xmltok.c
上传用户:hmc_gdtv
上传日期:2013-08-04
资源大小:798k
文件大小:42k
源码类别:

Windows Mobile

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