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 #ifndef PERL_IN_XSUB_RE
  78 #  include "INTERN.h"
  79 #endif
  80
  81 #define REG_COMP_C
  82 #ifdef PERL_IN_XSUB_RE
  83 #  include "re_comp.h"
  84 EXTERN_C const struct regexp_engine my_reg_engine;
  85 #else
  86 #  include "regcomp.h"
  87 #endif
  88
  89 #include "dquote_static.c"
  90 #include "inline_invlist.c"
  91 #include "unicode_constants.h"
  92
  93 #define HAS_NONLATIN1_FOLD_CLOSURE(i) \
  94  _HAS_NONLATIN1_FOLD_CLOSURE_ONLY_FOR_USE_BY_REGCOMP_DOT_C_AND_REGEXEC_DOT_C(i)
  95 #define HAS_NONLATIN1_SIMPLE_FOLD_CLOSURE(i) \
  96  _HAS_NONLATIN1_SIMPLE_FOLD_CLOSURE_ONLY_FOR_USE_BY_REGCOMP_DOT_C_AND_REGEXEC_DOT_C(i)
  97 #define IS_NON_FINAL_FOLD(c) _IS_NON_FINAL_FOLD_ONLY_FOR_USE_BY_REGCOMP_DOT_C(c)
  98 #define IS_IN_SOME_FOLD_L1(c) _IS_IN_SOME_FOLD_ONLY_FOR_USE_BY_REGCOMP_DOT_C(c)
  99
 100 #ifndef STATIC
 101 #define STATIC  static
 102 #endif
 103
 104 #ifndef MIN
 105 #define MIN(a,b) ((a) < (b) ? (a) : (b))
 106 #endif
 107
 108 /* this is a chain of data about sub patterns we are processing that
 109    need to be handled separately/specially in study_chunk. Its so
 110    we can simulate recursion without losing state.  */
 111 struct scan_frame;
 112 typedef struct scan_frame {
 113     regnode *last_regnode;      /* last node to process in this frame */
 114     regnode *next_regnode;      /* next node to process when last is reached */
 115     U32 prev_recursed_depth;
 116     I32 stopparen;              /* what stopparen do we use */
 117     U32 is_top_frame;           /* what flags do we use? */
 118
 119     struct scan_frame *this_prev_frame; /* this previous frame */
 120     struct scan_frame *prev_frame;      /* previous frame */
 121     struct scan_frame *next_frame;      /* next frame */
 122 } scan_frame;
 123
 124 /* Certain characters are output as a sequence with the first being a
 125  * backslash. */
 126 #define isBACKSLASHED_PUNCT(c)                                              \
 127                     ((c) == '-' || (c) == ']' || (c) == '\\' || (c) == '^')
 128
 129
 130 struct RExC_state_t {
 131     U32         flags;                  /* RXf_* are we folding, multilining? */
 132     U32         pm_flags;               /* PMf_* stuff from the calling PMOP */
 133     char        *precomp;               /* uncompiled string. */
 134     REGEXP      *rx_sv;                 /* The SV that is the regexp. */
 135     regexp      *rx;                    /* perl core regexp structure */
 136     regexp_internal     *rxi;           /* internal data for regexp object
 137                                            pprivate field */
 138     char        *start;                 /* Start of input for compile */
 139     char        *end;                   /* End of input for compile */
 140     char        *parse;                 /* Input-scan pointer. */
 141     SSize_t     whilem_seen;            /* number of WHILEM in this expr */
 142     regnode     *emit_start;            /* Start of emitted-code area */
 143     regnode     *emit_bound;            /* First regnode outside of the
 144                                            allocated space */
 145     regnode     *emit;                  /* Code-emit pointer; if = &emit_dummy,
 146                                            implies compiling, so don't emit */
 147     regnode_ssc emit_dummy;             /* placeholder for emit to point to;
 148                                            large enough for the largest
 149                                            non-EXACTish node, so can use it as
 150                                            scratch in pass1 */
 151     I32         naughty;                /* How bad is this pattern? */
 152     I32         sawback;                /* Did we see \1, ...? */
 153     U32         seen;
 154     SSize_t     size;                   /* Code size. */
 155     I32                npar;            /* Capture buffer count, (OPEN) plus
 156                                            one. ("par" 0 is the whole
 157                                            pattern)*/
 158     I32         nestroot;               /* root parens we are in - used by
 159                                            accept */
 160     I32         extralen;
 161     I32         seen_zerolen;
 162     regnode     **open_parens;          /* pointers to open parens */
 163     regnode     **close_parens;         /* pointers to close parens */
 164     regnode     *opend;                 /* END node in program */
 165     I32         utf8;           /* whether the pattern is utf8 or not */
 166     I32         orig_utf8;      /* whether the pattern was originally in utf8 */
 167                                 /* XXX use this for future optimisation of case
 168                                  * where pattern must be upgraded to utf8. */
 169     I32         uni_semantics;  /* If a d charset modifier should use unicode
 170                                    rules, even if the pattern is not in
 171                                    utf8 */
 172     HV          *paren_names;           /* Paren names */
 173
 174     regnode     **recurse;              /* Recurse regops */
 175     I32         recurse_count;          /* Number of recurse regops */
 176     U8          *study_chunk_recursed;  /* bitmap of which subs we have moved
 177                                            through */
 178     U32         study_chunk_recursed_bytes;  /* bytes in bitmap */
 179     I32         in_lookbehind;
 180     I32         contains_locale;
 181     I32         contains_i;
 182     I32         override_recoding;
 183     I32         in_multi_char_class;
 184     struct reg_code_block *code_blocks; /* positions of literal (?{})
 185                                             within pattern */
 186     int         num_code_blocks;        /* size of code_blocks[] */
 187     int         code_index;             /* next code_blocks[] slot */
 188     SSize_t     maxlen;                        /* mininum possible number of chars in string to match */
 189     scan_frame *frame_head;
 190     scan_frame *frame_last;
 191     U32         frame_count;
 192     U32         strict;
 193 #ifdef ADD_TO_REGEXEC
 194     char        *starttry;              /* -Dr: where regtry was called. */
 195 #define RExC_starttry   (pRExC_state->starttry)
 196 #endif
 197     SV          *runtime_code_qr;       /* qr with the runtime code blocks */
 198 #ifdef DEBUGGING
 199     const char  *lastparse;
 200     I32         lastnum;
 201     AV          *paren_name_list;       /* idx -> name */
 202     U32         study_chunk_recursed_count;
 203     SV          *mysv1;
 204     SV          *mysv2;
 205 #define RExC_lastparse  (pRExC_state->lastparse)
 206 #define RExC_lastnum    (pRExC_state->lastnum)
 207 #define RExC_paren_name_list    (pRExC_state->paren_name_list)
 208 #define RExC_study_chunk_recursed_count    (pRExC_state->study_chunk_recursed_count)
 209 #define RExC_mysv       (pRExC_state->mysv1)
 210 #define RExC_mysv1      (pRExC_state->mysv1)
 211 #define RExC_mysv2      (pRExC_state->mysv2)
 212
 213 #endif
 214 };
 215
 216 #define RExC_flags      (pRExC_state->flags)
 217 #define RExC_pm_flags   (pRExC_state->pm_flags)
 218 #define RExC_precomp    (pRExC_state->precomp)
 219 #define RExC_rx_sv      (pRExC_state->rx_sv)
 220 #define RExC_rx         (pRExC_state->rx)
 221 #define RExC_rxi        (pRExC_state->rxi)
 222 #define RExC_start      (pRExC_state->start)
 223 #define RExC_end        (pRExC_state->end)
 224 #define RExC_parse      (pRExC_state->parse)
 225 #define RExC_whilem_seen        (pRExC_state->whilem_seen)
 226 #ifdef RE_TRACK_PATTERN_OFFSETS
 227 #define RExC_offsets    (pRExC_state->rxi->u.offsets) /* I am not like the
 228                                                          others */
 229 #endif
 230 #define RExC_emit       (pRExC_state->emit)
 231 #define RExC_emit_dummy (pRExC_state->emit_dummy)
 232 #define RExC_emit_start (pRExC_state->emit_start)
 233 #define RExC_emit_bound (pRExC_state->emit_bound)
 234 #define RExC_sawback    (pRExC_state->sawback)
 235 #define RExC_seen       (pRExC_state->seen)
 236 #define RExC_size       (pRExC_state->size)
 237 #define RExC_maxlen        (pRExC_state->maxlen)
 238 #define RExC_npar       (pRExC_state->npar)
 239 #define RExC_nestroot   (pRExC_state->nestroot)
 240 #define RExC_extralen   (pRExC_state->extralen)
 241 #define RExC_seen_zerolen       (pRExC_state->seen_zerolen)
 242 #define RExC_utf8       (pRExC_state->utf8)
 243 #define RExC_uni_semantics      (pRExC_state->uni_semantics)
 244 #define RExC_orig_utf8  (pRExC_state->orig_utf8)
 245 #define RExC_open_parens        (pRExC_state->open_parens)
 246 #define RExC_close_parens       (pRExC_state->close_parens)
 247 #define RExC_opend      (pRExC_state->opend)
 248 #define RExC_paren_names        (pRExC_state->paren_names)
 249 #define RExC_recurse    (pRExC_state->recurse)
 250 #define RExC_recurse_count      (pRExC_state->recurse_count)
 251 #define RExC_study_chunk_recursed        (pRExC_state->study_chunk_recursed)
 252 #define RExC_study_chunk_recursed_bytes  \
 253                                    (pRExC_state->study_chunk_recursed_bytes)
 254 #define RExC_in_lookbehind      (pRExC_state->in_lookbehind)
 255 #define RExC_contains_locale    (pRExC_state->contains_locale)
 256 #define RExC_contains_i (pRExC_state->contains_i)
 257 #define RExC_override_recoding (pRExC_state->override_recoding)
 258 #define RExC_in_multi_char_class (pRExC_state->in_multi_char_class)
 259 #define RExC_frame_head (pRExC_state->frame_head)
 260 #define RExC_frame_last (pRExC_state->frame_last)
 261 #define RExC_frame_count (pRExC_state->frame_count)
 262 #define RExC_strict (pRExC_state->strict)
 263
 264 /* Heuristic check on the complexity of the pattern: if TOO_NAUGHTY, we set
 265  * a flag to disable back-off on the fixed/floating substrings - if it's
 266  * a high complexity pattern we assume the benefit of avoiding a full match
 267  * is worth the cost of checking for the substrings even if they rarely help.
 268  */
 269 #define RExC_naughty    (pRExC_state->naughty)
 270 #define TOO_NAUGHTY (10)
 271 #define MARK_NAUGHTY(add) \
 272     if (RExC_naughty < TOO_NAUGHTY) \
 273         RExC_naughty += (add)
 274 #define MARK_NAUGHTY_EXP(exp, add) \
 275     if (RExC_naughty < TOO_NAUGHTY) \
 276         RExC_naughty += RExC_naughty / (exp) + (add)
 277
 278 #define ISMULT1(c)      ((c) == '*' || (c) == '+' || (c) == '?')
 279 #define ISMULT2(s)      ((*s) == '*' || (*s) == '+' || (*s) == '?' || \
 280         ((*s) == '{' && regcurly(s)))
 281
 282 /*
 283  * Flags to be passed up and down.
 284  */
 285 #define WORST           0       /* Worst case. */
 286 #define HASWIDTH        0x01    /* Known to match non-null strings. */
 287
 288 /* Simple enough to be STAR/PLUS operand; in an EXACTish node must be a single
 289  * character.  (There needs to be a case: in the switch statement in regexec.c
 290  * for any node marked SIMPLE.)  Note that this is not the same thing as
 291  * REGNODE_SIMPLE */
 292 #define SIMPLE          0x02
 293 #define SPSTART         0x04    /* Starts with * or + */
 294 #define POSTPONED       0x08    /* (?1),(?&name), (??{...}) or similar */
 295 #define TRYAGAIN        0x10    /* Weeded out a declaration. */
 296 #define RESTART_UTF8    0x20    /* Restart, need to calcuate sizes as UTF-8 */
 297
 298 #define REG_NODE_NUM(x) ((x) ? (int)((x)-RExC_emit_start) : -1)
 299
 300 /* whether trie related optimizations are enabled */
 301 #if PERL_ENABLE_EXTENDED_TRIE_OPTIMISATION
 302 #define TRIE_STUDY_OPT
 303 #define FULL_TRIE_STUDY
 304 #define TRIE_STCLASS
 305 #endif
 306
 307
 308
 309 #define PBYTE(u8str,paren) ((U8*)(u8str))[(paren) >> 3]
 310 #define PBITVAL(paren) (1 << ((paren) & 7))
 311 #define PAREN_TEST(u8str,paren) ( PBYTE(u8str,paren) & PBITVAL(paren))
 312 #define PAREN_SET(u8str,paren) PBYTE(u8str,paren) |= PBITVAL(paren)
 313 #define PAREN_UNSET(u8str,paren) PBYTE(u8str,paren) &= (~PBITVAL(paren))
 314
 315 #define REQUIRE_UTF8    STMT_START {                                       \
 316                                      if (!UTF) {                           \
 317                                          *flagp = RESTART_UTF8;            \
 318                                          return NULL;                      \
 319                                      }                                     \
 320                         } STMT_END
 321
 322 /* This converts the named class defined in regcomp.h to its equivalent class
 323  * number defined in handy.h. */
 324 #define namedclass_to_classnum(class)  ((int) ((class) / 2))
 325 #define classnum_to_namedclass(classnum)  ((classnum) * 2)
 326
 327 #define _invlist_union_complement_2nd(a, b, output) \
 328                         _invlist_union_maybe_complement_2nd(a, b, TRUE, output)
 329 #define _invlist_intersection_complement_2nd(a, b, output) \
 330                  _invlist_intersection_maybe_complement_2nd(a, b, TRUE, output)
 331
 332 /* About scan_data_t.
 333
 334   During optimisation we recurse through the regexp program performing
 335   various inplace (keyhole style) optimisations. In addition study_chunk
 336   and scan_commit populate this data structure with information about
 337   what strings MUST appear in the pattern. We look for the longest
 338   string that must appear at a fixed location, and we look for the
 339   longest string that may appear at a floating location. So for instance
 340   in the pattern:
 341
 342     /FOO[xX]A.*B[xX]BAR/
 343
 344   Both 'FOO' and 'A' are fixed strings. Both 'B' and 'BAR' are floating
 345   strings (because they follow a .* construct). study_chunk will identify
 346   both FOO and BAR as being the longest fixed and floating strings respectively.
 347
 348   The strings can be composites, for instance
 349
 350      /(f)(o)(o)/
 351
 352   will result in a composite fixed substring 'foo'.
 353
 354   For each string some basic information is maintained:
 355
 356   - offset or min_offset
 357     This is the position the string must appear at, or not before.
 358     It also implicitly (when combined with minlenp) tells us how many
 359     characters must match before the string we are searching for.
 360     Likewise when combined with minlenp and the length of the string it
 361     tells us how many characters must appear after the string we have
 362     found.
 363
 364   - max_offset
 365     Only used for floating strings. This is the rightmost point that
 366     the string can appear at. If set to SSize_t_MAX it indicates that the
 367     string can occur infinitely far to the right.
 368
 369   - minlenp
 370     A pointer to the minimum number of characters of the pattern that the
 371     string was found inside. This is important as in the case of positive
 372     lookahead or positive lookbehind we can have multiple patterns
 373     involved. Consider
 374
 375     /(?=FOO).*F/
 376
 377     The minimum length of the pattern overall is 3, the minimum length
 378     of the lookahead part is 3, but the minimum length of the part that
 379     will actually match is 1. So 'FOO's minimum length is 3, but the
 380     minimum length for the F is 1. This is important as the minimum length
 381     is used to determine offsets in front of and behind the string being
 382     looked for.  Since strings can be composites this is the length of the
 383     pattern at the time it was committed with a scan_commit. Note that
 384     the length is calculated by study_chunk, so that the minimum lengths
 385     are not known until the full pattern has been compiled, thus the
 386     pointer to the value.
 387
 388   - lookbehind
 389
 390     In the case of lookbehind the string being searched for can be
 391     offset past the start point of the final matching string.
 392     If this value was just blithely removed from the min_offset it would
 393     invalidate some of the calculations for how many chars must match
 394     before or after (as they are derived from min_offset and minlen and
 395     the length of the string being searched for).
 396     When the final pattern is compiled and the data is moved from the
 397     scan_data_t structure into the regexp structure the information
 398     about lookbehind is factored in, with the information that would
 399     have been lost precalculated in the end_shift field for the
 400     associated string.
 401
 402   The fields pos_min and pos_delta are used to store the minimum offset
 403   and the delta to the maximum offset at the current point in the pattern.
 404
 405 */
 406
 407 typedef struct scan_data_t {
 408     /*I32 len_min;      unused */
 409     /*I32 len_delta;    unused */
 410     SSize_t pos_min;
 411     SSize_t pos_delta;
 412     SV *last_found;
 413     SSize_t last_end;       /* min value, <0 unless valid. */
 414     SSize_t last_start_min;
 415     SSize_t last_start_max;
 416     SV **longest;           /* Either &l_fixed, or &l_float. */
 417     SV *longest_fixed;      /* longest fixed string found in pattern */
 418     SSize_t offset_fixed;   /* offset where it starts */
 419     SSize_t *minlen_fixed;  /* pointer to the minlen relevant to the string */
 420     I32 lookbehind_fixed;   /* is the position of the string modfied by LB */
 421     SV *longest_float;      /* longest floating string found in pattern */
 422     SSize_t offset_float_min; /* earliest point in string it can appear */
 423     SSize_t offset_float_max; /* latest point in string it can appear */
 424     SSize_t *minlen_float;  /* pointer to the minlen relevant to the string */
 425     SSize_t lookbehind_float; /* is the pos of the string modified by LB */
 426     I32 flags;
 427     I32 whilem_c;
 428     SSize_t *last_closep;
 429     regnode_ssc *start_class;
 430 } scan_data_t;
 431
 432 /*
 433  * Forward declarations for pregcomp()'s friends.
 434  */
 435
 436 static const scan_data_t zero_scan_data =
 437   { 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0 ,0};
 438
 439 #define SF_BEFORE_EOL           (SF_BEFORE_SEOL|SF_BEFORE_MEOL)
 440 #define SF_BEFORE_SEOL          0x0001
 441 #define SF_BEFORE_MEOL          0x0002
 442 #define SF_FIX_BEFORE_EOL       (SF_FIX_BEFORE_SEOL|SF_FIX_BEFORE_MEOL)
 443 #define SF_FL_BEFORE_EOL        (SF_FL_BEFORE_SEOL|SF_FL_BEFORE_MEOL)
 444
 445 #define SF_FIX_SHIFT_EOL        (+2)
 446 #define SF_FL_SHIFT_EOL         (+4)
 447
 448 #define SF_FIX_BEFORE_SEOL      (SF_BEFORE_SEOL << SF_FIX_SHIFT_EOL)
 449 #define SF_FIX_BEFORE_MEOL      (SF_BEFORE_MEOL << SF_FIX_SHIFT_EOL)
 450
 451 #define SF_FL_BEFORE_SEOL       (SF_BEFORE_SEOL << SF_FL_SHIFT_EOL)
 452 #define SF_FL_BEFORE_MEOL       (SF_BEFORE_MEOL << SF_FL_SHIFT_EOL) /* 0x20 */
 453 #define SF_IS_INF               0x0040
 454 #define SF_HAS_PAR              0x0080
 455 #define SF_IN_PAR               0x0100
 456 #define SF_HAS_EVAL             0x0200
 457 #define SCF_DO_SUBSTR           0x0400
 458 #define SCF_DO_STCLASS_AND      0x0800
 459 #define SCF_DO_STCLASS_OR       0x1000
 460 #define SCF_DO_STCLASS          (SCF_DO_STCLASS_AND|SCF_DO_STCLASS_OR)
 461 #define SCF_WHILEM_VISITED_POS  0x2000
 462
 463 #define SCF_TRIE_RESTUDY        0x4000 /* Do restudy? */
 464 #define SCF_SEEN_ACCEPT         0x8000
 465 #define SCF_TRIE_DOING_RESTUDY 0x10000
 466 #define SCF_IN_DEFINE          0x20000
 467
 468
 469
 470
 471 #define UTF cBOOL(RExC_utf8)
 472
 473 /* The enums for all these are ordered so things work out correctly */
 474 #define LOC (get_regex_charset(RExC_flags) == REGEX_LOCALE_CHARSET)
 475 #define DEPENDS_SEMANTICS (get_regex_charset(RExC_flags)                    \
 476                                                      == REGEX_DEPENDS_CHARSET)
 477 #define UNI_SEMANTICS (get_regex_charset(RExC_flags) == REGEX_UNICODE_CHARSET)
 478 #define AT_LEAST_UNI_SEMANTICS (get_regex_charset(RExC_flags)                \
 479                                                      >= REGEX_UNICODE_CHARSET)
 480 #define ASCII_RESTRICTED (get_regex_charset(RExC_flags)                      \
 481                                             == REGEX_ASCII_RESTRICTED_CHARSET)
 482 #define AT_LEAST_ASCII_RESTRICTED (get_regex_charset(RExC_flags)             \
 483                                             >= REGEX_ASCII_RESTRICTED_CHARSET)
 484 #define ASCII_FOLD_RESTRICTED (get_regex_charset(RExC_flags)                 \
 485                                         == REGEX_ASCII_MORE_RESTRICTED_CHARSET)
 486
 487 #define FOLD cBOOL(RExC_flags & RXf_PMf_FOLD)
 488
 489 /* For programs that want to be strictly Unicode compatible by dying if any
 490  * attempt is made to match a non-Unicode code point against a Unicode
 491  * property.  */
 492 #define ALWAYS_WARN_SUPER  ckDEAD(packWARN(WARN_NON_UNICODE))
 493
 494 #define OOB_NAMEDCLASS          -1
 495
 496 /* There is no code point that is out-of-bounds, so this is problematic.  But
 497  * its only current use is to initialize a variable that is always set before
 498  * looked at. */
 499 #define OOB_UNICODE             0xDEADBEEF
 500
 501 #define CHR_SVLEN(sv) (UTF ? sv_len_utf8(sv) : SvCUR(sv))
 502 #define CHR_DIST(a,b) (UTF ? utf8_distance(a,b) : a - b)
 503
 504
 505 /* length of regex to show in messages that don't mark a position within */
 506 #define RegexLengthToShowInErrorMessages 127
 507
 508 /*
 509  * If MARKER[12] are adjusted, be sure to adjust the constants at the top
 510  * of t/op/regmesg.t, the tests in t/op/re_tests, and those in
 511  * op/pragma/warn/regcomp.
 512  */
 513 #define MARKER1 "<-- HERE"    /* marker as it appears in the description */
 514 #define MARKER2 " <-- HERE "  /* marker as it appears within the regex */
 515
 516 #define REPORT_LOCATION " in regex; marked by " MARKER1    \
 517                         " in m/%"UTF8f MARKER2 "%"UTF8f"/"
 518
 519 #define REPORT_LOCATION_ARGS(offset)            \
 520                 UTF8fARG(UTF, offset, RExC_precomp), \
 521                 UTF8fARG(UTF, RExC_end - RExC_precomp - offset, RExC_precomp + offset)
 522
 523 /* Used to point after bad bytes for an error message, but avoid skipping
 524  * past a nul byte. */
 525 #define SKIP_IF_CHAR(s) (!*(s) ? 0 : UTF ? UTF8SKIP(s) : 1)
 526
 527 /*
 528  * Calls SAVEDESTRUCTOR_X if needed, then calls Perl_croak with the given
 529  * arg. Show regex, up to a maximum length. If it's too long, chop and add
 530  * "...".
 531  */
 532 #define _FAIL(code) STMT_START {                                        \
 533     const char *ellipses = "";                                          \
 534     IV len = RExC_end - RExC_precomp;                                   \
 535                                                                         \
 536     if (!SIZE_ONLY)                                                     \
 537         SAVEFREESV(RExC_rx_sv);                                         \
 538     if (len > RegexLengthToShowInErrorMessages) {                       \
 539         /* chop 10 shorter than the max, to ensure meaning of "..." */  \
 540         len = RegexLengthToShowInErrorMessages - 10;                    \
 541         ellipses = "...";                                               \
 542     }                                                                   \
 543     code;                                                               \
 544 } STMT_END
 545
 546 #define FAIL(msg) _FAIL(                            \
 547     Perl_croak(aTHX_ "%s in regex m/%"UTF8f"%s/",           \
 548             msg, UTF8fARG(UTF, len, RExC_precomp), ellipses))
 549
 550 #define FAIL2(msg,arg) _FAIL(                       \
 551     Perl_croak(aTHX_ msg " in regex m/%"UTF8f"%s/",         \
 552             arg, UTF8fARG(UTF, len, RExC_precomp), ellipses))
 553
 554 /*
 555  * Simple_vFAIL -- like FAIL, but marks the current location in the scan
 556  */
 557 #define Simple_vFAIL(m) STMT_START {                                    \
 558     const IV offset =                                                   \
 559         (RExC_parse > RExC_end ? RExC_end : RExC_parse) - RExC_precomp; \
 560     Perl_croak(aTHX_ "%s" REPORT_LOCATION,                              \
 561             m, REPORT_LOCATION_ARGS(offset));   \
 562 } STMT_END
 563
 564 /*
 565  * Calls SAVEDESTRUCTOR_X if needed, then Simple_vFAIL()
 566  */
 567 #define vFAIL(m) STMT_START {                           \
 568     if (!SIZE_ONLY)                                     \
 569         SAVEFREESV(RExC_rx_sv);                         \
 570     Simple_vFAIL(m);                                    \
 571 } STMT_END
 572
 573 /*
 574  * Like Simple_vFAIL(), but accepts two arguments.
 575  */
 576 #define Simple_vFAIL2(m,a1) STMT_START {                        \
 577     const IV offset = RExC_parse - RExC_precomp;                        \
 578     S_re_croak2(aTHX_ UTF, m, REPORT_LOCATION, a1,                      \
 579                       REPORT_LOCATION_ARGS(offset));    \
 580 } STMT_END
 581
 582 /*
 583  * Calls SAVEDESTRUCTOR_X if needed, then Simple_vFAIL2().
 584  */
 585 #define vFAIL2(m,a1) STMT_START {                       \
 586     if (!SIZE_ONLY)                                     \
 587         SAVEFREESV(RExC_rx_sv);                         \
 588     Simple_vFAIL2(m, a1);                               \
 589 } STMT_END
 590
 591
 592 /*
 593  * Like Simple_vFAIL(), but accepts three arguments.
 594  */
 595 #define Simple_vFAIL3(m, a1, a2) STMT_START {                   \
 596     const IV offset = RExC_parse - RExC_precomp;                \
 597     S_re_croak2(aTHX_ UTF, m, REPORT_LOCATION, a1, a2,          \
 598             REPORT_LOCATION_ARGS(offset));      \
 599 } STMT_END
 600
 601 /*
 602  * Calls SAVEDESTRUCTOR_X if needed, then Simple_vFAIL3().
 603  */
 604 #define vFAIL3(m,a1,a2) STMT_START {                    \
 605     if (!SIZE_ONLY)                                     \
 606         SAVEFREESV(RExC_rx_sv);                         \
 607     Simple_vFAIL3(m, a1, a2);                           \
 608 } STMT_END
 609
 610 /*
 611  * Like Simple_vFAIL(), but accepts four arguments.
 612  */
 613 #define Simple_vFAIL4(m, a1, a2, a3) STMT_START {               \
 614     const IV offset = RExC_parse - RExC_precomp;                \
 615     S_re_croak2(aTHX_ UTF, m, REPORT_LOCATION, a1, a2, a3,              \
 616             REPORT_LOCATION_ARGS(offset));      \
 617 } STMT_END
 618
 619 #define vFAIL4(m,a1,a2,a3) STMT_START {                 \
 620     if (!SIZE_ONLY)                                     \
 621         SAVEFREESV(RExC_rx_sv);                         \
 622     Simple_vFAIL4(m, a1, a2, a3);                       \
 623 } STMT_END
 624
 625 /* A specialized version of vFAIL2 that works with UTF8f */
 626 #define vFAIL2utf8f(m, a1) STMT_START { \
 627     const IV offset = RExC_parse - RExC_precomp;   \
 628     if (!SIZE_ONLY)                                \
 629         SAVEFREESV(RExC_rx_sv);                    \
 630     S_re_croak2(aTHX_ UTF, m, REPORT_LOCATION, a1, \
 631             REPORT_LOCATION_ARGS(offset));         \
 632 } STMT_END
 633
 634 /* These have asserts in them because of [perl #122671] Many warnings in
 635  * regcomp.c can occur twice.  If they get output in pass1 and later in that
 636  * pass, the pattern has to be converted to UTF-8 and the pass restarted, they
 637  * would get output again.  So they should be output in pass2, and these
 638  * asserts make sure new warnings follow that paradigm. */
 639
 640 /* m is not necessarily a "literal string", in this macro */
 641 #define reg_warn_non_literal_string(loc, m) STMT_START {                \
 642     const IV offset = loc - RExC_precomp;                               \
 643     __ASSERT_(PASS2) Perl_warner(aTHX_ packWARN(WARN_REGEXP), "%s" REPORT_LOCATION,      \
 644             m, REPORT_LOCATION_ARGS(offset));       \
 645 } STMT_END
 646
 647 #define ckWARNreg(loc,m) STMT_START {                                   \
 648     const IV offset = loc - RExC_precomp;                               \
 649     __ASSERT_(PASS2) Perl_ck_warner(aTHX_ packWARN(WARN_REGEXP), m REPORT_LOCATION,     \
 650             REPORT_LOCATION_ARGS(offset));              \
 651 } STMT_END
 652
 653 #define vWARN(loc, m) STMT_START {                                      \
 654     const IV offset = loc - RExC_precomp;                               \
 655     __ASSERT_(PASS2) Perl_warner(aTHX_ packWARN(WARN_REGEXP), m REPORT_LOCATION,        \
 656             REPORT_LOCATION_ARGS(offset));              \
 657 } STMT_END
 658
 659 #define vWARN_dep(loc, m) STMT_START {                                  \
 660     const IV offset = loc - RExC_precomp;                               \
 661     __ASSERT_(PASS2) Perl_warner(aTHX_ packWARN(WARN_DEPRECATED), m REPORT_LOCATION,    \
 662             REPORT_LOCATION_ARGS(offset));              \
 663 } STMT_END
 664
 665 #define ckWARNdep(loc,m) STMT_START {                                   \
 666     const IV offset = loc - RExC_precomp;                               \
 667     __ASSERT_(PASS2) Perl_ck_warner_d(aTHX_ packWARN(WARN_DEPRECATED),                  \
 668             m REPORT_LOCATION,                                          \
 669             REPORT_LOCATION_ARGS(offset));              \
 670 } STMT_END
 671
 672 #define ckWARNregdep(loc,m) STMT_START {                                \
 673     const IV offset = loc - RExC_precomp;                               \
 674     __ASSERT_(PASS2) Perl_ck_warner_d(aTHX_ packWARN2(WARN_DEPRECATED, WARN_REGEXP),    \
 675             m REPORT_LOCATION,                                          \
 676             REPORT_LOCATION_ARGS(offset));              \
 677 } STMT_END
 678
 679 #define ckWARN2reg_d(loc,m, a1) STMT_START {                            \
 680     const IV offset = loc - RExC_precomp;                               \
 681     __ASSERT_(PASS2) Perl_ck_warner_d(aTHX_ packWARN(WARN_REGEXP),                      \
 682             m REPORT_LOCATION,                                          \
 683             a1, REPORT_LOCATION_ARGS(offset));  \
 684 } STMT_END
 685
 686 #define ckWARN2reg(loc, m, a1) STMT_START {                             \
 687     const IV offset = loc - RExC_precomp;                               \
 688     __ASSERT_(PASS2) Perl_ck_warner(aTHX_ packWARN(WARN_REGEXP), m REPORT_LOCATION,     \
 689             a1, REPORT_LOCATION_ARGS(offset));  \
 690 } STMT_END
 691
 692 #define vWARN3(loc, m, a1, a2) STMT_START {                             \
 693     const IV offset = loc - RExC_precomp;                               \
 694     __ASSERT_(PASS2) Perl_warner(aTHX_ packWARN(WARN_REGEXP), m REPORT_LOCATION,                \
 695             a1, a2, REPORT_LOCATION_ARGS(offset));      \
 696 } STMT_END
 697
 698 #define ckWARN3reg(loc, m, a1, a2) STMT_START {                         \
 699     const IV offset = loc - RExC_precomp;                               \
 700     __ASSERT_(PASS2) Perl_ck_warner(aTHX_ packWARN(WARN_REGEXP), m REPORT_LOCATION,     \
 701             a1, a2, REPORT_LOCATION_ARGS(offset));      \
 702 } STMT_END
 703
 704 #define vWARN4(loc, m, a1, a2, a3) STMT_START {                         \
 705     const IV offset = loc - RExC_precomp;                               \
 706     __ASSERT_(PASS2) Perl_warner(aTHX_ packWARN(WARN_REGEXP), m REPORT_LOCATION,                \
 707             a1, a2, a3, REPORT_LOCATION_ARGS(offset)); \
 708 } STMT_END
 709
 710 #define ckWARN4reg(loc, m, a1, a2, a3) STMT_START {                     \
 711     const IV offset = loc - RExC_precomp;                               \
 712     __ASSERT_(PASS2) Perl_ck_warner(aTHX_ packWARN(WARN_REGEXP), m REPORT_LOCATION,     \
 713             a1, a2, a3, REPORT_LOCATION_ARGS(offset)); \
 714 } STMT_END
 715
 716 #define vWARN5(loc, m, a1, a2, a3, a4) STMT_START {                     \
 717     const IV offset = loc - RExC_precomp;                               \
 718     __ASSERT_(PASS2) Perl_warner(aTHX_ packWARN(WARN_REGEXP), m REPORT_LOCATION,                \
 719             a1, a2, a3, a4, REPORT_LOCATION_ARGS(offset)); \
 720 } STMT_END
 721
 722 /* Macros for recording node offsets.   20001227 mjd@plover.com
 723  * Nodes are numbered 1, 2, 3, 4.  Node #n's position is recorded in
 724  * element 2*n-1 of the array.  Element #2n holds the byte length node #n.
 725  * Element 0 holds the number n.
 726  * Position is 1 indexed.
 727  */
 728 #ifndef RE_TRACK_PATTERN_OFFSETS
 729 #define Set_Node_Offset_To_R(node,byte)
 730 #define Set_Node_Offset(node,byte)
 731 #define Set_Cur_Node_Offset
 732 #define Set_Node_Length_To_R(node,len)
 733 #define Set_Node_Length(node,len)
 734 #define Set_Node_Cur_Length(node,start)
 735 #define Node_Offset(n)
 736 #define Node_Length(n)
 737 #define Set_Node_Offset_Length(node,offset,len)
 738 #define ProgLen(ri) ri->u.proglen
 739 #define SetProgLen(ri,x) ri->u.proglen = x
 740 #else
 741 #define ProgLen(ri) ri->u.offsets[0]
 742 #define SetProgLen(ri,x) ri->u.offsets[0] = x
 743 #define Set_Node_Offset_To_R(node,byte) STMT_START {                    \
 744     if (! SIZE_ONLY) {                                                  \
 745         MJD_OFFSET_DEBUG(("** (%d) offset of node %d is %d.\n",         \
 746                     __LINE__, (int)(node), (int)(byte)));               \
 747         if((node) < 0) {                                                \
 748             Perl_croak(aTHX_ "value of node is %d in Offset macro",     \
 749                                          (int)(node));                  \
 750         } else {                                                        \
 751             RExC_offsets[2*(node)-1] = (byte);                          \
 752         }                                                               \
 753     }                                                                   \
 754 } STMT_END
 755
 756 #define Set_Node_Offset(node,byte) \
 757     Set_Node_Offset_To_R((node)-RExC_emit_start, (byte)-RExC_start)
 758 #define Set_Cur_Node_Offset Set_Node_Offset(RExC_emit, RExC_parse)
 759
 760 #define Set_Node_Length_To_R(node,len) STMT_START {                     \
 761     if (! SIZE_ONLY) {                                                  \
 762         MJD_OFFSET_DEBUG(("** (%d) size of node %d is %d.\n",           \
 763                 __LINE__, (int)(node), (int)(len)));                    \
 764         if((node) < 0) {                                                \
 765             Perl_croak(aTHX_ "value of node is %d in Length macro",     \
 766                                          (int)(node));                  \
 767         } else {                                                        \
 768             RExC_offsets[2*(node)] = (len);                             \
 769         }                                                               \
 770     }                                                                   \
 771 } STMT_END
 772
 773 #define Set_Node_Length(node,len) \
 774     Set_Node_Length_To_R((node)-RExC_emit_start, len)
 775 #define Set_Node_Cur_Length(node, start)                \
 776     Set_Node_Length(node, RExC_parse - start)
 777
 778 /* Get offsets and lengths */
 779 #define Node_Offset(n) (RExC_offsets[2*((n)-RExC_emit_start)-1])
 780 #define Node_Length(n) (RExC_offsets[2*((n)-RExC_emit_start)])
 781
 782 #define Set_Node_Offset_Length(node,offset,len) STMT_START {    \
 783     Set_Node_Offset_To_R((node)-RExC_emit_start, (offset));     \
 784     Set_Node_Length_To_R((node)-RExC_emit_start, (len));        \
 785 } STMT_END
 786 #endif
 787
 788 #if PERL_ENABLE_EXPERIMENTAL_REGEX_OPTIMISATIONS
 789 #define EXPERIMENTAL_INPLACESCAN
 790 #endif /*PERL_ENABLE_EXPERIMENTAL_REGEX_OPTIMISATIONS*/
 791
 792 #define DEBUG_RExC_seen() \
 793         DEBUG_OPTIMISE_MORE_r({                                             \
 794             PerlIO_printf(Perl_debug_log,"RExC_seen: ");                    \
 795                                                                             \
 796             if (RExC_seen & REG_ZERO_LEN_SEEN)                              \
 797                 PerlIO_printf(Perl_debug_log,"REG_ZERO_LEN_SEEN ");         \
 798                                                                             \
 799             if (RExC_seen & REG_LOOKBEHIND_SEEN)                            \
 800                 PerlIO_printf(Perl_debug_log,"REG_LOOKBEHIND_SEEN ");       \
 801                                                                             \
 802             if (RExC_seen & REG_GPOS_SEEN)                                  \
 803                 PerlIO_printf(Perl_debug_log,"REG_GPOS_SEEN ");             \
 804                                                                             \
 805             if (RExC_seen & REG_CANY_SEEN)                                  \
 806                 PerlIO_printf(Perl_debug_log,"REG_CANY_SEEN ");             \
 807                                                                             \
 808             if (RExC_seen & REG_RECURSE_SEEN)                               \
 809                 PerlIO_printf(Perl_debug_log,"REG_RECURSE_SEEN ");          \
 810                                                                             \
 811             if (RExC_seen & REG_TOP_LEVEL_BRANCHES_SEEN)                         \
 812                 PerlIO_printf(Perl_debug_log,"REG_TOP_LEVEL_BRANCHES_SEEN ");    \
 813                                                                             \
 814             if (RExC_seen & REG_VERBARG_SEEN)                               \
 815                 PerlIO_printf(Perl_debug_log,"REG_VERBARG_SEEN ");          \
 816                                                                             \
 817             if (RExC_seen & REG_CUTGROUP_SEEN)                              \
 818                 PerlIO_printf(Perl_debug_log,"REG_CUTGROUP_SEEN ");         \
 819                                                                             \
 820             if (RExC_seen & REG_RUN_ON_COMMENT_SEEN)                        \
 821                 PerlIO_printf(Perl_debug_log,"REG_RUN_ON_COMMENT_SEEN ");   \
 822                                                                             \
 823             if (RExC_seen & REG_UNFOLDED_MULTI_SEEN)                        \
 824                 PerlIO_printf(Perl_debug_log,"REG_UNFOLDED_MULTI_SEEN ");   \
 825                                                                             \
 826             if (RExC_seen & REG_GOSTART_SEEN)                               \
 827                 PerlIO_printf(Perl_debug_log,"REG_GOSTART_SEEN ");          \
 828                                                                             \
 829             if (RExC_seen & REG_UNBOUNDED_QUANTIFIER_SEEN)                               \
 830                 PerlIO_printf(Perl_debug_log,"REG_UNBOUNDED_QUANTIFIER_SEEN ");          \
 831                                                                             \
 832             PerlIO_printf(Perl_debug_log,"\n");                             \
 833         });
 834
 835 #define DEBUG_SHOW_STUDY_FLAG(flags,flag) \
 836   if ((flags) & flag) PerlIO_printf(Perl_debug_log, "%s ", #flag)
 837
 838 #define DEBUG_SHOW_STUDY_FLAGS(flags,open_str,close_str)                    \
 839     if ( ( flags ) ) {                                                      \
 840         PerlIO_printf(Perl_debug_log, "%s", open_str);                      \
 841         DEBUG_SHOW_STUDY_FLAG(flags,SF_FL_BEFORE_SEOL);                     \
 842         DEBUG_SHOW_STUDY_FLAG(flags,SF_FL_BEFORE_MEOL);                     \
 843         DEBUG_SHOW_STUDY_FLAG(flags,SF_IS_INF);                             \
 844         DEBUG_SHOW_STUDY_FLAG(flags,SF_HAS_PAR);                            \
 845         DEBUG_SHOW_STUDY_FLAG(flags,SF_IN_PAR);                             \
 846         DEBUG_SHOW_STUDY_FLAG(flags,SF_HAS_EVAL);                           \
 847         DEBUG_SHOW_STUDY_FLAG(flags,SCF_DO_SUBSTR);                         \
 848         DEBUG_SHOW_STUDY_FLAG(flags,SCF_DO_STCLASS_AND);                    \
 849         DEBUG_SHOW_STUDY_FLAG(flags,SCF_DO_STCLASS_OR);                     \
 850         DEBUG_SHOW_STUDY_FLAG(flags,SCF_DO_STCLASS);                        \
 851         DEBUG_SHOW_STUDY_FLAG(flags,SCF_WHILEM_VISITED_POS);                \
 852         DEBUG_SHOW_STUDY_FLAG(flags,SCF_TRIE_RESTUDY);                      \
 853         DEBUG_SHOW_STUDY_FLAG(flags,SCF_SEEN_ACCEPT);                       \
 854         DEBUG_SHOW_STUDY_FLAG(flags,SCF_TRIE_DOING_RESTUDY);                \
 855         DEBUG_SHOW_STUDY_FLAG(flags,SCF_IN_DEFINE);                         \
 856         PerlIO_printf(Perl_debug_log, "%s", close_str);                     \
 857     }
 858
 859
 860 #define DEBUG_STUDYDATA(str,data,depth)                              \
 861 DEBUG_OPTIMISE_MORE_r(if(data){                                      \
 862     PerlIO_printf(Perl_debug_log,                                    \
 863         "%*s" str "Pos:%"IVdf"/%"IVdf                                \
 864         " Flags: 0x%"UVXf,                                           \
 865         (int)(depth)*2, "",                                          \
 866         (IV)((data)->pos_min),                                       \
 867         (IV)((data)->pos_delta),                                     \
 868         (UV)((data)->flags)                                          \
 869     );                                                               \
 870     DEBUG_SHOW_STUDY_FLAGS((data)->flags," [ ","]");                 \
 871     PerlIO_printf(Perl_debug_log,                                    \
 872         " Whilem_c: %"IVdf" Lcp: %"IVdf" %s",                        \
 873         (IV)((data)->whilem_c),                                      \
 874         (IV)((data)->last_closep ? *((data)->last_closep) : -1),     \
 875         is_inf ? "INF " : ""                                         \
 876     );                                                               \
 877     if ((data)->last_found)                                          \
 878         PerlIO_printf(Perl_debug_log,                                \
 879             "Last:'%s' %"IVdf":%"IVdf"/%"IVdf" %sFixed:'%s' @ %"IVdf \
 880             " %sFloat: '%s' @ %"IVdf"/%"IVdf"",                      \
 881             SvPVX_const((data)->last_found),                         \
 882             (IV)((data)->last_end),                                  \
 883             (IV)((data)->last_start_min),                            \
 884             (IV)((data)->last_start_max),                            \
 885             ((data)->longest &&                                      \
 886              (data)->longest==&((data)->longest_fixed)) ? "*" : "",  \
 887             SvPVX_const((data)->longest_fixed),                      \
 888             (IV)((data)->offset_fixed),                              \
 889             ((data)->longest &&                                      \
 890              (data)->longest==&((data)->longest_float)) ? "*" : "",  \
 891             SvPVX_const((data)->longest_float),                      \
 892             (IV)((data)->offset_float_min),                          \
 893             (IV)((data)->offset_float_max)                           \
 894         );                                                           \
 895     PerlIO_printf(Perl_debug_log,"\n");                              \
 896 });
 897
 898 /* is c a control character for which we have a mnemonic? */
 899 #define isMNEMONIC_CNTRL(c) _IS_MNEMONIC_CNTRL_ONLY_FOR_USE_BY_REGCOMP_DOT_C(c)
 900
 901 STATIC const char *
 902 S_cntrl_to_mnemonic(const U8 c)
 903 {
 904     /* Returns the mnemonic string that represents character 'c', if one
 905      * exists; NULL otherwise.  The only ones that exist for the purposes of
 906      * this routine are a few control characters */
 907
 908     switch (c) {
 909         case '\a':       return "\\a";
 910         case '\b':       return "\\b";
 911         case ESC_NATIVE: return "\\e";
 912         case '\f':       return "\\f";
 913         case '\n':       return "\\n";
 914         case '\r':       return "\\r";
 915         case '\t':       return "\\t";
 916     }
 917
 918     return NULL;
 919 }
 920
 921 /* Mark that we cannot extend a found fixed substring at this point.
 922    Update the longest found anchored substring and the longest found
 923    floating substrings if needed. */
 924
 925 STATIC void
 926 S_scan_commit(pTHX_ const RExC_state_t *pRExC_state, scan_data_t *data,
 927                     SSize_t *minlenp, int is_inf)
 928 {
 929     const STRLEN l = CHR_SVLEN(data->last_found);
 930     const STRLEN old_l = CHR_SVLEN(*data->longest);
 931     GET_RE_DEBUG_FLAGS_DECL;
 932
 933     PERL_ARGS_ASSERT_SCAN_COMMIT;
 934
 935     if ((l >= old_l) && ((l > old_l) || (data->flags & SF_BEFORE_EOL))) {
 936         SvSetMagicSV(*data->longest, data->last_found);
 937         if (*data->longest == data->longest_fixed) {
 938             data->offset_fixed = l ? data->last_start_min : data->pos_min;
 939             if (data->flags & SF_BEFORE_EOL)
 940                 data->flags
 941                     |= ((data->flags & SF_BEFORE_EOL) << SF_FIX_SHIFT_EOL);
 942             else
 943                 data->flags &= ~SF_FIX_BEFORE_EOL;
 944             data->minlen_fixed=minlenp;
 945             data->lookbehind_fixed=0;
 946         }
 947         else { /* *data->longest == data->longest_float */
 948             data->offset_float_min = l ? data->last_start_min : data->pos_min;
 949             data->offset_float_max = (l
 950                           ? data->last_start_max
 951                           : (data->pos_delta > SSize_t_MAX - data->pos_min
 952                                          ? SSize_t_MAX
 953                                          : data->pos_min + data->pos_delta));
 954             if (is_inf
 955                  || (STRLEN)data->offset_float_max > (STRLEN)SSize_t_MAX)
 956                 data->offset_float_max = SSize_t_MAX;
 957             if (data->flags & SF_BEFORE_EOL)
 958                 data->flags
 959                     |= ((data->flags & SF_BEFORE_EOL) << SF_FL_SHIFT_EOL);
 960             else
 961                 data->flags &= ~SF_FL_BEFORE_EOL;
 962             data->minlen_float=minlenp;
 963             data->lookbehind_float=0;
 964         }
 965     }
 966     SvCUR_set(data->last_found, 0);
 967     {
 968         SV * const sv = data->last_found;
 969         if (SvUTF8(sv) && SvMAGICAL(sv)) {
 970             MAGIC * const mg = mg_find(sv, PERL_MAGIC_utf8);
 971             if (mg)
 972                 mg->mg_len = 0;
 973         }
 974     }
 975     data->last_end = -1;
 976     data->flags &= ~SF_BEFORE_EOL;
 977     DEBUG_STUDYDATA("commit: ",data,0);
 978 }
 979
 980 /* An SSC is just a regnode_charclass_posix with an extra field: the inversion
 981  * list that describes which code points it matches */
 982
 983 STATIC void
 984 S_ssc_anything(pTHX_ regnode_ssc *ssc)
 985 {
 986     /* Set the SSC 'ssc' to match an empty string or any code point */
 987
 988     PERL_ARGS_ASSERT_SSC_ANYTHING;
 989
 990     assert(is_ANYOF_SYNTHETIC(ssc));
 991
 992     ssc->invlist = sv_2mortal(_new_invlist(2)); /* mortalize so won't leak */
 993     _append_range_to_invlist(ssc->invlist, 0, UV_MAX);
 994     ANYOF_FLAGS(ssc) |= SSC_MATCHES_EMPTY_STRING;  /* Plus matches empty */
 995 }
 996
 997 STATIC int
 998 S_ssc_is_anything(const regnode_ssc *ssc)
 999 {
1000     /* Returns TRUE if the SSC 'ssc' can match the empty string and any code
1001      * point; FALSE otherwise.  Thus, this is used to see if using 'ssc' buys
1002      * us anything: if the function returns TRUE, 'ssc' hasn't been restricted
1003      * in any way, so there's no point in using it */
1004
1005     UV start, end;
1006     bool ret;
1007
1008     PERL_ARGS_ASSERT_SSC_IS_ANYTHING;
1009
1010     assert(is_ANYOF_SYNTHETIC(ssc));
1011
1012     if (! (ANYOF_FLAGS(ssc) & SSC_MATCHES_EMPTY_STRING)) {
1013         return FALSE;
1014     }
1015
1016     /* See if the list consists solely of the range 0 - Infinity */
1017     invlist_iterinit(ssc->invlist);
1018     ret = invlist_iternext(ssc->invlist, &start, &end)
1019           && start == 0
1020           && end == UV_MAX;
1021
1022     invlist_iterfinish(ssc->invlist);
1023
1024     if (ret) {
1025         return TRUE;
1026     }
1027
1028     /* If e.g., both \w and \W are set, matches everything */
1029     if (ANYOF_POSIXL_SSC_TEST_ANY_SET(ssc)) {
1030         int i;
1031         for (i = 0; i < ANYOF_POSIXL_MAX; i += 2) {
1032             if (ANYOF_POSIXL_TEST(ssc, i) && ANYOF_POSIXL_TEST(ssc, i+1)) {
1033                 return TRUE;
1034             }
1035         }
1036     }
1037
1038     return FALSE;
1039 }
1040
1041 STATIC void
1042 S_ssc_init(pTHX_ const RExC_state_t *pRExC_state, regnode_ssc *ssc)
1043 {
1044     /* Initializes the SSC 'ssc'.  This includes setting it to match an empty
1045      * string, any code point, or any posix class under locale */
1046
1047     PERL_ARGS_ASSERT_SSC_INIT;
1048
1049     Zero(ssc, 1, regnode_ssc);
1050     set_ANYOF_SYNTHETIC(ssc);
1051     ARG_SET(ssc, ANYOF_ONLY_HAS_BITMAP);
1052     ssc_anything(ssc);
1053
1054     /* If any portion of the regex is to operate under locale rules that aren't
1055      * fully known at compile time, initialization includes it.  The reason
1056      * this isn't done for all regexes is that the optimizer was written under
1057      * the assumption that locale was all-or-nothing.  Given the complexity and
1058      * lack of documentation in the optimizer, and that there are inadequate
1059      * test cases for locale, many parts of it may not work properly, it is
1060      * safest to avoid locale unless necessary. */
1061     if (RExC_contains_locale) {
1062         ANYOF_POSIXL_SETALL(ssc);
1063     }
1064     else {
1065         ANYOF_POSIXL_ZERO(ssc);
1066     }
1067 }
1068
1069 STATIC int
1070 S_ssc_is_cp_posixl_init(const RExC_state_t *pRExC_state,
1071                         const regnode_ssc *ssc)
1072 {
1073     /* Returns TRUE if the SSC 'ssc' is in its initial state with regard only
1074      * to the list of code points matched, and locale posix classes; hence does
1075      * not check its flags) */
1076
1077     UV start, end;
1078     bool ret;
1079
1080     PERL_ARGS_ASSERT_SSC_IS_CP_POSIXL_INIT;
1081
1082     assert(is_ANYOF_SYNTHETIC(ssc));
1083
1084     invlist_iterinit(ssc->invlist);
1085     ret = invlist_iternext(ssc->invlist, &start, &end)
1086           && start == 0
1087           && end == UV_MAX;
1088
1089     invlist_iterfinish(ssc->invlist);
1090
1091     if (! ret) {
1092         return FALSE;
1093     }
1094
1095     if (RExC_contains_locale && ! ANYOF_POSIXL_SSC_TEST_ALL_SET(ssc)) {
1096         return FALSE;
1097     }
1098
1099     return TRUE;
1100 }
1101
1102 STATIC SV*
1103 S_get_ANYOF_cp_list_for_ssc(pTHX_ const RExC_state_t *pRExC_state,
1104                                const regnode_charclass* const node)
1105 {
1106     /* Returns a mortal inversion list defining which code points are matched
1107      * by 'node', which is of type ANYOF.  Handles complementing the result if
1108      * appropriate.  If some code points aren't knowable at this time, the
1109      * returned list must, and will, contain every code point that is a
1110      * possibility. */
1111
1112     SV* invlist = sv_2mortal(_new_invlist(0));
1113     SV* only_utf8_locale_invlist = NULL;
1114     unsigned int i;
1115     const U32 n = ARG(node);
1116     bool new_node_has_latin1 = FALSE;
1117
1118     PERL_ARGS_ASSERT_GET_ANYOF_CP_LIST_FOR_SSC;
1119
1120     /* Look at the data structure created by S_set_ANYOF_arg() */
1121     if (n != ANYOF_ONLY_HAS_BITMAP) {
1122         SV * const rv = MUTABLE_SV(RExC_rxi->data->data[n]);
1123         AV * const av = MUTABLE_AV(SvRV(rv));
1124         SV **const ary = AvARRAY(av);
1125         assert(RExC_rxi->data->what[n] == 's');
1126
1127         if (ary[1] && ary[1] != &PL_sv_undef) { /* Has compile-time swash */
1128             invlist = sv_2mortal(invlist_clone(_get_swash_invlist(ary[1])));
1129         }
1130         else if (ary[0] && ary[0] != &PL_sv_undef) {
1131
1132             /* Here, no compile-time swash, and there are things that won't be
1133              * known until runtime -- we have to assume it could be anything */
1134             return _add_range_to_invlist(invlist, 0, UV_MAX);
1135         }
1136         else if (ary[3] && ary[3] != &PL_sv_undef) {
1137
1138             /* Here no compile-time swash, and no run-time only data.  Use the
1139              * node's inversion list */
1140             invlist = sv_2mortal(invlist_clone(ary[3]));
1141         }
1142
1143         /* Get the code points valid only under UTF-8 locales */
1144         if ((ANYOF_FLAGS(node) & ANYOF_LOC_FOLD)
1145             && ary[2] && ary[2] != &PL_sv_undef)
1146         {
1147             only_utf8_locale_invlist = ary[2];
1148         }
1149     }
1150
1151     /* An ANYOF node contains a bitmap for the first NUM_ANYOF_CODE_POINTS
1152      * code points, and an inversion list for the others, but if there are code
1153      * points that should match only conditionally on the target string being
1154      * UTF-8, those are placed in the inversion list, and not the bitmap.
1155      * Since there are circumstances under which they could match, they are
1156      * included in the SSC.  But if the ANYOF node is to be inverted, we have
1157      * to exclude them here, so that when we invert below, the end result
1158      * actually does include them.  (Think about "\xe0" =~ /[^\xc0]/di;).  We
1159      * have to do this here before we add the unconditionally matched code
1160      * points */
1161     if (ANYOF_FLAGS(node) & ANYOF_INVERT) {
1162         _invlist_intersection_complement_2nd(invlist,
1163                                              PL_UpperLatin1,
1164                                              &invlist);
1165     }
1166
1167     /* Add in the points from the bit map */
1168     for (i = 0; i < NUM_ANYOF_CODE_POINTS; i++) {
1169         if (ANYOF_BITMAP_TEST(node, i)) {
1170             invlist = add_cp_to_invlist(invlist, i);
1171             new_node_has_latin1 = TRUE;
1172         }
1173     }
1174
1175     /* If this can match all upper Latin1 code points, have to add them
1176      * as well */
1177     if (ANYOF_FLAGS(node) & ANYOF_MATCHES_ALL_NON_UTF8_NON_ASCII) {
1178         _invlist_union(invlist, PL_UpperLatin1, &invlist);
1179     }
1180
1181     /* Similarly for these */
1182     if (ANYOF_FLAGS(node) & ANYOF_MATCHES_ALL_ABOVE_BITMAP) {
1183         _invlist_union_complement_2nd(invlist, PL_InBitmap, &invlist);
1184     }
1185
1186     if (ANYOF_FLAGS(node) & ANYOF_INVERT) {
1187         _invlist_invert(invlist);
1188     }
1189     else if (new_node_has_latin1 && ANYOF_FLAGS(node) & ANYOF_LOC_FOLD) {
1190
1191         /* Under /li, any 0-255 could fold to any other 0-255, depending on the
1192          * locale.  We can skip this if there are no 0-255 at all. */
1193         _invlist_union(invlist, PL_Latin1, &invlist);
1194     }
1195
1196     /* Similarly add the UTF-8 locale possible matches.  These have to be
1197      * deferred until after the non-UTF-8 locale ones are taken care of just
1198      * above, or it leads to wrong results under ANYOF_INVERT */
1199     if (only_utf8_locale_invlist) {
1200         _invlist_union_maybe_complement_2nd(invlist,
1201                                             only_utf8_locale_invlist,
1202                                             ANYOF_FLAGS(node) & ANYOF_INVERT,
1203                                             &invlist);
1204     }
1205
1206     return invlist;
1207 }
1208
1209 /* These two functions currently do the exact same thing */
1210 #define ssc_init_zero           ssc_init
1211
1212 #define ssc_add_cp(ssc, cp)   ssc_add_range((ssc), (cp), (cp))
1213 #define ssc_match_all_cp(ssc) ssc_add_range(ssc, 0, UV_MAX)
1214
1215 /* 'AND' a given class with another one.  Can create false positives.  'ssc'
1216  * should not be inverted.  'and_with->flags & ANYOF_MATCHES_POSIXL' should be
1217  * 0 if 'and_with' is a regnode_charclass instead of a regnode_ssc. */
1218
1219 STATIC void
1220 S_ssc_and(pTHX_ const RExC_state_t *pRExC_state, regnode_ssc *ssc,
1221                 const regnode_charclass *and_with)
1222 {
1223     /* Accumulate into SSC 'ssc' its 'AND' with 'and_with', which is either
1224      * another SSC or a regular ANYOF class.  Can create false positives. */
1225
1226     SV* anded_cp_list;
1227     U8  anded_flags;
1228
1229     PERL_ARGS_ASSERT_SSC_AND;
1230
1231     assert(is_ANYOF_SYNTHETIC(ssc));
1232
1233     /* 'and_with' is used as-is if it too is an SSC; otherwise have to extract
1234      * the code point inversion list and just the relevant flags */
1235     if (is_ANYOF_SYNTHETIC(and_with)) {
1236         anded_cp_list = ((regnode_ssc *)and_with)->invlist;
1237         anded_flags = ANYOF_FLAGS(and_with);
1238
1239         /* XXX This is a kludge around what appears to be deficiencies in the
1240          * optimizer.  If we make S_ssc_anything() add in the WARN_SUPER flag,
1241          * there are paths through the optimizer where it doesn't get weeded
1242          * out when it should.  And if we don't make some extra provision for
1243          * it like the code just below, it doesn't get added when it should.
1244          * This solution is to add it only when AND'ing, which is here, and
1245          * only when what is being AND'ed is the pristine, original node
1246          * matching anything.  Thus it is like adding it to ssc_anything() but
1247          * only when the result is to be AND'ed.  Probably the same solution
1248          * could be adopted for the same problem we have with /l matching,
1249          * which is solved differently in S_ssc_init(), and that would lead to
1250          * fewer false positives than that solution has.  But if this solution
1251          * creates bugs, the consequences are only that a warning isn't raised
1252          * that should be; while the consequences for having /l bugs is
1253          * incorrect matches */
1254         if (ssc_is_anything((regnode_ssc *)and_with)) {
1255             anded_flags |= ANYOF_WARN_SUPER;
1256         }
1257     }
1258     else {
1259         anded_cp_list = get_ANYOF_cp_list_for_ssc(pRExC_state, and_with);
1260         anded_flags = ANYOF_FLAGS(and_with) & ANYOF_COMMON_FLAGS;
1261     }
1262
1263     ANYOF_FLAGS(ssc) &= anded_flags;
1264
1265     /* Below, C1 is the list of code points in 'ssc'; P1, its posix classes.
1266      * C2 is the list of code points in 'and-with'; P2, its posix classes.
1267      * 'and_with' may be inverted.  When not inverted, we have the situation of
1268      * computing:
1269      *  (C1 | P1) & (C2 | P2)
1270      *                     =  (C1 & (C2 | P2)) | (P1 & (C2 | P2))
1271      *                     =  ((C1 & C2) | (C1 & P2)) | ((P1 & C2) | (P1 & P2))
1272      *                    <=  ((C1 & C2) |       P2)) | ( P1       | (P1 & P2))
1273      *                    <=  ((C1 & C2) | P1 | P2)
1274      * Alternatively, the last few steps could be:
1275      *                     =  ((C1 & C2) | (C1 & P2)) | ((P1 & C2) | (P1 & P2))
1276      *                    <=  ((C1 & C2) |  C1      ) | (      C2  | (P1 & P2))
1277      *                    <=  (C1 | C2 | (P1 & P2))
1278      * We favor the second approach if either P1 or P2 is non-empty.  This is
1279      * because these components are a barrier to doing optimizations, as what
1280      * they match cannot be known until the moment of matching as they are
1281      * dependent on the current locale, 'AND"ing them likely will reduce or
1282      * eliminate them.
1283      * But we can do better if we know that C1,P1 are in their initial state (a
1284      * frequent occurrence), each matching everything:
1285      *  (<everything>) & (C2 | P2) =  C2 | P2
1286      * Similarly, if C2,P2 are in their initial state (again a frequent
1287      * occurrence), the result is a no-op
1288      *  (C1 | P1) & (<everything>) =  C1 | P1
1289      *
1290      * Inverted, we have
1291      *  (C1 | P1) & ~(C2 | P2)  =  (C1 | P1) & (~C2 & ~P2)
1292      *                          =  (C1 & (~C2 & ~P2)) | (P1 & (~C2 & ~P2))
1293      *                         <=  (C1 & ~C2) | (P1 & ~P2)
1294      * */
1295
1296     if ((ANYOF_FLAGS(and_with) & ANYOF_INVERT)
1297         && ! is_ANYOF_SYNTHETIC(and_with))
1298     {
1299         unsigned int i;
1300
1301         ssc_intersection(ssc,
1302                          anded_cp_list,
1303                          FALSE /* Has already been inverted */
1304                          );
1305
1306         /* If either P1 or P2 is empty, the intersection will be also; can skip
1307          * the loop */
1308         if (! (ANYOF_FLAGS(and_with) & ANYOF_MATCHES_POSIXL)) {
1309             ANYOF_POSIXL_ZERO(ssc);
1310         }
1311         else if (ANYOF_POSIXL_SSC_TEST_ANY_SET(ssc)) {
1312
1313             /* Note that the Posix class component P from 'and_with' actually
1314              * looks like:
1315              *      P = Pa | Pb | ... | Pn
1316              * where each component is one posix class, such as in [\w\s].
1317              * Thus
1318              *      ~P = ~(Pa | Pb | ... | Pn)
1319              *         = ~Pa & ~Pb & ... & ~Pn
1320              *        <= ~Pa | ~Pb | ... | ~Pn
1321              * The last is something we can easily calculate, but unfortunately
1322              * is likely to have many false positives.  We could do better
1323              * in some (but certainly not all) instances if two classes in
1324              * P have known relationships.  For example
1325              *      :lower: <= :alpha: <= :alnum: <= \w <= :graph: <= :print:
1326              * So
1327              *      :lower: & :print: = :lower:
1328              * And similarly for classes that must be disjoint.  For example,
1329              * since \s and \w can have no elements in common based on rules in
1330              * the POSIX standard,
1331              *      \w & ^\S = nothing
1332              * Unfortunately, some vendor locales do not meet the Posix
1333              * standard, in particular almost everything by Microsoft.
1334              * The loop below just changes e.g., \w into \W and vice versa */
1335
1336             regnode_charclass_posixl temp;
1337             int add = 1;    /* To calculate the index of the complement */
1338
1339             ANYOF_POSIXL_ZERO(&temp);
1340             for (i = 0; i < ANYOF_MAX; i++) {
1341                 assert(i % 2 != 0
1342                        || ! ANYOF_POSIXL_TEST((regnode_charclass_posixl*) and_with, i)
1343                        || ! ANYOF_POSIXL_TEST((regnode_charclass_posixl*) and_with, i + 1));
1344
1345                 if (ANYOF_POSIXL_TEST((regnode_charclass_posixl*) and_with, i)) {
1346                     ANYOF_POSIXL_SET(&temp, i + add);
1347                 }
1348                 add = 0 - add; /* 1 goes to -1; -1 goes to 1 */
1349             }
1350             ANYOF_POSIXL_AND(&temp, ssc);
1351
1352         } /* else ssc already has no posixes */
1353     } /* else: Not inverted.  This routine is a no-op if 'and_with' is an SSC
1354          in its initial state */
1355     else if (! is_ANYOF_SYNTHETIC(and_with)
1356              || ! ssc_is_cp_posixl_init(pRExC_state, (regnode_ssc *)and_with))
1357     {
1358         /* But if 'ssc' is in its initial state, the result is just 'and_with';
1359          * copy it over 'ssc' */
1360         if (ssc_is_cp_posixl_init(pRExC_state, ssc)) {
1361             if (is_ANYOF_SYNTHETIC(and_with)) {
1362                 StructCopy(and_with, ssc, regnode_ssc);
1363             }
1364             else {
1365                 ssc->invlist = anded_cp_list;
1366                 ANYOF_POSIXL_ZERO(ssc);
1367                 if (ANYOF_FLAGS(and_with) & ANYOF_MATCHES_POSIXL) {
1368                     ANYOF_POSIXL_OR((regnode_charclass_posixl*) and_with, ssc);
1369                 }
1370             }
1371         }
1372         else if (ANYOF_POSIXL_SSC_TEST_ANY_SET(ssc)
1373                  || (ANYOF_FLAGS(and_with) & ANYOF_MATCHES_POSIXL))
1374         {
1375             /* One or the other of P1, P2 is non-empty. */
1376             if (ANYOF_FLAGS(and_with) & ANYOF_MATCHES_POSIXL) {
1377                 ANYOF_POSIXL_AND((regnode_charclass_posixl*) and_with, ssc);
1378             }
1379             ssc_union(ssc, anded_cp_list, FALSE);
1380         }
1381         else { /* P1 = P2 = empty */
1382             ssc_intersection(ssc, anded_cp_list, FALSE);
1383         }
1384     }
1385 }
1386
1387 STATIC void
1388 S_ssc_or(pTHX_ const RExC_state_t *pRExC_state, regnode_ssc *ssc,
1389                const regnode_charclass *or_with)
1390 {
1391     /* Accumulate into SSC 'ssc' its 'OR' with 'or_with', which is either
1392      * another SSC or a regular ANYOF class.  Can create false positives if
1393      * 'or_with' is to be inverted. */
1394
1395     SV* ored_cp_list;
1396     U8 ored_flags;
1397
1398     PERL_ARGS_ASSERT_SSC_OR;
1399
1400     assert(is_ANYOF_SYNTHETIC(ssc));
1401
1402     /* 'or_with' is used as-is if it too is an SSC; otherwise have to extract
1403      * the code point inversion list and just the relevant flags */
1404     if (is_ANYOF_SYNTHETIC(or_with)) {
1405         ored_cp_list = ((regnode_ssc*) or_with)->invlist;
1406         ored_flags = ANYOF_FLAGS(or_with);
1407     }
1408     else {
1409         ored_cp_list = get_ANYOF_cp_list_for_ssc(pRExC_state, or_with);
1410         ored_flags = ANYOF_FLAGS(or_with) & ANYOF_COMMON_FLAGS;
1411     }
1412
1413     ANYOF_FLAGS(ssc) |= ored_flags;
1414
1415     /* Below, C1 is the list of code points in 'ssc'; P1, its posix classes.
1416      * C2 is the list of code points in 'or-with'; P2, its posix classes.
1417      * 'or_with' may be inverted.  When not inverted, we have the simple
1418      * situation of computing:
1419      *  (C1 | P1) | (C2 | P2)  =  (C1 | C2) | (P1 | P2)
1420      * If P1|P2 yields a situation with both a class and its complement are
1421      * set, like having both \w and \W, this matches all code points, and we
1422      * can delete these from the P component of the ssc going forward.  XXX We
1423      * might be able to delete all the P components, but I (khw) am not certain
1424      * about this, and it is better to be safe.
1425      *
1426      * Inverted, we have
1427      *  (C1 | P1) | ~(C2 | P2)  =  (C1 | P1) | (~C2 & ~P2)
1428      *                         <=  (C1 | P1) | ~C2
1429      *                         <=  (C1 | ~C2) | P1
1430      * (which results in actually simpler code than the non-inverted case)
1431      * */
1432
1433     if ((ANYOF_FLAGS(or_with) & ANYOF_INVERT)
1434         && ! is_ANYOF_SYNTHETIC(or_with))
1435     {
1436         /* We ignore P2, leaving P1 going forward */
1437     }   /* else  Not inverted */
1438     else if (ANYOF_FLAGS(or_with) & ANYOF_MATCHES_POSIXL) {
1439         ANYOF_POSIXL_OR((regnode_charclass_posixl*)or_with, ssc);
1440         if (ANYOF_POSIXL_SSC_TEST_ANY_SET(ssc)) {
1441             unsigned int i;
1442             for (i = 0; i < ANYOF_MAX; i += 2) {
1443                 if (ANYOF_POSIXL_TEST(ssc, i) && ANYOF_POSIXL_TEST(ssc, i + 1))
1444                 {
1445                     ssc_match_all_cp(ssc);
1446                     ANYOF_POSIXL_CLEAR(ssc, i);
1447                     ANYOF_POSIXL_CLEAR(ssc, i+1);
1448                 }
1449             }
1450         }
1451     }
1452
1453     ssc_union(ssc,
1454               ored_cp_list,
1455               FALSE /* Already has been inverted */
1456               );
1457 }
1458
1459 PERL_STATIC_INLINE void
1460 S_ssc_union(pTHX_ regnode_ssc *ssc, SV* const invlist, const bool invert2nd)
1461 {
1462     PERL_ARGS_ASSERT_SSC_UNION;
1463
1464     assert(is_ANYOF_SYNTHETIC(ssc));
1465
1466     _invlist_union_maybe_complement_2nd(ssc->invlist,
1467                                         invlist,
1468                                         invert2nd,
1469                                         &ssc->invlist);
1470 }
1471
1472 PERL_STATIC_INLINE void
1473 S_ssc_intersection(pTHX_ regnode_ssc *ssc,
1474                          SV* const invlist,
1475                          const bool invert2nd)
1476 {
1477     PERL_ARGS_ASSERT_SSC_INTERSECTION;
1478
1479     assert(is_ANYOF_SYNTHETIC(ssc));
1480
1481     _invlist_intersection_maybe_complement_2nd(ssc->invlist,
1482                                                invlist,
1483                                                invert2nd,
1484                                                &ssc->invlist);
1485 }
1486
1487 PERL_STATIC_INLINE void
1488 S_ssc_add_range(pTHX_ regnode_ssc *ssc, const UV start, const UV end)
1489 {
1490     PERL_ARGS_ASSERT_SSC_ADD_RANGE;
1491
1492     assert(is_ANYOF_SYNTHETIC(ssc));
1493
1494     ssc->invlist = _add_range_to_invlist(ssc->invlist, start, end);
1495 }
1496
1497 PERL_STATIC_INLINE void
1498 S_ssc_cp_and(pTHX_ regnode_ssc *ssc, const UV cp)
1499 {
1500     /* AND just the single code point 'cp' into the SSC 'ssc' */
1501
1502     SV* cp_list = _new_invlist(2);
1503
1504     PERL_ARGS_ASSERT_SSC_CP_AND;
1505
1506     assert(is_ANYOF_SYNTHETIC(ssc));
1507
1508     cp_list = add_cp_to_invlist(cp_list, cp);
1509     ssc_intersection(ssc, cp_list,
1510                      FALSE /* Not inverted */
1511                      );
1512     SvREFCNT_dec_NN(cp_list);
1513 }
1514
1515 PERL_STATIC_INLINE void
1516 S_ssc_clear_locale(regnode_ssc *ssc)
1517 {
1518     /* Set the SSC 'ssc' to not match any locale things */
1519     PERL_ARGS_ASSERT_SSC_CLEAR_LOCALE;
1520
1521     assert(is_ANYOF_SYNTHETIC(ssc));
1522
1523     ANYOF_POSIXL_ZERO(ssc);
1524     ANYOF_FLAGS(ssc) &= ~ANYOF_LOCALE_FLAGS;
1525 }
1526
1527 #define NON_OTHER_COUNT   NON_OTHER_COUNT_FOR_USE_ONLY_BY_REGCOMP_DOT_C
1528
1529 STATIC bool
1530 S_is_ssc_worth_it(const RExC_state_t * pRExC_state, const regnode_ssc * ssc)
1531 {
1532     /* The synthetic start class is used to hopefully quickly winnow down
1533      * places where a pattern could start a match in the target string.  If it
1534      * doesn't really narrow things down that much, there isn't much point to
1535      * having the overhead of using it.  This function uses some very crude
1536      * heuristics to decide if to use the ssc or not.
1537      *
1538      * It returns TRUE if 'ssc' rules out more than half what it considers to
1539      * be the "likely" possible matches, but of course it doesn't know what the
1540      * actual things being matched are going to be; these are only guesses
1541      *
1542      * For /l matches, it assumes that the only likely matches are going to be
1543      *      in the 0-255 range, uniformly distributed, so half of that is 127
1544      * For /a and /d matches, it assumes that the likely matches will be just
1545      *      the ASCII range, so half of that is 63
1546      * For /u and there isn't anything matching above the Latin1 range, it
1547      *      assumes that that is the only range likely to be matched, and uses
1548      *      half that as the cut-off: 127.  If anything matches above Latin1,
1549      *      it assumes that all of Unicode could match (uniformly), except for
1550      *      non-Unicode code points and things in the General Category "Other"
1551      *      (unassigned, private use, surrogates, controls and formats).  This
1552      *      is a much large number. */
1553
1554     const U32 max_match = (LOC)
1555                           ? 127
1556                           : (! UNI_SEMANTICS)
1557                             ? 63
1558                             : (invlist_highest(ssc->invlist) < 256)
1559                               ? 127
1560                               : ((NON_OTHER_COUNT + 1) / 2) - 1;
1561     U32 count = 0;      /* Running total of number of code points matched by
1562                            'ssc' */
1563     UV start, end;      /* Start and end points of current range in inversion
1564                            list */
1565
1566     PERL_ARGS_ASSERT_IS_SSC_WORTH_IT;
1567
1568     invlist_iterinit(ssc->invlist);
1569     while (invlist_iternext(ssc->invlist, &start, &end)) {
1570
1571         /* /u is the only thing that we expect to match above 255; so if not /u
1572          * and even if there are matches above 255, ignore them.  This catches
1573          * things like \d under /d which does match the digits above 255, but
1574          * since the pattern is /d, it is not likely to be expecting them */
1575         if (! UNI_SEMANTICS) {
1576             if (start > 255) {
1577                 break;
1578             }
1579             end = MIN(end, 255);
1580         }
1581         count += end - start + 1;
1582         if (count > max_match) {
1583             invlist_iterfinish(ssc->invlist);
1584             return FALSE;
1585         }
1586     }
1587
1588     return TRUE;
1589 }
1590
1591
1592 STATIC void
1593 S_ssc_finalize(pTHX_ RExC_state_t *pRExC_state, regnode_ssc *ssc)
1594 {
1595     /* The inversion list in the SSC is marked mortal; now we need a more
1596      * permanent copy, which is stored the same way that is done in a regular
1597      * ANYOF node, with the first NUM_ANYOF_CODE_POINTS code points in a bit
1598      * map */
1599
1600     SV* invlist = invlist_clone(ssc->invlist);
1601
1602     PERL_ARGS_ASSERT_SSC_FINALIZE;
1603
1604     assert(is_ANYOF_SYNTHETIC(ssc));
1605
1606     /* The code in this file assumes that all but these flags aren't relevant
1607      * to the SSC, except SSC_MATCHES_EMPTY_STRING, which should be cleared
1608      * by the time we reach here */
1609     assert(! (ANYOF_FLAGS(ssc) & ~ANYOF_COMMON_FLAGS));
1610
1611     populate_ANYOF_from_invlist( (regnode *) ssc, &invlist);
1612
1613     set_ANYOF_arg(pRExC_state, (regnode *) ssc, invlist,
1614                                 NULL, NULL, NULL, FALSE);
1615
1616     /* Make sure is clone-safe */
1617     ssc->invlist = NULL;
1618
1619     if (ANYOF_POSIXL_SSC_TEST_ANY_SET(ssc)) {
1620         ANYOF_FLAGS(ssc) |= ANYOF_MATCHES_POSIXL;
1621     }
1622
1623     assert(! (ANYOF_FLAGS(ssc) & ANYOF_LOCALE_FLAGS) || RExC_contains_locale);
1624 }
1625
1626 #define TRIE_LIST_ITEM(state,idx) (trie->states[state].trans.list)[ idx ]
1627 #define TRIE_LIST_CUR(state)  ( TRIE_LIST_ITEM( state, 0 ).forid )
1628 #define TRIE_LIST_LEN(state) ( TRIE_LIST_ITEM( state, 0 ).newstate )
1629 #define TRIE_LIST_USED(idx)  ( trie->states[state].trans.list         \
1630                                ? (TRIE_LIST_CUR( idx ) - 1)           \
1631                                : 0 )
1632
1633
1634 #ifdef DEBUGGING
1635 /*
1636    dump_trie(trie,widecharmap,revcharmap)
1637    dump_trie_interim_list(trie,widecharmap,revcharmap,next_alloc)
1638    dump_trie_interim_table(trie,widecharmap,revcharmap,next_alloc)
1639
1640    These routines dump out a trie in a somewhat readable format.
1641    The _interim_ variants are used for debugging the interim
1642    tables that are used to generate the final compressed
1643    representation which is what dump_trie expects.
1644
1645    Part of the reason for their existence is to provide a form
1646    of documentation as to how the different representations function.
1647
1648 */
1649
1650 /*
1651   Dumps the final compressed table form of the trie to Perl_debug_log.
1652   Used for debugging make_trie().
1653 */
1654
1655 STATIC void
1656 S_dump_trie(pTHX_ const struct _reg_trie_data *trie, HV *widecharmap,
1657             AV *revcharmap, U32 depth)
1658 {
1659     U32 state;
1660     SV *sv=sv_newmortal();
1661     int colwidth= widecharmap ? 6 : 4;
1662     U16 word;
1663     GET_RE_DEBUG_FLAGS_DECL;
1664
1665     PERL_ARGS_ASSERT_DUMP_TRIE;
1666
1667     PerlIO_printf( Perl_debug_log, "%*sChar : %-6s%-6s%-4s ",
1668         (int)depth * 2 + 2,"",
1669         "Match","Base","Ofs" );
1670
1671     for( state = 0 ; state < trie->uniquecharcount ; state++ ) {
1672         SV ** const tmp = av_fetch( revcharmap, state, 0);
1673         if ( tmp ) {
1674             PerlIO_printf( Perl_debug_log, "%*s",
1675                 colwidth,
1676                 pv_pretty(sv, SvPV_nolen_const(*tmp), SvCUR(*tmp), colwidth,
1677                             PL_colors[0], PL_colors[1],
1678                             (SvUTF8(*tmp) ? PERL_PV_ESCAPE_UNI : 0) |
1679                             PERL_PV_ESCAPE_FIRSTCHAR
1680                 )
1681             );
1682         }
1683     }
1684     PerlIO_printf( Perl_debug_log, "\n%*sState|-----------------------",
1685         (int)depth * 2 + 2,"");
1686
1687     for( state = 0 ; state < trie->uniquecharcount ; state++ )
1688         PerlIO_printf( Perl_debug_log, "%.*s", colwidth, "--------");
1689     PerlIO_printf( Perl_debug_log, "\n");
1690
1691     for( state = 1 ; state < trie->statecount ; state++ ) {
1692         const U32 base = trie->states[ state ].trans.base;
1693
1694         PerlIO_printf( Perl_debug_log, "%*s#%4"UVXf"|",
1695                                        (int)depth * 2 + 2,"", (UV)state);
1696
1697         if ( trie->states[ state ].wordnum ) {
1698             PerlIO_printf( Perl_debug_log, " W%4X",
1699                                            trie->states[ state ].wordnum );
1700         } else {
1701             PerlIO_printf( Perl_debug_log, "%6s", "" );
1702         }
1703
1704         PerlIO_printf( Perl_debug_log, " @%4"UVXf" ", (UV)base );
1705
1706         if ( base ) {
1707             U32 ofs = 0;
1708
1709             while( ( base + ofs  < trie->uniquecharcount ) ||
1710                    ( base + ofs - trie->uniquecharcount < trie->lasttrans
1711                      && trie->trans[ base + ofs - trie->uniquecharcount ].check
1712                                                                     != state))
1713                     ofs++;
1714
1715             PerlIO_printf( Perl_debug_log, "+%2"UVXf"[ ", (UV)ofs);
1716
1717             for ( ofs = 0 ; ofs < trie->uniquecharcount ; ofs++ ) {
1718                 if ( ( base + ofs >= trie->uniquecharcount )
1719                         && ( base + ofs - trie->uniquecharcount
1720                                                         < trie->lasttrans )
1721                         && trie->trans[ base + ofs
1722                                     - trie->uniquecharcount ].check == state )
1723                 {
1724                    PerlIO_printf( Perl_debug_log, "%*"UVXf,
1725                     colwidth,
1726                     (UV)trie->trans[ base + ofs
1727                                              - trie->uniquecharcount ].next );
1728                 } else {
1729                     PerlIO_printf( Perl_debug_log, "%*s",colwidth,"   ." );
1730                 }
1731             }
1732
1733             PerlIO_printf( Perl_debug_log, "]");
1734
1735         }
1736         PerlIO_printf( Perl_debug_log, "\n" );
1737     }
1738     PerlIO_printf(Perl_debug_log, "%*sword_info N:(prev,len)=",
1739                                 (int)depth*2, "");
1740     for (word=1; word <= trie->wordcount; word++) {
1741         PerlIO_printf(Perl_debug_log, " %d:(%d,%d)",
1742             (int)word, (int)(trie->wordinfo[word].prev),
1743             (int)(trie->wordinfo[word].len));
1744     }
1745     PerlIO_printf(Perl_debug_log, "\n" );
1746 }
1747 /*
1748   Dumps a fully constructed but uncompressed trie in list form.
1749   List tries normally only are used for construction when the number of
1750   possible chars (trie->uniquecharcount) is very high.
1751   Used for debugging make_trie().
1752 */
1753 STATIC void
1754 S_dump_trie_interim_list(pTHX_ const struct _reg_trie_data *trie,
1755                          HV *widecharmap, AV *revcharmap, U32 next_alloc,
1756                          U32 depth)
1757 {
1758     U32 state;
1759     SV *sv=sv_newmortal();
1760     int colwidth= widecharmap ? 6 : 4;
1761     GET_RE_DEBUG_FLAGS_DECL;
1762
1763     PERL_ARGS_ASSERT_DUMP_TRIE_INTERIM_LIST;
1764
1765     /* print out the table precompression.  */
1766     PerlIO_printf( Perl_debug_log, "%*sState :Word | Transition Data\n%*s%s",
1767         (int)depth * 2 + 2,"", (int)depth * 2 + 2,"",
1768         "------:-----+-----------------\n" );
1769
1770     for( state=1 ; state < next_alloc ; state ++ ) {
1771         U16 charid;
1772
1773         PerlIO_printf( Perl_debug_log, "%*s %4"UVXf" :",
1774             (int)depth * 2 + 2,"", (UV)state  );
1775         if ( ! trie->states[ state ].wordnum ) {
1776             PerlIO_printf( Perl_debug_log, "%5s| ","");
1777         } else {
1778             PerlIO_printf( Perl_debug_log, "W%4x| ",
1779                 trie->states[ state ].wordnum
1780             );
1781         }
1782         for( charid = 1 ; charid <= TRIE_LIST_USED( state ) ; charid++ ) {
1783             SV ** const tmp = av_fetch( revcharmap,
1784                                         TRIE_LIST_ITEM(state,charid).forid, 0);
1785             if ( tmp ) {
1786                 PerlIO_printf( Perl_debug_log, "%*s:%3X=%4"UVXf" | ",
1787                     colwidth,
1788                     pv_pretty(sv, SvPV_nolen_const(*tmp), SvCUR(*tmp),
1789                               colwidth,
1790                               PL_colors[0], PL_colors[1],
1791                               (SvUTF8(*tmp) ? PERL_PV_ESCAPE_UNI : 0)
1792                               | PERL_PV_ESCAPE_FIRSTCHAR
1793                     ) ,
1794                     TRIE_LIST_ITEM(state,charid).forid,
1795                     (UV)TRIE_LIST_ITEM(state,charid).newstate
1796                 );
1797                 if (!(charid % 10))
1798                     PerlIO_printf(Perl_debug_log, "\n%*s| ",
1799                         (int)((depth * 2) + 14), "");
1800             }
1801         }
1802         PerlIO_printf( Perl_debug_log, "\n");
1803     }
1804 }
1805
1806 /*
1807   Dumps a fully constructed but uncompressed trie in table form.
1808   This is the normal DFA style state transition table, with a few
1809   twists to facilitate compression later.
1810   Used for debugging make_trie().
1811 */
1812 STATIC void
1813 S_dump_trie_interim_table(pTHX_ const struct _reg_trie_data *trie,
1814                           HV *widecharmap, AV *revcharmap, U32 next_alloc,
1815                           U32 depth)
1816 {
1817     U32 state;
1818     U16 charid;
1819     SV *sv=sv_newmortal();
1820     int colwidth= widecharmap ? 6 : 4;
1821     GET_RE_DEBUG_FLAGS_DECL;
1822
1823     PERL_ARGS_ASSERT_DUMP_TRIE_INTERIM_TABLE;
1824
1825     /*
1826        print out the table precompression so that we can do a visual check
1827        that they are identical.
1828      */
1829
1830     PerlIO_printf( Perl_debug_log, "%*sChar : ",(int)depth * 2 + 2,"" );
1831
1832     for( charid = 0 ; charid < trie->uniquecharcount ; charid++ ) {
1833         SV ** const tmp = av_fetch( revcharmap, charid, 0);
1834         if ( tmp ) {
1835             PerlIO_printf( Perl_debug_log, "%*s",
1836                 colwidth,
1837                 pv_pretty(sv, SvPV_nolen_const(*tmp), SvCUR(*tmp), colwidth,
1838                             PL_colors[0], PL_colors[1],
1839                             (SvUTF8(*tmp) ? PERL_PV_ESCAPE_UNI : 0) |
1840                             PERL_PV_ESCAPE_FIRSTCHAR
1841                 )
1842             );
1843         }
1844     }
1845
1846     PerlIO_printf( Perl_debug_log, "\n%*sState+-",(int)depth * 2 + 2,"" );
1847
1848     for( charid=0 ; charid < trie->uniquecharcount ; charid++ ) {
1849         PerlIO_printf( Perl_debug_log, "%.*s", colwidth,"--------");
1850     }
1851
1852     PerlIO_printf( Perl_debug_log, "\n" );
1853
1854     for( state=1 ; state < next_alloc ; state += trie->uniquecharcount ) {
1855
1856         PerlIO_printf( Perl_debug_log, "%*s%4"UVXf" : ",
1857             (int)depth * 2 + 2,"",
1858             (UV)TRIE_NODENUM( state ) );
1859
1860         for( charid = 0 ; charid < trie->uniquecharcount ; charid++ ) {
1861             UV v=(UV)SAFE_TRIE_NODENUM( trie->trans[ state + charid ].next );
1862             if (v)
1863                 PerlIO_printf( Perl_debug_log, "%*"UVXf, colwidth, v );
1864             else
1865                 PerlIO_printf( Perl_debug_log, "%*s", colwidth, "." );
1866         }
1867         if ( ! trie->states[ TRIE_NODENUM( state ) ].wordnum ) {
1868             PerlIO_printf( Perl_debug_log, " (%4"UVXf")\n",
1869                                             (UV)trie->trans[ state ].check );
1870         } else {
1871             PerlIO_printf( Perl_debug_log, " (%4"UVXf") W%4X\n",
1872                                             (UV)trie->trans[ state ].check,
1873             trie->states[ TRIE_NODENUM( state ) ].wordnum );
1874         }
1875     }
1876 }
1877
1878 #endif
1879
1880
1881 /* make_trie(startbranch,first,last,tail,word_count,flags,depth)
1882   startbranch: the first branch in the whole branch sequence
1883   first      : start branch of sequence of branch-exact nodes.
1884                May be the same as startbranch
1885   last       : Thing following the last branch.
1886                May be the same as tail.
1887   tail       : item following the branch sequence
1888   count      : words in the sequence
1889   flags      : currently the OP() type we will be building one of /EXACT(|F|FA|FU|FU_SS|L|FLU8)/
1890   depth      : indent depth
1891
1892 Inplace optimizes a sequence of 2 or more Branch-Exact nodes into a TRIE node.
1893
1894 A trie is an N'ary tree where the branches are determined by digital
1895 decomposition of the key. IE, at the root node you look up the 1st character and
1896 follow that branch repeat until you find the end of the branches. Nodes can be
1897 marked as "accepting" meaning they represent a complete word. Eg:
1898
1899   /he|she|his|hers/
1900
1901 would convert into the following structure. Numbers represent states, letters
1902 following numbers represent valid transitions on the letter from that state, if
1903 the number is in square brackets it represents an accepting state, otherwise it
1904 will be in parenthesis.
1905
1906       +-h->+-e->[3]-+-r->(8)-+-s->[9]
1907       |    |
1908       |   (2)
1909       |    |
1910      (1)   +-i->(6)-+-s->[7]
1911       |
1912       +-s->(3)-+-h->(4)-+-e->[5]
1913
1914       Accept Word Mapping: 3=>1 (he),5=>2 (she), 7=>3 (his), 9=>4 (hers)
1915
1916 This shows that when matching against the string 'hers' we will begin at state 1
1917 read 'h' and move to state 2, read 'e' and move to state 3 which is accepting,
1918 then read 'r' and go to state 8 followed by 's' which takes us to state 9 which
1919 is also accepting. Thus we know that we can match both 'he' and 'hers' with a
1920 single traverse. We store a mapping from accepting to state to which word was
1921 matched, and then when we have multiple possibilities we try to complete the
1922 rest of the regex in the order in which they occurred in the alternation.
1923
1924 The only prior NFA like behaviour that would be changed by the TRIE support is
1925 the silent ignoring of duplicate alternations which are of the form:
1926
1927  / (DUPE|DUPE) X? (?{ ... }) Y /x
1928
1929 Thus EVAL blocks following a trie may be called a different number of times with
1930 and without the optimisation. With the optimisations dupes will be silently
1931 ignored. This inconsistent behaviour of EVAL type nodes is well established as
1932 the following demonstrates:
1933
1934  'words'=~/(word|word|word)(?{ print $1 })[xyz]/
1935
1936 which prints out 'word' three times, but
1937
1938  'words'=~/(word|word|word)(?{ print $1 })S/
1939
1940 which doesnt print it out at all. This is due to other optimisations kicking in.
1941
1942 Example of what happens on a structural level:
1943
1944 The regexp /(ac|ad|ab)+/ will produce the following debug output:
1945
1946    1: CURLYM[1] {1,32767}(18)
1947    5:   BRANCH(8)
1948    6:     EXACT <ac>(16)
1949    8:   BRANCH(11)
1950    9:     EXACT <ad>(16)
1951   11:   BRANCH(14)
1952   12:     EXACT <ab>(16)
1953   16:   SUCCEED(0)
1954   17:   NOTHING(18)
1955   18: END(0)
1956
1957 This would be optimizable with startbranch=5, first=5, last=16, tail=16
1958 and should turn into:
1959
1960    1: CURLYM[1] {1,32767}(18)
1961    5:   TRIE(16)
1962         [Words:3 Chars Stored:6 Unique Chars:4 States:5 NCP:1]
1963           <ac>
1964           <ad>
1965           <ab>
1966   16:   SUCCEED(0)
1967   17:   NOTHING(18)
1968   18: END(0)
1969
1970 Cases where tail != last would be like /(?foo|bar)baz/:
1971
1972    1: BRANCH(4)
1973    2:   EXACT <foo>(8)
1974    4: BRANCH(7)
1975    5:   EXACT <bar>(8)
1976    7: TAIL(8)
1977    8: EXACT <baz>(10)
1978   10: END(0)
1979
1980 which would be optimizable with startbranch=1, first=1, last=7, tail=8
1981 and would end up looking like:
1982
1983     1: TRIE(8)
1984       [Words:2 Chars Stored:6 Unique Chars:5 States:7 NCP:1]
1985         <foo>
1986         <bar>
1987    7: TAIL(8)
1988    8: EXACT <baz>(10)
1989   10: END(0)
1990
1991     d = uvchr_to_utf8_flags(d, uv, 0);
1992
1993 is the recommended Unicode-aware way of saying
1994
1995     *(d++) = uv;
1996 */
1997
1998 #define TRIE_STORE_REVCHAR(val)                                            \
1999     STMT_START {                                                           \
2000         if (UTF) {                                                         \
2001             SV *zlopp = newSV(7); /* XXX: optimize me */                   \
2002             unsigned char *flrbbbbb = (unsigned char *) SvPVX(zlopp);      \
2003             unsigned const char *const kapow = uvchr_to_utf8(flrbbbbb, val); \
2004             SvCUR_set(zlopp, kapow - flrbbbbb);                            \
2005             SvPOK_on(zlopp);                                               \
2006             SvUTF8_on(zlopp);                                              \
2007             av_push(revcharmap, zlopp);                                    \
2008         } else {                                                           \
2009             char ooooff = (char)val;                                           \
2010             av_push(revcharmap, newSVpvn(&ooooff, 1));                     \
2011         }                                                                  \
2012         } STMT_END
2013
2014 /* This gets the next character from the input, folding it if not already
2015  * folded. */
2016 #define TRIE_READ_CHAR STMT_START {                                           \
2017     wordlen++;                                                                \
2018     if ( UTF ) {                                                              \
2019         /* if it is UTF then it is either already folded, or does not need    \
2020          * folding */                                                         \
2021         uvc = valid_utf8_to_uvchr( (const U8*) uc, &len);                     \
2022     }                                                                         \
2023     else if (folder == PL_fold_latin1) {                                      \
2024         /* This folder implies Unicode rules, which in the range expressible  \
2025          *  by not UTF is the lower case, with the two exceptions, one of     \
2026          *  which should have been taken care of before calling this */       \
2027         assert(*uc != LATIN_SMALL_LETTER_SHARP_S);                            \
2028         uvc = toLOWER_L1(*uc);                                                \
2029         if (UNLIKELY(uvc == MICRO_SIGN)) uvc = GREEK_SMALL_LETTER_MU;         \
2030         len = 1;                                                              \
2031     } else {                                                                  \
2032         /* raw data, will be folded later if needed */                        \
2033         uvc = (U32)*uc;                                                       \
2034         len = 1;                                                              \
2035     }                                                                         \
2036 } STMT_END
2037
2038
2039
2040 #define TRIE_LIST_PUSH(state,fid,ns) STMT_START {               \
2041     if ( TRIE_LIST_CUR( state ) >=TRIE_LIST_LEN( state ) ) {    \
2042         U32 ging = TRIE_LIST_LEN( state ) *= 2;                 \
2043         Renew( trie->states[ state ].trans.list, ging, reg_trie_trans_le ); \
2044     }                                                           \
2045     TRIE_LIST_ITEM( state, TRIE_LIST_CUR( state ) ).forid = fid;     \
2046     TRIE_LIST_ITEM( state, TRIE_LIST_CUR( state ) ).newstate = ns;   \
2047     TRIE_LIST_CUR( state )++;                                   \
2048 } STMT_END
2049
2050 #define TRIE_LIST_NEW(state) STMT_START {                       \
2051     Newxz( trie->states[ state ].trans.list,               \
2052         4, reg_trie_trans_le );                                 \
2053      TRIE_LIST_CUR( state ) = 1;                                \
2054      TRIE_LIST_LEN( state ) = 4;                                \
2055 } STMT_END
2056
2057 #define TRIE_HANDLE_WORD(state) STMT_START {                    \
2058     U16 dupe= trie->states[ state ].wordnum;                    \
2059     regnode * const noper_next = regnext( noper );              \
2060                                                                 \
2061     DEBUG_r({                                                   \
2062         /* store the word for dumping */                        \
2063         SV* tmp;                                                \
2064         if (OP(noper) != NOTHING)                               \
2065             tmp = newSVpvn_utf8(STRING(noper), STR_LEN(noper), UTF);    \
2066         else                                                    \
2067             tmp = newSVpvn_utf8( "", 0, UTF );                  \
2068         av_push( trie_words, tmp );                             \
2069     });                                                         \
2070                                                                 \
2071     curword++;                                                  \
2072     trie->wordinfo[curword].prev   = 0;                         \
2073     trie->wordinfo[curword].len    = wordlen;                   \
2074     trie->wordinfo[curword].accept = state;                     \
2075                                                                 \
2076     if ( noper_next < tail ) {                                  \
2077         if (!trie->jump)                                        \
2078             trie->jump = (U16 *) PerlMemShared_calloc( word_count + 1, \
2079                                                  sizeof(U16) ); \
2080         trie->jump[curword] = (U16)(noper_next - convert);      \
2081         if (!jumper)                                            \
2082             jumper = noper_next;                                \
2083         if (!nextbranch)                                        \
2084             nextbranch= regnext(cur);                           \
2085     }                                                           \
2086                                                                 \
2087     if ( dupe ) {                                               \
2088         /* It's a dupe. Pre-insert into the wordinfo[].prev   */\
2089         /* chain, so that when the bits of chain are later    */\
2090         /* linked together, the dups appear in the chain      */\
2091         trie->wordinfo[curword].prev = trie->wordinfo[dupe].prev; \
2092         trie->wordinfo[dupe].prev = curword;                    \
2093     } else {                                                    \
2094         /* we haven't inserted this word yet.                */ \
2095         trie->states[ state ].wordnum = curword;                \
2096     }                                                           \
2097 } STMT_END
2098
2099
2100 #define TRIE_TRANS_STATE(state,base,ucharcount,charid,special)          \
2101      ( ( base + charid >=  ucharcount                                   \
2102          && base + charid < ubound                                      \
2103          && state == trie->trans[ base - ucharcount + charid ].check    \
2104          && trie->trans[ base - ucharcount + charid ].next )            \
2105            ? trie->trans[ base - ucharcount + charid ].next             \
2106            : ( state==1 ? special : 0 )                                 \
2107       )
2108
2109 #define MADE_TRIE       1
2110 #define MADE_JUMP_TRIE  2
2111 #define MADE_EXACT_TRIE 4
2112
2113 STATIC I32
2114 S_make_trie(pTHX_ RExC_state_t *pRExC_state, regnode *startbranch,
2115                   regnode *first, regnode *last, regnode *tail,
2116                   U32 word_count, U32 flags, U32 depth)
2117 {
2118     /* first pass, loop through and scan words */
2119     reg_trie_data *trie;
2120     HV *widecharmap = NULL;
2121     AV *revcharmap = newAV();
2122     regnode *cur;
2123     STRLEN len = 0;
2124     UV uvc = 0;
2125     U16 curword = 0;
2126     U32 next_alloc = 0;
2127     regnode *jumper = NULL;
2128     regnode *nextbranch = NULL;
2129     regnode *convert = NULL;
2130     U32 *prev_states; /* temp array mapping each state to previous one */
2131     /* we just use folder as a flag in utf8 */
2132     const U8 * folder = NULL;
2133
2134 #ifdef DEBUGGING
2135     const U32 data_slot = add_data( pRExC_state, STR_WITH_LEN("tuuu"));
2136     AV *trie_words = NULL;
2137     /* along with revcharmap, this only used during construction but both are
2138      * useful during debugging so we store them in the struct when debugging.
2139      */
2140 #else
2141     const U32 data_slot = add_data( pRExC_state, STR_WITH_LEN("tu"));
2142     STRLEN trie_charcount=0;
2143 #endif
2144     SV *re_trie_maxbuff;
2145     GET_RE_DEBUG_FLAGS_DECL;
2146
2147     PERL_ARGS_ASSERT_MAKE_TRIE;
2148 #ifndef DEBUGGING
2149     PERL_UNUSED_ARG(depth);
2150 #endif
2151
2152     switch (flags) {
2153         case EXACT: case EXACTL: break;
2154         case EXACTFA:
2155         case EXACTFU_SS:
2156         case EXACTFU:
2157         case EXACTFLU8: folder = PL_fold_latin1; break;
2158         case EXACTF:  folder = PL_fold; break;
2159         default: Perl_croak( aTHX_ "panic! In trie construction, unknown node type %u %s", (unsigned) flags, PL_reg_name[flags] );
2160     }
2161
2162     trie = (reg_trie_data *) PerlMemShared_calloc( 1, sizeof(reg_trie_data) );
2163     trie->refcount = 1;
2164     trie->startstate = 1;
2165     trie->wordcount = word_count;
2166     RExC_rxi->data->data[ data_slot ] = (void*)trie;
2167     trie->charmap = (U16 *) PerlMemShared_calloc( 256, sizeof(U16) );
2168     if (flags == EXACT || flags == EXACTL)
2169         trie->bitmap = (char *) PerlMemShared_calloc( ANYOF_BITMAP_SIZE, 1 );
2170     trie->wordinfo = (reg_trie_wordinfo *) PerlMemShared_calloc(
2171                        trie->wordcount+1, sizeof(reg_trie_wordinfo));
2172
2173     DEBUG_r({
2174         trie_words = newAV();
2175     });
2176
2177     re_trie_maxbuff = get_sv(RE_TRIE_MAXBUF_NAME, 1);
2178     assert(re_trie_maxbuff);
2179     if (!SvIOK(re_trie_maxbuff)) {
2180         sv_setiv(re_trie_maxbuff, RE_TRIE_MAXBUF_INIT);
2181     }
2182     DEBUG_TRIE_COMPILE_r({
2183         PerlIO_printf( Perl_debug_log,
2184           "%*smake_trie start==%d, first==%d, last==%d, tail==%d depth=%d\n",
2185           (int)depth * 2 + 2, "",
2186           REG_NODE_NUM(startbranch),REG_NODE_NUM(first),
2187           REG_NODE_NUM(last), REG_NODE_NUM(tail), (int)depth);
2188     });
2189
2190    /* Find the node we are going to overwrite */
2191     if ( first == startbranch && OP( last ) != BRANCH ) {
2192         /* whole branch chain */
2193         convert = first;
2194     } else {
2195         /* branch sub-chain */
2196         convert = NEXTOPER( first );
2197     }
2198
2199     /*  -- First loop and Setup --
2200
2201        We first traverse the branches and scan each word to determine if it
2202        contains widechars, and how many unique chars there are, this is
2203        important as we have to build a table with at least as many columns as we
2204        have unique chars.
2205
2206        We use an array of integers to represent the character codes 0..255
2207        (trie->charmap) and we use a an HV* to store Unicode characters. We use
2208        the native representation of the character value as the key and IV's for
2209        the coded index.
2210
2211        *TODO* If we keep track of how many times each character is used we can
2212        remap the columns so that the table compression later on is more
2213        efficient in terms of memory by ensuring the most common value is in the
2214        middle and the least common are on the outside.  IMO this would be better
2215        than a most to least common mapping as theres a decent chance the most
2216        common letter will share a node with the least common, meaning the node
2217        will not be compressible. With a middle is most common approach the worst
2218        case is when we have the least common nodes twice.
2219
2220      */
2221
2222     for ( cur = first ; cur < last ; cur = regnext( cur ) ) {
2223         regnode *noper = NEXTOPER( cur );
2224         const U8 *uc = (U8*)STRING( noper );
2225         const U8 *e  = uc + STR_LEN( noper );
2226         int foldlen = 0;
2227         U32 wordlen      = 0;         /* required init */
2228         STRLEN minchars = 0;
2229         STRLEN maxchars = 0;
2230         bool set_bit = trie->bitmap ? 1 : 0; /*store the first char in the
2231                                                bitmap?*/
2232
2233         if (OP(noper) == NOTHING) {
2234             regnode *noper_next= regnext(noper);
2235             if (noper_next != tail && OP(noper_next) == flags) {
2236                 noper = noper_next;
2237                 uc= (U8*)STRING(noper);
2238                 e= uc + STR_LEN(noper);
2239                 trie->minlen= STR_LEN(noper);
2240             } else {
2241                 trie->minlen= 0;
2242                 continue;
2243             }
2244         }
2245
2246         if ( set_bit ) { /* bitmap only alloced when !(UTF&&Folding) */
2247             TRIE_BITMAP_SET(trie,*uc); /* store the raw first byte
2248                                           regardless of encoding */
2249             if (OP( noper ) == EXACTFU_SS) {
2250                 /* false positives are ok, so just set this */
2251                 TRIE_BITMAP_SET(trie, LATIN_SMALL_LETTER_SHARP_S);
2252             }
2253         }
2254         for ( ; uc < e ; uc += len ) {  /* Look at each char in the current
2255                                            branch */
2256             TRIE_CHARCOUNT(trie)++;
2257             TRIE_READ_CHAR;
2258
2259             /* TRIE_READ_CHAR returns the current character, or its fold if /i
2260              * is in effect.  Under /i, this character can match itself, or
2261              * anything that folds to it.  If not under /i, it can match just
2262              * itself.  Most folds are 1-1, for example k, K, and KELVIN SIGN
2263              * all fold to k, and all are single characters.   But some folds
2264              * expand to more than one character, so for example LATIN SMALL
2265              * LIGATURE FFI folds to the three character sequence 'ffi'.  If
2266              * the string beginning at 'uc' is 'ffi', it could be matched by
2267              * three characters, or just by the one ligature character. (It
2268              * could also be matched by two characters: LATIN SMALL LIGATURE FF
2269              * followed by 'i', or by 'f' followed by LATIN SMALL LIGATURE FI).
2270              * (Of course 'I' and/or 'F' instead of 'i' and 'f' can also
2271              * match.)  The trie needs to know the minimum and maximum number
2272              * of characters that could match so that it can use size alone to
2273              * quickly reject many match attempts.  The max is simple: it is
2274              * the number of folded characters in this branch (since a fold is
2275              * never shorter than what folds to it. */
2276
2277             maxchars++;
2278
2279             /* And the min is equal to the max if not under /i (indicated by
2280              * 'folder' being NULL), or there are no multi-character folds.  If
2281              * there is a multi-character fold, the min is incremented just
2282              * once, for the character that folds to the sequence.  Each
2283              * character in the sequence needs to be added to the list below of
2284              * characters in the trie, but we count only the first towards the
2285              * min number of characters needed.  This is done through the
2286              * variable 'foldlen', which is returned by the macros that look
2287              * for these sequences as the number of bytes the sequence
2288              * occupies.  Each time through the loop, we decrement 'foldlen' by
2289              * how many bytes the current char occupies.  Only when it reaches
2290              * 0 do we increment 'minchars' or look for another multi-character
2291              * sequence. */
2292             if (folder == NULL) {
2293                 minchars++;
2294             }
2295             else if (foldlen > 0) {
2296                 foldlen -= (UTF) ? UTF8SKIP(uc) : 1;
2297             }
2298             else {
2299                 minchars++;
2300
2301                 /* See if *uc is the beginning of a multi-character fold.  If
2302                  * so, we decrement the length remaining to look at, to account
2303                  * for the current character this iteration.  (We can use 'uc'
2304                  * instead of the fold returned by TRIE_READ_CHAR because for
2305                  * non-UTF, the latin1_safe macro is smart enough to account
2306                  * for all the unfolded characters, and because for UTF, the
2307                  * string will already have been folded earlier in the
2308                  * compilation process */
2309                 if (UTF) {
2310                     if ((foldlen = is_MULTI_CHAR_FOLD_utf8_safe(uc, e))) {
2311                         foldlen -= UTF8SKIP(uc);
2312                     }
2313                 }
2314                 else if ((foldlen = is_MULTI_CHAR_FOLD_latin1_safe(uc, e))) {
2315                     foldlen--;
2316                 }
2317             }
2318
2319             /* The current character (and any potential folds) should be added
2320              * to the possible matching characters for this position in this
2321              * branch */
2322             if ( uvc < 256 ) {
2323                 if ( folder ) {
2324                     U8 folded= folder[ (U8) uvc ];
2325                     if ( !trie->charmap[ folded ] ) {
2326                         trie->charmap[ folded ]=( ++trie->uniquecharcount );
2327                         TRIE_STORE_REVCHAR( folded );
2328                     }
2329                 }
2330                 if ( !trie->charmap[ uvc ] ) {
2331                     trie->charmap[ uvc ]=( ++trie->uniquecharcount );
2332                     TRIE_STORE_REVCHAR( uvc );
2333                 }
2334                 if ( set_bit ) {
2335                     /* store the codepoint in the bitmap, and its folded
2336                      * equivalent. */
2337                     TRIE_BITMAP_SET(trie, uvc);
2338
2339                     /* store the folded codepoint */
2340                     if ( folder ) TRIE_BITMAP_SET(trie, folder[(U8) uvc ]);
2341
2342                     if ( !UTF ) {
2343                         /* store first byte of utf8 representation of
2344                            variant codepoints */
2345                         if (! UVCHR_IS_INVARIANT(uvc)) {
2346                             TRIE_BITMAP_SET(trie, UTF8_TWO_BYTE_HI(uvc));
2347                         }
2348                     }
2349                     set_bit = 0; /* We've done our bit :-) */
2350                 }
2351             } else {
2352
2353                 /* XXX We could come up with the list of code points that fold
2354                  * to this using PL_utf8_foldclosures, except not for
2355                  * multi-char folds, as there may be multiple combinations
2356                  * there that could work, which needs to wait until runtime to
2357                  * resolve (The comment about LIGATURE FFI above is such an
2358                  * example */
2359
2360                 SV** svpp;
2361                 if ( !widecharmap )
2362                     widecharmap = newHV();
2363
2364                 svpp = hv_fetch( widecharmap, (char*)&uvc, sizeof( UV ), 1 );
2365
2366                 if ( !svpp )
2367                     Perl_croak( aTHX_ "error creating/fetching widecharmap entry for 0x%"UVXf, uvc );
2368
2369                 if ( !SvTRUE( *svpp ) ) {
2370                     sv_setiv( *svpp, ++trie->uniquecharcount );
2371                     TRIE_STORE_REVCHAR(uvc);
2372                 }
2373             }
2374         } /* end loop through characters in this branch of the trie */
2375
2376         /* We take the min and max for this branch and combine to find the min
2377          * and max for all branches processed so far */
2378         if( cur == first ) {
2379             trie->minlen = minchars;
2380             trie->maxlen = maxchars;
2381         } else if (minchars < trie->minlen) {
2382             trie->minlen = minchars;
2383         } else if (maxchars > trie->maxlen) {
2384             trie->maxlen = maxchars;
2385         }
2386     } /* end first pass */
2387     DEBUG_TRIE_COMPILE_r(
2388         PerlIO_printf( Perl_debug_log,
2389                 "%*sTRIE(%s): W:%d C:%d Uq:%d Min:%d Max:%d\n",
2390                 (int)depth * 2 + 2,"",
2391                 ( widecharmap ? "UTF8" : "NATIVE" ), (int)word_count,
2392                 (int)TRIE_CHARCOUNT(trie), trie->uniquecharcount,
2393                 (int)trie->minlen, (int)trie->maxlen )
2394     );
2395
2396     /*
2397         We now know what we are dealing with in terms of unique chars and
2398         string sizes so we can calculate how much memory a naive
2399         representation using a flat table  will take. If it's over a reasonable
2400         limit (as specified by ${^RE_TRIE_MAXBUF}) we use a more memory
2401         conservative but potentially much slower representation using an array
2402         of lists.
2403
2404         At the end we convert both representations into the same compressed
2405         form that will be used in regexec.c for matching with. The latter
2406         is a form that cannot be used to construct with but has memory
2407         properties similar to the list form and access properties similar
2408         to the table form making it both suitable for fast searches and
2409         small enough that its feasable to store for the duration of a program.
2410
2411         See the comment in the code where the compressed table is produced
2412         inplace from the flat tabe representation for an explanation of how
2413         the compression works.
2414
2415     */
2416
2417
2418     Newx(prev_states, TRIE_CHARCOUNT(trie) + 2, U32);
2419     prev_states[1] = 0;
2420
2421     if ( (IV)( ( TRIE_CHARCOUNT(trie) + 1 ) * trie->uniquecharcount + 1)
2422                                                     > SvIV(re_trie_maxbuff) )
2423     {
2424         /*
2425             Second Pass -- Array Of Lists Representation
2426
2427             Each state will be represented by a list of charid:state records
2428             (reg_trie_trans_le) the first such element holds the CUR and LEN
2429             points of the allocated array. (See defines above).
2430
2431             We build the initial structure using the lists, and then convert
2432             it into the compressed table form which allows faster lookups
2433             (but cant be modified once converted).
2434         */
2435
2436         STRLEN transcount = 1;
2437
2438         DEBUG_TRIE_COMPILE_MORE_r( PerlIO_printf( Perl_debug_log,
2439             "%*sCompiling trie using list compiler\n",
2440             (int)depth * 2 + 2, ""));
2441
2442         trie->states = (reg_trie_state *)
2443             PerlMemShared_calloc( TRIE_CHARCOUNT(trie) + 2,
2444                                   sizeof(reg_trie_state) );
2445         TRIE_LIST_NEW(1);
2446         next_alloc = 2;
2447
2448         for ( cur = first ; cur < last ; cur = regnext( cur ) ) {
2449
2450             regnode *noper   = NEXTOPER( cur );
2451             U8 *uc           = (U8*)STRING( noper );
2452             const U8 *e      = uc + STR_LEN( noper );
2453             U32 state        = 1;         /* required init */
2454             U16 charid       = 0;         /* sanity init */
2455             U32 wordlen      = 0;         /* required init */
2456
2457             if (OP(noper) == NOTHING) {
2458                 regnode *noper_next= regnext(noper);
2459                 if (noper_next != tail && OP(noper_next) == flags) {
2460                     noper = noper_next;
2461                     uc= (U8*)STRING(noper);
2462                     e= uc + STR_LEN(noper);
2463                 }
2464             }
2465
2466             if (OP(noper) != NOTHING) {
2467                 for ( ; uc < e ; uc += len ) {
2468
2469                     TRIE_READ_CHAR;
2470
2471                     if ( uvc < 256 ) {
2472                         charid = trie->charmap[ uvc ];
2473                     } else {
2474                         SV** const svpp = hv_fetch( widecharmap,
2475                                                     (char*)&uvc,
2476                                                     sizeof( UV ),
2477                                                     0);
2478                         if ( !svpp ) {
2479                             charid = 0;
2480                         } else {
2481                             charid=(U16)SvIV( *svpp );
2482                         }
2483                     }
2484                     /* charid is now 0 if we dont know the char read, or
2485                      * nonzero if we do */
2486                     if ( charid ) {
2487
2488                         U16 check;
2489                         U32 newstate = 0;
2490
2491                         charid--;
2492                         if ( !trie->states[ state ].trans.list ) {
2493                             TRIE_LIST_NEW( state );
2494                         }
2495                         for ( check = 1;
2496                               check <= TRIE_LIST_USED( state );
2497                               check++ )
2498                         {
2499                             if ( TRIE_LIST_ITEM( state, check ).forid
2500                                                                     == charid )
2501                             {
2502                                 newstate = TRIE_LIST_ITEM( state, check ).newstate;
2503                                 break;
2504                             }
2505                         }
2506                         if ( ! newstate ) {
2507                             newstate = next_alloc++;
2508                             prev_states[newstate] = state;
2509                             TRIE_LIST_PUSH( state, charid, newstate );
2510                             transcount++;
2511                         }
2512                         state = newstate;
2513                     } else {
2514                         Perl_croak( aTHX_ "panic! In trie construction, no char mapping for %"IVdf, uvc );
2515                     }
2516                 }
2517             }
2518             TRIE_HANDLE_WORD(state);
2519
2520         } /* end second pass */
2521
2522         /* next alloc is the NEXT state to be allocated */
2523         trie->statecount = next_alloc;
2524         trie->states = (reg_trie_state *)
2525             PerlMemShared_realloc( trie->states,
2526                                    next_alloc
2527                                    * sizeof(reg_trie_state) );
2528
2529         /* and now dump it out before we compress it */
2530         DEBUG_TRIE_COMPILE_MORE_r(dump_trie_interim_list(trie, widecharmap,
2531                                                          revcharmap, next_alloc,
2532                                                          depth+1)
2533         );
2534
2535         trie->trans = (reg_trie_trans *)
2536             PerlMemShared_calloc( transcount, sizeof(reg_trie_trans) );
2537         {
2538             U32 state;
2539             U32 tp = 0;
2540             U32 zp = 0;
2541
2542
2543             for( state=1 ; state < next_alloc ; state ++ ) {
2544                 U32 base=0;
2545
2546                 /*
2547                 DEBUG_TRIE_COMPILE_MORE_r(
2548                     PerlIO_printf( Perl_debug_log, "tp: %d zp: %d ",tp,zp)
2549                 );
2550                 */
2551
2552                 if (trie->states[state].trans.list) {
2553                     U16 minid=TRIE_LIST_ITEM( state, 1).forid;
2554                     U16 maxid=minid;
2555                     U16 idx;
2556
2557                     for( idx = 2 ; idx <= TRIE_LIST_USED( state ) ; idx++ ) {
2558                         const U16 forid = TRIE_LIST_ITEM( state, idx).forid;
2559                         if ( forid < minid ) {
2560                             minid=forid;
2561                         } else if ( forid > maxid ) {
2562                             maxid=forid;
2563                         }
2564                     }
2565                     if ( transcount < tp + maxid - minid + 1) {
2566                         transcount *= 2;
2567                         trie->trans = (reg_trie_trans *)
2568                             PerlMemShared_realloc( trie->trans,
2569                                                      transcount
2570                                                      * sizeof(reg_trie_trans) );
2571                         Zero( trie->trans + (transcount / 2),
2572                               transcount / 2,
2573                               reg_trie_trans );
2574                     }
2575                     base = trie->uniquecharcount + tp - minid;
2576                     if ( maxid == minid ) {
2577                         U32 set = 0;
2578                         for ( ; zp < tp ; zp++ ) {
2579                             if ( ! trie->trans[ zp ].next ) {
2580                                 base = trie->uniquecharcount + zp - minid;
2581                                 trie->trans[ zp ].next = TRIE_LIST_ITEM( state,
2582                                                                    1).newstate;
2583                                 trie->trans[ zp ].check = state;
2584                                 set = 1;
2585                                 break;
2586                             }
2587                         }
2588                         if ( !set ) {
2589                             trie->trans[ tp ].next = TRIE_LIST_ITEM( state,
2590                                                                    1).newstate;
2591                             trie->trans[ tp ].check = state;
2592                             tp++;
2593                             zp = tp;
2594                         }
2595                     } else {
2596                         for ( idx=1; idx <= TRIE_LIST_USED( state ) ; idx++ ) {
2597                             const U32 tid = base
2598                                            - trie->uniquecharcount
2599                                            + TRIE_LIST_ITEM( state, idx ).forid;
2600                             trie->trans[ tid ].next = TRIE_LIST_ITEM( state,
2601                                                                 idx ).newstate;
2602                             trie->trans[ tid ].check = state;
2603                         }
2604                         tp += ( maxid - minid + 1 );
2605                     }
2606                     Safefree(trie->states[ state ].trans.list);
2607                 }
2608                 /*
2609                 DEBUG_TRIE_COMPILE_MORE_r(
2610                     PerlIO_printf( Perl_debug_log, " base: %d\n",base);
2611                 );
2612                 */
2613                 trie->states[ state ].trans.base=base;
2614             }
2615             trie->lasttrans = tp + 1;
2616         }
2617     } else {
2618         /*
2619            Second Pass -- Flat Table Representation.
2620
2621            we dont use the 0 slot of either trans[] or states[] so we add 1 to
2622            each.  We know that we will need Charcount+1 trans at most to store
2623            the data (one row per char at worst case) So we preallocate both
2624            structures assuming worst case.
2625
2626            We then construct the trie using only the .next slots of the entry
2627            structs.
2628
2629            We use the .check field of the first entry of the node temporarily
2630            to make compression both faster and easier by keeping track of how
2631            many non zero fields are in the node.
2632
2633            Since trans are numbered from 1 any 0 pointer in the table is a FAIL
2634            transition.
2635
2636            There are two terms at use here: state as a TRIE_NODEIDX() which is
2637            a number representing the first entry of the node, and state as a
2638            TRIE_NODENUM() which is the trans number. state 1 is TRIE_NODEIDX(1)
2639            and TRIE_NODENUM(1), state 2 is TRIE_NODEIDX(2) and TRIE_NODENUM(3)
2640            if there are 2 entrys per node. eg:
2641
2642              A B       A B
2643           1. 2 4    1. 3 7
2644           2. 0 3    3. 0 5
2645           3. 0 0    5. 0 0
2646           4. 0 0    7. 0 0
2647
2648            The table is internally in the right hand, idx form. However as we
2649            also have to deal with the states array which is indexed by nodenum
2650            we have to use TRIE_NODENUM() to convert.
2651
2652         */
2653         DEBUG_TRIE_COMPILE_MORE_r( PerlIO_printf( Perl_debug_log,
2654             "%*sCompiling trie using table compiler\n",
2655             (int)depth * 2 + 2, ""));
2656
2657         trie->trans = (reg_trie_trans *)
2658             PerlMemShared_calloc( ( TRIE_CHARCOUNT(trie) + 1 )
2659                                   * trie->uniquecharcount + 1,
2660                                   sizeof(reg_trie_trans) );
2661         trie->states = (reg_trie_state *)
2662             PerlMemShared_calloc( TRIE_CHARCOUNT(trie) + 2,
2663                                   sizeof(reg_trie_state) );
2664         next_alloc = trie->uniquecharcount + 1;
2665
2666
2667         for ( cur = first ; cur < last ; cur = regnext( cur ) ) {
2668
2669             regnode *noper   = NEXTOPER( cur );
2670             const U8 *uc     = (U8*)STRING( noper );
2671             const U8 *e      = uc + STR_LEN( noper );
2672
2673             U32 state        = 1;         /* required init */
2674
2675             U16 charid       = 0;         /* sanity init */
2676             U32 accept_state = 0;         /* sanity init */
2677
2678             U32 wordlen      = 0;         /* required init */
2679
2680             if (OP(noper) == NOTHING) {
2681                 regnode *noper_next= regnext(noper);
2682                 if (noper_next != tail && OP(noper_next) == flags) {
2683                     noper = noper_next;
2684                     uc= (U8*)STRING(noper);
2685                     e= uc + STR_LEN(noper);
2686                 }
2687             }
2688
2689             if ( OP(noper) != NOTHING ) {
2690                 for ( ; uc < e ; uc += len ) {
2691
2692                     TRIE_READ_CHAR;
2693
2694                     if ( uvc < 256 ) {
2695                         charid = trie->charmap[ uvc ];
2696                     } else {
2697                         SV* const * const svpp = hv_fetch( widecharmap,
2698                                                            (char*)&uvc,
2699                                                            sizeof( UV ),
2700                                                            0);
2701                         charid = svpp ? (U16)SvIV(*svpp) : 0;
2702                     }
2703                     if ( charid ) {
2704                         charid--;
2705                         if ( !trie->trans[ state + charid ].next ) {
2706                             trie->trans[ state + charid ].next = next_alloc;
2707                             trie->trans[ state ].check++;
2708                             prev_states[TRIE_NODENUM(next_alloc)]
2709                                     = TRIE_NODENUM(state);
2710                             next_alloc += trie->uniquecharcount;
2711                         }
2712                         state = trie->trans[ state + charid ].next;
2713                     } else {
2714                         Perl_croak( aTHX_ "panic! In trie construction, no char mapping for %"IVdf, uvc );
2715                     }
2716                     /* charid is now 0 if we dont know the char read, or
2717                      * nonzero if we do */
2718                 }
2719             }
2720             accept_state = TRIE_NODENUM( state );
2721             TRIE_HANDLE_WORD(accept_state);
2722
2723         } /* end second pass */
2724
2725         /* and now dump it out before we compress it */
2726         DEBUG_TRIE_COMPILE_MORE_r(dump_trie_interim_table(trie, widecharmap,
2727                                                           revcharmap,
2728                                                           next_alloc, depth+1));
2729
2730         {
2731         /*
2732            * Inplace compress the table.*
2733
2734            For sparse data sets the table constructed by the trie algorithm will
2735            be mostly 0/FAIL transitions or to put it another way mostly empty.
2736            (Note that leaf nodes will not contain any transitions.)
2737
2738            This algorithm compresses the tables by eliminating most such
2739            transitions, at the cost of a modest bit of extra work during lookup:
2740
2741            - Each states[] entry contains a .base field which indicates the
2742            index in the state[] array wheres its transition data is stored.
2743
2744            - If .base is 0 there are no valid transitions from that node.
2745
2746            - If .base is nonzero then charid is added to it to find an entry in
2747            the trans array.
2748
2749            -If trans[states[state].base+charid].check!=state then the
2750            transition is taken to be a 0/Fail transition. Thus if there are fail
2751            transitions at the front of the node then the .base offset will point
2752            somewhere inside the previous nodes data (or maybe even into a node
2753            even earlier), but the .check field determines if the transition is
2754            valid.
2755
2756            XXX - wrong maybe?
2757            The following process inplace converts the table to the compressed
2758            table: We first do not compress the root node 1,and mark all its
2759            .check pointers as 1 and set its .base pointer as 1 as well. This
2760            allows us to do a DFA construction from the compressed table later,
2761            and ensures that any .base pointers we calculate later are greater
2762            than 0.
2763
2764            - We set 'pos' to indicate the first entry of the second node.
2765
2766            - We then iterate over the columns of the node, finding the first and
2767            last used entry at l and m. We then copy l..m into pos..(pos+m-l),
2768            and set the .check pointers accordingly, and advance pos
2769            appropriately and repreat for the next node. Note that when we copy
2770            the next pointers we have to convert them from the original
2771            NODEIDX form to NODENUM form as the former is not valid post
2772            compression.
2773
2774            - If a node has no transitions used we mark its base as 0 and do not
2775            advance the pos pointer.
2776
2777            - If a node only has one transition we use a second pointer into the
2778            structure to fill in allocated fail transitions from other states.
2779            This pointer is independent of the main pointer and scans forward
2780            looking for null transitions that are allocated to a state. When it
2781            finds one it writes the single transition into the "hole".  If the
2782            pointer doesnt find one the single transition is appended as normal.
2783
2784            - Once compressed we can Renew/realloc the structures to release the
2785            excess space.
2786
2787            See "Table-Compression Methods" in sec 3.9 of the Red Dragon,
2788            specifically Fig 3.47 and the associated pseudocode.
2789
2790            demq
2791         */
2792         const U32 laststate = TRIE_NODENUM( next_alloc );
2793         U32 state, charid;
2794         U32 pos = 0, zp=0;
2795         trie->statecount = laststate;
2796
2797         for ( state = 1 ; state < laststate ; state++ ) {
2798             U8 flag = 0;
2799             const U32 stateidx = TRIE_NODEIDX( state );
2800             const U32 o_used = trie->trans[ stateidx ].check;
2801             U32 used = trie->trans[ stateidx ].check;
2802             trie->trans[ stateidx ].check = 0;
2803
2804             for ( charid = 0;
2805                   used && charid < trie->uniquecharcount;
2806                   charid++ )
2807             {
2808                 if ( flag || trie->trans[ stateidx + charid ].next ) {
2809                     if ( trie->trans[ stateidx + charid ].next ) {
2810                         if (o_used == 1) {
2811                             for ( ; zp < pos ; zp++ ) {
2812                                 if ( ! trie->trans[ zp ].next ) {
2813                                     break;
2814                                 }
2815                             }
2816                             trie->states[ state ].trans.base
2817                                                     = zp
2818                                                       + trie->uniquecharcount
2819                                                       - charid ;
2820                             trie->trans[ zp ].next
2821                                 = SAFE_TRIE_NODENUM( trie->trans[ stateidx
2822                                                              + charid ].next );
2823                             trie->trans[ zp ].check = state;
2824                             if ( ++zp > pos ) pos = zp;
2825                             break;
2826                         }
2827                         used--;
2828                     }
2829                     if ( !flag ) {
2830                         flag = 1;
2831                         trie->states[ state ].trans.base
2832                                        = pos + trie->uniquecharcount - charid ;
2833                     }
2834                     trie->trans[ pos ].next
2835                         = SAFE_TRIE_NODENUM(
2836                                        trie->trans[ stateidx + charid ].next );
2837                     trie->trans[ pos ].check = state;
2838                     pos++;
2839                 }
2840             }
2841         }
2842         trie->lasttrans = pos + 1;
2843         trie->states = (reg_trie_state *)
2844             PerlMemShared_realloc( trie->states, laststate
2845                                    * sizeof(reg_trie_state) );
2846         DEBUG_TRIE_COMPILE_MORE_r(
2847             PerlIO_printf( Perl_debug_log,
2848                 "%*sAlloc: %d Orig: %"IVdf" elements, Final:%"IVdf". Savings of %%%5.2f\n",
2849                 (int)depth * 2 + 2,"",
2850                 (int)( ( TRIE_CHARCOUNT(trie) + 1 ) * trie->uniquecharcount
2851                        + 1 ),
2852                 (IV)next_alloc,
2853                 (IV)pos,
2854                 ( ( next_alloc - pos ) * 100 ) / (double)next_alloc );
2855             );
2856
2857         } /* end table compress */
2858     }
2859     DEBUG_TRIE_COMPILE_MORE_r(
2860             PerlIO_printf(Perl_debug_log,
2861                 "%*sStatecount:%"UVxf" Lasttrans:%"UVxf"\n",
2862                 (int)depth * 2 + 2, "",
2863                 (UV)trie->statecount,
2864                 (UV)trie->lasttrans)
2865     );
2866     /* resize the trans array to remove unused space */
2867     trie->trans = (reg_trie_trans *)
2868         PerlMemShared_realloc( trie->trans, trie->lasttrans
2869                                * sizeof(reg_trie_trans) );
2870
2871     {   /* Modify the program and insert the new TRIE node */
2872         U8 nodetype =(U8)(flags & 0xFF);
2873         char *str=NULL;
2874
2875 #ifdef DEBUGGING
2876         regnode *optimize = NULL;
2877 #ifdef RE_TRACK_PATTERN_OFFSETS
2878
2879         U32 mjd_offset = 0;
2880         U32 mjd_nodelen = 0;
2881 #endif /* RE_TRACK_PATTERN_OFFSETS */
2882 #endif /* DEBUGGING */
2883         /*
2884            This means we convert either the first branch or the first Exact,
2885            depending on whether the thing following (in 'last') is a branch
2886            or not and whther first is the startbranch (ie is it a sub part of
2887            the alternation or is it the whole thing.)
2888            Assuming its a sub part we convert the EXACT otherwise we convert
2889            the whole branch sequence, including the first.
2890          */
2891         /* Find the node we are going to overwrite */
2892         if ( first != startbranch || OP( last ) == BRANCH ) {
2893             /* branch sub-chain */
2894             NEXT_OFF( first ) = (U16)(last - first);
2895 #ifdef RE_TRACK_PATTERN_OFFSETS
2896             DEBUG_r({
2897                 mjd_offset= Node_Offset((convert));
2898                 mjd_nodelen= Node_Length((convert));
2899             });
2900 #endif
2901             /* whole branch chain */
2902         }
2903 #ifdef RE_TRACK_PATTERN_OFFSETS
2904         else {
2905             DEBUG_r({
2906                 const  regnode *nop = NEXTOPER( convert );
2907                 mjd_offset= Node_Offset((nop));
2908                 mjd_nodelen= Node_Length((nop));
2909             });
2910         }
2911         DEBUG_OPTIMISE_r(
2912             PerlIO_printf(Perl_debug_log,
2913                 "%*sMJD offset:%"UVuf" MJD length:%"UVuf"\n",
2914                 (int)depth * 2 + 2, "",
2915                 (UV)mjd_offset, (UV)mjd_nodelen)
2916         );
2917 #endif
2918         /* But first we check to see if there is a common prefix we can
2919            split out as an EXACT and put in front of the TRIE node.  */
2920         trie->startstate= 1;
2921         if ( trie->bitmap && !widecharmap && !trie->jump  ) {
2922             U32 state;
2923             for ( state = 1 ; state < trie->statecount-1 ; state++ ) {
2924                 U32 ofs = 0;
2925                 I32 idx = -1;
2926                 U32 count = 0;
2927                 const U32 base = trie->states[ state ].trans.base;
2928
2929                 if ( trie->states[state].wordnum )
2930                         count = 1;
2931
2932                 for ( ofs = 0 ; ofs < trie->uniquecharcount ; ofs++ ) {
2933                     if ( ( base + ofs >= trie->uniquecharcount ) &&
2934                          ( base + ofs - trie->uniquecharcount < trie->lasttrans ) &&
2935                          trie->trans[ base + ofs - trie->uniquecharcount ].check == state )
2936                     {
2937                         if ( ++count > 1 ) {
2938                             SV **tmp = av_fetch( revcharmap, ofs, 0);
2939                             const U8 *ch = (U8*)SvPV_nolen_const( *tmp );
2940                             if ( state == 1 ) break;
2941                             if ( count == 2 ) {
2942                                 Zero(trie->bitmap, ANYOF_BITMAP_SIZE, char);
2943                                 DEBUG_OPTIMISE_r(
2944                                     PerlIO_printf(Perl_debug_log,
2945                                         "%*sNew Start State=%"UVuf" Class: [",
2946                                         (int)depth * 2 + 2, "",
2947                                         (UV)state));
2948                                 if (idx >= 0) {
2949                                     SV ** const tmp = av_fetch( revcharmap, idx, 0);
2950                                     const U8 * const ch = (U8*)SvPV_nolen_const( *tmp );
2951
2952                                     TRIE_BITMAP_SET(trie,*ch);
2953                                     if ( folder )
2954                                         TRIE_BITMAP_SET(trie, folder[ *ch ]);
2955                                     DEBUG_OPTIMISE_r(
2956                                         PerlIO_printf(Perl_debug_log, "%s", (char*)ch)
2957                                     );
2958                                 }
2959                             }
2960                             TRIE_BITMAP_SET(trie,*ch);
2961                             if ( folder )
2962                                 TRIE_BITMAP_SET(trie,folder[ *ch ]);
2963                             DEBUG_OPTIMISE_r(PerlIO_printf( Perl_debug_log,"%s", ch));
2964                         }
2965                         idx = ofs;
2966                     }
2967                 }
2968                 if ( count == 1 ) {
2969                     SV **tmp = av_fetch( revcharmap, idx, 0);
2970                     STRLEN len;
2971                     char *ch = SvPV( *tmp, len );
2972                     DEBUG_OPTIMISE_r({
2973                         SV *sv=sv_newmortal();
2974                         PerlIO_printf( Perl_debug_log,
2975                             "%*sPrefix State: %"UVuf" Idx:%"UVuf" Char='%s'\n",
2976                             (int)depth * 2 + 2, "",
2977                             (UV)state, (UV)idx,
2978                             pv_pretty(sv, SvPV_nolen_const(*tmp), SvCUR(*tmp), 6,
2979                                 PL_colors[0], PL_colors[1],
2980                                 (SvUTF8(*tmp) ? PERL_PV_ESCAPE_UNI : 0) |
2981                                 PERL_PV_ESCAPE_FIRSTCHAR
2982                             )
2983                         );
2984                     });
2985                     if ( state==1 ) {
2986                         OP( convert ) = nodetype;
2987                         str=STRING(convert);
2988                         STR_LEN(convert)=0;
2989                     }
2990                     STR_LEN(convert) += len;
2991                     while (len--)
2992                         *str++ = *ch++;
2993                 } else {
2994 #ifdef DEBUGGING
2995                     if (state>1)
2996                         DEBUG_OPTIMISE_r(PerlIO_printf( Perl_debug_log,"]\n"));
2997 #endif
2998                     break;
2999                 }
3000             }
3001             trie->prefixlen = (state-1);
3002             if (str) {
3003                 regnode *n = convert+NODE_SZ_STR(convert);
3004                 NEXT_OFF(convert) = NODE_SZ_STR(convert);
3005                 trie->startstate = state;
3006                 trie->minlen -= (state - 1);
3007                 trie->maxlen -= (state - 1);
3008 #ifdef DEBUGGING
3009                /* At least the UNICOS C compiler choked on this
3010                 * being argument to DEBUG_r(), so let's just have
3011                 * it right here. */
3012                if (
3013 #ifdef PERL_EXT_RE_BUILD
3014                    1
3015 #else
3016                    DEBUG_r_TEST
3017 #endif
3018                    ) {
3019                    regnode *fix = convert;
3020                    U32 word = trie->wordcount;
3021                    mjd_nodelen++;
3022                    Set_Node_Offset_Length(convert, mjd_offset, state - 1);
3023                    while( ++fix < n ) {
3024                        Set_Node_Offset_Length(fix, 0, 0);
3025                    }
3026                    while (word--) {
3027                        SV ** const tmp = av_fetch( trie_words, word, 0 );
3028                        if (tmp) {
3029                            if ( STR_LEN(convert) <= SvCUR(*tmp) )
3030                                sv_chop(*tmp, SvPV_nolen(*tmp) + STR_LEN(convert));
3031                            else
3032                                sv_chop(*tmp, SvPV_nolen(*tmp) + SvCUR(*tmp));
3033                        }
3034                    }
3035                }
3036 #endif
3037                 if (trie->maxlen) {
3038                     convert = n;
3039                 } else {
3040                     NEXT_OFF(convert) = (U16)(tail - convert);
3041                     DEBUG_r(optimize= n);
3042                 }
3043             }
3044         }
3045         if (!jumper)
3046             jumper = last;
3047         if ( trie->maxlen ) {
3048             NEXT_OFF( convert ) = (U16)(tail - convert);
3049             ARG_SET( convert, data_slot );
3050             /* Store the offset to the first unabsorbed branch in
3051                jump[0], which is otherwise unused by the jump logic.
3052                We use this when dumping a trie and during optimisation. */
3053             if (trie->jump)
3054                 trie->jump[0] = (U16)(nextbranch - convert);
3055
3056             /* If the start state is not accepting (meaning there is no empty string/NOTHING)
3057              *   and there is a bitmap
3058              *   and the first "jump target" node we found leaves enough room
3059              * then convert the TRIE node into a TRIEC node, with the bitmap
3060              * embedded inline in the opcode - this is hypothetically faster.
3061              */
3062             if ( !trie->states[trie->startstate].wordnum
3063                  && trie->bitmap
3064                  && ( (char *)jumper - (char *)convert) >= (int)sizeof(struct regnode_charclass) )
3065             {
3066                 OP( convert ) = TRIEC;
3067                 Copy(trie->bitmap, ((struct regnode_charclass *)convert)->bitmap, ANYOF_BITMAP_SIZE, char);
3068                 PerlMemShared_free(trie->bitmap);
3069                 trie->bitmap= NULL;
3070             } else
3071                 OP( convert ) = TRIE;
3072
3073             /* store the type in the flags */
3074             convert->flags = nodetype;
3075             DEBUG_r({
3076             optimize = convert
3077                       + NODE_STEP_REGNODE
3078                       + regarglen[ OP( convert ) ];
3079             });
3080             /* XXX We really should free up the resource in trie now,
3081                    as we won't use them - (which resources?) dmq */
3082         }
3083         /* needed for dumping*/
3084         DEBUG_r(if (optimize) {
3085             regnode *opt = convert;
3086
3087             while ( ++opt < optimize) {
3088                 Set_Node_Offset_Length(opt,0,0);
3089             }
3090             /*
3091                 Try to clean up some of the debris left after the
3092                 optimisation.
3093              */
3094             while( optimize < jumper ) {
3095                 mjd_nodelen += Node_Length((optimize));
3096                 OP( optimize ) = OPTIMIZED;
3097                 Set_Node_Offset_Length(optimize,0,0);
3098                 optimize++;
3099             }
3100             Set_Node_Offset_Length(convert,mjd_offset,mjd_nodelen);
3101         });
3102     } /* end node insert */
3103
3104     /*  Finish populating the prev field of the wordinfo array.  Walk back
3105      *  from each accept state until we find another accept state, and if
3106      *  so, point the first word's .prev field at the second word. If the
3107      *  second already has a .prev field set, stop now. This will be the
3108      *  case either if we've already processed that word's accept state,
3109      *  or that state had multiple words, and the overspill words were
3110      *  already linked up earlier.
3111      */
3112     {
3113         U16 word;
3114         U32 state;
3115         U16 prev;
3116
3117         for (word=1; word <= trie->wordcount; word++) {
3118             prev = 0;
3119             if (trie->wordinfo[word].prev)
3120                 continue;
3121             state = trie->wordinfo[word].accept;
3122             while (state) {
3123                 state = prev_states[state];
3124                 if (!state)
3125                     break;
3126                 prev = trie->states[state].wordnum;
3127                 if (prev)
3128                     break;
3129             }
3130             trie->wordinfo[word].prev = prev;
3131         }
3132         Safefree(prev_states);
3133     }
3134
3135
3136     /* and now dump out the compressed format */
3137     DEBUG_TRIE_COMPILE_r(dump_trie(trie, widecharmap, revcharmap, depth+1));
3138
3139     RExC_rxi->data->data[ data_slot + 1 ] = (void*)widecharmap;
3140 #ifdef DEBUGGING
3141     RExC_rxi->data->data[ data_slot + TRIE_WORDS_OFFSET ] = (void*)trie_words;
3142     RExC_rxi->data->data[ data_slot + 3 ] = (void*)revcharmap;
3143 #else
3144     SvREFCNT_dec_NN(revcharmap);
3145 #endif
3146     return trie->jump
3147            ? MADE_JUMP_TRIE
3148            : trie->startstate>1
3149              ? MADE_EXACT_TRIE
3150              : MADE_TRIE;
3151 }
3152
3153 STATIC regnode *
3154 S_construct_ahocorasick_from_trie(pTHX_ RExC_state_t *pRExC_state, regnode *source, U32 depth)
3155 {
3156 /* The Trie is constructed and compressed now so we can build a fail array if
3157  * it's needed
3158
3159    This is basically the Aho-Corasick algorithm. Its from exercise 3.31 and
3160    3.32 in the
3161    "Red Dragon" -- Compilers, principles, techniques, and tools. Aho, Sethi,
3162    Ullman 1985/88
3163    ISBN 0-201-10088-6
3164
3165    We find the fail state for each state in the trie, this state is the longest
3166    proper suffix of the current state's 'word' that is also a proper prefix of
3167    another word in our trie. State 1 represents the word '' and is thus the
3168    default fail state. This allows the DFA not to have to restart after its
3169    tried and failed a word at a given point, it simply continues as though it
3170    had been matching the other word in the first place.
3171    Consider
3172       'abcdgu'=~/abcdefg|cdgu/
3173    When we get to 'd' we are still matching the first word, we would encounter
3174    'g' which would fail, which would bring us to the state representing 'd' in
3175    the second word where we would try 'g' and succeed, proceeding to match
3176    'cdgu'.
3177  */
3178  /* add a fail transition */
3179     const U32 trie_offset = ARG(source);
3180     reg_trie_data *trie=(reg_trie_data *)RExC_rxi->data->data[trie_offset];
3181     U32 *q;
3182     const U32 ucharcount = trie->uniquecharcount;
3183     const U32 numstates = trie->statecount;
3184     const U32 ubound = trie->lasttrans + ucharcount;
3185     U32 q_read = 0;
3186     U32 q_write = 0;
3187     U32 charid;
3188     U32 base = trie->states[ 1 ].trans.base;
3189     U32 *fail;
3190     reg_ac_data *aho;
3191     const U32 data_slot = add_data( pRExC_state, STR_WITH_LEN("T"));
3192     regnode *stclass;
3193     GET_RE_DEBUG_FLAGS_DECL;
3194
3195     PERL_ARGS_ASSERT_CONSTRUCT_AHOCORASICK_FROM_TRIE;
3196     PERL_UNUSED_CONTEXT;
3197 #ifndef DEBUGGING
3198     PERL_UNUSED_ARG(depth);
3199 #endif
3200
3201     if ( OP(source) == TRIE ) {
3202         struct regnode_1 *op = (struct regnode_1 *)
3203             PerlMemShared_calloc(1, sizeof(struct regnode_1));
3204         StructCopy(source,op,struct regnode_1);
3205         stclass = (regnode *)op;
3206     } else {
3207         struct regnode_charclass *op = (struct regnode_charclass *)
3208             PerlMemShared_calloc(1, sizeof(struct regnode_charclass));
3209         StructCopy(source,op,struct regnode_charclass);
3210         stclass = (regnode *)op;
3211     }
3212     OP(stclass)+=2; /* convert the TRIE type to its AHO-CORASICK equivalent */
3213
3214     ARG_SET( stclass, data_slot );
3215     aho = (reg_ac_data *) PerlMemShared_calloc( 1, sizeof(reg_ac_data) );
3216     RExC_rxi->data->data[ data_slot ] = (void*)aho;
3217     aho->trie=trie_offset;
3218     aho->states=(reg_trie_state *)PerlMemShared_malloc( numstates * sizeof(reg_trie_state) );
3219     Copy( trie->states, aho->states, numstates, reg_trie_state );
3220     Newxz( q, numstates, U32);
3221     aho->fail = (U32 *) PerlMemShared_calloc( numstates, sizeof(U32) );
3222     aho->refcount = 1;
3223     fail = aho->fail;
3224     /* initialize fail[0..1] to be 1 so that we always have
3225        a valid final fail state */
3226     fail[ 0 ] = fail[ 1 ] = 1;
3227
3228     for ( charid = 0; charid < ucharcount ; charid++ ) {
3229         const U32 newstate = TRIE_TRANS_STATE( 1, base, ucharcount, charid, 0 );
3230         if ( newstate ) {
3231             q[ q_write ] = newstate;
3232             /* set to point at the root */
3233             fail[ q[ q_write++ ] ]=1;
3234         }
3235     }
3236     while ( q_read < q_write) {
3237         const U32 cur = q[ q_read++ % numstates ];
3238         base = trie->states[ cur ].trans.base;
3239
3240         for ( charid = 0 ; charid < ucharcount ; charid++ ) {
3241             const U32 ch_state = TRIE_TRANS_STATE( cur, base, ucharcount, charid, 1 );
3242             if (ch_state) {
3243                 U32 fail_state = cur;
3244                 U32 fail_base;
3245                 do {
3246                     fail_state = fail[ fail_state ];
3247                     fail_base = aho->states[ fail_state ].trans.base;
3248                 } while ( !TRIE_TRANS_STATE( fail_state, fail_base, ucharcount, charid, 1 ) );
3249
3250                 fail_state = TRIE_TRANS_STATE( fail_state, fail_base, ucharcount, charid, 1 );
3251                 fail[ ch_state ] = fail_state;
3252                 if ( !aho->states[ ch_state ].wordnum && aho->states[ fail_state ].wordnum )
3253                 {
3254                         aho->states[ ch_state ].wordnum =  aho->states[ fail_state ].wordnum;
3255                 }
3256                 q[ q_write++ % numstates] = ch_state;
3257             }
3258         }
3259     }
3260     /* restore fail[0..1] to 0 so that we "fall out" of the AC loop
3261        when we fail in state 1, this allows us to use the
3262        charclass scan to find a valid start char. This is based on the principle
3263        that theres a good chance the string being searched contains lots of stuff
3264        that cant be a start char.
3265      */
3266     fail[ 0 ] = fail[ 1 ] = 0;
3267     DEBUG_TRIE_COMPILE_r({
3268         PerlIO_printf(Perl_debug_log,
3269                       "%*sStclass Failtable (%"UVuf" states): 0",
3270                       (int)(depth * 2), "", (UV)numstates
3271         );
3272         for( q_read=1; q_read<numstates; q_read++ ) {
3273             PerlIO_printf(Perl_debug_log, ", %"UVuf, (UV)fail[q_read]);
3274         }
3275         PerlIO_printf(Perl_debug_log, "\n");
3276     });
3277     Safefree(q);
3278     /*RExC_seen |= REG_TRIEDFA_SEEN;*/
3279     return stclass;
3280 }
3281
3282
3283 #define DEBUG_PEEP(str,scan,depth) \
3284     DEBUG_OPTIMISE_r({if (scan){ \
3285        regnode *Next = regnext(scan); \
3286        regprop(RExC_rx, RExC_mysv, scan, NULL, pRExC_state); \
3287        PerlIO_printf(Perl_debug_log, "%*s" str ">%3d: %s (%d)", \
3288            (int)depth*2, "", REG_NODE_NUM(scan), SvPV_nolen_const(RExC_mysv),\
3289            Next ? (REG_NODE_NUM(Next)) : 0 ); \
3290        DEBUG_SHOW_STUDY_FLAGS(flags," [ ","]");\
3291        PerlIO_printf(Perl_debug_log, "\n"); \
3292    }});
3293
3294 /* The below joins as many adjacent EXACTish nodes as possible into a single
3295  * one.  The regop may be changed if the node(s) contain certain sequences that
3296  * require special handling.  The joining is only done if:
3297  * 1) there is room in the current conglomerated node to entirely contain the
3298  *    next one.
3299  * 2) they are the exact same node type
3300  *
3301  * The adjacent nodes actually may be separated by NOTHING-kind nodes, and
3302  * these get optimized out
3303  *
3304  * If a node is to match under /i (folded), the number of characters it matches
3305  * can be different than its character length if it contains a multi-character
3306  * fold.  *min_subtract is set to the total delta number of characters of the
3307  * input nodes.
3308  *
3309  * And *unfolded_multi_char is set to indicate whether or not the node contains
3310  * an unfolded multi-char fold.  This happens when whether the fold is valid or
3311  * not won't be known until runtime; namely for EXACTF nodes that contain LATIN
3312  * SMALL LETTER SHARP S, as only if the target string being matched against
3313  * turns out to be UTF-8 is that fold valid; and also for EXACTFL nodes whose
3314  * folding rules depend on the locale in force at runtime.  (Multi-char folds
3315  * whose components are all above the Latin1 range are not run-time locale
3316  * dependent, and have already been folded by the time this function is
3317  * called.)
3318  *
3319  * This is as good a place as any to discuss the design of handling these
3320  * multi-character fold sequences.  It's been wrong in Perl for a very long
3321  * time.  There are three code points in Unicode whose multi-character folds
3322  * were long ago discovered to mess things up.  The previous designs for
3323  * dealing with these involved assigning a special node for them.  This
3324  * approach doesn't always work, as evidenced by this example:
3325  *      "\xDFs" =~ /s\xDF/ui    # Used to fail before these patches
3326  * Both sides fold to "sss", but if the pattern is parsed to create a node that
3327  * would match just the \xDF, it won't be able to handle the case where a
3328  * successful match would have to cross the node's boundary.  The new approach
3329  * that hopefully generally solves the problem generates an EXACTFU_SS node
3330  * that is "sss" in this case.
3331  *
3332  * It turns out that there are problems with all multi-character folds, and not
3333  * just these three.  Now the code is general, for all such cases.  The
3334  * approach taken is:
3335  * 1)   This routine examines each EXACTFish node that could contain multi-
3336  *      character folded sequences.  Since a single character can fold into
3337  *      such a sequence, the minimum match length for this node is less than
3338  *      the number of characters in the node.  This routine returns in
3339  *      *min_subtract how many characters to subtract from the the actual
3340  *      length of the string to get a real minimum match length; it is 0 if
3341  *      there are no multi-char foldeds.  This delta is used by the caller to
3342  *      adjust the min length of the match, and the delta between min and max,
3343  *      so that the optimizer doesn't reject these possibilities based on size
3344  *      constraints.
3345  * 2)   For the sequence involving the Sharp s (\xDF), the node type EXACTFU_SS
3346  *      is used for an EXACTFU node that contains at least one "ss" sequence in
3347  *      it.  For non-UTF-8 patterns and strings, this is the only case where
3348  *      there is a possible fold length change.  That means that a regular
3349  *      EXACTFU node without UTF-8 involvement doesn't have to concern itself
3350  *      with length changes, and so can be processed faster.  regexec.c takes
3351  *      advantage of this.  Generally, an EXACTFish node that is in UTF-8 is
3352  *      pre-folded by regcomp.c (except EXACTFL, some of whose folds aren't
3353  *      known until runtime).  This saves effort in regex matching.  However,
3354  *      the pre-folding isn't done for non-UTF8 patterns because the fold of
3355  *      the MICRO SIGN requires UTF-8, and we don't want to slow things down by
3356  *      forcing the pattern into UTF8 unless necessary.  Also what EXACTF (and,
3357  *      again, EXACTFL) nodes fold to isn't known until runtime.  The fold
3358  *      possibilities for the non-UTF8 patterns are quite simple, except for
3359  *      the sharp s.  All the ones that don't involve a UTF-8 target string are
3360  *      members of a fold-pair, and arrays are set up for all of them so that
3361  *      the other member of the pair can be found quickly.  Code elsewhere in
3362  *      this file makes sure that in EXACTFU nodes, the sharp s gets folded to
3363  *      'ss', even if the pattern isn't UTF-8.  This avoids the issues
3364  *      described in the next item.
3365  * 3)   A problem remains for unfolded multi-char folds. (These occur when the
3366  *      validity of the fold won't be known until runtime, and so must remain
3367  *      unfolded for now.  This happens for the sharp s in EXACTF and EXACTFA
3368  *      nodes when the pattern isn't in UTF-8.  (Note, BTW, that there cannot
3369  *      be an EXACTF node with a UTF-8 pattern.)  They also occur for various
3370  *      folds in EXACTFL nodes, regardless of the UTF-ness of the pattern.)
3371  *      The reason this is a problem is that the optimizer part of regexec.c
3372  *      (probably unwittingly, in Perl_regexec_flags()) makes an assumption
3373  *      that a character in the pattern corresponds to at most a single
3374  *      character in the target string.  (And I do mean character, and not byte
3375  *      here, unlike other parts of the documentation that have never been
3376  *      updated to account for multibyte Unicode.)  sharp s in EXACTF and
3377  *      EXACTFL nodes can match the two character string 'ss'; in EXACTFA nodes
3378  *      it can match "\x{17F}\x{17F}".  These, along with other ones in EXACTFL
3379  *      nodes, violate the assumption, and they are the only instances where it
3380  *      is violated.  I'm reluctant to try to change the assumption, as the
3381  *      code involved is impenetrable to me (khw), so instead the code here
3382  *      punts.  This routine examines EXACTFL nodes, and (when the pattern
3383  *      isn't UTF-8) EXACTF and EXACTFA for such unfolded folds, and returns a
3384  *      boolean indicating whether or not the node contains such a fold.  When
3385  *      it is true, the caller sets a flag that later causes the optimizer in
3386  *      this file to not set values for the floating and fixed string lengths,
3387  *      and thus avoids the optimizer code in regexec.c that makes the invalid
3388  *      assumption.  Thus, there is no optimization based on string lengths for
3389  *      EXACTFL nodes that contain these few folds, nor for non-UTF8-pattern
3390  *      EXACTF and EXACTFA nodes that contain the sharp s.  (The reason the
3391  *      assumption is wrong only in these cases is that all other non-UTF-8
3392  *      folds are 1-1; and, for UTF-8 patterns, we pre-fold all other folds to
3393  *      their expanded versions.  (Again, we can't prefold sharp s to 'ss' in
3394  *      EXACTF nodes because we don't know at compile time if it actually
3395  *      matches 'ss' or not.  For EXACTF nodes it will match iff the target
3396  *      string is in UTF-8.  This is in contrast to EXACTFU nodes, where it
3397  *      always matches; and EXACTFA where it never does.  In an EXACTFA node in
3398  *      a UTF-8 pattern, sharp s is folded to "\x{17F}\x{17F}, avoiding the
3399  *      problem; but in a non-UTF8 pattern, folding it to that above-Latin1
3400  *      string would require the pattern to be forced into UTF-8, the overhead
3401  *      of which we want to avoid.  Similarly the unfolded multi-char folds in
3402  *      EXACTFL nodes will match iff the locale at the time of match is a UTF-8
3403  *      locale.)
3404  *
3405  *      Similarly, the code that generates tries doesn't currently handle
3406  *      not-already-folded multi-char folds, and it looks like a pain to change
3407  *      that.  Therefore, trie generation of EXACTFA nodes with the sharp s
3408  *      doesn't work.  Instead, such an EXACTFA is turned into a new regnode,
3409  *      EXACTFA_NO_TRIE, which the trie code knows not to handle.  Most people
3410  *      using /iaa matching will be doing so almost entirely with ASCII
3411  *      strings, so this should rarely be encountered in practice */
3412
3413 #define JOIN_EXACT(scan,min_subtract,unfolded_multi_char, flags) \
3414     if (PL_regkind[OP(scan)] == EXACT) \
3415         join_exact(pRExC_state,(scan),(min_subtract),unfolded_multi_char, (flags),NULL,depth+1)
3416
3417 STATIC U32
3418 S_join_exact(pTHX_ RExC_state_t *pRExC_state, regnode *scan,
3419                    UV *min_subtract, bool *unfolded_multi_char,
3420                    U32 flags,regnode *val, U32 depth)
3421 {
3422     /* Merge several consecutive EXACTish nodes into one. */
3423     regnode *n = regnext(scan);
3424     U32 stringok = 1;
3425     regnode *next = scan + NODE_SZ_STR(scan);
3426     U32 merged = 0;
3427     U32 stopnow = 0;
3428 #ifdef DEBUGGING
3429     regnode *stop = scan;
3430     GET_RE_DEBUG_FLAGS_DECL;
3431 #else
3432     PERL_UNUSED_ARG(depth);
3433 #endif
3434
3435     PERL_ARGS_ASSERT_JOIN_EXACT;
3436 #ifndef EXPERIMENTAL_INPLACESCAN
3437     PERL_UNUSED_ARG(flags);
3438     PERL_UNUSED_ARG(val);
3439 #endif
3440     DEBUG_PEEP("join",scan,depth);
3441
3442     /* Look through the subsequent nodes in the chain.  Skip NOTHING, merge
3443      * EXACT ones that are mergeable to the current one. */
3444     while (n
3445            && (PL_regkind[OP(n)] == NOTHING
3446                || (stringok && OP(n) == OP(scan)))
3447            && NEXT_OFF(n)
3448            && NEXT_OFF(scan) + NEXT_OFF(n) < I16_MAX)
3449     {
3450
3451         if (OP(n) == TAIL || n > next)
3452             stringok = 0;
3453         if (PL_regkind[OP(n)] == NOTHING) {
3454             DEBUG_PEEP("skip:",n,depth);
3455             NEXT_OFF(scan) += NEXT_OFF(n);
3456             next = n + NODE_STEP_REGNODE;
3457 #ifdef DEBUGGING
3458             if (stringok)
3459                 stop = n;
3460 #endif
3461             n = regnext(n);
3462         }
3463         else if (stringok) {
3464             const unsigned int oldl = STR_LEN(scan);
3465             regnode * const nnext = regnext(n);
3466
3467             /* XXX I (khw) kind of doubt that this works on platforms (should
3468              * Perl ever run on one) where U8_MAX is above 255 because of lots
3469              * of other assumptions */
3470             /* Don't join if the sum can't fit into a single node */
3471             if (oldl + STR_LEN(n) > U8_MAX)
3472                 break;
3473
3474             DEBUG_PEEP("merg",n,depth);
3475             merged++;
3476
3477             NEXT_OFF(scan) += NEXT_OFF(n);
3478             STR_LEN(scan) += STR_LEN(n);
3479             next = n + NODE_SZ_STR(n);
3480             /* Now we can overwrite *n : */
3481             Move(STRING(n), STRING(scan) + oldl, STR_LEN(n), char);
3482 #ifdef DEBUGGING
3483             stop = next - 1;
3484 #endif
3485             n = nnext;
3486             if (stopnow) break;
3487         }
3488
3489 #ifdef EXPERIMENTAL_INPLACESCAN
3490         if (flags && !NEXT_OFF(n)) {
3491             DEBUG_PEEP("atch", val, depth);
3492             if (reg_off_by_arg[OP(n)]) {
3493                 ARG_SET(n, val - n);
3494             }
3495             else {
3496                 NEXT_OFF(n) = val - n;
3497             }
3498             stopnow = 1;
3499         }
3500 #endif
3501     }
3502
3503     *min_subtract = 0;
3504     *unfolded_multi_char = FALSE;
3505
3506     /* Here, all the adjacent mergeable EXACTish nodes have been merged.  We
3507      * can now analyze for sequences of problematic code points.  (Prior to
3508      * this final joining, sequences could have been split over boundaries, and
3509      * hence missed).  The sequences only happen in folding, hence for any
3510      * non-EXACT EXACTish node */
3511     if (OP(scan) != EXACT && OP(scan) != EXACTL) {
3512         U8* s0 = (U8*) STRING(scan);
3513         U8* s = s0;
3514         U8* s_end = s0 + STR_LEN(scan);
3515
3516         int total_count_delta = 0;  /* Total delta number of characters that
3517                                        multi-char folds expand to */
3518
3519         /* One pass is made over the node's string looking for all the
3520          * possibilities.  To avoid some tests in the loop, there are two main
3521          * cases, for UTF-8 patterns (which can't have EXACTF nodes) and
3522          * non-UTF-8 */
3523         if (UTF) {
3524             U8* folded = NULL;
3525
3526             if (OP(scan) == EXACTFL) {
3527                 U8 *d;
3528
3529                 /* An EXACTFL node would already have been changed to another
3530                  * node type unless there is at least one character in it that
3531                  * is problematic; likely a character whose fold definition
3532                  * won't be known until runtime, and so has yet to be folded.
3533                  * For all but the UTF-8 locale, folds are 1-1 in length, but
3534                  * to handle the UTF-8 case, we need to create a temporary
3535                  * folded copy using UTF-8 locale rules in order to analyze it.
3536                  * This is because our macros that look to see if a sequence is
3537                  * a multi-char fold assume everything is folded (otherwise the
3538                  * tests in those macros would be too complicated and slow).
3539                  * Note that here, the non-problematic folds will have already
3540                  * been done, so we can just copy such characters.  We actually
3541                  * don't completely fold the EXACTFL string.  We skip the
3542                  * unfolded multi-char folds, as that would just create work
3543                  * below to figure out the size they already are */
3544
3545                 Newx(folded, UTF8_MAX_FOLD_CHAR_EXPAND * STR_LEN(scan) + 1, U8);
3546                 d = folded;
3547                 while (s < s_end) {
3548                     STRLEN s_len = UTF8SKIP(s);
3549                     if (! is_PROBLEMATIC_LOCALE_FOLD_utf8(s)) {
3550                         Copy(s, d, s_len, U8);
3551                         d += s_len;
3552                     }
3553                     else if (is_FOLDS_TO_MULTI_utf8(s)) {
3554                         *unfolded_multi_char = TRUE;
3555                         Copy(s, d, s_len, U8);
3556                         d += s_len;
3557                     }
3558                     else if (isASCII(*s)) {
3559                         *(d++) = toFOLD(*s);
3560                     }
3561                     else {
3562                         STRLEN len;
3563                         _to_utf8_fold_flags(s, d, &len, FOLD_FLAGS_FULL);
3564                         d += len;
3565                     }
3566                     s += s_len;
3567                 }
3568
3569                 /* Point the remainder of the routine to look at our temporary
3570                  * folded copy */
3571                 s = folded;
3572                 s_end = d;
3573             } /* End of creating folded copy of EXACTFL string */
3574
3575             /* Examine the string for a multi-character fold sequence.  UTF-8
3576              * patterns have all characters pre-folded by the time this code is
3577              * executed */
3578             while (s < s_end - 1) /* Can stop 1 before the end, as minimum
3579                                      length sequence we are looking for is 2 */
3580             {
3581                 int count = 0;  /* How many characters in a multi-char fold */
3582                 int len = is_MULTI_CHAR_FOLD_utf8_safe(s, s_end);
3583                 if (! len) {    /* Not a multi-char fold: get next char */
3584                     s += UTF8SKIP(s);
3585                     continue;
3586                 }
3587
3588                 /* Nodes with 'ss' require special handling, except for
3589                  * EXACTFA-ish for which there is no multi-char fold to this */
3590                 if (len == 2 && *s == 's' && *(s+1) == 's'
3591                     && OP(scan) != EXACTFA
3592                     && OP(scan) != EXACTFA_NO_TRIE)
3593                 {
3594                     count = 2;
3595                     if (OP(scan) != EXACTFL) {
3596                         OP(scan) = EXACTFU_SS;
3597                     }
3598                     s += 2;
3599                 }
3600                 else { /* Here is a generic multi-char fold. */
3601                     U8* multi_end  = s + len;
3602
3603                     /* Count how many characters are in it.  In the case of
3604                      * /aa, no folds which contain ASCII code points are
3605                      * allowed, so check for those, and skip if found. */
3606                     if (OP(scan) != EXACTFA && OP(scan) != EXACTFA_NO_TRIE) {
3607                         count = utf8_length(s, multi_end);
3608                         s = multi_end;
3609                     }
3610                     else {
3611                         while (s < multi_end) {
3612                             if (isASCII(*s)) {
3613                                 s++;
3614                                 goto next_iteration;
3615                             }
3616                             else {
3617                                 s += UTF8SKIP(s);
3618                             }
3619                             count++;
3620                         }
3621                     }
3622                 }
3623
3624                 /* The delta is how long the sequence is minus 1 (1 is how long
3625                  * the character that folds to the sequence is) */
3626                 total_count_delta += count - 1;
3627               next_iteration: ;
3628             }
3629
3630             /* We created a temporary folded copy of the string in EXACTFL
3631              * nodes.  Therefore we need to be sure it doesn't go below zero,
3632              * as the real string could be shorter */
3633             if (OP(scan) == EXACTFL) {
3634                 int total_chars = utf8_length((U8*) STRING(scan),
3635                                            (U8*) STRING(scan) + STR_LEN(scan));
3636                 if (total_count_delta > total_chars) {
3637                     total_count_delta = total_chars;
3638                 }
3639             }
3640
3641             *min_subtract += total_count_delta;
3642             Safefree(folded);
3643         }
3644         else if (OP(scan) == EXACTFA) {
3645
3646             /* Non-UTF-8 pattern, EXACTFA node.  There can't be a multi-char
3647              * fold to the ASCII range (and there are no existing ones in the
3648              * upper latin1 range).  But, as outlined in the comments preceding
3649              * this function, we need to flag any occurrences of the sharp s.
3650              * This character forbids trie formation (because of added
3651              * complexity) */
3652             while (s < s_end) {
3653                 if (*s == LATIN_SMALL_LETTER_SHARP_S) {
3654                     OP(scan) = EXACTFA_NO_TRIE;
3655                     *unfolded_multi_char = TRUE;
3656                     break;
3657                 }
3658                 s++;
3659                 continue;
3660             }
3661         }
3662         else {
3663
3664             /* Non-UTF-8 pattern, not EXACTFA node.  Look for the multi-char
3665              * folds that are all Latin1.  As explained in the comments
3666              * preceding this function, we look also for the sharp s in EXACTF
3667              * and EXACTFL nodes; it can be in the final position.  Otherwise
3668              * we can stop looking 1 byte earlier because have to find at least
3669              * two characters for a multi-fold */
3670             const U8* upper = (OP(scan) == EXACTF || OP(scan) == EXACTFL)
3671                               ? s_end
3672                               : s_end -1;
3673
3674             while (s < upper) {
3675                 int len = is_MULTI_CHAR_FOLD_latin1_safe(s, s_end);
3676                 if (! len) {    /* Not a multi-char fold. */
3677                     if (*s == LATIN_SMALL_LETTER_SHARP_S
3678                         && (OP(scan) == EXACTF || OP(scan) == EXACTFL))
3679                     {
3680                         *unfolded_multi_char = TRUE;
3681                     }
3682                     s++;
3683                     continue;
3684                 }
3685
3686                 if (len == 2
3687                     && isALPHA_FOLD_EQ(*s, 's')
3688                     && isALPHA_FOLD_EQ(*(s+1), 's'))
3689                 {
3690
3691                     /* EXACTF nodes need to know that the minimum length
3692                      * changed so that a sharp s in the string can match this
3693                      * ss in the pattern, but they remain EXACTF nodes, as they
3694                      * won't match this unless the target string is is UTF-8,
3695                      * which we don't know until runtime.  EXACTFL nodes can't
3696                      * transform into EXACTFU nodes */
3697                     if (OP(scan) != EXACTF && OP(scan) != EXACTFL) {
3698                         OP(scan) = EXACTFU_SS;
3699                     }
3700                 }
3701
3702                 *min_subtract += len - 1;
3703                 s += len;
3704             }
3705         }
3706     }
3707
3708 #ifdef DEBUGGING
3709     /* Allow dumping but overwriting the collection of skipped
3710      * ops and/or strings with fake optimized ops */
3711     n = scan + NODE_SZ_STR(scan);
3712     while (n <= stop) {
3713         OP(n) = OPTIMIZED;
3714         FLAGS(n) = 0;
3715         NEXT_OFF(n) = 0;
3716         n++;
3717     }
3718 #endif
3719     DEBUG_OPTIMISE_r(if (merged){DEBUG_PEEP("finl",scan,depth)});
3720     return stopnow;
3721 }
3722
3723 /* REx optimizer.  Converts nodes into quicker variants "in place".
3724    Finds fixed substrings.  */
3725
3726 /* Stops at toplevel WHILEM as well as at "last". At end *scanp is set
3727    to the position after last scanned or to NULL. */
3728
3729 #define INIT_AND_WITHP \
3730     assert(!and_withp); \
3731     Newx(and_withp,1, regnode_ssc); \
3732     SAVEFREEPV(and_withp)
3733
3734
3735 static void
3736 S_unwind_scan_frames(pTHX_ const void *p)
3737 {
3738     scan_frame *f= (scan_frame *)p;
3739     do {
3740         scan_frame *n= f->next_frame;
3741         Safefree(f);
3742         f= n;
3743     } while (f);
3744 }
3745
3746
3747 STATIC SSize_t
3748 S_study_chunk(pTHX_ RExC_state_t *pRExC_state, regnode **scanp,
3749                         SSize_t *minlenp, SSize_t *deltap,
3750                         regnode *last,
3751                         scan_data_t *data,
3752                         I32 stopparen,
3753                         U32 recursed_depth,
3754                         regnode_ssc *and_withp,
3755                         U32 flags, U32 depth)
3756                         /* scanp: Start here (read-write). */
3757                         /* deltap: Write maxlen-minlen here. */
3758                         /* last: Stop before this one. */
3759                         /* data: string data about the pattern */
3760                         /* stopparen: treat close N as END */
3761                         /* recursed: which subroutines have we recursed into */
3762                         /* and_withp: Valid if flags & SCF_DO_STCLASS_OR */
3763 {
3764     /* There must be at least this number of characters to match */
3765     SSize_t min = 0;
3766     I32 pars = 0, code;
3767     regnode *scan = *scanp, *next;
3768     SSize_t delta = 0;
3769     int is_inf = (flags & SCF_DO_SUBSTR) && (data->flags & SF_IS_INF);
3770     int is_inf_internal = 0;            /* The studied chunk is infinite */
3771     I32 is_par = OP(scan) == OPEN ? ARG(scan) : 0;
3772     scan_data_t data_fake;
3773     SV *re_trie_maxbuff = NULL;
3774     regnode *first_non_open = scan;
3775     SSize_t stopmin = SSize_t_MAX;
3776     scan_frame *frame = NULL;
3777     GET_RE_DEBUG_FLAGS_DECL;
3778
3779     PERL_ARGS_ASSERT_STUDY_CHUNK;
3780
3781
3782     if ( depth == 0 ) {
3783         while (first_non_open && OP(first_non_open) == OPEN)
3784             first_non_open=regnext(first_non_open);
3785     }
3786
3787
3788   fake_study_recurse:
3789     DEBUG_r(
3790         RExC_study_chunk_recursed_count++;
3791     );
3792     DEBUG_OPTIMISE_MORE_r(
3793     {
3794         PerlIO_printf(Perl_debug_log,
3795             "%*sstudy_chunk stopparen=%ld recursed_count=%lu depth=%lu recursed_depth=%lu scan=%p last=%p",
3796             (int)(depth*2), "", (long)stopparen,
3797             (unsigned long)RExC_study_chunk_recursed_count,
3798             (unsigned long)depth, (unsigned long)recursed_depth,
3799             scan,
3800             last);
3801         if (recursed_depth) {
3802             U32 i;
3803             U32 j;
3804             for ( j = 0 ; j < recursed_depth ; j++ ) {
3805                 for ( i = 0 ; i < (U32)RExC_npar ; i++ ) {
3806                     if (
3807                         PAREN_TEST(RExC_study_chunk_recursed +
3808                                    ( j * RExC_study_chunk_recursed_bytes), i )
3809                         && (
3810                             !j ||
3811                             !PAREN_TEST(RExC_study_chunk_recursed +
3812                                    (( j - 1 ) * RExC_study_chunk_recursed_bytes), i)
3813                         )
3814                     ) {
3815                         PerlIO_printf(Perl_debug_log," %d",(int)i);
3816                         break;
3817                     }
3818                 }
3819                 if ( j + 1 < recursed_depth ) {
3820                     PerlIO_printf(Perl_debug_log, ",");
3821                 }
3822             }
3823         }
3824         PerlIO_printf(Perl_debug_log,"\n");
3825     }
3826     );
3827     while ( scan && OP(scan) != END && scan < last ){
3828         UV min_subtract = 0;    /* How mmany chars to subtract from the minimum
3829                                    node length to get a real minimum (because
3830                                    the folded version may be shorter) */
3831         bool unfolded_multi_char = FALSE;
3832         /* Peephole optimizer: */
3833         DEBUG_STUDYDATA("Peep:", data, depth);
3834         DEBUG_PEEP("Peep", scan, depth);
3835
3836
3837         /* The reason we do this here we need to deal with things like /(?:f)(?:o)(?:o)/
3838          * which cant be dealt with by the normal EXACT parsing code, as each (?:..) is handled
3839          * by a different invocation of reg() -- Yves
3840          */
3841         JOIN_EXACT(scan,&min_subtract, &unfolded_multi_char, 0);
3842
3843         /* Follow the next-chain of the current node and optimize
3844            away all the NOTHINGs from it.  */
3845         if (OP(scan) != CURLYX) {
3846             const int max = (reg_off_by_arg[OP(scan)]
3847                        ? I32_MAX
3848                        /* I32 may be smaller than U16 on CRAYs! */
3849                        : (I32_MAX < U16_MAX ? I32_MAX : U16_MAX));
3850             int off = (reg_off_by_arg[OP(scan)] ? ARG(scan) : NEXT_OFF(scan));
3851             int noff;
3852             regnode *n = scan;
3853
3854             /* Skip NOTHING and LONGJMP. */
3855             while ((n = regnext(n))
3856                    && ((PL_regkind[OP(n)] == NOTHING && (noff = NEXT_OFF(n)))
3857                        || ((OP(n) == LONGJMP) && (noff = ARG(n))))
3858                    && off + noff < max)
3859                 off += noff;
3860             if (reg_off_by_arg[OP(scan)])
3861                 ARG(scan) = off;
3862             else
3863                 NEXT_OFF(scan) = off;
3864         }
3865
3866         /* The principal pseudo-switch.  Cannot be a switch, since we
3867            look into several different things.  */
3868         if ( OP(scan) == DEFINEP ) {
3869             SSize_t minlen = 0;
3870             SSize_t deltanext = 0;
3871             SSize_t fake_last_close = 0;
3872             I32 f = SCF_IN_DEFINE;
3873
3874             StructCopy(&zero_scan_data, &data_fake, scan_data_t);
3875             scan = regnext(scan);
3876             assert( OP(scan) == IFTHEN );
3877             DEBUG_PEEP("expect IFTHEN", scan, depth);
3878
3879             data_fake.last_closep= &fake_last_close;
3880             minlen = *minlenp;
3881             next = regnext(scan);
3882             scan = NEXTOPER(NEXTOPER(scan));
3883             DEBUG_PEEP("scan", scan, depth);
3884             DEBUG_PEEP("next", next, depth);
3885
3886             /* we suppose the run is continuous, last=next...
3887              * NOTE we dont use the return here! */
3888             (void)study_chunk(pRExC_state, &scan, &minlen,
3889                               &deltanext, next, &data_fake, stopparen,
3890                               recursed_depth, NULL, f, depth+1);
3891
3892             scan = next;
3893         } else
3894         if (
3895             OP(scan) == BRANCH  ||
3896             OP(scan) == BRANCHJ ||
3897             OP(scan) == IFTHEN
3898         ) {
3899             next = regnext(scan);
3900             code = OP(scan);
3901
3902             /* The op(next)==code check below is to see if we
3903              * have "BRANCH-BRANCH", "BRANCHJ-BRANCHJ", "IFTHEN-IFTHEN"
3904              * IFTHEN is special as it might not appear in pairs.
3905              * Not sure whether BRANCH-BRANCHJ is possible, regardless
3906              * we dont handle it cleanly. */
3907             if (OP(next) == code || code == IFTHEN) {
3908                 /* NOTE - There is similar code to this block below for
3909                  * handling TRIE nodes on a re-study.  If you change stuff here
3910                  * check there too. */
3911                 SSize_t max1 = 0, min1 = SSize_t_MAX, num = 0;
3912                 regnode_ssc accum;
3913                 regnode * const startbranch=scan;
3914
3915                 if (flags & SCF_DO_SUBSTR) {
3916                     /* Cannot merge strings after this. */
3917                     scan_commit(pRExC_state, data, minlenp, is_inf);
3918                 }
3919
3920                 if (flags & SCF_DO_STCLASS)
3921                     ssc_init_zero(pRExC_state, &accum);
3922
3923                 while (OP(scan) == code) {
3924                     SSize_t deltanext, minnext, fake;
3925                     I32 f = 0;
3926                     regnode_ssc this_class;
3927
3928                     DEBUG_PEEP("Branch", scan, depth);
3929
3930                     num++;
3931                     StructCopy(&zero_scan_data, &data_fake, scan_data_t);
3932                     if (data) {
3933                         data_fake.whilem_c = data->whilem_c;
3934                         data_fake.last_closep = data->last_closep;
3935                     }
3936                     else
3937                         data_fake.last_closep = &fake;
3938
3939                     data_fake.pos_delta = delta;
3940                     next = regnext(scan);
3941
3942                     scan = NEXTOPER(scan); /* everything */
3943                     if (code != BRANCH)    /* everything but BRANCH */
3944                         scan = NEXTOPER(scan);
3945
3946                     if (flags & SCF_DO_STCLASS) {
3947                         ssc_init(pRExC_state, &this_class);
3948                         data_fake.start_class = &this_class;
3949                         f = SCF_DO_STCLASS_AND;
3950                     }
3951                     if (flags & SCF_WHILEM_VISITED_POS)
3952                         f |= SCF_WHILEM_VISITED_POS;
3953
3954                     /* we suppose the run is continuous, last=next...*/
3955                     minnext = study_chunk(pRExC_state, &scan, minlenp,
3956                                       &deltanext, next, &data_fake, stopparen,
3957                                       recursed_depth, NULL, f,depth+1);
3958