lib/Support/Regex.cpp

   1 //===-- Regex.cpp - Regular Expression matcher implementation -------------===//
   2 //
   3 //                     The LLVM Compiler Infrastructure
   4 //
   5 // This file is distributed under the University of Illinois Open Source
   6 // License. See LICENSE.TXT for details.
   7 //
   8 //===----------------------------------------------------------------------===//
   9 //
  10 // This file implements a POSIX regular expression matcher.
  11 //
  12 //===----------------------------------------------------------------------===//
  13
  14 #include "llvm/Support/Regex.h"
  15 #include "regex_impl.h"
  16 #include "llvm/ADT/SmallVector.h"
  17 #include "llvm/ADT/StringRef.h"
  18 #include <string>
  19 using namespace llvm;
  20
  21 Regex::Regex(StringRef regex, unsigned Flags) {
  22   unsigned flags = 0;
  23   preg = new llvm_regex();
  24   preg->re_endp = regex.end();
  25   if (Flags & IgnoreCase)
  26     flags |= REG_ICASE;
  27   if (Flags & Newline)
  28     flags |= REG_NEWLINE;
  29   if (!(Flags & BasicRegex))
  30     flags |= REG_EXTENDED;
  31   error = llvm_regcomp(preg, regex.data(), flags|REG_PEND);
  32 }
  33
  34 Regex::~Regex() {
  35   if (preg) {
  36     llvm_regfree(preg);
  37     delete preg;
  38   }
  39 }
  40
  41 bool Regex::isValid(std::string &Error) {
  42   if (!error)
  43     return true;
  44
  45   size_t len = llvm_regerror(error, preg, nullptr, 0);
  46
  47   Error.resize(len - 1);
  48   llvm_regerror(error, preg, &Error[0], len);
  49   return false;
  50 }
  51
  52 /// getNumMatches - In a valid regex, return the number of parenthesized
  53 /// matches it contains.
  54 unsigned Regex::getNumMatches() const {
  55   return preg->re_nsub;
  56 }
  57
  58 bool Regex::match(StringRef String, SmallVectorImpl<StringRef> *Matches){
  59   unsigned nmatch = Matches ? preg->re_nsub+1 : 0;
  60
  61   // pmatch needs to have at least one element.
  62   SmallVector<llvm_regmatch_t, 8> pm;
  63   pm.resize(nmatch > 0 ? nmatch : 1);
  64   pm[0].rm_so = 0;
  65   pm[0].rm_eo = String.size();
  66
  67   int rc = llvm_regexec(preg, String.data(), nmatch, pm.data(), REG_STARTEND);
  68
  69   if (rc == REG_NOMATCH)
  70     return false;
  71   if (rc != 0) {
  72     // regexec can fail due to invalid pattern or running out of memory.
  73     error = rc;
  74     return false;
  75   }
  76
  77   // There was a match.
  78
  79   if (Matches) { // match position requested
  80     Matches->clear();
  81
  82     for (unsigned i = 0; i != nmatch; ++i) {
  83       if (pm[i].rm_so == -1) {
  84         // this group didn't match
  85         Matches->push_back(StringRef());
  86         continue;
  87       }
  88       assert(pm[i].rm_eo >= pm[i].rm_so);
  89       Matches->push_back(StringRef(String.data()+pm[i].rm_so,
  90                                    pm[i].rm_eo-pm[i].rm_so));
  91     }
  92   }
  93
  94   return true;
  95 }
  96
  97 std::string Regex::sub(StringRef Repl, StringRef String,
  98                        std::string *Error) {
  99   SmallVector<StringRef, 8> Matches;
 100
 101   // Reset error, if given.
 102   if (Error && !Error->empty()) *Error = "";
 103
 104   // Return the input if there was no match.
 105   if (!match(String, &Matches))
 106     return String;
 107
 108   // Otherwise splice in the replacement string, starting with the prefix before
 109   // the match.
 110   std::string Res(String.begin(), Matches[0].begin());
 111
 112   // Then the replacement string, honoring possible substitutions.
 113   while (!Repl.empty()) {
 114     // Skip to the next escape.
 115     std::pair<StringRef, StringRef> Split = Repl.split('\\');
 116
 117     // Add the skipped substring.
 118     Res += Split.first;
 119
 120     // Check for terminimation and trailing backslash.
 121     if (Split.second.empty()) {
 122       if (Repl.size() != Split.first.size() &&
 123           Error && Error->empty())
 124         *Error = "replacement string contained trailing backslash";
 125       break;
 126     }
 127
 128     // Otherwise update the replacement string and interpret escapes.
 129     Repl = Split.second;
 130
 131     // FIXME: We should have a StringExtras function for mapping C99 escapes.
 132     switch (Repl[0]) {
 133       // Treat all unrecognized characters as self-quoting.
 134     default:
 135       Res += Repl[0];
 136       Repl = Repl.substr(1);
 137       break;
 138
 139       // Single character escapes.
 140     case 't':
 141       Res += '\t';
 142       Repl = Repl.substr(1);
 143       break;
 144     case 'n':
 145       Res += '\n';
 146       Repl = Repl.substr(1);
 147       break;
 148
 149       // Decimal escapes are backreferences.
 150     case '0': case '1': case '2': case '3': case '4':
 151     case '5': case '6': case '7': case '8': case '9': {
 152       // Extract the backreference number.
 153       StringRef Ref = Repl.slice(0, Repl.find_first_not_of("0123456789"));
 154       Repl = Repl.substr(Ref.size());
 155
 156       unsigned RefValue;
 157       if (!Ref.getAsInteger(10, RefValue) &&
 158           RefValue < Matches.size())
 159         Res += Matches[RefValue];
 160       else if (Error && Error->empty())
 161         *Error = "invalid backreference string '" + Ref.str() + "'";
 162       break;
 163     }
 164     }
 165   }
 166
 167   // And finally the suffix.
 168   Res += StringRef(Matches[0].end(), String.end() - Matches[0].end());
 169
 170   return Res;
 171 }
 172
 173 // These are the special characters matched in functions like "p_ere_exp".
 174 static const char RegexMetachars[] = "()^$|*+?.[]\\{}";
 175
 176 bool Regex::isLiteralERE(StringRef Str) {
 177   // Check for regex metacharacters.  This list was derived from our regex
 178   // implementation in regcomp.c and double checked against the POSIX extended
 179   // regular expression specification.
 180   return Str.find_first_of(RegexMetachars) == StringRef::npos;
 181 }
 182
 183 std::string Regex::escape(StringRef String) {
 184   std::string RegexStr;
 185   for (unsigned i = 0, e = String.size(); i != e; ++i) {
 186     if (strchr(RegexMetachars, String[i]))
 187       RegexStr += '\\';
 188     RegexStr += String[i];
 189   }
 190
 191   return RegexStr;
 192 }