From: nobu.nakada@...
Date: 2002-02-01T02:14:07+09:00
Subject: [ruby-dev:15828] Re: [PATCH] improve on \G

なかだです。

At Wed, 30 Jan 2002 14:48:34 +0900,
K.Kosako <kosako@sofnec.co.jp> wrote:
> +  case MBCTYPE_SJIS:
> +    while (i + (w = mbclen(string[i])) < pos) {
> +      i += w;
> +    }
> +    return i;
> +

どうもSJISのときに行ったり来たりするのが気になるので、こうして
みました。要するに、その前が1バイト目でなければ、2バイト目でな
いはずということです。

  while (i > 0 && istrail(string[i]) && isfirst(string[i-1])) {
    --i;
  }

1バイト目の範囲は2バイト目の範囲に含まれることを利用して変形し
てますが。

# なんかテーブル追加した意味がない。


Index: regex.c
===================================================================
RCS file: /cvs/ruby/src/ruby/regex.c,v
retrieving revision 1.60
diff -u -2 -p -r1.60 regex.c
--- regex.c	2002/01/30 07:00:58	1.60
+++ regex.c	2002/01/31 17:04:44
@@ -479,5 +479,13 @@ re_set_syntax(syntax)
  ((current_mbctype != MBCTYPE_UTF8) ? ((c<0x100) ? (c) : (((c)>>8)&0xff)) : utf8_firstbyte(c))
 
-int mbc_startpos _((const char *start, int pos));
+static int asc_startpos _((const char *string, int pos));
+static int euc_startpos _((const char *string, int pos));
+static int sjis_startpos _((const char *string, int pos));
+static int utf8_startpos _((const char *string, int pos));
+int (*const mbc_startpos_func[4]) _((const char *string, int pos)) = {
+  asc_startpos, euc_startpos, sjis_startpos, utf8_startpos
+};
+
+#define mbc_startpos(start, pos) (*mbc_startpos_func[current_mbctype])((start), (pos))
 
 static unsigned int
@@ -4562,32 +4570,79 @@ re_mbcinit(mbctype)
 }
 
-int
-mbc_startpos(string, pos)
+#define mbc_isfirst(t, c) (t)[(unsigned char)(c)]
+#define mbc_istrail(t, c) (t)[(unsigned char)(c)+256]
+#define mbc_len(t, c)     ((t)[(unsigned char)(c)]+1)
+
+static int
+asc_startpos(string, pos)
      const char *string;
      int pos;
 {
+  return pos;
+}
+
+#define euc_islead(c)  ((unsigned char)((c) - 0xa1) > 0xfe - 0xa1)
+#define euc_mbclen(c)  mbc_len(mbctab_euc, (c))
+
+static int
+euc_startpos(string, pos)
+     const char *string;
+     int pos;
+{
   int i = pos, w;
 
-  while (i > 0 && re_mbctab[(unsigned char)string[i]+256]) {
+  while (i > 0 && !euc_islead(string[i])) {
     --i;
+  }
+  if (i == pos || i + (w = euc_mbclen(string[i])) > pos) {
+    return i;
   }
-  if (i == pos || i + (w = mbclen(string[i])) > pos) return i;
   i += w;
+  return i + ((pos - i) & ~1);
+}
 
-  switch (current_mbctype) {
-  case MBCTYPE_EUC:
-    return i + ((pos - i) & ~1);
+#define sjis_isfirst(c) mbc_isfirst(mbctab_sjis, (c))
+#define sjis_istrail(c) mbc_istrail(mbctab_sjis, (c))
+#define sjis_mbclen(c)  mbc_len(mbctab_sjis, (c))
 
-  case MBCTYPE_SJIS:
-    while (i + (w = mbclen(string[i])) < pos) {
-      i += w;
-    }
+static int
+sjis_startpos(string, pos)
+     const char *string;
+     int pos;
+{
+  int i = pos, w;
+
+  if (i > 0 && sjis_istrail(string[i])) {
+    do {
+      if (!sjis_isfirst(string[--i])) {
+	++i;
+	break;
+      }
+    } while (i > 0);
+  }
+  if (i == pos || i + (w = sjis_mbclen(string[i])) > pos) {
     return i;
+  }
+  i += w;
+  return i + ((pos - i) & ~1);
+}
 
-  case MBCTYPE_UTF8:
+#define utf8_islead(c)  ((unsigned char)((c) & 0xc0) != 0x80)
+#define utf8_mbclen(c)  mbc_len(mbctab_utf8, (c))
+
+static int
+utf8_startpos(string, pos)
+     const char *string;
+     int pos;
+{
+  int i = pos, w;
+
+  while (i > 0 && !utf8_islead(string[i])) {
+    --i;
+  }
+  if (i == pos || i + (w = utf8_mbclen(string[i])) > pos) {
     return i;
-  default:
-    return pos;
   }
+  return i + w;
 }
 


-- 
--- 僕の前にBugはない。
--- 僕の後ろにBugはできる。
    中田 伸悦