (char)(((c >> 6) & 0x3f) | 0x80);
  1079.     buf[2] = (char)((c & 0x3f) | 0x80);
  1080.     return 3;
  1081.   }
  1082.   if (c < 0x110000) {
  1083.     buf[0] = (char)((c >> 18) | UTF8_cval4);
  1084.     buf[1] = (char)(((c >> 12) & 0x3f) | 0x80);
  1085.     buf[2] = (char)(((c >> 6) & 0x3f) | 0x80);
  1086.     buf[3] = (char)((c & 0x3f) | 0x80);
  1087.     return 4;
  1088.   }
  1089.   return 0;
  1090. }
  1091. int FASTCALL
  1092. XmlUtf16Encode(int charNum, unsigned short *buf)
  1093. {
  1094.   if (charNum < 0)
  1095.     return 0;
  1096.   if (charNum < 0x10000) {
  1097.     buf[0] = (unsigned short)charNum;
  1098.     return 1;
  1099.   }
  1100.   if (charNum < 0x110000) {
  1101.     charNum -= 0x10000;
  1102.     buf[0] = (unsigned short)((charNum >> 10) + 0xD800);
  1103.     buf[1] = (unsigned short)((charNum & 0x3FF) + 0xDC00);
  1104.     return 2;
  1105.   }
  1106.   return 0;
  1107. }
  1108. struct unknown_encoding {
  1109.   struct normal_encoding normal;
  1110.   CONVERTER convert;
  1111.   void *userData;
  1112.   unsigned short utf16[256];
  1113.   char utf8[256][4];
  1114. };
  1115. #define AS_UNKNOWN_ENCODING(enc)  ((const struct unknown_encoding *) (enc))
  1116. int
  1117. XmlSizeOfUnknownEncoding(void)
  1118. {
  1119.   return sizeof(struct unknown_encoding);
  1120. }
  1121. static int PTRFASTCALL
  1122. unknown_isName(const ENCODING *enc, const char *p)
  1123. {
  1124.   const struct unknown_encoding *uenc = AS_UNKNOWN_ENCODING(enc);
  1125.   int c = uenc->convert(uenc->userData, p);
  1126.   if (c & ~0xFFFF)
  1127.     return 0;
  1128.   return UCS2_GET_NAMING(namePages, c >> 8, c & 0xFF);
  1129. }
  1130. static int PTRFASTCALL
  1131. unknown_isNmstrt(const ENCODING *enc, const char *p)
  1132. {
  1133.   const struct unknown_encoding *uenc = AS_UNKNOWN_ENCODING(enc);
  1134.   int c = uenc->convert(uenc->userData, p);
  1135.   if (c & ~0xFFFF)
  1136.     return 0;
  1137.   return UCS2_GET_NAMING(nmstrtPages, c >> 8, c & 0xFF);
  1138. }
  1139. static int PTRFASTCALL
  1140. unknown_isInvalid(const ENCODING *enc, const char *p)
  1141. {
  1142.   const struct unknown_encoding *uenc = AS_UNKNOWN_ENCODING(enc);
  1143.   int c = uenc->convert(uenc->userData, p);
  1144.   return (c & ~0xFFFF) || checkCharRefNumber(c) < 0;
  1145. }
  1146. static void PTRCALL
  1147. unknown_toUtf8(const ENCODING *enc,
  1148.                const char **fromP, const char *fromLim,
  1149.                char **toP, const char *toLim)
  1150. {
  1151.   const struct unknown_encoding *uenc = AS_UNKNOWN_ENCODING(enc);
  1152.   char buf[XML_UTF8_ENCODE_MAX];
  1153.   for (;;) {
  1154.     const char *utf8;
  1155.     int n;
  1156.     if (*fromP == fromLim)
  1157.       break;
  1158.     utf8 = uenc->utf8[(unsigned char)**fromP];
  1159.     n = *utf8++;
  1160.     if (n == 0) {
  1161.       int c = uenc->convert(uenc->userData, *fromP);
  1162.       n = XmlUtf8Encode(c, buf);
  1163.       if (n > toLim - *toP)
  1164.         break;
  1165.       utf8 = buf;
  1166.       *fromP += (AS_NORMAL_ENCODING(enc)->type[(unsigned char)**fromP]
  1167.                  - (BT_LEAD2 - 2));
  1168.     }
  1169.     else {
  1170.       if (n > toLim - *toP)
  1171.         break;
  1172.       (*fromP)++;
  1173.     }
  1174.     do {
  1175.       *(*toP)++ = *utf8++;
  1176.     } while (--n != 0);
  1177.   }
  1178. }
  1179. static void PTRCALL
  1180. unknown_toUtf16(const ENCODING *enc,
  1181.                 const char **fromP, const char *fromLim,
  1182.                 unsigned short **toP, const unsigned short *toLim)
  1183. {
  1184.   const struct unknown_encoding *uenc = AS_UNKNOWN_ENCODING(enc);
  1185.   while (*fromP != fromLim && *toP != toLim) {
  1186.     unsigned short c = uenc->utf16[(unsigned char)**fromP];
  1187.     if (c == 0) {
  1188.       c = (unsigned short)
  1189.           uenc->convert(uenc->userData, *fromP);
  1190.       *fromP += (AS_NORMAL_ENCODING(enc)->type[(unsigned char)**fromP]
  1191.                  - (BT_LEAD2 - 2));
  1192.     }
  1193.     else
  1194.       (*fromP)++;
  1195.     *(*toP)++ = c;
  1196.   }
  1197. }
  1198. ENCODING *
  1199. XmlInitUnknownEncoding(void *mem,
  1200.                        int *table,
  1201.                        CONVERTER convert, 
  1202.                        void *userData)
  1203. {
  1204.   int i;
  1205.   struct unknown_encoding *e = (struct unknown_encoding *)mem;
  1206.   for (i = 0; i < (int)sizeof(struct normal_encoding); i++)
  1207.     ((char *)mem)[i] = ((char *)&latin1_encoding)[i];
  1208.   for (i = 0; i < 128; i++)
  1209.     if (latin1_encoding.type[i] != BT_OTHER
  1210.         && latin1_encoding.type[i] != BT_NONXML
  1211.         && table[i] != i)
  1212.       return 0;
  1213.   for (i = 0; i < 256; i++) {
  1214.     int c = table[i];
  1215.     if (c == -1) {
  1216.       e->normal.type[i] = BT_MALFORM;
  1217.       /* This shouldn't really get used. */
  1218.       e->utf16[i] = 0xFFFF;
  1219.       e->utf8[i][0] = 1;
  1220.       e->utf8[i][1] = 0;
  1221.     }
  1222.     else if (c < 0) {
  1223.       if (c < -4)
  1224.         return 0;
  1225.       e->normal.type[i] = (unsigned char)(BT_LEAD2 - (c + 2));
  1226.       e->utf8[i][0] = 0;
  1227.       e->utf16[i] = 0;
  1228.     }
  1229.     else if (c < 0x80) {
  1230.       if (latin1_encoding.type[c] != BT_OTHER
  1231.           && latin1_encoding.type[c] != BT_NONXML
  1232.           && c != i)
  1233.         return 0;
  1234.       e->normal.type[i] = latin1_encoding.type[c];
  1235.       e->utf8[i][0] = 1;
  1236.       e->utf8[i][1] = (char)c;
  1237.       e->utf16[i] = (unsigned short)(c == 0 ? 0xFFFF : c);
  1238.     }
  1239.     else if (checkCharRefNumber(c) < 0) {
  1240.       e->normal.type[i] = BT_NONXML;
  1241.       /* This shouldn't really get used. */
  1242.       e->utf16[i] = 0xFFFF;
  1243.       e->utf8[i][0] = 1;
  1244.       e->utf8[i][1] = 0;
  1245.     }
  1246.     else {
  1247.       if (c > 0xFFFF)
  1248.         return 0;
  1249.       if (UCS2_GET_NAMING(nmstrtPages, c >> 8, c & 0xff))
  1250.         e->normal.type[i] = BT_NMSTRT;
  1251.       else if (UCS2_GET_NAMING(namePages, c >> 8, c & 0xff))
  1252.         e->normal.type[i] = BT_NAME;
  1253.       else
  1254.         e->normal.type[i] = BT_OTHER;
  1255.       e->utf8[i][0] = (char)XmlUtf8Encode(c, e->utf8[i] + 1);
  1256.       e->utf16[i] = (unsigned short)c;
  1257.     }
  1258.   }
  1259.   e->userData = userData;
  1260.   e->convert = convert;
  1261.   if (convert) {
  1262.     e->normal.isName2 = unknown_isName;
  1263.     e->normal.isName3 = unknown_isName;
  1264.     e->normal.isName4 = unknown_isName;
  1265.     e->normal.isNmstrt2 = unknown_isNmstrt;
  1266.     e->normal.isNmstrt3 = unknown_isNmstrt;
  1267.     e->normal.isNmstrt4 = unknown_isNmstrt;
  1268.     e->normal.isInvalid2 = unknown_isInvalid;
  1269.     e->normal.isInvalid3 = unknown_isInvalid;
  1270.     e->normal.isInvalid4 = unknown_isInvalid;
  1271.   }
  1272.   e->normal.enc.utf8Convert = unknown_toUtf8;
  1273.   e->normal.enc.utf16Convert = unknown_toUtf16;
  1274.   return &(e->normal.enc);
  1275. }
  1276. /* If this enumeration is changed, getEncodingIndex and encodings
  1277. must also be changed. */
  1278. enum {
  1279.   UNKNOWN_ENC = -1,
  1280.   ISO_8859_1_ENC = 0,
  1281.   US_ASCII_ENC,
  1282.   UTF_8_ENC,
  1283.   UTF_16_ENC,
  1284.   UTF_16BE_ENC,
  1285.   UTF_16LE_ENC,
  1286.   /* must match encodingNames up to here */
  1287.   NO_ENC
  1288. };
  1289. static const char KW_ISO_8859_1[] = {
  1290.   ASCII_I, ASCII_S, ASCII_O, ASCII_MINUS, ASCII_8, ASCII_8, ASCII_5, ASCII_9,
  1291.   ASCII_MINUS, ASCII_1, ''
  1292. };
  1293. static const char KW_US_ASCII[] = {
  1294.   ASCII_U, ASCII_S, ASCII_MINUS, ASCII_A, ASCII_S, ASCII_C, ASCII_I, ASCII_I,
  1295.   ''
  1296. };
  1297. static const char KW_UTF_8[] =  {
  1298.   ASCII_U, ASCII_T, ASCII_F, ASCII_MINUS, ASCII_8, ''
  1299. };
  1300. static const char KW_UTF_16[] = {
  1301.   ASCII_U, ASCII_T, ASCII_F, ASCII_MINUS, ASCII_1, ASCII_6, ''
  1302. };
  1303. static const char KW_UTF_16BE[] = {
  1304.   ASCII_U, ASCII_T, ASCII_F, ASCII_MINUS, ASCII_1, ASCII_6, ASCII_B, ASCII_E,
  1305.   ''
  1306. };
  1307. static const char KW_UTF_16LE[] = {
  1308.   ASCII_U, ASCII_T, ASCII_F, ASCII_MINUS, ASCII_1, ASCII_6, ASCII_L, ASCII_E,
  1309.   ''
  1310. };
  1311. static int FASTCALL
  1312. getEncodingIndex(const char *name)
  1313. {
  1314.   static const char * const encodingNames[] = {
  1315.     KW_ISO_8859_1,
  1316.     KW_US_ASCII,
  1317.     KW_UTF_8,
  1318.     KW_UTF_16,
  1319.     KW_UTF_16BE,
  1320.     KW_UTF_16LE,
  1321.   };
  1322.   int i;
  1323.   if (name == NULL)
  1324.     return NO_ENC;
  1325.   for (i = 0; i < (int)(sizeof(encodingNames)/sizeof(encodingNames[0])); i++)
  1326.     if (streqci(name, encodingNames[i]))
  1327.       return i;
  1328.   return UNKNOWN_ENC;
  1329. }
  1330. /* For binary compatibility, we store the index of the encoding
  1331.    specified at initialization in the isUtf16 member.
  1332. */
  1333. #define INIT_ENC_INDEX(enc) ((int)(enc)->initEnc.isUtf16)
  1334. #define SET_INIT_ENC_INDEX(enc, i) ((enc)->initEnc.isUtf16 = (char)i)
  1335. /* This is what detects the encoding.  encodingTable maps from
  1336.    encoding indices to encodings; INIT_ENC_INDEX(enc) is the index of
  1337.    the external (protocol) specified encoding; state is
  1338.    XML_CONTENT_STATE if we're parsing an external text entity, and
  1339.    XML_PROLOG_STATE otherwise.
  1340. */
  1341. static int
  1342. initScan(const ENCODING * const *encodingTable,
  1343.          const INIT_ENCODING *enc,
  1344.          int state,
  1345.          const char *ptr,
  1346.          const char *end,
  1347.          const char **nextTokPtr)
  1348. {
  1349.   const ENCODING **encPtr;
  1350.   if (ptr == end)
  1351.     return XML_TOK_NONE;
  1352.   encPtr = enc->encPtr;
  1353.   if (ptr + 1 == end) {
  1354.     /* only a single byte available for auto-detection */
  1355. #ifndef XML_DTD /* FIXME */
  1356.     /* a well-formed document entity must have more than one byte */
  1357.     if (state != XML_CONTENT_STATE)
  1358.       return XML_TOK_PARTIAL;
  1359. #endif
  1360.     /* so we're parsing an external text entity... */
  1361.     /* if UTF-16 was externally specified, then we need at least 2 bytes */
  1362.     switch (INIT_ENC_INDEX(enc)) {
  1363.     case UTF_16_ENC:
  1364.     case UTF_16LE_ENC:
  1365.     case UTF_16BE_ENC:
  1366.       return XML_TOK_PARTIAL;
  1367.     }
  1368.     switch ((unsigned char)*ptr) {
  1369.     case 0xFE:
  1370.     case 0xFF:
  1371.     case 0xEF: /* possibly first byte of UTF-8 BOM */
  1372.       if (INIT_ENC_INDEX(enc) == ISO_8859_1_ENC
  1373.           && state == XML_CONTENT_STATE)
  1374.         break;
  1375.       /* fall through */
  1376.     case 0x00:
  1377.     case 0x3C:
  1378.       return XML_TOK_PARTIAL;
  1379.     }
  1380.   }
  1381.   else {
  1382.     switch (((unsigned char)ptr[0] << 8) | (unsigned char)ptr[1]) {
  1383.     case 0xFEFF:
  1384.       if (INIT_ENC_INDEX(enc) == ISO_8859_1_ENC
  1385.           && state == XML_CONTENT_STATE)
  1386.         break;
  1387.       *nextTokPtr = ptr + 2;
  1388.       *encPtr = encodingTable[UTF_16BE_ENC];
  1389.       return XML_TOK_BOM;
  1390.     /* 00 3C is handled in the default case */
  1391.     case 0x3C00:
  1392.       if ((INIT_ENC_INDEX(enc) == UTF_16BE_ENC
  1393.            || INIT_ENC_INDEX(enc) == UTF_16_ENC)
  1394.           && state == XML_CONTENT_STATE)
  1395.         break;
  1396.       *encPtr = encodingTable[UTF_16LE_ENC];
  1397.       return XmlTok(*encPtr, state, ptr, end, nextTokPtr);
  1398.     case 0xFFFE:
  1399.       if (INIT_ENC_INDEX(enc) == ISO_8859_1_ENC
  1400.           && state == XML_CONTENT_STATE)
  1401.         break;
  1402.       *nextTokPtr = ptr + 2;
  1403.       *encPtr = encodingTable[UTF_16LE_ENC];
  1404.       return XML_TOK_BOM;
  1405.     case 0xEFBB:
  1406.       /* Maybe a UTF-8 BOM (EF BB BF) */
  1407.       /* If there's an explicitly specified (external) encoding
  1408.          of ISO-8859-1 or some flavour of UTF-16
  1409.          and this is an external text entity,
  1410.          don't look for the BOM,
  1411.          because it might be a legal data.
  1412.       */
  1413.       if (state == XML_CONTENT_STATE) {
  1414.         int e = INIT_ENC_INDEX(enc);
  1415.         if (e == ISO_8859_1_ENC || e == UTF_16BE_ENC
  1416.             || e == UTF_16LE_ENC || e == UTF_16_ENC)
  1417.           break;
  1418.       }
  1419.       if (ptr + 2 == end)
  1420.         return XML_TOK_PARTIAL;
  1421.       if ((unsigned char)ptr[2] == 0xBF) {
  1422.         *nextTokPtr = ptr + 3;
  1423.         *encPtr = encodingTable[UTF_8_ENC];
  1424.         return XML_TOK_BOM;
  1425.       }
  1426.       break;
  1427.     default:
  1428.       if (ptr[0] == '') {
  1429.         /* 0 isn't a legal data character. Furthermore a document
  1430.            entity can only start with ASCII characters.  So the only
  1431.            way this can fail to be big-endian UTF-16 if it it's an
  1432.            external parsed general entity that's labelled as
  1433.            UTF-16LE.
  1434.         */
  1435.         if (state == XML_CONTENT_STATE && INIT_ENC_INDEX(enc) == UTF_16LE_ENC)
  1436.           break;
  1437.         *encPtr = encodingTable[UTF_16BE_ENC];
  1438.         return XmlTok(*encPtr, state, ptr, end, nextTokPtr);
  1439.       }
  1440.       else if (ptr[1] == '') {
  1441.         /* We could recover here in the case:
  1442.             - parsing an external entity
  1443.             - second byte is 0
  1444.             - no externally specified encoding
  1445.             - no encoding declaration
  1446.            by assuming UTF-16LE.  But we don't, because this would mean when
  1447.            presented just with a single byte, we couldn't reliably determine
  1448.            whether we needed further bytes.
  1449.         */
  1450.         if (state == XML_CONTENT_STATE)
  1451.           break;
  1452.         *encPtr = encodingTable[UTF_16LE_ENC];
  1453.         return XmlTok(*encPtr, state, ptr, end, nextTokPtr);
  1454.       }
  1455.       break;
  1456.     }
  1457.   }
  1458.   *encPtr = encodingTable[INIT_ENC_INDEX(enc)];
  1459.   return XmlTok(*encPtr, state, ptr, end, nextTokPtr);
  1460. }
  1461. #define NS(x) x
  1462. #define ns(x) x
  1463. #define XML_TOK_NS_C
  1464. #include "xmltok_ns.c"
  1465. #undef XML_TOK_NS_C
  1466. #undef NS
  1467. #undef ns
  1468. #ifdef XML_NS
  1469. #define NS(x) x ## NS
  1470. #define ns(x) x ## _ns
  1471. #define XML_TOK_NS_C
  1472. #include "xmltok_ns.c"
  1473. #undef XML_TOK_NS_C
  1474. #undef NS
  1475. #undef ns
  1476. ENCODING *
  1477. XmlInitUnknownEncodingNS(void *mem,
  1478.                          int *table,
  1479.                          CONVERTER convert, 
  1480.                          void *userData)
  1481. {
  1482.   ENCODING *enc = XmlInitUnknownEncoding(mem, table, convert, userData);
  1483.   if (enc)
  1484.     ((struct normal_encoding *)enc)->type[ASCII_COLON] = BT_COLON;
  1485.   return enc;
  1486. }
  1487. #endif /* XML_NS */