usr.bin/sort/vsort.c

   1 /*-
   2  * Copyright (C) 2012 Oleg Moskalenko <mom040267@gmail.com>
   3  * Copyright (C) 2012 Gabor Kovesdan <gabor@FreeBSD.org>
   4  * All rights reserved.
   5  *
   6  * Redistribution and use in source and binary forms, with or without
   7  * modification, are permitted provided that the following conditions
   8  * are met:
   9  * 1. Redistributions of source code must retain the above copyright
  10  *    notice, this list of conditions and the following disclaimer.
  11  * 2. Redistributions in binary form must reproduce the above copyright
  12  *    notice, this list of conditions and the following disclaimer in the
  13  *    documentation and/or other materials provided with the distribution.
  14  *
  15  * THIS SOFTWARE IS PROVIDED BY THE AUTHOR AND CONTRIBUTORS ``AS IS'' AND
  16  * ANY EXPRESS OR IMPLIED WARRANTIES, INCLUDING, BUT NOT LIMITED TO, THE
  17  * IMPLIED WARRANTIES OF MERCHANTABILITY AND FITNESS FOR A PARTICULAR PURPOSE
  18  * ARE DISCLAIMED.  IN NO EVENT SHALL THE AUTHOR OR CONTRIBUTORS BE LIABLE
  19  * FOR ANY DIRECT, INDIRECT, INCIDENTAL, SPECIAL, EXEMPLARY, OR CONSEQUENTIAL
  20  * DAMAGES (INCLUDING, BUT NOT LIMITED TO, PROCUREMENT OF SUBSTITUTE GOODS
  21  * OR SERVICES; LOSS OF USE, DATA, OR PROFITS; OR BUSINESS INTERRUPTION)
  22  * HOWEVER CAUSED AND ON ANY THEORY OF LIABILITY, WHETHER IN CONTRACT, STRICT
  23  * LIABILITY, OR TORT (INCLUDING NEGLIGENCE OR OTHERWISE) ARISING IN ANY WAY
  24  * OUT OF THE USE OF THIS SOFTWARE, EVEN IF ADVISED OF THE POSSIBILITY OF
  25  * SUCH DAMAGE.
  26  */
  27
  28 #include <sys/cdefs.h>
  29 __FBSDID("$FreeBSD$");
  30
  31 #include <sys/types.h>
  32
  33 #include <ctype.h>
  34 #include <stdlib.h>
  35 #include <string.h>
  36
  37 #include "sort.h"
  38 #include "vsort.h"
  39
  40 static inline bool
  41 isdigit_clocale(wchar_t c)
  42 {
  43
  44         return (c >= L'0' && c <= L'9');
  45 }
  46
  47 static inline bool
  48 isalpha_clocale(wchar_t c)
  49 {
  50
  51         return ((c >= L'a' && c <= L'z') || (c >= L'A' && c <= L'Z'));
  52 }
  53
  54 static inline bool
  55 isalnum_clocale(wchar_t c)
  56 {
  57
  58         return ((c >= L'a' && c <= L'z') || (c >= L'A' && c <= L'Z') ||
  59             (c >= L'0' && c <= L'9'));
  60 }
  61
  62 /*
  63  * Find string suffix of format: (\.[A-Za-z~][A-Za-z0-9~]*)*$
  64  * Set length of string before suffix.
  65  */
  66 static void
  67 find_suffix(bwstring_iterator si, bwstring_iterator se, size_t *len)
  68 {
  69         wchar_t c;
  70         size_t clen;
  71         bool expect_alpha, sfx;
  72
  73         sfx = false;
  74         expect_alpha = false;
  75         *len = 0;
  76         clen = 0;
  77
  78         while ((si < se) && (c = bws_get_iter_value(si))) {
  79                 if (expect_alpha) {
  80                         expect_alpha = false;
  81                         if (!isalpha_clocale(c) && (c != L'~'))
  82                                 sfx = false;
  83                 } else if (c == L'.') {
  84                         expect_alpha = true;
  85                         if (!sfx) {
  86                                 sfx = true;
  87                                 *len = clen;
  88                         }
  89                 } else if (!isalnum_clocale(c) && (c != L'~'))
  90                         sfx = false;
  91
  92                 si = bws_iterator_inc(si, 1);
  93                 ++clen;
  94         }
  95
  96         /* This code must be here to make the implementation compatible
  97          * with WORDING of GNU sort documentation.
  98          * But the GNU sort implementation is not following its own
  99          * documentation.  GNU sort allows empty file extensions
 100          * (just dot with nothing after); but the regular expression in
 101          * their documentation does not allow empty file extensions.
 102          * We chose to make our implementation compatible with GNU sort
 103          * implementation.  If they will ever fix their bug, this code
 104          * must be uncommented. Or they may choose to fix the info page,
 105          * then the code stays commented.
 106          *
 107          if (expect_alpha)
 108                 sfx = false;
 109          */
 110
 111         if (!sfx)
 112                 *len = clen;
 113 }
 114
 115 static inline int
 116 cmp_chars(wchar_t c1, wchar_t c2)
 117 {
 118
 119         if (c1 == c2)
 120                 return (0);
 121
 122         if (c1 == L'~')
 123                 return (-1);
 124         if (c2 == L'~')
 125                 return (+1);
 126
 127         if (isdigit_clocale(c1) || !c1)
 128                 return ((isdigit_clocale(c2) || !c2) ? 0 : -1);
 129
 130         if (isdigit_clocale(c2) || !c2)
 131                 return (+1);
 132
 133         if (isalpha_clocale(c1))
 134                 return ((isalpha_clocale(c2)) ? ((int) c1 - (int) c2) : -1);
 135
 136         if (isalpha_clocale(c2))
 137                 return (+1);
 138
 139         return ((int) c1 - (int) c2);
 140 }
 141
 142 static int
 143 cmpversions(bwstring_iterator si1, bwstring_iterator se1,
 144     bwstring_iterator si2, bwstring_iterator se2)
 145 {
 146         int cmp, diff;
 147
 148         while ((si1 < se1) || (si2 < se2)) {
 149                 diff = 0;
 150
 151                 while (((si1 < se1) &&
 152                     !isdigit_clocale(bws_get_iter_value(si1))) ||
 153                     ((si2 < se2) && !isdigit_clocale(bws_get_iter_value(si2)))) {
 154                         wchar_t c1, c2;
 155
 156                         c1 = (si1 < se1) ? bws_get_iter_value(si1) : 0;
 157                         c2 = (si2 < se2) ? bws_get_iter_value(si2) : 0;
 158
 159                         cmp = cmp_chars(c1, c2);
 160                         if (cmp)
 161                                 return (cmp);
 162
 163                         if (si1 < se1)
 164                                 si1 = bws_iterator_inc(si1, 1);
 165                         if (si2 < se2)
 166                                 si2 = bws_iterator_inc(si2, 1);
 167                 }
 168
 169                 while (bws_get_iter_value(si1) == L'0')
 170                         si1 = bws_iterator_inc(si1, 1);
 171
 172                 while (bws_get_iter_value(si2) == L'0')
 173                         si2 = bws_iterator_inc(si2, 1);
 174
 175                 while (isdigit_clocale(bws_get_iter_value(si1)) &&
 176                     isdigit_clocale(bws_get_iter_value(si2))) {
 177                         if (!diff)
 178                                 diff = ((int)bws_get_iter_value(si1) -
 179                                     (int)bws_get_iter_value(si2));
 180                         si1 = bws_iterator_inc(si1, 1);
 181                         si2 = bws_iterator_inc(si2, 1);
 182                 }
 183
 184                 if (isdigit_clocale(bws_get_iter_value(si1)))
 185                         return (1);
 186
 187                 if (isdigit_clocale(bws_get_iter_value(si2)))
 188                         return (-1);
 189
 190                 if (diff)
 191                         return (diff);
 192         }
 193
 194         return (0);
 195 }
 196
 197 /*
 198  * Compare two version strings
 199  */
 200 int
 201 vcmp(struct bwstring *s1, struct bwstring *s2)
 202 {
 203         bwstring_iterator si1, si2;
 204         wchar_t c1, c2;
 205         size_t len1, len2, slen1, slen2;
 206         int cmp_bytes, cmp_res;
 207
 208         if (s1 == s2)
 209                 return (0);
 210
 211         cmp_bytes = bwscmp(s1, s2, 0);
 212         if (cmp_bytes == 0)
 213                 return (0);
 214
 215         len1 = slen1 = BWSLEN(s1);
 216         len2 = slen2 = BWSLEN(s2);
 217
 218         if (slen1 < 1)
 219                 return (-1);
 220         if (slen2 < 1)
 221                 return (+1);
 222
 223         si1 = bws_begin(s1);
 224         si2 = bws_begin(s2);
 225
 226         c1 = bws_get_iter_value(si1);
 227         c2 = bws_get_iter_value(si2);
 228
 229         if (c1 == L'.' && (slen1 == 1))
 230                 return (-1);
 231
 232         if (c2 == L'.' && (slen2 == 1))
 233                 return (+1);
 234
 235         if (slen1 == 2 && c1 == L'.' &&
 236             bws_get_iter_value(bws_iterator_inc(si1, 1)) == L'.')
 237                 return (-1);
 238         if (slen2 == 2 && c2 == L'.' &&
 239             bws_get_iter_value(bws_iterator_inc(si2, 1)) == L'.')
 240                 return (+1);
 241
 242         if (c1 == L'.' && c2 != L'.')
 243                 return (-1);
 244         if (c1 != L'.' && c2 == L'.')
 245                 return (+1);
 246
 247         if (c1 == L'.' && c2 == L'.') {
 248                 si1 = bws_iterator_inc(si1, 1);
 249                 si2 = bws_iterator_inc(si2, 1);
 250         }
 251
 252         find_suffix(si1, bws_end(s1), &len1);
 253         find_suffix(si2, bws_end(s2), &len2);
 254
 255         if ((len1 == len2) && (bws_iterator_cmp(si1, si2, len1) == 0))
 256                 return (cmp_bytes);
 257
 258         cmp_res = cmpversions(si1, bws_iterator_inc(si1, len1), si2,
 259             bws_iterator_inc(si2, len2));
 260
 261         if (cmp_res == 0)
 262           cmp_res = cmp_bytes;
 263
 264         return (cmp_res);
 265 }