Annotation of libwww/Library/src/SGML.c, revision 1.40

1.23      frystyk     1: /*                                                                      SGML.c
                      2: **     GENERAL SGML PARSER CODE
                      3: **
1.27      frystyk     4: **     (c) COPYRIGHT MIT 1995.
1.23      frystyk     5: **     Please first read the full copyright statement in the file COPYRIGH.
1.40    ! frystyk     6: **     @(#) $Id: SGML.c,v 1.39 1996/04/12 17:49:57 frystyk Exp $
1.1       timbl       7: **
1.2       timbl       8: **     This module implements an HTStream object. To parse an
1.1       timbl       9: **     SGML file, create this object which is a parser. The object
1.2       timbl      10: **     is (currently) created by being passed a DTD structure,
                     11: **     and a target HTStructured oject at which to throw the parsed stuff.
1.1       timbl      12: **     
1.19      duns       13: **      6 Feb 93       Binary seraches used. Intreface modified.
                     14: **      8 Jul 94  FM   Insulate free() from _free structure element.
1.1       timbl      15: */
                     16: 
1.25      frystyk    17: /* Library include files */
1.38      frystyk    18: #include "sysdep.h"
1.1       timbl      19: #include "HTUtils.h"
1.25      frystyk    20: #include "HTString.h"
1.1       timbl      21: #include "HTChunk.h"
1.20      frystyk    22: #include "SGML.h"
1.1       timbl      23: 
1.2       timbl      24: #define INVALID (-1)
                     25: 
1.1       timbl      26: /*     The State (context) of the parser
                     27: **
1.2       timbl      28: **     This is passed with each call to make the parser reentrant
1.1       timbl      29: **
                     30: */
                     31: 
1.16      frystyk    32: 
1.2       timbl      33: 
                     34:        
                     35: /*             Element Stack
                     36: **             -------------
                     37: **     This allows us to return down the stack reselcting styles.
                     38: **     As we return, attribute values will be garbage in general.
                     39: */
                     40: typedef struct _HTElement HTElement;
                     41: struct _HTElement {
                     42:        HTElement *     next;   /* Previously nested element or 0 */
                     43:        HTTag*          tag;    /* The tag at this level  */
                     44: };
                     45: 
                     46: 
1.21      frystyk    47: typedef enum _sgml_state {
                     48:     S_text, S_literal, S_tag, S_tag_gap, 
                     49:     S_attr, S_attr_gap, S_equals, S_value, S_after_open,
                     50:     S_nl, S_nl_tago,
                     51:     S_ero, S_cro,
                     52: #ifdef ISO_2022_JP
                     53:     S_esc, S_dollar, S_paren, S_nonascii_text,
                     54: #endif
                     55:     S_squoted, S_dquoted, S_end, S_entity, S_junk_tag
                     56: } sgml_state;
                     57: 
                     58: 
1.2       timbl      59: /*     Internal Context Data Structure
                     60: **     -------------------------------
                     61: */
                     62: struct _HTStream {
                     63: 
1.38      frystyk    64:     const HTStreamClass *      isa;            /* inherited from HTStream */
1.2       timbl      65:     
1.38      frystyk    66:     const SGML_dtd             *dtd;
1.2       timbl      67:     HTStructuredClass  *actions;       /* target class  */
                     68:     HTStructured       *target;        /* target object */
                     69: 
1.1       timbl      70:     HTTag              *current_tag;
1.2       timbl      71:     int                current_attribute_number;
1.1       timbl      72:     HTChunk            *string;
                     73:     HTElement          *element_stack;
1.21      frystyk    74:     sgml_state         state;
1.2       timbl      75:     BOOL present[MAX_ATTRIBUTES];      /* Flags: attribute is present? */
                     76:     char * value[MAX_ATTRIBUTES];      /* malloc'd strings or NULL if none */
                     77: } ;
                     78: 
                     79: 
                     80: #define PUTC(ch) ((*context->actions->put_character)(context->target, ch))
                     81: 
1.1       timbl      82: 
1.17      timbl      83: /*     Find Attribute Number
                     84: **     ---------------------
                     85: */
                     86: 
1.40    ! frystyk    87: PRIVATE int SGMLFindAttribute  (HTTag* tag, const char * s)
1.17      timbl      88: {
                     89:     attr* attributes = tag->attributes;
                     90: 
                     91:     int high, low, i, diff;            /* Binary search for attribute name */
                     92:     for(low=0, high=tag->number_of_attributes;
                     93:                high > low ;
                     94:                diff < 0 ? (low = i+1) : (high = i) )  {
                     95:        i = (low + (high-low)/2);
                     96:        diff = strcasecomp(attributes[i].name, s);
                     97:        if (diff==0) return i;                  /* success: found it */
                     98:     } /* for */
                     99:     
                    100:     return -1;
                    101: }
                    102: 
1.1       timbl     103: 
                    104: /*     Handle Attribute
                    105: **     ----------------
                    106: */
1.38      frystyk   107: /* PUBLIC const char * SGML_default = "";   ?? */
1.1       timbl     108: 
1.38      frystyk   109: PRIVATE void handle_attribute_name (HTStream * context, const char * s)
1.1       timbl     110: {
1.2       timbl     111: 
                    112:     HTTag * tag = context->current_tag;
                    113: 
1.17      timbl     114:     int i = SGMLFindAttribute(tag, s);
                    115:     if (i>=0) {
                    116:        context->current_attribute_number = i;
                    117:        context->present[i] = YES;
                    118:        if (context->value[i]) {
1.36      frystyk   119:            HT_FREE(context->value[i]);
1.17      timbl     120:            context->value[i] = NULL;
                    121:        }
                    122:        return;
                    123:     } /* if */
1.2       timbl     124:        
1.20      frystyk   125:     if (SGML_TRACE)
1.37      eric      126:        HTTrace("SGML: Unknown attribute %s for tag %s\n",
1.2       timbl     127:            s, context->current_tag->name);
                    128:     context->current_attribute_number = INVALID;       /* Invalid */
1.1       timbl     129: }
                    130: 
                    131: 
                    132: /*     Handle attribute value
                    133: **     ----------------------
                    134: */
1.38      frystyk   135: PRIVATE void handle_attribute_value (HTStream * context, const char * s)
1.1       timbl     136: {
1.2       timbl     137:     if (context->current_attribute_number != INVALID) {
                    138:        StrAllocCopy(context->value[context->current_attribute_number], s);
1.1       timbl     139:     } else {
1.37      eric      140:         if (SGML_TRACE) HTTrace("SGML: Attribute value %s ignored\n", s);
1.1       timbl     141:     }
1.2       timbl     142:     context->current_attribute_number = INVALID; /* can't have two assignments! */
1.1       timbl     143: }
                    144: 
1.2       timbl     145: 
1.1       timbl     146: /*     Handle entity
                    147: **     -------------
                    148: **
                    149: ** On entry,
                    150: **     s       contains the entity name zero terminated
                    151: ** Bugs:
                    152: **     If the entity name is unknown, the terminator is treated as
                    153: **     a printable non-special character in all cases, even if it is '<'
                    154: */
1.31      frystyk   155: PRIVATE void handle_entity (HTStream * context, char term)
1.1       timbl     156: {
1.2       timbl     157: 
1.38      frystyk   158:     const char ** entities = context->dtd->entity_names;
                    159:     const char *s = context->string->data;
1.2       timbl     160:     
                    161:     int high, low, i, diff;
                    162:     for(low=0, high = context->dtd->number_of_entities;
                    163:                high > low ;
                    164:                diff < 0 ? (low = i+1) : (high = i))   {  /* Binary serach */
                    165:        i = (low + (high-low)/2);
                    166:        diff = strcmp(entities[i], s);  /* Csse sensitive! */
                    167:        if (diff==0) {                  /* success: found it */
                    168:            (*context->actions->put_entity)(context->target, i);
                    169:            return;
1.1       timbl     170:        }
                    171:     }
                    172:     /* If entity string not found, display as text */
1.20      frystyk   173:     if (SGML_TRACE)
1.37      eric      174:        HTTrace("SGML: Unknown entity %s\n", s); 
1.2       timbl     175:     PUTC('&');
1.1       timbl     176:     {
1.38      frystyk   177:        const char *p;
1.1       timbl     178:        for (p=s; *p; p++) {
1.2       timbl     179:            PUTC(*p);
1.1       timbl     180:        }
                    181:     }
1.2       timbl     182:     PUTC(term);
1.1       timbl     183: }
                    184: 
1.35      frystyk   185: /*
                    186: **     Helper function to check if the tag is on the stack
                    187: */
                    188: PRIVATE BOOL lookup_element_stack (HTElement* stack, HTTag *tag)
                    189: {
                    190:     HTElement* elem;
                    191:     for (elem = stack; elem != NULL; elem = elem->next)
                    192:     {
                    193:         if (elem->tag == tag)  return YES;
                    194:     }
                    195:     return NO;
                    196: }
1.2       timbl     197: 
1.1       timbl     198: /*     End element
1.2       timbl     199: **     -----------
1.1       timbl     200: */
1.31      frystyk   201: PRIVATE void end_element (HTStream * context, HTTag * old_tag)
1.1       timbl     202: {
1.37      eric      203:     if (SGML_TRACE) HTTrace("SGML: End   </%s>\n", old_tag->name);
1.2       timbl     204:     if (old_tag->contents == SGML_EMPTY) {
1.37      eric      205:         if (SGML_TRACE) HTTrace("SGML: Illegal end tag </%s> found.\n",
1.1       timbl     206:                old_tag->name);
                    207:        return;
                    208:     }
                    209:     while (context->element_stack)     {/* Loop is error path only */
                    210:        HTElement * N = context->element_stack;
                    211:        HTTag * t = N->tag;
                    212:        
                    213:        if (old_tag != t) {             /* Mismatch: syntax error */
1.35      frystyk   214:            /*
                    215:            ** Patch from Maciej Puzio, puzio@laser.mimuw.edu.pl
                    216:            ** See explanation in ../User/Patch/lib_4.0_1.fix
                    217:            */
                    218:             if (context->element_stack->next   /* This is not the last level */
                    219:                && lookup_element_stack(context->element_stack, old_tag)) {
1.37      eric      220:                if (SGML_TRACE) HTTrace(
1.1       timbl     221:                "SGML: Found </%s> when expecting </%s>. </%s> assumed.\n",
                    222:                    old_tag->name, t->name, t->name);
                    223:            } else {                    /* last level */
1.37      eric      224:                if (SGML_TRACE) HTTrace(
1.1       timbl     225:                    "SGML: Found </%s> when expecting </%s>. </%s> Ignored.\n",
                    226:                    old_tag->name, t->name, old_tag->name);
                    227:                return;                 /* Ignore */
                    228:            }
                    229:        }
                    230:        
                    231:        context->element_stack = N->next;               /* Remove from stack */
1.36      frystyk   232:        HT_FREE(N);
1.2       timbl     233:        (*context->actions->end_element)(context->target,
                    234:                 t - context->dtd->tags);
1.1       timbl     235:        if (old_tag == t) return;  /* Correct sequence */
                    236:        
                    237:        /* Syntax error path only */
                    238:        
                    239:     }
1.37      eric      240:     if (SGML_TRACE) HTTrace(
1.1       timbl     241:        "SGML: Extra end tag </%s> found and ignored.\n", old_tag->name);
                    242: }
                    243: 
                    244: 
1.17      timbl     245: /*     Start an element
                    246: **     ----------------
1.1       timbl     247: */
1.31      frystyk   248: PRIVATE void start_element (HTStream * context)
1.1       timbl     249: {
                    250:     HTTag * new_tag = context->current_tag;
                    251:     
1.37      eric      252:     if (SGML_TRACE) HTTrace("SGML: Start <%s>\n", new_tag->name);
1.2       timbl     253:     (*context->actions->start_element)(
                    254:        context->target,
                    255:        new_tag - context->dtd->tags,
                    256:        context->present,
1.38      frystyk   257:        (const char**) context->value);  /* coerce type for think c */
1.2       timbl     258:     if (new_tag->contents != SGML_EMPTY) {             /* i.e. tag not empty */
1.36      frystyk   259:        HTElement * N;
                    260:        if ((N = (HTElement  *) HT_MALLOC(sizeof(HTElement))) == NULL)
                    261:            HT_OUTOFMEM("start_element");
1.1       timbl     262:        N->next = context->element_stack;
                    263:        N->tag = new_tag;
                    264:        context->element_stack = N;
                    265:     }
                    266: }
                    267: 
                    268: 
1.2       timbl     269: /*             Find Tag in DTD tag list
                    270: **             ------------------------
1.1       timbl     271: **
                    272: ** On entry,
1.2       timbl     273: **     dtd     points to dtd structire including valid tag list
                    274: **     string  points to name of tag in question
1.1       timbl     275: **
1.2       timbl     276: ** On exit,
                    277: **     returns:
1.7       timbl     278: **             NULL            tag not found
                    279: **             else            address of tag structure in dtd
1.2       timbl     280: */
1.40    ! frystyk   281: PRIVATE HTTag * SGMLFindTag (const SGML_dtd* dtd, const char * string)
1.2       timbl     282: {
                    283:     int high, low, i, diff;
                    284:     for(low=0, high=dtd->number_of_tags;
                    285:                high > low ;
                    286:                diff < 0 ? (low = i+1) : (high = i))   {  /* Binary serach */
                    287:        i = (low + (high-low)/2);
1.3       timbl     288:        diff = strcasecomp(dtd->tags[i].name, string);  /* Case insensitive */
1.2       timbl     289:        if (diff==0) {                  /* success: found it */
1.7       timbl     290:            return &dtd->tags[i];
1.2       timbl     291:        }
                    292:     }
1.7       timbl     293:     return NULL;
1.2       timbl     294: }
                    295: 
                    296: /*________________________________________________________________________
                    297: **                     Public Methods
1.1       timbl     298: */
                    299: 
1.2       timbl     300: 
                    301: /*     Could check that we are back to bottom of stack! @@  */
1.40    ! frystyk   302: PRIVATE int SGML_flush  (HTStream * context)
1.26      frystyk   303: {
                    304:     while (context->element_stack) {
                    305:        HTElement *ptr = context->element_stack;
                    306:        if (SGML_TRACE)
1.37      eric      307:            HTTrace("SGML........ Non-matched tag found: <%s>\n",
1.26      frystyk   308:                    context->element_stack->tag->name);
                    309:        context->element_stack = ptr->next;
1.36      frystyk   310:        HT_FREE(ptr);
1.26      frystyk   311:     }
                    312:     return (*context->actions->flush)(context->target);
                    313: }
1.1       timbl     314: 
1.40    ! frystyk   315: PRIVATE int SGML_free  (HTStream * context)
1.8       timbl     316: {
1.26      frystyk   317:     int status;
1.14      frystyk   318:     int cnt;
1.15      frystyk   319:     while (context->element_stack) {    /* Make sure, that all tags are gone */
                    320:        HTElement *ptr = context->element_stack;
                    321: 
1.26      frystyk   322:        if (SGML_TRACE)
1.37      eric      323:            HTTrace("SGML........ Non-matched tag found: <%s>\n",
1.26      frystyk   324:                    context->element_stack->tag->name);
1.15      frystyk   325:        context->element_stack = ptr->next;
1.36      frystyk   326:        HT_FREE(ptr);
1.15      frystyk   327:     }
1.26      frystyk   328:     if ((status = (*context->actions->_free)(context->target)) != HT_OK)
                    329:        return status;
1.33      frystyk   330:     HTChunk_delete(context->string);
1.15      frystyk   331:     for(cnt=0; cnt<MAX_ATTRIBUTES; cnt++)               /* Leak fix Henrik 18/02-94 */
1.14      frystyk   332:        if(context->value[cnt])
1.36      frystyk   333:            HT_FREE(context->value[cnt]);
                    334:     HT_FREE(context);
1.26      frystyk   335:     return HT_OK;
1.1       timbl     336: }
                    337: 
1.40    ! frystyk   338: PRIVATE int SGML_abort  (HTStream * context, HTList * e)
1.1       timbl     339: {
1.14      frystyk   340:     int cnt;
1.15      frystyk   341:     while (context->element_stack) {    /* Make sure, that all tags are gone */
                    342:        HTElement *ptr = context->element_stack;
1.26      frystyk   343:        if (SGML_TRACE)
1.37      eric      344:            HTTrace("SGML........ Non-matched tag found: <%s>\n",
1.26      frystyk   345:                    context->element_stack->tag->name);
1.15      frystyk   346:        context->element_stack = ptr->next;
1.36      frystyk   347:        HT_FREE(ptr);
1.15      frystyk   348:     }
1.8       timbl     349:     (*context->actions->abort)(context->target, e);
1.33      frystyk   350:     HTChunk_delete(context->string);
1.14      frystyk   351:     for(cnt=0; cnt<MAX_ATTRIBUTES; cnt++)              /* Leak fix Henrik 18/02-94 */
                    352:        if(context->value[cnt])
1.36      frystyk   353:            HT_FREE(context->value[cnt]);
                    354:     HT_FREE(context);
1.26      frystyk   355:     return HT_ERROR;
1.1       timbl     356: }
                    357: 
1.40    ! frystyk   358: PRIVATE int SGML_character (HTStream * context, char c)
1.1       timbl     359: 
                    360: {
1.38      frystyk   361:     const SGML_dtd     *dtd    =       context->dtd;
1.1       timbl     362:     HTChunk    *string =       context->string;
                    363: 
                    364:     switch(context->state) {
1.18      timbl     365:     
                    366:     case S_after_open: /* Strip one trainling newline
                    367:                        only after opening nonempty element.  - SGML:Ugh! */
                    368:         if (c=='\n' && (context->current_tag->contents != SGML_EMPTY)) {
                    369:            break;
                    370:        }
                    371:        context->state = S_text;
                    372:        goto normal_text;
                    373:        /* (***falls through***) */
                    374:        
1.1       timbl     375:     case S_text:
1.18      timbl     376: normal_text:
                    377: 
1.13      timbl     378: #ifdef ISO_2022_JP
                    379:        if (c=='\033') {
                    380:            context->state = S_esc;
                    381:            PUTC(c);
                    382:            break;
                    383:        }
                    384: #endif /* ISO_2022_JP */
1.6       timbl     385:        if (c=='&' && (!context->element_stack || (
                    386:                         context->element_stack->tag  &&
                    387:                         ( context->element_stack->tag->contents == SGML_MIXED
                    388:                           || context->element_stack->tag->contents ==
                    389:                                                         SGML_RCDATA)
                    390:                        ))) {
1.1       timbl     391:            string->size = 0;
                    392:            context->state = S_ero;
                    393:            
                    394:        } else if (c=='<') {
                    395:            string->size = 0;
                    396:            context->state = (context->element_stack &&
1.13      timbl     397:                context->element_stack->tag  &&
                    398:                context->element_stack->tag->contents == SGML_LITERAL) ?
1.12      timbl     399:                                S_literal : S_tag;
1.18      timbl     400:        } else if (c=='\n') {   /* Newline - ignore if before tag end! */
                    401:            context->state = S_nl;
1.2       timbl     402:        } else PUTC(c);
1.1       timbl     403:        break;
1.13      timbl     404: 
1.18      timbl     405:     case S_nl:
                    406:         if (c=='<') {
                    407:            string->size = 0;
                    408:            context->state = (context->element_stack &&
                    409:                context->element_stack->tag  &&
                    410:                context->element_stack->tag->contents == SGML_LITERAL) ?
                    411:                                S_literal : S_nl_tago;
                    412:        } else {
                    413:            PUTC('\n');
                    414:            context->state = S_text;
                    415:            goto normal_text;
                    416:        }
                    417:        break;
                    418: 
                    419:     case S_nl_tago:            /* Had newline and tag opener */
                    420:         if (c != '/') {
                    421:            PUTC('\n');         /* Only ignore newline before </ */
                    422:        }
                    423:        context->state = S_tag;
                    424:        goto handle_S_tag;
                    425: 
1.13      timbl     426: #ifdef ISO_2022_JP
                    427:     case S_esc:
                    428:        if (c=='$') {
                    429:            context->state = S_dollar;
                    430:        } else if (c=='(') {
                    431:            context->state = S_paren;
                    432:        } else {
                    433:            context->state = S_text;
                    434:        }
                    435:        PUTC(c);
                    436:        break;
                    437:     case S_dollar:
                    438:        if (c=='@' || c=='B') {
                    439:            context->state = S_nonascii_text;
                    440:        } else {
                    441:            context->state = S_text;
                    442:        }
                    443:        PUTC(c);
                    444:        break;
                    445:     case S_paren:
                    446:        if (c=='B' || c=='J') {
                    447:            context->state = S_text;
                    448:        } else {
                    449:            context->state = S_text;
                    450:        }
                    451:        PUTC(c);
                    452:        break;
                    453:     case S_nonascii_text:
                    454:        if (c=='\033') {
                    455:            context->state = S_esc;
                    456:            PUTC(c);
                    457:        } else {
                    458:            PUTC(c);
                    459:        }
                    460:        break;
                    461: #endif /* ISO_2022_JP */
1.1       timbl     462: 
1.12      timbl     463: /*     In literal mode, waits only for specific end tag!
1.2       timbl     464: **     Only foir compatibility with old servers.
1.1       timbl     465: */
1.12      timbl     466:     case S_literal :
1.33      frystyk   467:        HTChunk_putc(string, c);
1.1       timbl     468:        if ( TOUPPER(c) != ((string->size ==1) ? '/'
                    469:                : context->element_stack->tag->name[string->size-2])) {
                    470:            int i;
                    471:            
1.12      timbl     472:            /*  If complete match, end literal */
1.1       timbl     473:            if ((c=='>') && (!context->element_stack->tag->name[string->size-2])) {
                    474:                end_element(context, context->element_stack->tag);
                    475:                string->size = 0;
1.2       timbl     476:                context->current_attribute_number = INVALID;
1.1       timbl     477:                context->state = S_text;
                    478:                break;
                    479:            }           /* If Mismatch: recover string. */
1.2       timbl     480:            PUTC( '<');
1.1       timbl     481:            for (i=0; i<string->size; i++)      /* recover */
1.2       timbl     482:               PUTC(
1.1       timbl     483:                                              string->data[i]);
                    484:            context->state = S_text;    
                    485:        }
                    486:        
                    487:         break;
                    488: 
                    489: /*     Character reference or Entity
                    490: */
                    491:    case S_ero:
                    492:        if (c=='#') {
                    493:            context->state = S_cro;  /*   &# is Char Ref Open */ 
                    494:            break;
                    495:        }
                    496:        context->state = S_entity;    /* Fall through! */
                    497:        
                    498: /*     Handle Entities
                    499: */
                    500:     case S_entity:
                    501:        if (isalnum(c))
1.33      frystyk   502:            HTChunk_putc(string, c);
1.1       timbl     503:        else {
1.33      frystyk   504:            HTChunk_terminate(string);
1.1       timbl     505:            handle_entity(context, c);
                    506:            context->state = S_text;
                    507:        }
                    508:        break;
                    509: 
                    510: /*     Character reference
                    511: */
                    512:     case S_cro:
                    513:        if (isalnum(c))
1.33      frystyk   514:            HTChunk_putc(string, c);    /* accumulate a character NUMBER */
1.1       timbl     515:        else {
                    516:            int value;
1.33      frystyk   517:            HTChunk_terminate(string);
1.1       timbl     518:            if (sscanf(string->data, "%d", &value)==1)
1.28      frystyk   519:                PUTC((char) value);
1.1       timbl     520:            context->state = S_text;
                    521:        }
                    522:        break;
                    523: 
                    524: /*             Tag
                    525: */         
                    526:     case S_tag:                                /* new tag */
1.18      timbl     527: handle_S_tag:
                    528: 
1.1       timbl     529:        if (isalnum(c))
1.33      frystyk   530:            HTChunk_putc(string, c);
1.1       timbl     531:        else {                          /* End of tag name */
1.7       timbl     532:            HTTag * t;
1.1       timbl     533:            if (c=='/') {
1.20      frystyk   534:                if (SGML_TRACE) if (string->size!=0)
1.37      eric      535:                    HTTrace("SGML:  `<%s/' found!\n", string->data);
1.1       timbl     536:                context->state = S_end;
                    537:                break;
                    538:            }
1.33      frystyk   539:            HTChunk_terminate(string) ;
1.2       timbl     540: 
1.10      timbl     541:            t = SGMLFindTag(dtd, string->data);
1.7       timbl     542:            if (!t) {
1.37      eric      543:                if(SGML_TRACE) HTTrace("SGML: *** Unknown element %s\n",
1.1       timbl     544:                        string->data);
                    545:                context->state = (c=='>') ? S_text : S_junk_tag;
                    546:                break;
                    547:            }
1.7       timbl     548:            context->current_tag = t;
1.2       timbl     549:            
                    550:            /*  Clear out attributes
                    551:            */
1.1       timbl     552:            
1.2       timbl     553:            {
                    554:                int i;
                    555:                for (i=0; i< context->current_tag->number_of_attributes; i++)
                    556:                    context->present[i] = NO;
1.1       timbl     557:            }
                    558:            string->size = 0;
1.2       timbl     559:            context->current_attribute_number = INVALID;
1.1       timbl     560:            
                    561:            if (c=='>') {
                    562:                if (context->current_tag->name) start_element(context);
1.18      timbl     563:                context->state = S_after_open;
1.1       timbl     564:            } else {
                    565:                context->state = S_tag_gap;
                    566:            }
                    567:        }
                    568:        break;
                    569: 
                    570:                
                    571:     case S_tag_gap:            /* Expecting attribute or > */
                    572:        if (WHITE(c)) break;    /* Gap between attributes */
                    573:        if (c=='>') {           /* End of tag */
                    574:            if (context->current_tag->name) start_element(context);
1.18      timbl     575:            context->state = S_after_open;
1.1       timbl     576:            break;
                    577:        }
1.33      frystyk   578:        HTChunk_putc(string, c);
1.1       timbl     579:        context->state = S_attr;                /* Get attribute */
                    580:        break;
                    581:        
                    582:                                /* accumulating value */
                    583:     case S_attr:
                    584:        if (WHITE(c) || (c=='>') || (c=='=')) {         /* End of word */
1.33      frystyk   585:            HTChunk_terminate(string) ;
1.1       timbl     586:            handle_attribute_name(context, string->data);
                    587:            string->size = 0;
                    588:            if (c=='>') {               /* End of tag */
                    589:                if (context->current_tag->name) start_element(context);
1.18      timbl     590:                context->state = S_after_open;
1.1       timbl     591:                break;
                    592:            }
                    593:            context->state = (c=='=' ?  S_equals: S_attr_gap);
                    594:        } else {
1.33      frystyk   595:            HTChunk_putc(string, c);
1.1       timbl     596:        }
                    597:        break;
                    598:                
                    599:     case S_attr_gap:           /* Expecting attribute or = or > */
                    600:        if (WHITE(c)) break;    /* Gap after attribute */
                    601:        if (c=='>') {           /* End of tag */
                    602:            if (context->current_tag->name) start_element(context);
1.18      timbl     603:            context->state = S_after_open;
1.1       timbl     604:            break;
                    605:        } else if (c=='=') {
                    606:            context->state = S_equals;
                    607:            break;
                    608:        }
1.33      frystyk   609:        HTChunk_putc(string, c);
1.1       timbl     610:        context->state = S_attr;                /* Get next attribute */
                    611:        break;
                    612:        
                    613:     case S_equals:                     /* After attr = */ 
                    614:        if (WHITE(c)) break;    /* Before attribute value */
                    615:        if (c=='>') {           /* End of tag */
1.37      eric      616:            if (SGML_TRACE) HTTrace("SGML: found = but no value\n");
1.1       timbl     617:            if (context->current_tag->name) start_element(context);
1.18      timbl     618:            context->state = S_after_open;
1.1       timbl     619:            break;
                    620:            
                    621:        } else if (c=='\'') {
                    622:            context->state = S_squoted;
                    623:            break;
                    624: 
                    625:        } else if (c=='"') {
                    626:            context->state = S_dquoted;
                    627:            break;
                    628:        }
1.33      frystyk   629:        HTChunk_putc(string, c);
1.1       timbl     630:        context->state = S_value;
                    631:        break;
                    632:        
                    633:     case S_value:
                    634:        if (WHITE(c) || (c=='>')) {             /* End of word */
1.33      frystyk   635:            HTChunk_terminate(string) ;
1.1       timbl     636:            handle_attribute_value(context, string->data);
                    637:            string->size = 0;
                    638:            if (c=='>') {               /* End of tag */
                    639:                if (context->current_tag->name) start_element(context);
1.18      timbl     640:                context->state = S_after_open;
1.1       timbl     641:                break;
                    642:            }
                    643:            else context->state = S_tag_gap;
                    644:        } else {
1.33      frystyk   645:            HTChunk_putc(string, c);
1.1       timbl     646:        }
                    647:        break;
                    648:                
                    649:     case S_squoted:            /* Quoted attribute value */
                    650:        if (c=='\'') {          /* End of attribute value */
1.33      frystyk   651:            HTChunk_terminate(string) ;
1.1       timbl     652:            handle_attribute_value(context, string->data);
                    653:            string->size = 0;
                    654:            context->state = S_tag_gap;
                    655:        } else {
1.33      frystyk   656:            HTChunk_putc(string, c);
1.1       timbl     657:        }
                    658:        break;
                    659:        
                    660:     case S_dquoted:            /* Quoted attribute value */
                    661:        if (c=='"') {           /* End of attribute value */
1.33      frystyk   662:            HTChunk_terminate(string) ;
1.1       timbl     663:            handle_attribute_value(context, string->data);
                    664:            string->size = 0;
                    665:            context->state = S_tag_gap;
                    666:        } else {
1.33      frystyk   667:            HTChunk_putc(string, c);
1.1       timbl     668:        }
                    669:        break;
                    670:        
                    671:     case S_end:                                        /* </ */
                    672:        if (isalnum(c))
1.33      frystyk   673:            HTChunk_putc(string, c);
1.1       timbl     674:        else {                          /* End of end tag name */
1.7       timbl     675:            HTTag * t;
1.33      frystyk   676:            HTChunk_terminate(string) ;
1.7       timbl     677:            if (!*string->data) {       /* Empty end tag */
                    678:                t = context->element_stack->tag;
                    679:            } else {
1.10      timbl     680:                t = SGMLFindTag(dtd, string->data);
1.1       timbl     681:            }
1.7       timbl     682:            if (!t) {
1.37      eric      683:                if(SGML_TRACE) HTTrace(
1.1       timbl     684:                    "Unknown end tag </%s>\n", string->data); 
1.2       timbl     685:            } else {
1.7       timbl     686:                context->current_tag = t;
1.2       timbl     687:                end_element( context, context->current_tag);
1.1       timbl     688:            }
1.2       timbl     689: 
1.1       timbl     690:            string->size = 0;
1.2       timbl     691:            context->current_attribute_number = INVALID;
1.7       timbl     692:            if (c!='>') {
1.20      frystyk   693:                if (SGML_TRACE && !WHITE(c))
1.37      eric      694:                    HTTrace("SGML:  `</%s%c' found!\n",
1.7       timbl     695:                        string->data, c);
                    696:                context->state = S_junk_tag;
                    697:            } else {
                    698:                context->state = S_text;
                    699:            }
1.1       timbl     700:        }
                    701:        break;
                    702: 
                    703:                
                    704:     case S_junk_tag:
                    705:        if (c=='>') {
                    706:            context->state = S_text;
                    707:        }
                    708:     } /* switch on context->state */
1.26      frystyk   709:     return HT_OK;
                    710: }
1.2       timbl     711: 
                    712: 
1.40    ! frystyk   713: PRIVATE int SGML_string (HTStream * context, const char* s)
1.2       timbl     714: {
1.26      frystyk   715:     while (*s)
                    716:         SGML_character(context, *s++);
                    717:     return HT_OK;
1.2       timbl     718: }
                    719: 
                    720: 
1.40    ! frystyk   721: PRIVATE int SGML_write (HTStream * context, const char* b, int l)
1.2       timbl     722: {
1.26      frystyk   723:     while (l-- > 0)
                    724:         SGML_character(context, *b++);
                    725:     return HT_OK;
1.2       timbl     726: }
                    727: 
                    728: /*_______________________________________________________________________
                    729: */
                    730: 
                    731: /*     Structured Object Class
                    732: **     -----------------------
                    733: */
1.38      frystyk   734: PRIVATE const HTStreamClass SGMLParser = 
1.2       timbl     735: {              
1.32      frystyk   736:     "SGMLParser",
                    737:     SGML_flush,
                    738:     SGML_free,
                    739:     SGML_abort,
                    740:     SGML_character, 
                    741:     SGML_string,
                    742:     SGML_write,
1.2       timbl     743: }; 
                    744: 
                    745: /*     Create SGML Engine
                    746: **     ------------------
                    747: **
                    748: ** On entry,
                    749: **     dtd             represents the DTD, along with
                    750: **     actions         is the sink for the data as a set of routines.
                    751: **
                    752: */
1.38      frystyk   753: PUBLIC HTStream * SGML_new (const SGML_dtd * dtd, HTStructured * target)
1.2       timbl     754: {
                    755:     int i;
1.36      frystyk   756:     HTStream* context;
1.40    ! frystyk   757:     if ((context = (HTStream  *) HT_CALLOC(1, sizeof(HTStream))) == NULL)
1.36      frystyk   758:         HT_OUTOFMEM("SGML_begin");
1.2       timbl     759: 
                    760:     context->isa = &SGMLParser;
1.33      frystyk   761:     context->string = HTChunk_new(128);        /* Grow by this much */
1.2       timbl     762:     context->dtd = dtd;
                    763:     context->target = target;
                    764:     context->actions = (HTStructuredClass*)(((HTStream*)target)->isa);
                    765:                                        /* Ugh: no OO */
                    766:     context->state = S_text;
                    767:     context->element_stack = 0;                        /* empty */
                    768:     for(i=0; i<MAX_ATTRIBUTES; i++) context->value[i] = 0;
                    769: 
                    770:     return context;
                    771: }

Webmaster