usr.bin/tr/cset.c

   1 /*-
   2  * Copyright (c) 2004 Tim J. Robbins.
   3  * All rights reserved.
   4  *
   5  * Redistribution and use in source and binary forms, with or without
   6  * modification, are permitted provided that the following conditions
   7  * are met:
   8  * 1. Redistributions of source code must retain the above copyright
   9  *    notice, this list of conditions and the following disclaimer.
  10  * 2. Redistributions in binary form must reproduce the above copyright
  11  *    notice, this list of conditions and the following disclaimer in the
  12  *    documentation and/or other materials provided with the distribution.
  13  *
  14  * THIS SOFTWARE IS PROVIDED BY THE AUTHOR AND CONTRIBUTORS ``AS IS'' AND
  15  * ANY EXPRESS OR IMPLIED WARRANTIES, INCLUDING, BUT NOT LIMITED TO, THE
  16  * IMPLIED WARRANTIES OF MERCHANTABILITY AND FITNESS FOR A PARTICULAR PURPOSE
  17  * ARE DISCLAIMED.  IN NO EVENT SHALL THE AUTHOR OR CONTRIBUTORS BE LIABLE
  18  * FOR ANY DIRECT, INDIRECT, INCIDENTAL, SPECIAL, EXEMPLARY, OR CONSEQUENTIAL
  19  * DAMAGES (INCLUDING, BUT NOT LIMITED TO, PROCUREMENT OF SUBSTITUTE GOODS
  20  * OR SERVICES; LOSS OF USE, DATA, OR PROFITS; OR BUSINESS INTERRUPTION)
  21  * HOWEVER CAUSED AND ON ANY THEORY OF LIABILITY, WHETHER IN CONTRACT, STRICT
  22  * LIABILITY, OR TORT (INCLUDING NEGLIGENCE OR OTHERWISE) ARISING IN ANY WAY
  23  * OUT OF THE USE OF THIS SOFTWARE, EVEN IF ADVISED OF THE POSSIBILITY OF
  24  * SUCH DAMAGE.
  25  *
  26  * $FreeBSD: head/usr.bin/tr/cset.c 226363 2011-10-14 10:43:55Z ed $
  27  */
  28 /*
  29  * "Set of characters" ADT implemented as a splay tree of extents, with
  30  * a lookup table cache to simplify looking up the first bunch of
  31  * characters (which are presumably more common than others).
  32  */
  33
  34 #include <assert.h>
  35 #include <stdbool.h>
  36 #include <stdlib.h>
  37 #include <wchar.h>
  38 #include <wctype.h>
  39 #include "cset.h"
  40
  41 static struct csnode *  cset_delete(struct csnode *, wchar_t);
  42 static __inline int     cset_rangecmp(struct csnode *, wchar_t);
  43 static struct csnode *  cset_splay(struct csnode *, wchar_t);
  44
  45 /*
  46  * cset_alloc --
  47  *      Allocate a set of characters.
  48  */
  49 struct cset *
  50 cset_alloc(void)
  51 {
  52         struct cset *cs;
  53
  54         if ((cs = malloc(sizeof(*cs))) == NULL)
  55                 return (NULL);
  56         cs->cs_root = NULL;
  57         cs->cs_classes = NULL;
  58         cs->cs_havecache = false;
  59         cs->cs_invert = false;
  60         return (cs);
  61 }
  62
  63 /*
  64  * cset_add --
  65  *      Add a character to the set.
  66  */
  67 bool
  68 cset_add(struct cset *cs, wchar_t ch)
  69 {
  70         struct csnode *csn, *ncsn;
  71         wchar_t oval;
  72
  73         cs->cs_havecache = false;
  74
  75         /*
  76          * Inserting into empty tree; new item becomes the root.
  77          */
  78         if (cs->cs_root == NULL) {
  79                 csn = malloc(sizeof(*cs->cs_root));
  80                 if (csn == NULL)
  81                         return (false);
  82                 csn->csn_left = csn->csn_right = NULL;
  83                 csn->csn_min = csn->csn_max = ch;
  84                 cs->cs_root = csn;
  85                 return (true);
  86         }
  87
  88         /*
  89          * Splay to check whether the item already exists, and otherwise,
  90          * where we should put it.
  91          */
  92         csn = cs->cs_root = cset_splay(cs->cs_root, ch);
  93
  94         /*
  95          * Avoid adding duplicate nodes.
  96          */
  97         if (cset_rangecmp(csn, ch) == 0)
  98                 return (true);
  99
 100         /*
 101          * Allocate a new node and make it the new root.
 102          */
 103         ncsn = malloc(sizeof(*ncsn));
 104         if (ncsn == NULL)
 105                 return (false);
 106         ncsn->csn_min = ncsn->csn_max = ch;
 107         if (cset_rangecmp(csn, ch) < 0) {
 108                 ncsn->csn_left = csn->csn_left;
 109                 ncsn->csn_right = csn;
 110                 csn->csn_left = NULL;
 111         } else {
 112                 ncsn->csn_right = csn->csn_right;
 113                 ncsn->csn_left = csn;
 114                 csn->csn_right = NULL;
 115         }
 116         cs->cs_root = ncsn;
 117
 118         /*
 119          * Coalesce with left and right neighbours if possible.
 120          */
 121         if (ncsn->csn_left != NULL) {
 122                 ncsn->csn_left = cset_splay(ncsn->csn_left, ncsn->csn_min - 1);
 123                 if (ncsn->csn_left->csn_max == ncsn->csn_min - 1) {
 124                         oval = ncsn->csn_left->csn_min;
 125                         ncsn->csn_left = cset_delete(ncsn->csn_left,
 126                             ncsn->csn_left->csn_min);
 127                         ncsn->csn_min = oval;
 128                 }
 129         }
 130         if (ncsn->csn_right != NULL) {
 131                 ncsn->csn_right = cset_splay(ncsn->csn_right,
 132                     ncsn->csn_max + 1);
 133                 if (ncsn->csn_right->csn_min == ncsn->csn_max + 1) {
 134                         oval = ncsn->csn_right->csn_max;
 135                         ncsn->csn_right = cset_delete(ncsn->csn_right,
 136                             ncsn->csn_right->csn_min);
 137                         ncsn->csn_max = oval;
 138                 }
 139         }
 140
 141         return (true);
 142 }
 143
 144 /*
 145  * cset_in_hard --
 146  *      Determine whether a character is in the set without using
 147  *      the cache.
 148  */
 149 bool
 150 cset_in_hard(struct cset *cs, wchar_t ch)
 151 {
 152         struct csclass *csc;
 153
 154         for (csc = cs->cs_classes; csc != NULL; csc = csc->csc_next)
 155                 if (csc->csc_invert ^ (iswctype(ch, csc->csc_type) != 0))
 156                         return (cs->cs_invert ^ true);
 157         if (cs->cs_root != NULL) {
 158                 cs->cs_root = cset_splay(cs->cs_root, ch);
 159                 return (cs->cs_invert ^ (cset_rangecmp(cs->cs_root, ch) == 0));
 160         }
 161         return (cs->cs_invert ^ false);
 162 }
 163
 164 /*
 165  * cset_cache --
 166  *      Update the cache.
 167  */
 168 void
 169 cset_cache(struct cset *cs)
 170 {
 171         wchar_t i;
 172
 173         for (i = 0; i < CS_CACHE_SIZE; i++)
 174                 cs->cs_cache[i] = cset_in_hard(cs, i);
 175
 176         cs->cs_havecache = true;
 177 }
 178
 179 /*
 180  * cset_invert --
 181  *      Invert the character set.
 182  */
 183 void
 184 cset_invert(struct cset *cs)
 185 {
 186
 187         cs->cs_invert ^= true;
 188         cs->cs_havecache = false;
 189 }
 190
 191 /*
 192  * cset_addclass --
 193  *      Add a wctype()-style character class to the set, optionally
 194  *      inverting it.
 195  */
 196 bool
 197 cset_addclass(struct cset *cs, wctype_t type, bool invert)
 198 {
 199         struct csclass *csc;
 200
 201         csc = malloc(sizeof(*csc));
 202         if (csc == NULL)
 203                 return (false);
 204         csc->csc_type = type;
 205         csc->csc_invert = invert;
 206         csc->csc_next = cs->cs_classes;
 207         cs->cs_classes = csc;
 208         cs->cs_havecache = false;
 209         return (true);
 210 }
 211
 212 static __inline int
 213 cset_rangecmp(struct csnode *t, wchar_t ch)
 214 {
 215
 216         if (ch < t->csn_min)
 217                 return (-1);
 218         if (ch > t->csn_max)
 219                 return (1);
 220         return (0);
 221 }
 222
 223 static struct csnode *
 224 cset_splay(struct csnode *t, wchar_t ch)
 225 {
 226         struct csnode N, *l, *r, *y;
 227
 228         /*
 229          * Based on public domain code from Sleator.
 230          */
 231
 232         assert(t != NULL);
 233
 234         N.csn_left = N.csn_right = NULL;
 235         l = r = &N;
 236         for (;;) {
 237                 if (cset_rangecmp(t, ch) < 0) {
 238                         if (t->csn_left != NULL &&
 239                             cset_rangecmp(t->csn_left, ch) < 0) {
 240                                 y = t->csn_left;
 241                                 t->csn_left = y->csn_right;
 242                                 y->csn_right = t;
 243                                 t = y;
 244                         }
 245                         if (t->csn_left == NULL)
 246                                 break;
 247                         r->csn_left = t;
 248                         r = t;
 249                         t = t->csn_left;
 250                 } else if (cset_rangecmp(t, ch) > 0) {
 251                         if (t->csn_right != NULL &&
 252                             cset_rangecmp(t->csn_right, ch) > 0) {
 253                                 y = t->csn_right;
 254                                 t->csn_right = y->csn_left;
 255                                 y->csn_left = t;
 256                                 t = y;
 257                         }
 258                         if (t->csn_right == NULL)
 259                                 break;
 260                         l->csn_right = t;
 261                         l = t;
 262                         t = t->csn_right;
 263                 } else
 264                         break;
 265         }
 266         l->csn_right = t->csn_left;
 267         r->csn_left = t->csn_right;
 268         t->csn_left = N.csn_right;
 269         t->csn_right = N.csn_left;
 270         return (t);
 271 }
 272
 273 static struct csnode *
 274 cset_delete(struct csnode *t, wchar_t ch)
 275 {
 276         struct csnode *x;
 277
 278         assert(t != NULL);
 279         t = cset_splay(t, ch);
 280         assert(cset_rangecmp(t, ch) == 0);
 281         if (t->csn_left == NULL)
 282                 x = t->csn_right;
 283         else {
 284                 x = cset_splay(t->csn_left, ch);
 285                 x->csn_right = t->csn_right;
 286         }
 287         free(t);
 288         return x;
 289 }