This is a live mirror of the Perl 5 development currently hosted at https://github.com/perl/perl5
include a trailing \0 in SVs holding trie info
[perl5.git] / regcomp.c
1 /*    regcomp.c
2  */
3
4 /*
5  * 'A fair jaw-cracker dwarf-language must be.'            --Samwise Gamgee
6  *
7  *     [p.285 of _The Lord of the Rings_, II/iii: "The Ring Goes South"]
8  */
9
10 /* This file contains functions for compiling a regular expression.  See
11  * also regexec.c which funnily enough, contains functions for executing
12  * a regular expression.
13  *
14  * This file is also copied at build time to ext/re/re_comp.c, where
15  * it's built with -DPERL_EXT_RE_BUILD -DPERL_EXT_RE_DEBUG -DPERL_EXT.
16  * This causes the main functions to be compiled under new names and with
17  * debugging support added, which makes "use re 'debug'" work.
18  */
19
20 /* NOTE: this is derived from Henry Spencer's regexp code, and should not
21  * confused with the original package (see point 3 below).  Thanks, Henry!
22  */
23
24 /* Additional note: this code is very heavily munged from Henry's version
25  * in places.  In some spots I've traded clarity for efficiency, so don't
26  * blame Henry for some of the lack of readability.
27  */
28
29 /* The names of the functions have been changed from regcomp and
30  * regexec to pregcomp and pregexec in order to avoid conflicts
31  * with the POSIX routines of the same names.
32 */
33
34 #ifdef PERL_EXT_RE_BUILD
35 #include "re_top.h"
36 #endif
37
38 /*
39  * pregcomp and pregexec -- regsub and regerror are not used in perl
40  *
41  *      Copyright (c) 1986 by University of Toronto.
42  *      Written by Henry Spencer.  Not derived from licensed software.
43  *
44  *      Permission is granted to anyone to use this software for any
45  *      purpose on any computer system, and to redistribute it freely,
46  *      subject to the following restrictions:
47  *
48  *      1. The author is not responsible for the consequences of use of
49  *              this software, no matter how awful, even if they arise
50  *              from defects in it.
51  *
52  *      2. The origin of this software must not be misrepresented, either
53  *              by explicit claim or by omission.
54  *
55  *      3. Altered versions must be plainly marked as such, and must not
56  *              be misrepresented as being the original software.
57  *
58  *
59  ****    Alterations to Henry's code are...
60  ****
61  ****    Copyright (C) 1991, 1992, 1993, 1994, 1995, 1996, 1997, 1998, 1999,
62  ****    2000, 2001, 2002, 2003, 2004, 2005, 2006, 2007, 2008
63  ****    by Larry Wall and others
64  ****
65  ****    You may distribute under the terms of either the GNU General Public
66  ****    License or the Artistic License, as specified in the README file.
67
68  *
69  * Beware that some of this code is subtly aware of the way operator
70  * precedence is structured in regular expressions.  Serious changes in
71  * regular-expression syntax might require a total rethink.
72  */
73 #include "EXTERN.h"
74 #define PERL_IN_REGCOMP_C
75 #include "perl.h"
76
77 #define REG_COMP_C
78 #ifdef PERL_IN_XSUB_RE
79 #  include "re_comp.h"
80 EXTERN_C const struct regexp_engine my_reg_engine;
81 #else
82 #  include "regcomp.h"
83 #endif
84
85 #include "dquote_inline.h"
86 #include "invlist_inline.h"
87 #include "unicode_constants.h"
88
89 #define HAS_NONLATIN1_FOLD_CLOSURE(i) \
90  _HAS_NONLATIN1_FOLD_CLOSURE_ONLY_FOR_USE_BY_REGCOMP_DOT_C_AND_REGEXEC_DOT_C(i)
91 #define HAS_NONLATIN1_SIMPLE_FOLD_CLOSURE(i) \
92  _HAS_NONLATIN1_SIMPLE_FOLD_CLOSURE_ONLY_FOR_USE_BY_REGCOMP_DOT_C_AND_REGEXEC_DOT_C(i)
93 #define IS_NON_FINAL_FOLD(c) _IS_NON_FINAL_FOLD_ONLY_FOR_USE_BY_REGCOMP_DOT_C(c)
94 #define IS_IN_SOME_FOLD_L1(c) _IS_IN_SOME_FOLD_ONLY_FOR_USE_BY_REGCOMP_DOT_C(c)
95
96 #ifndef STATIC
97 #define STATIC  static
98 #endif
99
100 /* this is a chain of data about sub patterns we are processing that
101    need to be handled separately/specially in study_chunk. Its so
102    we can simulate recursion without losing state.  */
103 struct scan_frame;
104 typedef struct scan_frame {
105     regnode *last_regnode;      /* last node to process in this frame */
106     regnode *next_regnode;      /* next node to process when last is reached */
107     U32 prev_recursed_depth;
108     I32 stopparen;              /* what stopparen do we use */
109
110     struct scan_frame *this_prev_frame; /* this previous frame */
111     struct scan_frame *prev_frame;      /* previous frame */
112     struct scan_frame *next_frame;      /* next frame */
113 } scan_frame;
114
115 /* Certain characters are output as a sequence with the first being a
116  * backslash. */
117 #define isBACKSLASHED_PUNCT(c)  strchr("-[]\\^", c)
118
119
120 struct RExC_state_t {
121     U32         flags;                  /* RXf_* are we folding, multilining? */
122     U32         pm_flags;               /* PMf_* stuff from the calling PMOP */
123     char        *precomp;               /* uncompiled string. */
124     char        *precomp_end;           /* pointer to end of uncompiled string. */
125     REGEXP      *rx_sv;                 /* The SV that is the regexp. */
126     regexp      *rx;                    /* perl core regexp structure */
127     regexp_internal     *rxi;           /* internal data for regexp object
128                                            pprivate field */
129     char        *start;                 /* Start of input for compile */
130     char        *end;                   /* End of input for compile */
131     char        *parse;                 /* Input-scan pointer. */
132     char        *copy_start;            /* start of copy of input within
133                                            constructed parse string */
134     char        *save_copy_start;       /* Provides one level of saving
135                                            and restoring 'copy_start' */
136     char        *copy_start_in_input;   /* Position in input string
137                                            corresponding to copy_start */
138     SSize_t     whilem_seen;            /* number of WHILEM in this expr */
139     regnode     *emit_start;            /* Start of emitted-code area */
140     regnode_offset emit;                /* Code-emit pointer */
141     I32         naughty;                /* How bad is this pattern? */
142     I32         sawback;                /* Did we see \1, ...? */
143     U32         seen;
144     SSize_t     size;                   /* Number of regnode equivalents in
145                                            pattern */
146
147     /* position beyond 'precomp' of the warning message furthest away from
148      * 'precomp'.  During the parse, no warnings are raised for any problems
149      * earlier in the parse than this position.  This works if warnings are
150      * raised the first time a given spot is parsed, and if only one
151      * independent warning is raised for any given spot */
152     Size_t      latest_warn_offset;
153
154     I32         npar;                   /* Capture buffer count so far in the
155                                            parse, (OPEN) plus one. ("par" 0 is
156                                            the whole pattern)*/
157     I32         total_par;              /* During initial parse, is either 0,
158                                            or -1; the latter indicating a
159                                            reparse is needed.  After that pass,
160                                            it is what 'npar' became after the
161                                            pass.  Hence, it being > 0 indicates
162                                            we are in a reparse situation */
163     I32         nestroot;               /* root parens we are in - used by
164                                            accept */
165     I32         seen_zerolen;
166     regnode_offset *open_parens;        /* offsets to open parens */
167     regnode_offset *close_parens;       /* offsets to close parens */
168     I32      parens_buf_size;           /* #slots malloced open/close_parens */
169     regnode     *end_op;                /* END node in program */
170     I32         utf8;           /* whether the pattern is utf8 or not */
171     I32         orig_utf8;      /* whether the pattern was originally in utf8 */
172                                 /* XXX use this for future optimisation of case
173                                  * where pattern must be upgraded to utf8. */
174     I32         uni_semantics;  /* If a d charset modifier should use unicode
175                                    rules, even if the pattern is not in
176                                    utf8 */
177     HV          *paren_names;           /* Paren names */
178
179     regnode     **recurse;              /* Recurse regops */
180     I32         recurse_count;          /* Number of recurse regops we have generated */
181     U8          *study_chunk_recursed;  /* bitmap of which subs we have moved
182                                            through */
183     U32         study_chunk_recursed_bytes;  /* bytes in bitmap */
184     I32         in_lookbehind;
185     I32         contains_locale;
186     I32         override_recoding;
187 #ifdef EBCDIC
188     I32         recode_x_to_native;
189 #endif
190     I32         in_multi_char_class;
191     struct reg_code_blocks *code_blocks;/* positions of literal (?{})
192                                             within pattern */
193     int         code_index;             /* next code_blocks[] slot */
194     SSize_t     maxlen;                        /* mininum possible number of chars in string to match */
195     scan_frame *frame_head;
196     scan_frame *frame_last;
197     U32         frame_count;
198     AV         *warn_text;
199     HV         *unlexed_names;
200 #ifdef ADD_TO_REGEXEC
201     char        *starttry;              /* -Dr: where regtry was called. */
202 #define RExC_starttry   (pRExC_state->starttry)
203 #endif
204     SV          *runtime_code_qr;       /* qr with the runtime code blocks */
205 #ifdef DEBUGGING
206     const char  *lastparse;
207     I32         lastnum;
208     AV          *paren_name_list;       /* idx -> name */
209     U32         study_chunk_recursed_count;
210     SV          *mysv1;
211     SV          *mysv2;
212
213 #define RExC_lastparse  (pRExC_state->lastparse)
214 #define RExC_lastnum    (pRExC_state->lastnum)
215 #define RExC_paren_name_list    (pRExC_state->paren_name_list)
216 #define RExC_study_chunk_recursed_count    (pRExC_state->study_chunk_recursed_count)
217 #define RExC_mysv       (pRExC_state->mysv1)
218 #define RExC_mysv1      (pRExC_state->mysv1)
219 #define RExC_mysv2      (pRExC_state->mysv2)
220
221 #endif
222     bool        seen_d_op;
223     bool        strict;
224     bool        study_started;
225     bool        in_script_run;
226     bool        use_BRANCHJ;
227 };
228
229 #define RExC_flags      (pRExC_state->flags)
230 #define RExC_pm_flags   (pRExC_state->pm_flags)
231 #define RExC_precomp    (pRExC_state->precomp)
232 #define RExC_copy_start_in_input (pRExC_state->copy_start_in_input)
233 #define RExC_copy_start_in_constructed  (pRExC_state->copy_start)
234 #define RExC_save_copy_start_in_constructed  (pRExC_state->save_copy_start)
235 #define RExC_precomp_end (pRExC_state->precomp_end)
236 #define RExC_rx_sv      (pRExC_state->rx_sv)
237 #define RExC_rx         (pRExC_state->rx)
238 #define RExC_rxi        (pRExC_state->rxi)
239 #define RExC_start      (pRExC_state->start)
240 #define RExC_end        (pRExC_state->end)
241 #define RExC_parse      (pRExC_state->parse)
242 #define RExC_latest_warn_offset (pRExC_state->latest_warn_offset )
243 #define RExC_whilem_seen        (pRExC_state->whilem_seen)
244 #define RExC_seen_d_op (pRExC_state->seen_d_op) /* Seen something that differs
245                                                    under /d from /u ? */
246
247
248 #ifdef RE_TRACK_PATTERN_OFFSETS
249 #  define RExC_offsets  (RExC_rxi->u.offsets) /* I am not like the
250                                                          others */
251 #endif
252 #define RExC_emit       (pRExC_state->emit)
253 #define RExC_emit_start (pRExC_state->emit_start)
254 #define RExC_sawback    (pRExC_state->sawback)
255 #define RExC_seen       (pRExC_state->seen)
256 #define RExC_size       (pRExC_state->size)
257 #define RExC_maxlen        (pRExC_state->maxlen)
258 #define RExC_npar       (pRExC_state->npar)
259 #define RExC_total_parens       (pRExC_state->total_par)
260 #define RExC_parens_buf_size    (pRExC_state->parens_buf_size)
261 #define RExC_nestroot   (pRExC_state->nestroot)
262 #define RExC_seen_zerolen       (pRExC_state->seen_zerolen)
263 #define RExC_utf8       (pRExC_state->utf8)
264 #define RExC_uni_semantics      (pRExC_state->uni_semantics)
265 #define RExC_orig_utf8  (pRExC_state->orig_utf8)
266 #define RExC_open_parens        (pRExC_state->open_parens)
267 #define RExC_close_parens       (pRExC_state->close_parens)
268 #define RExC_end_op     (pRExC_state->end_op)
269 #define RExC_paren_names        (pRExC_state->paren_names)
270 #define RExC_recurse    (pRExC_state->recurse)
271 #define RExC_recurse_count      (pRExC_state->recurse_count)
272 #define RExC_study_chunk_recursed        (pRExC_state->study_chunk_recursed)
273 #define RExC_study_chunk_recursed_bytes  \
274                                    (pRExC_state->study_chunk_recursed_bytes)
275 #define RExC_in_lookbehind      (pRExC_state->in_lookbehind)
276 #define RExC_contains_locale    (pRExC_state->contains_locale)
277 #ifdef EBCDIC
278 #   define RExC_recode_x_to_native (pRExC_state->recode_x_to_native)
279 #endif
280 #define RExC_in_multi_char_class (pRExC_state->in_multi_char_class)
281 #define RExC_frame_head (pRExC_state->frame_head)
282 #define RExC_frame_last (pRExC_state->frame_last)
283 #define RExC_frame_count (pRExC_state->frame_count)
284 #define RExC_strict (pRExC_state->strict)
285 #define RExC_study_started      (pRExC_state->study_started)
286 #define RExC_warn_text (pRExC_state->warn_text)
287 #define RExC_in_script_run      (pRExC_state->in_script_run)
288 #define RExC_use_BRANCHJ        (pRExC_state->use_BRANCHJ)
289 #define RExC_unlexed_names (pRExC_state->unlexed_names)
290
291 /* Heuristic check on the complexity of the pattern: if TOO_NAUGHTY, we set
292  * a flag to disable back-off on the fixed/floating substrings - if it's
293  * a high complexity pattern we assume the benefit of avoiding a full match
294  * is worth the cost of checking for the substrings even if they rarely help.
295  */
296 #define RExC_naughty    (pRExC_state->naughty)
297 #define TOO_NAUGHTY (10)
298 #define MARK_NAUGHTY(add) \
299     if (RExC_naughty < TOO_NAUGHTY) \
300         RExC_naughty += (add)
301 #define MARK_NAUGHTY_EXP(exp, add) \
302     if (RExC_naughty < TOO_NAUGHTY) \
303         RExC_naughty += RExC_naughty / (exp) + (add)
304
305 #define ISMULT1(c)      ((c) == '*' || (c) == '+' || (c) == '?')
306 #define ISMULT2(s)      ((*s) == '*' || (*s) == '+' || (*s) == '?' || \
307         ((*s) == '{' && regcurly(s)))
308
309 /*
310  * Flags to be passed up and down.
311  */
312 #define WORST           0       /* Worst case. */
313 #define HASWIDTH        0x01    /* Known to not match null strings, could match
314                                    non-null ones. */
315
316 /* Simple enough to be STAR/PLUS operand; in an EXACTish node must be a single
317  * character.  (There needs to be a case: in the switch statement in regexec.c
318  * for any node marked SIMPLE.)  Note that this is not the same thing as
319  * REGNODE_SIMPLE */
320 #define SIMPLE          0x02
321 #define SPSTART         0x04    /* Starts with * or + */
322 #define POSTPONED       0x08    /* (?1),(?&name), (??{...}) or similar */
323 #define TRYAGAIN        0x10    /* Weeded out a declaration. */
324 #define RESTART_PARSE   0x20    /* Need to redo the parse */
325 #define NEED_UTF8       0x40    /* In conjunction with RESTART_PARSE, need to
326                                    calcuate sizes as UTF-8 */
327
328 #define REG_NODE_NUM(x) ((x) ? (int)((x)-RExC_emit_start) : -1)
329
330 /* whether trie related optimizations are enabled */
331 #if PERL_ENABLE_EXTENDED_TRIE_OPTIMISATION
332 #define TRIE_STUDY_OPT
333 #define FULL_TRIE_STUDY
334 #define TRIE_STCLASS
335 #endif
336
337
338
339 #define PBYTE(u8str,paren) ((U8*)(u8str))[(paren) >> 3]
340 #define PBITVAL(paren) (1 << ((paren) & 7))
341 #define PAREN_TEST(u8str,paren) ( PBYTE(u8str,paren) & PBITVAL(paren))
342 #define PAREN_SET(u8str,paren) PBYTE(u8str,paren) |= PBITVAL(paren)
343 #define PAREN_UNSET(u8str,paren) PBYTE(u8str,paren) &= (~PBITVAL(paren))
344
345 #define REQUIRE_UTF8(flagp) STMT_START {                                   \
346                                      if (!UTF) {                           \
347                                          *flagp = RESTART_PARSE|NEED_UTF8; \
348                                          return 0;                         \
349                                      }                                     \
350                              } STMT_END
351
352 /* Change from /d into /u rules, and restart the parse.  RExC_uni_semantics is
353  * a flag that indicates we need to override /d with /u as a result of
354  * something in the pattern.  It should only be used in regards to calling
355  * set_regex_charset() or get_regex_charse() */
356 #define REQUIRE_UNI_RULES(flagp, restart_retval)                            \
357     STMT_START {                                                            \
358             if (DEPENDS_SEMANTICS) {                                        \
359                 set_regex_charset(&RExC_flags, REGEX_UNICODE_CHARSET);      \
360                 RExC_uni_semantics = 1;                                     \
361                 if (RExC_seen_d_op && LIKELY(! IN_PARENS_PASS)) {           \
362                     /* No need to restart the parse if we haven't seen      \
363                      * anything that differs between /u and /d, and no need \
364                      * to restart immediately if we're going to reparse     \
365                      * anyway to count parens */                            \
366                     *flagp |= RESTART_PARSE;                                \
367                     return restart_retval;                                  \
368                 }                                                           \
369             }                                                               \
370     } STMT_END
371
372 #define REQUIRE_BRANCHJ(flagp, restart_retval)                              \
373     STMT_START {                                                            \
374                 RExC_use_BRANCHJ = 1;                                       \
375                 if (LIKELY(! IN_PARENS_PASS)) {                             \
376                     /* No need to restart the parse immediately if we're    \
377                      * going to reparse anyway to count parens */           \
378                     *flagp |= RESTART_PARSE;                                \
379                     return restart_retval;                                  \
380                 }                                                           \
381     } STMT_END
382
383 /* Until we have completed the parse, we leave RExC_total_parens at 0 or
384  * less.  After that, it must always be positive, because the whole re is
385  * considered to be surrounded by virtual parens.  Setting it to negative
386  * indicates there is some construct that needs to know the actual number of
387  * parens to be properly handled.  And that means an extra pass will be
388  * required after we've counted them all */
389 #define ALL_PARENS_COUNTED (RExC_total_parens > 0)
390 #define REQUIRE_PARENS_PASS                                                 \
391     STMT_START {  /* No-op if have completed a pass */                      \
392                     if (! ALL_PARENS_COUNTED) RExC_total_parens = -1;       \
393     } STMT_END
394 #define IN_PARENS_PASS (RExC_total_parens < 0)
395
396
397 /* This is used to return failure (zero) early from the calling function if
398  * various flags in 'flags' are set.  Two flags always cause a return:
399  * 'RESTART_PARSE' and 'NEED_UTF8'.   'extra' can be used to specify any
400  * additional flags that should cause a return; 0 if none.  If the return will
401  * be done, '*flagp' is first set to be all of the flags that caused the
402  * return. */
403 #define RETURN_FAIL_ON_RESTART_OR_FLAGS(flags,flagp,extra)                  \
404     STMT_START {                                                            \
405             if ((flags) & (RESTART_PARSE|NEED_UTF8|(extra))) {              \
406                 *(flagp) = (flags) & (RESTART_PARSE|NEED_UTF8|(extra));     \
407                 return 0;                                                   \
408             }                                                               \
409     } STMT_END
410
411 #define MUST_RESTART(flags) ((flags) & (RESTART_PARSE))
412
413 #define RETURN_FAIL_ON_RESTART(flags,flagp)                                 \
414                         RETURN_FAIL_ON_RESTART_OR_FLAGS( flags, flagp, 0)
415 #define RETURN_FAIL_ON_RESTART_FLAGP(flagp)                                 \
416                                     if (MUST_RESTART(*(flagp))) return 0
417
418 /* This converts the named class defined in regcomp.h to its equivalent class
419  * number defined in handy.h. */
420 #define namedclass_to_classnum(class)  ((int) ((class) / 2))
421 #define classnum_to_namedclass(classnum)  ((classnum) * 2)
422
423 #define _invlist_union_complement_2nd(a, b, output) \
424                         _invlist_union_maybe_complement_2nd(a, b, TRUE, output)
425 #define _invlist_intersection_complement_2nd(a, b, output) \
426                  _invlist_intersection_maybe_complement_2nd(a, b, TRUE, output)
427
428 /* About scan_data_t.
429
430   During optimisation we recurse through the regexp program performing
431   various inplace (keyhole style) optimisations. In addition study_chunk
432   and scan_commit populate this data structure with information about
433   what strings MUST appear in the pattern. We look for the longest
434   string that must appear at a fixed location, and we look for the
435   longest string that may appear at a floating location. So for instance
436   in the pattern:
437
438     /FOO[xX]A.*B[xX]BAR/
439
440   Both 'FOO' and 'A' are fixed strings. Both 'B' and 'BAR' are floating
441   strings (because they follow a .* construct). study_chunk will identify
442   both FOO and BAR as being the longest fixed and floating strings respectively.
443
444   The strings can be composites, for instance
445
446      /(f)(o)(o)/
447
448   will result in a composite fixed substring 'foo'.
449
450   For each string some basic information is maintained:
451
452   - min_offset
453     This is the position the string must appear at, or not before.
454     It also implicitly (when combined with minlenp) tells us how many
455     characters must match before the string we are searching for.
456     Likewise when combined with minlenp and the length of the string it
457     tells us how many characters must appear after the string we have
458     found.
459
460   - max_offset
461     Only used for floating strings. This is the rightmost point that
462     the string can appear at. If set to SSize_t_MAX it indicates that the
463     string can occur infinitely far to the right.
464     For fixed strings, it is equal to min_offset.
465
466   - minlenp
467     A pointer to the minimum number of characters of the pattern that the
468     string was found inside. This is important as in the case of positive
469     lookahead or positive lookbehind we can have multiple patterns
470     involved. Consider
471
472     /(?=FOO).*F/
473
474     The minimum length of the pattern overall is 3, the minimum length
475     of the lookahead part is 3, but the minimum length of the part that
476     will actually match is 1. So 'FOO's minimum length is 3, but the
477     minimum length for the F is 1. This is important as the minimum length
478     is used to determine offsets in front of and behind the string being
479     looked for.  Since strings can be composites this is the length of the
480     pattern at the time it was committed with a scan_commit. Note that
481     the length is calculated by study_chunk, so that the minimum lengths
482     are not known until the full pattern has been compiled, thus the
483     pointer to the value.
484
485   - lookbehind
486
487     In the case of lookbehind the string being searched for can be
488     offset past the start point of the final matching string.
489     If this value was just blithely removed from the min_offset it would
490     invalidate some of the calculations for how many chars must match
491     before or after (as they are derived from min_offset and minlen and
492     the length of the string being searched for).
493     When the final pattern is compiled and the data is moved from the
494     scan_data_t structure into the regexp structure the information
495     about lookbehind is factored in, with the information that would
496     have been lost precalculated in the end_shift field for the
497     associated string.
498
499   The fields pos_min and pos_delta are used to store the minimum offset
500   and the delta to the maximum offset at the current point in the pattern.
501
502 */
503
504 struct scan_data_substrs {
505     SV      *str;       /* longest substring found in pattern */
506     SSize_t min_offset; /* earliest point in string it can appear */
507     SSize_t max_offset; /* latest point in string it can appear */
508     SSize_t *minlenp;   /* pointer to the minlen relevant to the string */
509     SSize_t lookbehind; /* is the pos of the string modified by LB */
510     I32 flags;          /* per substring SF_* and SCF_* flags */
511 };
512
513 typedef struct scan_data_t {
514     /*I32 len_min;      unused */
515     /*I32 len_delta;    unused */
516     SSize_t pos_min;
517     SSize_t pos_delta;
518     SV *last_found;
519     SSize_t last_end;       /* min value, <0 unless valid. */
520     SSize_t last_start_min;
521     SSize_t last_start_max;
522     U8      cur_is_floating; /* whether the last_* values should be set as
523                               * the next fixed (0) or floating (1)
524                               * substring */
525
526     /* [0] is longest fixed substring so far, [1] is longest float so far */
527     struct scan_data_substrs  substrs[2];
528
529     I32 flags;             /* common SF_* and SCF_* flags */
530     I32 whilem_c;
531     SSize_t *last_closep;
532     regnode_ssc *start_class;
533 } scan_data_t;
534
535 /*
536  * Forward declarations for pregcomp()'s friends.
537  */
538
539 static const scan_data_t zero_scan_data = {
540     0, 0, NULL, 0, 0, 0, 0,
541     {
542         { NULL, 0, 0, 0, 0, 0 },
543         { NULL, 0, 0, 0, 0, 0 },
544     },
545     0, 0, NULL, NULL
546 };
547
548 /* study flags */
549
550 #define SF_BEFORE_SEOL          0x0001
551 #define SF_BEFORE_MEOL          0x0002
552 #define SF_BEFORE_EOL           (SF_BEFORE_SEOL|SF_BEFORE_MEOL)
553
554 #define SF_IS_INF               0x0040
555 #define SF_HAS_PAR              0x0080
556 #define SF_IN_PAR               0x0100
557 #define SF_HAS_EVAL             0x0200
558
559
560 /* SCF_DO_SUBSTR is the flag that tells the regexp analyzer to track the
561  * longest substring in the pattern. When it is not set the optimiser keeps
562  * track of position, but does not keep track of the actual strings seen,
563  *
564  * So for instance /foo/ will be parsed with SCF_DO_SUBSTR being true, but
565  * /foo/i will not.
566  *
567  * Similarly, /foo.*(blah|erm|huh).*fnorble/ will have "foo" and "fnorble"
568  * parsed with SCF_DO_SUBSTR on, but while processing the (...) it will be
569  * turned off because of the alternation (BRANCH). */
570 #define SCF_DO_SUBSTR           0x0400
571
572 #define SCF_DO_STCLASS_AND      0x0800
573 #define SCF_DO_STCLASS_OR       0x1000
574 #define SCF_DO_STCLASS          (SCF_DO_STCLASS_AND|SCF_DO_STCLASS_OR)
575 #define SCF_WHILEM_VISITED_POS  0x2000
576
577 #define SCF_TRIE_RESTUDY        0x4000 /* Do restudy? */
578 #define SCF_SEEN_ACCEPT         0x8000
579 #define SCF_TRIE_DOING_RESTUDY 0x10000
580 #define SCF_IN_DEFINE          0x20000
581
582
583
584
585 #define UTF cBOOL(RExC_utf8)
586
587 /* The enums for all these are ordered so things work out correctly */
588 #define LOC (get_regex_charset(RExC_flags) == REGEX_LOCALE_CHARSET)
589 #define DEPENDS_SEMANTICS (get_regex_charset(RExC_flags)                    \
590                                                      == REGEX_DEPENDS_CHARSET)
591 #define UNI_SEMANTICS (get_regex_charset(RExC_flags) == REGEX_UNICODE_CHARSET)
592 #define AT_LEAST_UNI_SEMANTICS (get_regex_charset(RExC_flags)                \
593                                                      >= REGEX_UNICODE_CHARSET)
594 #define ASCII_RESTRICTED (get_regex_charset(RExC_flags)                      \
595                                             == REGEX_ASCII_RESTRICTED_CHARSET)
596 #define AT_LEAST_ASCII_RESTRICTED (get_regex_charset(RExC_flags)             \
597                                             >= REGEX_ASCII_RESTRICTED_CHARSET)
598 #define ASCII_FOLD_RESTRICTED (get_regex_charset(RExC_flags)                 \
599                                         == REGEX_ASCII_MORE_RESTRICTED_CHARSET)
600
601 #define FOLD cBOOL(RExC_flags & RXf_PMf_FOLD)
602
603 /* For programs that want to be strictly Unicode compatible by dying if any
604  * attempt is made to match a non-Unicode code point against a Unicode
605  * property.  */
606 #define ALWAYS_WARN_SUPER  ckDEAD(packWARN(WARN_NON_UNICODE))
607
608 #define OOB_NAMEDCLASS          -1
609
610 /* There is no code point that is out-of-bounds, so this is problematic.  But
611  * its only current use is to initialize a variable that is always set before
612  * looked at. */
613 #define OOB_UNICODE             0xDEADBEEF
614
615 #define CHR_SVLEN(sv) (UTF ? sv_len_utf8(sv) : SvCUR(sv))
616
617
618 /* length of regex to show in messages that don't mark a position within */
619 #define RegexLengthToShowInErrorMessages 127
620
621 /*
622  * If MARKER[12] are adjusted, be sure to adjust the constants at the top
623  * of t/op/regmesg.t, the tests in t/op/re_tests, and those in
624  * op/pragma/warn/regcomp.
625  */
626 #define MARKER1 "<-- HERE"    /* marker as it appears in the description */
627 #define MARKER2 " <-- HERE "  /* marker as it appears within the regex */
628
629 #define REPORT_LOCATION " in regex; marked by " MARKER1    \
630                         " in m/%" UTF8f MARKER2 "%" UTF8f "/"
631
632 /* The code in this file in places uses one level of recursion with parsing
633  * rebased to an alternate string constructed by us in memory.  This can take
634  * the form of something that is completely different from the input, or
635  * something that uses the input as part of the alternate.  In the first case,
636  * there should be no possibility of an error, as we are in complete control of
637  * the alternate string.  But in the second case we don't completely control
638  * the input portion, so there may be errors in that.  Here's an example:
639  *      /[abc\x{DF}def]/ui
640  * is handled specially because \x{df} folds to a sequence of more than one
641  * character: 'ss'.  What is done is to create and parse an alternate string,
642  * which looks like this:
643  *      /(?:\x{DF}|[abc\x{DF}def])/ui
644  * where it uses the input unchanged in the middle of something it constructs,
645  * which is a branch for the DF outside the character class, and clustering
646  * parens around the whole thing. (It knows enough to skip the DF inside the
647  * class while in this substitute parse.) 'abc' and 'def' may have errors that
648  * need to be reported.  The general situation looks like this:
649  *
650  *                                       |<------- identical ------>|
651  *              sI                       tI               xI       eI
652  * Input:       ---------------------------------------------------------------
653  * Constructed:         ---------------------------------------------------
654  *                      sC               tC               xC       eC     EC
655  *                                       |<------- identical ------>|
656  *
657  * sI..eI   is the portion of the input pattern we are concerned with here.
658  * sC..EC   is the constructed substitute parse string.
659  *  sC..tC  is constructed by us
660  *  tC..eC  is an exact duplicate of the portion of the input pattern tI..eI.
661  *          In the diagram, these are vertically aligned.
662  *  eC..EC  is also constructed by us.
663  * xC       is the position in the substitute parse string where we found a
664  *          problem.
665  * xI       is the position in the original pattern corresponding to xC.
666  *
667  * We want to display a message showing the real input string.  Thus we need to
668  * translate from xC to xI.  We know that xC >= tC, since the portion of the
669  * string sC..tC has been constructed by us, and so shouldn't have errors.  We
670  * get:
671  *      xI = tI + (xC - tC)
672  *
673  * When the substitute parse is constructed, the code needs to set:
674  *      RExC_start (sC)
675  *      RExC_end (eC)
676  *      RExC_copy_start_in_input  (tI)
677  *      RExC_copy_start_in_constructed (tC)
678  * and restore them when done.
679  *
680  * During normal processing of the input pattern, both
681  * 'RExC_copy_start_in_input' and 'RExC_copy_start_in_constructed' are set to
682  * sI, so that xC equals xI.
683  */
684
685 #define sI              RExC_precomp
686 #define eI              RExC_precomp_end
687 #define sC              RExC_start
688 #define eC              RExC_end
689 #define tI              RExC_copy_start_in_input
690 #define tC              RExC_copy_start_in_constructed
691 #define xI(xC)          (tI + (xC - tC))
692 #define xI_offset(xC)   (xI(xC) - sI)
693
694 #define REPORT_LOCATION_ARGS(xC)                                            \
695     UTF8fARG(UTF,                                                           \
696              (xI(xC) > eI) /* Don't run off end */                          \
697               ? eI - sI   /* Length before the <--HERE */                   \
698               : ((xI_offset(xC) >= 0)                                       \
699                  ? xI_offset(xC)                                            \
700                  : (Perl_croak(aTHX_ "panic: %s: %d: negative offset: %"    \
701                                     IVdf " trying to output message for "   \
702                                     " pattern %.*s",                        \
703                                     __FILE__, __LINE__, (IV) xI_offset(xC), \
704                                     ((int) (eC - sC)), sC), 0)),            \
705              sI),         /* The input pattern printed up to the <--HERE */ \
706     UTF8fARG(UTF,                                                           \
707              (xI(xC) > eI) ? 0 : eI - xI(xC), /* Length after <--HERE */    \
708              (xI(xC) > eI) ? eI : xI(xC))     /* pattern after <--HERE */
709
710 /* Used to point after bad bytes for an error message, but avoid skipping
711  * past a nul byte. */
712 #define SKIP_IF_CHAR(s, e) (!*(s) ? 0 : UTF ? UTF8_SAFE_SKIP(s, e) : 1)
713
714 /* Set up to clean up after our imminent demise */
715 #define PREPARE_TO_DIE                                                      \
716     STMT_START {                                                            \
717         if (RExC_rx_sv)                                                     \
718             SAVEFREESV(RExC_rx_sv);                                         \
719         if (RExC_open_parens)                                               \
720             SAVEFREEPV(RExC_open_parens);                                   \
721         if (RExC_close_parens)                                              \
722             SAVEFREEPV(RExC_close_parens);                                  \
723     } STMT_END
724
725 /*
726  * Calls SAVEDESTRUCTOR_X if needed, then calls Perl_croak with the given
727  * arg. Show regex, up to a maximum length. If it's too long, chop and add
728  * "...".
729  */
730 #define _FAIL(code) STMT_START {                                        \
731     const char *ellipses = "";                                          \
732     IV len = RExC_precomp_end - RExC_precomp;                           \
733                                                                         \
734     PREPARE_TO_DIE;                                                     \
735     if (len > RegexLengthToShowInErrorMessages) {                       \
736         /* chop 10 shorter than the max, to ensure meaning of "..." */  \
737         len = RegexLengthToShowInErrorMessages - 10;                    \
738         ellipses = "...";                                               \
739     }                                                                   \
740     code;                                                               \
741 } STMT_END
742
743 #define FAIL(msg) _FAIL(                            \
744     Perl_croak(aTHX_ "%s in regex m/%" UTF8f "%s/",         \
745             msg, UTF8fARG(UTF, len, RExC_precomp), ellipses))
746
747 #define FAIL2(msg,arg) _FAIL(                       \
748     Perl_croak(aTHX_ msg " in regex m/%" UTF8f "%s/",       \
749             arg, UTF8fARG(UTF, len, RExC_precomp), ellipses))
750
751 /*
752  * Simple_vFAIL -- like FAIL, but marks the current location in the scan
753  */
754 #define Simple_vFAIL(m) STMT_START {                                    \
755     Perl_croak(aTHX_ "%s" REPORT_LOCATION,                              \
756             m, REPORT_LOCATION_ARGS(RExC_parse));                       \
757 } STMT_END
758
759 /*
760  * Calls SAVEDESTRUCTOR_X if needed, then Simple_vFAIL()
761  */
762 #define vFAIL(m) STMT_START {                           \
763     PREPARE_TO_DIE;                                     \
764     Simple_vFAIL(m);                                    \
765 } STMT_END
766
767 /*
768  * Like Simple_vFAIL(), but accepts two arguments.
769  */
770 #define Simple_vFAIL2(m,a1) STMT_START {                        \
771     S_re_croak2(aTHX_ UTF, m, REPORT_LOCATION, a1,              \
772                       REPORT_LOCATION_ARGS(RExC_parse));        \
773 } STMT_END
774
775 /*
776  * Calls SAVEDESTRUCTOR_X if needed, then Simple_vFAIL2().
777  */
778 #define vFAIL2(m,a1) STMT_START {                       \
779     PREPARE_TO_DIE;                                     \
780     Simple_vFAIL2(m, a1);                               \
781 } STMT_END
782
783
784 /*
785  * Like Simple_vFAIL(), but accepts three arguments.
786  */
787 #define Simple_vFAIL3(m, a1, a2) STMT_START {                   \
788     S_re_croak2(aTHX_ UTF, m, REPORT_LOCATION, a1, a2,          \
789             REPORT_LOCATION_ARGS(RExC_parse));                  \
790 } STMT_END
791
792 /*
793  * Calls SAVEDESTRUCTOR_X if needed, then Simple_vFAIL3().
794  */
795 #define vFAIL3(m,a1,a2) STMT_START {                    \
796     PREPARE_TO_DIE;                                     \
797     Simple_vFAIL3(m, a1, a2);                           \
798 } STMT_END
799
800 /*
801  * Like Simple_vFAIL(), but accepts four arguments.
802  */
803 #define Simple_vFAIL4(m, a1, a2, a3) STMT_START {               \
804     S_re_croak2(aTHX_ UTF, m, REPORT_LOCATION, a1, a2, a3,      \
805             REPORT_LOCATION_ARGS(RExC_parse));                  \
806 } STMT_END
807
808 #define vFAIL4(m,a1,a2,a3) STMT_START {                 \
809     PREPARE_TO_DIE;                                     \
810     Simple_vFAIL4(m, a1, a2, a3);                       \
811 } STMT_END
812
813 /* A specialized version of vFAIL2 that works with UTF8f */
814 #define vFAIL2utf8f(m, a1) STMT_START {             \
815     PREPARE_TO_DIE;                                 \
816     S_re_croak2(aTHX_ UTF, m, REPORT_LOCATION, a1,  \
817             REPORT_LOCATION_ARGS(RExC_parse));      \
818 } STMT_END
819
820 #define vFAIL3utf8f(m, a1, a2) STMT_START {             \
821     PREPARE_TO_DIE;                                     \
822     S_re_croak2(aTHX_ UTF, m, REPORT_LOCATION, a1, a2,  \
823             REPORT_LOCATION_ARGS(RExC_parse));          \
824 } STMT_END
825
826 /* Setting this to NULL is a signal to not output warnings */
827 #define TURN_OFF_WARNINGS_IN_SUBSTITUTE_PARSE                               \
828     STMT_START {                                                            \
829       RExC_save_copy_start_in_constructed  = RExC_copy_start_in_constructed;\
830       RExC_copy_start_in_constructed = NULL;                                \
831     } STMT_END
832 #define RESTORE_WARNINGS                                                    \
833     RExC_copy_start_in_constructed = RExC_save_copy_start_in_constructed
834
835 /* Since a warning can be generated multiple times as the input is reparsed, we
836  * output it the first time we come to that point in the parse, but suppress it
837  * otherwise.  'RExC_copy_start_in_constructed' being NULL is a flag to not
838  * generate any warnings */
839 #define TO_OUTPUT_WARNINGS(loc)                                         \
840   (   RExC_copy_start_in_constructed                                    \
841    && ((xI(loc)) - RExC_precomp) > (Ptrdiff_t) RExC_latest_warn_offset)
842
843 /* After we've emitted a warning, we save the position in the input so we don't
844  * output it again */
845 #define UPDATE_WARNINGS_LOC(loc)                                        \
846     STMT_START {                                                        \
847         if (TO_OUTPUT_WARNINGS(loc)) {                                  \
848             RExC_latest_warn_offset = (xI(loc)) - RExC_precomp;         \
849         }                                                               \
850     } STMT_END
851
852 /* 'warns' is the output of the packWARNx macro used in 'code' */
853 #define _WARN_HELPER(loc, warns, code)                                  \
854     STMT_START {                                                        \
855         if (! RExC_copy_start_in_constructed) {                         \
856             Perl_croak( aTHX_ "panic! %s: %d: Tried to warn when none"  \
857                               " expected at '%s'",                      \
858                               __FILE__, __LINE__, loc);                 \
859         }                                                               \
860         if (TO_OUTPUT_WARNINGS(loc)) {                                  \
861             if (ckDEAD(warns))                                          \
862                 PREPARE_TO_DIE;                                         \
863             code;                                                       \
864             UPDATE_WARNINGS_LOC(loc);                                   \
865         }                                                               \
866     } STMT_END
867
868 /* m is not necessarily a "literal string", in this macro */
869 #define reg_warn_non_literal_string(loc, m)                             \
870     _WARN_HELPER(loc, packWARN(WARN_REGEXP),                            \
871                       Perl_warner(aTHX_ packWARN(WARN_REGEXP),          \
872                                        "%s" REPORT_LOCATION,            \
873                                   m, REPORT_LOCATION_ARGS(loc)))
874
875 #define ckWARNreg(loc,m)                                                \
876     _WARN_HELPER(loc, packWARN(WARN_REGEXP),                            \
877                       Perl_ck_warner(aTHX_ packWARN(WARN_REGEXP),       \
878                                           m REPORT_LOCATION,            \
879                                           REPORT_LOCATION_ARGS(loc)))
880
881 #define vWARN(loc, m)                                                   \
882     _WARN_HELPER(loc, packWARN(WARN_REGEXP),                            \
883                       Perl_warner(aTHX_ packWARN(WARN_REGEXP),          \
884                                        m REPORT_LOCATION,               \
885                                        REPORT_LOCATION_ARGS(loc)))      \
886
887 #define vWARN_dep(loc, m)                                               \
888     _WARN_HELPER(loc, packWARN(WARN_DEPRECATED),                        \
889                       Perl_warner(aTHX_ packWARN(WARN_DEPRECATED),      \
890                                        m REPORT_LOCATION,               \
891                                        REPORT_LOCATION_ARGS(loc)))
892
893 #define ckWARNdep(loc,m)                                                \
894     _WARN_HELPER(loc, packWARN(WARN_DEPRECATED),                        \
895                       Perl_ck_warner_d(aTHX_ packWARN(WARN_DEPRECATED), \
896                                             m REPORT_LOCATION,          \
897                                             REPORT_LOCATION_ARGS(loc)))
898
899 #define ckWARNregdep(loc,m)                                                 \
900     _WARN_HELPER(loc, packWARN2(WARN_DEPRECATED, WARN_REGEXP),              \
901                       Perl_ck_warner_d(aTHX_ packWARN2(WARN_DEPRECATED,     \
902                                                       WARN_REGEXP),         \
903                                              m REPORT_LOCATION,             \
904                                              REPORT_LOCATION_ARGS(loc)))
905
906 #define ckWARN2reg_d(loc,m, a1)                                             \
907     _WARN_HELPER(loc, packWARN(WARN_REGEXP),                                \
908                       Perl_ck_warner_d(aTHX_ packWARN(WARN_REGEXP),         \
909                                             m REPORT_LOCATION,              \
910                                             a1, REPORT_LOCATION_ARGS(loc)))
911
912 #define ckWARN2reg(loc, m, a1)                                              \
913     _WARN_HELPER(loc, packWARN(WARN_REGEXP),                                \
914                       Perl_ck_warner(aTHX_ packWARN(WARN_REGEXP),           \
915                                           m REPORT_LOCATION,                \
916                                           a1, REPORT_LOCATION_ARGS(loc)))
917
918 #define vWARN3(loc, m, a1, a2)                                              \
919     _WARN_HELPER(loc, packWARN(WARN_REGEXP),                                \
920                       Perl_warner(aTHX_ packWARN(WARN_REGEXP),              \
921                                        m REPORT_LOCATION,                   \
922                                        a1, a2, REPORT_LOCATION_ARGS(loc)))
923
924 #define ckWARN3reg(loc, m, a1, a2)                                          \
925     _WARN_HELPER(loc, packWARN(WARN_REGEXP),                                \
926                       Perl_ck_warner(aTHX_ packWARN(WARN_REGEXP),           \
927                                           m REPORT_LOCATION,                \
928                                           a1, a2,                           \
929                                           REPORT_LOCATION_ARGS(loc)))
930
931 #define vWARN4(loc, m, a1, a2, a3)                                      \
932     _WARN_HELPER(loc, packWARN(WARN_REGEXP),                            \
933                       Perl_warner(aTHX_ packWARN(WARN_REGEXP),          \
934                                        m REPORT_LOCATION,               \
935                                        a1, a2, a3,                      \
936                                        REPORT_LOCATION_ARGS(loc)))
937
938 #define ckWARN4reg(loc, m, a1, a2, a3)                                  \
939     _WARN_HELPER(loc, packWARN(WARN_REGEXP),                            \
940                       Perl_ck_warner(aTHX_ packWARN(WARN_REGEXP),       \
941                                           m REPORT_LOCATION,            \
942                                           a1, a2, a3,                   \
943                                           REPORT_LOCATION_ARGS(loc)))
944
945 #define vWARN5(loc, m, a1, a2, a3, a4)                                  \
946     _WARN_HELPER(loc, packWARN(WARN_REGEXP),                            \
947                       Perl_warner(aTHX_ packWARN(WARN_REGEXP),          \
948                                        m REPORT_LOCATION,               \
949                                        a1, a2, a3, a4,                  \
950                                        REPORT_LOCATION_ARGS(loc)))
951
952 #define ckWARNexperimental(loc, class, m)                               \
953     _WARN_HELPER(loc, packWARN(class),                                  \
954                       Perl_ck_warner_d(aTHX_ packWARN(class),           \
955                                             m REPORT_LOCATION,          \
956                                             REPORT_LOCATION_ARGS(loc)))
957
958 /* Convert between a pointer to a node and its offset from the beginning of the
959  * program */
960 #define REGNODE_p(offset)    (RExC_emit_start + (offset))
961 #define REGNODE_OFFSET(node) ((node) - RExC_emit_start)
962
963 /* Macros for recording node offsets.   20001227 mjd@plover.com
964  * Nodes are numbered 1, 2, 3, 4.  Node #n's position is recorded in
965  * element 2*n-1 of the array.  Element #2n holds the byte length node #n.
966  * Element 0 holds the number n.
967  * Position is 1 indexed.
968  */
969 #ifndef RE_TRACK_PATTERN_OFFSETS
970 #define Set_Node_Offset_To_R(offset,byte)
971 #define Set_Node_Offset(node,byte)
972 #define Set_Cur_Node_Offset
973 #define Set_Node_Length_To_R(node,len)
974 #define Set_Node_Length(node,len)
975 #define Set_Node_Cur_Length(node,start)
976 #define Node_Offset(n)
977 #define Node_Length(n)
978 #define Set_Node_Offset_Length(node,offset,len)
979 #define ProgLen(ri) ri->u.proglen
980 #define SetProgLen(ri,x) ri->u.proglen = x
981 #define Track_Code(code)
982 #else
983 #define ProgLen(ri) ri->u.offsets[0]
984 #define SetProgLen(ri,x) ri->u.offsets[0] = x
985 #define Set_Node_Offset_To_R(offset,byte) STMT_START {                  \
986         MJD_OFFSET_DEBUG(("** (%d) offset of node %d is %d.\n",         \
987                     __LINE__, (int)(offset), (int)(byte)));             \
988         if((offset) < 0) {                                              \
989             Perl_croak(aTHX_ "value of node is %d in Offset macro",     \
990                                          (int)(offset));                \
991         } else {                                                        \
992             RExC_offsets[2*(offset)-1] = (byte);                        \
993         }                                                               \
994 } STMT_END
995
996 #define Set_Node_Offset(node,byte)                                      \
997     Set_Node_Offset_To_R(REGNODE_OFFSET(node), (byte)-RExC_start)
998 #define Set_Cur_Node_Offset Set_Node_Offset(RExC_emit, RExC_parse)
999
1000 #define Set_Node_Length_To_R(node,len) STMT_START {                     \
1001         MJD_OFFSET_DEBUG(("** (%d) size of node %d is %d.\n",           \
1002                 __LINE__, (int)(node), (int)(len)));                    \
1003         if((node) < 0) {                                                \
1004             Perl_croak(aTHX_ "value of node is %d in Length macro",     \
1005                                          (int)(node));                  \
1006         } else {                                                        \
1007             RExC_offsets[2*(node)] = (len);                             \
1008         }                                                               \
1009 } STMT_END
1010
1011 #define Set_Node_Length(node,len) \
1012     Set_Node_Length_To_R(REGNODE_OFFSET(node), len)
1013 #define Set_Node_Cur_Length(node, start)                \
1014     Set_Node_Length(node, RExC_parse - start)
1015
1016 /* Get offsets and lengths */
1017 #define Node_Offset(n) (RExC_offsets[2*(REGNODE_OFFSET(n))-1])
1018 #define Node_Length(n) (RExC_offsets[2*(REGNODE_OFFSET(n))])
1019
1020 #define Set_Node_Offset_Length(node,offset,len) STMT_START {    \
1021     Set_Node_Offset_To_R(REGNODE_OFFSET(node), (offset));       \
1022     Set_Node_Length_To_R(REGNODE_OFFSET(node), (len));  \
1023 } STMT_END
1024
1025 #define Track_Code(code) STMT_START { code } STMT_END
1026 #endif
1027
1028 #if PERL_ENABLE_EXPERIMENTAL_REGEX_OPTIMISATIONS
1029 #define EXPERIMENTAL_INPLACESCAN
1030 #endif /*PERL_ENABLE_EXPERIMENTAL_REGEX_OPTIMISATIONS*/
1031
1032 #ifdef DEBUGGING
1033 int
1034 Perl_re_printf(pTHX_ const char *fmt, ...)
1035 {
1036     va_list ap;
1037     int result;
1038     PerlIO *f= Perl_debug_log;
1039     PERL_ARGS_ASSERT_RE_PRINTF;
1040     va_start(ap, fmt);
1041     result = PerlIO_vprintf(f, fmt, ap);
1042     va_end(ap);
1043     return result;
1044 }
1045
1046 int
1047 Perl_re_indentf(pTHX_ const char *fmt, U32 depth, ...)
1048 {
1049     va_list ap;
1050     int result;
1051     PerlIO *f= Perl_debug_log;
1052     PERL_ARGS_ASSERT_RE_INDENTF;
1053     va_start(ap, depth);
1054     PerlIO_printf(f, "%*s", ( (int)depth % 20 ) * 2, "");
1055     result = PerlIO_vprintf(f, fmt, ap);
1056     va_end(ap);
1057     return result;
1058 }
1059 #endif /* DEBUGGING */
1060
1061 #define DEBUG_RExC_seen()                                                   \
1062         DEBUG_OPTIMISE_MORE_r({                                             \
1063             Perl_re_printf( aTHX_ "RExC_seen: ");                           \
1064                                                                             \
1065             if (RExC_seen & REG_ZERO_LEN_SEEN)                              \
1066                 Perl_re_printf( aTHX_ "REG_ZERO_LEN_SEEN ");                \
1067                                                                             \
1068             if (RExC_seen & REG_LOOKBEHIND_SEEN)                            \
1069                 Perl_re_printf( aTHX_ "REG_LOOKBEHIND_SEEN ");              \
1070                                                                             \
1071             if (RExC_seen & REG_GPOS_SEEN)                                  \
1072                 Perl_re_printf( aTHX_ "REG_GPOS_SEEN ");                    \
1073                                                                             \
1074             if (RExC_seen & REG_RECURSE_SEEN)                               \
1075                 Perl_re_printf( aTHX_ "REG_RECURSE_SEEN ");                 \
1076                                                                             \
1077             if (RExC_seen & REG_TOP_LEVEL_BRANCHES_SEEN)                    \
1078                 Perl_re_printf( aTHX_ "REG_TOP_LEVEL_BRANCHES_SEEN ");      \
1079                                                                             \
1080             if (RExC_seen & REG_VERBARG_SEEN)                               \
1081                 Perl_re_printf( aTHX_ "REG_VERBARG_SEEN ");                 \
1082                                                                             \
1083             if (RExC_seen & REG_CUTGROUP_SEEN)                              \
1084                 Perl_re_printf( aTHX_ "REG_CUTGROUP_SEEN ");                \
1085                                                                             \
1086             if (RExC_seen & REG_RUN_ON_COMMENT_SEEN)                        \
1087                 Perl_re_printf( aTHX_ "REG_RUN_ON_COMMENT_SEEN ");          \
1088                                                                             \
1089             if (RExC_seen & REG_UNFOLDED_MULTI_SEEN)                        \
1090                 Perl_re_printf( aTHX_ "REG_UNFOLDED_MULTI_SEEN ");          \
1091                                                                             \
1092             if (RExC_seen & REG_UNBOUNDED_QUANTIFIER_SEEN)                  \
1093                 Perl_re_printf( aTHX_ "REG_UNBOUNDED_QUANTIFIER_SEEN ");    \
1094                                                                             \
1095             Perl_re_printf( aTHX_ "\n");                                    \
1096         });
1097
1098 #define DEBUG_SHOW_STUDY_FLAG(flags,flag) \
1099   if ((flags) & flag) Perl_re_printf( aTHX_  "%s ", #flag)
1100
1101
1102 #ifdef DEBUGGING
1103 static void
1104 S_debug_show_study_flags(pTHX_ U32 flags, const char *open_str,
1105                                     const char *close_str)
1106 {
1107     if (!flags)
1108         return;
1109
1110     Perl_re_printf( aTHX_  "%s", open_str);
1111     DEBUG_SHOW_STUDY_FLAG(flags, SF_BEFORE_SEOL);
1112     DEBUG_SHOW_STUDY_FLAG(flags, SF_BEFORE_MEOL);
1113     DEBUG_SHOW_STUDY_FLAG(flags, SF_IS_INF);
1114     DEBUG_SHOW_STUDY_FLAG(flags, SF_HAS_PAR);
1115     DEBUG_SHOW_STUDY_FLAG(flags, SF_IN_PAR);
1116     DEBUG_SHOW_STUDY_FLAG(flags, SF_HAS_EVAL);
1117     DEBUG_SHOW_STUDY_FLAG(flags, SCF_DO_SUBSTR);
1118     DEBUG_SHOW_STUDY_FLAG(flags, SCF_DO_STCLASS_AND);
1119     DEBUG_SHOW_STUDY_FLAG(flags, SCF_DO_STCLASS_OR);
1120     DEBUG_SHOW_STUDY_FLAG(flags, SCF_DO_STCLASS);
1121     DEBUG_SHOW_STUDY_FLAG(flags, SCF_WHILEM_VISITED_POS);
1122     DEBUG_SHOW_STUDY_FLAG(flags, SCF_TRIE_RESTUDY);
1123     DEBUG_SHOW_STUDY_FLAG(flags, SCF_SEEN_ACCEPT);
1124     DEBUG_SHOW_STUDY_FLAG(flags, SCF_TRIE_DOING_RESTUDY);
1125     DEBUG_SHOW_STUDY_FLAG(flags, SCF_IN_DEFINE);
1126     Perl_re_printf( aTHX_  "%s", close_str);
1127 }
1128
1129
1130 static void
1131 S_debug_studydata(pTHX_ const char *where, scan_data_t *data,
1132                     U32 depth, int is_inf)
1133 {
1134     GET_RE_DEBUG_FLAGS_DECL;
1135
1136     DEBUG_OPTIMISE_MORE_r({
1137         if (!data)
1138             return;
1139         Perl_re_indentf(aTHX_  "%s: Pos:%" IVdf "/%" IVdf " Flags: 0x%" UVXf,
1140             depth,
1141             where,
1142             (IV)data->pos_min,
1143             (IV)data->pos_delta,
1144             (UV)data->flags
1145         );
1146
1147         S_debug_show_study_flags(aTHX_ data->flags," [","]");
1148
1149         Perl_re_printf( aTHX_
1150             " Whilem_c: %" IVdf " Lcp: %" IVdf " %s",
1151             (IV)data->whilem_c,
1152             (IV)(data->last_closep ? *((data)->last_closep) : -1),
1153             is_inf ? "INF " : ""
1154         );
1155
1156         if (data->last_found) {
1157             int i;
1158             Perl_re_printf(aTHX_
1159                 "Last:'%s' %" IVdf ":%" IVdf "/%" IVdf,
1160                     SvPVX_const(data->last_found),
1161                     (IV)data->last_end,
1162                     (IV)data->last_start_min,
1163                     (IV)data->last_start_max
1164             );
1165
1166             for (i = 0; i < 2; i++) {
1167                 Perl_re_printf(aTHX_
1168                     " %s%s: '%s' @ %" IVdf "/%" IVdf,
1169                     data->cur_is_floating == i ? "*" : "",
1170                     i ? "Float" : "Fixed",
1171                     SvPVX_const(data->substrs[i].str),
1172                     (IV)data->substrs[i].min_offset,
1173                     (IV)data->substrs[i].max_offset
1174                 );
1175                 S_debug_show_study_flags(aTHX_ data->substrs[i].flags," [","]");
1176             }
1177         }
1178
1179         Perl_re_printf( aTHX_ "\n");
1180     });
1181 }
1182
1183
1184 static void
1185 S_debug_peep(pTHX_ const char *str, const RExC_state_t *pRExC_state,
1186                 regnode *scan, U32 depth, U32 flags)
1187 {
1188     GET_RE_DEBUG_FLAGS_DECL;
1189
1190     DEBUG_OPTIMISE_r({
1191         regnode *Next;
1192
1193         if (!scan)
1194             return;
1195         Next = regnext(scan);
1196         regprop(RExC_rx, RExC_mysv, scan, NULL, pRExC_state);
1197         Perl_re_indentf( aTHX_   "%s>%3d: %s (%d)",
1198             depth,
1199             str,
1200             REG_NODE_NUM(scan), SvPV_nolen_const(RExC_mysv),
1201             Next ? (REG_NODE_NUM(Next)) : 0 );
1202         S_debug_show_study_flags(aTHX_ flags," [ ","]");
1203         Perl_re_printf( aTHX_  "\n");
1204    });
1205 }
1206
1207
1208 #  define DEBUG_STUDYDATA(where, data, depth, is_inf) \
1209                     S_debug_studydata(aTHX_ where, data, depth, is_inf)
1210
1211 #  define DEBUG_PEEP(str, scan, depth, flags)   \
1212                     S_debug_peep(aTHX_ str, pRExC_state, scan, depth, flags)
1213
1214 #else
1215 #  define DEBUG_STUDYDATA(where, data, depth, is_inf) NOOP
1216 #  define DEBUG_PEEP(str, scan, depth, flags)         NOOP
1217 #endif
1218
1219
1220 /* =========================================================
1221  * BEGIN edit_distance stuff.
1222  *
1223  * This calculates how many single character changes of any type are needed to
1224  * transform a string into another one.  It is taken from version 3.1 of
1225  *
1226  * https://metacpan.org/pod/Text::Levenshtein::Damerau::XS
1227  */
1228
1229 /* Our unsorted dictionary linked list.   */
1230 /* Note we use UVs, not chars. */
1231
1232 struct dictionary{
1233   UV key;
1234   UV value;
1235   struct dictionary* next;
1236 };
1237 typedef struct dictionary item;
1238
1239
1240 PERL_STATIC_INLINE item*
1241 push(UV key, item* curr)
1242 {
1243     item* head;
1244     Newx(head, 1, item);
1245     head->key = key;
1246     head->value = 0;
1247     head->next = curr;
1248     return head;
1249 }
1250
1251
1252 PERL_STATIC_INLINE item*
1253 find(item* head, UV key)
1254 {
1255     item* iterator = head;
1256     while (iterator){
1257         if (iterator->key == key){
1258             return iterator;
1259         }
1260         iterator = iterator->next;
1261     }
1262
1263     return NULL;
1264 }
1265
1266 PERL_STATIC_INLINE item*
1267 uniquePush(item* head, UV key)
1268 {
1269     item* iterator = head;
1270
1271     while (iterator){
1272         if (iterator->key == key) {
1273             return head;
1274         }
1275         iterator = iterator->next;
1276     }
1277
1278     return push(key, head);
1279 }
1280
1281 PERL_STATIC_INLINE void
1282 dict_free(item* head)
1283 {
1284     item* iterator = head;
1285
1286     while (iterator) {
1287         item* temp = iterator;
1288         iterator = iterator->next;
1289         Safefree(temp);
1290     }
1291
1292     head = NULL;
1293 }
1294
1295 /* End of Dictionary Stuff */
1296
1297 /* All calculations/work are done here */
1298 STATIC int
1299 S_edit_distance(const UV* src,
1300                 const UV* tgt,
1301                 const STRLEN x,             /* length of src[] */
1302                 const STRLEN y,             /* length of tgt[] */
1303                 const SSize_t maxDistance
1304 )
1305 {
1306     item *head = NULL;
1307     UV swapCount, swapScore, targetCharCount, i, j;
1308     UV *scores;
1309     UV score_ceil = x + y;
1310
1311     PERL_ARGS_ASSERT_EDIT_DISTANCE;
1312
1313     /* intialize matrix start values */
1314     Newx(scores, ( (x + 2) * (y + 2)), UV);
1315     scores[0] = score_ceil;
1316     scores[1 * (y + 2) + 0] = score_ceil;
1317     scores[0 * (y + 2) + 1] = score_ceil;
1318     scores[1 * (y + 2) + 1] = 0;
1319     head = uniquePush(uniquePush(head, src[0]), tgt[0]);
1320
1321     /* work loops    */
1322     /* i = src index */
1323     /* j = tgt index */
1324     for (i=1;i<=x;i++) {
1325         if (i < x)
1326             head = uniquePush(head, src[i]);
1327         scores[(i+1) * (y + 2) + 1] = i;
1328         scores[(i+1) * (y + 2) + 0] = score_ceil;
1329         swapCount = 0;
1330
1331         for (j=1;j<=y;j++) {
1332             if (i == 1) {
1333                 if(j < y)
1334                 head = uniquePush(head, tgt[j]);
1335                 scores[1 * (y + 2) + (j + 1)] = j;
1336                 scores[0 * (y + 2) + (j + 1)] = score_ceil;
1337             }
1338
1339             targetCharCount = find(head, tgt[j-1])->value;
1340             swapScore = scores[targetCharCount * (y + 2) + swapCount] + i - targetCharCount - 1 + j - swapCount;
1341
1342             if (src[i-1] != tgt[j-1]){
1343                 scores[(i+1) * (y + 2) + (j + 1)] = MIN(swapScore,(MIN(scores[i * (y + 2) + j], MIN(scores[(i+1) * (y + 2) + j], scores[i * (y + 2) + (j + 1)])) + 1));
1344             }
1345             else {
1346                 swapCount = j;
1347                 scores[(i+1) * (y + 2) + (j + 1)] = MIN(scores[i * (y + 2) + j], swapScore);
1348             }
1349         }
1350
1351         find(head, src[i-1])->value = i;
1352     }
1353
1354     {
1355         IV score = scores[(x+1) * (y + 2) + (y + 1)];
1356         dict_free(head);
1357         Safefree(scores);
1358         return (maxDistance != 0 && maxDistance < score)?(-1):score;
1359     }
1360 }
1361
1362 /* END of edit_distance() stuff
1363  * ========================================================= */
1364
1365 /* is c a control character for which we have a mnemonic? */
1366 #define isMNEMONIC_CNTRL(c) _IS_MNEMONIC_CNTRL_ONLY_FOR_USE_BY_REGCOMP_DOT_C(c)
1367
1368 STATIC const char *
1369 S_cntrl_to_mnemonic(const U8 c)
1370 {
1371     /* Returns the mnemonic string that represents character 'c', if one
1372      * exists; NULL otherwise.  The only ones that exist for the purposes of
1373      * this routine are a few control characters */
1374
1375     switch (c) {
1376         case '\a':       return "\\a";
1377         case '\b':       return "\\b";
1378         case ESC_NATIVE: return "\\e";
1379         case '\f':       return "\\f";
1380         case '\n':       return "\\n";
1381         case '\r':       return "\\r";
1382         case '\t':       return "\\t";
1383     }
1384
1385     return NULL;
1386 }
1387
1388 /* Mark that we cannot extend a found fixed substring at this point.
1389    Update the longest found anchored substring or the longest found
1390    floating substrings if needed. */
1391
1392 STATIC void
1393 S_scan_commit(pTHX_ const RExC_state_t *pRExC_state, scan_data_t *data,
1394                     SSize_t *minlenp, int is_inf)
1395 {
1396     const STRLEN l = CHR_SVLEN(data->last_found);
1397     SV * const longest_sv = data->substrs[data->cur_is_floating].str;
1398     const STRLEN old_l = CHR_SVLEN(longest_sv);
1399     GET_RE_DEBUG_FLAGS_DECL;
1400
1401     PERL_ARGS_ASSERT_SCAN_COMMIT;
1402
1403     if ((l >= old_l) && ((l > old_l) || (data->flags & SF_BEFORE_EOL))) {
1404         const U8 i = data->cur_is_floating;
1405         SvSetMagicSV(longest_sv, data->last_found);
1406         data->substrs[i].min_offset = l ? data->last_start_min : data->pos_min;
1407
1408         if (!i) /* fixed */
1409             data->substrs[0].max_offset = data->substrs[0].min_offset;
1410         else { /* float */
1411             data->substrs[1].max_offset = (l
1412                           ? data->last_start_max
1413                           : (data->pos_delta > SSize_t_MAX - data->pos_min
1414                                          ? SSize_t_MAX
1415                                          : data->pos_min + data->pos_delta));
1416             if (is_inf
1417                  || (STRLEN)data->substrs[1].max_offset > (STRLEN)SSize_t_MAX)
1418                 data->substrs[1].max_offset = SSize_t_MAX;
1419         }
1420
1421         if (data->flags & SF_BEFORE_EOL)
1422             data->substrs[i].flags |= (data->flags & SF_BEFORE_EOL);
1423         else
1424             data->substrs[i].flags &= ~SF_BEFORE_EOL;
1425         data->substrs[i].minlenp = minlenp;
1426         data->substrs[i].lookbehind = 0;
1427     }
1428
1429     SvCUR_set(data->last_found, 0);
1430     {
1431         SV * const sv = data->last_found;
1432         if (SvUTF8(sv) && SvMAGICAL(sv)) {
1433             MAGIC * const mg = mg_find(sv, PERL_MAGIC_utf8);
1434             if (mg)
1435                 mg->mg_len = 0;
1436         }
1437     }
1438     data->last_end = -1;
1439     data->flags &= ~SF_BEFORE_EOL;
1440     DEBUG_STUDYDATA("commit", data, 0, is_inf);
1441 }
1442
1443 /* An SSC is just a regnode_charclass_posix with an extra field: the inversion
1444  * list that describes which code points it matches */
1445
1446 STATIC void
1447 S_ssc_anything(pTHX_ regnode_ssc *ssc)
1448 {
1449     /* Set the SSC 'ssc' to match an empty string or any code point */
1450
1451     PERL_ARGS_ASSERT_SSC_ANYTHING;
1452
1453     assert(is_ANYOF_SYNTHETIC(ssc));
1454
1455     /* mortalize so won't leak */
1456     ssc->invlist = sv_2mortal(_add_range_to_invlist(NULL, 0, UV_MAX));
1457     ANYOF_FLAGS(ssc) |= SSC_MATCHES_EMPTY_STRING;  /* Plus matches empty */
1458 }
1459
1460 STATIC int
1461 S_ssc_is_anything(const regnode_ssc *ssc)
1462 {
1463     /* Returns TRUE if the SSC 'ssc' can match the empty string and any code
1464      * point; FALSE otherwise.  Thus, this is used to see if using 'ssc' buys
1465      * us anything: if the function returns TRUE, 'ssc' hasn't been restricted
1466      * in any way, so there's no point in using it */
1467
1468     UV start, end;
1469     bool ret;
1470
1471     PERL_ARGS_ASSERT_SSC_IS_ANYTHING;
1472
1473     assert(is_ANYOF_SYNTHETIC(ssc));
1474
1475     if (! (ANYOF_FLAGS(ssc) & SSC_MATCHES_EMPTY_STRING)) {
1476         return FALSE;
1477     }
1478
1479     /* See if the list consists solely of the range 0 - Infinity */
1480     invlist_iterinit(ssc->invlist);
1481     ret = invlist_iternext(ssc->invlist, &start, &end)
1482           && start == 0
1483           && end == UV_MAX;
1484
1485     invlist_iterfinish(ssc->invlist);
1486
1487     if (ret) {
1488         return TRUE;
1489     }
1490
1491     /* If e.g., both \w and \W are set, matches everything */
1492     if (ANYOF_POSIXL_SSC_TEST_ANY_SET(ssc)) {
1493         int i;
1494         for (i = 0; i < ANYOF_POSIXL_MAX; i += 2) {
1495             if (ANYOF_POSIXL_TEST(ssc, i) && ANYOF_POSIXL_TEST(ssc, i+1)) {
1496                 return TRUE;
1497             }
1498         }
1499     }
1500
1501     return FALSE;
1502 }
1503
1504 STATIC void
1505 S_ssc_init(pTHX_ const RExC_state_t *pRExC_state, regnode_ssc *ssc)
1506 {
1507     /* Initializes the SSC 'ssc'.  This includes setting it to match an empty
1508      * string, any code point, or any posix class under locale */
1509
1510     PERL_ARGS_ASSERT_SSC_INIT;
1511
1512     Zero(ssc, 1, regnode_ssc);
1513     set_ANYOF_SYNTHETIC(ssc);
1514     ARG_SET(ssc, ANYOF_ONLY_HAS_BITMAP);
1515     ssc_anything(ssc);
1516
1517     /* If any portion of the regex is to operate under locale rules that aren't
1518      * fully known at compile time, initialization includes it.  The reason
1519      * this isn't done for all regexes is that the optimizer was written under
1520      * the assumption that locale was all-or-nothing.  Given the complexity and
1521      * lack of documentation in the optimizer, and that there are inadequate
1522      * test cases for locale, many parts of it may not work properly, it is
1523      * safest to avoid locale unless necessary. */
1524     if (RExC_contains_locale) {
1525         ANYOF_POSIXL_SETALL(ssc);
1526     }
1527     else {
1528         ANYOF_POSIXL_ZERO(ssc);
1529     }
1530 }
1531
1532 STATIC int
1533 S_ssc_is_cp_posixl_init(const RExC_state_t *pRExC_state,
1534                         const regnode_ssc *ssc)
1535 {
1536     /* Returns TRUE if the SSC 'ssc' is in its initial state with regard only
1537      * to the list of code points matched, and locale posix classes; hence does
1538      * not check its flags) */
1539
1540     UV start, end;
1541     bool ret;
1542
1543     PERL_ARGS_ASSERT_SSC_IS_CP_POSIXL_INIT;
1544
1545     assert(is_ANYOF_SYNTHETIC(ssc));
1546
1547     invlist_iterinit(ssc->invlist);
1548     ret = invlist_iternext(ssc->invlist, &start, &end)
1549           && start == 0
1550           && end == UV_MAX;
1551
1552     invlist_iterfinish(ssc->invlist);
1553
1554     if (! ret) {
1555         return FALSE;
1556     }
1557
1558     if (RExC_contains_locale && ! ANYOF_POSIXL_SSC_TEST_ALL_SET(ssc)) {
1559         return FALSE;
1560     }
1561
1562     return TRUE;
1563 }
1564
1565 #define INVLIST_INDEX 0
1566 #define ONLY_LOCALE_MATCHES_INDEX 1
1567 #define DEFERRED_USER_DEFINED_INDEX 2
1568
1569 STATIC SV*
1570 S_get_ANYOF_cp_list_for_ssc(pTHX_ const RExC_state_t *pRExC_state,
1571                                const regnode_charclass* const node)
1572 {
1573     /* Returns a mortal inversion list defining which code points are matched
1574      * by 'node', which is of type ANYOF.  Handles complementing the result if
1575      * appropriate.  If some code points aren't knowable at this time, the
1576      * returned list must, and will, contain every code point that is a
1577      * possibility. */
1578
1579     dVAR;
1580     SV* invlist = NULL;
1581     SV* only_utf8_locale_invlist = NULL;
1582     unsigned int i;
1583     const U32 n = ARG(node);
1584     bool new_node_has_latin1 = FALSE;
1585     const U8 flags = (inRANGE(OP(node), ANYOFH, ANYOFHr))
1586                       ? 0
1587                       : ANYOF_FLAGS(node);
1588
1589     PERL_ARGS_ASSERT_GET_ANYOF_CP_LIST_FOR_SSC;
1590
1591     /* Look at the data structure created by S_set_ANYOF_arg() */
1592     if (n != ANYOF_ONLY_HAS_BITMAP) {
1593         SV * const rv = MUTABLE_SV(RExC_rxi->data->data[n]);
1594         AV * const av = MUTABLE_AV(SvRV(rv));
1595         SV **const ary = AvARRAY(av);
1596         assert(RExC_rxi->data->what[n] == 's');
1597
1598         if (av_tindex_skip_len_mg(av) >= DEFERRED_USER_DEFINED_INDEX) {
1599
1600             /* Here there are things that won't be known until runtime -- we
1601              * have to assume it could be anything */
1602             invlist = sv_2mortal(_new_invlist(1));
1603             return _add_range_to_invlist(invlist, 0, UV_MAX);
1604         }
1605         else if (ary[INVLIST_INDEX]) {
1606
1607             /* Use the node's inversion list */
1608             invlist = sv_2mortal(invlist_clone(ary[INVLIST_INDEX], NULL));
1609         }
1610
1611         /* Get the code points valid only under UTF-8 locales */
1612         if (   (flags & ANYOFL_FOLD)
1613             &&  av_tindex_skip_len_mg(av) >= ONLY_LOCALE_MATCHES_INDEX)
1614         {
1615             only_utf8_locale_invlist = ary[ONLY_LOCALE_MATCHES_INDEX];
1616         }
1617     }
1618
1619     if (! invlist) {
1620         invlist = sv_2mortal(_new_invlist(0));
1621     }
1622
1623     /* An ANYOF node contains a bitmap for the first NUM_ANYOF_CODE_POINTS
1624      * code points, and an inversion list for the others, but if there are code
1625      * points that should match only conditionally on the target string being
1626      * UTF-8, those are placed in the inversion list, and not the bitmap.
1627      * Since there are circumstances under which they could match, they are
1628      * included in the SSC.  But if the ANYOF node is to be inverted, we have
1629      * to exclude them here, so that when we invert below, the end result
1630      * actually does include them.  (Think about "\xe0" =~ /[^\xc0]/di;).  We
1631      * have to do this here before we add the unconditionally matched code
1632      * points */
1633     if (flags & ANYOF_INVERT) {
1634         _invlist_intersection_complement_2nd(invlist,
1635                                              PL_UpperLatin1,
1636                                              &invlist);
1637     }
1638
1639     /* Add in the points from the bit map */
1640     if (! inRANGE(OP(node), ANYOFH, ANYOFHr)) {
1641         for (i = 0; i < NUM_ANYOF_CODE_POINTS; i++) {
1642             if (ANYOF_BITMAP_TEST(node, i)) {
1643                 unsigned int start = i++;
1644
1645                 for (;    i < NUM_ANYOF_CODE_POINTS
1646                        && ANYOF_BITMAP_TEST(node, i); ++i)
1647                 {
1648                     /* empty */
1649                 }
1650                 invlist = _add_range_to_invlist(invlist, start, i-1);
1651                 new_node_has_latin1 = TRUE;
1652             }
1653         }
1654     }
1655
1656     /* If this can match all upper Latin1 code points, have to add them
1657      * as well.  But don't add them if inverting, as when that gets done below,
1658      * it would exclude all these characters, including the ones it shouldn't
1659      * that were added just above */
1660     if (! (flags & ANYOF_INVERT) && OP(node) == ANYOFD
1661         && (flags & ANYOF_SHARED_d_MATCHES_ALL_NON_UTF8_NON_ASCII_non_d_WARN_SUPER))
1662     {
1663         _invlist_union(invlist, PL_UpperLatin1, &invlist);
1664     }
1665
1666     /* Similarly for these */
1667     if (flags & ANYOF_MATCHES_ALL_ABOVE_BITMAP) {
1668         _invlist_union_complement_2nd(invlist, PL_InBitmap, &invlist);
1669     }
1670
1671     if (flags & ANYOF_INVERT) {
1672         _invlist_invert(invlist);
1673     }
1674     else if (flags & ANYOFL_FOLD) {
1675         if (new_node_has_latin1) {
1676
1677             /* Under /li, any 0-255 could fold to any other 0-255, depending on
1678              * the locale.  We can skip this if there are no 0-255 at all. */
1679             _invlist_union(invlist, PL_Latin1, &invlist);
1680
1681             invlist = add_cp_to_invlist(invlist, LATIN_SMALL_LETTER_DOTLESS_I);
1682             invlist = add_cp_to_invlist(invlist, LATIN_CAPITAL_LETTER_I_WITH_DOT_ABOVE);
1683         }
1684         else {
1685             if (_invlist_contains_cp(invlist, LATIN_SMALL_LETTER_DOTLESS_I)) {
1686                 invlist = add_cp_to_invlist(invlist, 'I');
1687             }
1688             if (_invlist_contains_cp(invlist,
1689                                         LATIN_CAPITAL_LETTER_I_WITH_DOT_ABOVE))
1690             {
1691                 invlist = add_cp_to_invlist(invlist, 'i');
1692             }
1693         }
1694     }
1695
1696     /* Similarly add the UTF-8 locale possible matches.  These have to be
1697      * deferred until after the non-UTF-8 locale ones are taken care of just
1698      * above, or it leads to wrong results under ANYOF_INVERT */
1699     if (only_utf8_locale_invlist) {
1700         _invlist_union_maybe_complement_2nd(invlist,
1701                                             only_utf8_locale_invlist,
1702                                             flags & ANYOF_INVERT,
1703                                             &invlist);
1704     }
1705
1706     return invlist;
1707 }
1708
1709 /* These two functions currently do the exact same thing */
1710 #define ssc_init_zero           ssc_init
1711
1712 #define ssc_add_cp(ssc, cp)   ssc_add_range((ssc), (cp), (cp))
1713 #define ssc_match_all_cp(ssc) ssc_add_range(ssc, 0, UV_MAX)
1714
1715 /* 'AND' a given class with another one.  Can create false positives.  'ssc'
1716  * should not be inverted.  'and_with->flags & ANYOF_MATCHES_POSIXL' should be
1717  * 0 if 'and_with' is a regnode_charclass instead of a regnode_ssc. */
1718
1719 STATIC void
1720 S_ssc_and(pTHX_ const RExC_state_t *pRExC_state, regnode_ssc *ssc,
1721                 const regnode_charclass *and_with)
1722 {
1723     /* Accumulate into SSC 'ssc' its 'AND' with 'and_with', which is either
1724      * another SSC or a regular ANYOF class.  Can create false positives. */
1725
1726     SV* anded_cp_list;
1727     U8  and_with_flags = inRANGE(OP(and_with), ANYOFH, ANYOFHr)
1728                           ? 0
1729                           : ANYOF_FLAGS(and_with);
1730     U8  anded_flags;
1731
1732     PERL_ARGS_ASSERT_SSC_AND;
1733
1734     assert(is_ANYOF_SYNTHETIC(ssc));
1735
1736     /* 'and_with' is used as-is if it too is an SSC; otherwise have to extract
1737      * the code point inversion list and just the relevant flags */
1738     if (is_ANYOF_SYNTHETIC(and_with)) {
1739         anded_cp_list = ((regnode_ssc *)and_with)->invlist;
1740         anded_flags = and_with_flags;
1741
1742         /* XXX This is a kludge around what appears to be deficiencies in the
1743          * optimizer.  If we make S_ssc_anything() add in the WARN_SUPER flag,
1744          * there are paths through the optimizer where it doesn't get weeded
1745          * out when it should.  And if we don't make some extra provision for
1746          * it like the code just below, it doesn't get added when it should.
1747          * This solution is to add it only when AND'ing, which is here, and
1748          * only when what is being AND'ed is the pristine, original node
1749          * matching anything.  Thus it is like adding it to ssc_anything() but
1750          * only when the result is to be AND'ed.  Probably the same solution
1751          * could be adopted for the same problem we have with /l matching,
1752          * which is solved differently in S_ssc_init(), and that would lead to
1753          * fewer false positives than that solution has.  But if this solution
1754          * creates bugs, the consequences are only that a warning isn't raised
1755          * that should be; while the consequences for having /l bugs is
1756          * incorrect matches */
1757         if (ssc_is_anything((regnode_ssc *)and_with)) {
1758             anded_flags |= ANYOF_SHARED_d_MATCHES_ALL_NON_UTF8_NON_ASCII_non_d_WARN_SUPER;
1759         }
1760     }
1761     else {
1762         anded_cp_list = get_ANYOF_cp_list_for_ssc(pRExC_state, and_with);
1763         if (OP(and_with) == ANYOFD) {
1764             anded_flags = and_with_flags & ANYOF_COMMON_FLAGS;
1765         }
1766         else {
1767             anded_flags = and_with_flags
1768             &( ANYOF_COMMON_FLAGS
1769               |ANYOF_SHARED_d_MATCHES_ALL_NON_UTF8_NON_ASCII_non_d_WARN_SUPER
1770               |ANYOF_SHARED_d_UPPER_LATIN1_UTF8_STRING_MATCHES_non_d_RUNTIME_USER_PROP);
1771             if (ANYOFL_UTF8_LOCALE_REQD(and_with_flags)) {
1772                 anded_flags &=
1773                     ANYOFL_SHARED_UTF8_LOCALE_fold_HAS_MATCHES_nonfold_REQD;
1774             }
1775         }
1776     }
1777
1778     ANYOF_FLAGS(ssc) &= anded_flags;
1779
1780     /* Below, C1 is the list of code points in 'ssc'; P1, its posix classes.
1781      * C2 is the list of code points in 'and-with'; P2, its posix classes.
1782      * 'and_with' may be inverted.  When not inverted, we have the situation of
1783      * computing:
1784      *  (C1 | P1) & (C2 | P2)
1785      *                     =  (C1 & (C2 | P2)) | (P1 & (C2 | P2))
1786      *                     =  ((C1 & C2) | (C1 & P2)) | ((P1 & C2) | (P1 & P2))
1787      *                    <=  ((C1 & C2) |       P2)) | ( P1       | (P1 & P2))
1788      *                    <=  ((C1 & C2) | P1 | P2)
1789      * Alternatively, the last few steps could be:
1790      *                     =  ((C1 & C2) | (C1 & P2)) | ((P1 & C2) | (P1 & P2))
1791      *                    <=  ((C1 & C2) |  C1      ) | (      C2  | (P1 & P2))
1792      *                    <=  (C1 | C2 | (P1 & P2))
1793      * We favor the second approach if either P1 or P2 is non-empty.  This is
1794      * because these components are a barrier to doing optimizations, as what
1795      * they match cannot be known until the moment of matching as they are
1796      * dependent on the current locale, 'AND"ing them likely will reduce or
1797      * eliminate them.
1798      * But we can do better if we know that C1,P1 are in their initial state (a
1799      * frequent occurrence), each matching everything:
1800      *  (<everything>) & (C2 | P2) =  C2 | P2
1801      * Similarly, if C2,P2 are in their initial state (again a frequent
1802      * occurrence), the result is a no-op
1803      *  (C1 | P1) & (<everything>) =  C1 | P1
1804      *
1805      * Inverted, we have
1806      *  (C1 | P1) & ~(C2 | P2)  =  (C1 | P1) & (~C2 & ~P2)
1807      *                          =  (C1 & (~C2 & ~P2)) | (P1 & (~C2 & ~P2))
1808      *                         <=  (C1 & ~C2) | (P1 & ~P2)
1809      * */
1810
1811     if ((and_with_flags & ANYOF_INVERT)
1812         && ! is_ANYOF_SYNTHETIC(and_with))
1813     {
1814         unsigned int i;
1815
1816         ssc_intersection(ssc,
1817                          anded_cp_list,
1818                          FALSE /* Has already been inverted */
1819                          );
1820
1821         /* If either P1 or P2 is empty, the intersection will be also; can skip
1822          * the loop */
1823         if (! (and_with_flags & ANYOF_MATCHES_POSIXL)) {
1824             ANYOF_POSIXL_ZERO(ssc);
1825         }
1826         else if (ANYOF_POSIXL_SSC_TEST_ANY_SET(ssc)) {
1827
1828             /* Note that the Posix class component P from 'and_with' actually
1829              * looks like:
1830              *      P = Pa | Pb | ... | Pn
1831              * where each component is one posix class, such as in [\w\s].
1832              * Thus
1833              *      ~P = ~(Pa | Pb | ... | Pn)
1834              *         = ~Pa & ~Pb & ... & ~Pn
1835              *        <= ~Pa | ~Pb | ... | ~Pn
1836              * The last is something we can easily calculate, but unfortunately
1837              * is likely to have many false positives.  We could do better
1838              * in some (but certainly not all) instances if two classes in
1839              * P have known relationships.  For example
1840              *      :lower: <= :alpha: <= :alnum: <= \w <= :graph: <= :print:
1841              * So
1842              *      :lower: & :print: = :lower:
1843              * And similarly for classes that must be disjoint.  For example,
1844              * since \s and \w can have no elements in common based on rules in
1845              * the POSIX standard,
1846              *      \w & ^\S = nothing
1847              * Unfortunately, some vendor locales do not meet the Posix
1848              * standard, in particular almost everything by Microsoft.
1849              * The loop below just changes e.g., \w into \W and vice versa */
1850
1851             regnode_charclass_posixl temp;
1852             int add = 1;    /* To calculate the index of the complement */
1853
1854             Zero(&temp, 1, regnode_charclass_posixl);
1855             ANYOF_POSIXL_ZERO(&temp);
1856             for (i = 0; i < ANYOF_MAX; i++) {
1857                 assert(i % 2 != 0
1858                        || ! ANYOF_POSIXL_TEST((regnode_charclass_posixl*) and_with, i)
1859                        || ! ANYOF_POSIXL_TEST((regnode_charclass_posixl*) and_with, i + 1));
1860
1861                 if (ANYOF_POSIXL_TEST((regnode_charclass_posixl*) and_with, i)) {
1862                     ANYOF_POSIXL_SET(&temp, i + add);
1863                 }
1864                 add = 0 - add; /* 1 goes to -1; -1 goes to 1 */
1865             }
1866             ANYOF_POSIXL_AND(&temp, ssc);
1867
1868         } /* else ssc already has no posixes */
1869     } /* else: Not inverted.  This routine is a no-op if 'and_with' is an SSC
1870          in its initial state */
1871     else if (! is_ANYOF_SYNTHETIC(and_with)
1872              || ! ssc_is_cp_posixl_init(pRExC_state, (regnode_ssc *)and_with))
1873     {
1874         /* But if 'ssc' is in its initial state, the result is just 'and_with';
1875          * copy it over 'ssc' */
1876         if (ssc_is_cp_posixl_init(pRExC_state, ssc)) {
1877             if (is_ANYOF_SYNTHETIC(and_with)) {
1878                 StructCopy(and_with, ssc, regnode_ssc);
1879             }
1880             else {
1881                 ssc->invlist = anded_cp_list;
1882                 ANYOF_POSIXL_ZERO(ssc);
1883                 if (and_with_flags & ANYOF_MATCHES_POSIXL) {
1884                     ANYOF_POSIXL_OR((regnode_charclass_posixl*) and_with, ssc);
1885                 }
1886             }
1887         }
1888         else if (ANYOF_POSIXL_SSC_TEST_ANY_SET(ssc)
1889                  || (and_with_flags & ANYOF_MATCHES_POSIXL))
1890         {
1891             /* One or the other of P1, P2 is non-empty. */
1892             if (and_with_flags & ANYOF_MATCHES_POSIXL) {
1893                 ANYOF_POSIXL_AND((regnode_charclass_posixl*) and_with, ssc);
1894             }
1895             ssc_union(ssc, anded_cp_list, FALSE);
1896         }
1897         else { /* P1 = P2 = empty */
1898             ssc_intersection(ssc, anded_cp_list, FALSE);
1899         }
1900     }
1901 }
1902
1903 STATIC void
1904 S_ssc_or(pTHX_ const RExC_state_t *pRExC_state, regnode_ssc *ssc,
1905                const regnode_charclass *or_with)
1906 {
1907     /* Accumulate into SSC 'ssc' its 'OR' with 'or_with', which is either
1908      * another SSC or a regular ANYOF class.  Can create false positives if
1909      * 'or_with' is to be inverted. */
1910
1911     SV* ored_cp_list;
1912     U8 ored_flags;
1913     U8  or_with_flags = inRANGE(OP(or_with), ANYOFH, ANYOFHr)
1914                          ? 0
1915                          : ANYOF_FLAGS(or_with);
1916
1917     PERL_ARGS_ASSERT_SSC_OR;
1918
1919     assert(is_ANYOF_SYNTHETIC(ssc));
1920
1921     /* 'or_with' is used as-is if it too is an SSC; otherwise have to extract
1922      * the code point inversion list and just the relevant flags */
1923     if (is_ANYOF_SYNTHETIC(or_with)) {
1924         ored_cp_list = ((regnode_ssc*) or_with)->invlist;
1925         ored_flags = or_with_flags;
1926     }
1927     else {
1928         ored_cp_list = get_ANYOF_cp_list_for_ssc(pRExC_state, or_with);
1929         ored_flags = or_with_flags & ANYOF_COMMON_FLAGS;
1930         if (OP(or_with) != ANYOFD) {
1931             ored_flags
1932             |= or_with_flags
1933              & ( ANYOF_SHARED_d_MATCHES_ALL_NON_UTF8_NON_ASCII_non_d_WARN_SUPER
1934                 |ANYOF_SHARED_d_UPPER_LATIN1_UTF8_STRING_MATCHES_non_d_RUNTIME_USER_PROP);
1935             if (ANYOFL_UTF8_LOCALE_REQD(or_with_flags)) {
1936                 ored_flags |=
1937                     ANYOFL_SHARED_UTF8_LOCALE_fold_HAS_MATCHES_nonfold_REQD;
1938             }
1939         }
1940     }
1941
1942     ANYOF_FLAGS(ssc) |= ored_flags;
1943
1944     /* Below, C1 is the list of code points in 'ssc'; P1, its posix classes.
1945      * C2 is the list of code points in 'or-with'; P2, its posix classes.
1946      * 'or_with' may be inverted.  When not inverted, we have the simple
1947      * situation of computing:
1948      *  (C1 | P1) | (C2 | P2)  =  (C1 | C2) | (P1 | P2)
1949      * If P1|P2 yields a situation with both a class and its complement are
1950      * set, like having both \w and \W, this matches all code points, and we
1951      * can delete these from the P component of the ssc going forward.  XXX We
1952      * might be able to delete all the P components, but I (khw) am not certain
1953      * about this, and it is better to be safe.
1954      *
1955      * Inverted, we have
1956      *  (C1 | P1) | ~(C2 | P2)  =  (C1 | P1) | (~C2 & ~P2)
1957      *                         <=  (C1 | P1) | ~C2
1958      *                         <=  (C1 | ~C2) | P1
1959      * (which results in actually simpler code than the non-inverted case)
1960      * */
1961
1962     if ((or_with_flags & ANYOF_INVERT)
1963         && ! is_ANYOF_SYNTHETIC(or_with))
1964     {
1965         /* We ignore P2, leaving P1 going forward */
1966     }   /* else  Not inverted */
1967     else if (or_with_flags & ANYOF_MATCHES_POSIXL) {
1968         ANYOF_POSIXL_OR((regnode_charclass_posixl*)or_with, ssc);
1969         if (ANYOF_POSIXL_SSC_TEST_ANY_SET(ssc)) {
1970             unsigned int i;
1971             for (i = 0; i < ANYOF_MAX; i += 2) {
1972                 if (ANYOF_POSIXL_TEST(ssc, i) && ANYOF_POSIXL_TEST(ssc, i + 1))
1973                 {
1974                     ssc_match_all_cp(ssc);
1975                     ANYOF_POSIXL_CLEAR(ssc, i);
1976                     ANYOF_POSIXL_CLEAR(ssc, i+1);
1977                 }
1978             }
1979         }
1980     }
1981
1982     ssc_union(ssc,
1983               ored_cp_list,
1984               FALSE /* Already has been inverted */
1985               );
1986 }
1987
1988 PERL_STATIC_INLINE void
1989 S_ssc_union(pTHX_ regnode_ssc *ssc, SV* const invlist, const bool invert2nd)
1990 {
1991     PERL_ARGS_ASSERT_SSC_UNION;
1992
1993     assert(is_ANYOF_SYNTHETIC(ssc));
1994
1995     _invlist_union_maybe_complement_2nd(ssc->invlist,
1996                                         invlist,
1997                                         invert2nd,
1998                                         &ssc->invlist);
1999 }
2000
2001 PERL_STATIC_INLINE void
2002 S_ssc_intersection(pTHX_ regnode_ssc *ssc,
2003                          SV* const invlist,
2004                          const bool invert2nd)
2005 {
2006     PERL_ARGS_ASSERT_SSC_INTERSECTION;
2007
2008     assert(is_ANYOF_SYNTHETIC(ssc));
2009
2010     _invlist_intersection_maybe_complement_2nd(ssc->invlist,
2011                                                invlist,
2012                                                invert2nd,
2013                                                &ssc->invlist);
2014 }
2015
2016 PERL_STATIC_INLINE void
2017 S_ssc_add_range(pTHX_ regnode_ssc *ssc, const UV start, const UV end)
2018 {
2019     PERL_ARGS_ASSERT_SSC_ADD_RANGE;
2020
2021     assert(is_ANYOF_SYNTHETIC(ssc));
2022
2023     ssc->invlist = _add_range_to_invlist(ssc->invlist, start, end);
2024 }
2025
2026 PERL_STATIC_INLINE void
2027 S_ssc_cp_and(pTHX_ regnode_ssc *ssc, const UV cp)
2028 {
2029     /* AND just the single code point 'cp' into the SSC 'ssc' */
2030
2031     SV* cp_list = _new_invlist(2);
2032
2033     PERL_ARGS_ASSERT_SSC_CP_AND;
2034
2035     assert(is_ANYOF_SYNTHETIC(ssc));
2036
2037     cp_list = add_cp_to_invlist(cp_list, cp);
2038     ssc_intersection(ssc, cp_list,
2039                      FALSE /* Not inverted */
2040                      );
2041     SvREFCNT_dec_NN(cp_list);
2042 }
2043
2044 PERL_STATIC_INLINE void
2045 S_ssc_clear_locale(regnode_ssc *ssc)
2046 {
2047     /* Set the SSC 'ssc' to not match any locale things */
2048     PERL_ARGS_ASSERT_SSC_CLEAR_LOCALE;
2049
2050     assert(is_ANYOF_SYNTHETIC(ssc));
2051
2052     ANYOF_POSIXL_ZERO(ssc);
2053     ANYOF_FLAGS(ssc) &= ~ANYOF_LOCALE_FLAGS;
2054 }
2055
2056 #define NON_OTHER_COUNT   NON_OTHER_COUNT_FOR_USE_ONLY_BY_REGCOMP_DOT_C
2057
2058 STATIC bool
2059 S_is_ssc_worth_it(const RExC_state_t * pRExC_state, const regnode_ssc * ssc)
2060 {
2061     /* The synthetic start class is used to hopefully quickly winnow down
2062      * places where a pattern could start a match in the target string.  If it
2063      * doesn't really narrow things down that much, there isn't much point to
2064      * having the overhead of using it.  This function uses some very crude
2065      * heuristics to decide if to use the ssc or not.
2066      *
2067      * It returns TRUE if 'ssc' rules out more than half what it considers to
2068      * be the "likely" possible matches, but of course it doesn't know what the
2069      * actual things being matched are going to be; these are only guesses
2070      *
2071      * For /l matches, it assumes that the only likely matches are going to be
2072      *      in the 0-255 range, uniformly distributed, so half of that is 127
2073      * For /a and /d matches, it assumes that the likely matches will be just
2074      *      the ASCII range, so half of that is 63
2075      * For /u and there isn't anything matching above the Latin1 range, it
2076      *      assumes that that is the only range likely to be matched, and uses
2077      *      half that as the cut-off: 127.  If anything matches above Latin1,
2078      *      it assumes that all of Unicode could match (uniformly), except for
2079      *      non-Unicode code points and things in the General Category "Other"
2080      *      (unassigned, private use, surrogates, controls and formats).  This
2081      *      is a much large number. */
2082
2083     U32 count = 0;      /* Running total of number of code points matched by
2084                            'ssc' */
2085     UV start, end;      /* Start and end points of current range in inversion
2086                            XXX outdated.  UTF-8 locales are common, what about invert? list */
2087     const U32 max_code_points = (LOC)
2088                                 ?  256
2089                                 : ((  ! UNI_SEMANTICS
2090                                     ||  invlist_highest(ssc->invlist) < 256)
2091                                   ? 128
2092                                   : NON_OTHER_COUNT);
2093     const U32 max_match = max_code_points / 2;
2094
2095     PERL_ARGS_ASSERT_IS_SSC_WORTH_IT;
2096
2097     invlist_iterinit(ssc->invlist);
2098     while (invlist_iternext(ssc->invlist, &start, &end)) {
2099         if (start >= max_code_points) {
2100             break;
2101         }
2102         end = MIN(end, max_code_points - 1);
2103         count += end - start + 1;
2104         if (count >= max_match) {
2105             invlist_iterfinish(ssc->invlist);
2106             return FALSE;
2107         }
2108     }
2109
2110     return TRUE;
2111 }
2112
2113
2114 STATIC void
2115 S_ssc_finalize(pTHX_ RExC_state_t *pRExC_state, regnode_ssc *ssc)
2116 {
2117     /* The inversion list in the SSC is marked mortal; now we need a more
2118      * permanent copy, which is stored the same way that is done in a regular
2119      * ANYOF node, with the first NUM_ANYOF_CODE_POINTS code points in a bit
2120      * map */
2121
2122     SV* invlist = invlist_clone(ssc->invlist, NULL);
2123
2124     PERL_ARGS_ASSERT_SSC_FINALIZE;
2125
2126     assert(is_ANYOF_SYNTHETIC(ssc));
2127
2128     /* The code in this file assumes that all but these flags aren't relevant
2129      * to the SSC, except SSC_MATCHES_EMPTY_STRING, which should be cleared
2130      * by the time we reach here */
2131     assert(! (ANYOF_FLAGS(ssc)
2132         & ~( ANYOF_COMMON_FLAGS
2133             |ANYOF_SHARED_d_MATCHES_ALL_NON_UTF8_NON_ASCII_non_d_WARN_SUPER
2134             |ANYOF_SHARED_d_UPPER_LATIN1_UTF8_STRING_MATCHES_non_d_RUNTIME_USER_PROP)));
2135
2136     populate_ANYOF_from_invlist( (regnode *) ssc, &invlist);
2137
2138     set_ANYOF_arg(pRExC_state, (regnode *) ssc, invlist, NULL, NULL);
2139
2140     /* Make sure is clone-safe */
2141     ssc->invlist = NULL;
2142
2143     if (ANYOF_POSIXL_SSC_TEST_ANY_SET(ssc)) {
2144         ANYOF_FLAGS(ssc) |= ANYOF_MATCHES_POSIXL;
2145         OP(ssc) = ANYOFPOSIXL;
2146     }
2147     else if (RExC_contains_locale) {
2148         OP(ssc) = ANYOFL;
2149     }
2150
2151     assert(! (ANYOF_FLAGS(ssc) & ANYOF_LOCALE_FLAGS) || RExC_contains_locale);
2152 }
2153
2154 #define TRIE_LIST_ITEM(state,idx) (trie->states[state].trans.list)[ idx ]
2155 #define TRIE_LIST_CUR(state)  ( TRIE_LIST_ITEM( state, 0 ).forid )
2156 #define TRIE_LIST_LEN(state) ( TRIE_LIST_ITEM( state, 0 ).newstate )
2157 #define TRIE_LIST_USED(idx)  ( trie->states[state].trans.list         \
2158                                ? (TRIE_LIST_CUR( idx ) - 1)           \
2159                                : 0 )
2160
2161
2162 #ifdef DEBUGGING
2163 /*
2164    dump_trie(trie,widecharmap,revcharmap)
2165    dump_trie_interim_list(trie,widecharmap,revcharmap,next_alloc)
2166    dump_trie_interim_table(trie,widecharmap,revcharmap,next_alloc)
2167
2168    These routines dump out a trie in a somewhat readable format.
2169    The _interim_ variants are used for debugging the interim
2170    tables that are used to generate the final compressed
2171    representation which is what dump_trie expects.
2172
2173    Part of the reason for their existence is to provide a form
2174    of documentation as to how the different representations function.
2175
2176 */
2177
2178 /*
2179   Dumps the final compressed table form of the trie to Perl_debug_log.
2180   Used for debugging make_trie().
2181 */
2182
2183 STATIC void
2184 S_dump_trie(pTHX_ const struct _reg_trie_data *trie, HV *widecharmap,
2185             AV *revcharmap, U32 depth)
2186 {
2187     U32 state;
2188     SV *sv=sv_newmortal();
2189     int colwidth= widecharmap ? 6 : 4;
2190     U16 word;
2191     GET_RE_DEBUG_FLAGS_DECL;
2192
2193     PERL_ARGS_ASSERT_DUMP_TRIE;
2194
2195     Perl_re_indentf( aTHX_  "Char : %-6s%-6s%-4s ",
2196         depth+1, "Match","Base","Ofs" );
2197
2198     for( state = 0 ; state < trie->uniquecharcount ; state++ ) {
2199         SV ** const tmp = av_fetch( revcharmap, state, 0);
2200         if ( tmp ) {
2201             Perl_re_printf( aTHX_  "%*s",
2202                 colwidth,
2203                 pv_pretty(sv, SvPV_nolen_const(*tmp), SvCUR(*tmp), colwidth,
2204                             PL_colors[0], PL_colors[1],
2205                             (SvUTF8(*tmp) ? PERL_PV_ESCAPE_UNI : 0) |
2206                             PERL_PV_ESCAPE_FIRSTCHAR
2207                 )
2208             );
2209         }
2210     }
2211     Perl_re_printf( aTHX_  "\n");
2212     Perl_re_indentf( aTHX_ "State|-----------------------", depth+1);
2213
2214     for( state = 0 ; state < trie->uniquecharcount ; state++ )
2215         Perl_re_printf( aTHX_  "%.*s", colwidth, "--------");
2216     Perl_re_printf( aTHX_  "\n");
2217
2218     for( state = 1 ; state < trie->statecount ; state++ ) {
2219         const U32 base = trie->states[ state ].trans.base;
2220
2221         Perl_re_indentf( aTHX_  "#%4" UVXf "|", depth+1, (UV)state);
2222
2223         if ( trie->states[ state ].wordnum ) {
2224             Perl_re_printf( aTHX_  " W%4X", trie->states[ state ].wordnum );
2225         } else {
2226             Perl_re_printf( aTHX_  "%6s", "" );
2227         }
2228
2229         Perl_re_printf( aTHX_  " @%4" UVXf " ", (UV)base );
2230
2231         if ( base ) {
2232             U32 ofs = 0;
2233
2234             while( ( base + ofs  < trie->uniquecharcount ) ||
2235                    ( base + ofs - trie->uniquecharcount < trie->lasttrans
2236                      && trie->trans[ base + ofs - trie->uniquecharcount ].check
2237                                                                     != state))
2238                     ofs++;
2239
2240             Perl_re_printf( aTHX_  "+%2" UVXf "[ ", (UV)ofs);
2241
2242             for ( ofs = 0 ; ofs < trie->uniquecharcount ; ofs++ ) {
2243                 if ( ( base + ofs >= trie->uniquecharcount )
2244                         && ( base + ofs - trie->uniquecharcount
2245                                                         < trie->lasttrans )
2246                         && trie->trans[ base + ofs
2247                                     - trie->uniquecharcount ].check == state )
2248                 {
2249                    Perl_re_printf( aTHX_  "%*" UVXf, colwidth,
2250                     (UV)trie->trans[ base + ofs - trie->uniquecharcount ].next
2251                    );
2252                 } else {
2253                     Perl_re_printf( aTHX_  "%*s", colwidth,"   ." );
2254                 }
2255             }
2256
2257             Perl_re_printf( aTHX_  "]");
2258
2259         }
2260         Perl_re_printf( aTHX_  "\n" );
2261     }
2262     Perl_re_indentf( aTHX_  "word_info N:(prev,len)=",
2263                                 depth);
2264     for (word=1; word <= trie->wordcount; word++) {
2265         Perl_re_printf( aTHX_  " %d:(%d,%d)",
2266             (int)word, (int)(trie->wordinfo[word].prev),
2267             (int)(trie->wordinfo[word].len));
2268     }
2269     Perl_re_printf( aTHX_  "\n" );
2270 }
2271 /*
2272   Dumps a fully constructed but uncompressed trie in list form.
2273   List tries normally only are used for construction when the number of
2274   possible chars (trie->uniquecharcount) is very high.
2275   Used for debugging make_trie().
2276 */
2277 STATIC void
2278 S_dump_trie_interim_list(pTHX_ const struct _reg_trie_data *trie,
2279                          HV *widecharmap, AV *revcharmap, U32 next_alloc,
2280                          U32 depth)
2281 {
2282     U32 state;
2283     SV *sv=sv_newmortal();
2284     int colwidth= widecharmap ? 6 : 4;
2285     GET_RE_DEBUG_FLAGS_DECL;
2286
2287     PERL_ARGS_ASSERT_DUMP_TRIE_INTERIM_LIST;
2288
2289     /* print out the table precompression.  */
2290     Perl_re_indentf( aTHX_  "State :Word | Transition Data\n",
2291             depth+1 );
2292     Perl_re_indentf( aTHX_  "%s",
2293             depth+1, "------:-----+-----------------\n" );
2294
2295     for( state=1 ; state < next_alloc ; state ++ ) {
2296         U16 charid;
2297
2298         Perl_re_indentf( aTHX_  " %4" UVXf " :",
2299             depth+1, (UV)state  );
2300         if ( ! trie->states[ state ].wordnum ) {
2301             Perl_re_printf( aTHX_  "%5s| ","");
2302         } else {
2303             Perl_re_printf( aTHX_  "W%4x| ",
2304                 trie->states[ state ].wordnum
2305             );
2306         }
2307         for( charid = 1 ; charid <= TRIE_LIST_USED( state ) ; charid++ ) {
2308             SV ** const tmp = av_fetch( revcharmap,
2309                                         TRIE_LIST_ITEM(state, charid).forid, 0);
2310             if ( tmp ) {
2311                 Perl_re_printf( aTHX_  "%*s:%3X=%4" UVXf " | ",
2312                     colwidth,
2313                     pv_pretty(sv, SvPV_nolen_const(*tmp), SvCUR(*tmp),
2314                               colwidth,
2315                               PL_colors[0], PL_colors[1],
2316                               (SvUTF8(*tmp) ? PERL_PV_ESCAPE_UNI : 0)
2317                               | PERL_PV_ESCAPE_FIRSTCHAR
2318                     ) ,
2319                     TRIE_LIST_ITEM(state, charid).forid,
2320                     (UV)TRIE_LIST_ITEM(state, charid).newstate
2321                 );
2322                 if (!(charid % 10))
2323                     Perl_re_printf( aTHX_  "\n%*s| ",
2324                         (int)((depth * 2) + 14), "");
2325             }
2326         }
2327         Perl_re_printf( aTHX_  "\n");
2328     }
2329 }
2330
2331 /*
2332   Dumps a fully constructed but uncompressed trie in table form.
2333   This is the normal DFA style state transition table, with a few
2334   twists to facilitate compression later.
2335   Used for debugging make_trie().
2336 */
2337 STATIC void
2338 S_dump_trie_interim_table(pTHX_ const struct _reg_trie_data *trie,
2339                           HV *widecharmap, AV *revcharmap, U32 next_alloc,
2340                           U32 depth)
2341 {
2342     U32 state;
2343     U16 charid;
2344     SV *sv=sv_newmortal();
2345     int colwidth= widecharmap ? 6 : 4;
2346     GET_RE_DEBUG_FLAGS_DECL;
2347
2348     PERL_ARGS_ASSERT_DUMP_TRIE_INTERIM_TABLE;
2349
2350     /*
2351        print out the table precompression so that we can do a visual check
2352        that they are identical.
2353      */
2354
2355     Perl_re_indentf( aTHX_  "Char : ", depth+1 );
2356
2357     for( charid = 0 ; charid < trie->uniquecharcount ; charid++ ) {
2358         SV ** const tmp = av_fetch( revcharmap, charid, 0);
2359         if ( tmp ) {
2360             Perl_re_printf( aTHX_  "%*s",
2361                 colwidth,
2362                 pv_pretty(sv, SvPV_nolen_const(*tmp), SvCUR(*tmp), colwidth,
2363                             PL_colors[0], PL_colors[1],
2364                             (SvUTF8(*tmp) ? PERL_PV_ESCAPE_UNI : 0) |
2365                             PERL_PV_ESCAPE_FIRSTCHAR
2366                 )
2367             );
2368         }
2369     }
2370
2371     Perl_re_printf( aTHX_ "\n");
2372     Perl_re_indentf( aTHX_  "State+-", depth+1 );
2373
2374     for( charid=0 ; charid < trie->uniquecharcount ; charid++ ) {
2375         Perl_re_printf( aTHX_  "%.*s", colwidth,"--------");
2376     }
2377
2378     Perl_re_printf( aTHX_  "\n" );
2379
2380     for( state=1 ; state < next_alloc ; state += trie->uniquecharcount ) {
2381
2382         Perl_re_indentf( aTHX_  "%4" UVXf " : ",
2383             depth+1,
2384             (UV)TRIE_NODENUM( state ) );
2385
2386         for( charid = 0 ; charid < trie->uniquecharcount ; charid++ ) {
2387             UV v=(UV)SAFE_TRIE_NODENUM( trie->trans[ state + charid ].next );
2388             if (v)
2389                 Perl_re_printf( aTHX_  "%*" UVXf, colwidth, v );
2390             else
2391                 Perl_re_printf( aTHX_  "%*s", colwidth, "." );
2392         }
2393         if ( ! trie->states[ TRIE_NODENUM( state ) ].wordnum ) {
2394             Perl_re_printf( aTHX_  " (%4" UVXf ")\n",
2395                                             (UV)trie->trans[ state ].check );
2396         } else {
2397             Perl_re_printf( aTHX_  " (%4" UVXf ") W%4X\n",
2398                                             (UV)trie->trans[ state ].check,
2399             trie->states[ TRIE_NODENUM( state ) ].wordnum );
2400         }
2401     }
2402 }
2403
2404 #endif
2405
2406
2407 /* make_trie(startbranch,first,last,tail,word_count,flags,depth)
2408   startbranch: the first branch in the whole branch sequence
2409   first      : start branch of sequence of branch-exact nodes.
2410                May be the same as startbranch
2411   last       : Thing following the last branch.
2412                May be the same as tail.
2413   tail       : item following the branch sequence
2414   count      : words in the sequence
2415   flags      : currently the OP() type we will be building one of /EXACT(|F|FA|FU|FU_SS|L|FLU8)/
2416   depth      : indent depth
2417
2418 Inplace optimizes a sequence of 2 or more Branch-Exact nodes into a TRIE node.
2419
2420 A trie is an N'ary tree where the branches are determined by digital
2421 decomposition of the key. IE, at the root node you look up the 1st character and
2422 follow that branch repeat until you find the end of the branches. Nodes can be
2423 marked as "accepting" meaning they represent a complete word. Eg:
2424
2425   /he|she|his|hers/
2426
2427 would convert into the following structure. Numbers represent states, letters
2428 following numbers represent valid transitions on the letter from that state, if
2429 the number is in square brackets it represents an accepting state, otherwise it
2430 will be in parenthesis.
2431
2432       +-h->+-e->[3]-+-r->(8)-+-s->[9]
2433       |    |
2434       |   (2)
2435       |    |
2436      (1)   +-i->(6)-+-s->[7]
2437       |
2438       +-s->(3)-+-h->(4)-+-e->[5]
2439
2440       Accept Word Mapping: 3=>1 (he),5=>2 (she), 7=>3 (his), 9=>4 (hers)
2441
2442 This shows that when matching against the string 'hers' we will begin at state 1
2443 read 'h' and move to state 2, read 'e' and move to state 3 which is accepting,
2444 then read 'r' and go to state 8 followed by 's' which takes us to state 9 which
2445 is also accepting. Thus we know that we can match both 'he' and 'hers' with a
2446 single traverse. We store a mapping from accepting to state to which word was
2447 matched, and then when we have multiple possibilities we try to complete the
2448 rest of the regex in the order in which they occurred in the alternation.
2449
2450 The only prior NFA like behaviour that would be changed by the TRIE support is
2451 the silent ignoring of duplicate alternations which are of the form:
2452
2453  / (DUPE|DUPE) X? (?{ ... }) Y /x
2454
2455 Thus EVAL blocks following a trie may be called a different number of times with
2456 and without the optimisation. With the optimisations dupes will be silently
2457 ignored. This inconsistent behaviour of EVAL type nodes is well established as
2458 the following demonstrates:
2459
2460  'words'=~/(word|word|word)(?{ print $1 })[xyz]/
2461
2462 which prints out 'word' three times, but
2463
2464  'words'=~/(word|word|word)(?{ print $1 })S/
2465
2466 which doesnt print it out at all. This is due to other optimisations kicking in.
2467
2468 Example of what happens on a structural level:
2469
2470 The regexp /(ac|ad|ab)+/ will produce the following debug output:
2471
2472    1: CURLYM[1] {1,32767}(18)
2473    5:   BRANCH(8)
2474    6:     EXACT <ac>(16)
2475    8:   BRANCH(11)
2476    9:     EXACT <ad>(16)
2477   11:   BRANCH(14)
2478   12:     EXACT <ab>(16)
2479   16:   SUCCEED(0)
2480   17:   NOTHING(18)
2481   18: END(0)
2482
2483 This would be optimizable with startbranch=5, first=5, last=16, tail=16
2484 and should turn into:
2485
2486    1: CURLYM[1] {1,32767}(18)
2487    5:   TRIE(16)
2488         [Words:3 Chars Stored:6 Unique Chars:4 States:5 NCP:1]
2489           <ac>
2490           <ad>
2491           <ab>
2492   16:   SUCCEED(0)
2493   17:   NOTHING(18)
2494   18: END(0)
2495
2496 Cases where tail != last would be like /(?foo|bar)baz/:
2497
2498    1: BRANCH(4)
2499    2:   EXACT <foo>(8)
2500    4: BRANCH(7)
2501    5:   EXACT <bar>(8)
2502    7: TAIL(8)
2503    8: EXACT <baz>(10)
2504   10: END(0)
2505
2506 which would be optimizable with startbranch=1, first=1, last=7, tail=8
2507 and would end up looking like:
2508
2509     1: TRIE(8)
2510       [Words:2 Chars Stored:6 Unique Chars:5 States:7 NCP:1]
2511         <foo>
2512         <bar>
2513    7: TAIL(8)
2514    8: EXACT <baz>(10)
2515   10: END(0)
2516
2517     d = uvchr_to_utf8_flags(d, uv, 0);
2518
2519 is the recommended Unicode-aware way of saying
2520
2521     *(d++) = uv;
2522 */
2523
2524 #define TRIE_STORE_REVCHAR(val)                                            \
2525     STMT_START {                                                           \
2526         if (UTF) {                                                         \
2527             SV *zlopp = newSV(UTF8_MAXBYTES);                              \
2528             unsigned char *flrbbbbb = (unsigned char *) SvPVX(zlopp);      \
2529             unsigned char *const kapow = uvchr_to_utf8(flrbbbbb, val);     \
2530             *kapow = '\0';                                                 \
2531             SvCUR_set(zlopp, kapow - flrbbbbb);                            \
2532             SvPOK_on(zlopp);                                               \
2533             SvUTF8_on(zlopp);                                              \
2534             av_push(revcharmap, zlopp);                                    \
2535         } else {                                                           \
2536             char ooooff = (char)val;                                           \
2537             av_push(revcharmap, newSVpvn(&ooooff, 1));                     \
2538         }                                                                  \
2539         } STMT_END
2540
2541 /* This gets the next character from the input, folding it if not already
2542  * folded. */
2543 #define TRIE_READ_CHAR STMT_START {                                           \
2544     wordlen++;                                                                \
2545     if ( UTF ) {                                                              \
2546         /* if it is UTF then it is either already folded, or does not need    \
2547          * folding */                                                         \
2548         uvc = valid_utf8_to_uvchr( (const U8*) uc, &len);                     \
2549     }                                                                         \
2550     else if (folder == PL_fold_latin1) {                                      \
2551         /* This folder implies Unicode rules, which in the range expressible  \
2552          *  by not UTF is the lower case, with the two exceptions, one of     \
2553          *  which should have been taken care of before calling this */       \
2554         assert(*uc != LATIN_SMALL_LETTER_SHARP_S);                            \
2555         uvc = toLOWER_L1(*uc);                                                \
2556         if (UNLIKELY(uvc == MICRO_SIGN)) uvc = GREEK_SMALL_LETTER_MU;         \
2557         len = 1;                                                              \
2558     } else {                                                                  \
2559         /* raw data, will be folded later if needed */                        \
2560         uvc = (U32)*uc;                                                       \
2561         len = 1;                                                              \
2562     }                                                                         \
2563 } STMT_END
2564
2565
2566
2567 #define TRIE_LIST_PUSH(state,fid,ns) STMT_START {               \
2568     if ( TRIE_LIST_CUR( state ) >=TRIE_LIST_LEN( state ) ) {    \
2569         U32 ging = TRIE_LIST_LEN( state ) * 2;                  \
2570         Renew( trie->states[ state ].trans.list, ging, reg_trie_trans_le ); \
2571         TRIE_LIST_LEN( state ) = ging;                          \
2572     }                                                           \
2573     TRIE_LIST_ITEM( state, TRIE_LIST_CUR( state ) ).forid = fid;     \
2574     TRIE_LIST_ITEM( state, TRIE_LIST_CUR( state ) ).newstate = ns;   \
2575     TRIE_LIST_CUR( state )++;                                   \
2576 } STMT_END
2577
2578 #define TRIE_LIST_NEW(state) STMT_START {                       \
2579     Newx( trie->states[ state ].trans.list,                     \
2580         4, reg_trie_trans_le );                                 \
2581      TRIE_LIST_CUR( state ) = 1;                                \
2582      TRIE_LIST_LEN( state ) = 4;                                \
2583 } STMT_END
2584
2585 #define TRIE_HANDLE_WORD(state) STMT_START {                    \
2586     U16 dupe= trie->states[ state ].wordnum;                    \
2587     regnode * const noper_next = regnext( noper );              \
2588                                                                 \
2589     DEBUG_r({                                                   \
2590         /* store the word for dumping */                        \
2591         SV* tmp;                                                \
2592         if (OP(noper) != NOTHING)                               \
2593             tmp = newSVpvn_utf8(STRING(noper), STR_LEN(noper), UTF);    \
2594         else                                                    \
2595             tmp = newSVpvn_utf8( "", 0, UTF );                  \
2596         av_push( trie_words, tmp );                             \
2597     });                                                         \
2598                                                                 \
2599     curword++;                                                  \
2600     trie->wordinfo[curword].prev   = 0;                         \
2601     trie->wordinfo[curword].len    = wordlen;                   \
2602     trie->wordinfo[curword].accept = state;                     \
2603                                                                 \
2604     if ( noper_next < tail ) {                                  \
2605         if (!trie->jump)                                        \
2606             trie->jump = (U16 *) PerlMemShared_calloc( word_count + 1, \
2607                                                  sizeof(U16) ); \
2608         trie->jump[curword] = (U16)(noper_next - convert);      \
2609         if (!jumper)                                            \
2610             jumper = noper_next;                                \
2611         if (!nextbranch)                                        \
2612             nextbranch= regnext(cur);                           \
2613     }                                                           \
2614                                                                 \
2615     if ( dupe ) {                                               \
2616         /* It's a dupe. Pre-insert into the wordinfo[].prev   */\
2617         /* chain, so that when the bits of chain are later    */\
2618         /* linked together, the dups appear in the chain      */\
2619         trie->wordinfo[curword].prev = trie->wordinfo[dupe].prev; \
2620         trie->wordinfo[dupe].prev = curword;                    \
2621     } else {                                                    \
2622         /* we haven't inserted this word yet.                */ \
2623         trie->states[ state ].wordnum = curword;                \
2624     }                                                           \
2625 } STMT_END
2626
2627
2628 #define TRIE_TRANS_STATE(state,base,ucharcount,charid,special)          \
2629      ( ( base + charid >=  ucharcount                                   \
2630          && base + charid < ubound                                      \
2631          && state == trie->trans[ base - ucharcount + charid ].check    \
2632          && trie->trans[ base - ucharcount + charid ].next )            \
2633            ? trie->trans[ base - ucharcount + charid ].next             \
2634            : ( state==1 ? special : 0 )                                 \
2635       )
2636
2637 #define TRIE_BITMAP_SET_FOLDED(trie, uvc, folder)           \
2638 STMT_START {                                                \
2639     TRIE_BITMAP_SET(trie, uvc);                             \
2640     /* store the folded codepoint */                        \
2641     if ( folder )                                           \
2642         TRIE_BITMAP_SET(trie, folder[(U8) uvc ]);           \
2643                                                             \
2644     if ( !UTF ) {                                           \
2645         /* store first byte of utf8 representation of */    \
2646         /* variant codepoints */                            \
2647         if (! UVCHR_IS_INVARIANT(uvc)) {                    \
2648             TRIE_BITMAP_SET(trie, UTF8_TWO_BYTE_HI(uvc));   \
2649         }                                                   \
2650     }                                                       \
2651 } STMT_END
2652 #define MADE_TRIE       1
2653 #define MADE_JUMP_TRIE  2
2654 #define MADE_EXACT_TRIE 4
2655
2656 STATIC I32
2657 S_make_trie(pTHX_ RExC_state_t *pRExC_state, regnode *startbranch,
2658                   regnode *first, regnode *last, regnode *tail,
2659                   U32 word_count, U32 flags, U32 depth)
2660 {
2661     /* first pass, loop through and scan words */
2662     reg_trie_data *trie;
2663     HV *widecharmap = NULL;
2664     AV *revcharmap = newAV();
2665     regnode *cur;
2666     STRLEN len = 0;
2667     UV uvc = 0;
2668     U16 curword = 0;
2669     U32 next_alloc = 0;
2670     regnode *jumper = NULL;
2671     regnode *nextbranch = NULL;
2672     regnode *convert = NULL;
2673     U32 *prev_states; /* temp array mapping each state to previous one */
2674     /* we just use folder as a flag in utf8 */
2675     const U8 * folder = NULL;
2676
2677     /* in the below add_data call we are storing either 'tu' or 'tuaa'
2678      * which stands for one trie structure, one hash, optionally followed
2679      * by two arrays */
2680 #ifdef DEBUGGING
2681     const U32 data_slot = add_data( pRExC_state, STR_WITH_LEN("tuaa"));
2682     AV *trie_words = NULL;
2683     /* along with revcharmap, this only used during construction but both are
2684      * useful during debugging so we store them in the struct when debugging.
2685      */
2686 #else
2687     const U32 data_slot = add_data( pRExC_state, STR_WITH_LEN("tu"));
2688     STRLEN trie_charcount=0;
2689 #endif
2690     SV *re_trie_maxbuff;
2691     GET_RE_DEBUG_FLAGS_DECL;
2692
2693     PERL_ARGS_ASSERT_MAKE_TRIE;
2694 #ifndef DEBUGGING
2695     PERL_UNUSED_ARG(depth);
2696 #endif
2697
2698     switch (flags) {
2699         case EXACT: case EXACT_ONLY8: case EXACTL: break;
2700         case EXACTFAA:
2701         case EXACTFUP:
2702         case EXACTFU:
2703         case EXACTFLU8: folder = PL_fold_latin1; break;
2704         case EXACTF:  folder = PL_fold; break;
2705         default: Perl_croak( aTHX_ "panic! In trie construction, unknown node type %u %s", (unsigned) flags, PL_reg_name[flags] );
2706     }
2707
2708     trie = (reg_trie_data *) PerlMemShared_calloc( 1, sizeof(reg_trie_data) );
2709     trie->refcount = 1;
2710     trie->startstate = 1;
2711     trie->wordcount = word_count;
2712     RExC_rxi->data->data[ data_slot ] = (void*)trie;
2713     trie->charmap = (U16 *) PerlMemShared_calloc( 256, sizeof(U16) );
2714     if (flags == EXACT || flags == EXACT_ONLY8 || flags == EXACTL)
2715         trie->bitmap = (char *) PerlMemShared_calloc( ANYOF_BITMAP_SIZE, 1 );
2716     trie->wordinfo = (reg_trie_wordinfo *) PerlMemShared_calloc(
2717                        trie->wordcount+1, sizeof(reg_trie_wordinfo));
2718
2719     DEBUG_r({
2720         trie_words = newAV();
2721     });
2722
2723     re_trie_maxbuff = get_sv(RE_TRIE_MAXBUF_NAME, GV_ADD);
2724     assert(re_trie_maxbuff);
2725     if (!SvIOK(re_trie_maxbuff)) {
2726         sv_setiv(re_trie_maxbuff, RE_TRIE_MAXBUF_INIT);
2727     }
2728     DEBUG_TRIE_COMPILE_r({
2729         Perl_re_indentf( aTHX_
2730           "make_trie start==%d, first==%d, last==%d, tail==%d depth=%d\n",
2731           depth+1,
2732           REG_NODE_NUM(startbranch), REG_NODE_NUM(first),
2733           REG_NODE_NUM(last), REG_NODE_NUM(tail), (int)depth);
2734     });
2735
2736    /* Find the node we are going to overwrite */
2737     if ( first == startbranch && OP( last ) != BRANCH ) {
2738         /* whole branch chain */
2739         convert = first;
2740     } else {
2741         /* branch sub-chain */
2742         convert = NEXTOPER( first );
2743     }
2744
2745     /*  -- First loop and Setup --
2746
2747        We first traverse the branches and scan each word to determine if it
2748        contains widechars, and how many unique chars there are, this is
2749        important as we have to build a table with at least as many columns as we
2750        have unique chars.
2751
2752        We use an array of integers to represent the character codes 0..255
2753        (trie->charmap) and we use a an HV* to store Unicode characters. We use
2754        the native representation of the character value as the key and IV's for
2755        the coded index.
2756
2757        *TODO* If we keep track of how many times each character is used we can
2758        remap the columns so that the table compression later on is more
2759        efficient in terms of memory by ensuring the most common value is in the
2760        middle and the least common are on the outside.  IMO this would be better
2761        than a most to least common mapping as theres a decent chance the most
2762        common letter will share a node with the least common, meaning the node
2763        will not be compressible. With a middle is most common approach the worst
2764        case is when we have the least common nodes twice.
2765
2766      */
2767
2768     for ( cur = first ; cur < last ; cur = regnext( cur ) ) {
2769         regnode *noper = NEXTOPER( cur );
2770         const U8 *uc;
2771         const U8 *e;
2772         int foldlen = 0;
2773         U32 wordlen      = 0;         /* required init */
2774         STRLEN minchars = 0;
2775         STRLEN maxchars = 0;
2776         bool set_bit = trie->bitmap ? 1 : 0; /*store the first char in the
2777                                                bitmap?*/
2778
2779         if (OP(noper) == NOTHING) {
2780             /* skip past a NOTHING at the start of an alternation
2781              * eg, /(?:)a|(?:b)/ should be the same as /a|b/
2782              */
2783             regnode *noper_next= regnext(noper);
2784             if (noper_next < tail)
2785                 noper= noper_next;
2786         }
2787
2788         if (    noper < tail
2789             && (    OP(noper) == flags
2790                 || (flags == EXACT && OP(noper) == EXACT_ONLY8)
2791                 || (flags == EXACTFU && (   OP(noper) == EXACTFU_ONLY8
2792                                          || OP(noper) == EXACTFUP))))
2793         {
2794             uc= (U8*)STRING(noper);
2795             e= uc + STR_LEN(noper);
2796         } else {
2797             trie->minlen= 0;
2798             continue;
2799         }
2800
2801
2802         if ( set_bit ) { /* bitmap only alloced when !(UTF&&Folding) */
2803             TRIE_BITMAP_SET(trie,*uc); /* store the raw first byte
2804                                           regardless of encoding */
2805             if (OP( noper ) == EXACTFUP) {
2806                 /* false positives are ok, so just set this */
2807                 TRIE_BITMAP_SET(trie, LATIN_SMALL_LETTER_SHARP_S);
2808             }
2809         }
2810
2811         for ( ; uc < e ; uc += len ) {  /* Look at each char in the current
2812                                            branch */
2813             TRIE_CHARCOUNT(trie)++;
2814             TRIE_READ_CHAR;
2815
2816             /* TRIE_READ_CHAR returns the current character, or its fold if /i
2817              * is in effect.  Under /i, this character can match itself, or
2818              * anything that folds to it.  If not under /i, it can match just
2819              * itself.  Most folds are 1-1, for example k, K, and KELVIN SIGN
2820              * all fold to k, and all are single characters.   But some folds
2821              * expand to more than one character, so for example LATIN SMALL
2822              * LIGATURE FFI folds to the three character sequence 'ffi'.  If
2823              * the string beginning at 'uc' is 'ffi', it could be matched by
2824              * three characters, or just by the one ligature character. (It
2825              * could also be matched by two characters: LATIN SMALL LIGATURE FF
2826              * followed by 'i', or by 'f' followed by LATIN SMALL LIGATURE FI).
2827              * (Of course 'I' and/or 'F' instead of 'i' and 'f' can also
2828              * match.)  The trie needs to know the minimum and maximum number
2829              * of characters that could match so that it can use size alone to
2830              * quickly reject many match attempts.  The max is simple: it is
2831              * the number of folded characters in this branch (since a fold is
2832              * never shorter than what folds to it. */
2833
2834             maxchars++;
2835
2836             /* And the min is equal to the max if not under /i (indicated by
2837              * 'folder' being NULL), or there are no multi-character folds.  If
2838              * there is a multi-character fold, the min is incremented just
2839              * once, for the character that folds to the sequence.  Each
2840              * character in the sequence needs to be added to the list below of
2841              * characters in the trie, but we count only the first towards the
2842              * min number of characters needed.  This is done through the
2843              * variable 'foldlen', which is returned by the macros that look
2844              * for these sequences as the number of bytes the sequence
2845              * occupies.  Each time through the loop, we decrement 'foldlen' by
2846              * how many bytes the current char occupies.  Only when it reaches
2847              * 0 do we increment 'minchars' or look for another multi-character
2848              * sequence. */
2849             if (folder == NULL) {
2850                 minchars++;
2851             }
2852             else if (foldlen > 0) {
2853                 foldlen -= (UTF) ? UTF8SKIP(uc) : 1;
2854             }
2855             else {
2856                 minchars++;
2857
2858                 /* See if *uc is the beginning of a multi-character fold.  If
2859                  * so, we decrement the length remaining to look at, to account
2860                  * for the current character this iteration.  (We can use 'uc'
2861                  * instead of the fold returned by TRIE_READ_CHAR because for
2862                  * non-UTF, the latin1_safe macro is smart enough to account
2863                  * for all the unfolded characters, and because for UTF, the
2864                  * string will already have been folded earlier in the
2865                  * compilation process */
2866                 if (UTF) {
2867                     if ((foldlen = is_MULTI_CHAR_FOLD_utf8_safe(uc, e))) {
2868                         foldlen -= UTF8SKIP(uc);
2869                     }
2870                 }
2871                 else if ((foldlen = is_MULTI_CHAR_FOLD_latin1_safe(uc, e))) {
2872                     foldlen--;
2873                 }
2874             }
2875
2876             /* The current character (and any potential folds) should be added
2877              * to the possible matching characters for this position in this
2878              * branch */
2879             if ( uvc < 256 ) {
2880                 if ( folder ) {
2881                     U8 folded= folder[ (U8) uvc ];
2882                     if ( !trie->charmap[ folded ] ) {
2883                         trie->charmap[ folded ]=( ++trie->uniquecharcount );
2884                         TRIE_STORE_REVCHAR( folded );
2885                     }
2886                 }
2887                 if ( !trie->charmap[ uvc ] ) {
2888                     trie->charmap[ uvc ]=( ++trie->uniquecharcount );
2889                     TRIE_STORE_REVCHAR( uvc );
2890                 }
2891                 if ( set_bit ) {
2892                     /* store the codepoint in the bitmap, and its folded
2893                      * equivalent. */
2894                     TRIE_BITMAP_SET_FOLDED(trie, uvc, folder);
2895                     set_bit = 0; /* We've done our bit :-) */
2896                 }
2897             } else {
2898
2899                 /* XXX We could come up with the list of code points that fold
2900                  * to this using PL_utf8_foldclosures, except not for
2901                  * multi-char folds, as there may be multiple combinations
2902                  * there that could work, which needs to wait until runtime to
2903                  * resolve (The comment about LIGATURE FFI above is such an
2904                  * example */
2905
2906                 SV** svpp;
2907                 if ( !widecharmap )
2908                     widecharmap = newHV();
2909
2910                 svpp = hv_fetch( widecharmap, (char*)&uvc, sizeof( UV ), 1 );
2911
2912                 if ( !svpp )
2913                     Perl_croak( aTHX_ "error creating/fetching widecharmap entry for 0x%" UVXf, uvc );
2914
2915                 if ( !SvTRUE( *svpp ) ) {
2916                     sv_setiv( *svpp, ++trie->uniquecharcount );
2917                     TRIE_STORE_REVCHAR(uvc);
2918                 }
2919             }
2920         } /* end loop through characters in this branch of the trie */
2921
2922         /* We take the min and max for this branch and combine to find the min
2923          * and max for all branches processed so far */
2924         if( cur == first ) {
2925             trie->minlen = minchars;
2926             trie->maxlen = maxchars;
2927         } else if (minchars < trie->minlen) {
2928             trie->minlen = minchars;
2929         } else if (maxchars > trie->maxlen) {
2930             trie->maxlen = maxchars;
2931         }
2932     } /* end first pass */
2933     DEBUG_TRIE_COMPILE_r(
2934         Perl_re_indentf( aTHX_
2935                 "TRIE(%s): W:%d C:%d Uq:%d Min:%d Max:%d\n",
2936                 depth+1,
2937                 ( widecharmap ? "UTF8" : "NATIVE" ), (int)word_count,
2938                 (int)TRIE_CHARCOUNT(trie), trie->uniquecharcount,
2939                 (int)trie->minlen, (int)trie->maxlen )
2940     );
2941
2942     /*
2943         We now know what we are dealing with in terms of unique chars and
2944         string sizes so we can calculate how much memory a naive
2945         representation using a flat table  will take. If it's over a reasonable
2946         limit (as specified by ${^RE_TRIE_MAXBUF}) we use a more memory
2947         conservative but potentially much slower representation using an array
2948         of lists.
2949
2950         At the end we convert both representations into the same compressed
2951         form that will be used in regexec.c for matching with. The latter
2952         is a form that cannot be used to construct with but has memory
2953         properties similar to the list form and access properties similar
2954         to the table form making it both suitable for fast searches and
2955         small enough that its feasable to store for the duration of a program.
2956
2957         See the comment in the code where the compressed table is produced
2958         inplace from the flat tabe representation for an explanation of how
2959         the compression works.
2960
2961     */
2962
2963
2964     Newx(prev_states, TRIE_CHARCOUNT(trie) + 2, U32);
2965     prev_states[1] = 0;
2966
2967     if ( (IV)( ( TRIE_CHARCOUNT(trie) + 1 ) * trie->uniquecharcount + 1)
2968                                                     > SvIV(re_trie_maxbuff) )
2969     {
2970         /*
2971             Second Pass -- Array Of Lists Representation
2972
2973             Each state will be represented by a list of charid:state records
2974             (reg_trie_trans_le) the first such element holds the CUR and LEN
2975             points of the allocated array. (See defines above).
2976
2977             We build the initial structure using the lists, and then convert
2978             it into the compressed table form which allows faster lookups
2979             (but cant be modified once converted).
2980         */
2981
2982         STRLEN transcount = 1;
2983
2984         DEBUG_TRIE_COMPILE_MORE_r( Perl_re_indentf( aTHX_  "Compiling trie using list compiler\n",
2985             depth+1));
2986
2987         trie->states = (reg_trie_state *)
2988             PerlMemShared_calloc( TRIE_CHARCOUNT(trie) + 2,
2989                                   sizeof(reg_trie_state) );
2990         TRIE_LIST_NEW(1);
2991         next_alloc = 2;
2992
2993         for ( cur = first ; cur < last ; cur = regnext( cur ) ) {
2994
2995             regnode *noper   = NEXTOPER( cur );
2996             U32 state        = 1;         /* required init */
2997             U16 charid       = 0;         /* sanity init */
2998             U32 wordlen      = 0;         /* required init */
2999
3000             if (OP(noper) == NOTHING) {
3001                 regnode *noper_next= regnext(noper);
3002                 if (noper_next < tail)
3003                     noper= noper_next;
3004             }
3005
3006             if (    noper < tail
3007                 && (    OP(noper) == flags
3008                     || (flags == EXACT && OP(noper) == EXACT_ONLY8)
3009                     || (flags == EXACTFU && (   OP(noper) == EXACTFU_ONLY8
3010                                              || OP(noper) == EXACTFUP))))
3011             {
3012                 const U8 *uc= (U8*)STRING(noper);
3013                 const U8 *e= uc + STR_LEN(noper);
3014
3015                 for ( ; uc < e ; uc += len ) {
3016
3017                     TRIE_READ_CHAR;
3018
3019                     if ( uvc < 256 ) {
3020                         charid = trie->charmap[ uvc ];
3021                     } else {
3022                         SV** const svpp = hv_fetch( widecharmap,
3023                                                     (char*)&uvc,
3024                                                     sizeof( UV ),
3025                                                     0);
3026                         if ( !svpp ) {
3027                             charid = 0;
3028                         } else {
3029                             charid=(U16)SvIV( *svpp );
3030                         }
3031                     }
3032                     /* charid is now 0 if we dont know the char read, or
3033                      * nonzero if we do */
3034                     if ( charid ) {
3035
3036                         U16 check;
3037                         U32 newstate = 0;
3038
3039                         charid--;
3040                         if ( !trie->states[ state ].trans.list ) {
3041                             TRIE_LIST_NEW( state );
3042                         }
3043                         for ( check = 1;
3044                               check <= TRIE_LIST_USED( state );
3045                               check++ )
3046                         {
3047                             if ( TRIE_LIST_ITEM( state, check ).forid
3048                                                                     == charid )
3049                             {
3050                                 newstate = TRIE_LIST_ITEM( state, check ).newstate;
3051                                 break;
3052                             }
3053                         }
3054                         if ( ! newstate ) {
3055                             newstate = next_alloc++;
3056                             prev_states[newstate] = state;
3057                             TRIE_LIST_PUSH( state, charid, newstate );
3058                             transcount++;
3059                         }
3060                         state = newstate;
3061                     } else {
3062                         Perl_croak( aTHX_ "panic! In trie construction, no char mapping for %" IVdf, uvc );
3063                     }
3064                 }
3065             }
3066             TRIE_HANDLE_WORD(state);
3067
3068         } /* end second pass */
3069
3070         /* next alloc is the NEXT state to be allocated */
3071         trie->statecount = next_alloc;
3072         trie->states = (reg_trie_state *)
3073             PerlMemShared_realloc( trie->states,
3074                                    next_alloc
3075                                    * sizeof(reg_trie_state) );
3076
3077         /* and now dump it out before we compress it */
3078         DEBUG_TRIE_COMPILE_MORE_r(dump_trie_interim_list(trie, widecharmap,
3079                                                          revcharmap, next_alloc,
3080                                                          depth+1)
3081         );
3082
3083         trie->trans = (reg_trie_trans *)
3084             PerlMemShared_calloc( transcount, sizeof(reg_trie_trans) );
3085         {
3086             U32 state;
3087             U32 tp = 0;
3088             U32 zp = 0;
3089
3090
3091             for( state=1 ; state < next_alloc ; state ++ ) {
3092                 U32 base=0;
3093
3094                 /*
3095                 DEBUG_TRIE_COMPILE_MORE_r(
3096                     Perl_re_printf( aTHX_  "tp: %d zp: %d ",tp,zp)
3097                 );
3098                 */
3099
3100                 if (trie->states[state].trans.list) {
3101                     U16 minid=TRIE_LIST_ITEM( state, 1).forid;
3102                     U16 maxid=minid;
3103                     U16 idx;
3104
3105                     for( idx = 2 ; idx <= TRIE_LIST_USED( state ) ; idx++ ) {
3106                         const U16 forid = TRIE_LIST_ITEM( state, idx).forid;
3107                         if ( forid < minid ) {
3108                             minid=forid;
3109                         } else if ( forid > maxid ) {
3110                             maxid=forid;
3111                         }
3112                     }
3113                     if ( transcount < tp + maxid - minid + 1) {
3114                         transcount *= 2;
3115                         trie->trans = (reg_trie_trans *)
3116                             PerlMemShared_realloc( trie->trans,
3117                                                      transcount
3118                                                      * sizeof(reg_trie_trans) );
3119                         Zero( trie->trans + (transcount / 2),
3120                               transcount / 2,
3121                               reg_trie_trans );
3122                     }
3123                     base = trie->uniquecharcount + tp - minid;
3124                     if ( maxid == minid ) {
3125                         U32 set = 0;
3126                         for ( ; zp < tp ; zp++ ) {
3127                             if ( ! trie->trans[ zp ].next ) {
3128                                 base = trie->uniquecharcount + zp - minid;
3129                                 trie->trans[ zp ].next = TRIE_LIST_ITEM( state,
3130                                                                    1).newstate;
3131                                 trie->trans[ zp ].check = state;
3132                                 set = 1;
3133                                 break;
3134                             }
3135                         }
3136                         if ( !set ) {
3137                             trie->trans[ tp ].next = TRIE_LIST_ITEM( state,
3138                                                                    1).newstate;
3139                             trie->trans[ tp ].check = state;
3140                             tp++;
3141                             zp = tp;
3142                         }
3143                     } else {
3144                         for ( idx=1; idx <= TRIE_LIST_USED( state ) ; idx++ ) {
3145                             const U32 tid = base
3146                                            - trie->uniquecharcount
3147                                            + TRIE_LIST_ITEM( state, idx ).forid;
3148                             trie->trans[ tid ].next = TRIE_LIST_ITEM( state,
3149                                                                 idx ).newstate;
3150                             trie->trans[ tid ].check = state;
3151                         }
3152                         tp += ( maxid - minid + 1 );
3153                     }
3154                     Safefree(trie->states[ state ].trans.list);
3155                 }
3156                 /*
3157                 DEBUG_TRIE_COMPILE_MORE_r(
3158                     Perl_re_printf( aTHX_  " base: %d\n",base);
3159                 );
3160                 */
3161                 trie->states[ state ].trans.base=base;
3162             }
3163             trie->lasttrans = tp + 1;
3164         }
3165     } else {
3166         /*
3167            Second Pass -- Flat Table Representation.
3168
3169            we dont use the 0 slot of either trans[] or states[] so we add 1 to
3170            each.  We know that we will need Charcount+1 trans at most to store
3171            the data (one row per char at worst case) So we preallocate both
3172            structures assuming worst case.
3173
3174            We then construct the trie using only the .next slots of the entry
3175            structs.
3176
3177            We use the .check field of the first entry of the node temporarily
3178            to make compression both faster and easier by keeping track of how
3179            many non zero fields are in the node.
3180
3181            Since trans are numbered from 1 any 0 pointer in the table is a FAIL
3182            transition.
3183
3184            There are two terms at use here: state as a TRIE_NODEIDX() which is
3185            a number representing the first entry of the node, and state as a
3186            TRIE_NODENUM() which is the trans number. state 1 is TRIE_NODEIDX(1)
3187            and TRIE_NODENUM(1), state 2 is TRIE_NODEIDX(2) and TRIE_NODENUM(3)
3188            if there are 2 entrys per node. eg:
3189
3190              A B       A B
3191           1. 2 4    1. 3 7
3192           2. 0 3    3. 0 5
3193           3. 0 0    5. 0 0
3194           4. 0 0    7. 0 0
3195
3196            The table is internally in the right hand, idx form. However as we
3197            also have to deal with the states array which is indexed by nodenum
3198            we have to use TRIE_NODENUM() to convert.
3199
3200         */
3201         DEBUG_TRIE_COMPILE_MORE_r( Perl_re_indentf( aTHX_  "Compiling trie using table compiler\n",
3202             depth+1));
3203
3204         trie->trans = (reg_trie_trans *)
3205             PerlMemShared_calloc( ( TRIE_CHARCOUNT(trie) + 1 )
3206                                   * trie->uniquecharcount + 1,
3207                                   sizeof(reg_trie_trans) );
3208         trie->states = (reg_trie_state *)
3209             PerlMemShared_calloc( TRIE_CHARCOUNT(trie) + 2,
3210                                   sizeof(reg_trie_state) );
3211         next_alloc = trie->uniquecharcount + 1;
3212
3213
3214         for ( cur = first ; cur < last ; cur = regnext( cur ) ) {
3215
3216             regnode *noper   = NEXTOPER( cur );
3217
3218             U32 state        = 1;         /* required init */
3219
3220             U16 charid       = 0;         /* sanity init */
3221             U32 accept_state = 0;         /* sanity init */
3222
3223             U32 wordlen      = 0;         /* required init */
3224
3225             if (OP(noper) == NOTHING) {
3226                 regnode *noper_next= regnext(noper);
3227                 if (noper_next < tail)
3228                     noper= noper_next;
3229             }
3230
3231             if (    noper < tail
3232                 && (    OP(noper) == flags
3233                     || (flags == EXACT && OP(noper) == EXACT_ONLY8)
3234                     || (flags == EXACTFU && (   OP(noper) == EXACTFU_ONLY8
3235                                              || OP(noper) == EXACTFUP))))
3236             {
3237                 const U8 *uc= (U8*)STRING(noper);
3238                 const U8 *e= uc + STR_LEN(noper);
3239
3240                 for ( ; uc < e ; uc += len ) {
3241
3242                     TRIE_READ_CHAR;
3243
3244                     if ( uvc < 256 ) {
3245                         charid = trie->charmap[ uvc ];
3246                     } else {
3247                         SV* const * const svpp = hv_fetch( widecharmap,
3248                                                            (char*)&uvc,
3249                                                            sizeof( UV ),
3250                                                            0);
3251                         charid = svpp ? (U16)SvIV(*svpp) : 0;
3252                     }
3253                     if ( charid ) {
3254                         charid--;
3255                         if ( !trie->trans[ state + charid ].next ) {
3256                             trie->trans[ state + charid ].next = next_alloc;
3257                             trie->trans[ state ].check++;
3258                             prev_states[TRIE_NODENUM(next_alloc)]
3259                                     = TRIE_NODENUM(state);
3260                             next_alloc += trie->uniquecharcount;
3261                         }
3262                         state = trie->trans[ state + charid ].next;
3263                     } else {
3264                         Perl_croak( aTHX_ "panic! In trie construction, no char mapping for %" IVdf, uvc );
3265                     }
3266                     /* charid is now 0 if we dont know the char read, or
3267                      * nonzero if we do */
3268                 }
3269             }
3270             accept_state = TRIE_NODENUM( state );
3271             TRIE_HANDLE_WORD(accept_state);
3272
3273         } /* end second pass */
3274
3275         /* and now dump it out before we compress it */
3276         DEBUG_TRIE_COMPILE_MORE_r(dump_trie_interim_table(trie, widecharmap,
3277                                                           revcharmap,
3278                                                           next_alloc, depth+1));
3279
3280         {
3281         /*
3282            * Inplace compress the table.*
3283
3284            For sparse data sets the table constructed by the trie algorithm will
3285            be mostly 0/FAIL transitions or to put it another way mostly empty.
3286            (Note that leaf nodes will not contain any transitions.)
3287
3288            This algorithm compresses the tables by eliminating most such
3289            transitions, at the cost of a modest bit of extra work during lookup:
3290
3291            - Each states[] entry contains a .base field which indicates the
3292            index in the state[] array wheres its transition data is stored.
3293
3294            - If .base is 0 there are no valid transitions from that node.
3295
3296            - If .base is nonzero then charid is added to it to find an entry in
3297            the trans array.
3298
3299            -If trans[states[state].base+charid].check!=state then the
3300            transition is taken to be a 0/Fail transition. Thus if there are fail
3301            transitions at the front of the node then the .base offset will point
3302            somewhere inside the previous nodes data (or maybe even into a node
3303            even earlier), but the .check field determines if the transition is
3304            valid.
3305
3306            XXX - wrong maybe?
3307            The following process inplace converts the table to the compressed
3308            table: We first do not compress the root node 1,and mark all its
3309            .check pointers as 1 and set its .base pointer as 1 as well. This
3310            allows us to do a DFA construction from the compressed table later,
3311            and ensures that any .base pointers we calculate later are greater
3312            than 0.
3313
3314            - We set 'pos' to indicate the first entry of the second node.
3315
3316            - We then iterate over the columns of the node, finding the first and
3317            last used entry at l and m. We then copy l..m into pos..(pos+m-l),
3318            and set the .check pointers accordingly, and advance pos
3319            appropriately and repreat for the next node. Note that when we copy
3320            the next pointers we have to convert them from the original
3321            NODEIDX form to NODENUM form as the former is not valid post
3322            compression.
3323
3324            - If a node has no transitions used we mark its base as 0 and do not
3325            advance the pos pointer.
3326
3327            - If a node only has one transition we use a second pointer into the
3328            structure to fill in allocated fail transitions from other states.
3329            This pointer is independent of the main pointer and scans forward
3330            looking for null transitions that are allocated to a state. When it
3331            finds one it writes the single transition into the "hole".  If the
3332            pointer doesnt find one the single transition is appended as normal.
3333
3334            - Once compressed we can Renew/realloc the structures to release the
3335            excess space.
3336
3337            See "Table-Compression Methods" in sec 3.9 of the Red Dragon,
3338            specifically Fig 3.47 and the associated pseudocode.
3339
3340            demq
3341         */
3342         const U32 laststate = TRIE_NODENUM( next_alloc );
3343         U32 state, charid;
3344         U32 pos = 0, zp=0;
3345         trie->statecount = laststate;
3346
3347         for ( state = 1 ; state < laststate ; state++ ) {
3348             U8 flag = 0;
3349             const U32 stateidx = TRIE_NODEIDX( state );
3350             const U32 o_used = trie->trans[ stateidx ].check;
3351             U32 used = trie->trans[ stateidx ].check;
3352             trie->trans[ stateidx ].check = 0;
3353
3354             for ( charid = 0;
3355                   used && charid < trie->uniquecharcount;
3356                   charid++ )
3357             {
3358                 if ( flag || trie->trans[ stateidx + charid ].next ) {
3359                     if ( trie->trans[ stateidx + charid ].next ) {
3360                         if (o_used == 1) {
3361                             for ( ; zp < pos ; zp++ ) {
3362                                 if ( ! trie->trans[ zp ].next ) {
3363                                     break;
3364                                 }
3365                             }
3366                             trie->states[ state ].trans.base
3367                                                     = zp
3368                                                       + trie->uniquecharcount
3369                                                       - charid ;
3370                             trie->trans[ zp ].next
3371                                 = SAFE_TRIE_NODENUM( trie->trans[ stateidx
3372                                                              + charid ].next );
3373                             trie->trans[ zp ].check = state;
3374                             if ( ++zp > pos ) pos = zp;
3375                             break;
3376                         }
3377                         used--;
3378                     }
3379                     if ( !flag ) {
3380                         flag = 1;
3381                         trie->states[ state ].trans.base
3382                                        = pos + trie->uniquecharcount - charid ;
3383                     }
3384                     trie->trans[ pos ].next
3385                         = SAFE_TRIE_NODENUM(
3386                                        trie->trans[ stateidx + charid ].next );
3387                     trie->trans[ pos ].check = state;
3388                     pos++;
3389                 }
3390             }
3391         }
3392         trie->lasttrans = pos + 1;
3393         trie->states = (reg_trie_state *)
3394             PerlMemShared_realloc( trie->states, laststate
3395                                    * sizeof(reg_trie_state) );
3396         DEBUG_TRIE_COMPILE_MORE_r(
3397             Perl_re_indentf( aTHX_  "Alloc: %d Orig: %" IVdf " elements, Final:%" IVdf ". Savings of %%%5.2f\n",
3398                 depth+1,
3399                 (int)( ( TRIE_CHARCOUNT(trie) + 1 ) * trie->uniquecharcount
3400                        + 1 ),
3401                 (IV)next_alloc,
3402                 (IV)pos,
3403                 ( ( next_alloc - pos ) * 100 ) / (double)next_alloc );
3404             );
3405
3406         } /* end table compress */
3407     }
3408     DEBUG_TRIE_COMPILE_MORE_r(
3409             Perl_re_indentf( aTHX_  "Statecount:%" UVxf " Lasttrans:%" UVxf "\n",
3410                 depth+1,
3411                 (UV)trie->statecount,
3412                 (UV)trie->lasttrans)
3413     );
3414     /* resize the trans array to remove unused space */
3415     trie->trans = (reg_trie_trans *)
3416         PerlMemShared_realloc( trie->trans, trie->lasttrans
3417                                * sizeof(reg_trie_trans) );
3418
3419     {   /* Modify the program and insert the new TRIE node */
3420         U8 nodetype =(U8)(flags & 0xFF);
3421         char *str=NULL;
3422
3423 #ifdef DEBUGGING
3424         regnode *optimize = NULL;
3425 #ifdef RE_TRACK_PATTERN_OFFSETS
3426
3427         U32 mjd_offset = 0;
3428         U32 mjd_nodelen = 0;
3429 #endif /* RE_TRACK_PATTERN_OFFSETS */
3430 #endif /* DEBUGGING */
3431         /*
3432            This means we convert either the first branch or the first Exact,
3433            depending on whether the thing following (in 'last') is a branch
3434            or not and whther first is the startbranch (ie is it a sub part of
3435            the alternation or is it the whole thing.)
3436            Assuming its a sub part we convert the EXACT otherwise we convert
3437            the whole branch sequence, including the first.
3438          */
3439         /* Find the node we are going to overwrite */
3440         if ( first != startbranch || OP( last ) == BRANCH ) {
3441             /* branch sub-chain */
3442             NEXT_OFF( first ) = (U16)(last - first);
3443 #ifdef RE_TRACK_PATTERN_OFFSETS
3444             DEBUG_r({
3445                 mjd_offset= Node_Offset((convert));
3446                 mjd_nodelen= Node_Length((convert));
3447             });
3448 #endif
3449             /* whole branch chain */
3450         }
3451 #ifdef RE_TRACK_PATTERN_OFFSETS
3452         else {
3453             DEBUG_r({
3454                 const  regnode *nop = NEXTOPER( convert );
3455                 mjd_offset= Node_Offset((nop));
3456                 mjd_nodelen= Node_Length((nop));
3457             });
3458         }
3459         DEBUG_OPTIMISE_r(
3460             Perl_re_indentf( aTHX_  "MJD offset:%" UVuf " MJD length:%" UVuf "\n",
3461                 depth+1,
3462                 (UV)mjd_offset, (UV)mjd_nodelen)
3463         );
3464 #endif
3465         /* But first we check to see if there is a common prefix we can
3466            split out as an EXACT and put in front of the TRIE node.  */
3467         trie->startstate= 1;
3468         if ( trie->bitmap && !widecharmap && !trie->jump  ) {
3469             /* we want to find the first state that has more than
3470              * one transition, if that state is not the first state
3471              * then we have a common prefix which we can remove.
3472              */
3473             U32 state;
3474             for ( state = 1 ; state < trie->statecount-1 ; state++ ) {
3475                 U32 ofs = 0;
3476                 I32 first_ofs = -1; /* keeps track of the ofs of the first
3477                                        transition, -1 means none */
3478                 U32 count = 0;
3479                 const U32 base = trie->states[ state ].trans.base;
3480
3481                 /* does this state terminate an alternation? */
3482                 if ( trie->states[state].wordnum )
3483                         count = 1;
3484
3485                 for ( ofs = 0 ; ofs < trie->uniquecharcount ; ofs++ ) {
3486                     if ( ( base + ofs >= trie->uniquecharcount ) &&
3487                          ( base + ofs - trie->uniquecharcount < trie->lasttrans ) &&
3488                          trie->trans[ base + ofs - trie->uniquecharcount ].check == state )
3489                     {
3490                         if ( ++count > 1 ) {
3491                             /* we have more than one transition */
3492                             SV **tmp;
3493                             U8 *ch;
3494                             /* if this is the first state there is no common prefix
3495                              * to extract, so we can exit */
3496                             if ( state == 1 ) break;
3497                             tmp = av_fetch( revcharmap, ofs, 0);
3498                             ch = (U8*)SvPV_nolen_const( *tmp );
3499
3500                             /* if we are on count 2 then we need to initialize the
3501                              * bitmap, and store the previous char if there was one
3502                              * in it*/
3503                             if ( count == 2 ) {
3504                                 /* clear the bitmap */
3505                                 Zero(trie->bitmap, ANYOF_BITMAP_SIZE, char);
3506                                 DEBUG_OPTIMISE_r(
3507                                     Perl_re_indentf( aTHX_  "New Start State=%" UVuf " Class: [",
3508                                         depth+1,
3509                                         (UV)state));
3510                                 if (first_ofs >= 0) {
3511                                     SV ** const tmp = av_fetch( revcharmap, first_ofs, 0);
3512                                     const U8 * const ch = (U8*)SvPV_nolen_const( *tmp );
3513
3514                                     TRIE_BITMAP_SET_FOLDED(trie,*ch, folder);
3515                                     DEBUG_OPTIMISE_r(
3516                                         Perl_re_printf( aTHX_  "%s", (char*)ch)
3517                                     );
3518                                 }
3519                             }
3520                             /* store the current firstchar in the bitmap */
3521                             TRIE_BITMAP_SET_FOLDED(trie,*ch, folder);
3522                             DEBUG_OPTIMISE_r(Perl_re_printf( aTHX_ "%s", ch));
3523                         }
3524                         first_ofs = ofs;
3525                     }
3526                 }
3527                 if ( count == 1 ) {
3528                     /* This state has only one transition, its transition is part
3529                      * of a common prefix - we need to concatenate the char it
3530                      * represents to what we have so far. */
3531                     SV **tmp = av_fetch( revcharmap, first_ofs, 0);
3532                     STRLEN len;
3533                     char *ch = SvPV( *tmp, len );
3534                     DEBUG_OPTIMISE_r({
3535                         SV *sv=sv_newmortal();
3536                         Perl_re_indentf( aTHX_  "Prefix State: %" UVuf " Ofs:%" UVuf " Char='%s'\n",
3537                             depth+1,
3538                             (UV)state, (UV)first_ofs,
3539                             pv_pretty(sv, SvPV_nolen_const(*tmp), SvCUR(*tmp), 6,
3540                                 PL_colors[0], PL_colors[1],
3541                                 (SvUTF8(*tmp) ? PERL_PV_ESCAPE_UNI : 0) |
3542                                 PERL_PV_ESCAPE_FIRSTCHAR
3543                             )
3544                         );
3545                     });
3546                     if ( state==1 ) {
3547                         OP( convert ) = nodetype;
3548                         str=STRING(convert);
3549                         STR_LEN(convert)=0;
3550                     }
3551                     STR_LEN(convert) += len;
3552                     while (len--)
3553                         *str++ = *ch++;
3554                 } else {
3555 #ifdef DEBUGGING
3556                     if (state>1)
3557                         DEBUG_OPTIMISE_r(Perl_re_printf( aTHX_ "]\n"));
3558 #endif
3559                     break;
3560                 }
3561             }
3562             trie->prefixlen = (state-1);
3563             if (str) {
3564                 regnode *n = convert+NODE_SZ_STR(convert);
3565                 NEXT_OFF(convert) = NODE_SZ_STR(convert);
3566                 trie->startstate = state;
3567                 trie->minlen -= (state - 1);
3568                 trie->maxlen -= (state - 1);
3569 #ifdef DEBUGGING
3570                /* At least the UNICOS C compiler choked on this
3571                 * being argument to DEBUG_r(), so let's just have
3572                 * it right here. */
3573                if (
3574 #ifdef PERL_EXT_RE_BUILD
3575                    1
3576 #else
3577                    DEBUG_r_TEST
3578 #endif
3579                    ) {
3580                    regnode *fix = convert;
3581                    U32 word = trie->wordcount;
3582 #ifdef RE_TRACK_PATTERN_OFFSETS
3583                    mjd_nodelen++;
3584 #endif
3585                    Set_Node_Offset_Length(convert, mjd_offset, state - 1);
3586                    while( ++fix < n ) {
3587                        Set_Node_Offset_Length(fix, 0, 0);
3588                    }
3589                    while (word--) {
3590                        SV ** const tmp = av_fetch( trie_words, word, 0 );
3591                        if (tmp) {
3592                            if ( STR_LEN(convert) <= SvCUR(*tmp) )
3593                                sv_chop(*tmp, SvPV_nolen(*tmp) + STR_LEN(convert));
3594                            else
3595                                sv_chop(*tmp, SvPV_nolen(*tmp) + SvCUR(*tmp));
3596                        }
3597                    }
3598                }
3599 #endif
3600                 if (trie->maxlen) {
3601                     convert = n;
3602                 } else {
3603                     NEXT_OFF(convert) = (U16)(tail - convert);
3604                     DEBUG_r(optimize= n);
3605                 }
3606             }
3607         }
3608         if (!jumper)
3609             jumper = last;
3610         if ( trie->maxlen ) {
3611             NEXT_OFF( convert ) = (U16)(tail - convert);
3612             ARG_SET( convert, data_slot );
3613             /* Store the offset to the first unabsorbed branch in
3614                jump[0], which is otherwise unused by the jump logic.
3615                We use this when dumping a trie and during optimisation. */
3616             if (trie->jump)
3617                 trie->jump[0] = (U16)(nextbranch - convert);
3618
3619             /* If the start state is not accepting (meaning there is no empty string/NOTHING)
3620              *   and there is a bitmap
3621              *   and the first "jump target" node we found leaves enough room
3622              * then convert the TRIE node into a TRIEC node, with the bitmap
3623              * embedded inline in the opcode - this is hypothetically faster.
3624              */
3625             if ( !trie->states[trie->startstate].wordnum
3626                  && trie->bitmap
3627                  && ( (char *)jumper - (char *)convert) >= (int)sizeof(struct regnode_charclass) )
3628             {
3629                 OP( convert ) = TRIEC;
3630                 Copy(trie->bitmap, ((struct regnode_charclass *)convert)->bitmap, ANYOF_BITMAP_SIZE, char);
3631                 PerlMemShared_free(trie->bitmap);
3632                 trie->bitmap= NULL;
3633             } else
3634                 OP( convert ) = TRIE;
3635
3636             /* store the type in the flags */
3637             convert->flags = nodetype;
3638             DEBUG_r({
3639             optimize = convert
3640                       + NODE_STEP_REGNODE
3641                       + regarglen[ OP( convert ) ];
3642             });
3643             /* XXX We really should free up the resource in trie now,
3644                    as we won't use them - (which resources?) dmq */
3645         }
3646         /* needed for dumping*/
3647         DEBUG_r(if (optimize) {
3648             regnode *opt = convert;
3649
3650             while ( ++opt < optimize) {
3651                 Set_Node_Offset_Length(opt, 0, 0);
3652             }
3653             /*
3654                 Try to clean up some of the debris left after the
3655                 optimisation.
3656              */
3657             while( optimize < jumper ) {
3658                 Track_Code( mjd_nodelen += Node_Length((optimize)); );
3659                 OP( optimize ) = OPTIMIZED;
3660                 Set_Node_Offset_Length(optimize, 0, 0);
3661                 optimize++;
3662             }
3663             Set_Node_Offset_Length(convert, mjd_offset, mjd_nodelen);
3664         });
3665     } /* end node insert */
3666
3667     /*  Finish populating the prev field of the wordinfo array.  Walk back
3668      *  from each accept state until we find another accept state, and if
3669      *  so, point the first word's .prev field at the second word. If the
3670      *  second already has a .prev field set, stop now. This will be the
3671      *  case either if we've already processed that word's accept state,
3672      *  or that state had multiple words, and the overspill words were
3673      *  already linked up earlier.
3674      */
3675     {
3676         U16 word;
3677         U32 state;
3678         U16 prev;
3679
3680         for (word=1; word <= trie->wordcount; word++) {
3681             prev = 0;
3682             if (trie->wordinfo[word].prev)
3683                 continue;
3684             state = trie->wordinfo[word].accept;
3685             while (state) {
3686                 state = prev_states[state];
3687                 if (!state)
3688                     break;
3689                 prev = trie->states[state].wordnum;
3690                 if (prev)
3691                     break;
3692             }
3693             trie->wordinfo[word].prev = prev;
3694         }
3695         Safefree(prev_states);
3696     }
3697
3698
3699     /* and now dump out the compressed format */
3700     DEBUG_TRIE_COMPILE_r(dump_trie(trie, widecharmap, revcharmap, depth+1));
3701
3702     RExC_rxi->data->data[ data_slot + 1 ] = (void*)widecharmap;
3703 #ifdef DEBUGGING
3704     RExC_rxi->data->data[ data_slot + TRIE_WORDS_OFFSET ] = (void*)trie_words;
3705     RExC_rxi->data->data[ data_slot + 3 ] = (void*)revcharmap;
3706 #else
3707     SvREFCNT_dec_NN(revcharmap);
3708 #endif
3709     return trie->jump
3710            ? MADE_JUMP_TRIE
3711            : trie->startstate>1
3712              ? MADE_EXACT_TRIE
3713              : MADE_TRIE;
3714 }
3715
3716 STATIC regnode *
3717 S_construct_ahocorasick_from_trie(pTHX_ RExC_state_t *pRExC_state, regnode *source, U32 depth)
3718 {
3719 /* The Trie is constructed and compressed now so we can build a fail array if
3720  * it's needed
3721
3722    This is basically the Aho-Corasick algorithm. Its from exercise 3.31 and
3723    3.32 in the
3724    "Red Dragon" -- Compilers, principles, techniques, and tools. Aho, Sethi,
3725    Ullman 1985/88
3726    ISBN 0-201-10088-6
3727
3728    We find the fail state for each state in the trie, this state is the longest
3729    proper suffix of the current state's 'word' that is also a proper prefix of
3730    another word in our trie. State 1 represents the word '' and is thus the
3731    default fail state. This allows the DFA not to have to restart after its
3732    tried and failed a word at a given point, it simply continues as though it
3733    had been matching the other word in the first place.
3734    Consider
3735       'abcdgu'=~/abcdefg|cdgu/
3736    When we get to 'd' we are still matching the first word, we would encounter
3737    'g' which would fail, which would bring us to the state representing 'd' in
3738    the second word where we would try 'g' and succeed, proceeding to match
3739    'cdgu'.
3740  */
3741  /* add a fail transition */
3742     const U32 trie_offset = ARG(source);
3743     reg_trie_data *trie=(reg_trie_data *)RExC_rxi->data->data[trie_offset];
3744     U32 *q;
3745     const U32 ucharcount = trie->uniquecharcount;
3746     const U32 numstates = trie->statecount;
3747     const U32 ubound = trie->lasttrans + ucharcount;
3748     U32 q_read = 0;
3749     U32 q_write = 0;
3750     U32 charid;
3751     U32 base = trie->states[ 1 ].trans.base;
3752     U32 *fail;
3753     reg_ac_data *aho;
3754     const U32 data_slot = add_data( pRExC_state, STR_WITH_LEN("T"));
3755     regnode *stclass;
3756     GET_RE_DEBUG_FLAGS_DECL;
3757
3758     PERL_ARGS_ASSERT_CONSTRUCT_AHOCORASICK_FROM_TRIE;
3759     PERL_UNUSED_CONTEXT;
3760 #ifndef DEBUGGING
3761     PERL_UNUSED_ARG(depth);
3762 #endif
3763
3764     if ( OP(source) == TRIE ) {
3765         struct regnode_1 *op = (struct regnode_1 *)
3766             PerlMemShared_calloc(1, sizeof(struct regnode_1));
3767         StructCopy(source, op, struct regnode_1);
3768         stclass = (regnode *)op;
3769     } else {
3770         struct regnode_charclass *op = (struct regnode_charclass *)
3771             PerlMemShared_calloc(1, sizeof(struct regnode_charclass));
3772         StructCopy(source, op, struct regnode_charclass);
3773         stclass = (regnode *)op;
3774     }
3775     OP(stclass)+=2; /* convert the TRIE type to its AHO-CORASICK equivalent */
3776
3777     ARG_SET( stclass, data_slot );
3778     aho = (reg_ac_data *) PerlMemShared_calloc( 1, sizeof(reg_ac_data) );
3779     RExC_rxi->data->data[ data_slot ] = (void*)aho;
3780     aho->trie=trie_offset;
3781     aho->states=(reg_trie_state *)PerlMemShared_malloc( numstates * sizeof(reg_trie_state) );
3782     Copy( trie->states, aho->states, numstates, reg_trie_state );
3783     Newx( q, numstates, U32);
3784     aho->fail = (U32 *) PerlMemShared_calloc( numstates, sizeof(U32) );
3785     aho->refcount = 1;
3786     fail = aho->fail;
3787     /* initialize fail[0..1] to be 1 so that we always have
3788        a valid final fail state */
3789     fail[ 0 ] = fail[ 1 ] = 1;
3790
3791     for ( charid = 0; charid < ucharcount ; charid++ ) {
3792         const U32 newstate = TRIE_TRANS_STATE( 1, base, ucharcount, charid, 0 );
3793         if ( newstate ) {
3794             q[ q_write ] = newstate;
3795             /* set to point at the root */
3796             fail[ q[ q_write++ ] ]=1;
3797         }
3798     }
3799     while ( q_read < q_write) {
3800         const U32 cur = q[ q_read++ % numstates ];
3801         base = trie->states[ cur ].trans.base;
3802
3803         for ( charid = 0 ; charid < ucharcount ; charid++ ) {
3804             const U32 ch_state = TRIE_TRANS_STATE( cur, base, ucharcount, charid, 1 );
3805             if (ch_state) {
3806                 U32 fail_state = cur;
3807                 U32 fail_base;
3808                 do {
3809                     fail_state = fail[ fail_state ];
3810                     fail_base = aho->states[ fail_state ].trans.base;
3811                 } while ( !TRIE_TRANS_STATE( fail_state, fail_base, ucharcount, charid, 1 ) );
3812
3813                 fail_state = TRIE_TRANS_STATE( fail_state, fail_base, ucharcount, charid, 1 );
3814                 fail[ ch_state ] = fail_state;
3815                 if ( !aho->states[ ch_state ].wordnum && aho->states[ fail_state ].wordnum )
3816                 {
3817                         aho->states[ ch_state ].wordnum =  aho->states[ fail_state ].wordnum;
3818                 }
3819                 q[ q_write++ % numstates] = ch_state;
3820             }
3821         }
3822     }
3823     /* restore fail[0..1] to 0 so that we "fall out" of the AC loop
3824        when we fail in state 1, this allows us to use the
3825        charclass scan to find a valid start char. This is based on the principle
3826        that theres a good chance the string being searched contains lots of stuff
3827        that cant be a start char.
3828      */
3829     fail[ 0 ] = fail[ 1 ] = 0;
3830     DEBUG_TRIE_COMPILE_r({
3831         Perl_re_indentf( aTHX_  "Stclass Failtable (%" UVuf " states): 0",
3832                       depth, (UV)numstates
3833         );
3834         for( q_read=1; q_read<numstates; q_read++ ) {
3835             Perl_re_printf( aTHX_  ", %" UVuf, (UV)fail[q_read]);
3836         }
3837         Perl_re_printf( aTHX_  "\n");
3838     });
3839     Safefree(q);
3840     /*RExC_seen |= REG_TRIEDFA_SEEN;*/
3841     return stclass;
3842 }
3843
3844
3845 /* The below joins as many adjacent EXACTish nodes as possible into a single
3846  * one.  The regop may be changed if the node(s) contain certain sequences that
3847  * require special handling.  The joining is only done if:
3848  * 1) there is room in the current conglomerated node to entirely contain the
3849  *    next one.
3850  * 2) they are compatible node types
3851  *
3852  * The adjacent nodes actually may be separated by NOTHING-kind nodes, and
3853  * these get optimized out
3854  *
3855  * XXX khw thinks this should be enhanced to fill EXACT (at least) nodes as full
3856  * as possible, even if that means splitting an existing node so that its first
3857  * part is moved to the preceeding node.  This would maximise the efficiency of
3858  * memEQ during matching.
3859  *
3860  * If a node is to match under /i (folded), the number of characters it matches
3861  * can be different than its character length if it contains a multi-character
3862  * fold.  *min_subtract is set to the total delta number of characters of the
3863  * input nodes.
3864  *
3865  * And *unfolded_multi_char is set to indicate whether or not the node contains
3866  * an unfolded multi-char fold.  This happens when it won't be known until
3867  * runtime whether the fold is valid or not; namely
3868  *  1) for EXACTF nodes that contain LATIN SMALL LETTER SHARP S, as only if the
3869  *      target string being matched against turns out to be UTF-8 is that fold
3870  *      valid; or
3871  *  2) for EXACTFL nodes whose folding rules depend on the locale in force at
3872  *      runtime.
3873  * (Multi-char folds whose components are all above the Latin1 range are not
3874  * run-time locale dependent, and have already been folded by the time this
3875  * function is called.)
3876  *
3877  * This is as good a place as any to discuss the design of handling these
3878  * multi-character fold sequences.  It's been wrong in Perl for a very long
3879  * time.  There are three code points in Unicode whose multi-character folds
3880  * were long ago discovered to mess things up.  The previous designs for
3881  * dealing with these involved assigning a special node for them.  This
3882  * approach doesn't always work, as evidenced by this example:
3883  *      "\xDFs" =~ /s\xDF/ui    # Used to fail before these patches
3884  * Both sides fold to "sss", but if the pattern is parsed to create a node that
3885  * would match just the \xDF, it won't be able to handle the case where a
3886  * successful match would have to cross the node's boundary.  The new approach
3887  * that hopefully generally solves the problem generates an EXACTFUP node
3888  * that is "sss" in this case.
3889  *
3890  * It turns out that there are problems with all multi-character folds, and not
3891  * just these three.  Now the code is general, for all such cases.  The
3892  * approach taken is:
3893  * 1)   This routine examines each EXACTFish node that could contain multi-
3894  *      character folded sequences.  Since a single character can fold into
3895  *      such a sequence, the minimum match length for this node is less than
3896  *      the number of characters in the node.  This routine returns in
3897  *      *min_subtract how many characters to subtract from the the actual
3898  *      length of the string to get a real minimum match length; it is 0 if
3899  *      there are no multi-char foldeds.  This delta is used by the caller to
3900  *      adjust the min length of the match, and the delta between min and max,
3901  *      so that the optimizer doesn't reject these possibilities based on size
3902  *      constraints.
3903  *
3904  * 2)   For the sequence involving the LATIN SMALL LETTER SHARP S (U+00DF)
3905  *      under /u, we fold it to 'ss' in regatom(), and in this routine, after
3906  *      joining, we scan for occurrences of the sequence 'ss' in non-UTF-8
3907  *      EXACTFU nodes.  The node type of such nodes is then changed to
3908  *      EXACTFUP, indicating it is problematic, and needs careful handling.
3909  *      (The procedures in step 1) above are sufficient to handle this case in
3910  *      UTF-8 encoded nodes.)  The reason this is problematic is that this is
3911  *      the only case where there is a possible fold length change in non-UTF-8
3912  *      patterns.  By reserving a special node type for problematic cases, the
3913  *      far more common regular EXACTFU nodes can be processed faster.
3914  *      regexec.c takes advantage of this.
3915  *
3916  *      EXACTFUP has been created as a grab-bag for (hopefully uncommon)
3917  *      problematic cases.   These all only occur when the pattern is not
3918  *      UTF-8.  In addition to the 'ss' sequence where there is a possible fold
3919  *      length change, it handles the situation where the string cannot be
3920  *      entirely folded.  The strings in an EXACTFish node are folded as much
3921  *      as possible during compilation in regcomp.c.  This saves effort in
3922  *      regex matching.  By using an EXACTFUP node when it is not possible to
3923  *      fully fold at compile time, regexec.c can know that everything in an
3924  *      EXACTFU node is folded, so folding can be skipped at runtime.  The only
3925  *      case where folding in EXACTFU nodes can't be done at compile time is
3926  *      the presumably uncommon MICRO SIGN, when the pattern isn't UTF-8.  This
3927  *      is because its fold requires UTF-8 to represent.  Thus EXACTFUP nodes
3928  *      handle two very different cases.  Alternatively, there could have been
3929  *      a node type where there are length changes, one for unfolded, and one
3930  *      for both.  If yet another special case needed to be created, the number
3931  *      of required node types would have to go to 7.  khw figures that even
3932  *      though there are plenty of node types to spare, that the maintenance
3933  *      cost wasn't worth the small speedup of doing it that way, especially
3934  *      since he thinks the MICRO SIGN is rarely encountered in practice.
3935  *
3936  *      There are other cases where folding isn't done at compile time, but
3937  *      none of them are under /u, and hence not for EXACTFU nodes.  The folds
3938  *      in EXACTFL nodes aren't known until runtime, and vary as the locale
3939  *      changes.  Some folds in EXACTF depend on if the runtime target string
3940  *      is UTF-8 or not.  (regatom() will create an EXACTFU node even under /di
3941  *      when no fold in it depends on the UTF-8ness of the target string.)
3942  *
3943  * 3)   A problem remains for unfolded multi-char folds. (These occur when the
3944  *      validity of the fold won't be known until runtime, and so must remain
3945  *      unfolded for now.  This happens for the sharp s in EXACTF and EXACTFAA
3946  *      nodes when the pattern isn't in UTF-8.  (Note, BTW, that there cannot
3947  *      be an EXACTF node with a UTF-8 pattern.)  They also occur for various
3948  *      folds in EXACTFL nodes, regardless of the UTF-ness of the pattern.)
3949  *      The reason this is a problem is that the optimizer part of regexec.c
3950  *      (probably unwittingly, in Perl_regexec_flags()) makes an assumption
3951  *      that a character in the pattern corresponds to at most a single
3952  *      character in the target string.  (And I do mean character, and not byte
3953  *      here, unlike other parts of the documentation that have never been
3954  *      updated to account for multibyte Unicode.)  Sharp s in EXACTF and
3955  *      EXACTFL nodes can match the two character string 'ss'; in EXACTFAA
3956  *      nodes it can match "\x{17F}\x{17F}".  These, along with other ones in
3957  *      EXACTFL nodes, violate the assumption, and they are the only instances
3958  *      where it is violated.  I'm reluctant to try to change the assumption,
3959  *      as the code involved is impenetrable to me (khw), so instead the code
3960  *      here punts.  This routine examines EXACTFL nodes, and (when the pattern
3961  *      isn't UTF-8) EXACTF and EXACTFAA for such unfolded folds, and returns a
3962  *      boolean indicating whether or not the node contains such a fold.  When
3963  *      it is true, the caller sets a flag that later causes the optimizer in
3964  *      this file to not set values for the floating and fixed string lengths,
3965  *      and thus avoids the optimizer code in regexec.c that makes the invalid
3966  *      assumption.  Thus, there is no optimization based on string lengths for
3967  *      EXACTFL nodes that contain these few folds, nor for non-UTF8-pattern
3968  *      EXACTF and EXACTFAA nodes that contain the sharp s.  (The reason the
3969  *      assumption is wrong only in these cases is that all other non-UTF-8
3970  *      folds are 1-1; and, for UTF-8 patterns, we pre-fold all other folds to
3971  *      their expanded versions.  (Again, we can't prefold sharp s to 'ss' in
3972  *      EXACTF nodes because we don't know at compile time if it actually
3973  *      matches 'ss' or not.  For EXACTF nodes it will match iff the target
3974  *      string is in UTF-8.  This is in contrast to EXACTFU nodes, where it
3975  *      always matches; and EXACTFAA where it never does.  In an EXACTFAA node
3976  *      in a UTF-8 pattern, sharp s is folded to "\x{17F}\x{17F}, avoiding the
3977  *      problem; but in a non-UTF8 pattern, folding it to that above-Latin1
3978  *      string would require the pattern to be forced into UTF-8, the overhead
3979  *      of which we want to avoid.  Similarly the unfolded multi-char folds in
3980  *      EXACTFL nodes will match iff the locale at the time of match is a UTF-8
3981  *      locale.)
3982  *
3983  *      Similarly, the code that generates tries doesn't currently handle