rgrep/rpagrep.c

   1 /*
   2  *  Regular Pattern Analyzer (RPA)
   3  *  Copyright (c) 2009-2010 Martin Stoilov
   4  *
   5  *  This program is free software: you can redistribute it and/or modify
   6  *  it under the terms of the GNU General Public License as published by
   7  *  the Free Software Foundation, either version 3 of the License, or
   8  *  (at your option) any later version.
   9  *
  10  *  This program is distributed in the hope that it will be useful,
  11  *  but WITHOUT ANY WARRANTY; without even the implied warranty of
  12  *  MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the
  13  *  GNU General Public License for more details.
  14  *
  15  *  You should have received a copy of the GNU General Public License
  16  *  along with this program.  If not, see <http://www.gnu.org/licenses/>.
  17  *
  18  *  Martin Stoilov <martin@rpasearch.com>
  19  */
  20
  21
  22 #include <stdio.h>
  23 #include <stdlib.h>
  24 #include <string.h>
  25 #include <time.h>
  26
  27 #include "rpagrep.h"
  28 #include "rpagreputf.h"
  29 #include "rpagrepdep.h"
  30
  31 #define MAX_STACK 256000
  32
  33 rpa_buffer_t * rpa_buffer_init(rpa_buffer_t *str, char *s, unsigned int size)
  34 {
  35         str->s = s;
  36         str->size = size;
  37         return str;
  38 }
  39
  40
  41 void rpa_buffer_free(rpa_buffer_t *str)
  42 {
  43         if (str) {
  44                 free(str->s);
  45                 free(str);
  46         }
  47 }
  48
  49
  50 rpa_buffer_t * rpa_buffer_alloc(unsigned int size)
  51 {
  52         rpa_buffer_t * str;
  53
  54         str = (rpa_buffer_t *)malloc(sizeof(rpa_buffer_t));
  55         if (!str)
  56                 return (void*)0;
  57         memset(str, 0, sizeof(*str));
  58         if (!(str->s = (char *)malloc((size + 1) * sizeof(char)))) {
  59                 free(str);
  60                 return (void*)0;
  61         }
  62         memset(str->s, 0, size + 1);
  63         str->size = size;
  64         str->destroy = rpa_buffer_free;
  65         return str;
  66 }
  67
  68
  69 int rpa_buffer_realloc(rpa_buffer_t *str, unsigned int size)
  70 {
  71         char *s;
  72
  73         s = (char *)realloc(str->s, size);
  74         if (!s)
  75                 return -1;
  76         str->s = s;
  77         str->size = size;
  78         return 0;
  79 }
  80
  81
  82 void rpa_buffer_destroy(rpa_buffer_t *str)
  83 {
  84         if (str && str->destroy)
  85                 str->destroy(str);
  86 }
  87
  88
  89 rpa_grep_t *rpa_grep_create()
  90 {
  91         rpa_grep_t *pGrep;
  92
  93         pGrep = (rpa_grep_t *)malloc(sizeof(*pGrep));
  94         if (!pGrep)
  95                 return (void *)0;
  96         memset(pGrep, 0, sizeof(*pGrep));
  97         pGrep->hDbex = rpa_dbex_create();
  98         return pGrep;
  99 }
 100
 101 void rpa_grep_close(rpa_grep_t *pGrep)
 102 {
 103         if (pGrep->hDbex)
 104                 rpa_dbex_destroy(pGrep->hDbex);
 105         pGrep->hDbex = 0;
 106 }
 107
 108
 109 void rpa_grep_optimizations(rpa_grep_t *pGrep, rulong allow)
 110 {
 111         rpa_dbex_cfgset(pGrep->hDbex, RPA_DBEXCFG_OPTIMIZATIONS, allow);
 112 }
 113
 114
 115 void rpa_grep_destroy(rpa_grep_t *pGrep)
 116 {
 117         if (!pGrep)
 118                 return;
 119         rpa_grep_close(pGrep);
 120         free(pGrep);
 121 }
 122
 123
 124 int rpa_grep_load_string_pattern(rpa_grep_t *pGrep, rpa_buffer_t *buf)
 125 {
 126         return rpa_grep_load_pattern(pGrep, buf);
 127 }
 128
 129
 130 int rpa_grep_load_pattern(rpa_grep_t *pGrep, rpa_buffer_t *buf)
 131 {
 132         int ret, line;
 133         int inputsize = buf->size;
 134         const char *pattern = buf->s;
 135
 136         if (rpa_dbex_open(pGrep->hDbex) < 0) {
 137                 fprintf(stdout, "Failed to open rules database.\n");
 138                 goto error;
 139         }
 140
 141         while ((ret = rpa_dbex_load(pGrep->hDbex, pattern, inputsize)) > 0) {
 142                 inputsize -= ret;
 143                 pattern += ret;
 144         }
 145         if (ret < 0) {
 146                 rpa_errinfo_t errinfo;
 147                 rpa_dbex_lasterrorinfo(pGrep->hDbex, &errinfo);
 148                 if (errinfo.code == RPA_E_SYNTAX_ERROR) {
 149                         pattern += errinfo.offset;
 150                         for (line = 1; pattern >= buf->s; --pattern) {
 151                                 if (*pattern == '\n')
 152                                         line += 1;
 153                         }
 154                         fprintf(stdout, "Line: %d, ERROR: Syntax Error.\n", line);
 155                 } else {
 156                         fprintf(stdout, "ERROR: Pattern Loading failed.\n");
 157                 }
 158                 goto error;
 159         }
 160
 161         rpa_dbex_close(pGrep->hDbex);
 162         pGrep->hPattern = rpa_dbex_last(pGrep->hDbex);
 163         return 0;
 164
 165 error:
 166         rpa_dbex_close(pGrep->hDbex);
 167         return -1;
 168 }
 169
 170
 171 void rpa_grep_list_patterns(rpa_grep_t *pGrep)
 172 {
 173         rpa_dbex_dumprules(pGrep->hDbex);
 174 }
 175
 176
 177 void rpa_grep_dump_pattern_records(rpa_grep_t *pGrep)
 178 {
 179         rpa_dbex_dumprecords(pGrep->hDbex);
 180 }
 181
 182
 183 void rpa_grep_dump_pattern_info(rpa_grep_t *pGrep)
 184 {
 185         rpa_dbex_compile(pGrep->hDbex);
 186         rpa_dbex_dumpinfo(pGrep->hDbex);
 187 }
 188
 189
 190 void rpa_grep_dump_alias_info(rpa_grep_t *pGrep)
 191 {
 192         rpa_dbex_compile(pGrep->hDbex);
 193         rpa_dbex_dumpalias(pGrep->hDbex);
 194 }
 195
 196
 197 int rpa_grep_match(rpa_grep_t *pGrep, const char* buffer, unsigned long size)
 198 {
 199         int ret = 0;
 200         rpastat_t *hStat;
 201         const char *input = buffer, *start = buffer, *end = buffer + size;
 202
 203         hStat = rpa_stat_create(pGrep->hDbex, 0);
 204         if (!hStat)
 205                 return -1;
 206         rpa_stat_cachedisable(hStat, pGrep->disablecache);
 207         rpa_stat_encodingset(hStat, pGrep->encoding);
 208         hStat->debug = pGrep->execdebug;
 209         ret = rpa_stat_match(hStat, pGrep->hPattern, input, start, end);
 210         if (ret > 0) {
 211                 rpa_grep_print_filename(pGrep);
 212                 rpa_grep_output(pGrep, input, ret, pGrep->encoding);
 213                 rpa_grep_output_utf8_string(pGrep, "\n");
 214         }
 215         pGrep->cachehit = hStat->cache->hit;
 216         pGrep->orphrecords = r_array_length(hStat->orphans);
 217         pGrep->emitstacksize = r_array_length(hStat->emitstack);
 218
 219         rpa_stat_destroy(hStat);
 220         return 0;
 221 }
 222
 223
 224 int rpa_grep_parse(rpa_grep_t *pGrep, const char* buffer, unsigned long size)
 225 {
 226         rlong i;
 227         rchar location[128];
 228         rpastat_t *hStat;
 229         rarray_t *records = NULL;
 230         rparecord_t *prec;
 231         const char *input = buffer, *start = buffer, *end = buffer + size;
 232
 233         hStat = rpa_stat_create(pGrep->hDbex, 0);
 234         if (!hStat)
 235                 return -1;
 236         rpa_stat_cachedisable(hStat, pGrep->disablecache);
 237         rpa_stat_encodingset(hStat, pGrep->encoding);
 238         hStat->debug = pGrep->execdebug;
 239         rpa_stat_parse(hStat, pGrep->hPattern, input, start, end, &records);
 240         if (records) {
 241                 if (pGrep->greptype == RPA_GREPTYPE_PARSE) {
 242                         for (i = 0; i < r_array_length(records); i++) {
 243                                 prec = (rparecord_t *)r_array_slot(records, i);
 244                                 if (prec->type & RPA_RECORD_END) {
 245                                         rpa_grep_output_utf8_string(pGrep, prec->rule);
 246                                         r_snprintf(location, sizeof(location), " (%ld, %ld)", (rlong)(prec->input - input), (rlong)prec->inputsiz);
 247                                         rpa_grep_output_utf8_string(pGrep, location);
 248                                         rpa_grep_output_utf8_string(pGrep, ": ");
 249                                         rpa_grep_output(pGrep, prec->input, prec->inputsiz, pGrep->encoding);
 250                                         rpa_grep_output_utf8_string(pGrep, "\n");
 251                                 }
 252                         }
 253                 } else if (pGrep->greptype == RPA_GREPTYPE_PARSEAST) {
 254                         for (i = 0; i < r_array_length(records); i++) {
 255                                 rpa_record_dump(records, i);
 256                         }
 257
 258                 }
 259                 r_array_destroy(records);
 260         }
 261         pGrep->cachehit = hStat->cache->hit;
 262         pGrep->orphrecords = r_array_length(hStat->orphans);
 263         pGrep->emitstacksize = r_array_length(hStat->emitstack);
 264
 265         rpa_stat_destroy(hStat);
 266         return 0;
 267 }
 268
 269
 270 int rpa_grep_scan(rpa_grep_t *pGrep, const char* buffer, unsigned long size)
 271 {
 272         int ret = 0;
 273         rpastat_t *hStat;
 274         int displayed = 0;
 275         const char *matched;
 276         const char *input = buffer, *start = buffer, *end = buffer + size;
 277
 278         hStat = rpa_stat_create(pGrep->hDbex, 0);
 279         if (!hStat)
 280                 return -1;
 281         rpa_stat_encodingset(hStat, pGrep->encoding);
 282         rpa_stat_cachedisable(hStat, pGrep->disablecache);
 283         hStat->debug = pGrep->execdebug;
 284         pGrep->cachehit = hStat->cache->hit;
 285         pGrep->orphrecords = r_array_length(hStat->orphans);
 286
 287 again:
 288         ret = rpa_stat_scan(hStat, pGrep->hPattern, input, start, end, &matched);
 289         pGrep->cachehit += hStat->cache->hit;
 290         pGrep->orphrecords += r_array_length(hStat->orphans);
 291
 292         if (ret > 0) {
 293                 if (!displayed) {
 294                         displayed = 1;
 295                         rpa_grep_print_filename(pGrep);
 296                 }
 297                 rpa_grep_output(pGrep, matched, ret, pGrep->encoding);
 298                 rpa_grep_output_utf8_string(pGrep, "\n");
 299         }
 300         if (ret && matched + ret < end) {
 301                 input = matched + ret;
 302                 goto again;
 303         }
 304
 305         pGrep->emitstacksize = r_array_length(hStat->emitstack);
 306         rpa_stat_destroy(hStat);
 307         return 0;
 308 }
 309
 310
 311 int rpa_grep_scan_lines(rpa_grep_t *pGrep, const char* buffer, unsigned long size)
 312 {
 313         int ret = 0;
 314         rpastat_t *hStat;
 315         const char *matched;
 316         int displayed = 0;
 317         unsigned long lines = 0;
 318         const char *end = buffer + size, *lstart = buffer, *lend;
 319
 320         hStat = rpa_stat_create(pGrep->hDbex, 0);
 321         if (!hStat)
 322                 return -1;
 323         rpa_stat_encodingset(hStat, pGrep->encoding);
 324         hStat->debug = pGrep->execdebug;
 325
 326 again:
 327         if (pGrep->encoding == RPA_ENCODING_UTF16LE || pGrep->encoding == RPA_ENCODING_ICASE_UTF16LE) {
 328                 for (lend = lstart; lend < end; lend += sizeof(unsigned short)) {
 329                         if (*((unsigned short*)lend) == L'\n') {
 330                                 ++lines;
 331                                 lend += sizeof(unsigned short);
 332                                 break;
 333                         }
 334                 }
 335         } else {
 336                 for (lend = lstart; lend < end; lend += sizeof(unsigned char)) {
 337                         if (*((unsigned char*)lend) == '\n') {
 338                                 ++lines;
 339                                 lend += sizeof(unsigned char);
 340                                 break;
 341                         }
 342                 }
 343         }
 344         if (!lines)
 345                 return 0;
 346         ret = rpa_stat_scan(hStat, pGrep->hPattern, lstart, lstart, lend, &matched);
 347         if (ret > 0) {
 348                 if (!displayed) {
 349                         displayed = 1;
 350                         rpa_grep_print_filename(pGrep);
 351                 }
 352                 rpa_grep_output(pGrep, lstart, lend - lstart, pGrep->encoding);
 353         }
 354         if (lend < end) {
 355                 lstart = lend;
 356                 goto again;
 357         }
 358         rpa_stat_destroy(hStat);
 359         return 0;
 360 }
 361
 362
 363 void rpa_grep_scan_buffer(rpa_grep_t *pGrep, rpa_buffer_t *buf)
 364 {
 365         const char *input;
 366         unsigned long size;
 367         clock_t btime, scanclocks;
 368
 369         if (pGrep->forceEncoding == RPA_GREP_FORCE_BYTE) {
 370                 input = buf->s;
 371                 size = buf->size;
 372                 pGrep->encoding =  pGrep->icase ? RPA_ENCODING_ICASE_BYTE : RPA_ENCODING_BYTE;
 373         } else if (pGrep->forceEncoding == RPA_GREP_FORCE_UTF16) {
 374                 if (buf->size >= 2 && buf->s[0] == -1 && buf->s[1] == -2) {
 375                         input = buf->s + 2;
 376                         size = buf->size - 2;
 377                 } else {
 378                         input = buf->s;
 379                         size = buf->size;
 380                 }
 381                 pGrep->encoding =  pGrep->icase ? RPA_ENCODING_ICASE_UTF16LE : RPA_ENCODING_UTF16LE;
 382         } else if (buf->size >= 2 && buf->s[0] == -1 && buf->s[1] == -2) {
 383                 input = buf->s + 2;
 384                 size = buf->size - 2;
 385                 pGrep->encoding =  pGrep->icase ? RPA_ENCODING_ICASE_UTF16LE : RPA_ENCODING_UTF16LE;
 386         } else {
 387                 pGrep->encoding = pGrep->icase ? RPA_ENCODING_ICASE_UTF8 : RPA_ENCODING_UTF8;
 388                 input = buf->s;
 389                 size = buf->size;
 390         }
 391
 392         btime = clock();
 393
 394         switch (pGrep->greptype) {
 395         case RPA_GREPTYPE_SCANLINES:
 396                 rpa_grep_scan_lines(pGrep, input, size);
 397                 break;
 398         case RPA_GREPTYPE_MATCH:
 399                 rpa_grep_match(pGrep, input, size);
 400                 break;
 401         case RPA_GREPTYPE_PARSEAST:
 402         case RPA_GREPTYPE_PARSE:
 403                 rpa_grep_parse(pGrep, input, size);
 404                 break;
 405         case RPA_GREPTYPE_SCAN:
 406                 rpa_grep_scan(pGrep, input, size);
 407                 break;
 408         default:
 409                 rpa_grep_scan(pGrep, input, size);
 410                 break;
 411         };
 412
 413         scanclocks = clock() - btime;
 414         pGrep->scanmilisec += (unsigned long)(((unsigned long long)1000)*scanclocks/CLOCKS_PER_SEC);
 415 }
 416
 417
 418 rpa_buffer_t *rpa_buffer_loadfile(FILE *pFile)
 419 {
 420         unsigned int memchunk = 256;
 421         int ret = 0, inputsize = 0;
 422         rpa_buffer_t *buf;
 423
 424         buf = rpa_buffer_alloc(2 * memchunk);
 425         if (!buf)
 426                 return (void*)0;
 427
 428         do {
 429                 if ((buf->size - inputsize) < memchunk) {
 430                         if (rpa_buffer_realloc(buf, buf->size + memchunk) < 0) {
 431                                 fprintf(stderr, "Out of memory!\n");
 432                                 exit(1);
 433                         }
 434                 }
 435                 ret = fread(&buf->s[inputsize], 1, memchunk - 1, pFile);
 436                 if ((ret <= 0) && ferror(pFile)) {
 437                         rpa_buffer_destroy(buf);
 438                         return (void*)0;
 439                 }
 440                 inputsize += ret;
 441                 buf->s[inputsize] = '\0';
 442                 buf->size = inputsize;
 443         } while (!feof(pFile));
 444
 445         return buf;
 446 }
 447
 448
 449 int rpa_callback_output(rpastat_t * stat, const char *name, void *userdata, const char *input, unsigned int size, unsigned int reason)
 450 {
 451
 452         return size;
 453 }
 454
 455
 456 int rpa_callback_matched_output(rpastat_t * stat, const char *name, void *userdata, const char *input, unsigned int size, unsigned int reason)
 457 {
 458         rpa_grep_t *pGrep = (rpa_grep_t *)userdata;
 459
 460         rpa_grep_output_utf8_string(pGrep, name);
 461         rpa_grep_output_utf8_string(pGrep, ": ");
 462         rpa_grep_output(pGrep, input, size, pGrep->encoding);
 463         rpa_grep_output_utf8_string(pGrep, "\n");
 464
 465         return size;
 466 }
 467
 468
 469 void rpa_grep_setup_callback(rpa_grep_t *pGrep, rpa_buffer_t *pattern)
 470 {
 471
 472 }
 473
 474
 475 void rpa_grep_setup_matched_callback(rpa_grep_t *pGrep, rpa_buffer_t *pattern)
 476 {
 477
 478 }
 479
 480
 481 void rpa_grep_dump_pattern_tree(rpa_grep_t *pGrep, rpa_buffer_t *pattern)
 482 {
 483         rpa_dbex_dumptree_s(pGrep->hDbex, pattern->s, 0);
 484 }
 485
 486
 487 void rpa_grep_output(rpa_grep_t *pGrep, const char *s, unsigned long size, unsigned int encoding)
 488 {
 489         const unsigned char *input = (const unsigned char*)s;
 490         const unsigned char *end = input + size;
 491         unsigned int wc;
 492         int ret;
 493
 494         if (encoding == RPA_ENCODING_UTF16LE || encoding == RPA_ENCODING_ICASE_UTF16LE) {
 495                 while ((ret = (int)rpa_grep_utf16_mbtowc(&wc, input, end)) != 0) {
 496                         rpa_grep_output_char(wc);
 497                         input += ret;
 498                 }
 499         } else {
 500                 while ((ret = (int)rpa_grep_utf8_mbtowc(&wc, input, end)) != 0) {
 501                         rpa_grep_output_char(wc);
 502                         input += ret;
 503                 }
 504         }
 505 }
 506
 507
 508 void rpa_grep_output_utf8_string(rpa_grep_t *pGrep, const char *s)
 509 {
 510         rpa_grep_output(pGrep, s, strlen(s), RPA_ENCODING_UTF8);
 511 }
 512
 513
 514 void rpa_grep_output_utf16_string(rpa_grep_t *pGrep, const unsigned short *s)
 515 {
 516         unsigned long size = 0;
 517         const unsigned short *pstr = s;
 518
 519         while (*pstr) {
 520                 size += sizeof(unsigned short);
 521                 pstr += 1;
 522         }
 523         rpa_grep_output(pGrep, (const char*)s, size, RPA_ENCODING_UTF16LE);
 524 }