merge
This commit is contained in:
commit
2a4df127c7
|
@ -301,7 +301,6 @@ decoding_table = (
|
|||
'\xd9' # 0xFD -> LATIN CAPITAL LETTER U WITH GRAVE
|
||||
'\xda' # 0xFE -> LATIN CAPITAL LETTER U WITH ACUTE
|
||||
'\x9f' # 0xFF -> CONTROL
|
||||
'\ufffe' ## Widen to UCS2 for optimization
|
||||
)
|
||||
|
||||
### Encoding table
|
||||
|
|
|
@ -301,7 +301,6 @@ decoding_table = (
|
|||
'\xd9' # 0xFD -> LATIN CAPITAL LETTER U WITH GRAVE
|
||||
'\xda' # 0xFE -> LATIN CAPITAL LETTER U WITH ACUTE
|
||||
'\x9f' # 0xFF -> CONTROL
|
||||
'\ufffe' ## Widen to UCS2 for optimization
|
||||
)
|
||||
|
||||
### Encoding table
|
||||
|
|
|
@ -301,7 +301,6 @@ decoding_table = (
|
|||
'\xfd' # 0xFD -> LATIN SMALL LETTER Y WITH ACUTE
|
||||
'\xfe' # 0xFE -> LATIN SMALL LETTER THORN (Icelandic)
|
||||
'\xff' # 0xFF -> LATIN SMALL LETTER Y WITH DIAERESIS
|
||||
'\ufffe' ## Widen to UCS2 for optimization
|
||||
)
|
||||
|
||||
### Encoding table
|
||||
|
|
|
@ -468,7 +468,9 @@ unicode_result_ready(PyObject *unicode)
|
|||
}
|
||||
|
||||
if (length == 1) {
|
||||
Py_UCS4 ch = PyUnicode_READ_CHAR(unicode, 0);
|
||||
void *data = PyUnicode_DATA(unicode);
|
||||
int kind = PyUnicode_KIND(unicode);
|
||||
Py_UCS4 ch = PyUnicode_READ(kind, data, 0);
|
||||
if (ch < 256) {
|
||||
PyObject *latin1_char = unicode_latin1[ch];
|
||||
if (latin1_char != NULL) {
|
||||
|
@ -541,7 +543,6 @@ static OSVERSIONINFOEX winver;
|
|||
|
||||
static BLOOM_MASK bloom_linebreak = ~(BLOOM_MASK)0;
|
||||
|
||||
#define BLOOM_ADD(mask, ch) ((mask |= (1UL << ((ch) & (BLOOM_WIDTH - 1)))))
|
||||
#define BLOOM(mask, ch) ((mask & (1UL << ((ch) & (BLOOM_WIDTH - 1)))))
|
||||
|
||||
#define BLOOM_LINEBREAK(ch) \
|
||||
|
@ -551,21 +552,40 @@ static BLOOM_MASK bloom_linebreak = ~(BLOOM_MASK)0;
|
|||
Py_LOCAL_INLINE(BLOOM_MASK)
|
||||
make_bloom_mask(int kind, void* ptr, Py_ssize_t len)
|
||||
{
|
||||
#define BLOOM_UPDATE(TYPE, MASK, PTR, LEN) \
|
||||
do { \
|
||||
TYPE *data = (TYPE *)PTR; \
|
||||
TYPE *end = data + LEN; \
|
||||
Py_UCS4 ch; \
|
||||
for (; data != end; data++) { \
|
||||
ch = *data; \
|
||||
MASK |= (1UL << (ch & (BLOOM_WIDTH - 1))); \
|
||||
} \
|
||||
break; \
|
||||
} while (0)
|
||||
|
||||
/* calculate simple bloom-style bitmask for a given unicode string */
|
||||
|
||||
BLOOM_MASK mask;
|
||||
Py_ssize_t i;
|
||||
|
||||
mask = 0;
|
||||
for (i = 0; i < len; i++)
|
||||
BLOOM_ADD(mask, PyUnicode_READ(kind, ptr, i));
|
||||
|
||||
switch (kind) {
|
||||
case PyUnicode_1BYTE_KIND:
|
||||
BLOOM_UPDATE(Py_UCS1, mask, ptr, len);
|
||||
break;
|
||||
case PyUnicode_2BYTE_KIND:
|
||||
BLOOM_UPDATE(Py_UCS2, mask, ptr, len);
|
||||
break;
|
||||
case PyUnicode_4BYTE_KIND:
|
||||
BLOOM_UPDATE(Py_UCS4, mask, ptr, len);
|
||||
break;
|
||||
default:
|
||||
assert(0);
|
||||
}
|
||||
return mask;
|
||||
}
|
||||
|
||||
#define BLOOM_MEMBER(mask, chr, str) \
|
||||
(BLOOM(mask, chr) \
|
||||
&& (PyUnicode_FindChar(str, chr, 0, PyUnicode_GET_LENGTH(str), 1) >= 0))
|
||||
#undef BLOOM_UPDATE
|
||||
}
|
||||
|
||||
/* Compilation of templated routines */
|
||||
|
||||
|
@ -1938,13 +1958,17 @@ _PyUnicode_FromUCS2(const Py_UCS2 *u, Py_ssize_t size)
|
|||
assert(size > 0);
|
||||
if (size == 1) {
|
||||
Py_UCS4 ch = u[0];
|
||||
int kind;
|
||||
void *data;
|
||||
if (ch < 256)
|
||||
return get_latin1_char((unsigned char)ch);
|
||||
|
||||
res = PyUnicode_New(1, ch);
|
||||
if (res == NULL)
|
||||
return NULL;
|
||||
PyUnicode_WRITE(PyUnicode_KIND(res), PyUnicode_DATA(res), 0, ch);
|
||||
kind = PyUnicode_KIND(res);
|
||||
data = PyUnicode_DATA(res);
|
||||
PyUnicode_WRITE(kind, data, 0, ch);
|
||||
assert(_PyUnicode_CheckConsistency(res, 1));
|
||||
return res;
|
||||
}
|
||||
|
@ -1974,13 +1998,17 @@ _PyUnicode_FromUCS4(const Py_UCS4 *u, Py_ssize_t size)
|
|||
assert(size > 0);
|
||||
if (size == 1) {
|
||||
Py_UCS4 ch = u[0];
|
||||
int kind;
|
||||
void *data;
|
||||
if (ch < 256)
|
||||
return get_latin1_char((unsigned char)ch);
|
||||
|
||||
res = PyUnicode_New(1, ch);
|
||||
if (res == NULL)
|
||||
return NULL;
|
||||
PyUnicode_WRITE(PyUnicode_KIND(res), PyUnicode_DATA(res), 0, ch);
|
||||
kind = PyUnicode_KIND(res);
|
||||
data = PyUnicode_DATA(res);
|
||||
PyUnicode_WRITE(kind, data, 0, ch);
|
||||
assert(_PyUnicode_CheckConsistency(res, 1));
|
||||
return res;
|
||||
}
|
||||
|
@ -2786,6 +2814,9 @@ PyObject *
|
|||
PyUnicode_FromOrdinal(int ordinal)
|
||||
{
|
||||
PyObject *v;
|
||||
void *data;
|
||||
int kind;
|
||||
|
||||
if (ordinal < 0 || ordinal > MAX_UNICODE) {
|
||||
PyErr_SetString(PyExc_ValueError,
|
||||
"chr() arg not in range(0x110000)");
|
||||
|
@ -2798,7 +2829,9 @@ PyUnicode_FromOrdinal(int ordinal)
|
|||
v = PyUnicode_New(1, ordinal);
|
||||
if (v == NULL)
|
||||
return NULL;
|
||||
PyUnicode_WRITE(PyUnicode_KIND(v), PyUnicode_DATA(v), 0, ordinal);
|
||||
kind = PyUnicode_KIND(v);
|
||||
data = PyUnicode_DATA(v);
|
||||
PyUnicode_WRITE(kind, data, 0, ordinal);
|
||||
assert(_PyUnicode_CheckConsistency(v, 1));
|
||||
return v;
|
||||
}
|
||||
|
@ -3840,6 +3873,9 @@ PyUnicode_GetLength(PyObject *unicode)
|
|||
Py_UCS4
|
||||
PyUnicode_ReadChar(PyObject *unicode, Py_ssize_t index)
|
||||
{
|
||||
void *data;
|
||||
int kind;
|
||||
|
||||
if (!PyUnicode_Check(unicode) || PyUnicode_READY(unicode) == -1) {
|
||||
PyErr_BadArgument();
|
||||
return (Py_UCS4)-1;
|
||||
|
@ -3848,7 +3884,9 @@ PyUnicode_ReadChar(PyObject *unicode, Py_ssize_t index)
|
|||
PyErr_SetString(PyExc_IndexError, "string index out of range");
|
||||
return (Py_UCS4)-1;
|
||||
}
|
||||
return PyUnicode_READ_CHAR(unicode, index);
|
||||
data = PyUnicode_DATA(unicode);
|
||||
kind = PyUnicode_KIND(unicode);
|
||||
return PyUnicode_READ(kind, data, index);
|
||||
}
|
||||
|
||||
int
|
||||
|
@ -7281,6 +7319,7 @@ PyUnicode_DecodeCharmap(const char *s,
|
|||
enum PyUnicode_Kind mapkind;
|
||||
void *mapdata;
|
||||
Py_UCS4 x;
|
||||
unsigned char ch;
|
||||
|
||||
if (PyUnicode_READY(mapping) == -1)
|
||||
return NULL;
|
||||
|
@ -7288,31 +7327,57 @@ PyUnicode_DecodeCharmap(const char *s,
|
|||
maplen = PyUnicode_GET_LENGTH(mapping);
|
||||
mapdata = PyUnicode_DATA(mapping);
|
||||
mapkind = PyUnicode_KIND(mapping);
|
||||
|
||||
if (mapkind == PyUnicode_1BYTE_KIND && maplen >= 256) {
|
||||
/* fast-path for cp037, cp500 and iso8859_1 encodings. iso8859_1
|
||||
* is disabled in encoding aliases, latin1 is preferred because
|
||||
* its implementation is faster. */
|
||||
Py_UCS1 *mapdata_ucs1 = (Py_UCS1 *)mapdata;
|
||||
Py_UCS1 *outdata = (Py_UCS1 *)writer.data;
|
||||
Py_UCS4 maxchar = writer.maxchar;
|
||||
|
||||
assert (writer.kind == PyUnicode_1BYTE_KIND);
|
||||
while (s < e) {
|
||||
ch = *s;
|
||||
x = mapdata_ucs1[ch];
|
||||
if (x > maxchar) {
|
||||
if (_PyUnicodeWriter_PrepareInternal(&writer, 1, 0xff) == -1)
|
||||
goto onError;
|
||||
maxchar = writer.maxchar;
|
||||
outdata = (Py_UCS1 *)writer.data;
|
||||
}
|
||||
outdata[writer.pos] = x;
|
||||
writer.pos++;
|
||||
++s;
|
||||
}
|
||||
}
|
||||
|
||||
while (s < e) {
|
||||
unsigned char ch;
|
||||
if (mapkind == PyUnicode_2BYTE_KIND && maplen >= 256) {
|
||||
enum PyUnicode_Kind outkind = writer.kind;
|
||||
void *outdata = writer.data;
|
||||
Py_UCS2 *mapdata_ucs2 = (Py_UCS2 *)mapdata;
|
||||
if (outkind == PyUnicode_1BYTE_KIND) {
|
||||
Py_UCS1 *outdata = (Py_UCS1 *)writer.data;
|
||||
Py_UCS4 maxchar = writer.maxchar;
|
||||
while (s < e) {
|
||||
unsigned char ch = *s;
|
||||
x = PyUnicode_READ(PyUnicode_2BYTE_KIND, mapdata, ch);
|
||||
ch = *s;
|
||||
x = mapdata_ucs2[ch];
|
||||
if (x > maxchar)
|
||||
goto Error;
|
||||
PyUnicode_WRITE(PyUnicode_1BYTE_KIND, outdata, writer.pos, x);
|
||||
outdata[writer.pos] = x;
|
||||
writer.pos++;
|
||||
++s;
|
||||
}
|
||||
break;
|
||||
}
|
||||
else if (outkind == PyUnicode_2BYTE_KIND) {
|
||||
Py_UCS2 *outdata = (Py_UCS2 *)writer.data;
|
||||
while (s < e) {
|
||||
unsigned char ch = *s;
|
||||
x = PyUnicode_READ(PyUnicode_2BYTE_KIND, mapdata, ch);
|
||||
ch = *s;
|
||||
x = mapdata_ucs2[ch];
|
||||
if (x == 0xFFFE)
|
||||
goto Error;
|
||||
PyUnicode_WRITE(PyUnicode_2BYTE_KIND, outdata, writer.pos, x);
|
||||
outdata[writer.pos] = x;
|
||||
writer.pos++;
|
||||
++s;
|
||||
}
|
||||
|
@ -7959,10 +8024,14 @@ _PyUnicode_EncodeCharmap(PyObject *unicode,
|
|||
* -1=not initialized, 0=unknown, 1=strict, 2=replace,
|
||||
* 3=ignore, 4=xmlcharrefreplace */
|
||||
int known_errorHandler = -1;
|
||||
void *data;
|
||||
int kind;
|
||||
|
||||
if (PyUnicode_READY(unicode) == -1)
|
||||
return NULL;
|
||||
size = PyUnicode_GET_LENGTH(unicode);
|
||||
data = PyUnicode_DATA(unicode);
|
||||
kind = PyUnicode_KIND(unicode);
|
||||
|
||||
/* Default to Latin-1 */
|
||||
if (mapping == NULL)
|
||||
|
@ -7977,7 +8046,7 @@ _PyUnicode_EncodeCharmap(PyObject *unicode,
|
|||
return res;
|
||||
|
||||
while (inpos<size) {
|
||||
Py_UCS4 ch = PyUnicode_READ_CHAR(unicode, inpos);
|
||||
Py_UCS4 ch = PyUnicode_READ(kind, data, inpos);
|
||||
/* try to encode it */
|
||||
charmapencode_result x = charmapencode_output(ch, mapping, &res, &respos);
|
||||
if (x==enc_EXCEPTION) /* error */
|
||||
|
@ -9903,20 +9972,21 @@ replace(PyObject *self, PyObject *str1,
|
|||
Py_UCS4 u1, u2;
|
||||
int rkind;
|
||||
Py_ssize_t index, pos;
|
||||
char *src;
|
||||
char *src, *rbuf;
|
||||
|
||||
u1 = PyUnicode_READ_CHAR(str1, 0);
|
||||
u1 = PyUnicode_READ(kind1, buf1, 0);
|
||||
pos = findchar(sbuf, PyUnicode_KIND(self), slen, u1, 1);
|
||||
if (pos < 0)
|
||||
goto nothing;
|
||||
u2 = PyUnicode_READ_CHAR(str2, 0);
|
||||
u2 = PyUnicode_READ(kind2, buf2, 0);
|
||||
u = PyUnicode_New(slen, maxchar);
|
||||
if (!u)
|
||||
goto error;
|
||||
_PyUnicode_FastCopyCharacters(u, 0, self, 0, slen);
|
||||
rkind = PyUnicode_KIND(u);
|
||||
rbuf = PyUnicode_DATA(u);
|
||||
|
||||
PyUnicode_WRITE(rkind, PyUnicode_DATA(u), pos, u2);
|
||||
PyUnicode_WRITE(rkind, rbuf, pos, u2);
|
||||
index = 0;
|
||||
src = sbuf;
|
||||
while (--maxcount)
|
||||
|
@ -9928,7 +9998,7 @@ replace(PyObject *self, PyObject *str1,
|
|||
pos = findchar(src, PyUnicode_KIND(self), slen, u1, 1);
|
||||
if (pos < 0)
|
||||
break;
|
||||
PyUnicode_WRITE(rkind, PyUnicode_DATA(u), index + pos, u2);
|
||||
PyUnicode_WRITE(rkind, rbuf, index + pos, u2);
|
||||
}
|
||||
}
|
||||
else {
|
||||
|
@ -11570,6 +11640,7 @@ _PyUnicode_XStrip(PyObject *self, int striptype, PyObject *sepobj)
|
|||
int kind;
|
||||
Py_ssize_t i, j, len;
|
||||
BLOOM_MASK sepmask;
|
||||
Py_ssize_t seplen;
|
||||
|
||||
if (PyUnicode_READY(self) == -1 || PyUnicode_READY(sepobj) == -1)
|
||||
return NULL;
|
||||
|
@ -11577,24 +11648,35 @@ _PyUnicode_XStrip(PyObject *self, int striptype, PyObject *sepobj)
|
|||
kind = PyUnicode_KIND(self);
|
||||
data = PyUnicode_DATA(self);
|
||||
len = PyUnicode_GET_LENGTH(self);
|
||||
seplen = PyUnicode_GET_LENGTH(sepobj);
|
||||
sepmask = make_bloom_mask(PyUnicode_KIND(sepobj),
|
||||
PyUnicode_DATA(sepobj),
|
||||
PyUnicode_GET_LENGTH(sepobj));
|
||||
seplen);
|
||||
|
||||
i = 0;
|
||||
if (striptype != RIGHTSTRIP) {
|
||||
while (i < len &&
|
||||
BLOOM_MEMBER(sepmask, PyUnicode_READ(kind, data, i), sepobj)) {
|
||||
while (i < len) {
|
||||
Py_UCS4 ch = PyUnicode_READ(kind, data, i);
|
||||
if (!BLOOM(sepmask, ch))
|
||||
break;
|
||||
if (PyUnicode_FindChar(sepobj, ch, 0, seplen, 1) < 0)
|
||||
break;
|
||||
i++;
|
||||
}
|
||||
}
|
||||
|
||||
j = len;
|
||||
if (striptype != LEFTSTRIP) {
|
||||
do {
|
||||
j--;
|
||||
while (j >= i) {
|
||||
Py_UCS4 ch = PyUnicode_READ(kind, data, j);
|
||||
if (!BLOOM(sepmask, ch))
|
||||
break;
|
||||
if (PyUnicode_FindChar(sepobj, ch, 0, seplen, 1) < 0)
|
||||
break;
|
||||
j--;
|
||||
} while (j >= i &&
|
||||
BLOOM_MEMBER(sepmask, PyUnicode_READ(kind, data, j), sepobj));
|
||||
}
|
||||
|
||||
j++;
|
||||
}
|
||||
|
||||
|
@ -11641,30 +11723,63 @@ PyUnicode_Substring(PyObject *self, Py_ssize_t start, Py_ssize_t end)
|
|||
static PyObject *
|
||||
do_strip(PyObject *self, int striptype)
|
||||
{
|
||||
int kind;
|
||||
void *data;
|
||||
Py_ssize_t len, i, j;
|
||||
|
||||
if (PyUnicode_READY(self) == -1)
|
||||
return NULL;
|
||||
|
||||
kind = PyUnicode_KIND(self);
|
||||
data = PyUnicode_DATA(self);
|
||||
len = PyUnicode_GET_LENGTH(self);
|
||||
|
||||
i = 0;
|
||||
if (striptype != RIGHTSTRIP) {
|
||||
while (i < len && Py_UNICODE_ISSPACE(PyUnicode_READ(kind, data, i))) {
|
||||
i++;
|
||||
if (PyUnicode_IS_ASCII(self)) {
|
||||
Py_UCS1 *data = PyUnicode_1BYTE_DATA(self);
|
||||
|
||||
i = 0;
|
||||
if (striptype != RIGHTSTRIP) {
|
||||
while (i < len) {
|
||||
Py_UCS4 ch = data[i];
|
||||
if (!_Py_ascii_whitespace[ch])
|
||||
break;
|
||||
i++;
|
||||
}
|
||||
}
|
||||
|
||||
j = len;
|
||||
if (striptype != LEFTSTRIP) {
|
||||
j--;
|
||||
while (j >= i) {
|
||||
Py_UCS4 ch = data[j];
|
||||
if (!_Py_ascii_whitespace[ch])
|
||||
break;
|
||||
j--;
|
||||
}
|
||||
j++;
|
||||
}
|
||||
}
|
||||
else {
|
||||
int kind = PyUnicode_KIND(self);
|
||||
void *data = PyUnicode_DATA(self);
|
||||
|
||||
j = len;
|
||||
if (striptype != LEFTSTRIP) {
|
||||
do {
|
||||
i = 0;
|
||||
if (striptype != RIGHTSTRIP) {
|
||||
while (i < len) {
|
||||
Py_UCS4 ch = PyUnicode_READ(kind, data, i);
|
||||
if (!Py_UNICODE_ISSPACE(ch))
|
||||
break;
|
||||
i++;
|
||||
}
|
||||
}
|
||||
|
||||
j = len;
|
||||
if (striptype != LEFTSTRIP) {
|
||||
j--;
|
||||
} while (j >= i && Py_UNICODE_ISSPACE(PyUnicode_READ(kind, data, j)));
|
||||
j++;
|
||||
while (j >= i) {
|
||||
Py_UCS4 ch = PyUnicode_READ(kind, data, j);
|
||||
if (!Py_UNICODE_ISSPACE(ch))
|
||||
break;
|
||||
j--;
|
||||
}
|
||||
j++;
|
||||
}
|
||||
}
|
||||
|
||||
return PyUnicode_Substring(self, i, j);
|
||||
|
|
Loading…
Reference in New Issue